Earticle

소비자들은 판매자가 제공하는 정보 보다는 다른 소비자가 제공하는 정보를 더욱 신뢰하는 경향이 있다. 그렇기 때문에 소비자로 하여금 높은 품질의 리뷰를 작성하도록 유도하는 것은 기업에게 있어서 매우 중요한 과제지만, 이처럼 양질의 리뷰를 생산하게 만드는 것은 쉽지 않다. 그래서 우리는 리뷰 작성 및 기억 회상 관련 연구를 토대로 소비자들이 자연스럽게 높은 품질의 리뷰를 작성하도록 만드는 디지털 넛지(digital nudge) 방법을 개발하기로 결정했다. 구체적으로, 우리는 온라인 리뷰 작성 과정에서 리뷰 작성자의 사진을 먼저 업로드 하는 행동이 리뷰의 품질에 미치는 영향을 검증하는 실험을 설계하였다. 이를 위해 우리는 실험 대상자를 모집 후, 리뷰 작성 전에 사진을 먼저 업로드 하는 그룹과 그렇지 않는 그룹으로 나누었다. 그리고 각 실험 대상자들에게 긍정 리뷰와 부정 리뷰를 작성하게 하는 과제를 할당하였다. 그 결과, 사진을 먼저 업로드 하는 행동이 리뷰 내용의 길이를 늘린다는 점을 확인하였다. 또한 사진을 먼저 업로드 하는 온라인 유저들이 그 상품에 대한 만족도가 극단적으로 부정적일 때, 그 유저가 작성하는 리뷰 내용의 양면성의 정도가 증가한다는 것을 확인하였다.

Consumers tend to trust information provided by other consumers more than information provided by sellers. Therefore, while inducing consumers to write high-quality reviews is a very important task for companies, it is not easy to produce such high-quality reviews. Based on previous research on review writing and memory recall, we decided to develop a way to use digital nudge to help consumers naturally write high-quality reviews. Specifically, we designed an experiment to verify the effect of uploading a photo during the online review process on the quality of review of the review writer. We then recruited subjects and then divided them into groups that upload photos first and groups that do not. A task was assigned to each subject to write positive and negative reviews. As a result, it was confirmed that the behavior of uploading a photo first increases the review length. In addition, it was confirmed that when online users who upload photos first have extremely negative satisfaction with the product, the extent of two-sidedness of the review content increases.

최근에는 외식 산업의 발달과 레스토랑 수요의 증가로 인해 레스토랑 추천 시스템 연구가 활발하게 제안되고 있다. 기존 레스토랑 추천 시스템 연구는 정량적인 평점 정보 또는 온라인 리뷰의 감성분석을 통해 소비자의 선호도 정보를 추출하였는데 이는 소비자의 의미론적 선호도 정보는 반영하지 못한다는 한계가 존재한다. 또한, 레스토랑이 포함하는 세부적인 속성을 반영한 추천 시스템 연구는 부족한 실정이다. 이를 해결하기 위해 본 연구에서는 소비자의 선호도와 레스토랑 속성 간의 상호작용을 효과적으로 학습할 수 있는 딥러닝 기반 모델을 제안하였다. 먼저, 합성곱 신경망을 온라인 리뷰에 적용하여 소비자의 의미론적 선호도 정보를 추출했고, 레스토랑 정보에 임베딩 기법을 적용하여 레스토랑의 세부적인 속성을 추출했다. 최종적으로 요소별 연산을 통해 소비자 선호도와 레스토랑 속성 간의 상호작용을 학습하여 소비자의 선호도 평점을 예측했다. 본 연구에서 제안한 모델의 추천 성능을 평가하기 위해 Yelp.com의 온라인 리뷰를 사용한 실험 결과, 기존 연구의 다양한 모델과 비교했을 때 본 연구의 제안 모델이 우수한 추천 성능을 보이는 것을 확인하였다. 본 연구는 레스토랑 산업의 빅데이터를 활용한 맞춤형 레스토랑 추천 시스템을 제안함으로써 레스토랑 연구 분야와 온라인 서비스 제공자에게 학술적 및 실무적 측면에서 다양한 시사점을 제공할 수 있을 것으로 기대한다.

