Earticle

본 논문은 지식·서비스 산업을 중심으로, 직원 만족도와 기업의 재무 성과 간 상호작용을 정량적으로 분석하고, 이를 바탕으로 조직의 리스크를 진단하며 맞춤형 경영 전략을 수립하기 위한 XAI(설명 가능한 인공지능) 기법의 활용 가능성을 탐구한다. 코스피 및 코스닥 상장 기업의 재무정보와 온라인 기업 리뷰 플랫폼 ‘잡플래닛’의 리뷰 데이터를 결합하여, 재무 성과와 직원 만족도를 각각 예측하는 모형을 구축하였다. 재무 성과 예측 모형은 전통적인 머신러닝 기법을 활용하였으며, 직원 만족도 모형은 딥러닝 기반 텍스트 분류 모델(BERT 미세 조정)을 적용하여 개발되었다. 예측 결과를 기반으로, 각 기업은 재무 성과와 직원 만족도에 따라 성장형, 성과 중시형, 만족 중심형, 개선형의 네 가지 유형으로 분류되었으며, SHAP와 LIME 기법을 활용하여 각 모형의 예측에 기여한 주요 요인을 정량화하고 해석하였다. 특히, 재무 성과 모형은 SHAP를 통해 간략히 시각화하였고, 직원 만족도 모형은 LIME을 중심으로 텍스트 리뷰의 긍·부정 요인을 심층적으로 분석하여, 조직별 강점과 약점을 도출하였다. 본 연구의 결과는 경영진 및 HR 담당자가 조직의 내·외부 리스크를 명확히 인지하고, 맞춤형 전략 수립을 위한 의사결정 지원에 활용될 수 있음을 보여준다.

ESG 경영의 중요성이 커지면서 단순 재무 성과만으로는 기업의 지속 가능성을 평가하는 데 한계가 있으며, 기업의 지속 가능성을 평가하는 새로운 방법들이 요구되고 있다. 본 연구는 기업의 재무 데이터를 활용하여 ESG 등급(E, S, G)을 예측하는 머신러닝 모델을 개발하고, 이를 통해 ESG 등급의 예측 가능성을 검토하는 데 목적을 두었다. 2021년 한국거래소에 상장된 기업들을 대상으로 데이터 수집이 이루어졌으며, 랜덤 포레스트, 서포트 벡터 머신, 로지스틱 회귀 등 다양한 머신러닝 알고리즘을 적용하여 ESG 등급을 예측하였다. 분석 결과, 랜덤 포레스트 모델이 E 및 S 등급에서 가장 높은 예측 정확도를 보였으며, G 등급에서는 상대적으로 낮은 성능을 나타냈다. 이를 통해 ESG 등급의 예측에 재무 데이터가 중요한 역할을 할 수 있음을 확인하였다. 본 연구는 기업과 투자자 모두에게 중요한 의사결정 도구를 제시함으로써 ESG 경영의 실질적 강화에 기여할 것이다.

최근 블록체인 기술의 발전과 함께 Real World Asset(RWA)의 토큰화가 주목받고 있다. RWA는 부동산, 금, 예술품, 채권 등의 실물 자산을 디지털 자산으로 전환하여 거래할 수 있게 하며, 이를 통해 기존 자산 거래의 유동성 부족, 비효율성, 높은 진입 장벽 등의 문제를 해결할 수 있다. 그러나 RWA의 성공적인 활성화를 방해하는 주요 요인으로는 복잡한 법적 규제, 기술적 인프라의 부족, 경제적 장벽 등이 있다. 이로 인해 RWA 시장은 아직 초기 단계에 머무르고 있으며, 실질적인 활용 사례가 제한적이다. 본 연구에서는 법적 및 규제 명확화, 기술적 인프라 강화, 경제적 장벽 해소 및 시장 수용성 증진 등 RWA의 활성화를 위한 전략적 방안을 제시하고자 한다. 다양한 실물 자산의 토큰화 사례를 분석하고, 법적, 기술적 도전 과제를 해결하기 위한 방안을 모색하며, 이를 통해 RWA의 성공적인 도입을 위한 로드맵을 제안한다. 본 연구를 통해 실물 자산의 디지털화와 유동성 향상, 그리고 글로벌 자산 시장의 통합을 촉진할 수 있을 것으로 기대된다.

