KR20140053444A - 시장규모예측장치, 시장규모예측방법 및 시장규모를 예측하는 프로그램을 저장하는 저장매체 - Google Patents
시장규모예측장치, 시장규모예측방법 및 시장규모를 예측하는 프로그램을 저장하는 저장매체 Download PDFInfo
- Publication number
- KR20140053444A KR20140053444A KR1020120119209A KR20120119209A KR20140053444A KR 20140053444 A KR20140053444 A KR 20140053444A KR 1020120119209 A KR1020120119209 A KR 1020120119209A KR 20120119209 A KR20120119209 A KR 20120119209A KR 20140053444 A KR20140053444 A KR 20140053444A
- Authority
- KR
- South Korea
- Prior art keywords
- keyword
- information
- traffic information
- search traffic
- model
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Analysis (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은, 시장규모예측장치, 시장규모예측방법 및 시장규모를 예측하는 프로그램을 저장하는 저장매체에 관한 것이다. 본 발명의 일 실시예는, 사용자로부터 기술 또는 제품 키워드를 수신하는 정보수신부; 검색트래픽정보를 포함하는 서지정보를 수신하고, 상기 정보수신부가 수신한 키워드에 대한 검색트래픽정보에 하이프 사이클(hype cycle)을 검출하는 하이프사이클검출부; 상기 하이프 사이클이 검출된 경우, 상기 검출된 하이프 사이클의 특정 시기에 최대시장규모를 산출하고, 상기 산출한 최대시장규모를 이용하여 예측모형을 생성하여 상기 생성한 예측모형으로 제 1 미래시장규모를 산출하고, 상기 하이프 사이클이 검출되지 않은 경우, 상기 키워드와 연관된 검색어인 소비자 선택속성 키워드의 검색트래픽정보와 시기별 판매율에 대한 회귀분석모형을 이용하여 제 2 미래시장규모를 산출하는 예측모형수행부; 및 상기 예측모형수행부가 산출한 상기 1 미래시장규모 또는 상기 제 2 미래시장규모를 사용자에게 제공하는 시장규모예측장치를 제공한다.
Description
본 발명은, 시장규모예측장치, 시장규모예측방법 및 시장규모를 예측하는 프로그램을 저장하는 저장매체에 관한 것이다.
기업간 시장경쟁, 신제품 출시의 가속화, 기술개발 경쟁으로 기술의 수명이 단축되고 연구개발의 기술적 성과와 무관하게 기술의 상업적 성공가능성이 낮아지면서 연구개발 투자의 회수 가능성이 낮아지고 있다.
신제품은 소비자의 요구와 속성을 반영한 새로운 콘셉트와 아이디어가 요구되고 있고, 따라서 소비자 조사(consumer research)에 대한 수요도 지속적으로 높아져 왔다. 소비자를 대상으로 한 시장조사는 소비자 태도 조사, 구매의향 조사, 컨조인트 분석 등과 같은 방법이 대표적이다.
이런 조사는 서베이(survey) 방법을 근간으로 하고 있는데, 이러한 방법은 금전적으로도 많은 비용이 소요됨은 물론이고 시간적으로 많은 비용이 투입되며, 샘플 조사라는 태생적인 한계와 인지부조화(cognitive dissonance)와 같은 심리적 문제점이 있다.
미래 시장규모과 관련된 수요예측은 기업 차원에서 연구개발이나 마케팅 전략 수립과 같은 투자의 기반에 제공하며, 국가 차원에서도 국가 R&D 전략 수립을 위한 부상 기술을 제공하는 등 그 중요성을 점차 높아지고 있다. 수요예측은 과학적이고 논리적이고 설명력이 있고 정확도 높은 예측 모델의 구축해야 한다. 하지만, 이런 수요예측의 정확성과 설명력을 높이기 위해서 위와 같은 마케팅조사와 전문가 자문 등과 같이 시간과 금전적 비용이 많이 수반되는 문제점이 있다.
본 발명의 목적은, 위와 같이 문제점이 있는 서베이 방법에만 의존하지 않고, 과학적이고, 논리적으로 시장규모를 예측할 수 있는, 시장규모예측장치, 시장규모예측방법 및 시장규모를 예측하는 프로그램을 저장하는 저장매체를 제공하는 것이다.
본 발명의 다른 목적은, 시간과 금전적인 비용이 많이 들지 않아도 미래 수요 예상에 따른 시장규모를 예측할 수 있는, 시장규모예측장치, 시장규모예측방법 및 시장규모를 예측하는 프로그램을 저장하는 저장매체를 제공하는 것이다.
본 발명의 일 실시예는, 사용자로부터 기술 또는 제품 키워드를 수신하는 정보수신부; 검색트래픽정보를 포함하는 서지정보를 수신하고, 상기 정보수신부가 수신한 키워드에 대한 검색트래픽정보에 하이프 사이클(hype cycle)을 검출하는 하이프사이클검출부; 상기 하이프 사이클이 검출된 경우, 상기 검출된 하이프 사이클의 특정 시기에 최대시장규모를 산출하고, 상기 산출한 최대시장규모를 이용하여 예측모형을 생성하여 상기 생성한 예측모형으로 제 1 미래시장규모를 산출하고, 상기 하이프 사이클이 검출되지 않은 경우, 상기 키워드와 연관된 검색어인 소비자 선택속성 키워드의 검색트래픽정보와 시기별 판매율에 대한 회귀분석모형을 이용하여 제 2 미래시장규모를 산출하는 예측모형수행부; 및 상기 예측모형수행부가 산출한 상기 1 미래시장규모 또는 상기 제 2 미래시장규모를 사용자에게 제공하는 시장규모예측장치를 제공한다.
서지정보는, 특허출원 정보 및 뉴스 정보를 포함할 수 있다. 소비자 선택속성 키워드는, 상기 키워드와 동시에 검색되는 키워드를 의미한다.
제 1 미래시장규모를 산출하는 예측모형은, 배스(Bass) 모형일 수 있다.
하이프사이클검출부는, 상기 제품의 첫 번째 모델 출시 시기, 상기 키워드의 검색트래픽급증시기, 상기 키워드와 관련된 뉴스 노출의 피크시기, 상기 제품의 모델과 관련 상품의 급증시기, 상기 키워드와 관련된 검색트래픽정보의 피크시기, 상기 제품과 관련된 특허출원의 피크시기 및 상기 검색트래픽정보의 변곡점시기 중 적어도 2개가 관측된 경우 하이프 사이클로 검출할 수 있다.
정보수신부는, 상기 제품의 판매정보 및 상기 제품의 시기별 출시 모델 수 정보 중 적어도 하나를 더 수신할 수 있다. 예측모형수행부는,
상기 소비자 선택속성 키워드의 검색트래픽정보에 영향을 주는 변수 키워드를 입력받고, 상기 변수 키워드와 상기 소비자 선택속성 키워드의 검색트래픽정보의 관계를 회귀분석모형으로 산출하고, 상기 산출한 회귀분석모형을 이용하여 변수 키워드에 따른 제 2 미래시장규모를 산출할 수 있다.
본 발명의 다른 일 실시예는, 사용자로부터 기술 또는 제품 키워드를 수신하는 단계; 검색트래픽정보를 포함하는 서지정보를 수신하고, 상기 수신한 키워드에 대한 검색트래픽정보에 하이프 사이클(hype cycle)이 있는지 검출하고, 상기 하이프 사이클이 검출된 경우, 상기 검출된 하이프 사이클의 특정 시기에 최대시장규모를 산출하고, 상기 산출한 최대시장규모를 이용하여 예측모형을 생성하여 상기 생성한 예측모형으로 제 1 미래시장규모를 산출하고, 또는 상기 하이프 사이클이 검출되지 않은 경우, 상기 키워드와 연관된 검색어인 소비자 선택속성 키워드의 검색트래픽정보와 시기별 판매율에 대한 회귀분석모형을 이용하여 제 2 미래시장규모를 산출하는 단계; 및 상기 산출한 제 1 미래시장규모 또는 상기 산출한 제 2 미래시장규모 중 어느 하나의 정보를 사용자에게 제공하는 단계;를 포함하는 시장규모예측방법을 제공한다.
본 발명의 또 다른 일 실시예는, 사용자로부터 기술 또는 제품 키워드를 수신하는 단계; 검색트래픽정보를 포함하는 서지정보를 수신하고, 상기 수신한 키워드에 대한 검색트래픽정보에 하이프 사이클(hype cycle)이 검출되지 않은 경우, 상기 키워드와 연관된 검색어인 소비자 선택속성 키워드와 상기 소비자 선택속성 키워드의 검색트래픽 정보를 수신하는 단계; 상기 수신된 소비자 선택속성 키워드의 검색트래픽정보에 영향을 주는 변수 키워드를 수신하고, 상기 변수 키워드와 상기 소비자 선택속성 키워드의 검색트래픽정보의 관계를 제 1 회귀분석모형으로 산출하는 단계; 및 상기 산출한 제 1 회귀분석모형을 이용하여 상기 검색트래픽정보와 미래시장규모를 제 2 회귀분석모형으로 산출하는 단계;를 포함하는, 시장규모예측방법을 제공한다.
