온라인 리뷰의 텍스트마이닝을 활용한 가치사슬 활동에 대한 소비자 인식 분석: 이어폰 제품을 중심으로

Q: 이 논문에서 정의한 가치사슬이란 무엇인가?

기업의 활동을 기본활동과 지원활동으로 구분하여 각 활동이 가치 창출과 비용 효율성에 기여하는 방식을 설명하는 모델이다. 본 연구에서는 고객 관점에서 파악 가능한 제품 품질 및 디자인, 포장 및 배송 상태, 가격 및 프로모션, 환불 및 교환의 네 가지 핵심 활동을 중심으로 정의한다.

Q: 온라인 리뷰 분석을 통해 나타난 이어폰 제품 가치사슬의 소비자 인식 특징은 무엇인가?

연구 결과, JBL과 Sennheiser 모두 제품 품질 및 디자인에 대해 가장 높은 만족도를 보인 반면 환불 및 교환 서비스에 대해서는 매우 부정적으로 인식했다. 특히 소비자는 성능보다 가격과 가성비 같은 경제적 요소를 더 중요하게 고려하며 브랜드별로 선호하는 음향 특성에서 차이를 보였다.

카르쉬야카 프나르; 박윤주

doi:10.13088/jiis.2025.31.4.047

학술저널

저자정보: 카르쉬야카 프나르 (서울과학기술대학교) 박윤주 (서울과학기술대학교)

저널정보: 한국지능정보시스템학회 지능정보연구 지능정보연구 제31권 제4호

오류 신고하기

피인용 2

검색

초록·키워드

전자상거래의 확산으로 온라인 리뷰가 급증하면서, 고객 리뷰는 기업및 제품에 대한 소비자 인식을 분석할 수 있는 유용한 외부데이터 원천으로 활용되기 시작했다. 본 연구는 온라인 리뷰를 분석하여 고객이 기업 가치사슬의 어떤 활동에 대해 만족 또는 불만족 하는지를 정량적으로 파악하고, 이러한 평가의 핵심 내용을 자동으로 요약하는 프레임워크를 제시하는 것을 목적으로 한다. 분석은 1) 온라인 리뷰 중 가치사슬과 관련된 문장들을 선별하고, 2) 선별된 문장에 대한 가치사슬 활동별 감성분석을 수행한 후, 3) 각 가치사슬 활동에 대한 고객의 긍·부정 평가 내용을 요약하는 3단계로 진행하였다. 이러한 과정을 자동으로 수행하기 위해 자연어처리 사전학습(pre-trained) 모델인 Bart-large-MNLI, Siebert/Sentiment-Roberta-Large-English, Flan-T5-Base 등을 사용하였다. 본 연구에는 아마존닷컴(Amazon.com)에서 유통되는 이어폰 제품인 JBL과 Sennheiser의 리뷰 데이터가 사용되었으며, 가치사슬 요소 중 고객 관점에서 파악할 수 있는“제품의 품질 및 디자인(운영)”, “포장 및 배송 상태(출하 물류)”, “가격 및 프로모션(마케팅 및 영업)”, “환불 및 교환(사후서비스)”을 중심으로 분석하였다. 본 분석결과, 소비자는 JBL 및 Sennheiser 모두 ‘제품의 품질 및 디자인’에 대해서 가장 만족하는 것으로 나타났고, 반면 ‘환불 및 교환’에 대해서 가장 부정적으로 인식하는 것을 알 수 있었다. 세부적으로 소비자들은 JBL제품의 음향 및 배터리 수명이 좋다고 인식하고 있었으며, Sennheiser제품에 대해서는 강하게 울리는 저음과 선명한 고음에 대한 긍정적 인식이 있는 것으로 나타났다. 또한 ‘가격 및 프로모션’에 대해서는 두 제품 모두 긍정적인 리뷰 비율이 더 높았으며, JBL제품보다는 Sennheiser에 대한 긍정비율이 상대적으로 더 높게 나타났다. 이러한 연구는 고객의 평가에 근거한 가치사슬 진단을 통해, 기업의 경영활동 개선과 고객만족도 제고에 실질적인 시사점을 제공할 수 있을 것으로 기대된다.

This study proposes a framework for analyzing corporate value chains from the consumer perspective using text mining of online reviews. Michael Porter’s value chain model has long served as a core tool for assessing value creation, it has traditionally relied on expert evaluations of internal data. However, with the rise of e-commerce and digital platforms, customer reviews now provide a valuable external data source for understanding consumer perceptions of firms and products. The proposed framework consists of three stages: (1) Selecting reviews relevant to value chain activities, (2) Conducting sentiment analysis by activity, and (3) Summarizing the selected reviews for each activity. For implementation, BART-Large-MNLI was used for classification, Siebert/Sentiment-RoBERTa-Large-English for sentiment analysis, and Google’s Flan-T5-Base for summarization. The research focused on analyzing four value chain factors which are product quality and design (operations), packaging and shipping(outbound logistics), price and promotions(marketing and sales), and refunds and exchanges(service). This study utilized 1,411 reviews of JBL earphone products and 1,658 reviews of Sennheiser earphone products from Amazon.com, which were made available on the Kaggle data-sharing platform. The results indicate that consumers of both brands were most satisfied with ‘product quality and design’, while expressing the most negative perceptions about ‘refunds and exchanges’. JBL was positively noted for sound quality and battery life, whereas Sennheiser received favorable recognition for strong bass and clear treble. Sennheiser also showed relatively higher positive sentiment in ‘price and promotions’ compared to JBL.
Overall, the study provides practical implications for improving business activities and customer satisfaction by diagnosing value chain performance through consumer evaluations.

#가치사슬 #텍스트 분류 #속성기반 감성분석 #텍스트 요약 #사전학습모델 #Value Chain Model #Text Classification #Aspect-Based Sentiment Analysis #Text Summarization #Pre-trained Model

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-151-26-02-095585876

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료