Research on restaurant recommender systems has been proposed due to the development of the food service industry and the increasing demand for restaurants. Existing restaurant recommendation studies extracted consumer preference information through quantitative information or online review sensitivity analysis, but there is a limitation that it cannot reflect consumer semantic preference information. In addition, there is a lack of recommendation research that reflects the detailed attributes of restaurants. To solve this problem, this study proposed a model that can learn the interaction between consumer preferences and restaurant attributes by applying deep learning techniques. First, the convolutional neural network was applied to online reviews to extract semantic preference information from consumers, and embedded techniques were applied to restaurant information to extract detailed attributes of restaurants. Finally, the interaction between consumer preference and restaurant attributes was learned through the element-wise products to predict the consumer preference rating. Experiments using an online review of Yelp.com to evaluate the performance of the proposed model in this study confirmed that the proposed model in this study showed excellent recommendation performance. By proposing a customized restaurant recommendation system using big data from the restaurant industry, this study expects to provide various academic and practical implications.

본 연구는 인공지능 기법 중 다중레이블 속성선택 방법을 적용하여 복잡한 경영환경에서 의사결정의 효과성을 증대시키는 방안을 설명한다. 인공지능 기반의 의사결정 시스템은 의사결정자의 선택과 판단을 돕거나, 대신하는 중요한 역할을 한다. 더욱이 최근 인공지능을 중심으로 한 비즈니스 의사결정은 기업의 성장 동력으로 평가받는데, 이를 위해서는 효과적인 의사결정 방법이 수반되어야 한다. 이에 본 연구는 의미 있는 속성값을 선별하는 CFS-BR(이진연관성 접근 기반의 상관관계 속성선택 모델)을 제안하여, 효과적인 의사결정을 지원하는 것을 돕는다. 예시데이터와 실증데이터의 분석 결과, CFS-BR은 유의미한 속성을 최상우선선별 알고리즘 기반으로 최상의 조합을 선별하므로 효율적 의사결정을 지원할 수 있고, 기존의 다중 레이블 속성선택 방법과 비교하였을 때 정확도가 높은 것으로 보아 효과적인 의사결정을 증대시키는데 유용하다.

Management decision-making based on artificial intelligence(AI) plays an important role in helping decision-makers. Business decision-making centered on AI is evaluated as a driving force for corporate growth. AI-based on accurate analysis techniques could support decision-makers in making high-quality decisions. This study proposes an effective decision-making method with the application of multi-label feature selection. In this regard, We present a CFS-BR (Correlation-based Feature Selection based on Binary Relevance approach) that reduces data sets in high-dimensional space. As a result of analyzing sample data and empirical data, CFS-BR can support efficient decision-making by selecting the best combination of meaningful attributes based on the Best-First algorithm. In addition, compared to the previous multi-label feature selection method, CFS-BR is useful for increasing the effectiveness of decision- making, as its accuracy is higher.

정보 기술의 발전으로, 공유 경제 서비스는 새로운 형태의 소비 방식으로 자리 잡았다. 특별히 차량을 소유하지 않고 빌려 쓰는 형태인 카 셰어링은 개인들의 이동 수단의 범위를 확장하는 새로운 서비스이다. 차량 소유로 발생하는 비효율성을 줄이고, 교통 문제를 완화하는 등 카 셰어링은 다양한 사회적 이점을 제공하지만, 이를 구현하기 위해서는 개인의 카 셰어링 서비스 이용 패턴을 이해하고 이용자의 서비스 재사용을 유도해야 한다. 본 연구는 개인의 카 셰어링 서비스 재사용 행동을 이해하기 위해 RFMC (Recency, Frequency, Monetary, and Clumpiness) 모델을 활용하였다. 국내 카 셰어링 서비스 업체의 데이터를 분석한 결과, 카 셰어링 서비스 재사용에 Recency, Monetary 는 부의 영향을, Frequency는 정의 영향을 끼치는 것으로 나타났다. 더욱이 Clumpiness가 높은 집단의 경우, Recency와 Monetary의 효과는 두드러지는 반면, Frequency의 영향은 미미해졌다. 이러한 연구 결과를 바탕으로, 이론적, 실무적 함의를 도출하였다.

