본문 바로가기
KERD
논문KCI 등재

인공신경망 모형과 로지스틱 회귀모형을 이용한 프로야구 관전자 분석 및 예측

Professional Baseball Spectator's Analysis and Prediction by Using Artificial Neural Networks Model and Logistic Regression Model

정승훈
국민체육진흥공단 한국스포츠과학원 (Korea Institute of Sport Science)|2015.03|체육과학연구 (Korean Journal of Sport Science)|제26권 제1호|pp. 104-121|DOI 10.24985/kjss.2015.26.1.104

0

조회

0

다운로드

7

인용

0

참고문헌

키워드

Spectator예측Logistic RegressionArtificial Neural NetworksPrediction로지스틱 회귀모형인공신경망 모형Professional Baseball프로야구 관전자
주제분류체육

초록

이 연구의 목적은 첫째, 다양한 연구 분야에서 시장세분화의 기준 변수로 측정된 프로야구 관전자의 인구통계학적 특성과 라이프스타일을 측정하여 프로야구 관전자를 세분화하는데 있다. 둘째, 각 세분화된 집단을 인공신경망 및 로지스틱 회귀분석 모델 적용시켜 목표변수(관전만족과 미래 소비행동)에 가장 높은 가능성(분류적중률)을 가진 프로야구 관전자 집단을 분석 및 파악하여 그에 따른 마케팅 전략을 제시하는데 그 목적이 있다. 이를 위해 SPSS 18.0, AMOS 18.0 및 Modeler 14.1을 이용하였다. 먼저 인구통계학적 특성 및 문항의 타당성을 측정하기 위하여 빈도분석, 탐색적 요인분석, 확인적 요인분석 및 신뢰도 분석을 실시하였다. 또한 계층적 군집과 K-means 군집을 병행한 2단계 군집분석을 통해 군집을 세분화 한 후 분류된 집단을 인공신경망 모형과 로지스틱회귀 모형에 적용하여 다음과 같은 결론을 도출하였다. 첫째, 프로야구 관전자를 세분화 한 결과 5개의 군집으로 분류하였다. 둘째, 인공신경망 모형을 이용하여 관전만족과 미래 소비행동이 가장 높은 가능성을 가진 집단을 파악한 결과 군집5로 나타났다(관전만족: 71.3%, 미래 소비행동: 99.3%). 셋째, 로지스틱 회귀모형을 이용하여 관전만족과 미래 소비행동이 가장 높은 가능성을 가진 집단을 파악한 결과 로지스틱 회귀모형 역시 군집5(관전만족: 71.8%, 미래 소비행동: 96.5%)가 가장 높게 나타났다. 넷째, 인공신경망 모형과 로지스틱 회귀모형을 비교하여 관전만족과 미래소비행동이 가장 높은 분류적중률을 가진 집단을 파악하였으며 ‘20대 미혼 남성 타인 지향적 소비를 가진 정보선호 집단’으로 명명하였다.

Abstract

This study classified and analyzed groups of spectators of professional baseball through market segmentation and predicted the sports consumer behavior by using artificial neural networks model and logistic regression model. The results of hierarchical cluster analysis, K-means cluster analysis, cross-tabulation analysis and one-way ANOVA using PASW 18.0 and AMOS 18.0 suggest five clusters of consumer segments and by using Modeler 14.1, artificial neural networks model was made to predict the data. By using artificial neural networks model and logistic regression model, hit ratio was grasped about the spectator satisfaction and future consumption behavior. The results are as follow: The hit ratio were high in ‘cluster 5’ for artificial neural networks model(spectator satisfaction: 71.3%, future consumption behavior: 99.3%) and logistic regression(spectator satisfaction: 71.8%, future consumption behavior: 96.5%). Furthermore, cross-tabulation and one-way ANOVA was performed to understand the cluster's characteristic which had highest hit ratio about the spectator satisfaction and future consumption behavior. And through this marketing strategy was suggested.

