PEST-SWOT와 머신러닝 기반으로 라이브 전자상거래의 전략 분석 및 판매 예측에 관한 연구 = Research on Strategic Analysis and Sales Forecasting in Live E-commerce Based on PEST-SWOT and Machine Learning

국문 초록 (Abstract)

최근 몇 년 동안 라이브 전자상거래는 새로운 형태로서 혁신적이고 직관적인 판매 방식을 통해 비즈니스 분야에서 빛나는 별이 되었다. 이 판매 방식의 기능과 독창성으로 인해 많은 소비자에게 점점 인기를 얻고 인정을 받고 있다. 본 연구는 라이브 전자상거래가 처한 발전 환경을 심층적으로 연구하고 라이브 전자상거래의 비즈니스전략 개발에 참고 자료를 제공하는 것을 목표로 한다. 동시에 머신러닝 분석은 라이브 방송 전자상거래에 강력한 데이터를 제공하여 비즈니스 패턴을 조정하는 데 도움을 준다.

이러한 목적을 달성하기 위해 본 연구에서는 먼저 라이브 전자상거래 분야의 선행연구와 PEST, SWOT 및 머신러닝의 기본 이론을 검토한다. 이어서 본 연구는 PEST 모델을 이용하여 라이브 전자상거래과 관련된 정치적 요인, 경제적 요인, 사회적 요인, 기술적 요인을 분석하며, SWOT 모델을 사용하여 현재 발전 과정에 있는 라이브 전자상거래의 강점, 약점, 기회, 위협을 요약한다. 또한, 본 연구는 PEST-SWOT 모델을 이용하여 두 가지 분석 결과를 비교하고 라이브 전자상거래의 개발 환경을 충분히 분석하며 비즈니스전략 수립을 위한 목표 제안 및 참조를 제공한다.

한편, 본 연구에서는 라이브 전자상거래 판매를 정확하게 예측하기 위해 400개 라이브 전자상거래 업체의 당일 라이브 스트리밍 데이터를 수집했다. 이 데이터는 연구에 필요한 정보와 자료를 제공하여 라이브 전자상거래의 판매 동향과 특성을 정확하게 분석하는 데 도움이 된다. 선별과 처리를 거친 360개의 데이터 세트는 PSO-ELM(입자 군집-극한 학습) 알고리즘의 모델 학습을 위한 트레이닝 세트로 사용된다. 이 알고리즘은 40개의 테스트 세트를 검증한 결과에 의하여 판매 예측 정확도는 평균 89.53%에 달했다. 따라서 이 알고리즘이 실제 애플리케이션에서 우수한 성능을 발휘하며 라이브 전자상거래 업계에서 신뢰할 수 있는 판매 예측 툴을 제공한다는 것을 판단할 수 있다.

따라서, 본 연구는 개발 환경에 대한 심층적인 분석과 정확한 판매 예측을 통해 라이브 전자상거래 업계의 발전에 유의한 자료를 제공한다. 특히, 본 연구는 경영학 전략 개발과 데이터 기반 판매 의사 결정 등 측면에 대해 심층적으로 탐구하고 연구했다. 이를 통해 라이브 전자상거래 업계가 시장의 도전에 더 잘 대처하고 지속적인 가능하고 긍정적인 발전을 이룰 수 있도록 도울 것이다.

다국어 초록 (Multilingual Abstract)

In recent years, live commerce, as an emerging form of e-commerce, has emerged as a shining star in the business world due to its innovative and intuitive sales approach. The novel characteristics and uniqueness of this sales model have garnered increasing favor and recognition among consumers. With a focus on live commerce, this study aims to delve into the development environment in which it operates and provide references for strategic management in the live commerce sector. Additionally, the study employs algorithmic analysis to offer robust data support for adjusting operational models in the live commerce industry.

To achieve these objectives, this research begins by providing an overview of the current state of research in the live commerce field, as well as fundamental theories related to PEST, SWOT, and machine learning. Subsequently, the study employs the PEST model to analyze the political, economic, social, and technological environment in which live commerce operates. It also employs the SWOT model to summarize the current advantages, disadvantages, opportunities, and threats faced by the live commerce sector. Moreover, the study utilizes a PEST-SWOT matrix to compare and consolidate the results of both analyses, offering targeted recommendations and references for strategic management in the live commerce industry.

On the other hand, to achieve accurate sales forecasts for live commerce, this research conducts extensive data collection, encompassing data from over 400 different live commerce entities on a single day. This rich dataset provides abundant information and materials, facilitating a more accurate analysis of sales trends and characteristics within the live commerce sector. After careful screening and processing, 360 data sets are selected as a training dataset for the PSO-ELM (Particle Swarm Optimization - Extreme Learning Machine) algorithm for model training. Through testing with 40 sets of independent test data, the method achieves an average accuracy rate of 89.53% in sales predictions. This performance indicates that the algorithm excels in practical applications, providing a reliable sales prediction tool for the live commerce industry.

In conclusion, this research provides robust support for the live commerce industry through in-depth environmental analysis and precise sales forecasts. This support encompasses not only the formulation of strategic management but also data-driven sales decision-making. It will assist the live commerce industry in better addressing market challenges and achieving sustainable and healthy development.

목차 (Table of Contents)

• 제1장 서론 1
• 1.1 연구 배경 1
• 1.2 연구의 목적과 의의 3
• 1.3 연구 내용 4
• 1.4 연구 방법 5
• 1.5 혁신 점 7
• 제2장 연구 현황 과 이론적 근거 8
• 2.1 연구 현황 8
• 2.2 PEST 및 SWOT 분석 모델 14
• 2.3 머신 러닝의 기본 개념과 원리 16
• 2.4 PSO-ELM 머신러닝 알고리즘 18
• 제3장 라이브 전자상거래의 경영학 전략 분석 21
• 3.1 라이브 전자상거래의 PEST 모델 분석 21
• 3.2 라이브 전자상거래 개발의 SWOT 전략 분석 26
• 3.3 기업의 발전 전략을 위한 PEST-SWOT 모델 분석 및 제안 30
• 제4장 라이브 전자상거래 판매량 예측에 머신 러닝 알고리즘의 적용 35
• 4.1 데이터 수집 및 데이터 처리 35
• 4.2 라이브 전자상거래 판매량 예측을 위한 머신러닝 모델 구축 38
• 4.3 예측 결과 분석 40
• 제5장 결론 43
• 5.1 연구 결론 43
• 5.2 연구 제언 44
• 참고문헌 46
• Abstract 49