Journal of Intelligence and Information Systems (지능정보연구)

Korea Intelligent Information System Society (한국지능정보시스템학회)
권호 표지
DOI QR코드

DOI QR Code

Customer Voices in Telehealth: Constructing Positioning Maps from App Reviews

고객 리뷰를 통한 모바일 앱 서비스 포지셔닝 분석: 비대면 진료 앱을 중심으로

  • Minjae Kim (Department of Business Administration, The Catholic University of Korea) ;
  • Hong Joo Lee (Department of Business Administration, The Catholic University of Korea)
  • 김민재 (가톨릭대학교 경영학과) ;
  • 이홍주 (가톨릭대학교 경영학과)
  • Received : 2023.08.22
  • Accepted : 2023.11.28
  • Published : 2023.12.31
Download PDF
⟨ Previous Next ⟩

Abstract

The purpose of this study is to evaluate the service attributes and consumer reactions of telemedicine apps in South Korea and visualize their differentiation by constructing positioning maps. We crawled 23,219 user reviews of 6 major telemedicine apps in Korea from the Google Play store. Topics were derived by BERTopic modeling, and sentiment scores for each topic were calculated through KoBERT sentiment analysis. As a result, five service characteristics in the application attribute category and three in the medical service category were derived. Based on this, a two-dimensional positioning map was constructed through principal component analysis. This study proposes an objective service evaluation method based on text mining, which has implications. In sum, this study combines empirical statistical methods and text mining techniques based on user review texts of telemedicine apps. It presents a system of service attribute elicitation, sentiment analysis, and product positioning. This can serve as an effective way to objectively diagnose the service quality and consumer responses of telemedicine applications.

본 연구의 목적은 최근 확산되고 있는 국내 비대면 의료 서비스 애플리케이션의 서비스 속성과 소비자 반응을 정확히 평가하고 각 서비스간 차별성을 시각화하기 위한 방안을 모색하는 것이다. 이를 위해 국내에서 서비스 중인 주요 6개 비대면 진료 애플리케이션의 구글 플레이스토어 사용자 리뷰 데이터 총 2만 건을 수집하였다. 수집된 데이터에 대해 문장 단위로 분리한 후, BERTopic 모델링 기법을 적용하여 각 문장이 속한 서비스 속성에 대한 토픽을 도출하였다. 다음으로 미세조정된 KoBERT 모델을 통해 각 문장의 토픽에 대한 감성 점수를 예측하였다. 분석 결과, 사용자 리뷰로부터 애플리케이션 속성과 진료 속성 두 가지 범주 아래에서 각각 5개와 3개의 서비스 특성 토픽이 발견되었다. 애플리케이션 속성으로는 '예약 시스템', '사용 용이성', '재고 확인', '디자인', '안정성' 등이, 진료 속성으로는 '원격 의료적 속성', '편의성', '배송' 등이 도출되었다. 각 애플리케이션은 이러한 속성들에 대해 다른 수준의 감성 점수를 보였다. 주성분분석을 통해 속성별 감성 점수를 축약하여 2차원 공간 상의 포지셔닝 맵을 생성하였다. 결과적으로 본 연구는 비대면 진료 애플리케이션 사용자 리뷰 텍스트를 바탕으로 실증적 통계 방법과 텍스트 마이닝 기술을 접목하여 서비스 속성 도출, 감성 분석, 제품 포지셔닝 이라는 일련의 체계를 제시하고 있다. 이는 비대면 진료 애플리케이션의 서비스 품질과 소비자 반응을 객관적으로 진단할 수 있는 효과적인 방안이 될 것으로 기대된다.

Keywords

Acknowledgement

이 논문은 2020년 대한민국 교육부와 한국연구재단의 지원을 받아 수행된 연구이며 (NRF-2020S1A3A2A 02093277), 2022년도 가톨릭대학교 교비연구비의 지원을 받았음.

