Earticle

본 연구에서는 퍼지논리 에이전트 기반 모델링(ABM: Agent-Based Modeling)을 이용한 시뮬레이션 기법을 이용하여 대표적 온라인 게임 장르인 MMORPG게임과 스포츠게임별로 게임 사용자들의 아이템 거래 행동특성을 분석하고자 한다. 온라인 게임 시장에서 아이템 거래는 게임회사의 수익성을 좌우하는 핵심변수이다. 그럼에도 불구하고, 기존 온라인 게임 연구에서는 게임 장르별로 게임 사용자들의 아이템 거래 행동특성을 면밀하게 분석하는 연구가 부족하였다. 이는 온라인 게임시장의 특성상 실증분석이 어렵기 때문이다. 이 같은 기존 연구의 한계를 극복하기 위한 방법으로 본 연구에서는 ABM을 이용한다. 한편, 게임 사용자들의 행동 특성은 게임 장르별로 달라지며 주어진 게임의 특성에 따라서 많은 편차를 보이기 때문에 그만큼 모호성과 불확실성이 수반된다. 이러한 상황을 고려하여 본 연구에서는 ABM과 퍼지 논리를 결합한 방법을 적용한다. 본 연구에서 고려한 온라인 게임 장르는 MMORPG와 스포츠게임이다. ABM과 퍼지 논리를 결합한 시뮬레이션 결과 MMORPG 게임장르에서는 사용자들이 고성능 아이템에 값비싼 가격을 지불할 동기가 있음이 확인되었다. 반면, 스포츠게임 장르의 경우 게임 사용자들은 아이템 성능 자체에는 민감하게 반응하지 않으며, 상대적으로 합리적인 가격대에서 게임 아이템 거래를 하고자 함을 알 수 있었다. 이 같은 본 연구의 분석결과로 미루어 볼 때 본 연구에서 제안하는 퍼지논리 기반의 ABM 시뮬레이션 기법은 온라인 게임사가 게임 아이템 관리 및 고객 이탈방지전략 수립 시 유용하게 사용될 가능성이 충분한 도구임을 알 수 있었다.

This study aims to analyze online game user's game items transacting behaviors for the two game genres such as MMORPG and sports game. For the sake of conducting the analysis, we adopted a fuzzy logic agent-based modeling. In the online game fields, game items transactions are crucial to game company's profitability. However, there are lack of previous studies investigating the online game user's game items transacting activities. Since many factors need to be addressed in a complicated way, ABM (agent-based modeling) simulation mechanism is adopted. Besides, a fuzzy logic is also considered due to the fact that a number of uncertainties and ambiguities exist with respect to online game user's complex behaviors in transacting game items. Simulation results from applying the fuzzy logic ABM method revealed that MMORPG game users are motivated to pay expensive price for high-performance game items, while sports game users tend to transact game items within a reasonable price range. We could conclude that the proposed fuzzy logic ABM simulation mechanism proved to be very useful in organizing an effective strategy for online game items management and customers retention.

최근 인공지능 기법을 활용하여 캔들스틱 차트를 분석함으로써 주식가격 예측의 정확성을 높이고자 하는 다양한 연구가 진행되어 왔다. 그러나 이러한 연구들은 주식가격 예측을 위한 학습에 있어 캔들스틱 차트의 시계열적 특성을 고려하지 못한다는 점과 시장 참여자들의 감정 상태를 고려하지 못한다는 점 등이 문제로 지적되고 있다. 본 연구에서는 시장 참여자들의 감정상태를 반영하기 위해 변동성지수 (VIX: volatility index) 차트를 캔들스틱 차트와 함께 고려하여 학습시키고 이를 변이형 오토인코더 (VAE: variational auto encoder)와 어텐션 메커니즘(attention mechanisms)을 결합한 새로운 방법으로 분석하여 캔들스틱 차트의 시계열적 특성을 고려함으로써 기존 연구의 한계를 극복하고자 한다. 본 연구에서 제안한 방법의 성능 비교를 위해 S&P 500 기업 가운데 50개를 임의로 추출하여 제안한 방법을 통해 이들의 주식가격을 예측하고 이를 합성곱 신경망(CNN: convolutional neural network) 또는 장단기메모리(LSTM: long-short term memory) 등과 같은 기존 방법들과 비교하였다. 비교 결과 기존 방법들에 비해 본 연구에서 제안한 방법이 더 우수한 성능을 보이는 것으로 나타났다. 본 연구는 시장 참여자들의 감정 상태와 캔들스틱 차트의 시계열적 특성을 고려함으로써 주식 가격 예측의 정확성을 높였다는 점에서 그 의의가 있다.

