본문 바로가기
KERD
논문KCI 등재

고객 서비스 개선을 위한 비정형 텍스트 데이터 자동 분류 모델 비교 - 고객 불만 데이터를 대상으로

Comparison of Models for Automatic Classification of Unstructured Text Data to Improve Customer Service - Focused on Customer Complaint Data

김나랑
한국생산관리학회 (The Korean Production And Operations Management Society)|2024.05|한국생산관리학회지 (Journal of the Korean Production and Operations Management Society)|제35권 제2호|pp. 215-232|DOI https://doi.org/10.32956/kopoms.2024.35.2.215

0

조회

0

다운로드

0

인용

0

참고문헌

키워드

고객 불만자동 분류서비스 개선비정형 데이터나이브 베이즈랜덤 포레스트서포트 벡터 머신합성곱 신경망순환 신경망Customer ComplaintsAutomatic ClassificationService ImprovementUnstructured DataNaive BayesRandom ForestSVMCNNLSTM
주제분류경영학

초록

정보기술의 발전과 디지털 커뮤니케이션의 확산으로 인해 급증하는 고객 불만과 피드백을 효과적으로 관리하고 처리하는 방법이 필요하다. 특히, 대부분의 데이터가 비정형 데이터인 상황에서, 이를 신속히 처리하고 분류하여 고객 서비스를 개선하는 것은 중요하다. 이에 본 연구에서는 전통적 분류 모델인 Naive Bayes, SVM, Random Forest와 딥러닝 모델인 CNN, LSTM을 살펴보고, 보스턴시의 교통 불만 데이터에 적용하여 고객 불만 데이터의 자동 분류 성능을 비교 분석하였다. 연구 결과, CNN과 LSTM은 각각 81%와 97%의 높은 분류 정확도를 보여, 고객 불만처럼 복잡하고 다양한 패턴의 비정형 데이터 처리에 더욱 효과적임을 확인하였다. 이러한 결과는 딥러닝 모델이 고객 불만 데이터의 특성을 더 잘 분석하고, 문맥적 연결을 감지하는 능력이 우수하기 때문이다. 본 연구는 기업이 고객의 목소리를 신속하고 정확하게 파악하고 대응할 수 있는 고객 서비스 개선 방법론을 제공하며, 이는 기업 경쟁력을 강화하는 데 기여할 것으로 기대된다.

Abstract

With the advancement of information technology and the proliferation of digital communication, there is an increasing need for effective management and processing of the growing volume of customer complaints and feedback. Particularly, when most of the data is unstructured, it is crucial to quickly process and classify this data to improve customer service. In this study, we examine traditional classification models such as Naive Bayes, SVM, and Random Forest, as well as deep learning models like CNN and LSTM. These models were applied to Boston's traffic complaint data to compare the performance of automatic classification of customer complaint data. The results showed that CNN and LSTM achieved high classification accuracies of 81% and 97%, respectively, confirming their effectiveness in handling complex and diverse patterns of unstructured data, such as customer complaints. These findings demonstrate that deep learning models are better at analyzing the characteristics of customer complaint data and detecting contextual connections. This study provides a methodology for companies to quickly and accurately understand and respond to customer voices, thereby enhancing corporate competitiveness.

참고문헌 (75)

