석탄 가스화 반응을 모델링하여 습식분류층 석탄 가스화기의 반응특성에 대한 수치해석적 연구를 수행하였다. 본 연구의 목적은 신뢰성 있는 수치해석기술을 이용하여 가스화 장치의 기본설계와 더불어 최적 운전조건의 설정에 있다. 석탄 가스화 반응은 복사가 관여하는 고체와 기체의 이상 난류반응으로서 수증기 증발로부터 휘발화, 촤와 가스의 반응 등 일련의 연소반응의 구조를 가진다. 본 연구에서는 실험과 수치해석적인 방법을 병행하여 연구를 수행하였으며 한국에너지기술연구원에 설치된 1톤 규모의 실험용 가스화기를 대상으로 하였다. 본 연구에서는 기본적으로 상용프로그램을 사용하였으며 석탄 가스화 반응해석에 필요한 여러 서브루틴을 개발하여 해석하였다. 세부 반응 서브루틴의 난류반응은 기본적으로 에디붕괴모델에서 화학적 반응속도의 개념을 조화평균의 형태로 사용하였다. 그리고 석탄입자궤적은 라그란지안 접근방식을 선택하였으며 입자의 궤적 계산에서 저항력에 나타나는 난류비선형적인 문제에 대한 모델도 고려하였다. 이와 같이 개발된 프로그램은 실험에서 얻어진 가스농도와 온도분포 그리고 냉가스 효율 등의 자료들과 비교하여 성능을 일차적으로 검토하였다. 석탄의 입자크기분포, 석탄 슬러리 농도, 그리고 가스화기의 형상변화는 가스화 성능에 직접적으로 영향을 주며 이를 합성가스 생성량과 냉가스 효율을 통해 비교 검토하였다. 본 연구 결과가 비록 물리적으로 타당하고 변수연구의 일관성을 보여주나 기류층 석탄가스화 반응장치의 복잡성을 고려하여 볼 때 보다 많은 실험결과에 대한 정교한 모델검증 노력이 신뢰성 있는 프로그램의 완성에 필요할 것으로 판단된다.
본 연구에서는 동물성 오일로부터 바이오디젤 생산을 위한 에스테르화 반응과 전이에스테르화 반응을 실시하였다. 원료 초기 상태인 동물성 비계로부터 오일을 추출하기 위해 3개의 추출법을 적용하였다. 에스테르화 반응은 불균질계 촉매인 Amberlyst-15와 Amberlyst BD-20 그리고 균질계 촉매인 황산이 사용되었다. 3가지 촉매 중 유리지방산 제거 효율이 가장 높은 촉매는 황산으로 나타났으며 에스테르화 반응에 대한 황산과 메탄올의 최적 투입량 결정을 위해 반응표면분석법(Response Surface Method, RSM)을 적용하였다. 에스테르화 최적 조건 도출 후 유리지방산이 제거된 오일을 이용해 전이에스테르화 반응을 진행하였다. 전이에스테르화 반응 원료의 유리지방산 함량은 1% 이하이며 수분함량은 0.090% 이하였다. 촉매는 KOH, NaOH, $NaOCH_3$를 이용하였으며 무수메탄올에 녹여 사용하였다. 촉매 종류 및 투입량에 따른 영향을 관찰하기 위해 촉매 투입량을 0.3, 0.6, 0.9 wt%로 사용하였고 메탄올은 26.7 wt%로 고정하였다. 알코올 투입량에 따른 영향 실험은 투입량을 오일대비 4 : 1, 6 : 1, 9 : 1, 12 : 1로 변경하여 실시하였으며 촉매양은 0.8 wt%로 고정하였다. 촉매와 알코올 외 반응변수는 모두 동일하게 적용하였다. 반응온도는 메탄올의 끓는점인 $65^{\circ}C$로 설정하였고 내부 온도계를 설치해 반응물의 온도를 측정하였다. 촉매 투입량 변경실험 후 KOH의 FAME 전환율이 높은 것을 확인하였다. 메탄올 투입량 변경실험은 오일대비 6 : 1 이상 사용했을 때 전환율이 높았다. 촉매, 메탄올 변경 실험 중 가장 높은 FAME 함량은 96.0%였으며 품질규격인 96.5%에는 미달하였다. FAME 함량증가 및 불순물 제거를 위해 바이오디젤 증류를 실시하였다. 이때 FAME 함량은 98%로 나타났다.
