위치기반 여행서비스(location-based travel service)에 대한 관심이 매우 높다. 모바일을 통한 개인화된 정보를 제공함으로써 새로운 여행경험을 창조할 수 있기 때문이다. 특히 위치기반 여행서비스가 모바일 커뮤니케이션의 매체로 활용됨에 따라 이용자가 만들어 내는 ...

위치기반 여행서비스(location-based travel service)에 대한 관심이 매우 높다. 모바일을 통한 개인화된 정보를 제공함으로써 새로운 여행경험을 창조할 수 있기 때문이다. 특히 위치기반 여행서비스가 모바일 커뮤니케이션의 매체로 활용됨에 따라 이용자가 만들어 내는 다양한 소셜 데이터의 활용에 여행기업들의 관심이 집중되고 있다. 이런 측면에서, 본 연구는 소셜 빅데이터(social big data)를 중심으로 위치기반 여행서비스에 대한 여행자들의 생각, 관심, 감정, 태도 등의 다양한 반응을 살피고, 그에 따른 마케팅 전략과 방향성을 모색하고자 하였다. 구체적으로 본 연구는 텍스트 키워드를 중심으로 여행자 감정을 예측하고자 하였으며, 이를 통해 여행자를 분류하고 위치기반 여행서비스에 대한 수요를 추정하고자 하였다. 빅데이터 분석을 위한 텍스트 자료는 네이버 블로그에서 수집이 되었고, 총 95,704개의 블로그 중 27,644개의 블로그가 분석에 사용되었다. 결과적으로, 총 72개의 중요키워드가 추출이 되었는데, 숙박, 예약, 여행, 가격, 사진 등이었다. 또한 최종적으로 가격, 기능, 정보, 위치, 부가서비스 등이 위치기반 여행서비스에 대한 여행자 감정에 긍정적인 영향을 주는 요인으로 분류되었다.

As the location-based travel service stimulates travelers in terms of mobile communication, much attention has been focused on the use of big data and its use. In this regard, this study explored the various marketing strategies and directions through ...

As the location-based travel service stimulates travelers in terms of mobile communication, much attention has been focused on the use of big data and its use. In this regard, this study explored the various marketing strategies and directions through the verification of diverse responses of travelers on location-based travel service, focusing on social big data. Based on unstructured social data scattered on blog sites, specifically, this study sought to predict travelers emotions, classify travelers, and estimate demand for location-based travel services. Textual data was gathered from Naver blog and 27,644 blogs out of a total of 95,704 blogs were secured further analysis. Seventy- two important keywords were extracted, including accommodation, reservation, tour, price, and photo. Also, price, function, information, location and transportation, and supplementary service were classified as critical factors that positively influence travelers’ emotions about location-based travel services. The relationship between classified factors and travelers’ emotions was verified through the association analysis, further classified by decision tree analysis. Also, the demand of travelers for location-based travel services was predicted by identifying the influence of individual variables through the truncated Poisson model. Various communication strategies and management strategies are further discussed based on the individual roles and the importance of keywords.

위치기반 여행서비스(location-based travel service)가 모바일 커뮤니케이션의 측면에서 여행자를 자극함에 따라 빅데이터와 이에 대한 활용에 많은 관심이 집중되고 있다. 이런 측면에서, 본 연구는 소셜 빅데이터(social big data)를 중심으로 위치기반 여행서비스에 ...

위치기반 여행서비스(location-based travel service)가 모바일 커뮤니케이션의 측면에서 여행자를 자극함에 따라 빅데이터와 이에 대한 활용에 많은 관심이 집중되고 있다. 이런 측면에서, 본 연구는 소셜 빅데이터(social big data)를 중심으로 위치기반 여행서비스에 대한 여행자들의 다양한 반응을 살피고, 그에 따른 마케팅 전략과 방향성을 모색하고자 하였다. 구체적으로 본 연구는 텍스트 키워드를 중심으로 여행자 감정을 예측하고자 하였으며, 이를 통해 여행자를 분류하고 위치기반 여행서비스에 대한 수요를 추정하고자 하였다. 빅데이터 분석을 위한 텍스트 자료는 네이버 블로그에서 수집이 되었고, 총 95,704개의 블로그 중 27,644개의 블로그가 분석에 사용되었다. 결과적으로, 총 72개의 중요키워드가 추출이 되었는데, 숙박, 예약, 여행, 가격, 사진 등이었다. 또한 최종적으로 가격, 기능, 정보, 위치, 부가서비스 등이 위치기반 여행서비스에 대한 여행자 감정에 긍정적인 영향을 주는 요인으로 분류되었다. 분류된 요인과 여행자 감정 간의 관계는 연관분석(association analysis)을 통해 검증되었고, 키워드 유형별 여행자 분류는 의사나무결정분석(decision tree analysis)을 사용하여 이루어졌으며, 위치기반 서비스에 대한 수요는 절단된 포아송 모형(truncated Poisson model)을 통해 개별 변수들의 영향력을 확인함으로써 예측되었다. 다양한 커뮤니케이션 전략과 관리방안이 단어들의 개별적 역할과 중요성을 토대로 좀 더 자세히 논의된다.

위치기반 여행서비스(location-based travel service)가 모바일 커뮤니케이션의 측면에서 여행자를 자극함에 따라 빅데이터와 이에 대한 활용에 많은 관심이 집중되고 있다. 이런 측면에서, 본 연구는 소셜 빅데이터(social big data)를 중심으로 위치기반 여행서비스에 ...