References

  1. 강형석, 양장훈. (2019). Word2vec 모델로 학습된 단어 벡터의 의미 관계 분석. 정보과학회논문지, 46(10), 1088-1093.
  2. 권오탁. (2022). 비대면진료 실행을 위한 법적 쟁점. 의료법학, 23(3), 47-87.
  3. 김세형, 윤태영, 강주영. (2023). BERTopic과 소셜 네트워크 분석 기반 고령화 단계별 판례분석을 통한 분쟁 유형 도출에 관한 연구. 한국전자거래학회지, 28(1), 123-144.
  4. 김유영, 송민. (2016). 영화 리뷰 감성분석을 위한 텍스트 마이닝 기반 감성 분류기 구축. 지능정보연구, 22(3), 71-89. https://doi.org/10.13088/JIIS.2016.22.3.071
  5. 김종대, 송인성. (2022). 뉴스 텍스트를 활용한 국내 자동차 시장의 브랜드 속성 기반 시장구조 분석. 한국경영과학회지, 47(1), 43-63.
  6. 김종엽, 이관익. (2020). 비대면 의료서비스의 장점 및 필요성. 대한내과학회지, 95(4), 217-227.
  7. 김지선, 이형룡. (2022). 소셜미디어 빅데이터를 활용한 코로나 19 전.후 호텔고객의 변화된 인식비교 : 텍스트마이닝과 의미연결망 분석을 중심으로. 호텔경영학연구, 31(4), 1-15.
  8. 김진길, 류정원. (2020). 원격으로 집에서 혼자 구독 헬스케어 비즈니스에 새로운 기회 열렸다. 동아비즈니스리뷰, 1(296), 28-38.
  9. 김진숙, 임선미. (2022). 코로나19 전후 비대면 진료 정책현황 비교 연구: 프랑스와 호주를 중심으로. 융합사회와 공공정책, 16(3), 129-160.
  10. 김형선. (2020). 감염병 예방 목적 비대면진료와 대리처방에 대한 법적 고찰. 법이론실무연구, 8(2), 9-29.
  11. 문석균. (2023). 우리나라 비대면 진료: 필수 조건에 대한 제안. 대한내과학회지, 98(1), 1-3.
  12. 박현정, 신경식. (2020). BERT를 활용한 속성기반 감성분석: 속성카테고리 감성분류 모델 개발. 지능정보연구, 26(4), 1-25. https://doi.org/10.13088/JIIS.2020.26.4.001
  13. 백경희. (2021). 비대면진료와 전자처방전의 관계 및 법제 개선방향에 관한 고찰. 법제, 695, 145-174. https://doi.org/10.23028/MOLEG.2021.695..005
  14. 전하제, 박서현, 박채림, 신영채, 박세연, 한세미. (2022). 대학생의 비대면 진료 수용의향에 관한 연구: 사회인지이론과 기술수용모델을 중심으로. 디지털융복합연구, 20(2), 325-338. https://doi.org/10.14400/JDC.2022.20.2.325
  15. 정풀잎, 안현철, 곽기영. (2019). 텍스트 마이닝과 소셜 네트워크 분석을 이용한 스마트폰 디자인의 핵심속성 및 가치 식별. 대한경영학회지, 32(1), 27-47.
  16. 조민호, 예례미, 황윤기, 김명화, 신재용, 이혜진. (2022). 한시적 비대면 진료(전화상담.처방) 시행에 따른 효과 평가 연구, 건강보험심사평가원, Report No. G000F8L-2021-146.
  17. 진석. (2020). 비대면 진료의 이용의도에 미치는 영향에 관한 연구. 한국콘텐츠학회 논문지, 20(12), 180-197.
  18. 이정현, 선형주, 이홍주. (2020). 텍스트 마이닝을 활용한 스마트 스피커 제품의 포지셔닝: 인공지능 속성을 중심으로. 지식경영연구, 21(1), 197-210. https://doi.org/10.15813/KMR.2020.21.1.011
  19. 이홍주. (2018). 헬스케어 서비스 리뷰를 활용한 서비스 품질 차원 별 중요 단어 파악 방안. 지식경영연구, 19(4), 171-185. https://doi.org/10.15813/KMR.2018.19.4.010
  20. 최호진. (2023). "주말 밤 진료... 처방약도 배송받아" 고객의 아픔과 불편함까지 싹 치유. 동아비즈니스리뷰, 2(361), 78-89.
  21. 크루즈, 루스 안젤리, 이홍주. (2014). 브랜드 개성 효과: 트위터 상의 브랜드 개성 전달이 온라인 커뮤니티 참여에 미치는 영향. 지능정보 연구, 20(1), 67-101.
  22. 현지원, 이준일, 조현권. (2022). KoBERT를 이용한 기업관련 신문기사 감성 분류 연구. 회계학 연구, 47(4), 33-54. 
  23. Berger, J., Humphreys, A., Ludwig, S., Moe, W. W., Netzer, O., & Schweidel, D. A. (2020). Uniting the Tribes: Using Text for Marketing Insight. Journal of Marketing, 84(1), 1-25. https://doi.org/10.1177/0022242919873106
  24. Berger, J., Packard, G., Boghrati, R., Hsu, M., Humphreys, A., Luangrath, A., Moore, S., Nave, G., Olivola, C., & Rocklage, M. (2022). Marketing insights from text analysis. Marketing Letters, 33(3), 365-77. https://doi.org/10.1007/s11002-022-09635-6
  25. Chakraborty, I., Kim, M., & Sudhir, K. (2022). Attribute Sentiment Scoring with Online Text Reviews: Accounting for Language Structure and Missing Attributes. Journal of Marketing Research, 59(3), 600-622. https://doi.org/10.1177/00222437211052500
  26. Chen, K., Kou, G., Shang, J., & Chen, Y. (2015). Visualizing market structure through online product reviews: Integrate topic modeling, TOPSIS, and multi-dimensional scaling approaches. Electronic Commerce Research and Applications, 14(1), 58-74. https://doi.org/10.1016/j.elerap.2014.11.004
  27. Choi, J., Lee, H. J., Choeh, J. Y. (2022). Harnessing the Predictive Value of Online Word-of-mouth for Identifying Market Success of New Automobiles: Input versus Output Word-of-mouth Perspectives. E&M Economics and Management, 25(2), 183-201. https://doi.org/10.15240/tul/001/2022-2-012
  28. Fowkes, J., Fross, C., Gilbert, G., & Harris, A. (2020). Virtual health: A look at the next frontier of care delivery. McKinsey Quarterly, Accessed at https://www.mckinsey.com/industries/healthcare/our-insights/virtual-health-a-look-at-the-next-frontier-of-care-delivery
