KR20150079353A - 브랜드 이미지 측정장치 및 측정방법 - Google Patents

Abstract

브랜드 개성 측정 항목을 유의어의 범위로 확장하여 연구자의 주관적 판단과 표본의 특성의 영향이 브랜드 개성 측정항목에 덜 미치도록 함으로써 측정의 정확성을 향상시키는 브랜드 개성 측정장치 및 측정방법이 개시된다. 일 양상에 따른 브랜드 개성 측정 장치는, 브랜드의 개성을 평가하기 위한 복수의 측정항목의 각각에 대하여, 계층적 어휘 의미망으로부터 상기 측정항목의 유의어를 추출하여, 각 측정항목마다 확장된 측정항목 그룹을 생성하는 확장된 측정항목 그룹 생성부; 웹크롤러를 이용하여 상기 브랜드에 관한 복수의 텍스트 표본을 수집하는 표본 수집부; 상기 복수의 텍스트 표본으로부터 적어도 하나의 키워드를 추출하는 키워드 추출부; 및 추출된 상기 적어도 하나의 키워드 및 상기 확장된 측정항목 그룹에 기초하여 상기 브랜드의 개성을 평가하는 평가부;를 포함한다.

Description

브랜드 개성 측정장치 및 측정방법{APPARATUS AND METHOD FOR MEASURING BRAND PERSONALITY}

본 발명은 브랜드 개성 측정장치 및 측정방법에 관한 것이다. 보다 상세하게는, 브랜드 개성 측정 항목을 확장하여 내용 분석을 함으로써 측정의 정확성을 향상시키는 브랜드 개성 측정장치 및 측정방법에 관한 것이다.

고객의 구매행동과 관련된 다양한 데이터들이 늘어나고 있는데 이를 수집하고 분석하여 가치 있는 정보를 추출하고, 생성된 지식을 바탕으로 능동적으로 대응하거나 변화를 예측하기 위한 정보화 기술을 빅데이터 분석(Big Data)이라 한다. 빅데이터 분석이 최근 주목받고 있는 이유는 과거에 비해 데이터의 수집, 분석 비용이 획기적으로 줄어들면서 그동안 시간과 비용의 문제로 분석이 어려웠던 부분까지도 분석이 가능해지면서 다양한 분석들이 가능해졌기 때문이다.

최근 스마트폰 보급이 늘어나면서 유, 무선 통신망을 이용하여 사람이나 사물의 위치를 정확하게 파악하여 이용자에게 다양한 콘텐츠 및 온라인, 오프라인 통합 서비스를 제공하는 위치기반서비스(Location Based Service, LBS)가 인기를 끌고 있다. 위치기반서비스에서 가장 큰 인기를 끌고 있는 서비스가 모바일을 이용하여 주변의 인기 레스토랑을 찾는 서비스이다. LBS의 주요 비즈니스 모델은 CRM(Customer Relationship Management)인데 효과적인 CRM을 위해서는 고객의 니즈를 파악하고 실제 고객이 필요로 하는 제품이나 서비스를 제공하는 것이 중요하다.

그러나 최근 고객의 니즈가 다양해지고 복합적인 형태를 띠게 됨에 따라 이를 파악하는 것이 매우 어려워지고 있으며, 경쟁이 심한 산업의 기업환경은 기업과 관계를 맺고 있는 고객에 대한 정보의 규모가 매우 커서 일일이 고객의 니즈를 파악하는 것이 거의 불가능하기에 빅데이터 분석을 기반으로 한 니즈 유형화 및 분류가 고객의 니즈 분석을 위해 필요하게 되었다.

이와 같이 고객의 니즈 분석에 대한 필요성이 커지면서 브랜드 개성의 측정이 주목받고 있으며 많은 연구들이 진행되고 있다. 그러나 브랜드 개성 측정의 대표적 방법인 Aaker의 브랜드 개성 측정항목은 많은 연구에서 사용되고 있으나 일반화 시키는 데는 한계점이 있음이 지적되고 있다.

기존의 일반적인 측정항목 개발이 선행연구를 조사하여 해당분야에 대한 측정항목을 추출하여 이를 정리한 후, 전문가 그룹, 포커스 그룹 등을 통해 검증을 받은 후, 샘플 그룹을 대상으로 실제 조사를 진행하여 검증하는 절차를 거치는데, 많은 연구에서 연구자의 주관적인 판단의 개입과 표본집단의 한계점으로 인해 일반화하기 어렵기 때문이다.

이에, 빅데이터를 이용하여 브랜드 개성 측정항목으로 사용하는 단어들이 실제 일상 생활 속에서 얼마나 사용되고 있는지를 측정할 필요가 있다. .

1. 빅데이터( Big Data )

정보통신과 관련된 기술들이 지속적으로 발전되고, 다른 산업과의 융합화가 가속됨으로서 우리 주변에는 수많은 데이터들이 만들어지고 있다. 스마트폰이 대중화되고, 태블릿PC와 카메라, 게임기 등을 통하여 다양한 데이터들이 생성되면서 트래픽 또한 급증하고 있다. 또한 데이터의 크기와 형태가 다양하고 데이터의 증가 속도가 가파른 이른바 '빅데이터 시대'가 도래하고 있는 것이다. 그동안 빅데이터는 경영 혁신의 카테고리에서 주로 논의돼 왔었다. 다양한 모바일 기기와 소셜미디어로 부터 생성되는 방대한 데이터를 수집하고 분석해 고객의 요구를 파악하고 기업 경영에 시장의 요구를 도입하려는 움직임이었다.