본 연구를 통해 논, 시설재배 밭 토양, 쓰레기장, 하천 및 호수의 퇴적 토양 등 22개소에서 분리한 총 6종의 광합성세균 중 호기 암 배양이 가능한 Rhodobacter sphaeroides PS-24를 분리하였다. 형태학적 특징으로는 그람음성의 막대모양으로, 운동성이 있었다. 분리균주의 16S rRNA 염기서열을 분석한 결과 Rhodobacter sphaeroides ATH2.4.1과 99%의 상동성을 나타내었으며, 본 연구에서 Rhodobacter spharoides PS-24로 명명하여 연구를 수행하였다. 선별균주를 modifed Van niel's yeast 배지에서 배양 후 생성된 carotenoid를 추출한 결과 $12.03{\pm}0.15mg/L$의 함량이 측정되었으며, 반응표면분석법 중 Plackett burman 분석방법과 Box-Behnken 분석방법을 통해 carotenoid 생산에 영향을 미치는 요인을 분석하고 농도를 최적화하였다. 분석결과 각각의 독립변수 yeast extract -0.4144 (1.23 g/L), $Na_2CO_3$ 0.8541 (3.71 g/L)와 $MgSO_4$ 1.00 (1.00 g/L)의 농도를 선정하였으며, 이를 바탕으로 배지 조성을 최적화한 결과 yeast extract 1.23 g, sodium acetate 1 g, $NH_4Cl$ 1.75 g, NaCl 2.5 g, $K_2HPO_4$ 2 g, $MgSO_4$ 1.0 g, mono-sodium glutamate 7.5 g, $Na_2CO_3$ 3.71 g, $NH_4Cl$ 3.5 g, $CaCl_2$ 0.01 g/ liter로 선정하였다. 최적배지를 대상으로 5 L, 50 L, 500 L scale-up을 진행한 결과 최종 carotenoid는 각각 17.98 mg/L, 18.03 mg/L, 18.11 mg/L로 조사되었다. 최적배지의 경우 modified Van niel's yeast 배지보다 약 1.5배 많은 carotenoid를 생산하였으며, 대량배양을 통한 scale-up 과정 시 carotenoid의 생산량은 크게 변화하지 않는 것으로 조사되었다. 따라서 본 연구를 바탕으로 산업적으로 다양하게 사용되고 있는 carotenoid를 생산하는 광합성세균 Rhodobacter spharoides PS-24를 개발하였으며, 본 연구를 바탕으로 유기농축산에 사용이 가능한 기능성 미생물제제를 개발하고자 한다.
본 연구는 LiDAR 센서의 산림자원조사 적용성 검토를 위하여 제주 절물자연휴양림을 대상으로 삼나무의 개체목 탐지, 흉고직경과 수고를 측정하여 전통적인 산림자원조사와 정확성과 효율성을 비교·분석하였다. 백팩형 지상라이다(Backpack Personal Laser Scanning; BPLS)는 Greenvalley International 사(社)의 Model D50을 사용하였다. 최적의 데이터 수집을 위하여 표준지의 밀도와 작업 효율성을 고려한 LiDAR스캔의 표본추출방법을 7가지로 구분하였다. 분석은 개체목 변수 측정의 정확성을 파악하고 요소작업별 시간과 전체 분석시간을 조사하여 효율성을 평가하였다. 분석 결과, 백팩형 지상라이다를 이용한 입목 탐지율은 모든 패턴이 100%로 나타났다. 정확성은 패턴5(흉고직경: RMSE: 1.07 cm, Bias: -0.79 cm, 수고: RMSE: 0.95 m, Bias: -3.2 m)와 패턴7(흉고직경: RMSE: 1.18 cm, Bias: -0.82 cm, 수고: RMSE 1.13 m, Bias: -2.62 m)이 현장조사 방법으로 얻은 결과와 비교하였을 때 통계적 정확성이 높은 결과를 보였다. BPLS와 현장조사를 이용하여 1 ha의 데이터를 처리하는데 걸린 시간을 환산한 결과 BPLS는 약 115분~135분이 소요되며, 현장조사방법은 375분~1,115분으로 BPLS를 이용한 방법이 더 효율적인 것으로 나타났다. 따라서 하층식생이 적고 비교적 관리가 잘 된 인공 침엽수림에서는 BPLS 장비를 활용하여 효율적인 산림자원조사가 가능하며, 앞으로 다양한 임분 조건에서 적용 가능성을 분석할 필요가 있다고 판단된다.
