• 마케팅과학연구
• /
• 제20권2호
• /
• pp.208-218
• /
• 2010

互联网快速增长, 已经成为一个重要的零售渠道, 并出现了各种互联网零售商, 又称电子零售商. 一种网上代购店蓬勃发展起来, 吸引了国内市场的消费者. 这是一种独特的电子零售商, 他们从全球购买国内市场尚未进口的名牌产品, 寄给个人购买者, 并收取服务费. 有些消费者喜欢高端独特但无进口资格的品牌, 却因付款问题或国内的寄送问题很难直接从海外零售商处购买. 在韩国, 网上代购店的数量和销售量快速增长-2008年韩国有超过430个活跃商店和5000亿销售额, 需要这种代购服务的消费者数量也在急剧增加. 这种电子零售的概念源于 "代理中介采购" -种存在已久的形式和内容多样化的代购. 通常市场经营者面对的是购买者的代表人而非本人, 由消费者决定的代理购买者影响越来越大. 很多市场营销和心理学领域的学者都研究过代理对消费者购买决定的影响范围. 然而, 在互联网商务方面却没有深入的研究. 此外, 网上代购店作为代理购买者, 将海外品牌或零售商同国内消费者连接起来. 它有一个特点, 代理购买国, 即代购商品所在国的形象对消费者的态度和购买倾向有重要影响, 还会影响消费者在进行信息处理时所感知的风险维度. 然而, 尽管对原产国不同维度的影响已有很多研究, 对网络内容的相关研究却很少. 已有研究证明, 原产国信息作为产品制造情况的线索对消费者的评价有正面影响, 但对这种形式下网络代理购买国的形象和产品评价之间的关系进行的研究却很少. 因此, 作者们发这种具体的零售渠道很值得研究, 重点结构间的系统关系以及各自不同的路径很值得探索. 已有研究证明代购原产国, 也就是代购店购买商品所在地的形象, 不仅对消费者的产品评价(包括态度和购买意向)有正面影响, 还对感知风险的三个维度有负面影响: 产品相关, 行员相关, 以及购买后的风险. 在所有的感知风险中, 由于对产品性能的高度不确定性, 产品相关的风险受负面形象的影响最大(${\beta}$= -.30), 其次是航运相关风险(${\beta}$= -.18)和购买后的风险(${\beta}$= -.15). 对产品态度(${\beta}$= .10)和购买倾向(${\beta}$= .14)也有一定影响. 此外, 经证明, 感知风险的三个维度通过对产品的态度作为中介, 对购买倾向有负面的的影响(${\beta}$= -.57: 产品相关风险${\rightarrow}$ 对产品的态度; ${\beta}$= -.24: 航运相关风险${\rightarrow}$ 对产品的态度; ${\beta}$= -.44: 购买后风险${\rightarrow}$ 对产品的态度). 从更多的分析可以看出, 消费者处理信息的路径会因其对产品知识的等级不同而改变. 新手购买者知识等级较低, 只会考虑感知风险, 而知识等级较高的专家购买者则会考虑到代理购买国的形象和感知风险两个方面, 对产品形成更准确更系统的态度和决定. 这同之前的研究相一致. 本研究提出一些理论和实际的建议. 代理购买国的形象会影响消费者的风险感知和行为结果, 因此应谨慎选择代购国家, 如果这种新型的零售业务快速发展起来, 应控制好消费者的风险, 无论是新手或专家. 另外, 由于消费者各自知识等级不同, 处理信息的路径也不尽相同, 针对不同消费者应形成成熟的市场营销手段. 新手购买者需要风险消减方面的建议, 以帮助他们形成更好的态度, 而专家购买者应选择更好更发达的国家进行代购. 消费者可以使用担保策略来促使在线购物的顺利进行. 本研究没有拘于概括性等限制. 在今后的研究中, 应进一步测试比较有相关结构的不同电子零售商.

• 지능정보연구
• /
• 제25권1호
• /
• pp.197-218
• /
• 2019

중국 화장품 전체 교역중 약 67% 정도가 전자상거래로 이루어지고 있는데 특히 한국 화장품인 K-Beauty 제품의 인기가 높다. 기존 연구에 의하면 화장품 같은 소비재의 경우 소비자의 80%는 제품 구매 전 제품정보를 인터넷으로 검색하며 구전정보에 영향을 받는다. 대부분의 중국 소비자들은 화장품과 관련된 정보를 주요 SNS에 다른 소비자들이 올린 댓글을 통해 획득하며 최근에는 뷰티 관련 동영상 채널 정보를 이용하기도 한다. 기존의 온라인 구전 관련 연구는 대부분 Facebook, Twitter, 블로그 등의 매체 자체가 중심이었다. 본 연구에서는 온라인 구전정보의 전달 형태와 정보의 형태를 고려하여 정보유형을 동영상과 사진 및 텍스트로 나누어 연구하고자 한다. 중국의 SNS대표 플랫폼인 SINA Weibo와 동영상 플랫폼 Meipai의 비정형 데이터를 분석하고 온라인 구전정보를 양과 방향성으로 나누어 K-Beauty브랜드 매출액에 미치는 영향을 분석하고자 한다. Meipai에서는 총 약 33만개의 데이터를 수집하였고 SINA Weibo에서는 총 약 11만개의 데이터를 수집하여 화장품의 기본 속성도 고려하여 분석하였다. 본 연구의 의의는 온라인 매출은 K-Beauty화장품에 대해서도 구전에 영향을 받는다는 것을 기본적으로 입증함과 동시에 특히 정보 유형에 대한 구분을 시도 했다는 것이다. 두가지 매체 모두 기존 연구와 같이 양이 매출에 영향을 미치고 있으나 매체풍부성으로 인해 텍스트보다 동영상이 정보를 더 주고 영향이 크다는 것을 입증하였다. 또한, 정보 방향성 측면에서는 색조화장품의 경우 부정 댓글의 영향이 크게 나타났다. 실무적으로는 화장품 판매 전략 및 광고 전략에 기초 및 색조 화장품을 구분하여 중국 K-Beauty화장품 매출증대를 위한 마케팅전략을 구사하는데 도움이 될 것으로 기대된다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.29-56
• /
• 2021

