인공신경망을 이용한 프로스포츠 소비자행동 분석 및 예측

국문 초록 (Abstract)

본 연구는 시장세분화를 통하여 프로스포츠 관전 소비자의 집단을 분류, 분석하고 이러한 집단에 따라 인공신경망 모형과 로지스틱 회귀모형을 이용한 스포츠 소비자행동을 예측하고자 하는 것이다. 이를 위해 PASW 18.0을 이용하여 빈도분석, 교차분석, 일원변량분석, 탐색적 요인분석, 확인적 요인분석, 신뢰도분석, 군집분석, 로지스틱 회귀분석을 실시하였으며, Clementine 11.1을 이용하여 인공신경망 모형을 구축하여 데이터를 분석, 예측하여 결과 및 논의를 통해 다음과 같은 결론을 도출하였다.
첫째, 프로스포츠 종목별 관전자의 '인구통계학적특성 및 프로스포츠 관련특성', '라이프스타일요인 및 상징적 소비성향요인', '인구통계학적특성, 프로스포츠 관련특성, 라이프스타일요인, 상징적 소비성향요인'을 기준으로 군집분석을 실시하여 프로축구 18개 군집(인구통계학적 및 프로스포츠 관련특성: 6개, 라이프스타일요인 및 상징적 소비성향요인: 6개, 인구통계학적특성, 프로스포츠 관련특성, 라이프스타일요인, 상징적 소비성향요인: 6개), 프로야구 14개 군집(인구통계학적 및 프로스포츠 관련특성: 4개, 라이프스타일요인 및 상징적 소비성향요인: 6개, 인구통계학적특성, 프로스포츠 관련특성, 라이프스타일요인, 상징적 소비성향요인: 4개), 프로농구 14개 군집(인구통계학적 및 프로스포츠 관련특성: 5개, 라이프스타일 및 상징적 소비성향: 4개, 인구통계학적특성, 프로스포츠 관련특성, 라이프스타일요인, 상징적 소비성향요인: 5개)으로 시장을 세분화 하였다.
둘째, 인공신경망 모형과 로지스틱 회귀모형을 이용하여 미래 소비행동에 대한 분류정확도를 파악하여 인공신경망 모형과 로지스틱 회귀모형과 비교한 결과 각 종목별, 군집별 예측률이 가장 높은 집단을 파악하였고 결과적으로 인공신경망 모형의 분류정확도가 프로축구(95.7%: 87.5%), 프로야구(94.2%: 87.5%), 프로농구(94.5%: 92.4%)모두 높게 나타났다.
셋째, 미래 소비행동에 대한 분류정확도가 가장 높은 군집의 특성을 파악하고자 교차분석과 일원변량분석을 실시하였으며, 이를 통한 마케팅전략을 제시하였다.

다국어 초록 (Multilingual Abstract)

This study classified and analyzed groups of spectators of professional sports through market segmentation and predicted the sports consumer behavior by using artificial neural networks model and logistic regression model.
For the data analysis, frequency analysis, cross-tabulation, one-way ANOVA, exploratory factor analysis, confirmatory factor analysis, reliability analysis, cluster analysis, logistic regression analysis using PASW 18.0, and by using Clementine 11.1, artificial neural networks model was made to analyze and predict the data. And through results and discussion, the following conclusions were drawn.
First, cluster analysis was performed based on professional sports spectators' 'demographic feature and professional sports characteristics', 'lifestyle factors and symbolic consumption factors', 'demographic feature, professional sports characteristics, lifestyle factors, symbolic consumption factors'. And market segmentation was performed with 18 clusters (demographic feature and professional sports characteristics: 6 clusters, lifestyle factors and symbolic consumption factors: 6 clusters, demographic feature, professional sports characteristics, lifestyle factors, symbolic consumption factors: 6 clusters) in professional soccer.
Second, market segmentation was performed with 14 clusters(demographic feature and professional sports characteristics: 4 clusters, lifestyle factors and symbolic consumption factors: 6 clusters, demographic feature, professional sports characteristics, lifestyle factors, symbolic consumption factors: 4 clusters) in professional baseball.
Third, market segmentation was performed with 14 clusters(demographic feature and professional sports characteristics: 5 clusters, lifestyle factor and symbolic consumption factors: 4 clusters, demographic feature, professional sports characteristics, lifestyle factors, symbolic consumption factors: 5 clusters) in professional basketball.
Fourth, by using artificial neural networks model and logistic regression model, classification accuracy was grasped about the future consumption behavior. And as a result, all of the classification accuracies were high in artificial neural networks model(professional soccer 95.7%: 87.5%, professional baseball 94.2%: 87.5%, professional basketball 94.5%: 92.4%).
Fifth, cross-tabulation and one-way ANOVA was performed to understand the cluster's characteristic which had highest classification accuracy about the future consumption behavior. And through this marketing strategy was suggested.