본 연구에서는 경제성 있는 생물학적 만니톨 고생산을 위해 선별균주의 만니톨 생산 최적화 배지조성을 RSM 방법을 이용하여 확립하고자 하였다. 먼저 김치로부터 분리된 10균주의 만니톨 생산량과 과당으로부터 만니톨 전환율 분석을 통하여 SRCM201425 균주를 선발하였으며, 선발균주는 16S rRNA 유전자 염기서열과 당 발효 분석을 통하여 Leuconostoc mesenteroides로 동정하였다. Plackett-Burman design (PBD)을 이용하여 만니톨 생산에 영향을 주는 배지 인자를 선별하기 위해 총 11개의 탄소원, 질소원, 무기원소의 영향을 조사하였으며, 통계학적 분석을 통하여 최종적으로 fructose와 sucrose, peptone을 선정하였다. 만니톨 생산을 위한 선별된 각 변수의 최적 농도를 결정하기 위한 방법으로 central composite design (CCD)과 반응표면 분석법을 이용하였으며, 최종적으로 CCD를 통해 만니톨 생산을 위한 배지 조성의 최적 농도는 fructose 38.68 g/l, sucrose 30 g/l, peptone 39.67 g/l으로 예측되었으며, 통계학적 분석을 통해 실험모델의 적합성을 확인하였다. 최종적으로 MRS 배지에서의 생산량의 약 20배의 만니톨을 생산할 수 있었으며, 100 g/l의 fructose가 포함된 MRS 배지 대비 97.46%의 만니톨을 생산하면서, 산업화시 기존 배지 대비 생산비용을 크게 절감할 수 있을 것으로 예상되었다. 본 연구를 통하여 만니톨 생산을 위한 배지 조성의 최적화를 확립하였으며, 만니톨을 생산하기 위한 방법으로 주로 사용되고 있는 고비용의 촉매환원 방법을 대체할 방법을 제시할 수 있는 기초자료로 활용될 수 있을 것으로 기대된다.
최근 선진국들은 수소경제 및 탄소중립 사회로의 전환을 위해 수소에너지의 수요가 급격히 증가하고 있으며, 이산화탄소(CO2)를 배출이 없는 친환경적인 수소(H2) 생산 기술에 대한 관심이 높아지고 있다. 본 연구에서는 암모니아(NH3) 분해 수소 제조를 위해 루테늄 알루미나(Ru/Al2O3) 분말 촉매와 함께 알루미나 졸(alumina sol)의 무기바인더(inorganic binder)와 메틸 셀룰로오스(methyl cellulose)의 유기바인더(organic binder)를 사용하여 딥 코팅(dip coating) 방법으로 루테늄 알루미나 메탈 모노리스 코팅 촉매를 제조하였다. 딥 코팅을 위한 촉매 슬러리의 최적 비율로 촉매와 무기바인더의 중량 비율을 1:1로 고정하여 유기바인더 0.1일 때 1회 딥 코팅 시 촉매 코팅양은 61.6 g L-1이다. 이때 메탈모노리스 표면에 코팅된 촉매 층의 균일한 두께 (약 42 ㎛)와 결정상을 주사전자현미경(Scanning Electron Microscope, SEM)과 X-ray 회절분석(X ray diffraction, XRD)을 통해 확인하였다. 또한, 암모니아 분해 수소 제조의 최적 공정조건을 찾고자 반응표면분석법(Response Surface Method, RSM)을 이용하여 반응온도와 공간속도의 독립변수에 따른 암모니아 전환율에 대한 수치 최적화 회귀식 모델을 계산하였다. 이러한 결과로부터 암모니아 분해 수소생산을 위한 상업적 규모의 공정운전 기본설계 자료로 활용이 가능하다.
