52
세그멘트 별 분산의 비교를 통해서 세그멘트 사이의 차이를 파악할 수 있을 것으로 기대한다. 이를 통해 사용자 모델을 세그멘트 경향 차이에 따라 좀 더 쉽게 생성할 수 있을 것으로 생각된다.
이러한 행동 변수 도출 결과와 세그멘테이션 결과를 확보하는 것을 통해 신규 사용자를 행동 변수에 따라 빠르게 파악하고 세그멘테이션 과정에 추가하여 신규 사용자의 세그멘트를 규정하고 유사한 사용 문맥을 가지는 사용자와 매칭시키는 방법으로도 활용할 수 있을 것으로 기대한다.
세그멘테이션 과정에서 유사도에 적절한 필터링을 통해 적절한 기준 유사도를 찾고 CONCOR 분석 등의 다른 세그멘테이션 방법과 함께 사용하여 세그멘트에 대한 이해를 높이는 방법도 가능할 것으로 생각된다. 따라서 이에 대한 향후 연구 목표는 다음의 향후 연구 방안에서 다루었다.
본 연구에서 제안한 방법론을 통해 정성적 사용자 데이터로부터 정량적인 기준을 가진 사용자의 세그멘트를 확인 할 수 있을 것으로 기대한다. 이렇게 얻은 세그멘트의 경향성을 각 행동 변수의 수치를 통해 쉽게 정의하고 이를 토대로 해당 사용자 세그멘트를 대표하는 Persona와 같은 사용자 모델 개발 등 체계적인 사용자 모델링으로서 방법론 활용 방향을 확장할 수 있을 것으로 보인다.
53 볼 수 있다.
연구에서 UDR 기록을 수집하는 과정에서 현금 사용에 대한 사용자의 반감에 대한 항목이 인사이트 도출 과정에서 도출 되었지만 실험 참여자로부터 해당 행동 변수를 명확히 규정할 수 없는 케이스가 몇 건 있었으며 해당 실험 참여자 관련 행동 변수에 대한 경향성은 중립적으로 규정되었다. 이 경우 앞서 언급한 오차가 생겼을 수 있는 문제점이 있었으나 UDR 기록 수집이 종료되어 해당 행동 변수를 명확히 재규정하지는 못하였다. 따라서 추후 연구에서는 행동 변수를 명확히 규정 할 수 있도록 UDR 수집 과정에서 보완하여야 할 것으로 보인다.
유클리디안 유사도 분석 과정에서 필터링을 위해 유사도 계산 결과에 구간별 차이를 주는 함수를 적용하거나 기준 유사도를 실험 참여자 별로 다르게 설정하는 방법에 대한 추가적인 연구를 통해 유사도에 대한 필터링 방식에 대한 개선을 얻을 수 있고 사용자 세그멘트를 더 다양하게 얻을 수 있을 것으로 생각된다.
또한 유클리디안 거리 계산 시 특정 행동 변수에 가중치를 부여하여 해당 행동 변수의 크기를 좌표 상의 거리 비율은 유지한 상태로 공간상 거리를 증가시키면 해당 행동 변수가 사용자 별 유사도에 미치는 영향을 조절할 수 있을 것으로 보인다. 이를 통해 공급자가 강조하여 보고 싶은 행동 변수의 특징을 살피는 데에도 도움을 줄 수 있을 것으로 기대한다.
참고 문헌
[1] 오윤석. 2019. “전자상거래 이용 현황과 구매 형태”. 정보통신정책연구원.
[2] 통계청. 2019.04.03. 온라인쇼핑 동향.
54
[3] 국내 인터넷이용실태조사 요약보고서, 2000, 한국전자통신연구원, 무선산업연구팀.
[4] Maity, M. and Dass, M. 2014. “Consumer Decision-Making Across Modern and Traditional Channels: E-Commerce, M-Commerce, in-store,” Decision Support Systems, Vol. 61
[5] 김진민. 2017. SWOT-AHP 분석을 통한 모바일 상거래에 대한 고객 기반 전략 방향. 인터넷전자상거래연구.