본 발명의 또 다른 일 실시예는, 사용자로부터 기술 또는 제품 키워드를 수신하고, 검색트래픽정보를 포함하는 서지정보를 수신하고, 상기 정보수신부가 수신한 키워드에 대한 검색트래픽정보에 하이프 사이클(hype cycle)이 있는지 검출하고, 상기 하이프 사이클이 검출된 경우, 상기 검출된 하이프 사이클의 특정 시기에 최대시장규모를 산출하고, 상기 산출한 최대시장규모를 이용하여 예측모형을 생성하여 상기 생성한 예측모형으로 제 1 미래시장규모를 산출하고, 상기 하이프 사이클이 검출되지 않은 경우, 상기 키워드와 연관된 검색어인 소비자 선택속성 키워드의 검색트래픽정보와 시기별 판매율에 대한 회귀분석모형을 이용하여 제 2 미래시장규모를 산출하고, 상기 산출한 제 1 미래시장규모 또는 상기 산출한 제 2 미래시장규모 중 어느 하나의 정보를 사용자에게 제공하는 시장규모를 예측하는 프로그램을 저장하는 저장매체를 제공한다.
본 발명의 실시예에 따르면, 검색트래픽정보를 이용하여 과학적이고, 논리적으로 시장규모를 예측할 수 있다.
본 발명의 실시예에 따르면, 시간과 금전적인 비용이 많이 들지 않아도 검색트래픽정보를 이용하여 미래 수요 예상에 따른 시장규모를 예측할 수 있다.
도 1은, 본 발명의 실시예에 따른 시장규모예측방법의 일 실시예를 예시한 도면
도 2는 기술 하이프 사이클을 단계적으로 예시한 도면
도 3은 하이프 사이클 검출하기 위한 단계 및 주요 지표(key indicator)를 예시한 도면
도 4는 하이프 사이클의 주요 관측 지표와 각 지표별 자료원을 예시한 도면
도 5는 특정 기술에 따른 서지 분석을 이용하여 설명한 주요 지표를 이용하여 하이프 사이클의 존재 여부를 판단하는 예를 나타낸 도면
도 6은 도 5에서 예시한 각 그래프의 최소자승오차 2차 함수를 나타낸 도면
도 7은 하이프 사이클의 주요 지표들의 관측한 결과를 예시한 도면
도 8은 하이프 사이클을 이용하여 최대시장규모를 산출한 결과를 예시한 도면
도 9는 특정 제품과 그 연관 검색어의 검색트래픽에 대한 시기별 분포를 예시한 도면
도 10은 동일한 제품에서 유가 변화 시나리오에 따라 가격과 연비에 대한 검색트래픽정보의 예측 결과를 예시한 도면
도 11은 하이브리드 자동차의 예에 대해 본 발명의 일 실시예에 따라 검색트래픽에 영향을 주는 변수 키워드(유가)와 소비자 선택속성 키워드의 검색트래픽정보를 제공한 결과를 예시한 도면
도 12는 하이브리드 자동차의 예에 대해 본 발명의 일 실시예에 따라 검색트래픽정보에 영향을 주는 변수 키워드(유가)와 특정시점의 판매점유율을 제공한 결과를 예시한 도면
도 13은 본 발명의 일 실시예에 따른 시장규모예측장치를 예시한 도면
도 2는 기술 하이프 사이클을 단계적으로 예시한 도면
도 3은 하이프 사이클 검출하기 위한 단계 및 주요 지표(key indicator)를 예시한 도면
도 4는 하이프 사이클의 주요 관측 지표와 각 지표별 자료원을 예시한 도면
도 5는 특정 기술에 따른 서지 분석을 이용하여 설명한 주요 지표를 이용하여 하이프 사이클의 존재 여부를 판단하는 예를 나타낸 도면
도 6은 도 5에서 예시한 각 그래프의 최소자승오차 2차 함수를 나타낸 도면
도 7은 하이프 사이클의 주요 지표들의 관측한 결과를 예시한 도면
도 8은 하이프 사이클을 이용하여 최대시장규모를 산출한 결과를 예시한 도면
도 9는 특정 제품과 그 연관 검색어의 검색트래픽에 대한 시기별 분포를 예시한 도면
도 10은 동일한 제품에서 유가 변화 시나리오에 따라 가격과 연비에 대한 검색트래픽정보의 예측 결과를 예시한 도면
도 11은 하이브리드 자동차의 예에 대해 본 발명의 일 실시예에 따라 검색트래픽에 영향을 주는 변수 키워드(유가)와 소비자 선택속성 키워드의 검색트래픽정보를 제공한 결과를 예시한 도면
도 12는 하이브리드 자동차의 예에 대해 본 발명의 일 실시예에 따라 검색트래픽정보에 영향을 주는 변수 키워드(유가)와 특정시점의 판매점유율을 제공한 결과를 예시한 도면
도 13은 본 발명의 일 실시예에 따른 시장규모예측장치를 예시한 도면
최근 빅데이터의 시대가 도래하면서 소비자가 무의식적으로 남긴 많은 정보에 대한 다양한 분석 시도가 진행되고 있다. 예를 들어 소비자 선택속성의 분석이라는 관점에서 검색트래픽의 활용 방법을 탐색할 수 있다. 이하에서 검색트래픽은 특정 검색어와 관련된 검색 정보량을 의미하는 것이다.
설명할 본 발명의 실시예는 인터넷 상의 검색트래픽을 이용하여 소비자 선택속성 변화를 예측하고, 미래 시장규모를 예측할 수 있다.
도 1은, 본 발명의 실시예에 따른 시장규모예측방법의 일 실시예를 예시한 도면이다.
사용자로부터 사용자가 시장 규모를 예측하고자 하는 검색어(또는 키워드)를 수신받는다(S110). 검색어는 제품명, 제품모델, 제품 분류 또는 기술 분류 등을 포함할 수 있다. 그리고, 사용자가 입력한 검색어와 관련된 검색트래픽정보는 사용자로부터 입력받거나 데이터베이스로부터 얻을 수 있다.
추가적으로 검색어와 관련된 일정기간까지의 제품 판매 정보 또는 검색어와 관련된 제품의 시기별 출시 모델 수 등의 정보 등을 사용자로부터 입력받을 수 있다. 또는검색어와 관련된 데이터베이스로부터 제품 판매 정보 또는 검색어와 관련된 제품의 시기별 출시 모델 수 등의 정보를 수신할 수 있다. 여기서 제품 판매 정보는 과거 시기별 판매량 및 판매 점유율 정보 등을 포함할 수 있다.
검색어를 입력받은 경우, 데이터베이스로부터 검색어와 관련된 검색트래픽 정보를 얻을 수 있다(S120). 데이터베이스는, 검색어와 관련된 서지 정보를 저장할 수 있는데, 검색트래픽정보 뿐만 아니라 논문 추이 또는 특허출원 또는 특허등록 추이 등에 대한 정보를 저장하고 해당 정보를 요청할 경우 이를 제공할 수 있다. 데이터베이스는 위의 정보를 모두 저장할 수도 있고, 각 정보에 해당하는 데이터베이스들이 별도로 구비되고 각각의 데이터베이스들이 원격으로 연결될 수도 있다. 검색트래픽정보 등 서지정보를 원격으로 수신할 수 있는 데이터베이스의 일 예는, 도 4에서 예시된다.
사용자가 입력한 검색어 및 데이터베이스로부터 얻은 검색 트래픽 정보를 이용하여 해당 검색어와 관련된 하이프 사이클이 있는지 검출할 수 있다(S130). 데이터베이스로부터 검색어와 관련된 검색트래픽 정보를 이용하여 하이프 사이클의 검출 여부를 판단할 수 있다. 데이터베이스로부터 하이프 사이클을 검출하는 방식에 대해서는 도 3 내지 도 6에서 설명한다.
만약 검색트래픽 정보로부터 하이프 사이클이 검출된 경우(S130 yes), 하이프 사이클과 예측모형을 이용하여 특정시기의 미래시장규모를 산출하고, 시장점유율(또는 시장침투율)을 산출할 수 있다(S140). 예측 모형에 대한 설명은 추후 상술한다.
S140 단계에서 산출된 특정시기의 미래시장규모 또는 시장점유율을 사용자에게 제공한다(S150).