As generative AI becomes increasingly integrated into various applications, its role in enhancing smart home IoT systems has gained significant attention. This study explores the impact of prompt engineering on the performance of generative AI within smart home IoT environments. By optimizing input prompts, we investigate how AI can more effectively control smart home devices, improving performance metrics such as task execution and system efficiency. Using an experimental method, we compare the outcomes of different prompt designs, focusing on key metrics: generation accuracy, completion time, and task performance. Our findings provide insights into how prompt engineering can maximize the utility of generative AI in smart home settings, contributing to advancements in smart home automation and personalized services. This research adds to the growing body of knowledge on AI-IoT integration, highlighting the potential of prompt optimization in real-world applications.

기업은 고객 신뢰를 유지하고 만족도를 높이기 위해 서비스 실패 상황을 효과적으로 극복하고 서비스 수준을 회복할 필요가 있다. 서비스 패러독스는 서비스 실패 상황에서 성공적으로 서비스 수준을 회복할 때 이전보다 더 높은 고객 만족도 수준을 달성할 수 있음을 보여 서비스 회복의 중요성은 높다고 본다. 이때 간과하는 문제가 서비스 회복에 직원이 경험하는 부정적 상황이다. 고객과의 응대 과정에서 발생하는 긴장 관계와 부정적 피드백을 견뎌내고 관련 정보를 전달하며 설득해야 하는 과정에서 직원의 역량과 노력이 요구되며 이는 서비스 회복 과정을 체계적으로 관리하는 일을 어렵게 한다. 생성형 인공지능을 도입하면 보다 더 서비스 회복 과정을 성공적으로 진행할 수 있는지를 알아보는 일은 관리 비용을 줄이고 그림자 노동으로 인한 내부 고객 만족도가 저하되는 문제에 대처하는 정책 마련에 기여한다. 본 연구는 고객 만족, 구전 의도 그리고 재구매 의도 측면에서 LLM 기반의 생성형 인공지능의 서비스 실패 회복의 효과를 이해하는 것을 목적으로 한다. 외식 배달 플랫폼의 이용자를 대상으로 한 설문에서 생성형 인공지능의 사용이 서비스 회복 과정에 미치는 영향을 통계적으로 분석한 결과 분배공정성 요인이 생성형 인공지능을 활용한 서비스 회복에 긍정적인 영향을 미치는 것으로 나타났다. 연구 결과는 생성형 인공지능의 실무적 적용에 대한 새로운 통찰력을 제시하며, 궁극적으로 소비자와 판매자 모두의 웰니스를 향상시키는 데 도움이 될 것이다.

본 연구는 생성형 AI가 정보 확산에 미치는 부정적 영향, 특히 잘못되거나 모호한 정보를 확산될 경우 유발될 수 있는 위험을 탐색하였다. 이러한 위험은 다양한 형태 의 정보 혼란을 초래하여 사용자의 의사결정 능력을 저해할 수 있다. 이를 위해 본 연구는 2024년 4월 기준 NAVER 뉴스 플랫폼에서 ‘생성형 AI 정보 혼란’과 관련 된 4,787편의 기사를 수집하였다. 먼저, K-Means 클러 스터링을 사용하여 데이터를 군집화하고, 각 군집별로 감성 분석을 통해 부정적 감정을 가진 문장을 추출하였 다. 이후, 워드 클라우드 분석을 통해 각 군집 내의 주 요 키워드와 핵심 주제를 시각화하였다. 또한 LDA 토 픽 모델링을 적용하여 각 군집의 세부 주제를 분석하였 으며, ‘생성형 AI 정보 혼란’과 관련된 부정적 사회적 이 슈를 도출하였다. 분석 결과, 비즈니스 도전 과제, 사이버 보안 위협, 미디어 신뢰성, 교육, 종교 등 13개의 주 요 군집이 확인되었으며, 이를 통해 발생할 수 있는 정보 혼란의 유형을 추가적으로 논의하였다. 본 연구는 생 성형 AI의 부정적 영향이 정보 혼란을 유발할 수 있음 을 강조하며, 정보 확산 과정에서 책임감 있고 신뢰할 수 있는 생성형 AI 기술의 필요성을 제언하였다.

