earticle

영어

This study evaluates the quantitative performance of transformer-based sentiment analysis models using online consumer review data and empirically analyzes how sentiment scores derived from these models affect actual review usefulness ratings through regression modeling. The analysis utilized 10,000 randomly sampled reviews from the Yelp Open Dataset, comparing transformer-based models (BERT-base, RoBERTa-base, DistilBERT, and GPT-4) with traditional lexicon-based models (NRC). The study validated the practical applicability of transformer-based sentiment analysis in marketing by examining prediction validity and providing strategic guidelines for model selection. Results showed that transformer models outperformed lexicon-based approaches in capturing contextual nuances and predicting review utility, though challenges such as interpretability and computational efficiency persist. This research underscores the value of integrating advanced AI techniques into marketing analytics while highlighting areas for future refinement.

한국어

본 연구는 온라인 소비자 리뷰 데이터를 활용하여 트랜스포머 기반 감성분석 모델의 정량적 성능을 평가하고, 각 모델로부터 도출한 감성 점수가 실제 리뷰 유용성 평가에 미치는 영향을 회귀 모형으로 실증 분석하였다. 분석을 위해 Yelp Open Dataset에서 무작위로 추출한 10,000건의 리뷰를 사용하였 으며, 트랜스포머 기반 감성 분석 모델로 이해 주도형인 Bert-base, RoBERTa-base, DistilBert와 생성 주도형인 GPT-4 및 기존의 전통적인 사전 기반 감성분석 모델(NRC)을 적용하여 성능과 예측 결과를 다각적으로 비교하였다. 이후 각 감성 점수와 다수 소비자가 평가한 리뷰 유용성 간의 관계를 회귀 모 형 분석을 통해 예측 타당성을 검증함으로써 마케팅 영역에서 트랜스포머 기반 감성분석의 활용 가치 와 통계적 모델링 결합의 실질적 유효성을 확인하였다. 본 연구는 이상의 분석을 통해 기업 마케팅 전 략 및 리뷰 기반 의사 결정 지원을 위한 최근 각광을 받는 생성형 AI를 포함한 트랜스포머 기반 감성 분석 활용의 실질적 타당성을 확인하고, 감성 분석에 활용되는 언어 모형의 장단점을 비교하여 전략적 활용 가이드라인을 제시한다.