목차 (Table of Contents)

• 목 차
• Ⅰ. 서 론 1
• 1. 연구의 필요성 1
• 2. 연구의 목적 5
• 3. 연구모형 6
• 4. 용어의 정의 7
• Ⅱ. 이론적 배경 9
• 1. 인공신경망 9
• 1) 인공신경망의 개념 9
• 2) 인공신경망의 역사와 발전 11
• 3) 인공신경망의 구조와 종류 12
• 4) 인공신경망의 특징 19
• 5) 인공신경망 설계시 고려사항 21
• 6) 인공신경망의 학습방법 22
• 7) 인공신경망을 이용한 선행연구 23
• 2. 스포츠 소비자행동 28
• 1) 스포츠 소비자의 정의 28
• 2) 스포츠 소비자행동의 개념 31
• 3) 스포츠 소비자 의사결정 과정 32
• 3. 시장세분화 39
• 1) 시장세분화 39
• 2) 라이프스타일 44
• 3) 상징적 소비성향 55
• 4. 스포츠 소비자의 분류 및 예측 70
• 1) 스포츠 소비자의 분류 70
• 2) 스포츠 소비자의 예측 74
• Ⅲ. 연구방법 79
• 1. 연구 설계 79
• 2. 연구 대상 80
• 3. 조사 도구 87
• 1) 설문지의 구성 87
• 2) 설문지의 타당도 89
• 4. 자료처리 방법 104
• Ⅳ. 결과 및 논의 105
• 1. 프로축구, 프로야구, 프로농구 관전자의 미래소비행동에 대한 차이 검증 105
• 2. 군집분석 106
• 1) 프로축구 관전자 군집분석 106
• 2) 프로야구 관전자 군집분석 111
• 3) 프로농구 관전자 군집분석 116
• 4) 프로스포츠 종목별 군집분석 결과 121
• 3. 인공신경망 모형 122
• 1) 데이터 전처리 122
• 2) 인공신경망의 적용 122
• 3) 프로축구 관전자 군집별 인공신경망 적용 125
• 4) 프로야구 관전자 군집별 인공신경망 적용 130
• 5) 프로농구 관전자 군집별 인공신경망 적용 134
• 4. 로지스틱 회귀모형 138
• 1) 프로축구 관전자 군집별 로지스틱 회귀분석 139
• 2) 프로야구 관전자 군집별 로지스틱 회귀분석 143
• 3) 프로농구 관전자 군집별 로지스틱 회귀분석 147
• 5. 인공신경망 모형과 로지스틱 회귀모형의 분류정확도 비교 151
• 1) 프로축구 관전자의 인공신경망 모형과 로지스틱 회귀모형의 비교 151
• 2) 프로야구 관전자의 인공신경망 모형과 로지스틱 회귀모형의 비교 152
• 3) 프로농구 관전자의 인공신경망 모형과 로지스틱 회귀모형의 비교 153
• 6. 군집의 특성파악 154
• 1) 프로축구 관전자의 군집 154
• 2) 프로야구 관전자의 군집 161
• 3) 프로농구 관전자의 군집 167
• 7. 논의 173
• 1) 시장세분화 173
• 2) 인공신경망 및 로지스틱 회귀분석 174
• 3) 군집의 특성 파악 175
• Ⅴ. 결론 및 제언 179
• 1. 결론 179
• 2. 제언 181
• 참고문헌 182
• ABSTRACT 201
• 설문지 203