• 지능정보연구
• /
• 제24권2호
• /
• pp.37-57
• /
• 2018

최근 스마트폰의 확산에 힘입어 유용한 광고 매체로서 모바일 미디어에 대한 관심이 증가되고 있다. 모바일 미디어는 소비자들에게 언제, 어디서나 원하는 정보를 제공할 수 있을 뿐만 아니라 실시간으로 상호작용이 가능하다는 점에서 기존 광고매체들과는 차별화된 장점을 가진 것으로 평가 받고 있다. 그 동안 모바일 광고 연구들은 모바일 광고에 대한 만족도, 수용도 등을 서베이를 토대로 분석한 연구와 모바일 광고 메시지 수신에 영향을 미치는 요인을 중점적으로 탐구한 연구, 실험연구를 통해서 모바일 광고가 브랜드 회상, 광고태도, 브랜드 태도 등에 미치는 영향을 검증하는 연구들이 많이 진행되었다. 그러나 실증데이터를 통한 연구는 거의 진행되지 않았다. 본 연구에서는 상용서비스 중인 모바일 광고플랫폼을 기반으로 광고효과를 알아보기 위하여 광고주, 광고플랫폼, 퍼블리셔 관점에서 광고특성, 매체특성을 정의하고 각 특성이 광고효과에 미치는 영향을 분석하였다. 각 특성에 대한 회귀분석 결과 모바일 광고의 광고특성인 광고규격과 쾌락적, 실용적으로 구별한 매체 특성이 광고효과에 유의미한 결과를 나타냈으며, 서로간의 상호작용 효과도 확인하였다. 연구결과를 통하여 모바일 광고 업무 시 광고상품에 맞는 광고소재 제작 및 매체계획 등 광고효과에 최적화된 광고전략 수립에 기여할 것으로 보인다.

• 지능정보연구
• /
• 제24권4호
• /
• pp.1-32
• /
• 2018

본 연구는 경제적으로 국내에 큰 영향을 주었던 글로벌 금융위기를 기반으로 총 10년의 연간 기업데이터를 이용한다. 먼저 시대 변화 흐름에 일관성있는 부도 모형을 구축하는 것을 목표로 금융위기 이전(2000~2006년)의 데이터를 학습한다. 이후 매개 변수 튜닝을 통해 금융위기 기간이 포함(2007~2008년)된 유효성 검증 데이터가 학습데이터의 결과와 비슷한 양상을 보이고, 우수한 예측력을 가지도록 조정한다. 이후 학습 및 유효성 검증 데이터를 통합(2000~2008년)하여 유효성 검증 때와 같은 매개변수를 적용하여 모형을 재구축하고, 결과적으로 최종 학습된 모형을 기반으로 시험 데이터(2009년) 결과를 바탕으로 딥러닝 시계열 알고리즘 기반의 기업부도예측 모형이 유용함을 검증한다. 부도에 대한 정의는 Lee(2015) 연구와 동일하게 기업의 상장폐지 사유들 중 실적이 부진했던 경우를 부도로 선정한다. 독립변수의 경우, 기존 선행연구에서 이용되었던 재무비율 변수를 비롯한 기타 재무정보를 포함한다. 이후 최적의 변수군을 선별하는 방식으로 다변량 판별분석, 로짓 모형, 그리고 Lasso 회귀분석 모형을 이용한다. 기업부도예측 모형 방법론으로는 Altman(1968)이 제시했던 다중판별분석 모형, Ohlson(1980)이 제시한 로짓모형, 그리고 비시계열 기계학습 기반 부도예측모형과 딥러닝 시계열 알고리즘을 이용한다. 기업 데이터의 경우, '비선형적인 변수들', 변수들의 '다중 공선성 문제', 그리고 '데이터 수 부족'이란 한계점이 존재한다. 이에 로짓 모형은 '비선형성'을, Lasso 회귀분석 모형은 '다중 공선성 문제'를 해결하고, 가변적인 데이터 생성 방식을 이용하는 딥러닝 시계열 알고리즘을 접목함으로서 데이터 수가 부족한 점을 보완하여 연구를 진행한다. 현 정부를 비롯한 해외 정부에서는 4차 산업혁명을 통해 국가 및 사회의 시스템, 일상생활 전반을 아우르기 위해 힘쓰고 있다. 즉, 현재는 다양한 산업에 이르러 빅데이터를 이용한 딥러닝 연구가 활발히 진행되고 있지만, 금융 산업을 위한 연구분야는 아직도 미비하다. 따라서 이 연구는 기업 부도에 관하여 딥러닝 시계열 알고리즘 분석을 진행한 초기 논문으로서, 금융 데이터와 딥러닝 시계열 알고리즘을 접목한 연구를 시작하는 비 전공자에게 비교분석 자료로 쓰이기를 바란다.