빅데이터는 새로운 것이 아니라 과거부터 있어 왔다. 오늘날 우리가 빅 데이터에 열광하는 이유는 과거에는 너무 커서 분석을 할 수 없었던 데이터의 분석이 이제는 가능해졌고 이것을 통해 새로운 가치(Value: 데이터의 가치)를 찾아내고 있기 때문이다. 우리의 데이터는 과거에 비해서 더 빨리 늘어나고 (Volume: 데이터의 규모), 더 많은 형태(Variety: 데이터의 다양성)를 가지고 , 실시간에 가까운 속도 (Velocity: 데이터의 생성주기)로 생성되고 있는데, 오늘날 이러한 데이터를 이용한 빅 데이터 분석 기술들이 현실화되고 있다(Carter, 2011; 최병정 외, 2012). 빅데이터 분석에 대한 정의는 기술, 규모, 방법에 따라 다양하다. 기술적 관점에서는 다양한 종류의 대규모 데이터로부터 저렴한 비용으로 가치를 추출하고, 데이터의 초고속 수집, 발굴, 분석을 지원하도록 고안된 차세대 기술 및 아키텍처로 정의되며(Carter, 2011) 규모적 관점에서는 일반적인 데이터베이스가 저장, 관리, 분석할 수 있는 범위를 초과하는 규모의 데이터로 정의되며(McKinsey, 2011), 방법적 관점에서는 빅 데이터는 당초 수십-수천 테라바이트에 달하는 거대한 데이터 집합 자체만을 지칭하였으나, 점차 관련 도구, 플랫폼, 분석기법까지 포괄하는 용어로 정의된다.

빅데이터 분석과 기존 경영정보 분석의 차이점은 기존의 경영정보 분석은 일정한 양식에 따라 정제된 데이터를 기반으로 분석이 이루어지는 것에 비해, 빅데이터 분석은 웹사이트의 방문기록, 소셜미디어의 소통정보 등 데이터 양식이 제각기 다르고 구조화되어 있지 않은 데이터를 기반으로 분석이 이루어진다는 것이다. 따라서 빅데이터 분석은 구조화 수준이 낮고 매우 방대한 데이터를 다루기에 용이하도록 진보된 분산처리 기술과 통계적 기법이 사용된다(Gruman, 2010).빅데이터 분석은 CRM분야에서 많이 활용되고 있다. 고객이 대형 할인마트의 매장 계산대에서 결제를 하는 순간, 고객의 구매이력 데이터가 분석되어 해당 고객을 위한 맞춤형 쿠폰이 인쇄된 영수증이 출력되며, 여러 명의 소비자가 동일 제품을 구매해도 각 구매이력에 따라 각각 다른 쿠폰이 출력하여 고객의 개인별 구매 성향이 실시간으로 반영된 쿠폰 제시를 통해 구매를 유도하여 쿠폰 사용을 통한 추가 구매율을 크게 향상시키고 고객의 마케팅 반응율을 향상시켜 수익 증가로 이어지게 한다.

최근 빅데이터 분석은 트위터, 페이스북 등 SNS(Social Network Service)에서 수집되는 정보를 분석하여 소비자 마음을 읽는 기법으로 활용되어 기업의 매출과 수익을 늘려주는 마케팅 수단과 기업의 위험을 감소시켜주는 위기관리 수단으로 주목받고 있다.

2. 레스토랑 브랜드 개성( Restaurant Brand Personality )

브랜드 개성은 브랜드와 연관 지어지는 인간적 특성으로 만약 그 브랜드가 사람이라면 "어떤 개성의 사람이다"라고 하는 것이다. 소비자는 브랜드를 선택할 때 각 브랜드의 속성에 대한 평가(신념)를 토대로 선택할 수도 있고, 각 브랜드가 갖는 고유의 이미지를 토대로 선택할 수도 있다(이학식 외, 2006). 브랜드 개성은 자발적이거나 의도된 경로로 형성되기보다는 비자발적이고 무의식적인 노력을 통해 소비자의 마음에 축적된다. 브랜드 개성은 그 브랜드의 주 사용자의 이미지, 그 기업의 이미지, 그 브랜드의 광고모델 이미지 등으로부터 형성될 수 있다. 예를 들어 말보로 담배하면 쉽게 강인한 남성적 이미지를 떠올리는 것은 광고모델 때문이다.

브랜드 개성의 측정 항목은 Aaker에 의해 제시되었다. Aaker는 미국 통계청의 인구센서스를 기초로 성별, 나이, 수익, 인종, 지역에 따라 추출한 1,200명을 4개 그룹으로 나눈 후 각 그룹에게 우편으로 치약, 비누, 할인매장, 타이어, 신용카드, 컴퓨터, 장난감, 콜라, 방송, 패스트푸드 등 대표적인 생활 필수품의 상위 브랜드 9개를 선정한 후, 총 114개의 개성을 측정하는 문항으로 구성된 설문지를 우편으로 발송하고 회신을 받는 방식으로 측정하였다. 이를 Sincerity(down-to-earth, honest, wholesome, cheerful), Excitement(daring, spirited, imaginative, up-to-date), Competence(reliable, intelligent, successful), Sophistication(upper class, charming), Ruggedness(outdoorsy, tough)의 5개 요인(Factor)과 15개의 속성(Facet Name), 42개의 측정항목(Traits)으로 정리하여 브랜드 개성을 측정하는 척도로 제시하였다.

Siguaw & Austin(1999)는 Aaker의 브랜드 개성 척도를 레스토랑에 적용하여, 코넬대학교 학생들을 대상으로 quick service, casual dining, upscale의 9개 레스토랑을 대상으로 레스토랑별 브랜드 개성을 competence, sincerity, excitement, sophistication, ruggedness로 측정하였다.

