• Asia pacific journal of information systems
• /
• 제17권4호
• /
• pp.31-59
• /
• 2007

We frequently use search engines to find relevant information in the Web but still end up with too much information. In order to solve this problem of information overload, ranking algorithms have been applied to various domains. As more information will be available in the future, effectively and efficiently ranking search results will become more critical. In this paper, we propose a ranking algorithm for the Semantic Web resources, specifically RDF resources. Traditionally, the importance of a particular Web page is estimated based on the number of key words found in the page, which is subject to manipulation. In contrast, link analysis methods such as Google's PageRank capitalize on the information which is inherent in the link structure of the Web graph. PageRank considers a certain page highly important if it is referred to by many other pages. The degree of the importance also increases if the importance of the referring pages is high. Kleinberg's algorithm is another link-structure based ranking algorithm for Web pages. Unlike PageRank, Kleinberg's algorithm utilizes two kinds of scores: the authority score and the hub score. If a page has a high authority score, it is an authority on a given topic and many pages refer to it. A page with a high hub score links to many authoritative pages. As mentioned above, the link-structure based ranking method has been playing an essential role in World Wide Web(WWW), and nowadays, many people recognize the effectiveness and efficiency of it. On the other hand, as Resource Description Framework(RDF) data model forms the foundation of the Semantic Web, any information in the Semantic Web can be expressed with RDF graph, making the ranking algorithm for RDF knowledge bases greatly important. The RDF graph consists of nodes and directional links similar to the Web graph. As a result, the link-structure based ranking method seems to be highly applicable to ranking the Semantic Web resources. However, the information space of the Semantic Web is more complex than that of WWW. For instance, WWW can be considered as one huge class, i.e., a collection of Web pages, which has only a recursive property, i.e., a 'refers to' property corresponding to the hyperlinks. However, the Semantic Web encompasses various kinds of classes and properties, and consequently, ranking methods used in WWW should be modified to reflect the complexity of the information space in the Semantic Web. Previous research addressed the ranking problem of query results retrieved from RDF knowledge bases. Mukherjea and Bamba modified Kleinberg's algorithm in order to apply their algorithm to rank the Semantic Web resources. They defined the objectivity score and the subjectivity score of a resource, which correspond to the authority score and the hub score of Kleinberg's, respectively. They concentrated on the diversity of properties and introduced property weights to control the influence of a resource on another resource depending on the characteristic of the property linking the two resources. A node with a high objectivity score becomes the object of many RDF triples, and a node with a high subjectivity score becomes the subject of many RDF triples. They developed several kinds of Semantic Web systems in order to validate their technique and showed some experimental results verifying the applicability of their method to the Semantic Web. Despite their efforts, however, there remained some limitations which they reported in their paper. First, their algorithm is useful only when a Semantic Web system represents most of the knowledge pertaining to a certain domain. In other words, the ratio of links to nodes should be high, or overall resources should be described in detail, to a certain degree for their algorithm to properly work. Second, a Tightly-Knit Community(TKC) effect, the phenomenon that pages which are less important but yet densely connected have higher scores than the ones that are more important but sparsely connected, remains as problematic. Third, a resource may have a high score, not because it is actually important, but simply because it is very common and as a consequence it has many links pointing to it. In this paper, we examine such ranking problems from a novel perspective and propose a new algorithm which can solve the problems under the previous studies. Our proposed method is based on a class-oriented approach. In contrast to the predicate-oriented approach entertained by the previous research, a user, under our approach, determines the weights of a property by comparing its relative significance to the other properties when evaluating the importance of resources in a specific class. This approach stems from the idea that most queries are supposed to find resources belonging to the same class in the Semantic Web, which consists of many heterogeneous classes in RDF Schema. This approach closely reflects the way that people, in the real world, evaluate something, and will turn out to be superior to the predicate-oriented approach for the Semantic Web. Our proposed algorithm can resolve the TKC(Tightly Knit Community) effect, and further can shed lights on other limitations posed by the previous research. In addition, we propose two ways to incorporate data-type properties which have not been employed even in the case when they have some significance on the resource importance. We designed an experiment to show the effectiveness of our proposed algorithm and the validity of ranking results, which was not tried ever in previous research. We also conducted a comprehensive mathematical analysis, which was overlooked in previous research. The mathematical analysis enabled us to simplify the calculation procedure. Finally, we summarize our experimental results and discuss further research issues.