  29. Ghose, A., Ipeirotis, P. G., & Li, B. (2012). Design Ranking Systems for Hotels on Travel Search Engines by Mining User-Generated and Crowdsourced Content. Marketing Science, 31(3), 493-520. https://doi.org/10.1287/mksc.1110.0700
  30. Grootendorst, M. (2022). BERTopic: Neural topic modeling with a class-based TF-IDF procedure. arXiv preprint arXiv:2203.05794.
  31. Hu, N., Pavlou, P. A., & Zhang, J. (2009). Overcoming the J-shaped Distribution of Product Reviews. Communications of the ACM, 52(10), 144-147. https://doi.org/10.1145/1562764.1562800
  32. Humphreys, A., & Wang, R. J. (2018). Automated Text Analysis for Consumer Research. Journal of Consumer Research, 44(6), 1274-1306. https://doi.org/10.1093/jcr/ucx104
  33. Jeong, B., Yoon, J., & Lee, J. (2019). Social media mining for product planning: A product opportunity mining approach based on topic modeling and sentiment analysis. International Journal of Information Management, 48, 280-290. https://doi.org/10.1016/j.ijinfomgt.2017.09.009
  34. Khalil, T., & El-Beltagy, S. R. (2016). NileTMRG at SemEval-2016 Task 5: Deep Convolutional Neural Networks for Aspect Category and Sentiment Extraction. the 10th International Workshop on Semantic Evaluation, San Diego, CA., USA, 271-276.
  35. Kim, H., Kim, B., Lee, S. G., Jang, S. Y., & Kim, T. H. (2022). COVID-19 Case Surge and Telemedicine Utilization in a Tertiary Hospital in Korea. Telemedicine and e-Health, 28(5): 666-674. https://doi.org/10.1089/tmj.2021.0157
  36. Lee, H. J., Lee, M., Lee, H., & Cruz, R. A. (2021). Mining service quality feedback from social media: A computational analytics method. Government Information Quarterly, 38(2), 101571.
  37. Lee, T. Y., & Bradlow, E. T. (2011). Automated marketing research using online customer reviews. Journal of Marketing Research, 48(5), 881-894. https://doi.org/10.1509/jmkr.48.5.881
  38. McInnes, L., & Healy, J. (2017). Accelerated Hierarchical Density Based Clustering. the 2017 IEEE International Conference on Data Mining Workshops (ICDMW), New Orleans, LA, USA, 33-42.
  39. McInnes, L., Healy, J., & Melville, J. (2018). Umap: Uniform manifold approximation and projection for dimension reduction. arXiv preprint arXiv:1802.03426.
  40. Mikolov, T., Chen, K., Corrado, G., & Dean, J. (2013). Efficient Estimation of Word Representations in Vector Space. the 1st International Conference on Learning Representations (ICLR), Scottsdale, AZ, USA.
  41. Netzer, O., Feldman, R., Goldenberg, J., & Fresko, M. (2012). Mine Your Own Business: Market-Structure Surveillance Through Text Mining. Marketing Science, 31(3), 521-543. https://doi.org/10.1287/mksc.1120.0713
  42. Oh, Y. K., & Yi, J. (2022). Asymmetric effect of feature level sentiment on product rating: an application of bigram natural language processing (NLP) analysis. Internet Research, 32(3), 1023-1040. https://doi.org/10.1108/INTR-11-2020-0649
  43. Reimers, N., & Gurevych, I. (2019). Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks. the 2019 Conference on Empirical Methods in Natural Language Processing and the 9th International Joint Conference on Natural Language Processing (EMNLP-IJCNLP), Hong Kong, China.
  44. Roelen-Blasberg, T., Habel, J., & Klarmann, M. (2023). Automated Inference of Product Attributes and Their Importance from User-Generated Content: Can We Replace Traditional Market Research?. International Journal of Research in Marketing, 40(1), 164-188. https://doi.org/10.1016/j.ijresmar.2022.04.004
  45. Zhu, P., Chen, Z., Zheng, H., & Qian, T. (2019). Aspect Aware Learning for Aspect Category Sentiment Analysis. ACM Transactions on Knowledge Discovery from Data, 13(6), Article No. 55.