Thanks to information technologies, sharing economy services offer a new way of consumption. Carsharing appeared as a novel type of service that transformed the conventional way of personal transportation, from owning a vehicle to using an on-demand service. Allowing users to use a vehicle without owning a car, carsharing provides various social benefits such as the reduction of resource allocation inefficiencies and the alleviation of transportation problems. To strengthen such positive aspects of carsharing service, it is essential to understand an individual’s service usage pattern and reveal factors that affect users’ reuse behavior. This study investigates the factors that have an influence on carsharing reuse of users applying RFMC (Recency, Frequency, Monetary, and Clumpiness) model, the popular model for understanding the reuse likelihood of customers. Using data from a leading carsharing service provider in South Korea, we empirically analyze the effect of RFMC on carsharing reuse behavior. The findings show that recency and monetary values are negatively related to reuse while frequency is positively related to carsharing service reuse. Moreover, the impact of recency and monetary value are more salient whereas the impact of frequency is smaller among users with higher clumpiness. Based on these findings, this study elaborates on theoretical and practical implications.

최근 비정형 자료인 텍스트를 벡터로 변환하고 이를 통해 다양한 목적으로 방대한 양의 자연어를 분석하는 시도가 이루어지고 있다. 특히 코퍼스 규모가 제한적일 수밖에 없는 전문적인 도메인의 텍스트에 대해서도 분석 수요가 급증하면서, 해당 전문 분야의 문서를 범용 문서와 함께 분석하기 위한 연구가 활발하게 이루어지고 있다. 특정 전문어를 해당 전문어 코퍼스 외부의 일반적인 범용어와 함께 분석하기 위해서는, 전문어 임베딩 공간을 범용어 임베딩 공간과 일치시키는 것이 필요하다. 기존에는 변환 행렬 또는 매핑 함수 등을 통해 전문어 코퍼스로부터 얻은 전문어 임베딩 값을 범용어 임베딩 공간으로 변환, 일치시키려는 시도가 있었지만, 변환 행렬을 기반으로 하는 선형 변환은 국지적인 범위에서만 근사적인 변환 효과가 있다는 일반적인 선형 변환의 한계를 극복하지 못했다. 이러한 선형 변환의 한계를 극복하기 위해 최근에는 다양한 형태의 비선형적인 변환 방법이 제안되고 있으며, 본 연구에서는 오토인코더(Autoencoder)와 회귀 모델을 동시에 학습하는 종단형 학습을 통해 전문어 임베딩 공간을 범용어 임베딩 공간으로 변환하여 임베딩 공간을 일치시키는 모델을 제안한다. 실제 “보건의료” 분야의 R&D 문서에 대해 임베딩 변환 실험을 진행한 결과, 제안 방법론이 기존의 오토인코더를 활용한 방법 대비 변환 정확도 측면에서 우수한 성능을 보임을 확인하였다.

Recently, attempts have been made to convert unstructured text into vectors and to analyze vast amounts of natural language for various purposes. In particular, the demand for analyzing texts in specialized domains is rapidly increasing. Therefore, studies are being conducted to analyze specialized and general- purpose documents simultaneously. To analyze specific terms with general terms, it is necessary to align the embedding space of the specific terms with the embedding space of the general terms. So far, attempts have been made to align the embedding of specific terms into the embedding space of general terms through a transformation matrix or mapping function. However, the linear transformation based on the transformation matrix showed a limitation in that it only works well in a local range. To overcome this limitation, various types of nonlinear vector alignment methods have been recently proposed. We propose a vector alignment model that matches the embedding space of specific terms to the embedding space of general terms through end-to-end learning that simultaneously learns the autoencoder and regression model. As a result of experiments with R&D documents in the “Healthcare” field, we confirmed the proposed methodology showed superior performance in terms of accuracy compared to the traditional model.

