• 마케팅과학연구
• /
• 제18권4호
• /
• pp.119-155
• /
• 2008

최근 많은 기업들이 치열한 경쟁에서 생존하기 위해 개별 고객들에게 초점을 맞춘 전사적이고 체계적인 고객관계관리에 전력을 기울이고 있다. 수익성 높은 대부분 기업들의 성공비결은 복합적이겠지만, 고객지향적 사고에의 신속한 적응이 중요한 부분을 차지하고 있다. 고객관계관리 기법 및 운용철학은 고객을 올바르게 이해하는데서 그치지 않고 고객행동을 사전적으로 예측하여 고객요구에 부응한 제품과 서비스를 제공하는 것만이 치열한 경쟁환경에서 생존함과 동시에 거듭된 성장을 이루는 유일한 해결책임을 강조한다. 고객관계관리는 데이터베이스마케팅과 같은 조직내 실무자 중심의 관점과 접근이 아니라 최고경영자의 마케팅 관점의 경영철학 구현을 통한 전사적이고 조직적인 참여가 이루어져야 한다. 그럼에도 불구하고 많은 기업들이 고객관계관리 기법을 도입하고 구축하는 과정에서 이러한 점을 간과해 왔으며 그 결과, 고객관계관리를 통해 수익성을 높인 기업이 있는 반면에 고객관계관리에 엄청난 비용만을 투입하고 별다른 성과를 거두지 못한 기업들도 다수이다. 본 연구는 CRM구축 및 실행과정에서의 성공요인을 기존 연구와 달리 마케팅적 관점에서 발견해 내고 있다. 시장지향성과 고객지향성이라는 마케팅 철학에서부터 고객정 보지향성과 핵심고객지향이라는 실무적 개념까지 포함해서 마케팅적인 관점에서의 성공적 CRM구축을 위한 선행요인을 발견하고, 이러한 요인들이 마케팅관점의 관계품질과 실무적인 CRM성과에 어떤 영향을 미치는지를 분석함과 동시에 관계품질과 CRM성과 간의 관계의 강도까지 실증적으로 분석해 보았다. 경험적 분석 결과 본 연구에서 구축한 마케팅관점의 CRM선행요인들 중에서 일부 요인을 제외하고는 대체적으로 관계품질 및 CRM성과를 높이는데 상당한 기여를 하고 있음이 확인되었으며, 영향관계의 정도에는 어느 정도 차이가 있음이 확인되었다. 또한 관계품질과 CRM성과 및 세부적 개념구성요인들 간에 매우 높은 정(+)의 관계가 존재함을 확인했다. 이는 CRM의 최종 성과를 달성하기 위해서 CRM구축 및 실행이후에 고객만족과 고객신뢰라는 개념적 연결고리를 강화함과 동시에 이러한 관계품질이 고객유지와 고객점유 정도의 향상으로 이어지도록 하는 창조적 전술개발이 요구됨을 의미한다. CRM을 구축 및 실행하는 대부분의 기업들이 조급하게 재무적인 성과를 기대하는 경향이 있는데, CRM은 마케팅철학을 포함하는 장기적인 경영활동임을 주지해야 한다. 기존의 많은 연구들이 취하고 있는 연구맥락에 근거해서 기술적인 시스템만을 갖추었다고 하여 단기적인 성과를 바라는 것은 오히려 비용의 낭비만을 초래 할 수 있음에 주목해야 한다. 본 연구결과를 바탕으로 CRM의 성공적 구축을 통해 관계품질을 강화하는 것에 대한 전략적 통찰을 제공함과 동시에 실질적인 CRM성과를 달성하기 위한 마케팅 관점의 연결구조를 어떻게 효율적으로 강화할 수 있을 것인가에 대한 학술적이고 실무적인 시사점을 도출했다.

