현재 우리는 많은 사물들이 네트워크를 통해 사물, 사람과 어디든지 연결되는 초연결(Hyper-Connectivity)시대를 접하고 있다. 사물인터넷(IoT: Internet of Things)은 지능화된 사물들이 연결되는 네트워크를 통해 사람과 사물, 만물인터넷(IoE: Internet of Everything)으로 발전되고 있다. 정보 통신 기술의 급속한 발전으로 모든 통신 기능을 추가되어 사물인터넷 시장이 지속적으로 성장하고 세계적으로 많은 관심이 증가되고 있다. IoT 디바이스에 클라우드, 빅데이터 기술 등이 접목되어 빅데이터 저장 및 컴퓨팅 처리로 디지털화가 가능하여 예측분석, 시뮬레이션 모델링 등 새로운 비즈니스 모델 운용과 수익창출이 가능해졌다. 사물인터넷 분야의 기존 연구에는 전문가의 기술평가 결과를 이용하여 주관적 판단에 의존하는 정성적 방법이 많았다. 사물인터넷 기술의 복잡성 및 가용데이터가 증가하고 디바이스 기술 분야의 세분화로 전문가의 판단에 대한 신뢰성이 떨어지고 있다. 이에 정성적 분석의 문제점을 보완하고자 본 연구의 목적은 사물인터넷 디바이스 기술의 복잡성을 마이닝 기법으로 해결하고 핵심기술을 선정하는 것이다. 핵심기술이란 경쟁적 우위를 결정하고, 기술적‧경제적 가치가 높고, 여러 요소의 기술들이 다양하게 포함되어 있는 기술을 의미한다. 핵심기술의 요소를 설명하는 토픽 분석, 소셜 네트워크 분석, 피인용 지수 측정 방법을 수평적으로 측정하고 TOPSIS 방법을 이용하여 랭크화 시켜 핵심기술을 선정한다.
현대 기업들은 고객을 기업의 가장 중요한 자원으로 인식한다. 그리고 중요한 자원인 고객과의 관계를 효율적으로 유지하고 관리하기 위해서는 고객들의 라이프사이클에 따라 고객에 대한 가치를 정확하게 파악하는 것 또한 중요하다. 이를 통해 고객과의 관계를 장기화할 수 있고 고객의 가치를 증대시킬 수 있기 때문이다. 기업들은 고객 획득 및 유지를 위해 많은 노력과 비용을 지출한다. 기업이 이러한 전략을 사용할 때에 전략의 타당성은 고객의 미래 가치를 잘 예측하는데 달려있다. 그리고 기업의 고객 중심 마케팅 활동과 거래데이터의 축적은 이러한 문제에 접근할 수 있도록 하였다.
일반적으로 고객에 대한 기대 수익에서 고객 관리에 필요한 관련 비용을 제한 수익 또는 손실을 고객 가치로 정의한다. 기업이 가지게 되는 미래의 가치를 안다는 것은 기업의 경영전략을 결정하는데 있어서 매우 큰 의미를 가진다. 기업측면에서 고객생애가치(이하 CLV)를 계산할 수 있다는 것은 고객 유치를 위한 비용과 고객으로부터 얻을 수 있는 수익을 정량적으로 계산할 수 있다는 것이고 이는 기업의 마케팅 활동을 더욱 효율적으로 만들어 준다.
특히 게임 산업에 있어서 고객관리는 매우 중요한 위치를 차지한다, 이는 고객과의 1회성 거래 보다는 장기적 관계가 게임의 수익성에 결정적 영향을 미치기 때문이다. 게임산업에서는 소수의 고객이 대부분의 매출을 발생시키며, 게임 기업들은 고객이 어떤 게임을 하는지, 고객이 얼마나 많은 지출을 하는지, 그리고 얼마나 오랜 시간 게임을 하는지를 고객 수준에서 일상적으로 파악할 수 있다.
하지만 게임 서비스에서 고객관리의 중요성에 대한 인식에도 불구하고 게임고객들의 CLV를 정량적으로 측정한 연구들은 아직까지 많이 부족한 실정이며 따라서 게임 고객들의 CLV에 대한 연구는 기업에게 고객 유치와 관리의 효율성 제고에 대한 단서를 제공할 수 있다. 업계 동향과 많은 연구에서 언급된 것처럼 고객과의 관계를 유지하고 관리해 나가는 것은 게임 기업의 CLV또는 CE를 증가시킬 수 있는 핵심적이고 중요한 기업 활동이 된다. 본 연구에서는 페이스북 소셜 게임의 거래데이터와 고객 데이터 일부를 활용, 기존에 연구된 확률 모델을 적용하였을 때 실제 게임 유저의 CLV 예측 방법으로써 의미 있는 예측 성능을 보이는지를 실증하고 더 나아가 소셜 게임 유저의 어떤 행동 특성들이 CLV에 영향을 미치는지를 확인하여, 정량적 지표를 기반으로 한 소셜 게임의 CLV증가 요인에 대해 연구하였다.