공간 샘플링은 공간모델링 연구에 활용되어 샘플링 비용을 줄이면서 모델링의 효율성을 높이는 역할을 한다. 농업분야에서는 기후변화 영향을 예측하고 평가하기 위한 고해상도 공간자료 기반 모델링에 대한 연구 수요가 빠르게 증가하고 있으며, 이에 따라 공간 샘플링의 필요성과 중요성이 증가하고 있다. 본 연구는 국내 농지 공간샘플링 연구를 통해 농업분야 기후변화연구의 공간자료 활용의 효율성을 제고하고자 하였다. 본 연구는 층화랜덤샘플링을 기반으로 하였으며, 1 km 해상도의 농지 공간격자자료 모집단(11,386개 격자)에 대해서 RCP 시나리오별(RCP 4.5/8.5) 연대별(2030/2050/2080년대) 공간샘플링을 설계하였다. 국내 농지는 기상 및 토양 특성에 따라 계층화 되었으며, 샘플링 효율 극대화를 위해 최적 층화 및 샘플 배정 최적화를 수행하였다. 최적화는 작물수량, 온실가스 배출량, 해충 분포 확률을 포함하는 16개 목표 변수에 대해 주어진 정밀도 제한 내에서 샘플 수를 최소화하는 방향으로 진행되었다. 샘플링의 정밀도와 정확도 평가는 각각 변동계수(CV)와 상대적 편향을 기반으로 하였다. 국내 농지 공간격자 모집단 계층화 및 샘플 배정 및 샘플 수 최적화 결과, 전체 농지는 5~21개 계층, 46~69개 샘플 수 수준에서 최적화되었다. 본 연구결과물들은 국내 농업시스템 대표 공간격자로써 널리 활용될 수 있을 것으로 기대된다. 또한, 기후변화 영향예측 공간모델링 연구들에 활용되어 샘플링 비용 및 계산 시간을 줄이면서도 모델의 효율성을 높이는 데에 기여할 수 있다.
주식시장의 주가 수익률에 나타나는 변동성은 투자 위험의 척도로서 재무관리의 이론적 모형에서뿐만 아니라 포트폴리오 최적화, 증권의 가격 평가 및 위험관리 등 투자 실무 영역에서도 매우 중요한 역할을 하고 있다. 변동성은 주가 수익률이 평균을 중심으로 얼마나 큰 폭의 움직임을 보이는가를 판단하는 지표로서 보통 수익률의 표준편차로 측정한다. 관찰 가능한 표준편차는 과거의 주가 움직임에서 측정되는 역사적 변동성(historical volatility)이다. 역사적 변동성이 미래의 주가 수익률의 변동성을 예측하려면 변동성이 시간 불변적(time-invariant)이어야 한다. 그러나 대부분의 변동성 연구들은 변동성이 시간 가변적(time-variant)임을 보여주고 있다. 이에 따라 시간 가변적 변동성을 예측하기 위한 여러 계량 모형들이 제안되었다. Engle(1982)은 변동성의 시간 가변적 특성을 잘 반영하는 변동성 모형인 Autoregressive Conditional Heteroscedasticity(ARCH)를 제안하였으며, Bollerslev(1986) 등은 일반화된 ARCH(GARCH) 모형으로 발전시켰다. GARCH 모형의 실증 분석 연구들은 실제 증권 수익률에 나타나는 두터운 꼬리 분포 특성과 변동성의 군집현상(clustering)을 잘 설명하고 있다. 일반적으로 GARCH 모형의 모수는 가우스분포로부터 추출된 자료에서 최적의 성과를 보이는 로그우도함수에 대한 최우도추정법에 의하여 추정되고 있다. 그러나 1987년 소위 블랙먼데이 이후 주식 시장은 점점 더 복잡해지고 시장 변수들이 많은 잡음(noise)을 띠게 됨에 따라 변수의 분포에 대한 엄격한 가정을 요구하는 최우도추정법의 대안으로 인공지능모형에 대한 관심이 커지고 있다. 