AIGC 기술과 정보 검색의 깊은 융합은 사람과 정보 사이의 연결 방식을 검색과 추천 외에 또 다른 방식 인 생성형 정보 검색으로 변화시켰다. 본 논문은 ChatGPT, UTAUT 모델, 혁신 확산 이론, 그리고 인 지된 위험 이론을 기반으로 연구자의 사용 행위에 영향을 미치는 요인을 구축하였다. 사용자의 미시적 시각에서 생성형 정보 검색이 연구 분야에서 빠르게 확산되고 적용되는 내적 규칙을 탐구하였다.

The rise of Generative AI, such as ChatGPT, has become a key tool for easily accessing information and discovering new topics. This article investigates user acceptance of ChatGPT by analyzing online reviews. Reviews from YouTube are extracted and analyzed using Sentiment Classification and Latent Dirichlet Allocation (LDA) methods. SVM was chosen for sentiment analysis due to its superior accuracy compared to other machine learning methods and Deep learning. The findings of this study offer valuable insights that not only enhance users' understanding and acceptance of the ChatGPT service but also empower them to make informed decisions about its usage.

본 연구는 온라인 쇼핑 맥락에서 고객의 의사결정 스타일(만족자 vs. 최대화자)이 챗봇 대화 품질에 대한 인식에 미치는 영향을 조사한다. 2(의사결정 스타일: 만족자 vs. 최대화자) × 2(챗봇 대화 능력: 높음 vs. 낮음) × 2(정보 유형: 개인화 vs. 비개인화) 실험 설계를 사용하여, 챗봇의 다양한 특성이 고객의 의사결정 경향에 따라 인식에 어떻게 영향을 미치는지 분석하였다. 연구 예상 결과, 만족자는 챗봇의 대화 능력과 상관없이, 챗봇이 개인화된 정보를 제공할 때 대화 품질을 더 높게 인식하는 것으로 나타난 반면, 최대화자는 대화 능력이 높은 챗봇을 선호하며, 챗봇이 개인화된 정보를 제공할 때 만족도가 더욱 높아지는 경향을 보일 것으로 예상한다. 이러한 결과는 고객의 의사결정 스타일과 챗봇 특성 간의 상호작용이 직각된 대화 품질을 형성하는 데 중요한 역할을 한다는 것을 시사할 것이다.

As artificial intelligence (AI) emerges as a key driver of innovation, it is increasingly recognized for its role in enhancing productivity. However, while previous studies have primarily focused on the relationship between AI adoption and productivity at the job or national levels, research at the firm level remains limited. This study aims to broaden our understanding of AI's impact on firm productivity by examining the relationship between AI investment and Total Factor Productivity (TFP) using job-posting data from 2010 to 2021. Our results show that the service sector experiences more substantial productivity gains from AI investment compared to manufacturing. Moreover, firms with a higher exposure to AI-related tasks tend to experience smaller productivity gains. Lastly, leveraging AI to enhance existing operations yields greater productivity improvements than developing new products. Our research contributes to the ongoing dialogue about AI in business by highlighting the need for a nuanced approach to AI investment. It moves beyond the simplistic view of AI as a universal productivity enhancer, emphasizing the importance of tailoring AI deployment to the unique challenges and dynamics of each organization.

