지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 발행연도
- 2020
- 저작권
- 서울대학교 논문은 저작권에 의해 보호받습니다.
이용수0
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
사용자 중심의 연구는 제품과 서비스의 물리적 스펙의 전체적인 상향 평준화 이후 제품/서비스 차별화를 위한 연구 방향으로써 주목받았고 점차 제품/서비스 개발에서 주요 연구 방법으로 자리잡았다. 상거래 환경에서 모바일 환경은 빠른 변화와 개인의 맞춤형 서비스에 대한 요구로 사용자에 대한 이해가 과거보다 더 크게 요구되었다. 빅데이터를 통한 사용자 분석이 새로운 수단으로 주목받고 있지만 요구되는 데이터의 크기가 상대적으로 매우 크며 이러한 데이터를 확보하고 처리하는 데에는 시간과 비용이 많이 든다. 이번 연구에는 사용자가 양식에 맞춰 스스로 기록한 User Diary Record (UDR)로부터 얻은 인사이트를 바탕으로 사용자의 경향성을 분류하는 행동 변수를 정의하고 이에 따라 사용자에게 좌표 공간 상의 위치를 부여하여, 유클리드 거리에 기반을 둔 사용자 별 유클리드 유사도를 구하고 기준 유사도 설정과 UCINET을 활용한 분석을 통해 사용자 세그멘트를 구하는 방법론을 제안한다. 또한 구해진 사용자 세그멘트의 행동 변수 평균 수치를 세그멘트 별 사용자 모델로 제안하였으며 CONCOR 분석을 통해 얻은 사용자 클러스터 결과와 비교하였다. 본 연구의 결과를 맞춤형 서비스 제공을 위한 사용자 세그멘트 추출과 신규 사용자의 빠른 세그멘테이션에 활용할 수 있을 것으로 기대된다.
목차
1 장 서론 11.1 연구 배경 및 목적 11.2 문제 정의 71.3 연구 동기 및 공헌 71.4 논문구성 82 장 선행연구 및 배경 이론 92.1 사용자 연구 방법론에 대한 연구 92.2 수집 데이터 활용 및 분석에 대한 선행 연구 102.3 사용자 세분화 122.4 다차원척도법(MDS)과 좌표 공간에서의 거리 122.5 행동 변수 133 장 연구 방법 153.1 UDR 수집 153.2 키워드 추출 및 행동 변수 정의 173.3 공간좌표 사이의 유클리디안 거리 계산 173.4 실험 참여자 별 유사도 계산 183.5 유사도 매트릭스 기반 시각화 183.6 기준 유사도에 따른 그룹 생성 비교 183.7 유사도 필터링 및 CONCOR 분석 결과 비교 194 장 실험 결과 및 논의 194.1 UDR 분석 결과 194.2 행동 변수 정의 결과 214.3 행동 변수 별 수준 부여 결과 234.4 유클리디안 거리 계산 결과 254.5 유클리디안 유사도 계산결과 274.6 UCNINET을 통한 유사도 기반 시각화 284.7 실험 참여자 간 유사도 분포 조사 284.8 기준 유사도 설정 이후 세그멘테이션 결과 294.9 세그멘트 별 특성 확인 324.10 필터링 이후 세그멘테이션 결과 비교 364.11 CONCOR 분석 클러스터링 결과 비교 455 장 결론 495.1 결론 495.2 향후 연구 52참고문헌 53Abstract 58감사의 글 58
최근 본 자료
댓글(0)
0