본 연구에서는 주식 시장의 주가 수익률에 나타나는 변동성의 예측 모형인 GARCH 모형의 모수추정방법으로 지능형 시스템인 Support Vector Regression 방법을 제안한다. SVR은 Vapnik에 의해 제안된 Support Vector Machines와 같은 원리를 회귀분석으로 확장한 모형으로서 Vapnik의 e-insensitive loss function을 이용하여 비선형 회귀식의 추정이 가능해졌다. SVM을 이용한 회귀식 SVR은 두터운 꼬리 분포를 보이는 주식시장의 변동성과 같은 관찰치에서도 우수한 추정 성능을 보인다. 2차 손실함수를 사용하는 기존의 최소자승법은 부최적해로서 추정 오차가 확대될 수 있다. Vapnik의 손실함수에서는 입실론 범위내의 예측 오차는 무시하고 큰 예측 오차만 손실로 처리하기 때문에 구조적 위험의 최소화를 추구하게 된다. 금융 시계열 자료를 분석한 많은 연구들은 SVR의 우수성을 보여주고 있다. 본 연구에서는 주가 변동성의 분석 대상으로서 KOSPI 200 주가지수를 사용한다. KOSPI 200 주가지수는 한국거래소에 상장된 우량주 중 거래가 활발하고 업종을 대표하는 200 종목으로 구성된 업종 대표주들의 포트폴리오이다. 분석 기간은 2010년부터 2015년까지의 6년 동안이며, 거래일의 일별 주가지수 종가 자료를 사용하였고 수익률 계산은 주가지수의 로그 차분값으로 정의하였다. KOSPI 200 주가지수의 일별 수익률 자료의 실증분석을 통해 기존의 Maximum Likelihood Estimation 방법과 본 논문이 제안하는 지능형 변동성 예측 모형의 예측성과를 비교하였다. 주가지수 수익률의 일별 자료 중 학습구간에서 대칭 GARCH 모형과 E-GARCH, GJR-GARCH와 같은 비대칭 GARCH 모형에 대하여 모수를 추정하고, 검증 구간 데이터에서 변동성 예측의 성과를 비교하였다. 전체 분석기간 1,487일 중 학습 기간은 1,187일, 검증 기간은 300일 이다. MLE 추정 방법의 실증분석 결과는 기존의 많은 연구들과 비슷한 결과를 보여주고 있다. 잔차의 분포는 정규분포보다는 Student t분포의 경우 더 우수한 모형 추정 성과를 보여주고 있어, 주가 수익률의 비정규성이 잘 반영되고 있다고 할 수 있다. MSE 기준으로, SVR 추정의 변동성 예측에서는 polynomial 커널함수를 제외하고 linear, radial 커널함수에서 MLE 보다 우수한 예측 성과를 보여주었다. DA 지표에서는 radial 커널함수를 사용한 SVR 기반의 지능형 GARCH 모형이 가장 우수한 변동성의 변화 방향에 대한 방향성 예측력을 보여주었다. 추정된 지능형 변동성 모형을 이용하여 예측된 주식 시장의 변동성 정보가 경제적 의미를 갖는지를 검토하기 위하여 지능형 변동성 거래 전략을 도출하였다. 지능형 변동성 거래 전략 IVTS의 진입규칙은 내일의 변동성이 증가할 것으로 예측되면 변동성을 매수하고 반대로 변동성의 감소가 예상되면 변동성을 매도하는 전략이다. 만약 변동성의 변화 방향이 전일과 동일하다면 기존의 변동성 매수/매도 포지션을 유지한다. 