코로나19 팬데믹 이후 소셜 미디어 사용이 급증하면서 SNS 과사용 문제가 심화되고 있어 이에 대한 해결책이 필요하다. 그러나 기존 연구들은 긍정적 요인에 주로 초점을 맞추었다. 이에 본 연구는 C-A-C 이론을 바탕으로 부정적 인지 요인과 지연 행동의 상호 작용이 소셜 미디어 과사용에 미치는 영향을 탐구하고자 한다. 중국 소셜 미디어 사용자 280명을 대상으로 설문조사를 실시하고, SPSS 27과 PROCESS Macro를 활용하여 데이터를 분석하였다. 분석 결과, 부정적 인지 요인은 즉각적인 만족과 감정 완화를 통해 소셜 미디어 과사용을 촉진하며, 특히 지연 행동 성향이 높은 개인일수록 이러한 효과가 더욱 강화되는 것으로 나타났다. 이러한 연구 결과는 소셜 미디어 과사용 문제를 해소하는 데 기여할 것으로 기대된다.

본 연구는 글로벌 음악 시장에서 주요 스트리밍 플랫폼인 Spotify의 일간 순위를 예측하는 모델을 구축하는 데 초점을 맞추고 있다. 최근 몇 년간 스트리밍 서비스의 급격한 확산으로 인해 음악 산업은 큰 변화를 겪고 있으며, 2023년 국제 음반 산업 연맹(IFPI)의 보고서에 따르면 음반 시장의 매출은 전년 대비 10.2% 증가한 286억 달러에 달한다. 스트리밍은 이제 음악 소비의 핵심 채널로 자리 잡았으며 특히 유료 스트리밍 서비스 구독자 수가 6억 6,700만 명 이상으로 증가하면서 Spotify와 같은 플랫폼에서 데이터를 분석하는 것은 음악 산업 내 마케팅 전략 수립에 매우 중요한 역할을 하고 있다. 이전 연구들은 주로 음반 자체의 특성에 집중하여 곡의 성공 여부를 예측하거나 시간에 따른 특성 변화를 살펴보는 데 그쳤다. 그러나 음반의 인기는 단순히 음악의 특성만으로 결정되는 것이 아니라 소비자의 실시간 반응, 소셜 미디어 상의 반응, 그리고 마케팅 활동에 의해 복합적으로 형성된다. 본 연구는 음반의 특성 뿐 아니라 유튜브와 같은 소셜 미디어 플랫폼의 사용자 행동 데이터를 분석하여 이러한 외부 반응이 Spotify의 인기 순위에 미치는 영향을 예측하는 모델을 제안한다. 본 연구에서는 K-POP 음반을 대상으로 2023년 11월부터 2024년 4월까지의 데이터를 활용하여 예측 모델을 개발하였다. 특히 Firm Generated Content(FGC)와 User Generated Content(UGC)에 대한 소비자 참여 데이터(조회수, 좋아요 수, 댓글 수 등)의 변화를 분석에 포함시켰으며 실시간으로 변화하는 사용자 반응이 음원의 인기도에 어떤 영향을 미치는지를 중점적으로 다루었다. 유튜브 조회수, 댓글, 좋아요 등의 데이터는 소비자의 감정과 트렌드를 반영하며, 이는 음원의 인기도 변동을 더 정교하게 예측할 수 있는 중요한 변수로 작용한다. 연구의 주요 성과로는 다양한 머신러닝 및 딥러닝 모델을 비교 분석하여 랜덤 포레스트(Random Forest)와 XGBoost와 같은 비선형 모델이 뛰어난 예측 성능을 보였다는 점이다. 랜덤 포레스트 모델은 가장 낮은 평균 제곱 오차(Mean Squared Error, MSE)인 0.739를 기록하며 가장 우수한 성과를 보였고, LightGBM 모델도 1.754로 안정적인 성능을 보였다. 반면, 기존에 많이 사용되던 LSTM(Long Short-Term Memory)모델은 시계열 데이터를 처리하는 데 적합하다는 이론적 배경에도 불구하고 2405.540이라는 MSE를 기록하며 상대적으로 낮은 성능을 보였다. 이는 복잡한 시계열 데이터를 학습하는 LSTM 모델이 다른 머신러닝 모델에 비해 더 많은 데이터를 요구하며 시퀀스 길이 조정 및 파라미터 튜닝이 필요하다는 점을 시사한다. 본 연구의 결과는 음악 산업 마케팅 담당자에게 실질적인 인사이트를 제공할 수 있다. 특히 랜덤 포레스트와 XGBoost 모델은 실시간으로 변동하는 사용자 반응을 바탕으로 음원의 인기도 변화를 보다 정확하게 예측할 수 있으며, 이를 통해 마케팅 전략을 신속하게 수정하거나 강화할 수 있다. 예를 들어, 특정 음반의 순위 하락이 예상될 경우 소셜 미디어에서 팬 참여를 유도하는 캠페인을 기획하여 순위 반등을 도모할 수 있을 것이다. 결론적으로 본 연구는 소셜 미디어 데이터를 활용하여 음원의 인기도를 예측하는 데 있어 머신러닝 및 딥러닝 모델의 성능을 비교 분석하였으며, 이를 통해 음악 산업의 마케팅 전략 수립에 중요한 기여를 할 수 있음을 보여준다. 소셜 미디어 반응이 음원의 성과에 미치는 영향을 정량적으로 분석함으로써 디지털 마케팅 전략에 새로운 인사이트를 제공하며, 이를 통해 음악 콘텐츠와 소비자 간의 상호작용을 심층적으로 이해할 수 있는 계기를 마련하였다.