• 지능정보연구
• /
• 제17권4호
• /
• pp.241-254
• /
• 2011

Support vector machines(SVM)은 비교적 최근에 등장한 데이터마이닝 기법이지만, 재무, CRM 등의 경영학 분야에서 많이 연구되고 있다. SVM은 인공신경망과 필적할 만큼의 예측 정확도를 보이는 사례가 많았지만, 암상자로 불리는 인공신경망 모형에 비해 구축된 예측모형의 구조를 이해하기 쉽고, 인공신경망에 비해 과도적합의 가능성이 적어서 적은 수의 데이터에서도 적용 가능하다는 장점을 가지고 있다. 하지만, 일반적인 SVM을 이용하려면, 인공신경망과 마찬가지로 여러 가지 설계요소들을 설계자가 선택하여야 하기 때문에 임의성이 높고, 국부 최적해에 수렴할 가능성도 크다. 또한, 많은 수의 데이터가 존재하는 경우에는 데이터를 분석하고 이용하는데 시간이 소요되고, 종종 잡음이 심한 데이터가 포함된 경우에는 기대하는 수준의 예측성과를 얻지 못할 가능성이 있다. 본 연구에서는 일반적인 SVM의 장점을 그대로 유지하면서, 전술한 두 가지 단점을 보완한 새로운 SVM 모형을 제안한다. 본 연구에서 제안하는 모형은 사례선택기법을 일반적인 SVM에 융합한 것으로 대용량의 데이터에서 예측에 불필요한 데이터를 선별적으로 제거하여 예측의 정확도와 속도를 제고할 수 있는 방법이다. 본 연구에서는 잡음이 많고 예측이 어려운 것으로 알려진 재무 데이터를 활용하여 제안 모형의 유용성을 확인하였다.

• 지능정보연구
• /
• 제22권4호
• /
• pp.157-176
• /
• 2016

스마트폰, 태블릿PC와 같은 모바일 기기의 확산과 더불어 앱의 보급도 크게 늘어나면서 우리 일상의 다양한 분야에서 활용되고 있다. 게임, 생활, 엔터테인먼트, 정보, 전자상거래 등 다양한 종류의 수많은 앱이 생겨나고 있으나, 그들 중 대부분이 사용자의 구매 선택조차 받지 못하고 있으며, 구매가 이루어진 이후에도 많은 수는 오랫동안 사용되지 않고 외면당하고 있다. 사용자가 앱을 선택하고 사용하는 데에 영향을 미치는 요인을 찾는 연구는 사용자에게 적합한 앱을 선별적으로 추천하는 데에 활용됨으로써 마케팅 효과를 높일 수 있다는 점에서 앱 개발자나 배포자 및 사용자 모두에게 기여하는 실무적 가치가 크다고 할 수 있을 것이다. 이런 관점에서, 본 연구는 앱의 사용에 영향을 미치는 요인이 앱 유형별로 어떻게 달라지는지를 파악하려는 목적에서 수행되었다. 앱 사용에 영향을 미치는 요인으로서 사용자의 인구통계학적 특성뿐만 아니라 사용자가 앱을 구매하고 사용한 경험, 구매 시 참고한 앱에 대한 객관적 평가인 별점, 마케팅의 수단으로서 상품의 소개 화면에 노출되는 배지(Badge)의 영향을 살펴보았다. 사용자의 앱 선택에 영향을 미치는 요인에 대한 기존 연구들은 대부분 설문에 대한 응답 결과를 분석에 사용함으로써 사용기록이 정확히 반영하지 못하는 한계점을 갖는 반면, 본 연구는 특정한 기간 동안 사용자의 실제 사용기록 전체를 측정하고 수집하여, 이 데이터를 기반으로 분석을 실시했다는 점에서 큰 의의를 갖는다고 할 수 있다. 사용자가 자신의 모바일 기기에 설치된 다양한 앱을 설치해놓고 이들 중 자신의 필요에 적합한 것을 선택하여 사용하게 되는데, 이 선택에 영향을 미치는 요인이 카테고리 별로 다를 것이라는 점을 고려하여, 다변량 프로빗 모형을 활용하여 분석을 실시하였다. 분석결과로 앱 사용에 영향을 미치는 요인이 앱 카테고리 별로 달라지는 것과 앱 카테고리 선택 간의 상관관계를 제시하였으며, 사용자의 앱사용 목적에 따라 쾌락성(Hedonic)과 실용성(Utilitarian)으로 구분지어 설명하였다.