전체적으로 SVR 기반의 GARCH 모형의 투자 성과가 MLE 기반의 GARCH 모형의 투자 성과보다 높게 나타나고 있다. E-GARCH, GJR-GARCH 모형의 경우는 MLE 기반의 GARCH 모형을 이용한 IVTS 전략은 손실이 나지만 SVR 기반의 GARCH 모형을 이용한 IVTS 전략은 수익으로 나타나고 있다. SVR 커널함수에서는 선형 커널함수가 더 좋은 투자 성과를 보여주고 있다. 선형 커널함수의 경우 투자 수익률이 +526.4%를 기록하고 있다. SVR 기반의 GARCH 모형을 이용하는 IVTS 전략의 경우 승률도 51.88%부터 59.7% 사이로 높게 나타나고 있다. 옵션을 이용하는 변동성 매도전략은 방향성 거래전략과 달리 하락할 것으로 예측된 변동성의 예측 방향이 틀려 변동성이 소폭 상승하거나 변동성이 하락하지 않고 제자리에 있더라도 옵션의 시간가치 요인 때문에 전체적으로 수익이 실현될 수도 있다. 정확한 변동성의 예측은 자산의 가격 결정뿐만 아니라 실제 투자에서도 높은 수익률을 얻을 수 있기 때문에 다양한 형태의 인공신경망을 활용하여 더 나은 예측성과를 보이는 변동성 예측 모형을 개발한다면 주식시장의 투자자들에게 좋은 투자 정보를 제공하게 될 것이다.
최근 딥러닝 기술이 주목을 받고 있다. 대중들의 관심을 받았던 국제 이미지 인식 기술 대회(ILSVR)와 알파고(AlphaGo)에서 사용된 딥러닝 기술이 바로 합성곱 신경망(CNN; Convolution Neural Network)이다. 합성곱 신경망은 입력 이미지를 작은 구역으로 나누어 부분적인 특징을 인식하고 이것을 결합하여 전체를 인식하는 특징을 가진다. 이러한 딥러닝 기술이 우리의 생활에 있어 많은 변화를 야기할 것이라는 기대를 주고 있지만 현재까지는 이미지 인식과 자연어 처리 등에 그 성과가 국한되어 있다. 비즈니스 문제에 대한 딥러닝 활용은 아직까지 초기 연구 단계로 향후 마케팅 응답 예측이나 허위 거래 식별, 부도 예측과 같은 전통적 비즈니스 문제들에 대해 보다 깊게 활용되고 그 성능이 입증된다면 딥러닝 기술의 활용 가치가 보다 더 주목받게 될 것으로 기대된다. 이러한 때 비교적 고객 식별이 용이하고 활용 가치가 높은 빅데이터를 보유하고 있는 전자상거래 기업의 사례를 바탕으로 하여 딥러닝 기술의 비즈니스 문제 해결 가능성을 진단해보는 것은 학술적으로 매우 의미 있는 시도라 할 수 있겠다. 이에 본 연구에서는 전자상거래 기업의 고객 행태 예측력을 높이기 위한 방안으로 합성곱 신경망을 활용한 '이종 정보 결합(Heterogeneous Information Integration)의 CNN 모델'을 제시한다. 이는 정형과 비정형 정보를 결합하여 다층 퍼셉트론 구조의 합성곱 신경망에서 학습시키는 모델로서 최적의 성능을 발휘하도록 '이종 정보 결합'과 '비정형 정보의 벡터 전환', 그리고 '다층 퍼셉트론 설계'로 하는 3개의 내부 아키텍처를 정의하고 각 아키텍처 단위로 구성되는 방식에 따른 성능을 평가하여 그 결과를 바탕으로 제안 모델을 확정하고 그 성능을 평가해보고자 한다. 고객 행태 예측을 위한 목표 변수는 전자상거래 기업에서 중요하게 관리하고 있는 재구매 고객, 이탈 고객, 고빈도 구매 고객, 고빈도 반품 고객, 고단가 구매 고객, 고할인 구매 고객 등 모두 6개의 이진 분류 문제로 정의한다. 제안한 모델의 유용성을 검증하기 위해서 국내 특정 전자상거래 기업의 실제 데이터를 활용하여 실험을 수행하였다. 