  1. 강영남, "보건의료 빅데이터를 활용한 암진단 및 치료", HIRA 빅데이터 브리프 (2019)
  2. 강희재, "텍스트 네트워크 분석을이용한 산업 간 연관성에 관한 연구-대한민국 제조 산업을 중심으로", 한국생산관리학회지, 31(3), pp.311~329 (2020)
  3. 고현우, "다양한 뉴스데이터를 이용한 자연어 처리모델 성능 비교", 한국정보통신학회논문지, 27(4), pp.571~574 (2023)
  4. 김나현, "감성분석을 활용한 온라인 식품 유통 플랫폼 브랜드 개성 측정 연구: 마켓컬리와 이마트몰을 중심으로", 한국마케팅관리학회학술대회 논문집, pp.39~40 (2023)
  5. 김윤승, "머신러닝 기반 가치투자를 통한주식 종목 선정 연구 : 내재가치를 중심으로", 한국정보시스템학회, 32(1), pp.179~199 (2023)
  6. 김은미, "온라인 리뷰의 감성분석과 순환신경망을적용한 국내 인바운드 관광수요 예측 모형", 관광연구저널, 35(3), pp.69~79 (2021)
  7. 김은혜, "아파트하자 보수 시설공사 세부공종머신러닝 분류 시스템에 관한 연구", 정보처리학회논문지, 2021, pp.10(9), 359~366
  8. 김점구, "랜덤 포레스트 분류기를 이용한감성어 사전 기반 감성 분석 개선", 한국차세대컴퓨팅학회지, 20(2), pp.21~29 (2024)
  9. 김정인, "나이브 베이즈 기반 소셜 미디어 상의 신조어 감성 판별 기법", 스마트미디어저널, 9(1), pp.51~59 (2020)
  10. 김지현, "온라인 리뷰의 다차원 감정을 활용한 딥러닝 기반 추천 시스템 연구", 한국경영과학회지, 49(1), pp.1~17 (2024)
  11. 김진우, "인공신경망을 적용한 악성 댓글 분류 모델들의 성능 비교", 디지털콘텐츠학회논문지, 20(7), pp.1429~1437 (2019)
  12. 김태호, "규칙기반 및 기계학습을 활용한불법채권추심 분류 모델", 한국컴퓨터정보학회논문지, 26(4), pp.93~103 (2021)
  13. 노동훈, "특허상담 자동분류의 성능 향상 방안 연구 : 트랜스포머 기반 인공지능 모델버트(BERT)를 활용", 지식재산연구, 19(1), pp.159~177 (2024)
  14. 마켓리서치, "기업 의사결정 핵심 기반으로 급성장하는 텍스트 분석 솔루션", GTTKOREA, ~ (2023)
  15. 박기태, "LDA를활용한 친환경 물류 핵심 토픽 분석-COVID-19팬데믹 전후 키워드 중심으로", 한국생산관리학회지, 33(3), pp.463~479 (2022)
  16. 박상윤, "온라인 여행상품 고객이탈 분석 연구 : 데이터마이닝 로지스틱 회귀분석 활용", 해양관광학연구, 16(4), pp.377~394 (2023)
  17. 박영욱, "DMR(Dirichlet Multinomial Regression)토픽모델링을 이용한 온라인 리뷰 빅데이터 기반 고객감성 분석에 관한 연구 : 국내 5 성급 호텔의 외국인 이용객 리뷰를 중심으로", 호텔경영학연구, 30(2), pp.1~20 (2021)
  18. 박준영, "실시간 범죄 예측을 위한랜덤포레스트 알고리즘 기반의 범죄 유형 분류모델및 모니터링 인터페이스 디자인 요소 제안", 정보과학회 컴퓨팅의 실제 논문지, 22(9), pp.455~460 (2016)
  19. 박준혁, "랜덤 포레스트와 딥러닝을 이용한노인환자의 사망률 예측", 정보처리학회논문지, 2020, pp.9(10), 309~316
  20. 박현정, "CNN을 적용한 한국어상품평 감성분석 : 형태소 임베딩을 중심으로", 지능정보연구, 24(2), pp.59~83 (2018)
  21. 백혜연, "머신러닝 기반의 기업 리뷰 다중분류 : 부분 문법 적용을 중심으로", 경영정보학연구, 25(3), pp.27~41 (2023)
  22. 소진수, "음식점 리뷰 감성분석을 통한 세부 평가항목별 평점 예측", 한국컴퓨터정보학회논문지, 25(6), pp.81~89 (2020)
  23. 송만석, "화장품 소비자는 어떤 기호가치로 소비를하는가? : 텍스트 마이닝을 이용한 화장품 브랜드평판과 브랜드 선택속성 분석", Asian Journal of Beauty and Cosmetology, 19(2), pp.263~275 (2021)
  24. 안지예, "딥러닝을 활용한 고객 경험 기반상품 평가 변화 예측 방법론", 한국 IT 서비스학회지, 21(4), pp.75~90 (2022)
  25. 양도업, "온라인(On-line)스포츠제품 구매 후 소비자 불평행동에 관한 연구-SNS 활동을 중심으로-", 한국사회체육학회지, 79, pp.21~31 (2020)[DOI]
  26. 유준일, "감염병 확산에 따른 레스토랑 선택속성 변화 분석 : 텍스트마이닝 기법 적용", 경영정보학연구, 25(4), pp.89~112 (2023)
  27. 육지희, "토픽모델링과 딥 러닝을 활용한 생의학 문헌 자동 분류 기법 연구", 정보관리학회지, 35(2), pp.63~88 (2018)