Austin et al.(2003)은 미 북동부지역에 있는 대학교 학생들을 대상으로 McDonald's, Burger King, Wendy's, Chili's, T.G.I. Friday, Applebee's 등 6개의 quick service restaurant과, 지역에 기반한 John Thomas Steakhouse, Dano's on Cayuga, Renee's American Bistro 등 3개의 upscale restaurants을 비교하는 방식으로 브랜드별, 카테고리별 브랜드 개성을 측정하였으며, Musante et al.(2008)은 Aaker의 42개 측정항목을 quick service와 casual dining에 적합한 18개의 측정 항목으로 줄여 제시하였다.

Magnini & Thelen(2008)은 음악이 브랜드 개성에 영향을 미치는 것을 밝혔으며, Kim et al.(2012)은 브랜드 개성이 브랜드 선호와 브랜드 로얄티 그리고 e-WOM(e-Word Of Mouth)에도 영향을 미침을 밝혔으며, Lee et al.(2009)는 브랜드 개성이 감성과 만족, 브랜드 로얄티에 영향을 미치는 것을 밝혔으며, Lin & Huang(2012)는 타이완의 커피 브랜드 체인에서의 브랜드 개성이 재구매의사에 유의한 영향을 미침을 밝혔다. 한성호(2011)에 따르면 국내 연구는 Aaker의 측정항목을 그대로 사용한 연구, Aaker의 측정항목을 일부 사용 하거나 다른 연구자들의 측정항목을 사용한 연구, 그리고 독자적인 레스토랑 브랜드 개성 측정항목을 개발하기 위한 연구로 진행되고 있다.

많은 연구과정에서 Aaker가 제시한 브랜드 개성 측정 항목은 연구자의 필요에 따라 제외되거나 추가, 변경되었다. Austin et al.(2003)은 Excitement의 Spirited, Imaginative, Up-to-date와 Competence의 Reliable, Intelligent, Successful를, Musante et al.(2008)은 Excitement의 Spirited와 Ruggedness의 Outdoorsy, Tough를 측정을 하지 않았으며, Lee et al.(2009)은 Sincerity의 Down-to-earth, Cheerful, Excitement의 Daring, Competence의 Reliable, Sophistication의 Upperclass를 측정을 하지 않았다.

이와 같이 아커가 제시한 브랜드 개성 측정 항목이 연구자의 필요에 따라 제외되거나 추가, 변경된 까닭은, 측정항목에 대한 연구자의 주관적 판단과 표본의 한계성으로 인해 연구결과를 일반화하기 어렵다는 지적이 기존의 많은 연구를 통하여 나타났기 때문이다.

따라서, 연구자의 주관적 판단과 표본의 특성의 영향이 브랜드 개성 측정항목에 덜 미치도록 하는 브랜드 개성 측정 장치 및 방법에 관한 요청이 대두되었다.

브랜드 개성 측정 항목을 유의어의 범위로 확장하여 연구자의 주관적 판단과 표본의 특성의 영향이 브랜드 개성 측정항목에 덜 미치도록 함으로써 측정의 정확성을 향상시키는 브랜드 개성 측정장치 및 측정방법을 제공하는 것을 목적으로 한다.

일 양상에 따른 브랜드 개성 측정 장치는, 브랜드의 개성을 평가하기 위한 복수의 측정항목의 각각에 대하여, 계층적 어휘 의미망으로부터 상기 측정항목의 유의어를 추출하여, 각 측정항목마다 확장된 측정항목 그룹을 생성하는 확장된 측정항목 그룹 생성부; 웹크롤러를 이용하여 상기 브랜드에 관한 복수의 텍스트 표본을 수집하는 표본 수집부; 상기 복수의 텍스트 표본으로부터 적어도 하나의 키워드를 추출하는 키워드 추출부; 및 추출된 상기 적어도 하나의 키워드 및 상기 확장된 측정항목 그룹에 기초하여 상기 브랜드의 개성을 평가하는 평가부;를 포함한다.

이 때, 웹크롤러는 래퍼 기반의 웹크롤러일 수 있다.

또한, 키워드 추출부는, 상기 텍스트 표본의 각각에 대하여 형태소를 분석하는 형태소 분석부;를 더 포함하고, 상기 텍스트 표본에 포함된 형태소 중 형용사를 상기 텍스트 표본에 대한 상기 키워드로서 추출할 수 있다.

또한, 확장된 측정항목 그룹 생성부는, 미리 지정된 어휘는 상기 확장된 측정항목 그룹에 상기 평가항목의 유의어로서 포함시키지 않도록 할 수 있다.

나아가, 미리 지정된 어휘는, 다양한 의미를 가지므로 측정항목으로 부적합한 어휘일 수 있다.

또한, 평가부는, 상기 확장된 측정항목 그룹과 상기 키워드를 대조하여, 각 측정항목별 사용 빈도를 계산함으로써 상기 브랜드의 개성을 평가할 수 있다.

또한, 측정항목 그룹 생성부가 상기 복수의 측정항목 및 상기 확장된 측정항목 그룹을 저장하는 저장부;를 더 포함할 수 있다.

또한, 계층적 어휘 의미망은 워드넷일 수 있다.

또한, 복수의 측정항목은, 아커의 42개 브랜드 개성 측정항목일 수 있다.

다른 양상에 따른 브랜드 개성 측정 방법은, 브랜드의 개성을 평가하기 위한 복수의 측정항목의 각각에 대하여, 계층적 어휘 의미망으로부터 상기 측정항목의 유의어를 추출하여, 각 측정항목마다 확장된 측정항목 그룹을 생성하는 단계; 웹크롤러를 이용하여 상기 브랜드에 관한 복수의 텍스트 표본을 수집하는 단계; 상기 복수의 텍스트 표본으로부터 적어도 하나의 키워드를 추출하는 단계; 및 추출된 상기 적어도 하나의 키워드 및 상기 확장된 측정항목 그룹에 기초하여 상기 브랜드의 개성을 평가하는 단계;를 포함한다.