실험 결과 정형과 비정형 정보를 결합하여 CNN을 활용한 제안 모델이 NBC(Naïve Bayes classification)과 SVM(Support vector machine), 그리고 ANN(Artificial neural network)에 비해서 예측 정확도와 F1 Measure가 높게 평가되었다. 또 NBC, SVM, ANN에서 정형 정보만을 사용할 때 보다 정형과 비정형 정보를 결합하여 입력 변수로 함께 활용한 경우에 예측 정확도가 향상되는 것으로 나타났다. 따라서 실험 결과로부터 비정형 정보의 활용이 고객 행태 예측의 정확도 향상에 기여한다는 점과 CNN 기법의 특징 추출 알고리즘이 VOC에 사용된 단어들의 분포와 위치 정보를 해석하여 문장의 의미를 파악하는데 효과적이라는 점을 실증적으로 확인하였다는데 그 의미가 있다고 할 수 있겠다. 이를 통해서 CNN 기법이 지금까지 소개된 이미지 인식이나 자연어 처리 분야 외에 비즈니스 문제 해결에도 활용 가치가 높다는 점을 확인하였다는데 이 연구의 의의가 있다 하겠다.
본 논문은 키워드검색광고와 관련하여 의사결정자인 광고주의 입장에서 분석한 통계모델 기반 검색엔진최적화(Search Engine Optimization)논문이다. 일반적으로 키워드입찰은 노출순위를 대상으로 하는 입찰가액에 의해 이루어지고 있다. 그런데, 대부분 광고주는 수천 개 이상의 많은 키워드를 관리함에 있어, 매시간적으로 바뀌는 키워드별 입찰가액을 통해 입찰광고시스템을 관리하고 있는데, 사실상 시간과 인력자원측면에서 비효율적이다. 따라서, 본 논문에서는 기존의 입찰가액을 중심으로 하는 입찰시스템에 대해 의문점을 제기하고, 새로운 관점에서 노출순위를 의사결정변수로 하는 새로운 검색광고모델을 재정의하여 제시하였다. 새로운 검색광고모델에 대한 최적화실증분석을 위해 예측모델과 최적화모델을 제시하였다. 연구과정은 우선 키워드의 특성에 따라 키워드그룹을 원천 제조브랜드 유통브랜드의 범주화기준을 제시한 후, PC 와 모바일 매체별로 대표 키워드 선정한 후 노출순위와 클릭률이 비선형분포임을 보였고, 통계적 관계를 검토하였다. 클릭률예측 및 입찰가액예측을 위한 통계적 시나리오를 제시하였고, 적합성 분석을 통해 최적의 예측모델을 선정한 후, 선정된 예측모델을 기반으로 하여 클릭률과 기대이익(전환율)에 관한 최적화목적함수를 정의하고 실증분석을 진행하였다. 분석결과, 본 논문에서 제시한 검색광고모델은 클릭률 기반의 클릭수와 전환율 기반의 기대이익으로 표현되는 최적화모델 모두에서 개선효과가 있음을 확인하였다. 다만, 기대이익 최적화모델의 경우에는 핵심키워드임에도 불구하고 기대이익이 낮아 광고에서 배제되는 문제를 있음을 확인하고 대안을 제시했다. 마코브체인분석을 통해 핵심 경유키워드 개념을 도입하였고, 최적화목적함수에 대해 핵심경유키워드의 기회이익을 반영한 최적화수정모델을 제시하여 적용가능성을 확인하였다. 본 논문은 키워드입찰시스템의 의사결정변수를 노출순위의 관점으로 전환하는 새로운 모델을 제안하였고, 키워드 범주별 및 노출순위 기반의 통계적 예측을 제시하고, 포트폴리오 구성에서의 최적화실증분석을 통해 노출순위 기반 예측모델의 유효성을 확인함과 동시에, 키워드간의 확산효과를 포함하는 수정모델제시 등 전략적인 입찰을 제안한 점에 시사점이 있다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.