• Asia pacific journal of information systems
• /
• 제24권2호
• /
• pp.233-253
• /
• 2014

Can the stock market really be predicted? Stock market prediction has attracted much attention from many fields including business, economics, statistics, and mathematics. Early research on stock market prediction was based on random walk theory (RWT) and the efficient market hypothesis (EMH). According to the EMH, stock market are largely driven by new information rather than present and past prices. Since it is unpredictable, stock market will follow a random walk. Even though these theories, Schumaker [2010] asserted that people keep trying to predict the stock market by using artificial intelligence, statistical estimates, and mathematical models. Mathematical approaches include Percolation Methods, Log-Periodic Oscillations and Wavelet Transforms to model future prices. Examples of artificial intelligence approaches that deals with optimization and machine learning are Genetic Algorithms, Support Vector Machines (SVM) and Neural Networks. Statistical approaches typically predicts the future by using past stock market data. Recently, financial engineers have started to predict the stock prices movement pattern by using the SNS data. SNS is the place where peoples opinions and ideas are freely flow and affect others' beliefs on certain things. Through word-of-mouth in SNS, people share product usage experiences, subjective feelings, and commonly accompanying sentiment or mood with others. An increasing number of empirical analyses of sentiment and mood are based on textual collections of public user generated data on the web. The Opinion mining is one domain of the data mining fields extracting public opinions exposed in SNS by utilizing data mining. There have been many studies on the issues of opinion mining from Web sources such as product reviews, forum posts and blogs. In relation to this literatures, we are trying to understand the effects of SNS exposures of firms on stock prices in Korea. Similarly to Bollen et al. [2011], we empirically analyze the impact of SNS exposures on stock return rates. We use Social Metrics by Daum Soft, an SNS big data analysis company in Korea. Social Metrics provides trends and public opinions in Twitter and blogs by using natural language process and analysis tools. It collects the sentences circulated in the Twitter in real time, and breaks down these sentences into the word units and then extracts keywords. In this study, we classify firms' exposures in SNS into two groups: positive and negative. To test the correlation and causation relationship between SNS exposures and stock price returns, we first collect 252 firms' stock prices and KRX100 index in the Korea Stock Exchange (KRX) from May 25, 2012 to September 1, 2012. We also gather the public attitudes (positive, negative) about these firms from Social Metrics over the same period of time. We conduct regression analysis between stock prices and the number of SNS exposures. Having checked the correlation between the two variables, we perform Granger causality test to see the causation direction between the two variables. The research result is that the number of total SNS exposures is positively related with stock market returns. The number of positive mentions of has also positive relationship with stock market returns. Contrarily, the number of negative mentions has negative relationship with stock market returns, but this relationship is statistically not significant. This means that the impact of positive mentions is statistically bigger than the impact of negative mentions. We also investigate whether the impacts are moderated by industry type and firm's size. We find that the SNS exposures impacts are bigger for IT firms than for non-IT firms, and bigger for small sized firms than for large sized firms. The results of Granger causality test shows change of stock price return is caused by SNS exposures, while the causation of the other way round is not significant. Therefore the correlation relationship between SNS exposures and stock prices has uni-direction causality. The more a firm is exposed in SNS, the more is the stock price likely to increase, while stock price changes may not cause more SNS mentions.