• 지능정보연구
• /
• 제19권2호
• /
• pp.1-20
• /
• 2013

소셜 네트워크는 사용자들의 공통된 관심사, 경험, 그리고 일상 생활들을 함께 공유하기 위해 소셜 네트워크 상 사람들을 서로 연결시켜주는 거대한 커뮤니케이션 플랫폼이다. 소셜 네트워크상의 사용자들은 포스팅, 댓글, 인스턴스 메시지, 게임, 소셜 이벤트 외에도 다양한 애플리케이션을 통해 다른 사용자들과 소통하고 개인 정보 관리하는데 많은 시간을 소비한다. 소셜 네트워크 상의 풍부한 사용자 정보는 추천시스템이 추천 성능을 향상시키기 위해 필요한 큰 잠재력이 되었다. 대부분의 사용자들은 어떤 상품을 구매하기 전 가까운 관계이거나 같은 성향을 가진 사람들의 의견을 반영하여 의사 결정을 하게 된다. 그러므로 소셜 네트워크에서의 사용자 관계는 추천시스템을 위한 사용자 선호도 예측을 효율적으로 높이는데 중요한 요소라 할 수 있다. 일부 연구자들은 소셜 네트워크에서의 사용자와 다른 사용자들 사이의 상호작용 즉, 소셜 관계(social relationship)와 같은 소셜 데이터가 추천시스템에서 추천의 질에 어떠한 영향을 미치는가를 연구하고 있다. 추천시스템은 아마존, 이베이, Last.fm과 같은 큰 규모의 전자상거래 사이트 또한 채택하여 사용되는 시스템으로, 추천시스템을 위한 방법으로는 협업적 여과 방법과 내용 기반 여과 방법이 있다. 협업적 여과 방법은 사용자들의 선호도 학습에 의해 사용자가 아직 평가하지 않은 아이템 중 선호할 수 있는 아이템을 정확하게 제안하기 위한 추천시스템 방법 중 하나이다. 협업적 여과는 사용자들의 데이터에 초점을 맞춘 방법으로 유사한 배경과 선호도를 가지는 사용자들로부터 정보를 수집하여 사용자들의 선호도 예측을 자동으로 발생시킨다. 특히 협업적 여과는 근접한 이웃 사용자들에 의해서 목적 사용자가 선호할 수 있는 아이템을 제시하는 것으로 유사한 이웃 사용자를 찾는 것이 중요하다. 좋은 이웃 사용자 발견은 사용자와 아이템을 고려하는 방법이 일반적이다. 각 사용자는 아이템 즉, 영화, 상품, 책 등에 자신의 선호도를 나타내기 위하여 평가 값을 입력하고, 시스템은 이를 바탕으로 사용자-평가 행렬을 구축한다. 이 사용자-평가 행렬은 목적 사용자와 유사하게 아이템을 평가한 사용자 그룹을 찾기 위한 것으로, 목적 사용자가 아직 평가하지 않은 아이템에 대하여 사용자-평가 매트릭스를 통해 그 평가 값을 예측한다. 현재 이 협업적 여과 방법은 전자상거래와 정보 검색에서 적용되어 개인화 시스템에 효율적으로 사용되고 있다. 하지만 초기 사용자 문제, 데이터 희박성 문제와 확장성 그리고 예측 정확도 향상 등 해결해야 할 과제가 여전히 남아 있다. 이러한 문제들을 해소하기 위해 많은 연구자들은 하이브리드, 신뢰기반, 소셜 네트워크 기반 협업적 여과와 같은 다양한 방법을 제안하였다. 본 논문에서는 전통적인 협업적 여과 방식의 예측 정확도와 추천 성능을 향상시키기 위해 소셜 네트워크에 존재하는 소셜 관계를 이용한 협업적 여과 시스템을 제안한다. 소셜 관계는 소셜 네트워크 서비스 중 하나인 페이스북 사용자들이 남긴 포스팅과 사용자의 소셜 네트워크 친구와 의견 교류 중 남긴 코멘트와 같은 사용자 행동을 기반으로 정의된다. 소셜 관계를 구축하기 위해 소셜 네트워크 사용자의 포스팅과 댓글을 추출하고, 추출된 텍스트에 불용어 및 특수 기호 제거와 스테밍 등 전처리를 수행하였다. 특징 벡터는 TF-IDF를 이용하여 전처리된 텍스트에 나타난 각 단어에 대한 특징 점수를 계산함으로써 구축된다. 본 논문에서 이웃 사용자를 결정하기 위해 사용되는 사용자 간 유사도는 특징 벡터를 이용한 사용자 행동 유사도와 사용자의 영화 평가를 기반으로 한 전통적 방법의 유사도를 결합하여 계산된다. 제안하는 시스템은 목표 사용자와 제안한 방법을 통해 결정된 이웃 사용자 집단을 기반으로 목표 사용자가 평가하지 않은 아이템에 대한 선호도를 예측하고 Top-N 아이템을 선별하여 사용자에게 아이템을 추천하게 된다. 본 논문에서 제안하는 방법을 확인하고 평가하기 위하여 IMDB에서 제공하는 영화 정보 기반으로 영화 평가 시스템을 구축하였다. 예측 정확도를 평가하기 위해 MAE 값을 이용하여 제안하는 알고리즘이 얼마나 정확한 추천을 수행하는지에 대한 예측 정확도를 측정하였다. 그리고 정확도, 재현율 및 F1값 등을 활용하여 시스템의 성능을 평가하였으며, 시스템의 추천 품질은 커버리지를 이용하여 평가되었다. 실험 결과로부터 본 논문에서 제안한 시스템이 보다 더 정확하고 좋은 성능으로 사용자에게 아이템을 추천하는 것을 볼 수 있었다. 특히 소셜 네트워크에서 사용자 행동을 기반으로 한 소셜 관계를 이용함으로써 추천 정확도를 6% 향상시킴을 보였다. 또한 벤치마크 알고리즘과의 성능비교 실험을 통해 7% 향상된 추천 성능의 결과를 보여준다. 그러므로 사용자의 행동으로부터 관찰된 소셜 관계를 CF방법과 결합한 제안한 방법이 정확한 추천시스템을 위해 유용하며, 추천시스템의 성능과 품질을 향상시킬 수 있음을 알 수 있다.