만약 검색트래픽 정보로부터 하이프 사이클이 검출되지 않는 경우(S130 no), 소비자 선택속성 키워드 및 해당 소비자 선택속성 키워드의 검색트래픽정보를 수신하여 분석할 수 있다(S160). 이하에서 소비자 선택속성 키워드는 제품 선택에 있어서 S110의 키워드와 연관된 키워드를 의미한다. 이에 대해서는 추후 상술한다.
추가적으로 해당 키워드의 검색트래픽 정보에 영향을 줄 수 있는 변수 키워드를 입력할 수도 있다. 즉, 변수 키워드는 해당 키워드의 검색트래픽 정보가 이 키워드에 의해서 변화할 수 있는 키워드를 의미한다. 이에 대해서는 하이브리드 자동차를 예시하여 설명한다.
하이프 사이클이 검출되지 않은 경우, 데이터베이스 또는 사용자로부터 소비자 선택속성 키워드를 수신받고, 데이터베이스로부터 그 소비자 선택속성 키워드의 검색트래픽 정보를 얻는다. 그리고, 추가적으로 소비자 선택속성 키워드의 검색트래픽 정보에 영향을 줄 수 있는 변수 키워드도 사용자 또는 데이터베이스로부터 얻을 수 있다.
소비자 선택속성 키워드 및 그 키워드의 검색트래픽 정보를 이용하여 소비자 선택속성 키워드의 검색트래픽정보와 시기별 판매율에 대한 관계를 나타내는 회귀분석모형을 이용하여 미래시장규모를 산출하여 사용자에게 제공한다(S170).
만약 소비자 선택속성 키워드의 검색트래픽정보에 영향을 주는 변수 키워드가 있다면, 그 변수 키워드와 소비자 선택속성 키워드의 검색트래픽정보의 관계를 제 1 회귀분석모형으로 산출하고, 산출한 제 1 회귀분석모형을 이용하여 검색트래픽정보와 미래시장규모 또는 판매량을 제 2 회귀분석모형으로 산출할 수 있다. 제 1 회귀분석모형과 제 2 회귀분석모형은 동일한 모형을 이용할 수도 있다.
한편, 본 발명의 다른 실시예는, 하이프 사이클(hype cycle)이 검출되지 않은 경우, 상기 키워드와 연관된 검색어인 소비자 선택속성 키워드와 상기 소비자 선택속성 키워드의 검색트래픽 정보를 수신하고, 수신된 소비자 선택속성 키워드의 검색트래픽정보에 영향을 주는 변수 키워드를 수신한다. 그리고, 수신한 변수 키워드와 소비자 선택속성 키워드의 검색트래픽정보의 관계를 회귀분석모형으로 산출하고, 산출한 회귀분석모형을 이용하여 변수 키워드에 따른 미래시장규모를 산출할 수도 있다.
이하에서 본 발명의 실시예를 용이하게 설명하기 위해 하이프 사이클에 대해 설명한다.
하이프 사이클(hype cycle) 모델은 기술의 성숙도, 수용도, 사업화 수준을 표현하기 위해 다양한 분야에서 널리 활용될 수 있다. 기존의 제품수명주기(또는 기술수명주기)가 판매, 매출, 영업이익 등 생산자 관련 지표를 설명했다는 측면에서 생산자 중심적이고 결과론적 접근이라면, 소비자 또는 시장의 감정적인 변화를 고려하고 결과보다는 과정에 중심으로 둔 접근이 하이프 사이클(hype cycle, 기대주기 또는 관심주기) 모델이다.
일반적으로 새로운 기술이 등장하였을 때, 그 기술에 대한 기대가 어떤 과정을 거쳐서 변화하고 시장에 정착되는지와 기업에서 활용되는 과정을 설명하기 위해서 기술 하이프 사이클 모델(Technology Hype Cycle Model)이 사용될 수 있다.
도 2는 기술 하이프 사이클을 단계적으로 예시한 도면이다. 하이프 사이클이 나타내는 각 단계를 설명하면 다음과 같다.
여명기(Technology Trigger, 기술 발생 단계)는 기술의 잠재성으로 발생하는 기술 상품이 나타나는 영역이며, 미디어에서 기술 상품에 관심을 보이지만, 종종 상품성이 떨어져 보이거나, 상품화되지 못할 수도 있는 영역이다.
버블기(Peak of Inflated Expectations, 부풀려진 기대의 정점)는 초기 다수의 성공 스토리들이 발표되지만, 아직 많은 기업들이 참여하지는 않는 영역으로 관심의 고조기다. 기술적 성공에 대한 비현실적이고 과열된 시장 예측을 미디어가 보도한다. 이런 버블기는 짧게는 수개월에서 기업의 의사결정과 투자가 오랜 기간 소요되는 기술은 수년까지 소요되기도 한다.
환멸기(Trough of Disillusionment,현실적인 재조정기)단계는 실험결과에 의한 관심의 감소나 상품화에 대한 실패로 기대가 급격히 감소하는 단계로 지속적인 투자가 가능하려면 초기 채택자(early adopter)를 만족시킬 수 있는 상품으로 발전을 시켜야 하는 영역이다. 급격한 하강 곡선을 그리는 현실적인 재조정기로써, 미디어는 기술에 대한 의심 외에는 흥미가 감소한다.
각광기(Slope of Enlightenment, 안정기)는 해당 기술이 구체적으로 어떻게 이익을 낼 것인지에 대해 광범위한 이해를 줄 수 있는 영역으로 초기 상품보다 개선된 2,3세대의 상품들이 나타나기도 한다. 보수적인 기업들은 여전히 어떻게 진행이 될지에 대한 상황을 주시하는 영역이다.
성장기(Plateau of Productivity, 상용화단계)는 상품성이 인정을 받으며, 해당 기술에 대한 광범위한 시장으로 전위될 수 있는 영역을 나타낸다.
이와 같은 기술 하이프 사이클 모델은 새로이 등장하는 거의 모든 정보기술 예측에 적용되고 있다. 따라서, 기술 하이프 사이클 모델을 이용하면 현재까지 출현한 새로운 기술들이 어느 단계에 있는지를 설명할 수 있다.
본 발명의 실시예는 검색트래픽정보를 근거로 특정 기술 또는 제품이 이러한 하이프 사이클 모델을 따르는지 결정하고, 하이프 사이클을 따를 경우 미래시장을 예측할 수 있다.
본 발명의 실시예는 하이프 사이클 분석이 가능한지 판단하기 위해 서지 분석을 이용할 수 있다. 서지분석은 대용량의 문헌을 역사적이고 조직적으로 분석하는데 효과적이어서, 서지 정보에 숨겨있는 기술 수명주기를 분석할 수 있다.
하이프 사이클를 검출하기 위해 데이터베이스에 저장된 서지 정보로부터 다양한 지표들(indicators)을 분석하는데, 데이터베이스에 저장된 서지분석의 대상으로 , 검색트래픽정보를 포함하여 뉴스, 특허출원의 빈도 등을 사용할 수 있다.
도 3은, 하이프 사이클 검출하기 위한 단계 및 주요 지표(key indicator)를 예시한 도면이다.
예를 들어 기대 주기의 여명기는, first-generation products, early adopters investigate라는 지표로 검출할 수 있는데, first-generation products는 제품의 첫 모델 출시 여부 등으로, early adopters investigate는 검색 트래픽이 급증하기 시작하는 시점 등으로 판단할 수 있다.
예를 들어 First generation products는 아직 대중화되기 이른 제품으로 가격이 높고 소비자의 요구사항이 반영되지 않은 초기 출시 제품이 있는 시기를 해당 지표라고 할 수 있다.
Early adopters investigate는 초기 채택자(early adopters)가 초기 제품에 대한 정보를 탐색하기 시작하고 사용 후기를 공개하는 시기를 나타내는 지표로 설명할 수 있다.
따라서 각각 적극적 정보 수집 행위인 검색트래픽으로 관측이 가능하다.
버블기에서는 Mass media hype begin, Supplier proliferation 그리고 Activity beyond early adopters 라는 지표로 검출할 수 있다. Mass media hype begin, Supplier proliferation 그리고 Activity beyond early adopters 는 각각 뉴스 노출 정점 시기, 출시 모델 급증기(변곡점), 검색 트래픽 정점 시기를 관측하는데 서지분석학을 통한 계량분석으로 검출할 수 있다.
이들 지표들은, Mass media hype begin은 신문이나 잡지의 주요 지면에 관련 기사가 게재되는 등 미디어의 관심이 최정점(crest)에 이르는 시기를 이 지표로 사용할 수 있다. 따라서, Mass media hype begin은 뉴스 기사의 노출이 최정점이 이른 시기로 관측이 가능하다.