이 때, 수집하는 단계는, 래퍼 기반의 웹크롤러에 의하여 수행될 수 있다.

또한, 키워드를 추출하는 단계는, 상기 텍스트 표본의 각각에 대하여 형태소를 분석하는 단계; 및 상기 텍스트 표본에 포함된 형태소 중 형용사를 상기 텍스트 표본에 대한 상기 키워드로서 추출하는 단계;를 더 포함할 수 있다.

또한, 확장된 측정항목 그룹을 생성하는 단계에서, 미리 지정된 어휘가 상기 확장된 측정항목 그룹에 유의어로서 포함되어 있는지 여부를 판단하고, 만약 포함된 경우에는 이를 그룹에서 제외하는 단계;를 더 포함할 수 있다.

또한, 평가하는 단계에서, 상기 확장된 측정항목 그룹과 상기 키워드를 대조하여, 각 측정항목별 사용 빈도를 계산함으로써 상기 브랜드의 개성을 평가할 수 있다.

브랜드 개성 측정 항목을 유의어의 범위로 확장하여 연구자의 주관적 판단과 표본의 특성의 영향이 브랜드 개성 측정항목에 덜 미치도록 함으로써 측정의 정확성을 향상시키는 브랜드 개성 측정장치 및 측정방법을 구현할 수 있는 효과가 있다.

즉, 기존의 아커의 측정항목과 같이 브랜드 개성의 측정항목이 일반 소비자들이 흔히 사용하는 단어를 기반으로 하지 않는 경우에도, 일반 소비자들이 사용하는 단어를 기반으로 브랜드 개성이 측정되도록 측정항목을 확장함으로써, 브랜드 개성 측정의 정확도가 향상되는 효과가 있다.

도 1은 브랜드 개성 측정 장치의 일례를 나타낸 블록도,
도 2는 브랜드 개성 측정 장치의 다른 예를 나타낸 블록도,
도 3은 브랜드 개성 측정 방법의 일례를 나타낸 흐름도,
도 4는 표본 수집 기법의 일례를 나타낸 표,
도 5는 기존 브랜드 개성 측정항목의 실제 사용을 분석한 결과를 나타낸 표,
도 6은 워드넷을 통해 확장한 브랜드 개성 측정항목을 예시한 표,
도 7은 아커의 브랜드 개성 측정항목의 변수 설명력과 브랜드 개성 측정항목의 실제 사용빈도 및 워드넷을 통해 확장한 브랜드 개성 측정항목의 실제 사용 빈도를 비교한 표이다.

이하 도면을 참조하여 본 발명을 더욱 상세히 설명한다.

도 1은 브랜드 개성 측정 장치의 일례를 나타낸 블록도이다.

도 1에서 나타낸 바와 같이, 브랜드 개성 측정 장치(10)는 확장된 측정항목 그룹 생성부(10), 표본 수집부(12), 키워드 추출부(14) 및 평가부(16)를 포함하여 이루어진다.

확장된 측정항목 그룹 생성부(10)는 브랜드의 개성을 평가하기 위한 복수의 측정항목의 각각에 대하여, 계층적 어휘 의미망(110)으로부터 측정항목의 유의어를 추출하여, 각 측정항목마다 확장된 측정항목 그룹을 생성한다.

복수의 측정항목은 아커(Aaker)가 제안한 42개의 측정항목을 사용할 수 있다. 또한, 측정항목들과 각 측정항목에 대한 확장된 측정항목 그룹들이 저장되도록 브랜드 개성 측정 장치(1)가 저장부(100)를 더 구비할 수 있다.

표본 수집부(12)는 웹크롤러를 이용하여 특정 브랜드에 관한 복수의 텍스트 표본(200)을 인터넷 등 네트워크(20)를 통하여 수집한다.

표본 수집부(12)가 활용하는 웹크롤러는 일정한 주제의 웹 문서를 빠르고 정확하게 수집할 수 있는 방식의 웹크롤러라면 어떠한 것이라도 적용될 수 있다. 대표적으로 래퍼 기반의 크롤러(wrapper crawler)가 사용될 수 있다. 그러나 여기에 한정되는 것은 아니며, 일반적인 클로러나 포커스드 클로러(focused crawler), 토피컬 크롤러(topical crawler) 등도 널리 사용될 수 있다.

이 때, 수집 대상 웹사이트의 구조를 미리 분석해 두면 웹크롤러가 텍스트 표본을 정확하게 수집하는 데에 도움이 된다.

키워드 추출부(14)는 복수의 텍스트 표본으로부터 적어도 하나의 키워드를 추출한다.

이 때, 브랜드의 개성을 측정하기 위한 키워드는 브랜드의 개성을 나타낼 수 있는 품사인 형용사가 적합하다.

따라서, 키워드 추출부(14)는 텍스트 표본의 각각에 대하여 형태소를 분석하는 형태소 분석부(140)를 더 포함하고, 텍스트 표본에 포함된 형태소 중 형용사를 텍스트 표본에 대한 키워드로서 추출할 수 있다.

평가부(16)는 추출된 적어도 하나의 키워드 및 확장된 측정항목 그룹에 포함된 측정항목 및 측정항목의 유사어에 기초하여 브랜드의 개성을 평가한다.

구체적으로, 평가부(16)는 확장된 측정항목 그룹과 키워드를 대조하여, 각 측정항목별 사용 빈도를 계산함으로써 브랜드의 개성을 평가한다.

한편, 확장된 측정항목 그룹 생성부(10)는, 미리 지정된 어휘는 상기 확장된 측정항목 그룹에 상기 평가항목의 유의어로서 포함시키지 않도록 할 수 있다. 이는, 다양한 의미를 가짐으로써 브랜드 개성을 측정하는 측정항목으로는 부적합한 어휘로 판단되는 어휘를 배제하기 위해서이다.