참고문헌 (73)

  1. 강현철, "(SAS Enterprise Miner 4. 0을 이용한)데이터마이닝 : 방법론 및 활용" (2001), 자유아카데미
  2. 고재곤, "지역별에 따른 종목별 스포츠 참여인구수 예측", 한국체육학회지, 40(4), pp.371~383 (2001)
  3. 김계수, "New AMOS 7. 0 구조방정식 모형분석" (2007), 한나래 출판사
  4. 김동성, "인공신경망을 이용한 무선인터넷 서비스 사용자예측에 관한 연구", 석사, 경영학, pp.2005
  5. 김영신, "클러스터별 인공신경망 구축을 통한 데이터마이닝 모델의 성능 향상", 석사, pp.2003
  6. 문화체육관광부, "2013 체육백서" (2014)
  7. 閔駿永, "신경망 클러스터링의 성능 평가 : GLVQ와 k-means 알고리즘을 중심으로", 박사, 통계학, pp.1995
  8. 박원규, "인공신경회로망 기법을 이용한 수요예측에 관한 연구 : 안경원의 안경렌즈 수요예측을 중심으로", 석사, 경영정보, pp.2002
  9. 박진기, "데이터 마이닝 기법간의 스포츠센터 고객이탈가능 예측성 평가", 한국체육학회지, 42(5), pp.369~378 (2003), 한국체육학회
  10. 박진기, "데이터 마이닝 기법을 활용한 스포츠센터 고객이탈 가능성 예측 모형 개발", 한국 스포츠 리서치, 14(4), pp.157~172 (2003), 한국스포츠리서치
  11. 박찬민, "요가프로그램 참여자의 라이프스타일 유형에 따른 참여동기 : 하타 요가를 중심으로", 석사, 사회체육학, pp.2004
  12. 송수섭, "인공신경망을 이용한 소비자 선택 예측에 관한 연구", 한국경영과학회지, 26(4), pp.55~70 (2001)
  13. 신택수, "자기조직화 신경망과 계층적 군집화 기법(SONN-HC)을 이용한 인터넷 뱅킹의 고객세분화 모형구축", Asia Pacific Journal of Information Systems, 16(3), pp.49~65 (2006), 한국경영정보학회
  14. 안광호, "최적 시장세분화 결과 도출을 위한 기준변수와 군집분석기법의 선정에 관한 연구", 마케팅관리연구, 14(3), pp.157~176 (2009), 한국마케팅관리학회
  15. 안진균, "사례기반추론, 인공신경망, 통계적 기법 모형을 이용한 신용카드 고객 신용도 예측 연구", 석사, pp.2002
  16. 오광모, "데이터마이닝을 이용한 한국프로야구 선수들의 연봉에 관한 모형연구", 한국스포츠사회학회지, 16(2), pp.2~310 (2003), 한국스포츠사회학회
  17. 유재구, "대학생의 사이코그래픽스 배경에 의한 스포츠정보탐색 모형 검증", 박사, 체육학, pp.2009
  18. 이정학, "프로축구 관전자의 관전결정요인과 미래 소비행동에 따른 시장세분화", 한국체육학회지, 46(5), pp.365~376 (2007), 한국체육학회
  19. 이정학, "프로축구 관전자의 특성에 따른 시장세분화 및 미래 소비행동 분석을 통한 소비자 예측", 한국체육학회지, 51(1), pp.219~236 (2012), 한국체육학회
  20. 이정학, "월드컵 거리응원 단체관람 참여자의 특성과 스포츠 가치관, 소비문화 및 스포츠태도에 따른 시장세분화", 체육과학연구, 24(1), pp.86~104 (2013), 국민체육진흥공단 부설 한국스포츠개발원
  21. 이정학, "골프연습장 이용객의 특성 및 라이프스타일 분석을 통한 시장세분화", 체육과학연구, 21(1), pp.1037~1050 (2010), 국민체육진흥공단 부설 한국스포츠개발원
  22. 이정인, "도산예측모형의 예측력 비교 : 판별분석모형, 로짓모형, 인공신경망모형을 중심으로", 석사, 경영학, pp.2003
  23. 이창환, "인공신경망모형과 군집분석을 이용한 교각 세굴심 예측", 대한토목학회 논문집B, 29(2), pp.111~120 (2009), 대한토목학회
  24. 이학식, "마케팅 조사" (2012), 집현재
  25. 이혜경, "데이터 마이닝을 이용한 보험시장에서의 고객관계관리(CRM)에 관한 연구 : S 생명보험사 사례를 중심으로", 석사, 정보시스템학, pp.2002
  26. 이호영, "시장세분화 모형 결합을 활용한 효과적인 생명보험 고객이탈예측모형에 관한 연구", 보험학회지, 74(74), pp.33~58 (2006), 한국보험학회
  27. 장현철, "프로야구 관중의 시장세분화에 따른 표적마케팅 전략", 박사, 체육, pp.1999
  28. 전성무, "기업부실예측모형간 성과차이 분석 : 인공신경망모형을 중심으로", 석사, 재무관리, pp.2001
  29. 정승훈, "프로축구 관전자의 관전결정요인과 미래 소비행동에 따른 시장세분화 전략", 석사, 체육학, pp.2007
  30. 정승훈, "인공신경망을 이용한 프로스포츠 소비자행동 분석 및 예측", 박사, 체육학, pp.2011
  31. 정승훈, "2010 남아공월드컵 거리응원 참여자의 관람동기가 응원태도, 관람만족 및 미래 소비행동에 미치는 영향", 한국스포츠산업경영학회지, 16(3), pp.29~44 (2011), 한국스포츠산업경영학회
  32. 정혜원, "통계적 기법과 데이터마이닝 기법을 이용한 이동통신 VAS 가망고객 scoring 모형 비교 연구", 석사, 응용통계학, pp.2004
  33. 조용찬, "프로파일 분석에 따른 서비스품질, CSR, 행위의도 인식 연구:축구팬 소비지출 세분화 기준에 대한 타당성 논의", 한국체육학회지, 52(5), pp.465~480 (2013), 한국체육학회
  34. 최형준, "인공신경망(Artificial Neural Network)을 이용한 2005년도 영국 윔블던 테니스 대회의 경기결과 예측에 관한 연구", 한국체육학회지, 45(3), pp.459~468 (2006), 한국체육학회
  35. "관중현황-페넌트레이스" (2014), 한국야구위원회[URL]
  36. 허명회, "데이터 마이닝 모델링과 사례" (2008), 한나래 출판사
  37. 허성수, "생활체육 참가자들의 상징적 소비성향과 운동참가수준, 스포츠자신감 및 운동 중독의 관계", 한국체육학회지, 50(3), pp.189~201 (2011), 한국체육학회
  38. 허진, "프로야구 관중의 관람동기와 관람만족, 팀동일시 및 재관람의도에 관한연구", 한국스포츠산업경영학회지, 9(4), pp.105~121 (2004), 한국스포츠산업경영학회
  39. 황혜선, "현대 소비자의 상징적 소비성향 : ­20∼30대 소비자를 중심으로­", 석사, 소비자학, pp.2006
  40. Anton, J, "Customer relationship management: making hard decisions with soft numbers" (1996), Prentice Hall
  41. Aschenwald, J., "Brave new modeling : Cellular automata and artificial neural networks for mastering complexity in economics", Complexity, 7(1), pp.39~47 (2001)
  42. Bagozzi, R. B., "Intentional social action in virtual communities", Journal of Interactive Marketing, 16(2), pp.2~21 (2002)
  43. Balakrishnan P. V., "Comparative performance of the FSCL neural net & K-means algorithm for market segmentation", European Journal of Operational Research, 93(2), pp.346~357 (1996)
  44. Berry, M. J. A., "Data mining techniques for marketing, sales and customer support" (1997), Wiley
  45. Bonoma, T. V., "Segmenting the industrial market" (1983), Lexington Books
