DOI QR코드

DOI QR Code

팬데믹 기간 Messenger 애플리케이션 리뷰 변화를 통한 서비스 전략 분석 : 토픽 모델링을 중심으로

Analysis of service strategies through changes in Messenger application reviews during the pandemic: focusing on topic modeling

  • 이유나 (계명대학교 경영정보학과) ;
  • 노미진 (계명대학교 디지털경영학부 경영빅데이터전공) ;
  • 김양석 (계명대학교 디지털경영학부 경영정보학전공) ;
  • 한무명초 (동국대학교 와이즈캠퍼스 교양융합교육원)
  • 투고 : 2023.06.26
  • 심사 : 2023.07.24
  • 발행 : 2023.07.31

초록

COVID-19 팬데믹 영향으로 대면 소통이 어려워지면서 비대면 소통의 영향을 파악하는 연구가 진행되고 있으나 메신저 애플리케이션 리뷰를 통해 이를 살펴본 연구는 미비하다. 본 연구는 구글 플레이 스토어 내의 메신저 애플리케이션 리뷰 데이터를 수집하여 LDA(Latent Dirichlet Allocation)토픽 모델링을 통해 팬데믹의 영향을 파악하고, 이에 따른 서비스 전략 방안을 제시하고자 한다. 연구에서는 팬데믹이 시작된 시점과 사용자가 부여한 평점을 기준으로 데이터를 분류하였다. 분석 결과 주로 중장년층이 메신저를 사용하는 것으로 나타났으며, 팬데믹 이후에는 가족과의 소통이 증가한 것으로 확인되었다. 사용자들은 애플리케이션의 업데이트에 대해 불만을 표현하였으며, 변화에 대한 적응이 어려움을 보였다. 이에 업데이트 주기를 조정하고 사용자들의 의견을 적극 수용하는 개발접근이 필요하다. 또한, 직관적이고 간편한 사용자 인터페이스(UI)를 제공한다면 사용자 만족도를 향상시킬 수 있을 것으로 기대된다.

As face-to-face communication has become difficult due to the COVID-19 pandemic, studies have been conducted to understand the impact of non-face-to-face communication, but there is a lack of research that examines this through messenger application reviews. This study aims to identify the impact of the pandemic through Latent Dirichlet Allocation (LDA) topic modeling by collecting review data of 메신저 applications in the Google Play Store and suggest service strategies accordingly. The study categorized the data based on when the pandemic started and the ratings given by users. The analysis showed that messenger is mainly used by middle-aged and older people, and that family communication increased after the pandemic. Users expressed frustration with the application's updates and found it difficult to adapt to the changes. This calls for a development approach that adjusts the frequency of updates and actively listens to user feedback. Also, providing an intuitive and simple user interface (UI) is expected to improve user satisfaction.

