제품 개선 및 신제품 개발을 위한 시장분석 방법 : 머신러닝 방법론을 중심으로

김용기; 김오성; 이중원

doi:https://doi.org/10.34183/KCSMA.26.2.3

추천

검색

자료유형: 학술저널

저자정보: 김용기 (충북대학교 충북Pro메이커센터) 김오성 (충북대학교 충북Pro메이커센터) 이중원 (충북대학교 기초과학연구소)

저널정보: 한국고객만족경영학회 고객만족경영연구 고객만족경영연구 제26권 제2호

발행연도: 2024.7

수록면: 53 - 76 (24page)

DOI: https://doi.org/10.34183/KCSMA.26.2.3

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

온라인 리뷰는 제품의 장단점과 경쟁제품에 대한 정보를 모두 포함하고 있기 때문에, 제품 개선 및 신제품 개발에 중요한 시사점을 제공할 수 있다. 하지만 관련 선행연구에서 제안한 방법은 대부분 정확도 측면의 성과가 낮거나 확장성 측면에서 한계가 있다. 또한, 온라인 리뷰 분석을 통한 제품 성과예측에도 예측성과가 우수한 머신러닝 알고리즘의 활용에 관한 연구가 제한적이며, 온라인 리뷰 분석 맥락에서 설명 가능한 머신러닝 기술을 적용한 실증연구는 충분하지 않다. 따라서, 본 연구에서는 자연어 처리기술을 기반으로 제품 속성이 반영된 온라인 리뷰 텍스트에서 제품 속성의 체계를 추출하고 머신러닝 모델을 통해 성과를 예측하고 설명하는 프레임워크를 제안하고자 한다. 프레임워크의 검증을 위해 쿠팡에서 ‘러닝화’ 제품 및 온라인 리뷰를 수집하여 Word2Vec을 활용하여 제품의 속성을 측정하였으며, 계층적 군집화를 통해 속성 계층을 분류하였다. 리뷰 속성 및 주요 키워드를 활용하여 문장 단위로 제품 속성 및 감정 점수를 LSTM을 활용하여 예측하고 제품별 상위 속성별 점수를 산출하였다. 제품 속성별 점수와 제품성과(i.e., 전반적 만족도[평점], 인기도[온라인 리뷰량])과의 관계를 예측모델로 학습하고 전체 제품군 수준에서 제품 속성의 중요도, 제품속성과 제품성과의 관계를 분석하였다. 본 연구는 온라인 리뷰를 자연어 처리기술과 머신러닝 알고리즘으로 분석함으로써 제품 개선 및 신제품 개발의 시사점을 얻을 수 있는 프레임워크를 제안함으로써 이론적 실무적 시사점을 제공하였다.

Online reviews provide valuable insights for product improvement and new product development as they contain both strengths and weaknesses of the product, as well as information about competing products. However, most methods proposed in previous research have shown low accuracy or limitations in scalability. Additionally, there is limited research on the use of machine learning algorithms with excellent predictive performance for product performance prediction through online review analysis, and there is insufficient empirical research applying explainable machine learning techniques in the context of online review analysis. Therefore, this study proposes a framework that extracts a product attribute system from online review text reflecting product attributes based on natural language processing technology and predicts and explains performance through machine learning models. To validate the framework, 'running shoes' products and online reviews were collected from Coupang and the product's attributes were measured using Word2Vec, and the attribute hierarchy was classified through hierarchical clustering. Using review attributes and main keywords, product attributes and sentiment scores were predicted at the sentence level using LSTM, and scores for each top attribute were calculated for each product. The relationship between product attribute scores and product performance (i.e., overall satisfaction [rating], popularity [number of online reviews]) was learned as a predictive model, and the importance of product attributes and the relationship between product attributes and product performance were analyzed at the entire product group level. This study provides theoretical and practical implications by proposing a framework that can obtain implications for product improvement and new product development by analyzing online reviews with natural language processing technology and machine learning algorithms.

#온라인 리뷰 #머신러닝 #설명가능한 머신러닝 #word2vec #쿠팡 #자연어 처리 #Online Reviews #Machine Learning #Explainable Machine Learning #Word2Vec #Coupang #Natural Language Processing

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

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

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 (0)

함께 읽어보면 좋을 논문

최근 본 자료

댓글(0)