전자상거래 시장이 빠르게 성장하면서 다양한 유형의 제품이 출시되고 있으며, 이로 인해 사용자들은 구매 의사결정과정에 많은 시간이 소요되는 정보 과부하 문제에 직면하고 있다. 따라서 사용자에게 맞춤형 제품 및 서비스를 제공해줄 수 있는 개인화 추천 서비스의 중요성이 대두되고 있다. 대표적으로 Netflix, Amazon, Google 등 세계적 기업은 개인화 추천 서비스를 도입하여 사용자의 구매 의사결정을 지원하고 있다. 이에 따라 사용자의 정보탐색 비용이 감소하는 효과가 나타났고, 기업의 매출 상승에도 긍정적인 영향을 끼치고 있다. 기존 개인화 추천 서비스 관련 연구에서 주로 사용된 협업필터링(Collaborative Filtering, CF) 기법은 정량화된 정보를 활용하여 사용자의 선호도를 예측하였다. 그러나 정량화된 정보만을 활용하면 사용자의 구매 의도는 고려하지 못하므로 추천 성능이 저하될 수 있다는 문제점이 제기되고 있다. 이와 같은 기존 연구의 문제점을 개선하기 위해 최근에는 사용자가 작성한 리뷰를 활용한 개인화 추천 서비스 연구가 활발히 진행되고 있다. 그러나 리뷰에는 광고성 내용, 거짓 후기, 의미를 전혀 파악할 수 없거나 제품과 관련 없는 내용 등 구매의사결정을 저해하는 요소들이 포함되어 있다. 이러한 요소들이 포함된 리뷰를 활용하여 추천 서비스를 제공하게 되면, 추천 성능이 저하되는 문제가 발생할 수 있다. 따라서 본 연구에서는 이러한 문제점을 개선하기 위해 Convolutional Neural Network(CNN) 기반 리뷰 유용성 점수 예측을 통한 새로운 추천 방법론을 제안하였다. 본 연구에서 제안하는 유용한 리뷰를 포함하는 방법론과 기존 모든 선호도 평점을 고려하는 추천 방법론을 비교한 결과, 본 연구에서 제안한 방법론이 더 우수한 예측 성능을 나타내고 있음을 확인할 수 있었다. 또한 본 연구의 결과는 리뷰 유용성에 대한 정보를 개인화 추천 서비스에 반영하면 전통적인 CF의 성능을 향상할 수 있음을 시사한다.

• 지능정보연구
• /
• 제29권3호
• /
• pp.1-17
• /
• 2023

정보통신기술의 발전과 디지털 기기의 대중화로 인해, 온라인 시장의 규모가 커지고 있다. 그 결과 고객들은 상품을 선택하는데 많은 시간과 비용이 소요되는 정보 과부하(Information Overload) 문제에 직면하고 있다. 따라서 고객이 선호할만한 상품을 추천해 주는 추천 시스템은 필수적인 도구가 되었으며 협업 필터링(Collaborative Filtering) 기법은 가장 널리 쓰이는 추천 방법이다. 전통적인 추천 시스템은 평점과 같은 정량적인 데이터만을 사용하기 때문에 추천의 정확도는 높지 않다. 이와 같은 문제를 해결하기 위해 요즘에는 사용자 리뷰와 같은 정성적 데이터를 반영하는 연구가 활발히 진행되고 있다. 협업 필터링의 일반적인 절차는 사용자-상품 행렬 생성, 이웃 집단 탐색, 추천 목록 생성 3단계로 구성되며 코사인 같은 사용자 유사도를 사용하여 목표 고객의 이웃을 탐색하며, 추천 상품 목록을 생성한다. 본 연구에서는 이웃 집단 탐색 및 추천 목록 생성 단계에서 사용하는 사용자 간의 유사도를 기존의 사용자 평점을 이용한 유사도에 고객의 리뷰 데이터를 사용하는 확장된 사용자 유사도를 제시한다. 리뷰를 정량화 하기 위해 본 연구에서는 텍스트 마이닝을 활용한다. 즉, 리뷰 데이터에 TF-IDF, Word2Vec, 그리고 Doc2Vec 기법을 사용하여 두 사용자 간의 리뷰 유사도를 구한 후 사용자 평점을 사용한 유사도와 리뷰 유사도를 결합한 확장된 유사도를 생성하는 것이다. 이를 검증하기 위해 전자상거래 사이트인 Amazon의 'Health and Personal Care'의 사용자 평점과 리뷰 데이터를 사용하였다. 실험 결과, 사용자 간 유사도를 산출할 때 기존의 평점에 기반한 유사도만을 사용하는 것보다, 사용자 리뷰의 유사도를 추가로 반영한 확장된 유사도를 사용하면 추천의 정확도가 높아진다는 것을 확인했다. 또한, 여러 텍스트 마이닝 기법 중에서 TF-IDF 기법을 사용한 확장된 유사도를 이웃 집단 탐색 및 추천 목록 생성단계에서 사용할 때의 성능이 가장 좋게 나타났다.