Earticle

초록

영어

This study aims to propose an automatic classification system based on multimodal deep learning and to exploratorily analyze the association between the extracted non-verbal rhetorical elements (Ethos, Pathos, Logos) and digital advertising performance (CTR, CVR). As a result of the study, the analysis of rhetorical metrics derived from the cross-attention-based multimodal model showed that emotional appeal (Pathos) was significantly associated with an increased click-through rate (CTR), while logical persuasion (Logos) and authoritative credibility (Ethos) showed a strong positive correlation with the conversion rate (CVR). These results provide practical assistance in demonstrating how a classification algorithm considering both images and text can be linked to practical marketing performance indicators, and contribute to establishing communication strategies for major consumer goods and service industries. This study confirmed the effectiveness of the rhetorical element automatic classification model and will be used as basic data to present a new approach to data-driven marketing strategies in the future.

한국어

이 연구는 멀티모달 딥러닝 기반의 자동 분류 시스템을 제안하고, 이를 통해 도출된 비언어적 수사학 요소(에토스, 파토스, 로고스)와 디지털 광고 성과(CTR, CVR) 간의 연관성을 탐색적으로 분석하는 것을 목적으로 한다. 연구 결과, 교차 주의집중 기반의 멀티모달 모델을 통해 추출된 수사학 지표 분석에서, 감정적 소구(파토스)는 클릭률(CTR) 상승과 유의미한 연관성을 보인 반면, 논리적 설득(로고스)과 권위적 신뢰도(에토스)는 전환율(CVR) 향상과 강력한 정(+)의 상관관계를 나타냈다. 이 결과는 이미지와 텍스트를 함께 고려한 분류 알고리즘이 실무적 마케팅 성과 지표와 어떻게 연계될 수 있는지 실증적으로 보여주며, 주요 소비재 및 서비스 산업군의 커뮤니케이션 전략 수립에 기여한다. 본 연구는 수사학 요소 자동 분류 모델의 실효성을 확인하였으며, 향후 데이터 기반 마케팅 전략에 새로운 접근을 제시하는 기초 자료로 활용될 것이다.

목차

요약
Abstract
1. 서론
2. 문헌 검토
2.1 광고 메시지 연구와 시각적 수사학 이론의 진화
2.2 멀티모달 머신러닝의 광고 커뮤니케이션 적용
2.3 데이터 기반 수사학 지표화와 본 연구의 차별성
2.4 한계 극복을 위한 구체적 연구 설계
3. 연구 방법론
3.1 연구 설계 개요
3.2 데이터 수집 및 데이터셋 구축의 구체성
3.3 멀티모달 모델 아키텍처 및 학습 설계
3.4 학습 및 실험 환경 설정
4. 연구 결과
4.1 다중 라벨 분류(Multi-label Classification) 성능 및 통계적 검증
4.2 수사학 클래스별 성능 검증 및 혼동 행렬(Confusion Matrix) 분석
4.3 광고 성과와의 탐색적 연관성 분석 (Exploratory Association)
4.4 실무 적용성 검증: 수사학 요소와 광고 성과(CTR/CVR) 연관성 분석
5. 토론
5.1 연구 결과의 해석
5.2 이론적 및 실무적 함의
5.3 연구의 한계 및 향후 과제
6. 결론
REFERENCES

키워드

저자

• 정해원 [ Hae Won. Chung | 고신대학교 미디어영상마케팅학과 교수 ]
• 김종명 [ JongMyoung Kim | 세한대학교 인공지능빅데이터학과 교수 ] Corresponding Author

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  미래기술융합논문지

• 간기

  격월간

• eISSN

  2951-2468

• 수록기간

  2022~2026

• 등재여부

  KCI 등재후보

• 십진분류

  KDC 530 DDC 620