소셜 미디어는 현대인의 삶에 중요한 역할을 하는 플랫폼으로 자리 잡았다. 선망은 소셜 미디어 사용자가 자주 경험하는 감정 중 하나로, 기존의 연구는 악의적 선망에 집중함에 따라 선의적 선망에 대한 연구는 부족한 실정이다. 본 연구는 퍼지 집합 질적 비교 분석(fsQCA)을 통해 소셜 미디어 어포던스가 선의적 선망에 미치는 영향을 분석하였다. 이를 통해 디지털 환경에서의 용자 웰빙 증진과 긍정적인 소셜 미디어 사용 문화를 형성하는 데 기여할 수 있을 것이다.

인터넷의 발전에 따라 수요가 적은 틈새 제품들의 판매로 전체 수익의 큰 비중을 차지할 수 있다는 롱테일 효과에 대한 관심이 증가하고 있으며 다양한 연구가 진행되어 왔다. 하지만 롱테일 효과에 대한 기존 연구 결과는 일관되지 않고 있다. 기존 연구는 주로 디지털 플랫폼의 등장에 따른 롱테일 효과에 집중하고 있을 뿐 디지털 플랫폼의 정책 변화에 따른 롱테일 효과는 거의 고려하지 않았다. 본 연구에서는 디지털 플랫폼의 정책 변화에 따라 롱테일 효과가 어떻게 변화하는지를 살펴보고자 한다. 구체적으로 개발 비용 감소와 진입 장벽 완화로 인해 아마추어 판매자들이 대거 유입되는 바닥 붕괴 현상과 바닥이 붕괴하는 강도의 차이가 미치는 롱테일 효과를 파악하고자 한다. 이를 분석하기 위하여 게임 산업의 주요 플랫폼인 스팀(Steam)에서 시행된 두 가지의 게임 배포 정책을 바닥 붕괴를 일으키는 핵심 정책으로 간주하고 이러한 정책이 출시된 제품 수, 제품의 품질, 제품의 수요 변화에 미치는 영향과 관련한 가설을 수립하였다. 가설을 검증하기 위해 2008년부터 2022년까지의 관련 데이터를 수집하고 Differences-in-Differences (DID) 방법론을 활용하여 분석을 실시하였다. 분석 결과로 바닥 붕괴의 강도에 따라 롱테일 효과가 다르게 나타남을 확인하였다. 본 연구는 롱테일 효과와 관련한 이론적 기여만이 아니라 디지털 플랫폼의 정책 결정권자에게 효과적 정책 수립을 위한 가이드라인을 제시할 수 있을 것으로 기대한다.