Supplier proliferation는 언론 등의 관심이 늘어나면서 제품의 공급자들도 늘어나고 그들의 제품도 최신 마케팅 용어(bussword)를 활용해 광고를 늘리는 시기를 해당 지표로 할 수 있다. 예를 들어 하이브리드’ 자동차와 같은 키워드가 본격적으로 광고에 활용되는 시기가 이 지표가 될 수 있다. 객관적으로 추세 변화 측정이 가능한 변곡점 분석을 통해 Supplier proliferation 시기를 관측할 수 있다.
Activity beyond early adopters를 초기 채택자 의견이 이미 생산자에 반영되는 시기를 넘어 생산자 스스로 다양한 선택사양(option)을 제공하는 시기가 해당 지표가 될 수 있다. 즉 초기 채용자(수용모델의 혁신자)의 제품 혁신 역할이 끝나가는 시기를 나타낸다. 혁신자의 특징인 적극적인 정보 탐색이 감소하는 시기가 이런 시기를 측정할 수 있는 대리변수로 사용될 수 있다.
환멸기는 Supplier failures와 Less than 5 percent of potential audience has adopted fully라는 지표로 관측할 수 있다. Supplier failures와 Less than 5 percent of potential audience has adopted fully 지표는 특허출원 정점 시기와 검색트래픽의 변곡점이 되는 시기로 계량적으로 관측할 수 있다.
Supplier failures는 환멸기에 들어서서 소비자 수용이 지연되고 생산자의 경쟁이 심해지면서 생산자의 투자가 감소하고 일부 퇴출이 일어나는 시기로 설명할 수 있다. 따라서 기업이 사업에서 철수하거나 투자가 감소하면 R&D에 영향을 받게 되기 때문에 R&D의 결과인 특허 출원이 감소할 수 있다는 점에서 특허 출원 정점 시기는 시기를 관측하는데 적합한 지표가 될 수 있다.
Less than 5 percent of potential audience has adopted fully는 아직 침투율이 잠재 고객의 5%에 미치는 못하는 시기로 이 시기가 지나면 다시 각광기(또는 안정기)에 접어들어 기대가 재상승하는 시기이기 때문에 소비자의 검색트래픽의 추세가 변화하기 시작하는 시기(변곡점)가 될 수 있다.
위와 같은 지표는 예시적인 것으로서, 예를 들어 여명기는 서지분석을 통해R&D 가 시작되는 시기, 벤처회사 펀딩이 시작되는 시기 등으로 검출할 수도 있다.
그리고, 버블기는, 위의 지표 이외에 하이프 사이클의 정점을 지나 해당 기술의 부정적 의견이 시작되는 시기 등의 지표로 판단할 수도 있고, 환멸기는 2차, 3차 벤처회사 펀딩이 시작되는 시기 또는 2세대 제품 또는 서비스가 나오는 시기 등의 지표로 판단할 수도 있다.
본 발명의 실시예는, 이 도면에서 예시한 주요 지표(key indicator)들 중 실시예가 정하는 일부의 지표들을 체크하여 하이프 사이클을 검출할 수 있다.
관측방법에서 예시한 바와 같이 검색트래픽정보를 이용하여 주요 지표가 모두 검출된다면 정확한 하이프 사이클을 검출할 수 있다. 그러나, 일부의 주요 지표가 발생하지 않을 가능성도 있어 검색트래픽정보로부터 위에서 예시한 주요 지표들 중 정해진 수의 지표를 검출하여 하이프 사이클 검출에 이용할 수 있다.
예를 들어 제품의 첫 번째 모델 출시 시기, 키워드의 검색트래픽급증시기, 키워드와 관련된 뉴스 노출의 피크시기, 제품의 모델과 관련 상품의 급증시기, 키워드와 관련된 검색트래픽정보의 피크시기, 제품과 관련된 특허출원의 피크시기 및 검색트래픽정보의 변곡점시기 중 적어도 2개가 관측된 경우 하이프 사이클이 검출된다고 판단할 수 있다. 위에서 정해진 지표와 그 지표의 수는 변경이 가능하다.
이하에서는 본 발명의 실시예를 구체적이고 용이하게 설명하기 위해 일 실시예로 하이브리드 자동차의 검색트래픽정보를 활용하여 해당 제품의 미래시장규모를 예측하여 제공하는 예를 설명한다.
도 4는 예시한 주요 관측 지표와 각 지표별 자료원을 예시한 도면이다. "하이브리드 자동차" 라는 제품 또는 기술에 대해 검색트래픽을 통해 하이프 사이클이 검출하기 위해 아래와 같이 서지 정보 자료원을 이용할 수 있음을 예시한다.
하이프 사이클의 변수 또는 지표로서, 검색트래픽정보, 특허출원, 뉴스빈도, 종래의 시장점유율, 출시모델 등이 사용될 수 있고, 각각 이를 얻기 위한 사이트가 이 도면에 예시된다.
서지 분석의 대상인 검색트래픽정보, 뉴스빈도, 특허출원, 시장자료의 구체적인 측정 방법을 살펴보면 다음과 같다.
초기 소비자의 기대(expectation or visibility)치를 나타내는 검색트래픽정보는 웹사이트에서 접속자가 검색하는 검색트래픽 강도로 측정할 수 있다. 예를 들어 "하이브리드 자동차" 라는 제품 또는 기술에 대해 검색트래픽에 대한 분석 사이트는 netmarketshare.com와 같은 구글(Google)의 검색통계를 이용할 수도 있다.
웹 사이트 등으로부터 검색트래픽정보, 뉴스빈도와 특허출원은 해당기간의 전체 데이터를 기준으로 빈도화할 수 있다. 그리고 빈도화된 데이터를 다시 전체 평균으로 나누면 표준화된 강도(normalized intensity)로 비교할 수 있고, 시장 매출량도 전체 신제품(이 예에서는 신차) 판매량으로 나누어진 해당 신제품(하이브리드 자동차) 판매 점유율로 분석할 수 있다.
도 5는 특정 기술에 따른 서지 분석을 이용하여 설명한 주요 지표를 이용하여 하이프 사이클의 존재 여부를 판단하는 예를 나타낸 도면이다.
본 발명의 실시예를 용이하게 설명하기 위해 하이브리드 자동차에 대해 사용자 하이프 사이클인 검색 트래픽(Web searching), 생산자(연구자)의 하이프 사이클인 특허출원(Patents), 그리고 미디어의 하이프 사이클인 뉴스(News) 노출에 대한 표준화된 강도(normalized intensity)를 예시한다.
이 예에서 하이프 사이클의 버블기와 환멸기 패턴을 보였지만, 그 연도별 최고 정점에는 시기적 차이가 있다. 이 예에서는 뉴스의 정점이 가장 빨랐으며 특허 출원과 검색, 트래픽 순으로 정점이라는 측면에서 시간적 차이를 나타낸다.
이 예에서 세 하이프 사이클의 정점 차이에 따라 1 ~ 2년의 지체 시간(lag time)을 가정하고 회귀분석하면, 정보유통자(미디어)가 사용자보다는 1년 이상 빠른 하이프 사이클 변화를 보이는 것을 알 수 있고, 사용자는 미디어의 추세를 어느 정도 추종하고 있음을 알 수 있다.
하이프 사이클의 주요 지표들(key indicator)을 구하기 위해, 먼저 서지정보의 계량분석이 가능하도록 이 도면의 결과의 추세선을 수학식으로 유추할 수 있다. 예를 들면 이 도면의 추세선은 최소자승오차 2차 함수로 도출할 수 있다.
도 6은 도 5에서 예시한 각 그래프의 최소자승오차 2차 함수를 나타낸 도면이다. 서지정보의 계량분석이 가능하도록 도 5의 그래프 결과의 추세선을 최소자승오차 2차 함수로 도출하여 그래프의 정점을 산출할 수 있다. 특정 모델에 대해 매년도 출시되고 판매된 모델의 개수를 분석하여 지수형 함수를 도출한 후, 그 함수의 미분을 통해 그 변곡점을 산출하면 급증 시기를 확인할 수 있다. 여기서 변곡점은, 버블기의 정점이나, 환멸기에서 각광기로 접어드는 함수의 최저점(정점)을 예시한다.
도 7은 위에서 예시한 하이프 사이클의 주요 지표들의 관측한 결과를 예시한 도면이다. 이 도면의 예는, 위의 예시와 같이 하이브리드 자동차라는 제품 또는 기술에 대해 기대주의 주요 지표를 관측한 결과를 나타낸다.
여명기의 주요지표로서 first-generation products는 1999년, early adopters investigate는 2004년 이전으로 관측되었다.