  28. 윤동규, "평점 예측 모델 개발을 위한 관광지 만족도 정량 지수 구축 : 제주도 관광지리뷰를 중심으로", 지능정보연구, 29(4), pp.185~205 (2023)
  29. 윤민지, "온라인 리뷰의 텍스트 분석을 통한 Kano 모델 품질속성 판별 기법", 한국생산관리학회지, 31(1), pp.95~109 (2020)
  30. 윤민지, "온라인 리뷰의 텍스트 분석을 통한 고객 평점 예측에 관한 연구", 한국생산관리학회지, 32(1), pp.89~103 (2021)
  31. 윤호민, "텍스트마이닝 기법을 활용한 레스토랑 유형별 선택속성 차이에 관한 연구 : 외래 관광객을 중심으로", 호텔경영학연구, 30(7), pp.109~127 (2021)
  32. 이건수, "온라인 쇼핑몰에서의 상담 대응 효율 개선을 위한 AI 기반 상담 분류 기법", 한국정보기술학회논문지, 19(8), pp.119~126 (2021)
  33. 이미선, "온라인 고객리뷰에 대한 속성기반오피니언 마이닝을 활용한 추천시스템의 개선", 한국컴퓨터정보학회논문지, 28(12), pp.259~266 (2023)
  34. 이예지, "토픽 모델링을 활용한 공항 식당의서비스 품질 평가", 한국항공경영학회지, 20(1), pp.49~70 (2022)
  35. 이은주, "CNN 과 RNN 의 기초 및 응용 연구", 방송과 미디어, 22(1), pp.87~95 (2017)
  36. 이재문, "소셜 빅데이터 분석을 활용한 프로야구 경기장 마케팅 전략 분석 연구 : 인천 SSG 랜더스필드를 중심으로", 한국스포츠학회, 21(1), pp.721~733 (2023)
  37. 이종희, "랜덤포레스트 모델을 활용한 청년층 차입자의 채무 불이행 위험 연구", 가족자원경영과 정책(구 한국가족자원경영학회지), 26(3), pp.19~34 (2022)
  38. 이지현, "고객의 소리(VOC)를 통한 서비스 개선 방안 연구: A호텔 사례를 중심으로", 석사, pp.2019
  39. 이청용, "온라인 호텔 리뷰와 평점 불일치 문제 해결을 위한 딥러닝 기반 개인화 추천 서비스 연구", 경영정보학연구, 23(3), pp.51~75 (2021)
  40. 이현상, "딥러닝 기술을 활용한 악성댓글 분류: Highway Network 기반 CNN 모델링 연구", 한국경영학회 융합학술대회 논문집, pp.343~351 (2020)
  41. 이흠철, "Multi-channel CNN 기반 온라인 리뷰 유용성 예측 모델 개발에관한 연구", 지능정보연구, 28(2), pp.171~189 (2022)
  42. 임명진, "Word2Vec과 LSTM 을활용한 이별 가사 감정 분류", 스마트미디어저널, 9(3), pp.90~97 (2020)
  43. 임영희, "네트워크 분석을 활용한 온라인 리뷰의 호텔 유형별 선택속성 연구", 호텔경영학연구, 32(6), pp.55~75 (2023)
  44. 임영희, "호텔 온라인 리뷰 빅데이터를 활용한 감성분석에 관한 연구", 호텔경영학연구, 28(7), pp.105~123 (2019)
  45. 장동수, "딥러닝 기반 온라인 리뷰의 언어학적 특성을 활용한 추천 시스템 성능 향상에 관한 연구", 지능정보연구, 29(1), pp.41~63 (2023)
  46. 장수정, "대용량 텍스트 문서 간 유사도와 SVM 을이용한 계층 분류의 관계에 관한 연구", 석사, pp.2020
  47. 전우진, "머신러닝과 감성분석을활용한 고객 리뷰 기반 항공 서비스 품질 평가", 한국전자거래학회지, 26(4), pp.15~36 (2021)
  48. 전익진, "고객반응 이력과 상품정보를 반영한 군집화 기반의 상품 추천 모델", 한국경영과학회지, 48(3), pp.29~39 (2023)
  49. 정영교, "스파크R 실시간 감정분석을 위한 강화된나이브 베이즈 분류", 석사, pp.2017
  50. 정영훈, "마스크 R-CNN 과 랜덤 포레스트방법을 이용한 당뇨병성 망막병증 분류", 한국컴퓨터정보학회논문지, 27(12), pp.29~40 (2022)
  51. 조규철, "항공편 결항 예측 모델 연구", 한국컴퓨터정보학회 학술발표논문집, 30(2), pp.455~456 (2022)
  52. 조민경, "토픽모델링을 통한 국내 대형항공사들의 서비스품질 비교 : 트립어드바이저 리뷰를 중심으로", 호텔관광연구, 23(1), pp.152~165 (2021)
  53. 최동엽, "미디어 텍스트 분석 기반의 공급망 리스크 모니터링 시스템의 개발", 한국생산관리학회지, 34(4), pp.453~471 (2023)
  54. 최혜선, "밀키트 제품 리뷰 데이터를 이용한 텍스트 분석 사례 연구", 한국콘텐츠학회논문지, 22(5), pp.1~14 (2022)
  55. 하유이, "기계학습 기반 전력산업 민원 데이터 업무유형 자동 분류모델 개발", 대한전기학회 학술대회 논문집, pp.1783~1784 (2021)
  56. 하지은, "RandomForest와 XGBoost를 활용한 민원카테고리 및 담당부서 자동 분류 성능비교", 석사, pp.2017