• 지능정보연구
• /
• 제17권1호
• /
• pp.139-152
• /
• 2011

1990년대 중반에 협업 필터링의 출현으로 인하여 추천시스템에 관련된 연구가 늘어나게 되었다. 협업 필터링의 출현 이후 내용 기반 필터링, 협업 필터링과 내용 기반 필터링이 혼합된 하이브리드 필터링 등 새로운 기법들이 출현함으로써 2000년대에는 추천시스템의 연구가 눈에 띄게 증가하였다. 하지만 현재까지 추천시스템에 관련된 문헌들에 대한 리뷰와 분류가 체계적으로 되어있지 않다. 이와 같은 문제에 대한 해결방안으로써, 본 연구에서는 2001년부터 2010년도까지의 추천시스템에 관련된 문헌들 중 MIS Journal Ranking의 125개의 저널에서 추천시스템(Recommender system, Recommendation system), 협업 필터링(Collaborative Filtering), 내용 기반 필터링(Content based Filtering), 개인화 시스템(Personalized system) 등의 5가지 키워드로 제한하여 조사하였다. 총 37개의 저널에서 논문을 검색하였으며, 검색되어진 논문을 분석한 결과 추천시스템과 관련이 없는 논문을 제외한 총 187개의 논문을 선정하여 분석하였다. 이 연구에서는 그러나 컨퍼런스 논문, 석사, 박사학위 논문, 영어로 작성되지 않은 논문, 완성되지 않은 논문 등은 제외하였다. 본 연구에서는 187개의 논문을 분석하여 2001년부터 2010년까지의 각각의 년도 별 추천시스템의 연구에 대한 동향 분석, Journal별 추천시스템의 게재 분류, 추천시스템 어플리케이션의 사용 분야(책, 문서, 이미지, 영화, 음악, 쇼핑, TV 프로그램, 기타)별 분류 및 분석, 추천시스템에 사용된 데이터마이닝 기술(연관 규칙, 군집화, 의사 결정나무, 최근접 이웃 기법, 링크 분석 기법, 신경망, 회귀분석, 휴리스틱 기법)별 분류 및 분석을 수행하였다. 따라서 본 연구에서 제안한 각각의 분류 및 분석 결과들을 통하여 현재까지 추천시스템의 연구에 대한 연구 동향을 파악 할 수 있었으며, 분석결과를 통해 추천시스템에 관심이 있는 연구자와 전문가에게 미래의 추천시스템의 연구에 대한 가이드라인을 제시 할 수 있을 것이라고 기대한다.

• 지능정보연구
• /
• 제16권3호
• /
• pp.121-145
• /
• 2010

매 학기마다 반복되는 대학의 강의시간표 작성 방법은 대학 상황에 따라 다르며, 교육환경의 변화에 따라 그 복잡도와 문제의 크기가 증가되는 NP-hard 문제로 알려져 있다. 그 동안, 효과적인 강의자원 배분을 위한 강의시간표 자동생성의 필요성으로 대학 강의시간표 작성에 관한 여러 방법의 연구가 진행되어 왔다. 일반적으로 교양과목 강의시간표는 대학행정부서에서, 전공과목은 학과에서 작성하는데 각 학과 단위의 전공강의시간표작성지원시스템은 학생들의 편의를 도모하고 수업의 효과와 전공강의자원의 효과적인 배분를 위해 중요한 역할을 한다. 이를 위하여 본 연구는 한신대학교의 새로운 강의시간표 작성체계에 따라, 사례 기반의 템플릿을 생성하고, 이로부터 규칙 기반의 상호대화형으로 효과적인 강의자원 배분이 가능한 전공강의시간표를 작성하는 두 단계 지원시스템을 제안하였으며, 사례 데이터를 이용한 프로토타입으로 그 효과를 검정하였다. 과거 사례와의 유사도는 학과 평균 41.72%로 템플릿의 유용성을 볼 수 있으며, 민감도 분석 결과에서 동일 시간 개설과목 허용 임계치를 90% 이상 설정한다면 강의시간표가 더 고른 분포를 갖게 됨을 검정하였다.

