초록 열기/닫기 버튼
연구목적 온라인 병원 리뷰 사이트에 나타난 조직-공중 대화적 커뮤니케이션 변수를 추출하여, 의료 서비스 소비자의 의사평가에 미치는 영향을 수치화하고, 효과적인 조직-공중의 관계성 측면에서 온라인 커뮤니케이션 전략을 수립하는 데 그 목적이 있다. 연구방법 의료 소비자들이 의사와 병원에 느끼는 대화적 커뮤니케이션의 정도가 의사/병원 평가에 미치는 영향을 수량화하기 위하여 미국 온라인 병원 리뷰 사이트인 바이탈스닷컴(vitals.com)을 이용하였다. 파이썬(Phyton) API를 이용하여 2023년 9월 1일부터 9월 8일까지 일주일간 전문, 전공 분야와 병원의 위치에 상관없이 무작위로 7,218 명의 의사를 먼저 추출하고, 각각의 의사에 대한 12,945개의 리뷰를 수집하였다. 본 연구는 수집된 소셜 빅 데이터를 다양한 방식의 지도 학습(supervised learning), 비지도 학습(unsupervised learning) 기법들을 결합하여변수들을 추출하고, 변수들의 효과를 추정하였다. 연구결과 종합 별점을 종속변수로 하고 의사의 특성들(경험, 언어의 수, 전문분야, 전공분야, 자격증 수, 진료 태도)과 병원의 특성(취급하는 보험의 수, 대기시간, 진료의 신속성, 직원의 친절도, 별점과 리뷰 개수), 그리고 리뷰 내용의 특성(리뷰에 사용된 단어 수, 리뷰의 정서)을 모두 통제하였을 때, 최소 자승법(Ordinary Least Squares, OLS)으로 추정된 회귀분석 결과 대화적 커뮤니케이션은 종합 별점에 긍정적인 영향을 미치는 것으로 밝혀졌다. 더욱 중요하게 상호작용을 살펴본 결과, 대화적 커뮤니케이션은 진료의 신속성, 진료 태도, 직원의 친절도가 부정적으로 평가되는 병원 및 의사의 경험이 낮은 경우 그 효과가 더 컸다. 결론 및 함의 본 연구는 지금까지 알려진바 가장 많은 샘플(1만 3천여 개)을 사용하여 조직-공중 대화적 커뮤니케이션의 효과를온라인 정보 탐색과 보건 커뮤니케이션 맥락에서 최신 기법으로 재확인하였다. 둘째, 접근성-진단성 모델을 기반으로 의료 소비자들의 의사결정에 영향을 미치는 역할을 밝혀냈다. 셋째로, 기계학습 방법론을 도입하여 기존의자기 보고 형식에서 벗어나 자동화된 방법에 따라 리뷰가 조직-공중 대화적 커뮤니케이션과 관련이 있는 리뷰인지아닌지를 구분하는 알고리즘을 개발하였다. 또한 PR 실무자의 입장에서 조직-공중 대화적 커뮤니케이션의 중요성을 확인하고, 때로는 직원의 친절도, 전문 분야의 수, 자격증의 수 같은 병원/의사의 특징보다 커뮤니케이션적측면이 소비자들의 병원/의사 판단에 더 큰 영향을 미친다는 점을 제안한다.
Objectives The objective of this study is to identify and analyze the communication variables between organizations and the public as demonstrated on online hospital review sites. By quantifying the impact of these variables on consumer opinion evaluation, the study aims to establish an effective online communication strategy for organization-public relations. Methods To measure the effect of communication between consumers and doctors/hospitals on their evaluation, we utilized vitals.com, an online hospital review site in the US. From September 1 to September 8, 2023, we gathered 12,945 reviews for a total of 7,218 doctors from different specialties and hospital locations. By employing a combination of supervised and unsupervised learning techniques, we extracted variables from the collected social big data and estimated their effects. Results When considering the total rating as the dependent variable and controlling for factors such as doctors’ characteristics (experience, number of languages, specialties, detailed fields, number of certificates, treatment attitudes), hospital characteristics (number of insurance, waiting times, speed of treatment, employee kindness, number of ratings and reviews), and review content characteristics (number of words used in the review, sentiment of the review), it was found that dialogic communication had a positive impact on the total rating. Furthermore, it was noted that dialogic communication was particularly effective in cases where hospitals and doctors had less experience with negative evaluations related to treatment speed, treatment attitude, and employee kindness. Conclusions This study confirmed the effectiveness of organization-public dialogic communication in the realm of online information search and health communication. It employed the latest techniques and included the largest sample size to date, with a total of 13,000 participants. Additionally, the study unveiled the role of organization-public dialogic communication in influencing the decision-making process of medical consumers, based on the accessibility-diagnosis model. Furthermore, the study utilized machine learning methodology to develop an algorithm that can automatically determine whether reviews are related to organization-public dialogic communication, rather than relying on self-report data. These findings emphasize the importance of organization-public dialogic communication from the perspective of PR practitioners. It suggests that communication aspects sometimes carry more weight in consumers’ judgments of hospitals/doctors than characteristics such as employee kindness, number of specialties, and number of certificates.
키워드열기/닫기 버튼
Online reviews, Machine learning, Organization-public dialogic communication