또한, 확장된 측정항목 그룹 생성부(10)는 측정항목을 그 측정항목의 유의어까지를 포함하도록 "확장된 측정항목 그룹"을 생성하기 위해서 계층적 어휘 의미망(110)을 사용한다.

도 1의 실시예는 브랜드 개성 측정 장치(1)의 외부에 존재하는 계층적 어휘 의미망(110)을 인터넷 등 네트워크를 통하여 접속하는 사용하는 실시예이다.

이와 같이 장치(1)의 외부에 존재하는 계층적 어휘 의미망(110)으로는 워드넷(http://wordnet.princeton.edu/)과 같은 공개 데이터베이스가 활용될 수 있다.

한편, 계층적 어휘 의미망이 장치(1)의 내부에 통합되어 활용되는 실시예 또한 가능하다.

도 2는 브랜드 개성 측정 장치의 다른 예를 나타낸 블록도이다.

도 1의 실시예가 브랜드 개성 측정 장치(1)의 외부에 존재하는 계층적 어휘 의미망(110)을 인터넷 등 네트워크를 통하여 접속하는 사용하는 데 반하여, 도 2의 실시예에서는 계층적 어휘 의미망(112)을 장치(1)의 내부에 구비하고 있다는 점이 다르다.

도 3은 브랜드 개성 측정 방법의 일례를 나타낸 흐름도이다.

특정 브랜드의 개성을 측정하기 위하여, 복수의 측정항목의 각각에 대하여, 계층적 어휘 의미망으로부터 측정항목에 관한 유의어를 추출함으로써 각 측정항목마다 확장된 측정항목 그룹을 생성한다(300).

생성된 측정항목 그룹은 확장된 측정항목 생성부(10)와 연결된 저장부(100)에 저장될 수 있다.

한편, 미리 지정된 어휘가 확장된 측정항목 그룹에 유의어로서 포함되어 있는지 여부를 판단하고, 만약 포함된 경우에는 이를 그룹에서 제외하는 단계가 더 수행될 수 있다. 예컨대, "good"과 같은 단어는 다양한 의미를 내포하고 있기 때문에, 브랜드의 개성을 평가하기에는 적합하지 않은 형용사라고 판단되기 때문이다.

이와 함께, 특정 브랜드를 평가하기 위한 복수의 텍스트 표본을 수집하는 단계가 수행된다(31). 이는 장치(1)의 표본 수집부(12)가 웹크롤러를 이용하여 특정 브랜드에 관한 복수의 텍스트 표본(200)을 인터넷 등 네트워크(20)를 통하여 수집할 수 있음은 앞서 살펴보았다.

복수의 텍스트 표본이 수집되면, 복수의 텍스트 표본으로부터 적어도 하나의 키워드가 추출된다(320).

추출된 키워드들은, 확장된 측정항목 그룹에 포함된 측정항목(또는 측정항목의 유의어)과 함께, 브랜드의 개성을 평가하는 자료가 된다.

이를 위하여, 키워드를 추출하는 단계(320)에서, 텍스트 표본의 각각에 대하여 형태소를 분석하고, 텍스트 표본에 포함된 형태소 중 형용사를 상기 텍스트 표본에 대한 상기 키워드로서 추출하는 단계가 더 수행된다.

특정 브랜드의 개성을 평가하기 위한 평가요소로는 품사가 형용사인 어휘가 적합하기 때문이다.

브랜드의 개성을 평가하는 단계(330)에서는, 확장된 측정항목 그룹과 추출된 키워드들을 대조하여, 각 측정항목에 관한 확장된 측정항목 그룹에 속하는 키워드들이 얼마나 등장하였는지에 관한 사용 빈도를 계산함으로써 브랜드의 개성을 평가하게 된다.

아래에서는 브랜드 개성 측정을 위하여 측정항목의 설정 및 측정항목과 비교할 표본의 수집에 관한 구체적인 내용을 더욱 상세하게 예시적으로 기술한다.

1. 측정 항목과 측정 방법

레스토랑 브랜드 개성 측정 시스템은 Aaker의 브랜드 개성 측정항목을 워드넷으로 확장하고 웹크롤러를 이용하여 수집한 데이터에 대입하는 내용분석(Content Analysis)을 사용할 수 있다.

내용분석은 연구자가 조사대상에 직접적으로 접근이 용이하지 않을 때 커뮤니케이션 내용을 관찰하여 측정하는 방법으로 설문지나 면접 등을 통하여 자료를 수집했더라도 그것을 재확인하기 위해서 응답자가 남겨 놓은 다른 자료를 분석해 보고자 할 경우에 유용한 방법이다.

이를 위해 먼저 기존 측정항목의 실제 사용 빈도 측정은 웹크롤러를 통해 수집한 리뷰에서 추출한 형용사와 대조하여 5개 요인(Factor), 15개 속성(Facet Name), 42개 측정항목(Traits)의 실제 사용 빈도를 계산한다.

측정항목의 확장은 워드넷에 브랜드 개성 측정 항목을 입력하여 각 측정항목과 유사한 의미의 단어(유의어)들을 추출하는 방식으로 한다.

확장한 측정항목의 실제 사용 빈도 측정은 워드넷을 통해 확장한 측정항목을 리뷰에서 추출한 형용사와 대조하여 각 측정항목별 사용 빈도를 계산한다.

2. 표본 및 수집 방법

위치기반서비스에서 생성된 데이터를 이용하여 수집, 분석할 수 있다.

주요 위치기반서비스로는 2011년 나스닥에 상장한 웹과 앱 기반의 서비스인 옐프닷컴(yelp.com)과 1970년대 예일대 출신이 만들고 최근 구글에 인수된 책과 인터넷 기반의 서비스인 자갓(zagat.com), 그리고 최근 큰 인기를 끌고 있는 모바일 기반 서비스인 포스퀘어(foursquare.com)등이 있다.