인공지능(AI) 기술이 발전함에 따라 빅데이터 기반의 상품 선호도 추정 개인화 추천시스템에 관심이 증가하고 있는 추세이다. 하지만 개인화 추천이 적합하지 않은 경우 고객의 구매 의사를 감소시키고 심지어 금융상품의 특성상 막대한 재무적 손실로 확대될 수 있는 위험을 가지고 있다. 따라서 고객의 특성과 상품 선호도를 포괄적으로 반영한 추천시스템을 개발하는 것이 비즈니스 성과 창출과 컴플라이언스 이슈 대응에 매우 중요하다. 특히 금융상품의 경우 개인의 투자성향과 리스크 회피도에 따라 고객의 상품 선호도가 구분되므로 축적된 고객 행동 데이터를 활용하여 맞춤형 추천서비스를 제안하는 것이 필요하다. 이러한 고객의 행동 특성과 거래 내역 데이터를 사용하는 것뿐만 아니라, 고객의 인구통계정보, 자산정보, 종목 보유 정보를 포함하여 추천 시스템의 콜드 스타트 문제를 해결하고자 한다. 따라서, 본 연구는 고객의 거래 로그 기록을 바탕으로 고객의 투자성향과 같은 특성 정보와 거래 내역 및 금융상품 정보를 통해 고객별 금융상품 잠재 선호도를 도출하여 딥러닝 기반의 협업 필터링을 제안한 모형이 가장 성능 우수한 것을 확인하였다. 본 연구는 고객의 금융 투자 메커니즘을 기반으로 금융상품 거래 데이터를 통해 미거래 금융상품에 대한 예상 선호를 도출하는 추천 모델을 구축하여, 선호가 높을 것으로 예상되는 상위 상품군을 추천하는 서비스를 개발하는 것에 의의가 있다.

With the development of artificial intelligence technology, interest in data-based product preference estimation and personalized recommender systems is increasing. However, if the recommendation is not suitable, there is a risk that it may reduce the purchase intention of the customer and even extend to a huge financial loss due to the characteristics of the financial product. Therefore, developing a recommender system that comprehensively reflects customer characteristics and product preferences is very important for business performance creation and response to compliance issues. In the case of financial products, product preference is clearly divided according to individual investment propensity and risk aversion, so it is necessary to provide customized recommendation service by utilizing accumulated customer data. In addition to using these customer behavioral characteristics and transaction history data, we intend to solve the cold-start problem of the recommender system, including customer demographic information, asset information, and stock holding information. Therefore, this study found that the model proposed deep learning-based collaborative filtering by deriving customer latent preferences through characteristic information such as customer investment propensity, transaction history, and financial product information based on customer transaction log records was the best. Based on the customer's financial investment mechanism, this study is meaningful in developing a service that recommends a high-priority group by establishing a recommendation model that derives expected preferences for untraded financial products through financial product transaction data.