Recently, many studies have been conducted to increase the accuracy of stock price prediction by analyzing candlestick charts using artificial intelligence techniques. However, these studies failed to consider the time-series characteristics of candlestick charts and to take into account the emotional state of market participants in data learning for stock price prediction. In order to overcome these limitations, this study produced input data by combining volatility index and candlestick charts to consider the emotional state of market participants, and used the data as input for a new method proposed on the basis of combining variantion autoencoder (VAE) and attention mechanisms for considering the time-series characteristics of candlestick chart. Fifty firms were randomly selected from the S&P 500 index and their stock prices were predicted to evaluate the performance of the method compared with existing ones such as convolutional neural network (CNN) or long-short term memory (LSTM). The results indicated the method proposed in this study showed superior performance compared to the existing ones. This study implied that the accuracy of stock price prediction could be improved by considering the emotional state of market participants and the time-series characteristics of the candlestick chart.

온라인 리뷰가 소비자 의사결정에 미치는 영향이 증가함에 따라 리뷰조작에 대한 염려도 증가하고 있다. 리뷰조작은 판매량을 증가시키기 위해, 진실 되지 않은 리뷰를 게시하는 것으로 소비자의 역 선택을 초래하며, 사회 전체에 큰 비용으로 작용한다. 선행연구는 대부분 데이터 마이닝 방법을 통해 리뷰조작을 예측하는 데 초점을 맞추었으며, 소비자 관점의 연구는 상대적으로 제한적이다. 그러나 소비자가 지각한 리뷰의 조작 가능성은 리뷰의 유용성에 영향을 미칠 수 있으므로 허위 여부와 상관없이 온라인 구전 관리에 중요한 시사점을 제공할 수 있다. 따라서 본 연구에는 소비자가 조작되었다고 평가한 리뷰와 일반적인 리뷰 간에 어떠한 차이가 있는지 분석하고, 조작된 것으로 평가된 리뷰와 리뷰 유용성 간의 관계를 분석하였다. 실증분석을 위해 LibraryThing 웹사이트의 온라인 도서 리뷰 34,711개를 다수준 로지스틱 회귀분석과 포아송 회귀분석을 활용하여 분석하였다. 분석결과 소비자가 조작되었다고 지각하는 리뷰와 그렇지 않은 리뷰 간에는 제품 수준, 리뷰어 수준, 리뷰 수준 요인들에 차이가 있는 것으로 나타났다. 또한, 조작된 리뷰는 리뷰 유용성에 부정적인 영향을 미치는 것으로 나타났다.

As the influence of online reviews on consumer decision-making increases, concerns about review manipulation are also increasing. Fake reviews or review manipulations are emerging as an important problem by posting untrue reviews in order to increase sales volume, causing the consumer's reverse choice, and acting at a high cost to the society as a whole. Most of the related prior studies have focused on predicting review manipulation through data mining methods, and research from a consumer perspective is insufficient. However, since the possibility of manipulation of reviews perceived by consumers can affect the usefulness of reviews, it can provide important implications for online word-of-mouth management regardless of whether it is false or not. Therefore, in this study, we analyzed whether there is a difference between the review evaluated by the consumer as being manipulated and the general review, and verified whether the manipulated review negatively affects the review usefulness. For empirical analysis, 34,711 online book reviews on the LibraryThing website were analyzed using multilevel logistic regression analysis and Poisson regression analysis. As a result of the analysis, it was found that there were differences in product level, reviewer level, and review level factors between reviews that consumers perceived as being manipulated and reviews that were not. In addition, manipulated reviews have been shown to negatively affect review usefulness.