• 지능정보연구
• /
• 제21권4호
• /
• pp.17-35
• /
• 2015

시장 수요 예측은 일정 기간 동안 소비자에게 판매되는 동종 제품 또는 서비스의 수량 혹은 매출액의 규모를 추정하는 활동으로서, 기업경영활동에 있어 효율적인 의사결정을 내릴 수 있는 근거로 활용된다는 점에서 중요하게 인식되고 있다. 신규 시장의 수요를 예측하기 위해 다양한 시장성장모형이 개발되어 왔다. 이런 모형들은 일반적으로 시장의 크기 변화의 동인을 신기술 확산으로 보고 소비자인 개인에게 기술이 확산되는 과정을 통해 시장 크기가 변하는 과정을 확산모형으로 구현하게 된다. 그러나, 시장이 형성된 직후에는 수요 관측치의 부족으로 인해 혁신계수, 모방계수와 같은 예측모형의 모수를 정확하게 추정하는 것이 쉽지 않다. 이런 경우, 전문가의 판단 하에 예측하고자 하는 시장과 유사한 시장을 결정하고 이를 참고하여 모수를 추정하게 되는데, 어떤 시장을 유사하다고 판단하느냐에 따라 성장모형은 크게 달라지게 되므로, 정확한 예측을 위해서는 유사 시장을 찾는 것은 매우 중요하다. 그러나, 이런 방식은 직관과 경험이라는 정성적 판단에 크게 의존함으로써 일관성이 떨어질 수밖에 없으며, 결국, 만족할 만한 수준의 결과를 얻기 힘들다는 단점을 지닌다. 이런 정성적 방법은 유사도가 더 높은 시장을 누락시키고 유사도가 낮은 시장을 선택하는 오류를 일으킬 수 있다. 이런 이유로, 본 연구는 신규 시장의 모수를 추정하기 위해 필요한 유사시장을 누락 없이 효과적으로 찾아낼 수 있는 사례기반 전문가 시스템을 설계하고자 수행되었다. 제안된 모형은 데이터 마이닝의 군집분석 기법과 추천 시스템의 내용 기반 필터링 방법론을 기반으로 전문가 시스템으로 구현되었다. 본 연구에서 개발된 시스템의 유용성을 확인하고자 정보통신분야 시장의 모수를 추정하는 실험을 실시하였다. 전문가를 대상으로 실시된 실험에서, 시스템을 사용한 모수의 추정치가 시스템을 사용하지 않았을 때와 비교하여 실제 모수와 더 가까움을 보임으로써 시스템의 유용성을 증명하였다.

