특허기술 고객충성도에 대한 기계학습 예측모델링 연구
A Modeling Study of Machine Learning Prediction on Patent Technology Customer Loyalty
0
조회
0
다운로드
5
인용
0
참고문헌
키워드
초록
본 연구에서는 기계학습 알고리즘을 적용하여 특허기술의 고객충성도의 결정요인이 무엇인지를 탐색하고자 하였다. 기계학습 알고리즘인 선형모델, 선형회귀모델 및 인공신경망모델을 적용하여 예측모델링을 수행한 결과 인공신경망모델이 가장 예측력의 정도가 높은 것으로 분석되었다. 인공신경망모델을 통해 분석한 결과, 기술충성도의 영향요인으로 매출액 변화율과 연구개발비 변화율이 다른 예측변인들에 비해 중요한 것으로 나타났다. 본 연구는 기술충성도의 예측을 위해서 기계학습 기법을 통한 예측모델링을 수행하고 실무적인 시사점을 도출했다는 점에서 의의가 있다. 특히 본 연구에서는 기술충성도 예측모델의 성능평가를 통해 선형회귀모델에 의한 것보다 인공신경망이 예측오차가 가장 적어서 예측성능이 우수하다는 것을 검증하였다. 이와 함께 기술충성도의 영향요인으로 매출액 변화율과 연구개발비 변화율 등이 다른 예측변인들에 비해 중요하다는 점을 알 수 있었다. 본 연구는 기술충성도의 예측변수로 특허기술의 특성변수인 질적 우수성과 활용가능성 만을 채택했다는 점에서 한계가 있을 수 있다. 향후 연구에서는 다양한 예측변수(특허경영활동, 자원역량, 조직역량, 성과확산 역량 등)를 도입하여 연구할 필요가 있다. 또한 연구대상을 A연구원만으로 제한했다는 점에서 연구 결과를 일반화하는 데 한계가 있다고 볼 수 있다. 따라서 향후 연구에서는 연구대상 기관 수를 증가시키는 것이 필요할 것이다.
Abstract
In this study, we tried to find out the determinants of customer loyalty of patent technology by applying machine learning algorithm. As a result of predictive modeling using linear learning model, linear regression model and artificial neural network model, artificial neural network model has the highest predictive power. As a result of analyzing through the artificial neural network model, the rate of change of sales and the rate of change of R&D expenditure are more important than other predictors. This study is meaningful in that it predicts model loyalty through machine learning technique and draws practical implications for prediction of technology loyalty. Especially, in this study, the performance evaluation of the technology loyalty prediction model proved that the artificial neural network has the least prediction error than the linear regression model, and the prediction performance is excellent. In addition, we found that the rate of change in sales and the rate of change in R&D expenditure are more important than other predictors. This study has limitations in that it adopts only qualitative excellence and application possibility which is a characteristic variable of patent technology as a predictive variable of technology loyalty. In future research, it is necessary to study various predictive variables (such as patent management activities, resource capabilities, organizational capabilities, and performance diffusion capabilities). In addition, there is a limit to the generalization of research results because it limits research subjects to only A researchers. Therefore, it will be necessary to increase the number of institutions to be studied in future research.
참고문헌 (20)
- 구본철, "연구성과의 기술이전 및 사업화 촉진요인 도출 및 실증분석", 벤처창업연구, 9(5), pp.69~81 (2014), 한국벤처창업학회
- 구정민, "특허 등록 예측을 위한 특허 문서 분석 방법", 한국산학기술학회논문지, 11(4), pp.1458~1467 (2010), 한국산학기술학회
- 김현우, "핵심 기술 및 특허 추출을 위한 IP 마이닝에 관한 연구", 한국지능시스템학회 논문지, 25(4), pp.392~397 (2015), 한국지능시스템학회
- 데이터솔루션 빅 데이터 러닝센터, "SPSS Modeler와 예측분석 교육자료", ~ (2018)
- 박준형, "특허 인용 관계가 기업 성과에 미치는 영향 : 소셜네트워크분석 관점", 지능정보연구, 19(3), pp.127~139 (2013), 한국지능정보시스템학회[DOI]
- 박진희, "특허기술의 질적 우수성과 활용가능성이 기술이전성과, 기업성과와 기술충성도에미치는 영향", 박사, pp.2018
- 박찬정, "기계 학습을 이용한 특허 문서의 자동 IPC 분류", 한국정보기술학회논문지, 10(4), pp.119~128 (2012), 한국정보기술학회[DOI]
- 양동우, "기술공급자(R&D기관)의 기술이전애로요인에 관한 기초연구", 대한경영학회지, 21(1), pp.205~227 (2008), 대한경영학회
- 유재복, "특허인용 예측모형 구축에 관한 연구", 정보관리학회지, 27(4), pp.239~258 (2010), 한국정보관리학회[DOI]
- 이주현, "기계학습을 이용한 특허 분류의 성능 비교에 대한연구", 한국컴퓨터정보학회 하계학술대회 논문집, 26(2), pp.539~540 (2018)
- 이호현, "기계학습 응용 및 학습 알고리즘 성능 개선방안 사례연구", 디지털융복합연구, 14(2), pp.245~258 (2016), 한국디지털정책학회[DOI]
- 전성해, "특허분석을 이용한 지능형시스템의 기술예측", 한국지능시스템학회 논문지, 11(1), pp.100~105 (2011), 한국지능시스템학회
- 전성해, "특허분석을 위한 빅 데이터학습", 한국지능시스템학회 논문지, 23(5), pp.406~411 (2013), 한국지능시스템학회
- 정병기, "딥 뉴럴 네트워크 기반의 특허수명 예측모형 개발", 대한산업공학회 추계학술대회 논문집, 981~985 (2016)
- 최진호, "기술예측을 위한 특허 키워드 네트워크 분석", 지능정보연구, 17(4), pp.227~240 (2011), 한국지능정보시스템학회
- 황경연, "기술의 특성, 기술사업화성과 및 경영성과 간의 관계에 관한 실증연구 - 대덕연구개발특구 정부출연 연구기관에서 이전된 기술을 중심으로-", 생산성연구: 국제융합학술지, 28(2), pp.25~49 (2014), 한국생산성학회[DOI]
- Choi, J., "A predictive model of technology transfer using patent analysis", Sustainability, 7, pp.16175~16195 (2015)[DOI]
- Jun, S., "Examining technological innovation of Apple using patent analysis", Industrial Management & Data Systems, 113(6), pp.890~907 (2013)[DOI]
- Kang, L. J., "Ensemble modeling for sustainable technology transfer", Sustainability, 10(7), pp.2278~ (2018)
- Oliver, R L., "Whence customer loyalty?", Journal of Marketing, 63, pp.33~44 (1999)[DOI]