빅데이터 시대를 맞이하여 인공지능 분야는 괄목할만한 성장을 보이고 있으며 특히 딥러닝에 의한 이미지 분류 학습방법이 중요한 영역으로 자리하고 있다. 이미지 분류에서 많이 사용되어 온 CNN의 성능을 더욱 개선하기 위해 다양한 연구가 활발하게 진행되었는데, 이 중에서 대표적인 방법이 CRNN(Convolutional Recurrent Neural Network) 알고리즘이다. CRNN 알고리즘은 이미지 분류를 위한 CNN과 시계열적 요소를 인식하기 위한 RNN의 조합으로 구성되는데, CRNN의 RNN영역에서 사용하는 입력값은 학습 대상의 이미지를 합성곱과 풀링 기법을 적용하여 추출된 결과물을 flatten한 값이고, 이 입력값들은 이미지 내 동일 위상에 있는 픽셀값들이 서로 다른 순서로 나타나기 때문에, RNN에서 의도한 이미지 내 배열 순서를 제대로 학습하기 어렵다는 한계점을 지닌다. 따라서 본 연구는 인코더와 디코더의 개념을 응용한 CNN과 RNN의 새로운 하이브리드 방법을 제안하여, 이미지 분류 성능을 향상시키는 것을 목적으로 하였다. 본 연구에서는 다양한 알고리즘 비교 실험을 통해, 새로운 하이브리드 방법의 효과성을 검증하였다. 본 연구는 인코더와 디코더 개념의 적용 가능성을 넓히고, 제안한 방법이 기존 하이브리드 방법에 비해, 복잡도가 크게 증가하지 않아 모델 학습 시간과 인프라 구축 비용 측면에서 이점을 있다는 점에서 학문적 시사점을 가진다. 또한, 정확한 이미지 분류가 필요한 다양한 분야에서 제공되는 서비스의 품질을 높일 수 있는 가능성을 제시하였다는 점에서 실무적 시사점을 가진다.

In the era of big data, the field of artificial intelligence is showing remarkable growth, and in particular, the image classification learning methods by deep learning are becoming an important area. Various studies have been actively conducted to further improve the performance of CNNs, which have been widely used in image classification, among which a representative method is the Convolutional Recurrent Neural Network (CRNN) algorithm. The CRNN algorithm consists of a combination of CNN for image classification and RNNs for recognizing time series elements. However, since the inputs used in the RNN area of CRNN are the flatten values extracted by applying the convolution and pooling technique to the image, pixel values in the same phase in the image appear in different order. And this makes it difficult to properly learn the sequence of arrangements in the image intended by the RNN. Therefore, this study aims to improve image classification performance by proposing a novel hybrid method of CNN and RNN applying the concepts of encoder and decoder. In this study, the effectiveness of the new hybrid method was verified through various experiments. This study has academic implications in that it broadens the applicability of encoder and decoder concepts, and the proposed method has advantages in terms of model learning time and infrastructure construction costs as it does not significantly increase complexity compared to conventional hybrid methods. In addition, this study has practical implications in that it presents the possibility of improving the quality of services provided in various fields that require accurate image classification.

외식 경험에 대한 온라인 리뷰의 확산은 특히 해외 관광객의 음식점 선택에 중요한 영향을 주고 있다. 선행 연구는 음식의 질, 서비스, 분위기, 가격을 음식점 선택의 중요 요인으로 식별해왔다. 하지만, 이러한 4개의 대표적 요인 이외에 관광객의 음식점 선택에 중요한 영향을 미칠 수 있는 문화적 요인에 대한 연구는 크게 주목받지 못하였다. 본 연구는 중국인 관광객이 dianping.com에 게시한 76개 한식당에 대한 온라인 리뷰 10,000건 이상을 텍스트 마이닝 기법으로 분석하여 해외 여행 맥락에서 관광객의 음식점 선택에 대한 문화적 요인의 영향을 탐색하였다. 연구 결과, 문화적 요인인 한류가 중국인 관광객의 한식당 경험과 만족도에 영향을 미치는 것으로 나타났다. 또한 냉면, 비빔밥, 떡, 족발, 김치찌개 등 한식 관련 단어는 모든 리뷰 주제에 걸쳐 등장했다. 본 연구 결과는 텍스트 마이닝을 활용하여 음식점 선택과 관광객의 만족도에 대한 문화적 요인의 중요한 역할을 식별함으로써 기존 문헌에 기여한다. 해당 연구 결과는 많은 중국인 관광객을 유치하기 위한 실질적인 지침을 제공한다.