국내 개인신용평가회사들은 과거와 현재 시점의 다양한 금융거래 정보를 활용하여 개인의 신용을 평가하고 있는데, 이 중 과거에 대출을 실행하여 이를 상환 또는 연체한 이력에 대한 정보를 의미하는 ‘상환이력정보’는 신용평가에 활용되는 다른 항목들에 비해 상대적으로 활용 비중이 높은 항목이다. 그러나 개인이 연체된 채무를 모두 변제하여 현재 연체중인 상태가 아닌 경우에도 과거의 연체 이력이 부정적인 요인으로 최장 5년간 평가에 반영되고 있어 금융소비자에게 과도한 불이익을 준다는 지적이 지속적으로 있어 왔다. 실제로 연체 이력이 있는 개인의 경우, 연체된 채무를 성실하게 변제한 개인(정상변제)과 그렇지 않은 개인(비정상변제)으로 구분할 수 있는데, 이들 간에는 신용도의 차이가 존재하므로 ‘정상변제’하는 개인의 특징을 확인하여 이들에게 ‘상환이력정보’의 활용기간을 단축시켜 주는 등의 혜택을 제공하는 것이 바람직하다고 판단된다. 본 연구는 이러한 문제의식에서 출발하여 한국신용정보원에서 보유하고 있는 2019년 12월 말 기준, 개인의 대출․연체․변제 정보에 기반하여 국내 연체경험자의 정상변제 요인을 분석하였다. 방법론은 개인신용평가모형에서 주로 사용하는 로지스틱 회귀모형을 기본으로 하여 의사결정나무, 신경망 모형 등의 머신러닝 방법론을 추가로 활용하였으며, 각 방법론별 성능을 비교해보았다. 실증분석 결과, 연체건수, 대출․연체유형 등이 정상변제 여부에 영향을 미치는 유의한 변수들로 확인되었으며 방법론 중에는 신경망 모형의 성능이 가장 높은 것으로 나타났다. 이러한 연구결과는 연체된 개인 차주의 정상변제 여부에 영향을 미치는 요인을 확인하여 개인신용평가모형을 고도화하는데 도움이 될 수 있을 것으로 보이며 연체 후 성실하게 변제하는 개인을 정책적으로 지원하기 위한 기초자료로도 활용될 수 있을 것으로 보인다. 향후에는 정상변제 요인을 추가 발굴하여 금융업권별 정상변제 요인의 세부적인 차이를 확인하고 이를 실제 모형에 반영하는 연구가 필요할 것이다.

Credit Bureaus in Korea commonly use financial transaction information of the past and present time for calculating an individual’s credit scores. Compared to other rating factors, the repayment history information accounts for a larger weights on credit scores. Accordingly, despite full redemption of overdue payments, late payment history is reflected negatively for the assessment of credit scores for certain period of the time. An individual with debt delinquency can be classified into two groups; (1) the individuals who have faithfully paid off theirs overdue debts(Normal Repayment), and (2) those who have not and as differences of creditworthiness between these two groups do exist, it needs to grant relatively higher credit scores to the former individuals with normal repayment. This study is designed to analyze the factors of normal repayment of Korean financial debt delinquents based on credit information of personal loan, overdue payments, redemption from Korea Credit Information Services. As a result of the analysis, the number of overdue and the type of personal loan and delinquency were identified as significant variables affecting normal repayment and among applied methodologies, neural network models suggested the highest classification accuracy. The findings of this study are expected to improve the performance of individual credit scoring model by identifying the factors affecting normal repayment of a financial debt delinquent.

