Journal of the Korean Data and Information Science Society

한국데이터정보과학회 (The Korean Data and Information Science Society)
권호 표지
DOI QR코드

DOI QR Code

국내 전자상거래 구매동기에 대한 군집 및 포지셔닝 연구

A study on cluster and positioning of domestic electronic commerce based on purchasing motivation

  • 정동빈 (강릉원주대학교 정보통계학과)
  • Jeong, Dong Bin (Department of Information Statistics, Gangneung-Wonju National University)
  • 투고 : 2015.04.28
  • 심사 : 2015.06.18
  • 발행 : 2015.07.31
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 연구에서 국내 13개 업종과 16개 행정구역을 대상으로 전자상거래 구매동기와 관련된 다섯 개의 양적평가속성 (거래과정단순화, 구매비용절감, 공급자와 직접접촉, 업무추진속도향상, 기타)에 대해, 유사한 속성을 지닌 업종/행정구역들을 유사성 있는 군집끼리 분류 및 세분화하고 다차원 공간상에 시각적으로 배치시켰다. 정보화통계조사 (국가통계포털, www.kosis.kr)의 일환으로 전자상거래 경험이 있는 사업체를 대상으로 자료를 조사하였다. 구매동기 평가속성을 중심으로 유사성이 강한 업종과 행정구역을 분류한 결과 각각 4개와 2개로 유형화가 가능함을 알 수 있었다. 더 나아가 다차원 척도법을 사용하여 각 군집에 속한 업종 및 행정구역의 포지셔닝을 실시한 결과, 구매과정단순화, 구매비용절감 및 공급자와 직접접촉 속성에 대해서, 업종의 도 소매업, 기타 및 제조업이, 행정구역의 서울과 경기가 우위에, 제주는 가장 열세한 위치에 놓여있다. 반면에 업무추진속도향상과 기타속성에 대해서, 업종의 기타와 단체수리 기타 개인서비스업이, 행정구역의 충북과 경남이 각각 우위에 있으며, 도 소매업, 숙박 음식점업과 대구 및 경기는 열등한 점수를 갖는 것을 알 수 있다.

Thirteen types of business and sixteen administrative districts in Korea are categorized and segmented based on their similarities and visually plotted on multidimensional space. The similarities are determined by five characteristics of quantitative evaluation (simplified process of trading, reduced price, direct contact with supplier, faster process of trading, et cetera). Hence, domestic types of business and administrative districts can be categorized into certain clusters. Also, forms and characteristics of types of business and administrative districts can be evaluated between and within the clusters.

키워드

참고문헌

  1. Borg, I. and Groenen, P. J. F. (2005). Modern multidimensional scaling, 2nd ed., Springer-Verag, New York.
  2. Choi, J. and Lee, J. (2008). A study on the trust of the purchasing motivation by internet shopping mall users : Focused on the online specialty mall. Journal of KECRA, 9, 29-44.
  3. Choi, J. and Shin, K. (2014). E-commerce and cyber shopping survey in 2013, Press Release. Statistics Korea. http://www.kostat.go.kr.
  4. DMG report. (2013). Mobile shopping use and future prospects to the market . http://www.dmcreport.co.kr.
  5. Jeong, D. B. (2013). A study on universities positioning using multidimensional scaling. Korean Business Education Review, 28, 1-15.
  6. Kim, H. and Seo, S. S. (2012). A Study on the performance of online community of purchasing motivation by smart phone. Journal of KECRA, 13, 41-57.
  7. Kruskal, J. B. (1964). Major MDS based on a firm numerical analysis foundation. Psychometrika, 29, 1-27. https://doi.org/10.1007/BF02289565
  8. Kruskal, J. B. and Wish, M. (1977). Multidimensional scaling, Sage publications, Beverly Hills, CA.
  9. King, R. S. (2014). Cluster analysis and data mining, Mercury Learning & Information, Dulles, VA.
  10. Savaresi, S. M. and Boley, D. (2004). A comparative analysis on the bisecting k-means and PDDP clustering algorithm. Intelligent Data Analysis, 8, 345-362.
  11. Yang, B. H. (2013). Understanding multivariate analysis, Communication books, Seoul.

피인용 문헌

  1. 중국 주요 50개 도시의 전자상거래 발전성과에 대한 평가 vol.14, pp.1, 2015, https://doi.org/10.15722/jds.14.1.201601.67
  2. Relationship between Business Type on Sales Orders and Major Factors in Domestic Ecommerce Markets vol.8, pp.2, 2020, https://doi.org/10.20482/jemm.2020.8.2.19