The proliferation of online reviews on dining experiences has significantly affected consumers’ choices of restaurants, especially overseas. Food quality, service, ambiance, and price have been identified as specific attributes for the choice of a restaurant in prior studies. In addition to these four representative attributes, cultural factors, which may also significantly impact the choice of a restaurant for tourists, in particular, have not received much attention in previous studies. This study employs the text mining technique to analyze over 10,000 online reviews of 76 Korean restaurants posted by Chinese tourists on dianping.com to explore the influence of cultural factors on the consumer’s choice of restaurants in the overseas travel context. The findings reveal that “Hallyu (Korean Wave)” influences Chinese tourists’ dining experiences in Korea and their satisfaction. Moreover, Korean food-related words, such as cold noodle, bibimbap, rice cake, pig trotters, and kimchi stew, appeared across all the review topics. Our findings contribute to the existing tourism and hospitality literature by identifying the critical role of cultural factors on consumers’, especially tourists’, satisfaction with the choice of a restaurant using text mining. The findings also provide practical guidance to restaurant owners in Korea to attract more Chinese tourists.

기대수명의 지속적인 증가와 건강에 대한 높은 관심은 인터넷과 스마트폰의 대중화로 일반인들의 건강정보에 대한 이용에 큰 변화를 가져왔다. 모바일 헬스 환경으로 의료시장이 확대되면서 많은 건강관련 앱이 만들어져 유통되고 있지만, 각종 규제로 서비스 제공이 어려워지면서 그 수용속도가 더딘 상황이다. 이에, 본 연구는 프라이버시 계산모형을 바탕으로 개인건강기록 앱 수용저항에 영향을 미치는 요인으로 지각된 가치와 지각된 위험요인(심리적 위험, 시간손실 위험, 제도적 위험) 및 지각된 혜택요인(유용성, 상호작용성, 자율성)을 도출하고 이들 간의 영향 관계를 검증하였다. 또한, 제조사에 대한 신뢰의 조절효과를 분석하여 지각된 위험과 지각된 혜택이 지각된 가치에 미치는 영향이 어떻게 달라지는지를 추가적으로 살펴보았다. 개인건강기록 앱을 인지하면서도 사용하지 않는 국내 대학생을 대상으로 설문조사를 진행한 후, 구조방정식모형을 활용하여 분석을 진행하였다. 가설검증 결과, 지각된 가치는 수용저항에 부(-)의 영향을, 지각된 위험(시간손실 위험)은 지각된 가치에 부(-)의 영향을 미치고, 지각된 혜택(유용성, 상호작용성, 자율성)은 지각된 가치에 정(+)의 영향을 미치는 것으로 확인되었다. 또한, 제조사에 대한 신뢰는 지각된 위험(제도적 위험)이 지각된 가치에 미치는 영향력을 약화시켰다. 본 연구결과는 개인건강기록 앱의 수용저항을 줄이기 위한 세부기준을 확인하고 제안함으로써, 개인건강기록 앱 시장 환경에서 경쟁우위를 확보하기 위한 지침 마련에 기여할 수 있을 것으로 기대한다.

The continuous increase in life expectancy and high interest in health has brought about significant changes in the use of health information by the public according to the development of information technology represented by the Internet and smartphones. As the medical market expands to the mobile health environment, many health-related apps have been created and distributed, but the acceptance rate is slow as it has become challenging to provide services due to various regulations. In this study, perceived value, perceived risk factors (psychological risk, risk of time-loss, legal risk), and perceived benefits (usefulness, interaction, autonomy) were derived and verified as factors that affect the acceptance resistance of personal health record apps based on the privacy calculation model. In addition, by analyzing the moderating effect of trust in the manufacturer, how the perceived risk and perceived benefit affect the perceived value was verified. A survey was conducted on Korean college students who recognized the personal health record apps but did not use them, and 127 samples were analyzed using structural equations. As a result of hypothesis verification, perceived value has a negative effect on acceptance resistance, perceived risk (risk of time-loss) has a negative effect on perceived value, and perceived benefits (usefulness, interaction, autonomy) were found to have a positive effect on perceived value. Trust in manufacturers has weakened the impact of perceived risks (legal risk) on perceived values. This study is expected to play an important role in maintaining a competitive advantage in the personal health record app market environment by identifying and proposing detailed criteria for reducing the acceptance resistance of personal health record apps.

