• 마케팅과학연구
• /
• 제17권2호
• /
• pp.111-131
• /
• 2007

브랜드의 중요성이 증대됨에 따라 다양한 브랜드 관련 연구가 이루어지고 있는데, 최근 들어서는 소비자-브랜드 관계가 브랜드 연구의 중심이 되어가고 있다. 본 논문은 이러한 소비자-브랜드 관계에 있어서 높은 품질과 지속적인 연대를 가능하게 하는 브랜드 관계 품질의 측정을 다루고 있다. 소비자-브랜드 관계에 대한 대부분의 기존 연구들은 Fournier(1994, 1998)가 제시한 6개 구성요소 또는 하위 차원을 바탕으로 하고 있다. 그러나 많은 연구들에서 소비자-브랜드 관계를 구성하는 6가지의 요소 또는 하위차원들이 소비자-브랜드 관계 품질이라는 하나의 단일차원을 이루고 있는지 확인하지 못한 채 소비자-브랜드 관계를 측정하기 위해 이들 하위차원들을 결합하여 점수를 계산하고서 연구를 진행하고 있다. 이러한 문제와 관련하여 본 연구에서는 소비자-브랜드 관계 품질을 구성하고 있는 상호의존, 몰입, 사랑/정열, 자아연관, 친밀감, 브랜드 파트너 품질 등의 6개의 차원들이 단일차원의 개념인가를 검토하였고, 이를 실증적으로 검토하였다. 구체적으로 본 연구에서는 구성개념들의 하위차원들이 단일차원의 구성개념인가를 검토한 선행연구들(Naver & Slater, 1990; Cronin & Taylor, 1992; Chang & Chen, 1998)에서 사용한 방법론을 활용하여 소비자-브랜드 관계를 구성하는 하위차원들이 단일차원을 이루고 있는가를 살펴보았다. 이러한 실증연구를 통해 소비자-브랜드 관계를 구성하고 있는 6개 차원들의 신뢰성, 수렴타당성, 판별타당성을 확인할 수 있었고, 소비자-브랜드관계를 구성하는 6개의 하위차원들이 단일차원을 이루고 있다는 것을 확인할 수 있었다. 본 연구의 연구결과는 소비자-브랜드 관계를 구성하는 6개의 하위차원을 결합하여 소비자-브랜드 관계를 연구하였던 기존 연구들, 소비자-브랜드관계를 구성하는 하위차원을 통합하여 소비자-브랜드 관계를 종합적으로 살펴보려는 여러 연구들에 있어서 방법론상의 실증적 근거를 제시하고 있다.

• 지능정보연구
• /
• 제25권4호
• /
• pp.141-154
• /
• 2019

인터넷 기술과 소셜 미디어의 빠른 성장으로 인하여, 구조화되지 않은 문서 표현도 다양한 응용 프로그램에 사용할 수 있게 마이닝 기술이 발전되었다. 그 중 감성분석은 제품이나 서비스에 내재된 사용자의 감성을 탐지할 수 있는 분석방법이기 때문에 지난 몇 년 동안 많은 관심을 받아왔다. 감성분석에서는 주로 텍스트 데이터를 이용하여 사람들의 감성을 사전 정의된 긍정 및 부정의 범주를 할당하여 분석하며, 이때 사전 정의된 레이블을 이용하기 때문에 다양한 방향으로 연구가 진행되고 있다. 초기의 감성분석 연구에서는 쇼핑몰 상품의 리뷰 중심으로 진행되었지만, 최근에는 블로그, 뉴스기사, 날씨 예보, 영화 리뷰, SNS, 주식시장의 동향 등 다양한 분야에 적용되고 있다. 많은 선행연구들이 진행되어 왔으나 대부분 전통적인 단일 기계학습기법에 의존한 감성분류를 시도하였기에 분류 정확도 면에서 한계점이 있었다. 본 연구에서는 전통적인 기계학습기법 대신 대용량 데이터의 처리에 우수한 성능을 보이는 딥러닝 기법과 딥러닝 중 CNN과 LSTM의 조합모델을 이용하여 감성분석의 분류 정확도를 개선하고자 한다. 본 연구에서는 대표적인 영화 리뷰 데이터셋인 IMDB의 리뷰 데이터 셋을 이용하여, 감성분석의 극성분석을 긍정 및 부정으로 범주를 분류하고, 딥러닝과 제안하는 조합모델을 활용하여 극성분석의 예측 정확도를 개선하는 것을 목적으로 한다. 이 과정에서 여러 매개 변수가 존재하기 때문에 그 수치와 정밀도의 관계에 대해 고찰하여 최적의 조합을 찾아 정확도 등 감성분석의 성능 개선을 시도한다. 연구 결과, 딥러닝 기반의 분류 모형이 좋은 분류성과를 보였으며, 특히 본 연구에서 제안하는 CNN-LSTM 조합모델의 성과가 가장 우수한 것으로 나타났다.