• 감성과학
• /
• 제19권1호
• /
• pp.111-126
• /
• 2016

최근 페이스북 광고의 마케팅 가치가 증가됨에 따라, 기업들은 브랜드 및 상품 홍보를 위해 성공적인 페이스북 광고제작 방안에 관심을 두고 있다. 이에 따라 본 연구에서는 페이스북 광고에 대한 사용자의 시선과 관심에 영향을 미치는 요인을 도출하고, 효과적인 페이스북 광고 콘텐츠의 시지각 구성요소들의 특성을 규명하였다. 먼저 페이스북 광고에 대한 사용자의 반응에 영향을 미칠 수 있는 두 가지 변인 요인을 설정하였다: 페이스북 광고 콘텐츠 포맷(Text, Text in Image, Movie)과 광고 제품 속성(관여도, 이성/감성). 이에 대한 이론적 논의를 바탕으로 시선추적과 설문조사를 접목하여 실험 연구를 진행하였다. 페이스북 광고 콘텐츠 포맷(Text, Text in Image, Movie)과 광고 제품 속성(관여도, 이성/감성)이 사용자 반응(시지각 인지, 사용자 구매 행동 반응)에 미치는 효과를 분석하였다. 그 결과, 광고 콘텐츠 포맷에 따라 차별화된 사용자의 시지각 인지 패턴과 구매 행동 반응이 나타났다. 반면, 광고 제품속성의 경우 사용자의 구매 행동 반응에만 영향을 미치는 것을 알 수 있었다. 마지막으로 본 연구의 주요 연구 결과를 토대로 광고 콘텐츠 제공자 혹은 개발자들을 위한 효과적인 SNS 광고 제작 가이드라인을 제안할 수 있었다.

• 지식경영연구
• /
• 제23권4호
• /
• pp.275-294
• /
• 2022

최근 몇 년 동안 전자상거래와 소셜미디어의 지속적인 통합 발전과 함께 소셜커머스는 신뢰 중심의 사회적 거래 방식으로서 전자상거래의 중요한 형태로 자리를 잡았다. 온라인 커뮤니티의 긍정적인 측면과 풍부한 사용자 제작 콘텐츠 (UGC)로 인해 커뮤니티에 참여하는 사용자와 기업이 점점 더 증가하고 있는 추세이다. 이러한 상황에서 정보접근 비용은 지속적으로 감소하고 있고 구매 프로세스는 보다 간결하고 효율적으로 개선되고 있는 반면에 소비자의 충동구매 가능성을 크게 높이는 결과를 가져오게 된다. 그럼에도 불구하고 아직까지 소셜커머스에서 UGC의 특성을 기반으로 한 소비자 충동구매의 메커니즘에 대한 실증적 연구는 거의 없다. 본 연구는 자극-유기체-반응 (S-O-R) 모델을 이용하여 소셜커머스에서 UGC 특성이 소비자 충동구매에 미치는 영향을 분석하는 연구모형을 구축하였고, 이 과정에서 지각된 위험을 매개변수로, 유대강도를 조절변수로 각각 설정하였다. 실증분석 결과 콘텐츠 진정성, 콘텐츠 유용성, 그리고 콘텐츠 가치는 구매의사결정 과정에서 소비자의 지각된 위험에 유의한 영향을 미치고, 소비자의 지각된 위험은 충동구매에 유의한 영향을 미치는 것으로 나타났다. 한편, UGC 생산자와 이용자 간의 유대강도는 콘텐츠 유용성과 지각된 위험의 관계 및 지각된 위험과 충동구매 관계를 조절하는 것으로 나타났다. 이러한 연구결과는 소셜커머스 사업자들로 하여금 고객의 소비행동에 대한 심층적인 이해를 도울 뿐만 아니라 소비자 충동구매가 왜 일어나는지에 대한 메커니즘을 학술적 관점에서 분석할 수 있는 이론적 틀을 제공하였다는 점에서 의의가 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 추계학술발표대회
• /
• pp.781-784
• /
• 2019

최근 AI를 산업 서비스에 적용하기 위해 많은 회사들이 활발히 연구를 하고 있다. 아마존과 넷플릭스 같은 거대 기업들은 이미 빅데이터와 AI 머신러닝을 이용한 추천 시스템을 구현하였고 아마존은 매출의 35%가 추천에 의해 발생하고 넷플릭스 75%의 사용자가 추천을 통해 영화를 선택한다고 보고되었다. 이러한 두 기업의 높은 추천 효율성의 이유는 협업 필터링(Collaborative filtering)과 같은 다양한 추천 알고리즘과 방대한 상품 및 고객 행동(구매, 시청 등) 데이터 등이 존재하고 있기 때문이다. 기계학습에서 알고리즘 학습을 위한 데이터의 양이 많지 않을 경우 알고리즘의 성능을 보장할 수 없다는 것이 일반적인 의견이다. 방대한 데이터를 가진 기업에서 추천 알고리즘을 적극적으로 활용 및 연구하고 있는 것도 이러한 이유 때문이다. 반면, 오프라인 및 여행사 기반에서 온라인 기반으로 영역을 차츰 확대하고 있는 항공 서비스 고객 데이터의 경우, 산업의 특성상 많은 회원에 비해 고객 1명당 온라인에서 활동하는 이력이 많지 않은 것이 특징이다. 이는, 추천 알고리즘을 통한 서비스 제공에서 큰 제약사항으로 작용한다. 본 연구에서는, 이러한 희박한 고객 활동 데이터에서 최신성 기반의 추천 시스템을 통하여 제약사항을 극복하고 추천 효율을 높이는 방법을 제안한다. 고객의 최근 접속 이력 로그를 시간 기준으로 데이터 셋을 분할하여 추천 알고리즘에 반영하였을 때, 추천된 노선에 대한 고객의 반응을 추천 성능 지표인 CTR(Click-Through Rate)로 측정하여 성능을 확인해 보았다.