본 연구는 언론 분석, 전문가 인터뷰, 대규모 설문조사 등 다양한 방법을 활용하여 2023년에 주목해야할 중요 디지털 비즈니스 트렌드를 도출하였다. 기존 트렌드 연구의 경우 국내 디지털 비즈니스 환경에 특화되어 있지 않고 도출 과정이 투명하지 않아 결과의 객관성에 있어 제한을 갖는 경우가 많은데, 본 연구는 국내 디지털 비즈니스 분야의 다양한 분야의 전문가로부터 다양한 방식으로 의견을 수렴하여 결과의 타당성을 강조하였다. 먼저 국내외 주요 기업의 보고서 외에 국내 IT 언론기사를 수집한 후 토픽모델링 분석방법을 통해 주요 이슈를 도출하였으며, 그 결과를 바탕으로 13인의 학계 및 산업계 전문가와 인터뷰를 진행하였다. 인터뷰 결과 선정된 16개의 후보 트렌드에 대해 210명의 전문가로부터 설문조사를 실시하여 최종 10대 트렌드를 선정하였다. 더불어 해외와 국내와의 시각 비교를 위해 미국 정보화 협회에서 매년 실시하는 설문과 동일한 도구를 이용하여 추가적으로 트렌드 비교 분석을 하였다. 본 연구는 국내 디지털 비즈니스 리더들의 다양한 의견을 과학적으로 수렴하여 국내 비즈니스 환경을 고려한 디지털 비즈니스 트렌드 전망을 도출했다는 점에서 의의가 있으며, 국내의 독특한 IT 트렌드를 파악하고 국제적인 트렌드와 어떤 차이가 있는지 비교 분석함으로써 시장 별 IT 기술 및 서비스 사업의 전략형성에 기여할 것으로 기대한다.

This study uses various methods, including media analysis, expert interviews, and large-scale surveys, to derive notable digital business trends in 2023. Most trend studies have yet to deal with digital business trends in Korea. They also often have limitations in the objectivity of the results using unclear methods. On the other hand, this study emphasizes the validity of the results by collecting opinions from Korean digital business experts in various fields. First, Korean IT news articles were collected and analyzed through topic modeling analysis. Then, based on the results, interviews were conducted with 13 academic and industrial experts to derive 16 IT business trend candidates. Then, a survey was conducted on 210 experts to finalize the list of Korean IT business trends. Finally, to compare overseas and domestic views, we conducted an additional survey using the items developed by the Society for Information Management, SIM. This study is meaningful in that it drew prospects for digital business trends in consideration of the domestic business environment by scientifically converging various opinions of Korean digital business leaders. Our study contributes to developing strategies for IT technology and IT service business markets.

라이브 스트리밍의 급속한 발전과 더불어 온라인 호스트가 중요한 정보원으로서 라이브 스트리밍 커머스 성과에 영향을 미치는 데 중요한 역할을 한다. 하지만 제품 유형이 호스트의 특징과 라이브 스트리밍 커머스 성과 사이의 관계에 대한 연구는 많이 이루어지지 않고 있다. 본 연구는 정교화 가능성 모델(Elaboration Likelihood Model)과 정보원 이론(Information Source Theory)을 기반으로 라이브 스트리밍 커머스의 매출에 영향을 미치는 요인과 이들 간의 관계에 대한 제품 유형의 조절 역할을 실증적으로 연구하는 것을 목적으로 한다. 2021년 10월 10일부터 2022년 2월 10일까지 수집된 11,422건의 라이브 스트리밍 커머스 데이터를 분석한 결과, 다중채널 네트워크(Multi-Channel Network)와 팔로워 수는 라이브 스트리밍 커머스의 판매량에 긍정적인 영향을 미치는 반면, 평판 점수는 매출에 부정적인 영향을 미치는 것으로 나타났다. 또한 저관여 제품의 비율이 이 관계들에 미치는 조절 효과도 확인되었다. 이번 연구 결과는 라이브 스트리밍 커머스 성과에 대한 문헌을 풍부하게 하고, 시사점뿐만 아니라 연구의 한계점과 향후 연구 방향에 대해서도 논의하였다.