  46. Coakley, J. R., "Artificial neural networks applied to ratio analysis in the analytical review process. Intelligent Systems in Accounting", Finance and Management, 2(1), pp.19~39 (1993)
  47. Cronin, J. J. Jr., "Assessing the effects of quality, value, and customer satisfaction on consumer behavioral intentions in service environments", Journal of Retailing, 76(2), pp.193~218 (2000)
  48. Dasgupta, C. G., "Comparing the predictive performance of a neural network model with some traditional market response models", International Journal of Forecasting, 10(2), pp.235~244 (1994)
  49. Fausett, L. V., "Fundamental of neural networks: architectures, algorithms, & applications" (1994), Prentice-Hall
  50. Fish, K. E., "Artificial neural networks : A new methodology for industrial market segmentation", Industrial Marketing Management, 24, pp.431~438 (1995)
  51. A framework for comparative analysis of statistical and machine learning methods: An application to the Black-Scholes option pricing equation, "Galindo, J.", Banco de Mexico, ~ (1998)
  52. Gladden, J. M., "Managing North American major professional sport teams in the new millenium : A focus on building brand equity", Journal of Sport Management, 15(4), pp.297~317 (2001)
  53. Hair, J. F. Jr., "Multivariate data analysis" (2006), Prentice-Hall
  54. Haykin, S., "Neural networks: A comprehensive foundation" (1994), Macmillan College Publishing
  55. Kamakura, W. A., "Value-system segmentation : exploring the meaning of LOV", Journal of Consumer Research, 19(6), pp.119~132 (1992)
  56. Lajbcygier, P., "Neural network pricing of all ordinaries SPI options on futures", Presented at the 3rd Conference on Neural Networks in the Capital Markets (1995)
  57. Lee, "Culture influence on travel lifestyle : A comparison of Korean Australians and Koreans in Korea", Tourism Management, 28(2), pp.508~518 (2007)
  58. Lloyd, S. P., "Least squares quantization in PCM", Transactions on Information Theory, 28(2), pp.129~137 (1982)
  59. Nelson, M. M., "A practical guide to neural nets" (1991), Addison-Wesley Longman Publishing Co., Inc
  60. Nunnally, J. C., "Psychometric theory" (1994), McGrawHill
  61. Nunnally, J. C., "Psychometric theory" (1978), McGrawHill
  62. Plummer, J. T., "Lifestyle patterns & commercial bank credit card usage", Journal of Marketing, 35(2), pp.35~42 (1971)
  63. Raghupathi, W., "A neural network approach to bankruptcy prediction" (1993), Probus Publishing Company
  64. Sharda, R., "Neural networks for the OR", MS analyst : An application bibliography, 1994, pp.24(2), 116~130
  65. Sharma, A., "Segmentation of markets based on customer service", International Journal of Physical Distribution & Logistics Management, 24(4), pp.50~58 (1994)
  66. Sobel, M. E., "Lifestyle Expenditures in Contemporary America Relations Between Stratification and Culture", American Behavioral Scientist, 26(4), pp.521~533 (1983)
  67. Solomon, M. R., "Consumer behavior: Buying, having, & being" (1999), Prentice Hall
  68. Solomon, P. J., "The bicentennial traveler : A life-style analysis of the historian segment", Journal of Travel Research, 15(3), pp.14~17 (1977)
  69. Sőőllner, A., "Market segmentation and the structure of competition : Applicability of the strategic group concept for an improved market segmentation on industrial markets", Journal of Business Research, 51(1), pp.25~36 (2001)
  70. Trail, G., "Sport spectator consumption behavior", Sport Marketing Quarterly, 12(1), pp.8~17 (2003)
  71. Treigueiros, D., "The application of neural network based methods to the extraction of knowledge from accounting reports. In System Sciences, 1991", Proceedings of the Twenty-Fourth Annual Hawaii International Conference, 4, pp.136~146 (1991), IEEE
  72. Vellido, A., "Neural networks in business : Survey of applications(1992-1998)", Expert Systems with Applications, 17, pp.51~70 (1999)
  73. West, P. M., "A Comparative Analysis of Neural Networks and Statistical Methods for Predicting Consumer Choice", Marketing Science, 16(4), pp.370~391 (1997)