본 연구에서는 게임서비스 고객의 CLV 예측을 위해 확률 모델을 사용하였고, 모델은 유저의 CLV를 개인별 수준에서, 그리고 시간에 따른 통합된 수준에서 실제의 값과 근사하게 잘 예측하는 것으로 나타났다. 또한 유저들의 상호작용 행위를 나타내는 명성, 친구수락설정, 친구 초대 데이터를 모델에 포함시켰을 때 모델의 예측력이 상승하였으며 해당 데이터들이 CLV에 유의미한 영향을 미치는 것을 확인할 수 있었다.
본 연구의 연구결과는 기업이 고객 자산을 정확하게 이해하고 관리하는데 도움이 될 수 있고, 기업이 게임 유저에 대한 개인 수준의 마케팅을 진행하는데도 도움이 될 수 있다. 또한 CLV에 영향을 미치는 고객 특성에 대한 연구를 통해 고객 군을 더욱 세분화 할 수 있으며 고객과의 관계 유지에 영향을 미치는 제품이나 서비스의 특성을 찾아내서 제품과 서비스를 개선시키는데 참고로 사용할 수 있다.
류혜주 (M.S. 2020)
신용카드 산업에서의 휴면 고객에 대한 연구 : 관계 혜택을 중심으로
Customer with Dormant Account In Credit Card Industry : Focusing on Benefits of Customer Relationship
김용명(M.S. 2020)
동일 산업군 내 기업 온라인 금융 뉴스를 활용한 주가 변동성 예측에 관한 연구
A study on the Prediction of Stock Price Movements Using Online Financial News in the Same Industry
여얼(M.S. 2019)
온라인 리뷰 유용성의 설명 및 예측에 관한 연구 : 교류 분석 중심의 의미론적 유용성 요인 분석
A Study on Explaining and Predicting Online Review Helpfulness : Analysis of Helpfulness Predictors Based on Transactional Analysis Theory
나가은(M.S. 2019)
유료 모바일 게임 애플리케이션의 흥행 요인에 관한 연구
A Study on Factors Affecting the Paid Mobile Game Application's Performance
이동규(M.S. 2019)
카드산업에서 휴면 고객 예측
Prediction of Dormant Customer in the Card Industry
박미선 ( M.S , 2018)
온라인 구전을 통한 영화 VOD의 흥행 요인 연구: Text Miining/Opnion Analysis
김상훈 ( M.S , 2017)
현재 우리는 많은 사물들이 네트워크를 통해 사물, 사람과 어디든지 연결되는 초연결(Hyper-Connectivity)시대를 접하고 있다. 사물인터넷(IoT: Internet of Things)은 지능화된 사물들이 연결되는 네트워크를 통해 사람과 사물, 만물인터넷(IoE: Internet of Everything)으로 발전되고 있다. 정보 통신 기술의 급속한 발전으로 모든 통신 기능을 추가되어 사물인터넷 시장이 지속적으로 성장하고 세계적으로 많은 관심이 증가되고 있다. IoT 디바이스에 클라우드, 빅데이터 기술 등이 접목되어 빅데이터 저장 및 컴퓨팅 처리로 디지털화가 가능하여 예측분석, 시뮬레이션 모델링 등 새로운 비즈니스 모델 운용과 수익창출이 가능해졌다. 사물인터넷 분야의 기존 연구에는 전문가의 기술평가 결과를 이용하여 주관적 판단에 의존하는 정성적 방법이 많았다. 사물인터넷 기술의 복잡성 및 가용데이터가 증가하고 디바이스 기술 분야의 세분화로 전문가의 판단에 대한 신뢰성이 떨어지고 있다. 이에 정성적 분석의 문제점을 보완하고자 본 연구의 목적은 사물인터넷 디바이스 기술의 복잡성을 마이닝 기법으로 해결하고 핵심기술을 선정하는 것이다. 핵심기술이란 경쟁적 우위를 결정하고, 기술적‧경제적 가치가 높고, 여러 요소의 기술들이 다양하게 포함되어 있는 기술을 의미한다. 핵심기술의 요소를 설명하는 토픽 분석, 소셜 네트워크 분석, 피인용 지수 측정 방법을 수평적으로 측정하고 TOPSIS 방법을 이용하여 랭크화 시켜 핵심기술을 선정한다.
