http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
이동전화 서비스기업의 브랜드자산 구성요인에 관한 계층분석과정의 적용
이형석(Hyungseok Lee),김선민(Seonmin Kim) 한국생산관리학회 2009 韓國生産管理學會誌 Vol.20 No.1
이동전화 서비스기업들은 브랜드자산을 효과적으로 관리하기 위하여 실제 고객들이 평가하는 브랜드자산 구성요소별 중요성을 인식하는 것이 필요하다. 본 연구는 이동전화 서비스기업의 브랜드자산을 계층적으로 모형화하여 그 구성요소별 중요성을 파악하고자 하였다. 구체적으로, 본 연구는 먼저 브랜드자산에 관한 기존연구들을 바탕으로 이동전화 서비스기업의 브랜드자산 평가요소를 도출한 후, 각 평가요소에 대한 중요도를 계층분석과정을 통해 평가하였다. 그 결과, 브랜드자산 평가요인 중 서비스 품질이 가장 중요한 요인으로 나타났으며, 브랜드자산의 증대를 위해서는 이동전화 서비스의 본질이라고 할 수 있는 서비스품질에 더 치중하는 것이 효과적임을 알 수 있었다. 본 연구를 통해 이동전화 서비스기업이 브랜드자산을 강화하기 위해 어떤 브랜드자산 구성요소에 실행 우선순위를 두어야 할지에 대한 방안을 제시하였다. It is necessary for mobile telecom service companies to understand the important factors comprising their brand equity based on customer evaluation, if they intend to manage this asset effectively. This paper intends to identify the important factors constituting mobile telecom service companies’ brand equity by exploring the hierarchical structure of their brand equity. Specifically, this study first extracts evaluation factors based on relevant literature reviews, and calculates the importance of each factor by employing the analytical hierarchical process (AHP) method. The study concludes that since service quality is recognized as the most important factor in the brand equity evaluation process, it is desirable for mobile telecom service companies to focus on optimizing this factor. The paper also provides execution priorities among brand equity factors for companies to effectively manage / enforce their brand equity.
이형석(Hyungseok Lee),정병훈(Byeonghun Jeong),전서연(Seoyeon Jeon),송인준(Injun Song),김차종(Chajong Kim) 한국정보기술학회 2022 Proceedings of KIIT Conference Vol.2022 No.12
최근 유튜브 시장이 급속하게 성장하고 있음에 따라 영상에 작성되는 댓글의 양 또한 많아졌다. 댓글의 양이 많아짐에 따라 해당 영상을 업로드한 유튜브 크리에이터는 댓글을 일일이 확인할 수 없게 된다. 혹여나 많은 양의 댓글을 모두 읽는다고 해도 그 모든 댓글을 기억하고 통계화하기에는 많은 어려움이 따른다. 이 논문에서는 그러한 문제점을 해결하기 위해 서로 다른 장르의 유튜브 댓글을 수집해 긍・부정 라벨링을 거친 후, 이 댓글들을 샘플 데이터로 사용해 LSTM 기반의 모델을 학습시키고 이를 기반으로 분석을 원하는 영상의 모든 댓글을 감성분석하고, 더 나아가 유튜브 영상의 댓글에서 가져올 수 있는 부가적인 데이터를 분석해 통계화함으로 유튜브 크리에이터가 댓글을 일일이 확인할 필요 없어져 댓글을 읽는 시간을 단축하고, 분석을 마친 데이터를 유튜브 크리에이터가 한눈에 볼 수 있도록 시각화하는 시스템을 구현하였다. As the YouTube market has grown rapidly recently, the amount of comments written in the video has also increased. As the amount of comments increases, YouTube creators who uploaded the video will not be able to check each comment. Even if you read a large amount of comments, it is difficult to remember and statistize all of them. In this paper, after collecting and labeling YouTube comments of different genres, we learned LSTM-based models using them as sample data, analyzed all comments in the video, and analyzed and statistized additional data that could be obtained from comments in YouTube videos.