버블기의 주요지표로서 Mass media hype begin는 2006년 3분기, Supplier proliferation는 2003년, Activity beyond early adopters는 2006년 4분기로 관측되었다.
환멸기의 주요 지표로서, Supplier failures는 2007년 1분기, Less than 5 percent of potential audience has adopted fully는 2011년 이후로 관측되었다. 위에서 설명한 바와 같이 환멸기에서 각광기로 접어드는 시기는 변곡점으로서 최대시장규모를 산출하는데 사용될 수 있다.
위에서 해당 지표에 따른 관측 시점의 검출에 따라 검색트래픽정보 내에 하이프 사이클이 있음을 판단할 수 있다.
이하에서는, S140 단계에서 개시한 바와 같이 검출한 하이프 사이클를 이용하여 미래시장규모를 추정할 수 있는 실시예를 개시한다. 하이프 사이클(Hype Cycle)이 검출된 경우, 최대시장규모를 활용해 향후 시장 침투율(점유율)을 추정할 수 있다. 시장침투율을 산출할 수 있는 예측 모형으로서, 예를 들어 배스(Bass) 모델을 사용할 수 있다. 최대시장규모(m)는 하이프 사이클을 이용하여 도출된 값을 사용하고, 배스(Bass) 모델의 혁신계수 p와 모방계수 q 는 이미 구축된 데이터베이스를 활용하거나 과거의 데이터에 대한 회귀 분석을 통해 계산할 수 있다.
이하에서 예측 모형인 배스 모형을 설명하면 다음과 같다.
배스(Bass)의 확산모형은 초기구매(first purchase)만을 고려한 확산모형으로서, 수요예측 모형이다. 배스 모형의 주요 가정은 첫째, 소비자의 최초 구매의 시기는 이전 구매자(previous buyers)수와 관련되어 있다는 것이다.
N(t)가 t시기까지 신제품을 처음 구입한 전체 또는 누적 소비자이고, N(t-으은 t-1시기까지 이미 신제품을 구입한 누적 소비자를 나타낸다. t시기에 최초구매(또는 신규수용, initial purchase)가 이루어질 확률을 s(t)라고 할 때, t시기의 신규 수용확률은 다음 식과 같다.
정의에 의해서 t시기의 미수용자는 전제 잠재시장(m)에서 이전시기까지 수용자를 뺀 m - N(t-1)이기 때문에 누적 수용자수 S(t)는 다음과 같다.
즉, t시기에 누적 수용자수는 t시기에 제품을 신규수용할 확률과, t 시기의 미수용자의 곱으로 나타낼 수 있다. 배스 모형은 신제품이 최초로 수용될 확률을 이전의 구매자수의 선형함수로 판단할 수 있다.
배스 모형의 두 번째 가정은 전체 또는 최대시장규모 m을 상수로 본다. 여기서, s(t)는 t시기의 채택의 변화율, N(t)는 t시기의 전체 중에 채택한 사람의 비중, p는 신상품 채택에 영향을 미치는 혁신 계수, q는 사람들이 얼마나 모방하고 싶어하느냐에 대한 모방계수다.
예를 들어 혁신계수 p는 광고효과나 외부영향에 따라 움직이는 계수이고, 모방계수 q는 입소문에 따라 변하는 내부영향에 따라 움직이는 계수이다. 배스 모형은 하이프 사이클을 이용하여 특정 시기에 산출한 혁신 계수 p, 모방 계수 q, 최대시장규모 m, 세 가지 모수가 이용하여 미래의 시기별 시장침투율 또는 최대시장규모를 산출할 수 있다.
본 발명의 실시예는, 배스 모형의 핵심 모수인 최대시장규모(m)를 구하기 위해서 기존 마케팅조사나 전문가 추정 대신하여 서지정보를 분석하여 이를 이용할 수 있다.
도 8은 하이프 사이클를 이용하여 최대시장규모를 산출한 결과를 예시한 것이다. 동일한 하이브리드 자동차에서, 버블기의 정점 또는 버블기가 끝나는 시점을 고려해 검색 트래픽 정점 시기의 최대시장규모로 추정할 수 있다.
예를 들면, 하이프 사이클이 위와 같은 검색트래픽 정보 등 서지분석학적으로 검출된 경우, 측정 시기별(예를 들어 버블기 정점 또는 환멸기 정점 등) 과거 시장규모로 미래의 최대시장규모를 추정할 수 있다.
추정된 최대시장규모를 바탕으로 배스 모형을 이용하여 미래 최대시장규모를 예측한다.
위의 예에서 검색트래픽의 정점이 2006년 4분기이고, 환멸기가 2007년 1분기 이후 시점을 고려해 2007년부터 초기 채택자(early adopter) 시장이 본격적으로 개시됐다고 할 수 있다.
과거 특정 시기의 최대시장규모는 해당 시기의 누적 판매량(1,012,104대)이 당시 최대시장규모의 2.5%까지 침투하였다면 4,048만 대의 시장으로 계산가능하다. 이와 같이 과거 특정 시기의 시장침투율 또는 최대시장규모는 이미 도출되었을 수 있으나, 하이프 사이클 검출을 이용하여 특정 시기의 시장침투율 또는 최대시장규모도 산출이 가능하다.
따라서, 도출된 최대 잠재 시장 규모 4천만 대는 배스 모형에서 시장 침투율의 개념으로, 앞서 언급된 배스 모형의 모수 중 m에 해당된다. 따라서 하이브리드 자동차의 누적 판매량과 서지 정보의 하이프 사이클을 통해 구해진 m 값을 바탕으로 혁신계수 p와 모방계수 q만 도출하면 해당 하이브리드 자동차 제품이 따르는 배스 모형을 도출할 수 있다. 그리고, 배스 모형을 이용하면 특정 시기의 누적 수용자수도 산출할 수 있다.
따라서, 본 발명의 실시예에 따라 하이프 사이클이 검출된 경우, 미래 시기별 최대시장규모와 시장 점유율(침투율)을 제시할 수 있다. 그리고, 관련 정보를 활용해 초기 대중(early majority, 점유율 16%~) 시장 진입 시기나 후기 대중(late majority, 50%~)와 같은 정보도 제공할 수 있다.
한편 본 발명의 실시예는 하이프 사이클이 검출되지 않은 경우라도 검색트래픽정보를 이용하여 미래시장규모를 산출하여 사용자에게 제공할 수 있다. 이 경우 검색트래픽정보는 해당 기술 또는 제품과 연관된 검색어의 트래픽 정보를 사용할 수 있다.
소비자의 검색활동과 판매량은 유의미한 관계를 가질 수 있다. 위와 동일한 예로서 과거의 하이브리드 자동차에 대한 검색트래픽정보를 이용하여 소비자의 태도를 알고 미래의 검색트래픽정보의 양을 예측할 수 있다면, 이에 따라 미래시장규모를 수학적으로 예측할 수 있다.
검색트래픽정보와 시기별 미래시장규모의 관계는 회귀분석을 활용한 예측모형을 이용하여 관계를 구할 수 있다. 이때 과거의 검색트래픽정보를 이용하여 미래의 검색트래픽정보도 예측이 가능한데, 이를 위해서는 해당 제품의 키워드 이외에 추가적으로 함께 검색하는 소비자 선택속성 키워드의 검색트래픽정보를 함께 사용할 수 있다.
예를 들어 하이브리드 자동차의 검색트래픽정보를 활용해서 과거의 유가 급증시기와 현재까지 소비자 선택속성 키워드의 변화를 추정해 보면, 미래의 소비자 선택속성 키워드의 검색트래픽정보 변화를 예측할 수 있다. 즉, 판매율과 소비자 선택속성 키워드의 검색트래픽정보가 회귀분석에 따른 관계가 있음을 산출하는데 있어서, 해당 제품의 검색어와 관련된 검색어(소비자 선택속성 키워드)의 검색트래픽에 영향을 주는 변수를 이용하면, 소비자의 선택속성 변화와 그에 따른 판매율(시기별 미래시장규모)의 변화를 보다 정확히 예측할 수 있다.
추가적으로 본 발명의 실시예는, 소비자 선택속성 키워드의 검색트래픽정보에 영향을 줄 수 있는 변수 키워드를 사용하여 판매율(시기별 미래시장규모)을 산출할 수 있다.
예를 들어, 하이브리드 자동차의 예에서 유가는, 판매율과 검색트래픽에 영향을 주는 변수가 될 수 있다. 본 발명의 실시예는 과거의 검색트래픽정보 등을 원격의 데이터베이스 또는 그 데이터베이스가 제공하는 웹 사이트로부터 얻을 수 있다. 예를 들어 검색트래픽정보는 구글 인사이트와 같은 웹 사이트에서 얻을 수 있고, 유가는 미국 Energy Information Administration로부터, 각 모델별 시장 점유율은 Department of Commerce로부터 각각 얻을 수 있다.