서비스 지향성과 고객 지향성은 서비스 기업의 성공을 결정짓는 서비스 기업내 중요한 자산으로 인식되고 있다. 그러나 이들 지표는 서비스 제공 경험을 토대로 한 서비스 기업 내부의 자가 진단을 통해 평가된다. 그렇기 때문에 모바일 앱 등 비대면 채널을 기반으로 금융서비스를 제공하는 핀테크 기업의 경우 자사의 서비스 지향성이나 고객 지향성을 평가하기가 쉽지 않은 것이 사실이다. 이에 본 연구에서는 고객의 평가를 통해 서비스 지향성과 고객 지향성을 평가할 수 있도록 지각된 고객 지향성을 개념화하였다. 그리고 기술수용 모델을 기반으로 지각된 고객 지향성에 영향을 미치는 선행요인과 후행요인에 대해 실증하였다. 이를 위해 지각된 이용 편의성과 유용성, 지각된 고객 지향성, 고객의 지속 이용의도와 구전의도로 구성된 설문에 대해 핀테크 서비스를 이용한 고객들을 대상으로 설문을 실시하고 구조방정식을 통해 개념간 인과관계를 실증하였다. 그 결과 지각된 이용 편의성과 유용성, 고객의 지속 이용의도와 구전의도간의 인과관계에 있어 지각된 고객 지향성의 매개효과를 확인할 수 있었다. 본 연구는 비대면으로 모든 금융서비스가 제공되는 핀테크 기업의 경영진과 실무진들이 자사의 서비스 지향성과 고객 지향성을 고객의 평가를 통해 객관적으로 측정하고 서비스 운영전략 수립에 활용할 수 있는 토대를 마련했다는 점에서 학문적, 실무적 시사점을 제공하고 있다.

Service orientation and customer orientation are recognized as important success factors in service companies. However, these constructs are evaluated through self-diagnosis within the service company based on service delivery experience. For this reason, Fintech companies that provide financial services based on non-face-to-face channels such as mobile APP have limitations in evaluating their service orientation and customer orientation. Therefore, in this study, the perceived customer orientation is conceptualized so that service orientation and customer orientation can be evaluated through customer evaluation. In addition, the antecedents and consequences of the perceived customer orientation based on the technology acceptance model were demonstrated. As a result, it was confirmed the mediating effect of perceived customer orientation in the relationship between perceived ease of use and usefulness and customer's continuous use intention and word of mouth intention. This study laid the foundation for the Fintech companies that provide all financial services throughout non-face-to-face to measure their service orientation and customer orientation through customer evaluation and utilize them in establishing service operation strategies.

최근 들어 외국 사람들이 한국의 온라인 쇼핑 사이트에서 구매하는 금액이 증가하고 있고, 그 중에서도 특히 중국 소비자들이 구매하는 금액이 큰 비중을 차지하면서 급격히 증가하고 있다. 본 연구에서는 한국의 온라인 판매 기업들이 이러한 기회를 이용할 수 있도록 중국 소비자들의 후기, 문의, 흥정의 정보탐색 활동이 충성도에 미치는 영향을 연구하고, 이러한 영향이 성별에 따라 어떤 차이를 보이는지를 연구하였다. 연구모형을 검증하기 위해 온라인 구매 경험이 있는 중국 소비자들을 대상으로 설문조사 하였고, 총 231개의 표본을 통계분석하였다. 분석결과, 후기, 문의, 흥정이 모두 중국 소비자의 충성도에 정의 영향을 미치는 것을 확인하였고, 후기가 충성도에 미치는 영향은 여성이 더 높고, 문의와 흥정이 충성도에 미치는 영향은 남성이 더 높은 것을 확인하였다. 본 연구는 한국 기업이 한국에서 온라인 쇼핑하는 중국 소비자들의 후기, 문의, 흥정 니즈에 효과적으로 대응하고, 여성에게 미치는 후기의 영향력과 남성에게 미치는 문의와 흥정 영향력의 차이를 이해하고 대처하는데 도움을 줄 수 있다.

Recently, the amount of money that foreigners buy from online shopping sites in Korea has been increasing, especially by Chinese consumers. In this study, we researched the effects of Chinese consumers' reviews, inquiries, and bargains on loyalty, and how these effects differ by gender so that Korean online sellers can take advantage of these opportunities. In order to verify the research model, a survey was conducted on Chinese consumers with online purchasing experience and 231 valid samples were collected and analyzed. As results, reviews, inquiries, and bargaining had the positive impacts on the loyalty of Chinese consumers. The impact of reviews on loyalty was higher in women, and the impact of inquiries and bargains on loyalty was higher in men. This study can help Korean online sellers effectively respond to Chinese consumers' reviews, inquiries, and bargains needs. This study, also, can help they understand and deal with the difference between the effect on reviews to women and the effect of inquiries and bargaining to men.