관련 논문AI추천

인공 신경망을 이용한 한국프로야구 관중 수요 예측에 관한 연구박상현, 박진욱한국정보처리학회 · 정보처리학회 논문지2017 · 제6권 제12호프로야구 포스트시즌 진출 예측을 위한 통계적 모형 비교엄한주, 조은형, 채진석한국체육측정평가학회 · 한국체육측정평가학회지2010 · 제12권 제1호스포츠 관람객의 가치관에 따른 세분화서미옥, 윤성욱, 정유석한국마이스관광학회 · MICE관광연구2019 · 제19권 제3호한국프로야구 Post시즌 전력분석 및 예측모형송종국, 채진석국민체육진흥공단 한국스포츠과학원 · 체육과학연구2014 · 제25권 제1호프로야구의 경기관람결정요인과 순추천지수(NPS) 및 재관람의사 의 관계 연구김상유한국레저사이언스학회 · 한국레저사이언스학회지2010 · 제1권 제1호지역주민의 라이프스타일에 따른 제주유나이티드 축구단의 시장세분화전략강준호, 김기탁국민체육진흥공단 한국스포츠과학원 · 체육과학연구2007 · 제18권 제2호

이 간행물의 다른 논문 (13건)

체육철학의 연구동향: 『한국체육철학회지』를 중심으로송형석pp. 1-14심야운동 중 체온변이가 일주기 지연에 미치는 영향호성은, 황봉연, 손윤선, 배윤정, 이대택pp. 15-24중량 부하에 따른 8주간의 플라이오메트릭스 트레이닝이 일반인의 스쿼트점프에 미치는 영향명태순, 김진현, 이정호, 이기광, 홍정기, 공세진pp. 25-3412주간의 유산소운동과 통근수단 전환이 중년 남성의 체력, 인슐린 저항성, 염증지표 및 간기능에 미치는 영향정원상, 김예영, 이만균, 허다솜pp. 35-49트레드밀 운동이 streptozotocin 뇌실 처치로 유발된 알츠하이머 동물 모델 쥐의 신경염증과 신경세포사멸에 미치는 영향강은범pp. 50-60
원문 보기