도 9는 특정 제품과 그 연관 검색어의 검색트래픽에 대한 시기별 분포를 예시한 도면이다. 소비자 선택속성 키워드의 검색트래픽정보를 이용하면 소비자 선택속성 변화를 예측할 수 있다.
하이브리드 자동차의 특정 모델 A를 예로 하면, 특정 모델 A와 동시에 검색하는 연관 검색어의 검색트래픽정보를 분석할 수 있다. 예를 들면, 하이브리드 자동차 "모델 A와 가격", "모델 A와 MPG(연비)", "모델 A와 파워" 등 해당 제품 또는 기술에 관련된 가격, MPG, 파워 등의 연관 검색어의 각 시기별 검색트래픽정보를 보면 소비자 선택속성의 변화를 알 수 있다.
이 도면에서 최근에는 연비에 관심을 가지는 소비자가 2010년보다 증가했다는 것을 알 수 있고, 이런 추세는 지속적이었음을 알 수 있다. 이 도면으로부터 소비자는 하이브리드 자동차의 종류인 모델 A에 관해 가격에 대해 지속적으로 관심이 높고, 연비에 대해서도 관심이 높아지며, 파워에 대한 관심은 낮아지는 것을 알 수 있다.
2015년 1월의 소비자 선택속성에 대한 예측은 2006년 이후 검색트래픽정보의 변화를 회귀 모형을 이용해 추정할 수 있다. 이 도면에서 2015년 1월의 소비자 선택속성에 대한 회귀 모형을 활용해 추정한 결과로써 가격과 연비가 비슷한 수준으로 중요한 속성이 될 것임을 알 수 있다. 예를 들어 ARIMA(AutoRegressive Integrated Moving Average) 회귀 분석 등의 회귀 분석을 사용하면 해당 검색어인 모델 A와 소비자 선택속성 키워드인 가격, 연비, 파워 등의 관계를 얻을 수 있다. 따라서, 서지정보의 검색트래픽정보로부터 소비자 선택속성 키워드를 이용하여 미래시장규모 또는 시기별 판매량을 예측할 수 있다.
본 발명의 실시예는, 선택적으로 소비자 선택속성 키워드의 검색트래픽정보에 영향을 줄 수 있는 변수 키워드를 추가적으로 회귀 분석을 이용하여 관련성을 찾을 수 있다.
예를 들어 하이프 사이클이 검출되지 않는 경우, 해당 제품에 대한 키워드(위의 예에서 모델 A)와 소비자 선택속성 키워드(위의 예에서, 가격, 연비, 파워) 에 대해 회기 분석으로 미래시장규모를 추정할 수 있고, 추가적으로 소비자 선택속성 키워드의 검색트래픽정보에 영향을 줄 수 있는 변수 키워드가 있는 경우, 해당 변수 키워드에 따른 해당 제품의 미래시장규모를 산출할 수 있다.
예를 들어, 하이브리드 자동차 특정 모델 A의 미래시장규모를 산출하는데 있어서, 회귀 분석을 이용하여 소비자 선택속성 키워드인 가격, 연비, 파워 등에 따른 미래시장규모를 산출할 수 있다.
그리고, "유가"라는 소비자 선택속성 키워드에 영향을 주는 변수 키워드가 있는 경우 회귀분석에 따른 예측모형을 이용하여, 변수 키워드에 따른 미래시장규모를 산출할 수 있다. 또한 본 발명의 일 실시예는 미래시장규모 산출에 있어서, 변수 키워드를 이용하여 검색트래픽정보에 영향을 미칠 수 있는 소비자 선택속성 키워드들을 선택할 수 있다.
도 10은 위와 동일한 제품에서 유가 변화 시나리오에 따라 가격과 연비에 대한 검색트래픽정보의 예측 결과를 예시한 것이다.
U.S. EIA이 운영하는 데이터베이스는 유가 변화 시나리오 등에 대한 정보를 제공할 수 있다. EIA 제시된 시나리오에 따라서 유가가 2015년까지 변할 경우 이 도면은 가격과 연비에 대한 검색트래픽정보의 예측 결과를 예시한다.
회귀 모형을 이용하면 각각 유가와 하이브리드 자동차 특정 모델의 가격(왼쪽), 유가와 하이브리드 자동차 특정 모델의 연비(오른쪽)를 각각 동시에 검색한 검색트래픽정보 예측이 가능하다.
고유가 시나리오에서는 두 경우 모두 하이브리드 자동차 특정 모델에 대한 검색트래픽이 증가하지만, 검색트래픽의 증가가 훨씬 높게 나타난다. 그러나 저유가 시나리오에서는 하이브리드 자동차 특정 모델에 대한 검색트래픽이 감소한다.
즉, 소비자 선택속성 키워드(이 예에서 가격, 연비, 파워 등)에 따른 검색트래픽 정보와 추후 판매량의 관계는 회귀분석을 통해 분석이 가능하다.
도 11은 위의 하이브리드 자동차의 예에 대해 본 발명의 일 실시예에 따라 검색트래픽에 영향을 주는 변수 키워드(유가)와 소비자 선택속성 키워드의 검색트래픽정보를 제공한 결과를 예시한다.
2015년에 예측된 유가가 각각 $107.7, $53,4, $167,5인 경우, 회귀분석을 통해 산출한 소비자 선택속성 키워드(Price, MPG, Power)에 대한 검색트래픽정보는 이 도면에서 예시한 바와 같다.
도 12는 위의 하이브리드 자동차의 예에 대해 본 발명의 일 실시예에 따라 검색트래픽정보에 영향을 주는 변수 키워드(유가)와 특정시점의 판매점유율을 제공한 결과를 예시한다. 하이브리드 자동차 모델 A의 판매율은, 유가가 높을 때 올라가고(1.33%) 유가가 낮을 때는 0.93%로 떨어짐을 알 수 있다. 이와 같이 변수 키워드가 있는 경우, 이에 따른 소비자 선택속성 키워드의 검색트래픽정보의 변화를 회귀분석으로 예측할 수 있고, 검색트래픽과 미래시장규모 또는 판매량의 관계도 회귀분석을 이용하여 얻을 수 있다.
도 13은, 본 발명의 일 실시예에 따른 시장규모예측장치를 예시한 도면이다. 본 발명의 시장규모예측장치는 정보수신부(110), 하이프사이클검출부(120), 예측모형수행부(130), 및 정보제공부(140)를 포함한다. 본 발명의 일 실시예에 따른 시장규모예측장치는 별도의 데이터베이스를 구비할 수도 있다.
정보수신부(110)는 사용자로부터 미래시장규모를 원하고자 하는 제품 또는 기술에 대한 검색어(키워드)를 수신받는다. 정보수신부(110)는 해당 키워드에 대한 검색트래픽정보, 제품판매정보 또는 시기별 출시 모델 수 등 해당 키워드와 관련된 정보를 수신받을 수도 있다.
하이프사이클검출부(120)는 수신된 키워드와 관련된 서지정보로부터 하이프사이클이 있는지 검출할 수 있다.
본 발명의 일 실시예에서 서지정보를 저장하는 데이터베이스(150)는, 본 발명에 실시예에 포함될 수도 있고, 서지정보에 따라 원격으로 연결된 적어도 하나의 데이터베이스를 포함할 수도 있다. 도 4에서 데이터베이스가 저장할 수 있는 정보 또는 원격 데이터베이스에 대해 예시하였다.
데이터베이스가 저장하는 서지정보는, 검색트래픽정보, 특허출원 정보, 또는 뉴스정보 등을 포함할 수 있다.
하이프사이클검출부(120)는 데이터베이스에 저장된 서지정보로부터 도 2와 같은 하이프사이클이 검출되는지 판단할 수 있다. 도 3 또는 도 7에서 하이프사이클을 검출할 수 있는 정보에 대해 예시하였다. 하이프사이클검출부(120)는 예시한 정보 중 적어도 2개 이상의 정보가 검출될 경우 각 데이터베이스의 하이프사이클이 존재한다고 판단할 수 있다. 해당 정보 중 적어도 하나의 서지정보, 예를 들어 검색트래픽정보에 하이프사이클이 존재한다고 판단하면, 이에 대한 정보를 예측모형수행부(130)로 전달할 수 있다.
예측모형수행부(130)는 검색트래픽정보와 같은 서지정보에 하이프사이클이 검출되었다는 정보를 수신하면, 하이프사이클의 특정시기로부터 최대시장규모를 산출할 수 있다. 예를 들어 예측모형수행부(130)는 하이프사이클의 버블기 정점 또는 환멸기 정점 등의 변곡점에서 최대시장규모를 산출할 수 있다.