위치기반 여행서비스(location-based travel service)가 모바일 커뮤니케이션의 측면에서 여행자를 자극함에 따라 빅데이터와 이에 대한 활용에 많은 관심이 집중되고 있다. 이런 측면에서, 본 연구는 소셜 빅데이터(social big data)를 중심으로 위치기반 여행서비스에 대한 여행자들의 다양한 반응을 살피고, 그에 따른 마케팅 전략과 방향성을 모색하고자 하였다. 구체적으로 본 연구는 텍스트 키워드를 중심으로 여행자 감정을 예측하고자 하였으며, 이를 통해 여행자를 분류하고 위치기반 여행서비스에 대한 수요를 추정하고자 하였다. 빅데이터 분석을 위한 텍스트 자료는 네이버 블로그에서 수집이 되었고, 총 95,704개의 블로그 중 27,644개의 블로그가 분석에 사용되었다. 결과적으로, 총 72개의 중요키워드가 추출이 되었는데, 숙박, 예약, 여행, 가격, 사진 등이었다. 또한 최종적으로 가격, 기능, 정보, 위치, 부가서비스 등이 위치기반 여행서비스에 대한 여행자 감정에 긍정적인 영향을 주는 요인으로 분류되었다.
연구 결과에 따르면 여행자의 긍정적인 감정과 관련된 텍스트 키데이터는 '가격', '기능', '정보', '위치 및 운송' 및 '보조 서비스' 영역으로 그룹화 되었다. 세부적으로 ‘가격’ 카테고리에서는 ‘가격’, ‘구매’, ‘할인’ 및 ‘비용’이 중요한 것으로 나타났으며, '기능' 카테고리에서는 '예약', '추천' 및 '모바일'이 중요한 단어군으로 드러났다. '정보' 영역에서는 '레스토랑', '목적지', '도시' 및 '날씨'가 여행자의 긍정적인 감정에 유의한 단어군으로 나타났고, '위치 및 운송' 카테고리에서는 '교통', '거리', '지도' 및 '비행기'가 중요한 텍스트 조합으로 확인되었다. 마지막으로 '보조 서비스' 영역에서는 '쇼핑'과 '가이드'가 여행자의 긍정적인 감정 반응과 관련이 있는 것으로 나타났다. 따라서 텍스트 데이터가 위치기반 여행 서비스의 핵심이라는 점에서 자주 언급되는 단어 및 단어군을 중심으로 서비스 품질관리가 선행될 필요가 있다. 해당 단어가 언급되는 맥락(context)을 파악하여 여행자가 실제 필요로 하는 서비스 내용을 파악하고 이를 구현할 수 있는 기능을 업그레이드 할 필요가 있다.
대부분의 단어가 여행자의 긍정적인 감정에 직접적인 영향을 미치는 것으로 보임에 따라 단어 주변의 상황 정보를 파악하여 해당 단어를 언급 할 가능성을 높이면 여행자의 정서적 반응에 긍정적 영향을 줄 수 있다. 위치기반 서비스에 대해 강화된 여행자의 긍정적인 감정 반응은 해당 서비스의 사용 및 수요 정도에 직접적인 영향을 미치게 된다. 또한, 파생 단어를 자주 언급한 여행자들이 위치기반 여행 서비스를 사용하는 주요 고객이라는 점에서, 해당 단어를 주로 사용하는 여행자를 추적하여 개인별 요구를 파악하고 이를 근거로 세분화 전략을 수립할 필요도 있다. 마찬가지로, 키워드는 여행자 분류를 위한 자원일 뿐만 아니라 여행자의 정서적 반응 및 행동 예측을 위한 유용한 도구로서 사용될 수 있다. 무엇보다 위치기반 서비스에 대한 정서적 반응이나 행동 예측을 위한 알고리즘의 개발이 노출된 단어를 중심으로 이루어질 필요가 있는데, 여행 비즈니스는 특정 서비스에 대한 여행자의 반응을 미리 예상하고 수요를 추정함으로써 기업이 의도한 대로 여행자를 유도 할 수 있다.

본 연구는 학문적으로나 실무적으로 다양한 기여를 한다고 할 수 있다. 먼저 학문적으로는 소셜 빅데이터를 활용해 맞춤형 정보로서의 위치기반 여행서비스의 가치를 확인함으로써 관련 주제에 대한 다양한 후속 연구를 가능케 한다. 구체적으로는 위치기반 여행서비스에 대한 여행자의 니즈를 좀 더 실제적으로 파악함으로써 성공적인 위치기반 서비스 전략에 필요한 이론적 근거를 마련할 수 있다. 또한 정보의 가치에 비해 활용도가 상대적으로 취약한 소셜 빅데이터의 활용방안을 밝히고 관련된 통계자료를 연계하여 수요예측 모델을 제시함으로써 데이터 분석의 패러다임을 확장할 수 있다. 또한 실무적으로 본 연구는 소셜 빅데이터 분석에 참고할 수 있는 적용 모델로서 여행기업과 여행 관련 공공기관들의 소셜 빅데이터 분석의 활성화를 꾀할 수 있다. 본 연구의 결과는 관련 실무자들의 소셜 빅데이터에 대한 제한된 인식을 넓히는 역할을 할 수 있는데, 여행자를 중심으로 소셜 빅데이터에 대한 활용 목적을 명확히 수립하고, 효율적으로 데이터를 확보하여, 종합적인 분석 솔루션을 구축하는 등의 다양한 측면에서 활용될 수 있다(최재경, 2016). 또한 데이터 중심의 기업 및 조직 문화 형성에도 도움을 주어 더 합리적이고 위험성 낮은 의사결정을 가능케 하는데, 결과적으로 여행기업들은 고객 관계관리의 변화, 내부 프로세스 개선, 새로운 가치 창출 등의 다양한 변화를 도모할 수 있다.