조사의 타당성 및 대표성을 확보하기 위해 가장 규모가 크고 대중적인 서비스인 옐프닷컴(http://www.yelp.com)을 대상으로 하며, 이중 시카고 지역에 등록되어 있는 한식당 62개, 중식당 497개, 일식당 158개에 대한 전체 리뷰를 수집하여 표본으로 사용할 수 있다.

표본의 수집 방법으로는 웹크롤러(web crawler)를 사용할 수 있다.

웹크롤러는 리뷰, 상품평 등의 데이터를 인터넷에서 자동으로 빠르게 수집하기 위한 전용 프로그램 에이전트로, 종류에 따라 수집할 수 있는 데이터의 범위는 다양하다.

웹크롤러의 종류로는 일반적인 크롤러(crawler), 포커스드 크롤러(focused crawler), 토피컬 크롤러(topical crawler), 래퍼 기반 웹크롤러(wrapper crawler)가 있다.

여러 웹 크롤러 중 만족도 평가와 같이 일정한 주제의 웹 문서를 빠르고 정확하게 수집하는 데는 래퍼 기반의 웹 크롤러가 많이 사용된다. 이때 수집 대상 웹사이트의 구조를 미리 분석해 두어야 웹 크롤러가 해당 데이터에 접근하여 원하는 데이터를 정확하게 수집할 수 있다.

도 4에서 표본 수집 기법의 일례를 표로 정리하였다.

3. 표본의 특성

옐프닷컴 사용자는 리뷰 작성을 위해서 회원 가입을 할 때 이메일, 우편번호, 생년월일 등을 기입하며, 페이스북 이용자의 경우 별도 회원 가입 없이 아이디 연동이 가능하다.

회원이 리뷰를 작성할 때 전반적 사용법(General Guidelines), 리뷰 가이드 라인(Review Guidelines), 사진 가이드 라인(Photo Guidelines), 개인 프로필 가이드 라인(User Profile Guidelines), 댓글 가이드 라인(Talk Guidelines), 메시지 가이드 라인(Messaging Guidelines), 이벤트 가이드 라인(Event Guidelines), 기업 가이드 라인(Business Owner Guidelines) 등이 제시되며, 철자법 체크 기능도 제공되어 일정 수준 이상의 리뷰 품질을 유지하고 있다.

옐프닷컴 사용자와 미국 인터넷 사용자 평균과 비교했을 때 옐프닷컴 사용자가 여성의 비율이 높으며, 18세~44세까지의 비율이 높으며, 자녀가 없는 비율이 높으며, 가구 소득이 15만 달러 이상인 층이 많으며, College 이상 졸업자 층이 많으며, 아시안과 히스패닉 층이 많은 것으로 나타났다.

4. 분석결과 - 기존 브랜드 개성 측정항목의 실제 사용 분석

Aaker(1997)이 제시한 브랜드 개성 측정항목이 실제 소비자들이 사용하는 항목인지를 알아보기 위해 웹크롤러를 통해 36,536개의 리뷰를 수집한 후, 형태소 분석기를 통해 1,216,494개의 단어를 추출하고, 품사 추출기를 통해 형용사 329,239개로 분류하여, Aaker의 브랜드 개성 측정항목 42개에 대비하였다.

도 5는 기존 브랜드 개성 측정항목의 실제 사용을 분석한 결과를 나타낸 표이다.

Aaker의 브랜드 개성 측정항목은 실제 리뷰에서 총 7,266회 사용되었다.

측정항목 중 wholesome, sincere, down-to-earth, sentimental, up-to-date, independent, spirited, leader, secure, hardworking, intelligent, technical, glamorous, feminine, outdoorsy, masculine, rugged은 0회 사용되었으며, daring, upperclass, goodlooking, small-town, family-oriented은 2회, imaginative은 4회, confident은 6회, corporate은 8회만 사용되었다.

속성에서는 Upperclass, Down-to-earth가 4회, Intelligent이 8회, Successful, Reliable이 18회, Charming이 36회만 사용되었다.

5. 워드넷을 통한 기존 브랜드 개성 측정항목의 확장

42개의 브랜드 개성 측정항목을 확장하기 위해 프린스턴 대학에서 개발한 워드넷의 온라인 서비스(http://wordnetweb.princeton.edu/perl/webwn)에 입력하여 브랜드 개성 측정 항목의 유의어(유사한 의미의 단어)를 추출한 결과, 42개의 측정항목이 197개의 형용사로 확장되었다.

도 6은 워드넷을 통해 확장한 브랜드 개성 측정항목을 예시한 표이다.

워드넷을 통해 가장 많이 확장된 측정항목은 sentimental(15개), smooth(14개), tough(12개), spirited(12개), secure(11개)이다.

반대로 워드넷을 통해 확장 되지 않은 경우로는 family-oriented, small-town, wholesome, original, cheerful, exciting, successful, upperclass, goodlooking, outdoorsy, masculine가 있다.

확장 과정에서 하나의 단어가 여러 항목에 중복되어 포함되는 경우로 spirited, dependable, audacious, good, honest, reliable, rugged, smooth, true가 있으며, 표기가 유사한 levelheaded, level-headed는 levelheaded로, surefooted, sure-footed는 surefooted로 단어의 중복을 없애기 위해 하나의 단어로 통합하였다.

6.확장한 측정항목의 실제 사용 분석

워드넷을 통해 확장한 브랜드 개성 측정항목의 실제 사용 분석은 기존 측정항목의 실제 사용빈도 분석한 방식과 동일한 방법으로 분석하였다. 확장된 브랜드 개성 측정항목 197개는 실제 리뷰에서 총 16,959회 사용되었으며 분석결과는 다음과 같다.

