텍스트마이닝과 IPA 분석을 활용한 MaaS 서비스 사용자 경험 개선 방안에 대한 연구
A Study on User Experience Improvement of MaaS Services Using Text Mining and IPA Analysis
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
최근 급속히 성장하고 있는 MaaS(Mobility as a Service) 시장은 서비스 제공자 간의 경쟁이 치열해지면서, 사용자 경험을 기반으로 한 차별화된 서비스를 제공해야 할 필요성이 커지고 있다. 그러나 기존의 많은연구는 MaaS의 개념적 정의나 도입 필요성에 집중되어 있는 반면, 실제 사용자의 이용 경험에 대한 분석은부족한 실정이다. 이에 본 연구는 실제 사용자 경험에 기반한 서비스 개선 방안을 제시하는 데 중점을 둔다. 본 연구는 기존 설문조사 기반의 IPA(Importance-Performance Analysis)에서 발생하는 비용, 시간, 설문 오류 등의 한계를 극복하기 위해 온라인 리뷰 데이터를 활용한 IPA 분석 기법을 채택하여, MaaS 서비스의 주요 속성을 확인하고 서비스 속성의 중요도와 만족도를 도출하는 것을 목표로 한다. 이를 위해 구글 플레이스토어에서 국내 8개 MaaS 서비스의 사용자 리뷰 데이터를 수집하여 분석 대상으로 활용하였다. LDA 토픽 모델링을 통해 서비스의 주요 속성을 도출하고, Google Cloud Natural Language API를 활용한 감성 분석을 통해 사용자 만족도(Performance)를 계산한다. 이후 도출된 만족도와 리뷰 평점을 기반으로 K-Optimal Neural Network를 구축한 후, Shapley value를 이용하여 각 서비스 속성의 중요도(Importance)를 도출한다. 마지막으로, IPA 방법론을 활용하여 8개 MaaS 서비스의 속성별 중요도와 만족도를 비교 분석하고, 이를IPA 매트릭스로 시각화하여 각 서비스의 현황과 개선점을 제시한다. 본 연구는 설문조사 기반의 기존 IPA 방법론과는 달리, 온라인 리뷰와 텍스트 마이닝 기법을 결합하여 보다 현실적이고 사용자 경험에 기반한 분석 결과를 도출한다. 이는 서비스 제공자들이 사용자 입장에서 차별화된 서비스를 개발하고, 사용자 만족도를 향상시키는 데 실질적인 도움을 줄 수 있을 것으로 기대한다.
Abstract
The rapidly growing MaaS (Mobility as a Service) market has intensified competition among service providers, increasing the need to provide differentiated services based on user experience. However, while existing research has primarily focused on the conceptual definition of MaaS and the necessity of its adoption, there is a lack of analysis on actual user experiences. Therefore, this study focuses on proposing service improvement strategies based on real user experiences. This study adopts an IPA (Importance-Performance Analysis) technique using online review data to overcome the limitations of traditional survey-based IPA, such as costs, time constraints, and survey errors, with the goal of identifying key attributes of MaaS services and deriving the importance and satisfaction levels of service attributes. To achieve this, user review data from eight domestic MaaS services were collected from the Google Play Store and used as the analysis dataset. Key service attributes are derived through LDA topic modeling, and user satisfaction (Performance) is calculated through sentiment analysis using the Google Cloud Natural Language API. Subsequently, a K-Optimal Neural Network is constructed based on the derived satisfaction scores and review ratings, and the importance of each service attribute is determined using Shapley values. Finally, the IPA methodology is employed to comparatively analyze the importance and satisfaction levels of attributes across the eight MaaS services, visualizing the results through an IPA matrix to present the current status and improvement points for each service. Unlike traditional survey-based IPA methodologies, this study combines online reviews with text mining techniques to derive more realistic and user experience-based analysis results. This approach is expected to provide practical assistance to service providers in developing differentiated services from the user’s perspective and improving user satisfaction.