[6] 유현숙. 작성일 2018.08.16, 조회일 2019.10.13. “토스, 카카오페이, 간편송금 시장 ‘싹쓸이’…”. 애플경제.
[7] 정윤필. 2013. 고객세분화를 통한 인터넷 쇼핑몰의 고객관계관리.
한국정보기술학회논문지.
[8] 윤종수. 2016. 모바일 상거래 이용자의 개인적 성향과 수용의도간의 관련성 연구. 인터넷전자상거래연구
55
[9] 구상. 2018.09.6. “일본에서 비롯된 감성공학 자동차를 변화시킬까?”.
Dailycar.
[10] 박남춘. 2018. A Study on Context-oriented Persona Modeling Method in UX Design. 서울과학기술대학교.
[11] 이은영. 2019. 워드 클라우드 기법을 이용한 최근 소비자학 연구 트렌드 분석. Journal of Product Research. Vol.37. No.1 (February, 2019), 1~7
[12] 강은혜, 박남춘. 2014. 맥락적 사용자 조사 기반의 스마트홈 서비스 시나리오 발굴. 디지털디자인학연구.
[13] 곽원섭. 1988. 중다차원척도법(Multidimensional Scaling)에 의한 소비자 선택 이유의 독특성에 관한 연구. 한국심리학회지: 산업 및 조직, 1(1), 79-90.
[14] Plutchik. 1984. Emotions: A general psychoevolutionary theory. 204-205
[15] Jesse James Garrett, 정승녕 옮김, “사용자 경험의 요소(The Elements of User Experience”, 인사이트, 2013, 41-47
56
[16] 김동후. 작성일 2014/12/11. 조회일 2019/10/05. Contextual Inquiry 개념과 실무노하우. https://story.pxd.co.kr/966.
[17] Hugh Beyer & Karen Holtzblatt, (1998), Contextual Design: Defining Customer-Centered Systems. Morgan Kaufmann
[18] Gaver, W.W., Dunne, A., & Pacenti, E. 1999. Cultural Probes. ACM interactions.
[19] John M. Carroll. 1995. Scenario-based design: envisioning work and technology in system development. New York: John Wiley&Sons.
[20] Hackos, J.T., & J,C.Redish. 1998. User and Task Analysis Techniques:
User and Task Analysis for Interface Design. New York: John Wiley&Sons
[21] Saaty. 1977. T. L., “A scaling method for priorities in hierarchical structures,”. Journal of mathematical psychology
[22] Kajanus, M., Kangas, J. and Kurttila, M. 2004. “The Use of Value Focused Thinking and the A’WOT Hybrid Method in Tourism Management,”
57 Tourism Management.
[23] 배현웅, 권기호, 문미남, 문호석. 2010. 다차원 척도법을 이용한 특수 목적대학에 대한 이미지 분석
[24] 윤종찬. (2010). 유사도와 유클리디안 계산 패턴을 이용한 CBR 패턴연구.
한국정보통신학회논문지.
58
Abstract
Persona Modeling which Considering User Context in User Diary Record Based on m-Commerce Environment
Jaeyoon Kang Department of Industrial Engineering The Graduate School Seoul National University
User-centered research has attracted attention as a research direction for product/ service differentiation method after the overall upward leveling of physical design of product/service, and has gradually become a major research method in product/ service development. In the commerce environment, the mobile environment has changed more rapidly than ever, and the demand for personalized service has required greater understanding of users than in the past.
User analysis through big data is attracting attention as a new means, but the size of data required is relatively large, and it takes time and money to acquire and process such data.
In this study, I defined behavioral variables that classify users’ characteristic based on insights obtained from user-recorded User Diary Record (UDR), and then assign the location of coordinate space to users. After that, by using the concept of Euclidean distance analyze user segment. And visualize each segment through using concept of Reference Similarity (RS) and UCINET. The average number of user segments is proposed as a user model for each segment.
The results of this study are expected to be used for user segment extraction to generate user model and provide customized services.
Key words: user experience, persona, user segment, commerce Student Number: 2018-24830
감사의 글
키워주신 부모님과 사랑하는 가족들,