김찬송 ( M.S , 2017)
-부도 예측 연구는 금융 및 회계 분야 뿐만 아니라 많은 기업에서 관심을 가지는 이슈
-텍스트 마이닝의 발달로 여러 연구자들이 텍스트 분석을 통해 비즈니스 모델 예측을 향상 시키기 위해 노력
-부도 예측에서도 텍스트 마이닝의 기법 중 감성분석을 사용한 예측 연구들이 최근 지속적으로 진행되고 있음
-뉴스의 감성분석을 통해 부도를 예측할 수 있음은 선행연구에서 진행 되었지만, 실시간 대량으로 생성되는 뉴스들 중 어떠한 뉴스들을 선별하는 것이 부도예측에 효과적인지 알고자 함
권혁건 ( M.S , 2017)
현대 기업들은 고객을 기업의 가장 중요한 자원으로 인식한다. 그리고 중요한 자원인 고객과의 관계를 효율적으로 유지하고 관리하기 위해서는 고객들의 라이프사이클에 따라 고객에 대한 가치를 정확하게 파악하는 것 또한 중요하다. 이를 통해 고객과의 관계를 장기화할 수 있고 고객의 가치를 증대시킬 수 있기 때문이다. 기업들은 고객 획득 및 유지를 위해 많은 노력과 비용을 지출한다. 기업이 이러한 전략을 사용할 때에 전략의 타당성은 고객의 미래 가치를 잘 예측하는데 달려있다. 그리고 기업의 고객 중심 마케팅 활동과 거래데이터의 축적은 이러한 문제에 접근할 수 있도록 하였다.
일반적으로 고객에 대한 기대 수익에서 고객 관리에 필요한 관련 비용을 제한 수익 또는 손실을 고객 가치로 정의한다. 기업이 가지게 되는 미래의 가치를 안다는 것은 기업의 경영전략을 결정하는데 있어서 매우 큰 의미를 가진다. 기업측면에서 고객생애가치(이하 CLV)를 계산할 수 있다는 것은 고객 유치를 위한 비용과 고객으로부터 얻을 수 있는 수익을 정량적으로 계산할 수 있다는 것이고 이는 기업의 마케팅 활동을 더욱 효율적으로 만들어 준다.
특히 게임 산업에 있어서 고객관리는 매우 중요한 위치를 차지한다, 이는 고객과의 1회성 거래 보다는 장기적 관계가 게임의 수익성에 결정적 영향을 미치기 때문이다. 게임산업에서는 소수의 고객이 대부분의 매출을 발생시키며, 게임 기업들은 고객이 어떤 게임을 하는지, 고객이 얼마나 많은 지출을 하는지, 그리고 얼마나 오랜 시간 게임을 하는지를 고객 수준에서 일상적으로 파악할 수 있다.
하지만 게임 서비스에서 고객관리의 중요성에 대한 인식에도 불구하고 게임고객들의 CLV를 정량적으로 측정한 연구들은 아직까지 많이 부족한 실정이며 따라서 게임 고객들의 CLV에 대한 연구는 기업에게 고객 유치와 관리의 효율성 제고에 대한 단서를 제공할 수 있다. 업계 동향과 많은 연구에서 언급된 것처럼 고객과의 관계를 유지하고 관리해 나가는 것은 게임 기업의 CLV또는 CE를 증가시킬 수 있는 핵심적이고 중요한 기업 활동이 된다. 본 연구에서는 페이스북 소셜 게임의 거래데이터와 고객 데이터 일부를 활용, 기존에 연구된 확률 모델을 적용하였을 때 실제 게임 유저의 CLV 예측 방법으로써 의미 있는 예측 성능을 보이는지를 실증하고 더 나아가 소셜 게임 유저의 어떤 행동 특성들이 CLV에 영향을 미치는지를 확인하여, 정량적 지표를 기반으로 한 소셜 게임의 CLV증가 요인에 대해 연구하였다.
본 연구에서는 게임서비스 고객의 CLV 예측을 위해 확률 모델을 사용하였고, 모델은 유저의 CLV를 개인별 수준에서, 그리고 시간에 따른 통합된 수준에서 실제의 값과 근사하게 잘 예측하는 것으로 나타났다. 또한 유저들의 상호작용 행위를 나타내는 명성, 친구수락설정, 친구 초대 데이터를 모델에 포함시켰을 때 모델의 예측력이 상승하였으며 해당 데이터들이 CLV에 유의미한 영향을 미치는 것을 확인할 수 있었다.
본 연구의 연구결과는 기업이 고객 자산을 정확하게 이해하고 관리하는데 도움이 될 수 있고, 기업이 게임 유저에 대한 개인 수준의 마케팅을 진행하는데도 도움이 될 수 있다. 또한 CLV에 영향을 미치는 고객 특성에 대한 연구를 통해 고객 군을 더욱 세분화 할 수 있으며 고객과의 관계 유지에 영향을 미치는 제품이나 서비스의 특성을 찾아내서 제품과 서비스를 개선시키는데 참고로 사용할 수 있다.
이솔희(M.S , 2016)
.핀테크 산업 활성화를 위한 금융기업과 핀테크 기업의 지속적 협력에 영향을 미치는 요인에 대한 연구