• 만화애니메이션 연구
• /
• 통권50호
• /
• pp.101-130
• /
• 2018

스마트 기기의 등장 후 웹툰을 스마트폰으로 보는 독자가 증가하게 되면서, 스마트툰, 효과툰, 컷툰, 더빙툰, 무빙툰, AR툰, VR툰, 인터랙션 툰 등 다양한 첨단기술이 결합된 기술 융합형 웹툰들이 선보이고 있다. 그러나 이에 대한 연구는 멀티미디어 기술 융합 유형과 사례 제시, 연출 효과와 그에 따른 문제점 제시 정도로, 만화와 기술과의 융합이 독자의 만화 읽기와 몰입에 어떤 영향을 끼치는지에 대한 논의는 없었다. 그래서 본 연구에서는 몰입의 관점에서 만화만의 독특한 몰입방식을 알아보고, 기술 융합형 웹툰들이 시도한 몰입 양상과 문제점을 유형별로 분석해보았다. 또한 이를 바탕으로 최근 화제가 되고 있는 인터랙션 툰 <마주쳤다>의 인터랙션 요소와 몰입 양상을 분석해 봄으로써 첨단 기술을 통해 새롭게 시도 되고 있는 인터랙션 요소들이 웹툰의 몰입에 미치는 긍정적 효과와 한계점에 대해 논하였다. 몰입의 관점에서 기술 융합형 웹툰을 유형별로 분석해보면, 효과툰은 멀티미디어 효과가 과하게 사용될 경우 정보의 과부하를 일으켜 몰입을 방해하였다. 스마트 모바일 기기의 가로 읽기 방식에 맞춰 칸에 움직임을 부여한 스마트툰은 그 시도는 좋았으나, 독자의 능동적인 만화 읽기를 방해하여 몰입감을 떨어트렸다. VR 기기를 이용해 독자가 직접 웹툰 세계를 탐색하도록 한 VR툰 역시 웹툰의 세로 연출을 극복하려는 시도는 좋았으나, 주의 집중을 분산시킴으로써 만화의 몰입을 저해하였다. 만화 읽기 방식의 편이성만을 중시한 무빙툰은 독자의 만화 읽기의 자율성을 침해함으로써 몰입을 방해하는 요소로 작용하고 있다. 반면 하일권의 인터랙션 툰 <마주쳤다>는 얼굴인식 기술, 증강현실 기술, 360도 파노라마 기술, 햅틱기술 등 웹툰에 다양한 첨단 기술을 접목하여, 독자가 웹툰 캐릭터와의 관계에서 친밀감을 형성하고, 독자 스스로가 주인공과 동일시되어 캐릭터와 상호작용함으로써 몰입을 유도하는데 성공하고 있다. 다만, 작품 후반부에 나타나는 기술의 남용과 이를 위한 무리한 상황 연출, 지루한 스토리 전개 등이 한계점으로 남는다.

• 한국전자거래학회지
• /
• 제20권3호
• /
• pp.59-77
• /
• 2015

소셜 네트워크 서비스(SNS; social network service)의 발전과 확산으로 사람들은 타인의 정보를 시간과 장소에 구애 받지 않고 쉽게 공유할 수 있게 되었고, 타인과의 관계형성 또한 더욱 쉽고 빠른 방법으로 가능하게 되었다. 특히 페이스북 같은 SNS는 광범위한 사용성과 빠른 확산성과 함께, 타인과의 풍부한 사회비교 기회를 갖게 한다. 본 연구는 소셜 미디어에 기반한 사회비교 노출이 사용자의 부정적인 감정과 SNS의 사용중단 의도에 끼치는 영향을 실증적으로 탐구하는데 그 목적이 있다. 먼저, 본 연구는 SNS 사용자의 사회비교 활동이 크게 3가지로 나뉜다고 보았는데, 가장먼저 본인의 위치와 비슷하다고 느끼는 상대와 자신을 평가하려는 자기평가욕구에서 시작하는 유사비교활동, 본인보다 더 열등한 사람과 비교함으로써 자신의 정서가 다치지 않게 하려는 자기방어욕구에서 비롯되는 하향비교활동, 마지막으로 자신보다 더 나은 상대와 비교함으로써 자신을 발전시키고자 하는 자기향상욕구와 관련되는 상향비교활동이다. 이러한 사회비교활동들은 사람들이 매일매일 SNS에 지나치게 의존하고 상향비교, 유사비교와 관련된 정보들에 자주 노출됨으로써, 빈번하게 발생될 수 있으며, 이는 결국 부정적인 감정들과 피로감으로 이어져 SNS 중단의도로 이어질 수 있다는 것이다. 본 연구는 209명의 SNS 사용자들을 대상으로 한 설문조사를 통하여 SNS 이용자들이 타인과 상향비교와 유사비교를 할수록 부정적 감정을 느끼게 되어, 이러한 감정들이 결국 SNS에 대한 부정적 태도(Attitude)를 거쳐 SNS 이용중단(Behavior)에 이르게 된다는 것을 밝히고자하였다. PLS 분석결과, SNS 사용 중 일어나는 사회비교와 타인탐색위주의 SNS의 사용은 사용자들에게 부정적인 감정들을 느끼게 하며 이 부정적인 감정들이 SNS 이용중단 의도에 통계적으로 유의한 영향을 주는 것으로 나타났다. 본 연구는 SNS 이용중단 의도에 관한 연구를 사회 심리학적 관점으로 확대하여 실증적 연구를 진행했다는 점과 상향비교 또는 유사비교가 부정적인 영향을 끼칠 수 있다는 기존의 심리학연구결과를 SNS 환경에서 실증적으로 증명하였다는 점에서 그 학술적 의의가 크다고 할 수 있다.