  57. 허경옥, "기업 고객상담실의 소비자불만처리에 대한 소비자만족, 기업에 대한 소비자신뢰가 소비자의 불만제품 재구매의사에 미치는 영향 분석", 소비자문제연구, 49(2), pp.181~206 (2018)
  58. 비정형 민원 데이터를 활용한 청소년 정책의제 도출, "홍순구", 한국청소년정책연구원, ~ (2021)
  59. 홍태호, "방한 관광객의 온라인 리뷰에 대한 빅데이터 분석 기반의 감성분석 및 평점 예측모형", 지식경영연구, 23(1), pp.187~201 (2022)
  60. 홍태호, "영화 리뷰의 상품속성과 고객 속성을 통합한 지능형 추천시스템", 지능정보연구, 28(2), pp.1~18 (2022)
  61. 황진주, "고객의 소리(VOC)관리 개선방안 연구 : 식품회사의 문의VOC 현황 분석을 중심으로", 소비자정책교육연구, 12(2), pp.91~119 (2016)
  62. Ding, W., "A novel Naive Bayesian text classifier", IEEE 2008 International Symposiums on Information Processing, pp.78~82 (2008)
  63. Jelodar, H., "Latent Dirichlet Allocation(LDA)and Topic modeling : models, applications, a survey", Multimedia Tools and Applications, 78(11), pp.15169~15211 (2019)
  64. Hochreiter, S., "Long short-term memory", Neural Computation, 9(8), pp.1735~1780 (1997)
  65. Joachims, T., "A probabilistic analysis of the Rocchio algorithm with TFIDF for text categorization", ICML, 97, pp.143~151 (1997)
  66. Kim, Y., "Convolutional neural networks for sentence classification", Empirical Methods in Natural Language Processing, pp.1746~1751 (2014)
  67. Lantz, B., "Machine learning with R: expert techniques for predictive modeling" (2019), Packt publishing ltd
  68. Le, C. C., "Text classification : Naïve bayes classifier with sentiment Lexicon", IAENG International Journal of Computer Science, 46(2), pp.141~148 (2019)
  69. Nguyen, H. T., "An ensemble method with sentiment features and clustering support", Neurocomputing, 370, pp.155~165 (2019)
  70. Nowak, J., "LSTM Recurrent Neural Networks for Short Text and Sentiment Classification", International Conference on Artificial Intelligence and Soft Computing, pp.553~562 (2017)
  71. Russakovsky, O., "Imagenet large scale visual recognition challenge", International Journal of Computer Vision, 115(3), pp.211~252 (2008)
  72. WANG, Z., "Text categorization based on LDA and SVM", IEEE International Conference on Computer Science and Software Engineering, pp.674~677 (2008)
  73. Xu, S., "Bayesian Naïve Bayes classifiers to text classification", Journal of Information Science, 44(1), pp.48~59 (2018)
  74. Xue, D., "Research of text categorization model based on random forests", 2015 IEEE International Conference on Computational Intelligence & Communication Technology, pp.173~176 (2015)
  75. Zulfikar, W. B., "Sentiment analysis on social media against public policy using multinomial naive bayes", Scientific Journal of Informatics, 10(1), pp.25~34 (2023)

