earticle

영어

This study applies neural network analysis techniques to examine the factors influencing the purchasing decisions of fashion eyewear among women in their 30s and 40s, comparing these findings with traditional parametric analysis methods. In the fashion area, machine learning techniques are utilized for personalized fashion recommendation systems. However, research on such applications in Korea remains insufficient. By reanalyzing a study conducted in 2017 using traditional quantitative methods with these new techniques, this study aims to confirm the utility of neural network methods. Notably, the study finds that the classification accuracy of preferred sunglasses design is highest, at 86.2%, when the L-BFGS-B neural network is activated using the hyperbolic tangent function. The most critical factors influencing purchasing decisions were consumers' occupations and their pursuit of new styles. It is interpreted that Korean sunglasses consumers prefer "safe changes." These findings are consistent for selecting both the frames and lenses of sunglasses. Traditional quantitative analysis suggests that the type of sunglasses preferred varies according to the group to which a consumer belongs. In contrast, neural network analysis predicts the preferred sunglasses for each individual, thereby facilitating the development of personalized sunglasses recommendation systems.

한국어

본 연구는 30~40대 여성의 패션 아이웨어 구매결정 요인을 분석하기 위해 신경망 분석 기법을 적용하여 전통 적인 모수적 분석 기법과 비교하였다. 패션 분야에서 신경망 등 머신러닝 기법은 맞춤형 패션 추천시스템에 많이 적 용되는데, 국내 연구사례는 아직 미흡하다. 본 연구는 2017년에 전통적 계량기법으로 수행된 연구를 신기술로 다시 분석하여, 양자를 비교함으로써 신경망 기법의 유용성을 확인하고자 한다. 본 연구는 L-BFGS-B 신경망을 하이퍼볼 릭 탄젠트로 활성화 시킬 때, 소비자들이 선호하는 디자인형태에 대한 분류정확도가 86.2%로 가장 좋았다. 소비자의 직업과 새로운 스타일에 대한 추구가 가장 중요한 구매결정요인이었다. 한국의 선글라스 소비자들은 “안전한 변화”를 가장 선호하는 것으로 해석된다. 이런 분석 결과는 선글라스 프레임 및 렌즈에 있어서도 동일하게 나타난다. 전통적 인 계량분석의 결과물은 소비자가 어떤 집단에 속하는지 여부에 따라 선호하는 선글라스의 종류가 다르다고 본다. 이 에 비해 신경망분석의 결과물은 각 개인별로 선호하는 선글라스를 개인별로 예측해준다. 이것이 기여하는 바는 개인 별 맞춤형 선글라스 추천 시스템을 개발할 수 있게 해준다.