초록 열기/닫기 버튼
As the location-based travel service stimulates travelers in terms of mobile communication, much attention has been focused on the use of big data and its use. In this regard, this study explored the various marketing strategies and directions through the verification of diverse responses of travelers on location-based travel service, focusing on social big data. Based on unstructured social data scattered on blog sites, specifically, this study sought to predict travelers emotions, classify travelers, and estimate demand for location-based travel services. Textual data was gathered from Naver blog and 27,644 blogs out of a total of 95,704 blogs were secured further analysis. Seventy- two important keywords were extracted, including accommodation, reservation, tour, price, and photo. Also, price, function, information, location and transportation, and supplementary service were classified as critical factors that positively influence travelers’ emotions about location-based travel services. The relationship between classified factors and travelers’ emotions was verified through the association analysis, further classified by decision tree analysis. Also, the demand of travelers for location-based travel services was predicted by identifying the influence of individual variables through the truncated Poisson model. Various communication strategies and management strategies are further discussed based on the individual roles and the importance of keywords.
위치기반 여행서비스(location-based travel service)가 모바일 커뮤니케이션의 측면에서 여행자를 자극함에 따라 빅데이터와 이에 대한 활용에 많은 관심이 집중되고 있다. 이런 측면에서, 본 연구는 소셜 빅데이터(social big data)를 중심으로 위치기반 여행서비스에 대한 여행자들의 다양한 반응을 살피고, 그에 따른 마케팅 전략과 방향성을 모색하고자 하였다. 구체적으로 본 연구는 텍스트 키워드를 중심으로 여행자 감정을 예측하고자 하였으며, 이를 통해 여행자를 분류하고 위치기반 여행서비스에 대한 수요를 추정하고자 하였다. 빅데이터 분석을 위한 텍스트 자료는 네이버 블로그에서 수집이 되었고, 총 95,704개의 블로그 중 27,644개의 블로그가 분석에 사용되었다. 결과적으로, 총 72개의 중요키워드가 추출이 되었는데, 숙박, 예약, 여행, 가격, 사진 등 이었다. 또한 최종적으로 가격, 기능, 정보, 위치, 부가서비스 등이 위치기반 여행서비스에 대한 여행자 감정에 긍정적인 영향을 주는 요인으로 분류되었다. 분류된 요인과 여행자 감정 간의 관계는 연관분석(association analysis)을 통해 검증되었고, 키워드 유형별 여행자 분류는 의사나무결정분석(decision tree analysis)을 사용하여 이루어졌으며, 위치기반 서비스에 대한 수요는 절단된 포아송 모형(truncated Poisson model)을 통해 개별 변수들의 영향력을 확인함으로써 예측되었다. 다양한 커뮤니케이션 전략과 관리방안이 단어들의 개별적 역할과 중요성을 토대로 좀 더 자세히 논의된다.
키워드열기/닫기 버튼
위치기반 여행서비스, 소셜 빅데이터, 연관분석, 의사나무결정분석, 수요예측결정
