Exploring SNS as a consumer tool for retail therapy: explicating semantic networks of “shopping makes me happy (unhappy)” as a new product development method

고은주; 전은하; 송상아; Pekka Mattila

추천

검색

자료유형: 학술저널

저자정보: 고은주 전은하 송상아 Pekka Mattila

저널정보: 한국마케팅과학회 Journal of Global Scholars of Marketing Science(마케팅과학연구) Journal of Global Scholars of Marketing Science(마케팅과학연구) 제25권 제1호

발행연도: 2015.1

수록면: 37 - 48 (12page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Marketing and advertising researchers are turning attention to the impact of socialnetwork services such as Twitter. Researchers are calling for more useful gatheringand interpretation of massive amounts of SNS data. This study applies semanticnetwork analysis to examine the effects of shopping on mood alleviation via tweets– effects known as retail therapy. To conduct a semantic network analysis, thestudy analyzes 152 messages containing shopping-related keywords in naturallyoccurring tweets and finds the 24 most frequently used nodes (keywords). Centralityanalysis reveals that nodes most frequently connecting keywords of mood, stress,depression, happiness, clothes, consumption and shoes have higher degrees ofcentrality. Moods associate with 22 keywords and highly co-occur with thekeywords change, clothes, stress, consumption and depression. The results indicatethat tweets about sentiments expressed before and after fashion item purchases showthat retail therapy is occurring. By analyzing SNS messages, this study enhances thetheory – method diversification of consumer studies and provides practical guidelinesfor further study of shopping behaviors and future new product developmentinitiatives.

市场营销和广告的研究人员正在将注意力转向社交网络服务（SNS）如Twitter的影响上面。研究人员呼吁更多有用的对SNS大数据的收集和解读。本研究采用语义网络分析来检验通过Twitter购物的心情缓解效果，亦即零售疗法。本研究提出了SNS背景下的零售疗法理论以及在Twitter用户中检验此理论的方法论。该理论尤其是与减轻消费者负面情绪的购物体验有关，并且此研究采用语义网络分析（SNA）来分析Twitter信息。语义网络分析描述了基于对描述信息中词语之间关系有用的共享信息的系统结构。因此，此研究运用SNA来寻找关于几个理论原则的答案。其中的第一项是通过Twitter的语义网络指出购物者通过情绪缓解来体验零售疗法。其次，关键字显著集中地表明零售疗法正在发生。为了探讨这两个原则，本研究集聚了与零售疗法相关联的主关键字的组群，并通过可视化映射的方法检验了它们之间的关系优势。为了进行分析，该研究分析了152条在自然发生的Twitter中包含与购物有关的关键字的信息以及找到了24个最常使用的节点（关键字）。中心性分析揭示出与关键字情绪，压力，抑郁，快乐，衣服，消费和鞋子连接最频繁的节点有较高程度的中心性。情绪与22个关键字有关，且会随着高度共现的关键字变化，如衣服，压力，消费和抑郁。结果表明，关于时尚物品购买前后情绪变化的Twitter显示出零售疗法正在发生。通过分析SNS信息，此研究提高了关于消费者研究的理论方法的多样性，并且为未来购物者行为的进一步研究提供了现实指导。这项研究最后讨论了该技术对于开发新时尚产品和打算在全球市场进行销售的公司的实用性。正在寻求拓展进入新文化的时装企业可以运用以计算机为中介的社交内容对它们的产品进行适当性调整。一家希望打入欧洲或北美市场的韩国时装设计公司不能假定它在国内受欢迎的设计也同样会被目标国家所接受。此外，在一种文化训练下的设计师可能对目标国家的偏好不太熟悉，可能会难以评估设计在国际市场上的适合性。设计的普遍性研究显示各国之间可能会有显著的区别，这与设计线索的含义有关。从社交内容获得的信息，正如本研究所示，可被用来完善设计者的专业知识，帮助他们确定他们设计的普遍性水平以及为目标国家做适当的修改。

#mood #retail therapy #semantic network analysis #SNS #Twitter #SNS #Twitter

참고문헌 (28)

참고문헌 신청

Al-Qaimari, G. / 1994 / Visualizing advanced data modelling constructs / Information and Software Technology 36 : 597 ~ 605

Atalay, A. S. / 2011 / Retail therapy: A strategic effort to improve mood / Psychology and Marketing 28 : 638 ~ 659

Babin, B. J. / 1996 / Good and bad shopping vibes: Spending and patronage satisfaction / Journal of Business Research 35 : 201 ~ 206

Barnett, G. A. / 1988 / Readings in the Galileo system: Theory, methods and applications / Kendall/Hunt

Bollen, J. / 2011 / Modeling public mood and emotion: Twitter sentiment and socio-economic phenomena / Paper presented at the ICWSM

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

고은주

소속기관 연세대학교

주요연구분야 사회과학 > 경영학

논문수 34 이용수 211

전은하

소속기관 동아대학교

주요연구분야 사회과학 > 경영학

논문수 11 이용수 58

Sangah Song

소속기관 연세대학교

주요연구분야 사회과학 > 경영학

논문수 4 이용수 7

Pekka Mattila

소속기관 Aalto University School of Business

주요연구분야 사회과학 > 경영학

논문수 12 이용수 21

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (28)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)