예측모형수행부(130)는 하이프사이클이 검출된 경우, 배스 모형 등을 이용하여 해당 최대시장규모, 모방계수 및 혁신계수를 산출하여 해당 키워드와 관련된 배스 모형을 생성할 수 있다. 그리고, 해당 배스 모형을 이용하여 시기에 따른 미래시장규모나 시장침투율을 산출할 수 있다
예측모형수행부(130)는 하이프사이클검출부(120)가 서지정보로부터 하이프사이클이 검출되지 않았다는 정보를 수신한 경우, 정보수신부(110) 또는 데이터베이스(150)로부터 수신된 키워드와 관련된 소비자 선택속성 키워드와 해당 소비자 선택속성 키워드의 검색트래픽정보를 수신할 수 있다. 또는 예측모형수행부(130)는 정보수신부(110) 또는 데이터베이스(150)로부터 소비자 선택속성 키워드의 검색트래픽정보에 영향을 줄 수 있는 변수 키워드를 수신받는다.
하이프사이클이 검출되지 않은 경우 예측모형수행부(130)는 과거의 소비자 선택속성 키워드의 검색트래픽정보와 판매율(판매량)간의 관계를 회귀분석을 통해 얻을 수 있다. 그리고, 얻은 회귀분석을 이용하여 미래시장규모를 산출할 수 있다.
추가적으로 예측모형수행부(130)는, 검색트래픽정보에 영향을 줄 수 있는 변수 키워드가 있는 경우, 해당 변수 키워드와 소비자 선택속성 키워드의 검색트래픽정보의 관계를 회귀분석을 통해 얻을 수 있다.
그리고, 예측모형수행부(130)는 해당 변수 키워드와 소비자 선택속성 키워드의 검색트래픽정보의 관계를 회귀분석을 이용하여 변수 키워드의 값에 따른 소비자 선택속성 검색트래픽정보의 변화량에 따라, 미래시장규모를 얻을 수 있다.
정보제공부(140)는 예측모형수행부(130)가 산출한 시기별 미래시장규모, 시기별 시장침투율 또는 시기별 소비자 선택속성 키워드의 변화에 따른 판매율 등을 사용자에게 제공할 수 있다.
본 발명에 실시예에 따른 시장규모예측장치의 일 예는, 저장매체를 구비하고, 해당 저장매체는 시장규모를 예측할 수 있는 도 1에 예시한 순서에 따라 미래시장규모를 산출할 수 있는 프로그램을 저장할 수 있다.
본 발명의 실시예에 따르면, 검색트래픽정보를 이용하여 과학적이고, 논리적으로 시장규모를 예측할 수 있다.
본 발명의 실시예에 따르면, 시간과 금전적인 비용이 많이 들지 않아도 검색트래픽정보를 이용하여 미래 수요 예상에 따른 시장규모를 예측할 수 있다.
110:정보수신부
120:하이프사이클검출부
130:예측모형수행부
140:정보제공부
150:데이터베이스
120:하이프사이클검출부
130:예측모형수행부
140:정보제공부
150:데이터베이스
Claims (15)
- 사용자로부터 기술 또는 제품 키워드를 수신하는 정보수신부;
검색트래픽정보를 포함하는 서지정보를 수신하고, 상기 정보수신부가 수신한 키워드에 대한 검색트래픽정보에 하이프 사이클(hype cycle)을 검출하는 하이프사이클검출부;
상기 하이프 사이클이 검출된 경우, 상기 검출된 하이프 사이클의 특정 시기에 최대시장규모를 산출하고, 상기 산출한 최대시장규모를 이용하여 예측모형을 생성하여 상기 생성한 예측모형으로 제 1 미래시장규모를 산출하고, 상기 하이프 사이클이 검출되지 않은 경우, 상기 키워드와 연관된 검색어인 소비자 선택속성 키워드의 검색트래픽정보와 시기별 판매율에 대한 회귀분석모형을 이용하여 제 2 미래시장규모를 산출하는 예측모형수행부; 및
상기 예측모형수행부가 산출한 상기 1 미래시장규모 또는 상기 제 2 미래시장규모를 사용자에게 제공하는 시장규모예측장치. - 제 1항에 있어서,
상기 서지정보는, 특허출원 정보 및 뉴스 정보를 포함하는 시장규모예측장치. - 제 1항에 있어서,
상기 소비자 선택속성 키워드는, 상기 키워드와 동시에 검색되는 키워드인 시장규모예측장치. - 제 1항에 있어서,
상기 제 1 미래시장규모를 산출하는 예측모형은, 배스(Bass) 모형인 시장규모예측장치. - 제 1항에 있어서,
상기 하이프사이클검출부는, 상기 제품의 첫 번째 모델 출시 시기, 상기 키워드의 검색트래픽급증시기, 상기 키워드와 관련된 뉴스 노출의 피크시기, 상기 제품의 모델과 관련 상품의 급증시기, 상기 키워드와 관련된 검색트래픽정보의 피크시기, 상기 제품과 관련된 특허출원의 피크시기 및 상기 검색트래픽정보의 변곡점시기 중 적어도 2개가 관측된 경우 하이프 사이클로 검출하는, 시장규모예측장치. - 제 1항에 있어서,
상기 정보수신부는, 상기 제품의 판매정보 및 상기 제품의 시기별 출시 모델 수 정보 중 적어도 하나를 더 수신하는, 시장규모예측장치. - 제 1항에 있어서,
상기 예측모형수행부는,
상기 소비자 선택속성 키워드의 검색트래픽정보에 영향을 주는 변수 키워드를 입력받고, 상기 변수 키워드와 상기 소비자 선택속성 키워드의 검색트래픽정보의 관계를 회귀분석모형으로 산출하고,
상기 산출한 회귀분석모형을 이용하여 변수 키워드에 따른 제 2 미래시장규모를 산출하는, 시장규모예측장치. - 사용자로부터 기술 또는 제품 키워드를 수신하는 단계;
검색트래픽정보를 포함하는 서지정보를 수신하고, 상기 수신한 키워드에 대한 검색트래픽정보에 하이프 사이클(hype cycle)이 있는지 검출하고, 상기 하이프 사이클이 검출된 경우, 상기 검출된 하이프 사이클의 특정 시기에 최대시장규모를 산출하고, 상기 산출한 최대시장규모를 이용하여 예측모형을 생성하여 상기 생성한 예측모형으로 제 1 미래시장규모를 산출하고, 또는 상기 하이프 사이클이 검출되지 않은 경우, 상기 키워드와 연관된 검색어인 소비자 선택속성 키워드의 검색트래픽정보와 시기별 판매율에 대한 회귀분석모형을 이용하여 제 2 미래시장규모를 산출하는 단계; 및
상기 산출한 제 1 미래시장규모 또는 상기 산출한 제 2 미래시장규모 중 어느 하나의 정보를 사용자에게 제공하는 단계;를 포함하는 시장규모예측방법. - 제 8항에 있어서,
상기 서지정보는, 특허출원 정보 및 뉴스 정보를 포함하는 시장규모예측방법. - 제 8항에 있어서,
상기 소비자 선택속성 키워드는, 상기 키워드와 동시에 검색되는 키워드인 시장규모예측방법. - 제 8항에 있어서,
상기 제 1 미래시장규모를 산출하는 예측모형은, 배스(Bass) 모형인 시장규모예측방법. - 제 8항에 있어서,
상기 하이프 사이클이 있는지 여부의 검출은,
상기 제품의 첫 번째 모델 출시 시기, 상기 키워드의 검색트래픽급증시기, 상기 키워드와 관련된 뉴스 노출의 피크시기, 상기 제품의 모델과 관련 상품의 급증시기, 상기 키워드와 관련된 검색트래픽정보의 피크시기, 상기 제품과 관련된 특허출원의 피크시기 및 상기 검색트래픽정보의 변곡점시기 중 적어도 2개가 관측된 경우 상기 하이프 사이클로 검출하는, 시장규모예측방법. - 제 8항에 있어서,
상기 시장규모예측방법은, 상기 제품의 판매정보 및 상기 제품의 시기별 출시 모델 수 정보 중 적어도 하나를 수신하는 단계를 더 포함하는, 시장규모예측방법. - 사용자로부터 기술 또는 제품 키워드를 수신하는 단계;
검색트래픽정보를 포함하는 서지정보를 수신하고, 상기 수신한 키워드에 대한 검색트래픽정보에 하이프 사이클(hype cycle)이 검출되지 않은 경우, 상기 키워드와 연관된 검색어인 소비자 선택속성 키워드와 상기 소비자 선택속성 키워드의 검색트래픽 정보를 수신하는 단계;
상기 수신된 소비자 선택속성 키워드의 검색트래픽정보에 영향을 주는 변수 키워드를 수신하고, 상기 변수 키워드와 상기 소비자 선택속성 키워드의 검색트래픽정보의 관계를 제 1 회귀분석모형으로 산출하는 단계; 및
상기 산출한 제 1 회귀분석모형을 이용하여 상기 검색트래픽정보와 미래시장규모를 제 2 회귀분석모형으로 산출하는 단계;를 포함하는, 시장규모예측방법. - 사용자로부터 기술 또는 제품 키워드를 수신하고, 검색트래픽정보를 포함하는 서지정보를 수신하고, 상기 수신한 키워드에 대한 검색트래픽정보에 하이프 사이클(hype cycle)이 있는지 검출하고, 상기 하이프 사이클이 검출된 경우, 상기 검출된 하이프 사이클의 특정 시기에 최대시장규모를 산출하고, 상기 산출한 최대시장규모를 이용하여 예측모형을 생성하여 상기 생성한 예측모형으로 제 1 미래시장규모를 산출하고, 상기 하이프 사이클이 검출되지 않은 경우, 상기 키워드와 연관된 검색어인 소비자 선택속성 키워드의 검색트래픽정보와 시기별 판매율에 대한 회귀분석모형을 이용하여 제 2 미래시장규모를 산출하고, 상기 산출한 제 1 미래시장규모 또는 상기 산출한 제 2 미래시장규모 중 어느 하나의 정보를 사용자에게 제공하는 시장규모를 예측하는 프로그램을 저장하는 저장매체.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020120119209A KR20140053444A (ko) | 2012-10-25 | 2012-10-25 | 시장규모예측장치, 시장규모예측방법 및 시장규모를 예측하는 프로그램을 저장하는 저장매체 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020120119209A KR20140053444A (ko) | 2012-10-25 | 2012-10-25 | 시장규모예측장치, 시장규모예측방법 및 시장규모를 예측하는 프로그램을 저장하는 저장매체 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20140053444A true KR20140053444A (ko) | 2014-05-08 |