관련 논문AI추천

CNN과 Bidirectional LSTM을 활용한 부산시 민원 자동 분류 연구김나랑, 마렌드라 라마다니한국전산회계학회 · 전산회계연구2019 · 제17권 제2호잠재적 차량 결함 탐지를 위한 비정형 고객불만 텍스트 데이터 분류박재일, 옥창수, 조주현한국산업경영시스템학회 · 한국산업경영시스템학회지2023 · 제46권 제2호RandomForest와 XGBoost를 활용한 한국어 텍스트 분류: 서울특별시 응답소 민원 데이터를 중심으로신현철, 이준기, 하지은사)한국빅데이터학회 · 한국빅데이터학회 학회지2017 · 제2권 제2호감성분석과 Word2vec을 이용한 비정형 품질 데이터 분석문병민, 배석주, 유국현, 이진욱한국품질경영학회 · 품질경영학회지2017 · 제45권 제1호딥러닝 기법을 이용한 철도 운행 관련 비정형 SNS 메시지 정형화김형근, 김화연, 박진규, 안태기, 이현빈한국컴퓨터정보학회 · 한국컴퓨터정보학회논문지2018 · 제23권 제7호고객 감성 분석을 위한 학습 기반 토크나이저 비교 연구김원준한국품질경영학회 · 품질경영학회지2020 · 제48권 제3호

이 간행물의 다른 논문 (5건)

단수 휴가와 일량 제어정책을 갖는 이산시간 Geo/G/1 시스템의 대기시간 분석이세원pp. 145-159블록모델링을 활용한 한국자동차산업 공급네트워크 구조 분석강아롬, 오중산pp. 161-180기술투자 중소기업과 일반 중소기업의 재무성과 비교분석이준원pp. 181-198글로벌 혁신 성과에 대한 원인 요인의 필요조건 분석최강화pp. 199-213효율성 향상을 위한 방안으로 최적조합을 찾는 휴리스틱 방법에 관한 연구황희철, 이행주pp. 233-242
원문 보기