텍스트 마이닝을 이용한 한국 내 중국 e-커머스 이슈의 토픽모델링 분석
Topic Modeling Analysis of Chinese e-commerce Issues in Korea using Text Mining
0
조회
0
다운로드
4
인용
0
참고문헌
키워드
초록
본 연구는 토픽모델링을 이용하여 한국에 진출한 대표적 중국 전자상거래업체인 알리익스프레스(AliExpress) 의 국내에서의 사회적 인식뿐 아니라 소비자들의 인식을 분석하기 위해 이루어졌다. 이를 통해 국내 이커머스 업체들이 소비자들에게 소구하기 위한 포인트를 제공하는데 요구되는 기초적 단계의 연구가 수행되었다. 자료의 수집은 2022.03.01.-2024.02.28.까지 2년 간의 데이터가 수집되었다. 자료의 수집대상은 대표적인 포털인 네이버와 구글로써 웹, 블로그, 뉴스, 카페, 지식인, 페이스 북 등에서 총 102,644의 키워드가 수집되었다. 빅데이터 분석을 위해서는 LDA 분석모델을 활용하였으며 분석결과의 시각화를 위해서는 LDAVis 라이브러리를 적용하였다. 해당분석을 위한 툴로는 Textom을 사용하였다. 분석결과, 알리익스프레스와 연관된 10개의 토픽이 추출되었다. 여기서 Topic1은 ‘배송’, Topic2는 ‘가성비’, Topic3은 ‘판매프로세스’, Topic4는 ‘전자상거래 플랫폼’, Topic5는 ‘추천’, Topic6은 ‘해외직구’, Topic7은 ‘개인정보보호’, Topic8은 ‘거래불만사항’, Topic9는 ‘서비스 경쟁’, Topic10은 ‘통관이슈’ 등이 주요한 의제로 파악되었다. 결론에서 토픽모델링의 분석결과를 토대로 다양한 토의가 이루어졌으며 시사점이 제시되었다.
Abstract
This study adopted topic modeling to examine consumer and social perceptions in Korea towards AliExpress, a prominent Chinese e-commerce entity that has expanded its operations to Korea. We explored the foundational procedeures necessary for local e-commerce firms to enhance their appeal to consumers. The data encompassed a two-year period from March 1, 2022, to February 28, 2024, and was sourced from renowned portals such as Narver and Google. A total of 102,644 keywords were extracted from various sources including the internet, blogs, news outlets, online communities, academic circles, and social media platforms like Facebook. To conduct a comprehensive analysis of this substantial dataset, the LDA model was used alongside the LDAVis library for visual representation of the findings. Textom served as the primary analysis tool and a total of 10 topics pertaining to AliExpress were identified. Specifically, the keyword ‘delivery’ ‘cost-effectiveness’, ‘sales process’, ‘e-commerce platform’, ‘recommendation’, ‘overseas direct purchase’, ‘personal information protection’, ‘trading complaints’, ‘service competition’, and ‘customs clearance issues’ denoted as Topic 1, 2, 3, 4, 5, 6, 7, 8, 9, and 10, respectively, emerged as significant focal points. The final section encompassed in-depth deliberations centered on the outcomes derived from the topic modeling analysis, culminating in the presentation of various implications.
참고문헌 (24)
- 김남규, "텍스트 분석 기술 및 활용 동향", 한국통신학회논문지, 42(2), pp.471~492 (2017)
- 김선주, "토픽모델링을 이용한 Airbnb 고객의 리뷰 분석 : 코로나 시대 전과 후의 토픽 차이를 중심으로", 인터넷전자상거래연구, 21(4), pp.115~130 (2021)
- 박경열, "텍스트 마이닝을 활용한 DMZ 관광 이슈의 토픽 모델링 분석", 관광레저연구, 31(4), pp.143~159 (2019)
- 박준형, "국내 기록관리학 연구동향 분석을 위한 토픽모델링 기법 비교 : LDA 와 HDP 를 중심으로", 한국도서관·정보학회지, 48(4), pp.235~258 (2017)
- 윤지은, "토픽모델링과 에고 네트워크 분석을 활용한 스마트 헬스케어연구동향 분석", 디지털콘텐츠학회논문지, 19(5), pp.981~993 (2018)
- 정원준, "NetMiner 를 활용한 빅데이터 텍스트 분석 기법과 활용" (2022), 학지사
- An, Y., "Topic Modeling-Based Framework for Extracting Marketing Information From E-Commerce Reviews", IEEE Access, 11, pp.135049~135060 (2023)
- Blei, D. M., "Latent Dirichlet Allocation", Journal of Machine Learning Research, 3, pp.993~1022 (2003)
- Blei, D. M., "Introduction to probabilistic topic models", Communications of the ACM, 55(4), pp.1~16 (2011)
- Chang, J., "Reading tea leaves : How humans interpret topic models", Advances in Neural Information Processing Systems, 22, pp.1~9 (2009)
- Chung, D. H., "An analysis on congruency between educational objectives of curriculum and learning objectives of textbooks using semantic network analysis-focus on Earth Science I in the 2009 revised Curriculum", Journal of the Korean Earth Science Society, 34(7), pp.711~726 (2013)
- Dieng, A. B., "Topic modeling in embedding spaces", Transactions of the Association for Computational Linguistics, 8, pp.439~453 (2020)
- DiMaggio, P., "Exploiting affinities between topic modeling and the sociological perspective on culture : Application to newspaper coverage of US government arts funding", Poetics, 41(6), pp.570~606 (2013)
- Hofmann, T., "Probabilistic latent semantic indexing", Proceedings of the 22nd annual international ACM SIGIR conference on Research and development in information retrieval, pp.50~57 (1999)
- Leydesdorff, L., "Co-word maps and topic modeling : A comparison using small and medium-sized corpora(N< 1, 000)", Journal of the Association for Information Science and Technology, 68(4), pp.1024~1035 (2017)
- Landauer, T. K., "A solution to Plato's problem : The latent semantic analysis theory of acquisition, induction, and representation of knowledge", Psychological Review, 104(2), pp.211~ (1997)
- Miao, Y., "Discovering discrete latent topics with neural variational inference", International conference on machine learning, pp.2410~2419 (2017), PMLR
- Nayak, D., "Ebbs and flows of e-commerce and m-commerce in fashion business: digital markets and mobility", 2023 International Conference on Computational Intelligence and Knowledge Economy (ICCIKE), pp.197~202 (2023), IEEE
- Park, C. S., "Text Network Analysis : socio-cognitive network analysis to understand shared meaning among policy stakeholders", Journal of Governmental Studies, 19, pp.73~108 (2013)
- Yun, H. J., "Introduction of topic modeling for extracting potential information from unstructured text data : Issue analysis on news article of dementia-related physical activity", Korean Journal of Sport Science, 30(3), pp.501~512 (2019)
- Wu, X., "A survey on neural topic models : Methods, applications, and challenges", Artificial Intelligence Review, 57(2), pp.1~30 (2024)