키워드

참고문헌

  1. 송수연, 김한경, "언택트 시대의 대학교육: 코로나 19에 따른 비대면 강의 만족도와 수강지속 의사에 영향을 미치는 요인에 관한 연구," Asian Journal of Education, 제21권, 제4호, 1099-1126쪽, 2020년12월  https://doi.org/10.15753/aje.2020.12.21.4.1099
  2. 이영석, "비대면 강의환경에서의 온라인 학습패턴과 학습 효과의 상관관계 연구," 한국산학기술학회논문지, 제21권, 제8호, 557-562쪽, 2020년 8월  https://doi.org/10.5762/KAIS.2020.21.8.557
  3. Instant Messaging App Market Size, Share, Growth, and Industry Analysis, By Type (Mobile Version, Desktop Version, Web Version), By Application (Personal, Enterprise and Others), Covid-19 Impact, Latest Trends, Driving &Restraining Factors, Top Players, Regional Insights, and Forecast From 2022 To 2030(2023). https://www.businessresearchinsights.com/market-reports/instant-messaging-app-market-101595 (accessed June, 24, 2023). 
  4. Nguyen, Thanh-Son, Hady W. Lauw and Panayiotis Tsaparas, "Review synthesis for micro-review summarization," Proceedings of the eighth ACM international conference on web search and data mining, pp. 169-178, New York, USA, Feb. 2015. 
  5. Morales-Ramirez, I., Munante, D, Kifetew, F, Perini, A, Susi, A, and Siena, A. "Exploiting user feedback in tool-supported multi-criteria requirements prioritization," 2017 IEEE 25th International Requirements Engineering Conference (RE). IEEE, Sep. 2017. 
  6. 김광국, 김용환, 김자희, "사용자 리뷰 토픽 분석을 활용한 모바일 쇼핑 앱 고객만족도에 관한 연구," 한국전자거래학회지, 제23권, 제4호, 41-62쪽, 2018년 11월  https://doi.org/10.7838/JSEBS.2018.23.4.041
  7. 김기연, 한수미, "텍스트 마이닝 기법을 활용한 구글 플레이 스토어 영어 학습 앱 사용자 리뷰 분석," 디지털콘텐츠학회논문지, 제23권, 제10호, 1901-1908쪽, 2022년 10월 
  8. 정지훈, 정혜인, 이준기, "텍스트마이닝 기법과 ARIMA 모형을 활용한 배달의 민족 앱 리뷰 분석," 디지털콘텐츠학회논문지, 제22권, 제2호, 291-299쪽, 2021년 10월  https://doi.org/10.9728/dcs.2021.22.2.291
  9. 김선주, 박대영, 김병수, "토픽모델링을 이용한 Airbnb 고객의 리뷰 분석: 코로나 시대 전과 후의 토픽 차이를 중심으로," 인터넷전자상거래연구, 제21권, 제4호, 115-130쪽, 2021년 8월  https://doi.org/10.37272/JIECR.2021.06.21.4.115
  10. 이새미, 이태원, "지역화폐 앱 사용자 리뷰 분석을 통한 마케팅 전략 수립-'동백전'과 '인천 e 음 '을 중심으로," 한국콘텐츠학회논문지, 제21권, 제4호, 111-12쪽, 2021년 4월  https://doi.org/10.5392/JKCA.2021.21.04.111
  11. 정성윤, 김남곤, "건설신기술에 대한 토픽 모델링 및 토픽 변화추이 분석," 스마트미디어저널, 제10권, 제4호, 102-110쪽, 2021년 12월 
  12. 모성훈, 임철현, 김현재, 이정우, "토픽 모델링과 네트워크 분석을 활용한 사물주소 도입에 대한 언론보도 분석," 스마트미디어저널, 제10권, 제2호, 38-47쪽, 2021년 06월
  13. 강경화, "토픽모델링을 통한 북한의 경제정책 동향분석," 스마트미디어저널, 제9권, 제4호, 44-51쪽, 2020년 12월 
  14. Blei, D. M., Ng, A. Y. and Jordan, M. I., "Latent dirichlet allocation," Journal of machine Learning research, Vol. 3, pp. 993-1022, Jan. 2003. 
  15. 김병수, "모바일 메신저 서비스에서 관계적 몰입과 선행 요인이 사용자 충성도에 미치는 영향," Journal of Digital Convergence, 제12권, 제1호, 241-251쪽, 2014년 1월  https://doi.org/10.14400/JDPM.2014.12.1.241
  16. 강희주, 김승인, "메신저 기반의 모바일 챗봇 서비스 사용자 경험 평가-구글 (Allo) 과 페이스북 (Mmessenger) 을 중심으로," 한국융합학회논문지, 제8권, 제9호, 271-276쪽, 2017년 9월  https://doi.org/10.15207/JKCS.2017.8.9.271
  17. 김현정, "모바일 인스턴트 메신저 이용 동기가 지속적 이용의향에 미치는 영향- 단체 채팅방 크기의 조절 효과를 중심으로," 사회과학연구, 제36권, 제2호, 71-92쪽, 2020년 5월  https://doi.org/10.15820/KHJSS.2010.36.1.004
  18. Share of Facebook Messenger users in the United States as of March 2023(2023), by age group (2023) https://www.statista.com/statistics/951142/facebook-messenger-user-share-in-usa-age/ (accessed June, 2, 2023). 
  19. Social Media Use in 2021(2021). https://www.pewresearch.org/internet/2021/04/07/social-media-use-in-2021/ (accessed June, 2, 2023). 
  20. Teens, Social Media and Technology 2022(2022). https://www.pewresearch.org/internet/2022/08/10/teens-social-media-and-technology-2022/ (accessed June, 2, 2023). 
  21. 김문기, "모바일 서비스 산업의 이용자 만족· 불만요인 탐색에 관한 연구: 모바일 앱 리뷰 분석을 중심으로," 문화산업연구, 제23권, 제1호, 47-54쪽, 2023년 3월 
  22. 이대영, 이현숙, "LDA 토픽 모델링의 적정 토픽 수 결정 방법 탐색: 혼잡도와 조화평균법 활용을 중심으로," 교육평가연구, 제34권, 제1호, 1-30쪽, 2021년 
  23. Sievert, Carson and Kenneth Shirley, "LDAvis: A method for visualizing and interpreting topics," Proceedings of the workshop on interactive language learning, visualization, and interfaces, pp. 63-70, Baltimore, USA, Jun. 2014. 
  24. 배재훈, "감상 전 교사 맥락이 학습독자의 감상에 미치는 영향: LDA와 LDAvis를 활용하여," 학습자 중심교과교육연구, 제20권, 제3호, 165-193쪽, 2020년 2월