• 커뮤니케이션디자인학연구
• /
• 제55권
• /
• pp.240-249
• /
• 2016

본 논문은 디지털 미디어의 마케팅적 활용에 따른 소비자가 경험하는 체험에 대한 사례 연구이다. 최근 다양한 매체들의 융합으로 새로운 콘텐츠들이 가능해지고 있다. 디지털 세상에서 새로운 콘텐츠들로 소비자들에게 접근하는 것은 선택이 아닌 필수인 상황에서 다양한 디지털 미디어를 활용하여 소비자에게 새로운 영향을 주어야 한다. 최근 소비자들은 수동적으로 전달받는 것이 아닌 직접 능동적으로 참여하는 방식을 선호하고 있기에 디지털 미디어를 활용하여 소비자의 체험을 극대화할 필요가 있다. 이에 본 연구에서는 디지털 미디어를 마케팅적으로 활용한 소비자 체험 활용에 대한 사례들을 살펴보고 체험 마케팅적인 측면에서 사례 분석을 진행한다. 번 슈미트(Bernd H. Schmitt)가 제시한 체험 마케팅의 다섯 가지 요소들과 디지털 미디어적 요소들을 어떻게 복합적으로 이용하였는지를 확인해본다. 뷰티 브랜드에서 활용하고 있는 디지털 마케팅의 사례 중 다양한 체험 요소를 갖고 있으며 대중적으로도 잘 알려진 로레알의 Make-up Genius, 입생로랑 뷰티의 Google Glass Tutorials 그리고 버버리 뷰티박스의 Digital Runway Bar를 중심으로 연구를 진행하였다. 이를 사례 표본으로 하여 번 슈미트의 전략적 체험 모듈인 감각(Sense), 감성(Feel), 인지(Think), 행동(Act), 그리고 관계(Relate)를 기준으로 유료 미디어(paid media), 자발적 확산 미디어(earned media), 기업 소유 미디어(owned media)의 3가지로 분류하였다. 사례를 통해 AR(Augmented Reality) 기술을 활용하여 사진 촬영 및 주변 공유, 제품의 구매까지 서비스들이 유기적으로 연결되어 다양한 고객 체험이 하나의 서비스를 이루도록 하거나 구글 글라스를 활용하여 기존의 일회성 이벤트에서 고객 맞춤형 콘텐츠로 서비스의 성격이 진화하는 등 디지털 미디어 기술과 디지털 미디어의 마케팅적 요소들의 복합적 활용으로 감각, 감성, 인지, 행동, 관계의 다양한 고객 체험을 이끌어 내고 있음을 확인할 수 있었다. 이처럼 각 사례들이 어떤 디지털 미디어를 활용하였고 체험 마케팅의 요소들을 어떻게 복합적으로 이용하였는지를 확인해보는 과정을 통해 현재의 디지털 마케팅을 이해하고 향후 효율적인 디지털 마케팅을 연구하기 위한 초석으로 삼을 수 있을 것이라는 점에서 본 연구의 의의가 있다.