With the rapid development of live streaming commerce, online host as an information source plays a critical role in affecting live streaming performance. However, the impact of different product types on the relationship between online hosts and live streaming has been less studied. Based on the elaboration likelihood model (ELM) and information source theory, this study aims to empirically investigate what factors influence the sales of live streaming commerce and how product type moderates the relationship between them. The analysis of 11,422 live streaming commerce data collected for four months from October 10, 2021 to February 10, 2022 shows that, among the factors related to source credibility and attractiveness, multi-channel networks (MCN) and the number of followers positively affect the sales volume of live streaming commerce, whereas the reputation score harms the sales. Moreover, the moderating effect of the product type (i.e., ratio of involvement products) on the relationships is confirmed. The findings enrich the literature on live streaming commerce performance. The limitations and future research directions are also discussed.

코로나19로 인한 팬데믹 상황에서도 여전히 여행에 대한 욕구와 수요가 시장에 존재하고 있다. 이러한 상황에서 정보기술(IT)의 발달로 인해 온라인에 대한 접근성과 유용성 및 디지털 기기의 활용도 함께 증가하였고, 비대면으로도 새로운 경험을 얻을 수 있는 ‘온라인 체험(Online Experience)’ 시장이 급격하게 성장하였다. 본 연구는 AirBnB 온라인 체험 서비스에서 서비스제공자(Provider-oriented)와 서비스이용자(User-oriented)에 의해 생성된 정형 및 비정형 데이터가 고객만족에 미치는 영향에 대해 분석하였다. 분석에 사용된 데이터는 파이썬 웹크롤러로 수집되었으며, 주요 변수인 비정형 데이터는 전처리와 감성분석을 거쳐 회귀분석에 사용되었다. 분석 결과, 주요변수인 호스트가 생성한 체험 소개 글, 호스트 소개글과 같은 비정형 데이터는 텍스트의 생성 목적에 따라 주관도(Subjectivity)가 다르게 나타나며, 체험 소개글은 주관적일수록, 호스트 소개글은 객관적일수록 고객 만족에 유의한 정의 영향을 미치는 것을 확인하였다. 또한, 에어비앤비 온라인 체험에 참여한 게스트가 생성한 정형 데이터는 다른 게스트의 만족에 긍정적인 영향을 미치는 것을 확인하였다. 본 연구 결과는 온라인 공유경제 플랫폼 이해관계자 및 온라인 체험 지식경영에 관심을 갖는 연구자에게 다양한 시사점을 제공할 것으로 기대한다.

The development of information technology(IT) has brought so-called “online experience” to satisfy our daily needs. The market for online experiences grew more during the COVID-19 pandemic. Therefore, this study attempted to analyze how the features of online experience services affect customer satisfaction by crawling structured and unstructured data from the online experience web site newly launched by Airbnb after COVID-19. As a result of the analysis, it was found that the structured data generated by service users on a C2C online sharing platform had a positive effect on the satisfaction of other users. In addition, unstructured text data such as experience introductions and host introductions generated by service providers turned out to have different subjectivity scores depending on the purpose of its text. It was confirmed that the subjective host introduction and the objective experience introduction affect customer satisfaction positively. The results of this study are to provide various implications to stakeholders of the online sharing economy platform and researchers interested in online experience knowledge management.