네트워크 경제에서 중소기업의 정보화 수준은 기업의 경쟁력인 동시에 생산성을 결정하는데 중요한 역할을 한다. 중소기업의 정보화는 최근 4차 산업혁명의 흐름과 더불어 중요성이 대두되고 있다. 본 연구는 IT 비즈니스 가치 모형을 기반으로 중소기업 정보화의 핵심 요인을 분석한다. 그리고 중소기업의 종사자 수에 따른 기업의 규모로 계층을 구분하여 다층모형 분석을 실시하였다. 이를 위해 중소 벤처기업부와 중소기업 기술정보진흥원에서 2017년도에 수행한 중소기업 정보화 수준 조사의 3,700개 중소기업들의 응답을 바탕으로 실증하였다. 중소기업의 정보화 수준과 정보화 효과를 평가하기 위해 자원 기반 이론을 근거하여 업무 프로세스 관점에서 평가하였다. 분석 결과 중소기업의 정보화 수준을 결정하는데 보완적 조직 자원이 핵심적 요인인 것을 확인하였다. 또한 중소기업의 규모에 따른 중소기업의 정보화 효과의 주요 요인은 기업의 공단 입주 형태가 중요한 요인인 것을 확인하였다.

In the network economy, the informatization of Small and Medium enterprises(SME) plays an important role in determining productivity while being competitive in the businesses. Informatization of SME has become important along with the recent trend of the fourth industrial revolution. Based on the IT Business Value Model, this study analyzes the key factors of information service of SME with the structure model. In addition, multi-level model was conducted by dividing the layers according to the size of the SME. The analysis confirmed that complementary organizational resources are a key factor in determining the informatization of SME. In addition, the effect of informatization of SME on the scale of SME varies depending on the type of entry into the industrial complex.

최근 온라인 상품 구매의 증가로 인해 사용자의 선호에 맞는 상품을 추천해주는 시스템이 지속적으로 연구되고 있다. 추천 시스템은 사용자들에게 개인화된 상품 추천 서비스를 제공하는 시스템으로 사용자가 상품에 남긴 평점을 이용한 협업 필터링(Collaborative Filtering)이 가장 널리 쓰이는 추천 방법이다. 협업 필터링에서 상품 간의 유사도 계산은 시간이 많이 소요되는데, 특히 리뷰 데이터와 같은 빅데이터를 사용할 경우 더욱 많은 시간을 소요한다. 그래서 본 연구에서는 리뷰 데이터 마이닝을 이용하여 상품 간의 유사도 계산을 빠르게 수행할 수 있으면서 정확도를 높일 있도록 2단계(2-Phase) 방법을 이용한 하이브리드 추천시스템 방식을 제안한다. 이를 위해 온라인 전자책 상거래 상점인 아마존 킨들 스토어(Amazon Kindle Store)의 약 98만 개의 온라인 소비자 평점과 리뷰 데이터를 수집 하였다. 실험 결과 본 연구에서 제안한 사용자의 평점과 리뷰를 단계적으로 반영한 하이브리드 추천 방식이 전통적인 추천 방식과 비교하여 추천 시간은 비슷하였으나 높은 정확도를 나타내는 것을 확인하였다. 따라서 제안한 방법을 사용하면 사용자가 선호하는 상품을 빠르고 정확하게 추천함으로써 고객의 만족을 높여서 기업의 매출 증대에 기여할수 있을 것으로 기대된다.

With the recent increase in online product purchases, a recommender system that recommends products considering users' preferences has still been studied. The recommender system provides personalized product recommendation services to users. Collaborative Filtering (CF) using user ratings on products is one of the most widely used recommendation algorithms. During CF, the item-based method identifies the user's product by using ratings left on the product purchased by the user and obtains the similarity between the purchased product and the unpurchased product. CF takes a lot of time to calculate the similarity between products. In particular, it takes more time when using text-based big data such as review data of Amazon store. This paper suggests a hybrid recommendation system using a 2-phase methodology and text data mining to calculate the similarity between products easily and quickly. To this end, we collected about 980,000 online consumer ratings and review data from the online commerce store, Amazon Kinder Store. As a result of several experiments, it was confirmed that the suggested hybrid recommendation system reflecting the user's rating and review data has resulted in similar recommendation time, but higher accuracy compared to the CF-based benchmark recommender systems. Therefore, the suggested system is expected to increase the user's satisfaction and increase its sales.