Family
ID=50886049
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020120119209A KR20140053444A (ko) | 2012-10-25 | 2012-10-25 | 시장규모예측장치, 시장규모예측방법 및 시장규모를 예측하는 프로그램을 저장하는 저장매체 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR20140053444A (ko) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150137771A (ko) * | 2014-05-30 | 2015-12-09 | 조성환 | 데이터 분석 방법 및 이를 이용하는 장치 |
KR101589626B1 (ko) * | 2015-02-23 | 2016-01-28 | 주식회사 와이즈넛 | 어휘의미패턴 분석방법에 기반하여 빅데이터로부터 점포창업용 데이터 또는 운영지원용 데이터를 생성하는 방법 |
KR20170028231A (ko) | 2015-09-03 | 2017-03-13 | 사단법인 한국신용정보원 | 시장예측정보 제공방법 및 그 컴퓨터 프로그램 |
KR20170028052A (ko) | 2015-09-03 | 2017-03-13 | 사단법인 한국신용정보원 | 시장 예측방법 |
KR20180113111A (ko) * | 2017-04-05 | 2018-10-15 | 주식회사 이랜드월드 | 키워드 검색량 기반 예측 정보 생성 장치 및 방법 |
CN110956675A (zh) * | 2019-10-28 | 2020-04-03 | 清华大学 | 技术成熟度曲线自动生成方法及装置 |
KR102167347B1 (ko) * | 2020-03-30 | 2020-10-19 | 주식회사 지에스아이티엠 | 인공지능을 이용한 온라인 쇼핑 시스템 |
KR102167345B1 (ko) * | 2020-03-30 | 2020-10-19 | 주식회사 지에스아이티엠 | 인공지능을 이용한 온라인 쇼핑 시스템 |
KR20210001243A (ko) * | 2019-06-27 | 2021-01-06 | 권영식 | 제품수명주기에 따른 수명주기별 온라인과 오프라인 정보분석 서비스 시스템 |
KR20220117425A (ko) * | 2021-02-17 | 2022-08-24 | 김현준 | 빅데이터를 활용한 시장성 분석 및 사업화방법론 분석 시스템 |
-
2012
- 2012-10-25 KR KR1020120119209A patent/KR20140053444A/ko not_active Application Discontinuation
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150137771A (ko) * | 2014-05-30 | 2015-12-09 | 조성환 | 데이터 분석 방법 및 이를 이용하는 장치 |
KR101589626B1 (ko) * | 2015-02-23 | 2016-01-28 | 주식회사 와이즈넛 | 어휘의미패턴 분석방법에 기반하여 빅데이터로부터 점포창업용 데이터 또는 운영지원용 데이터를 생성하는 방법 |
KR20170028231A (ko) | 2015-09-03 | 2017-03-13 | 사단법인 한국신용정보원 | 시장예측정보 제공방법 및 그 컴퓨터 프로그램 |
KR20170028052A (ko) | 2015-09-03 | 2017-03-13 | 사단법인 한국신용정보원 | 시장 예측방법 |
KR20180113111A (ko) * | 2017-04-05 | 2018-10-15 | 주식회사 이랜드월드 | 키워드 검색량 기반 예측 정보 생성 장치 및 방법 |
KR20210001243A (ko) * | 2019-06-27 | 2021-01-06 | 권영식 | 제품수명주기에 따른 수명주기별 온라인과 오프라인 정보분석 서비스 시스템 |
CN110956675A (zh) * | 2019-10-28 | 2020-04-03 | 清华大学 | 技术成熟度曲线自动生成方法及装置 |
KR102167347B1 (ko) * | 2020-03-30 | 2020-10-19 | 주식회사 지에스아이티엠 | 인공지능을 이용한 온라인 쇼핑 시스템 |
KR102167345B1 (ko) * | 2020-03-30 | 2020-10-19 | 주식회사 지에스아이티엠 | 인공지능을 이용한 온라인 쇼핑 시스템 |
KR20220117425A (ko) * | 2021-02-17 | 2022-08-24 | 김현준 | 빅데이터를 활용한 시장성 분석 및 사업화방법론 분석 시스템 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20140053444A (ko) | 시장규모예측장치, 시장규모예측방법 및 시장규모를 예측하는 프로그램을 저장하는 저장매체 | |
Li et al. | A MIDAS modelling framework for Chinese inflation index forecast incorporating Google search data | |
Jun et al. | Visualization of brand positioning based on consumer web search information: using social network analysis | |
CN106933956B (zh) | 数据挖掘方法和装置 | |
JP5633944B1 (ja) | 評価方法、評価装置、およびプログラム | |
KR101265976B1 (ko) | 정량적 정보 기반의 산업기술시장 분석 시스템 및 그 방법 | |
Lahdelma et al. | Two ways to handle dependent uncertainties in multi-criteria decision problems | |
CN102004768A (zh) | 自适应分析多维处理系统 | |
KR101963817B1 (ko) | 키워드 검색량 기반 예측 정보 생성 장치 및 방법 | |
KR101435096B1 (ko) | 소셜 네트워크 서비스 데이터에 기반한 상품 수요 예측 장치 및 방법 | |
Madanayake et al. | Critical analysis for big data studies in construction: significant gaps in knowledge | |
KR20140081721A (ko) | 텍스트마이닝을 이용한 중요 키워드 도출 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 매체 | |
Haara et al. | Analyzing uncertainties and estimating priorities of landscape sensitivity based on expert opinions | |
Zhang et al. | Author impact: Evaluations, predictions, and challenges | |
CN105302879A (zh) | 用于确定用户需求的方法与装置 | |
Zhan et al. | Identifying market structure to monitor product competition using a consumer-behavior-based intelligence model | |
CN107545457B (zh) | 汽车竞品车型确定方法及装置 | |
Ouyang et al. | Modeling and forecasting the popularity evolution of mobile apps: A multivariate hawkes process approach | |
Koniew | Classification of the User's Intent Detection in Ecommerce systems-Survey and Recommendations. | |
Zhang et al. | Discovering consumers’ purchase intentions based on mobile search behaviors | |
CN114282951B (zh) | 一种网络零售预测方法、设备及介质 | |
KR101549188B1 (ko) | 브랜드 이미지 측정장치 및 측정방법 | |
KR101493890B1 (ko) | 검색트래픽을 이용한 제품 포지셔닝 분석시스템, 그 방법 및 검색트래픽을 이용한 제품 포지셔닝 분석 프로그램을 저장하는 저장매체 | |
Sann et al. | Predicting Online Complaining Behavior in the Hospitality Industry: Application of Big Data Analytics to Online Reviews. Sustainability 2022, 14, 1800 | |
Neal | Methodological moderators of average outdegree centrality: A meta-analysis of child and adolescent friendship networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E601 | Decision to refuse application |