첫째, 확장된 브랜드 개성 측정항목 중 한 번도 사용되지 않은 측정항목은 128개(중복 5개 포함)였으며, 1회 이상 사용된 측정항목은 70개로 나타났다. 가장 많이 사용된 측정항목으로는 good(27,874회), okay(5,552회), bad(3,755회), friendly(3,246회), new(2,916회), okay(2,555회), authentic(1,398회), hard(1,056회), cool(968회), real(958회), fine(788회), bland(786회), main(596회), unique(588회), trendy(515회)가 있었으나 이중 good, bad, new, okay는 다양한 의미를 가지는 단어이기에 제거하였다.

둘째, 측정항목, 속성, 요인이 해당 항목의 측정에 어느 정도 기여하는지를 알아보기 위해 구성비를 분석해 본 결과, 측정항목에서는 friendly, main, unique, trendy, original, contemporary, exciting, western, expert, broken, successful, corporate, earthy, upperclass, goodlooking, small-town, family-oriented, daring가 100%를 차지하는 것으로 분석되었으며, young(99.30%), game(98.20%), inventive(94.70%), positive(94.20%), authentic(92.20%)가 90% 이상을 차지하는 것으로 분석되었다. 속성에서는 Ruggedness이 99.6%, Tough가 96.3%, Reliable이 80.6%인 것으로 분석되었다.

셋째, 확장된 브랜드 개성의 요인, 속성, 측정항목의 분포를 조사해 본 결과 요인에서는 Excitement(6,636, 41.3%)와 Sincerity(4,965, 30.6%), Competence(2,212, 14.5%), Ruggedness(1,280, 7.5%), Sophistication(1,037, 6.1%)에서 고루 사용된 것으로 분석되었다. 속성에서는 Excitement는 Spirited가 70.8%를 차지하였으나 Up-to-date(10.5%), Imaginative(10.0%), Daring(8.7%)에서 비교적 골고루 사용되었으며, Competence 또한 Reliable(80.6%)의 비중이 컸으나 Intelligent(14.2%), Successful(5.2%)에서 비교적 골고루 사용되었다. 그러나 Sincerity는 Cheerful(68.0%), Honest(28.7%)에 집중되었고 Wholesome(3.2%), Down-to-earth(0.2%)는 사용이 적었으며, Ruggedness도 Tough(96.3%)에 집중되었고 Outdoorsy(3.7%)는 사용이 적었으며, Sophistication 또한 Charming(99.6%)에 집중되고 Upperclass(0.4%)는 사용이 적었다.

7.브랜드 개성 측정항목의 설명력과 사용 빈도 비교

Aaker의 브랜드 개성 측정항목의 변수 설명력(Variance Explained)과 브랜드 개성 측정항목의 실제 사용빈도(Frequency) 그리고 워드넷을 통해 확장한 브랜드 개성 측정항목의 실제 사용 빈도(Frequency)를 비교한 결과는 도 7과 같다.

Aaker가 제시한 브랜드 개성 측정항목의 설명력(Variance Explained)은 Sincerity(26.5%), Excitement (25.1%), Competence(17.5%), Sophistication (11.9%), Ruggedness(8.8%) 5가지 요인이 골고루 나타났다.

그러나 실제 일반인들이 작성한 리뷰에서 측정항목이 사용된 빈도를 조사해 본 결과 Sincerity(61.4%)와 Excitement(34.5%) 2개 요인이 전체의 95%를 차지하였다.

워드넷을 통해 확장한 브랜드 개성 측정항목은 초기 Aaker가 제시했던 설명력과 유사하게 Sincerity는 61.4%에서 30.6%로 감소하고, Excitement 34.5%에서 41.3%로, Competence는 0.6%에서 14.5%로, Sophistication는 0.6%에서 6.1%로, Ruggedness는 2.9%에서 7.5%로 초기 모형과 유사하게 나타났다.

8. 결론

외식산업 현업에서의 빅데이터 분석은 위치기반서비스를 통해 활발히 시도되고 있다. 현업과 학계에서 빅데이터에 관심을 가지는 이유는 고객의 생각이 빅데이터 안에 있기 때문이다.

본 발명의 일례에 따라 빅데이터를 이용하여 기존의 측정도구가 실제 일상 생활속에서 얼마나 사용되고 있는지를 알아보고, 워드넷을 이용하여 측정항목을 확장하였으며 이의 실제 사용 현황을 알아보았다.

결과를 요약하면 다음과 같다.

첫째, 레스토랑을 이용하는 고객들은 기존의 측정항목에서 사용하는 단어를 많이 사용하지 않았다. Aaker의 측정항목 42개 중 wholesome, sincere, down-to-earth 등 17개 측정항목은 실생활에서는 사용하지 않았으며, daring, upperclass, goodlooking 등 8개 측정항목도 거의 사용하지 않는 것으로 나타났다. 이는 브랜드 개성을 측정하는 측정항목이 실생활에서 사용하는 단어와 차이가 있는 것을 보여주는 것이다..

둘째, 워드넷을 통해 42개의 측정항목을 확장한 결과 sentimental, spirited, smooth, tough, secure 등 31개 측정항목이 197개의 측정항목으로 확장되었다. 이는 연구 과정에서 기존의 측정항목을 추가, 대체할 때 연구자의 주관적 판단이나 소수 그룹의 의견 대신 일반 소비자들이 사용하는 단어를 기반으로 하는 워드넷 어휘 데이터베이스를 통해 할 수 있음을 보여주는 것이다.