The growth of the OTT industry increased the competition among OTT services, enhancing user experience by incorporating various service features. This study employed the Kano model and the Service Diversity index to evaluate and classify attributes of OTT services. This study aims to examine the quality of the OTT service attributes and investigate which OTT service attribute leads to user satisfaction. A Kano questionnaire survey was conducted based on a sample of 427 participants in South Korea. The results reveal that the embedded e-commerce attribute is perceived as the most attractive quality attribute that increases user satisfaction. The study provides theoretical and practical implications for academia, OTT service providers, and relevant businesses.

Consumers increasingly purchase products online and actively seek sustainable and responsible products. However, we know little about how online platforms can improve customers’ search experience for these products. We examine how platforms’ certification of sustainable and responsible products affects the sales of certified products, as well as the types of certified products that benefit the most. We analyze Amazon's Climate Pledge Friendly program and find that Amazon’s certification increases the sales of certified products significantly. We also find that products with more reviews experience more significant sales increase after receiving the certification. This suggests that, unlike quality certification, social certification complements other popular reputation systems such as ratings and user-generated reviews. Additionally, we find that certification substantially boosts sales for products from small businesses. Our findings imply that consumers face search frictions in finding products that match their multifaceted preferences despite the presence of review and rating systems.

Social media has become an important forum for sharing travel experiences, with a considerable impact on traveler behavior and decision-making. This study examines the motives and barriers to sharing travel experiences on social media, with a focus on Facebook users. The study is based on social influence theory and investigates three constructs: identification, internalization, and compliance, with subjective enjoyment serving as a mediating element. To study these concerns, we use social influence theory and its three constructs—identification, internalization, and compliance—along with the users' personalities. Based on 300 responses, travelers share their vacation experiences online primarily for perceived delight. Second, security and privacy concerns are the most prevalent latent causes. This study contributes to tourism literature by incorporating all online behaviors into a single model. These findings are useful for tourism marketers and social media professionals looking to boost user engagement and user-generated travel content.

“Service quality” is a key factor for restaurants to gain a competitive edge in today's competitive market environment. In the past, scholars proposed the PZB gap model based on the perspective of consumers, and developed the SERVQUAL scale based on it. However, two important issues remain to be resolved:1. In the context of “economic downturn”, how to optimize service items to improve the service quality of restaurants under limited resources; 2. How to investigate the perception differences between restaurant stakeholders and customers, and use them to alert the quality of restaurant services. Based on this, this study is based on the DINESERV scale and combined with the KANO model to provide a service quality early warning mechanism for restaurant operators, so as to improve customer satisfaction and ultimately enhance the market competitiveness of enterprises.

This study investigates the perceived value and post-purchase intention of Chinese mobile content services using the Value-based Adoption Model (VAM), aiming to exploring the key difference of users’ behavior while using utilitarian and hedonic mobile content service. An empirical survey was conducted between June 2023 and January 2024, and 313 valid responds were collected for data analysis. Result shows that perceived benefit (perceived usefulness and perceived enjoyment), were found to have significant positive impacts on perceived value，and technicality has a significant negatively impact on perceived value for both utilitarian and hedonic MCS; In utilitarian MCS, perceived price is a significant negative factor influencing users' perceived value, whereas in hedonic MCS, perceived price has a significant positive effect on perceived value. Finally, we found that compared to utilitarian MCS, satisfaction plays a more significant mediating role in hedonic MCS.

This study aims to reveal the popular features of blockchain games in the market and to identify which group of games perform better in terms of capitalization ability using a textmining based approach. We collected the information of over 2000 blockchain games including game descriptions and market performances from a popular blockchain game hub and employed topic modeling techniques to comprehensively explore the features. In total 38 topics were extracted from the game descriptions using BERTopic model and grouped into 4 themes: “blockchain games”, “game content”, “game format” and “others”. We further examined the relationships between these themes and market performances for the active 223 games. Preliminary results indicate that diverse market performances exist within each theme, Web3-focused and community-driven nature games exhibit a stronger performance. These findings provide insights for future research and help stakeholders understand key factors driving financial success in blockchain gaming.