셋째, 확장된 측정항목이 기존 측정항목보다 브랜드 개성을 더 잘 측정해 준다. 기존의 측정항목을 그대로 사용했을 때 Sincerity와 Excitement에 치우쳤으나, 워드넷을 통해 확장했을 때 Competence, Sophistication, Ruggedness도 균형있게 증가하여 Aaker가 제시한 설명력 수준과 유사한 수준의 사용빈도를 보여주었다. 이는 시간이 지남에 따라 측정항목은 추가, 변경되어야 애초의 목적을 달성할 수 있음을 보여주는 것이다.

본 연구의 시사점은 첫째, 기존의 많은 연구에서 측정항목에 대한 연구자의 주관적 판단과 표본의 한계성으로 인해 연구결과를 일반화하기 어렵다고 지적한 것에 대해(Aaker, 1997; Austin et. al., 2003; Ryu & Jang, 2008) 그동안 많은 연구에서 사용하였던 측정항목을 실제 소비자가 얼마나 사용하고 있는지를 조사하고, 실제 사용에 가깝게 측정도구를 확장한 것이다.

둘째, 그동안 외식경영 분야에서 많이 연구되었던 브랜드 개성의 측정을 공학의 기술인 빅데이터와 워드넷와 접목하여 확장된 결과물을 생성함으로써 학제간의 융합을 이루어낸 것이다.

셋째, 인터넷과 모바일을 통해 생성되는 빅데이터를 이용하여 소비자가 가지는 브랜드에 대한 생각을 측정해 낸 것이다.

Claims (14)

1. 브랜드의 개성을 평가하기 위한 복수의 측정항목의 각각에 대하여, 계층적 어휘 의미망으로부터 상기 측정항목의 유의어를 추출하여, 각 측정항목마다 확장된 측정항목 그룹을 생성하는 확장된 측정항목 그룹 생성부;
   웹크롤러를 이용하여 상기 브랜드에 관한 복수의 텍스트 표본을 수집하는 표본 수집부;
   상기 복수의 텍스트 표본으로부터 적어도 하나의 키워드를 추출하는 키워드 추출부;
   추출된 상기 적어도 하나의 키워드 및 상기 확장된 측정항목 그룹에 기초하여 상기 브랜드의 개성을 평가하는 평가부;를 포함하는 브랜드 개성 측정 장치.
2. 제1항에 있어서,
   상기 웹크롤러는 래퍼 기반의 웹크롤러인 브랜드 개성 측정 장치.
3. 제1항에 있어서,
   상기 키워드 추출부는, 상기 텍스트 표본의 각각에 대하여 형태소를 분석하는 형태소 분석부;를 더 포함하고,
   상기 텍스트 표본에 포함된 형태소 중 형용사를 상기 텍스트 표본에 대한 상기 키워드로서 추출하는, 브랜드 개성 측정 장치.
4. 제1항에 있어서,
   상기 확장된 측정항목 그룹 생성부는, 미리 지정된 어휘는 상기 확장된 측정항목 그룹에 상기 평가항목의 유의어로서 포함시키지 않는 브랜드 개성 측정 장치.
5. 제4항에 있어서,
   상기 미리 지정된 어휘는, 다양한 의미를 가지므로 측정항목으로 부적합한 어휘인 브랜드 개성 측정 장치.
6. 제1항에 있어서,
   상기 평가부는, 상기 확장된 측정항목 그룹과 상기 키워드를 대조하여, 각 측정항목별 사용 빈도를 계산함으로써 상기 브랜드의 개성을 평가하는 브랜드 개성 측정 장치.
7. 제1항에 있어서,
   상기 측정항목 그룹 생성부가 상기 복수의 측정항목 및 상기 확장된 측정항목 그룹을 저장하는 저장부;를 더 포함하는 브랜드 개성 측정 장치.
8. 제1항에 있어서,
   상기 계층적 어휘 의미망은 워드넷인 브랜드 개성 측정 장치.
9. 제1항에 있어서,
   상기 복수의 측정항목은, 아커의 42개 브랜드 개성 측정항목인 브랜드 개성 측정 장치.
10. 브랜드의 개성을 평가하기 위한 복수의 측정항목의 각각에 대하여, 계층적 어휘 의미망으로부터 상기 측정항목의 유의어를 추출하여, 각 측정항목마다 확장된 측정항목 그룹을 생성하는 단계;
    웹크롤러를 이용하여 상기 브랜드에 관한 복수의 텍스트 표본을 수집하는 단계;
    상기 복수의 텍스트 표본으로부터 적어도 하나의 키워드를 추출하는 단계; 및
    추출된 상기 적어도 하나의 키워드 및 상기 확장된 측정항목 그룹에 기초하여 상기 브랜드의 개성을 평가하는 단계;를 포함하는 브랜드 개성 측정 방법.
11. 제10항에 있어서,
    상기 수집하는 단계는, 래퍼 기반의 웹크롤러에 의하여 수행되는 브랜드 개성 측정 방법.
12. 제10항에 있어서,
    상기 키워드를 추출하는 단계는, 상기 텍스트 표본의 각각에 대하여 형태소를 분석하는 단계; 및
    상기 텍스트 표본에 포함된 형태소 중 형용사를 상기 텍스트 표본에 대한 상기 키워드로서 추출하는 단계;를 더 포함하는 브랜드 개성 측정 방법.
13. 제10항에 있어서,
    상기 확장된 측정항목 그룹을 생성하는 단계에서, 미리 지정된 어휘가 상기 확장된 측정항목 그룹에 유의어로서 포함되어 있는지 여부를 판단하고, 만약 포함된 경우에는 이를 그룹에서 제외하는 단계;를 더 포함하는 브랜드 개성 측정 방법.
14. 제10항에 있어서,
    상기 평가하는 단계에서, 상기 확장된 측정항목 그룹과 상기 키워드를 대조하여, 각 측정항목별 사용 빈도를 계산함으로써 상기 브랜드의 개성을 평가하는 브랜드 개성 측정 방법.

Images