[2026-03-26 | Data Frontier] 한눈에 보는 AI x 비즈니스 분야 연구 동향

📖 Journal of Marketing Research - 1건

EXPRESS: Vocal Similarity, Timbre, and Persuasion in Consumer-Spokesperson Interactions

본 연구는 소비자와 대변인 간의 목소리 유사성, 특히 음색 유사성이 소비자의 설득에 미치는 영향을 탐색하였다. 연구진은 멜 주파수 켑스트럼 계수(MFCC)를 활용한 기계 학습으로 개인 소비자와 대변인 간의 객관적인 음성 유사성 척도를 개발하였다. 샤크 탱크의 기업가-투자자 조합 7,002건을 분석하여 투자 유치 과정에서의 음성 유사성 효과를 입증하였고, 킥스타터 캠페인 2,091건에서는 대변인의 목소리가 다수 청중의 평균 목소리에 가까울수록 더 높은 모금액과 캠페인 성공으로 이어지는 설득 효과를 확인하였다. 이 효과는 외부적인 캠페인 신뢰도 신호가 있을 때 약화되었다. 또한, 네 가지 실험실 연구를 통해 대변인 또는 추천인과의 음성 유사성이 그들의 능력에 대한 더 큰 신뢰와 설득에 긍정적인 영향을 미친다는 것을 보여주었으며, 객관적 음성 유사성과 주관적 음성 유사성이 유사한 결과를 나타낸다는 것을 확인하였다. 이러한 연구는 소비자-대변인 상호작용에 대한 깊이 있는 이해를 제공하고, 음성 분석을 위한 새로운 도구를 제시하였다.

바로가기

📖 Data Science and Engineering - 1건

IBformer: Inductive Bias is Necessary for Multivariate Time Series Forecasting

본 논문은 다변량 시계열 예측 작업의 이질성을 연구하고, 예측 효과에 영향을 미치는 핵심 요소를 다루기 위해 귀납적 편향이 도입된 IBformer 모델을 제안하였다. IBformer는 고정된 입력 길이 내에서 핵심 샘플링 전략을 통해 모델의 수용 필드를 확장하며, 시계열 데이터의 시간적 이질성 문제를 해결하고자 분해 기반의 차별화된 예측 방법을 사용하여 다양한 데이터 세트의 내재적 특성에 따라 시계열을 모델링하였다. 또한, 직접적인 다단계 예측 전략 및 채널 독립 전략으로 인해 발생하는 약한 시공간 상관관계 문제를 해결하고자 2차 시공간 강화 블록을 설계하여 원본 예측 결과를 기반으로 시간적 상관관계와 공간적 상관관계를 수정하고 과도한 공간 모델링 없이 공간 종속성을 포착하였다. 광범위한 실험을 통해 IBformer가 기존 최신 방법보다 뛰어난 성능을 보였으며, 특히 장기 다변량 예측 작업에서 다변량 시계열의 이질성 문제를 효과적으로 다룰 수 있음을 입증하였다.

바로가기

📖 Scientific Data - 1건

A Multimodal Dataset to Investigate Task-Evoked Negative BOLD Response and Neurodegeneration

Quantitative Neuroimaging Laboratory Dataset은 자기공명영상(MRI) 양상과 두 가지 휴지기 및 네 가지 인지 영역을 활용한 12가지 과제 기반 기능적 MRI(fMRI) 양상, 세 가지 양전자 방출 단층촬영(PET) 스캔, 신경심리 평가 및 활력 징후를 포함하는 다중모드 데이터셋을 제공한다. 현재 356명의 참가자(젊은 참가자 97명, 노인 참가자 259명)가 동의하였고, 이 중 259명은 최소 한 번의 스캔을, 189명은 모든 스캔 양상을 완료하였다. 총 4688개의 MRI/fMRI 스캔과 719개의 PET 스캔이 업로드되었으며, 모든 영상은 자체 개발된 전처리 파이프라인을 거쳤다. 이 데이터셋은 뇌의 혈역학적 반응이 반대 방향(즉, 뇌 비활성화)으로 나타나는 공간적 및 시간적 특성과 과제 의존성, 그리고 뇌의 대규모 기능적 연결성 네트워크와의 상호작용을 규명하는 것을 목표로 한다. 궁극적으로 이는 신경영상 연구 결과를 신경정신 질환의 개별 병리를 더 잘 특성화하고 예측하는 맞춤형 의료 접근 방식으로 전환하는 데 기여할 것이다.

바로가기

📖 Neural Computing and Applications - 1건

Hybrid ConvTransLSTM for spatio-temporal classification: identifying early Parkinson’s disease from gait patterns

이 연구는 보행 패턴을 기반으로 초기 파킨슨병(early_PD), 진행성 파킨슨병(adv_PD), 그리고 파킨슨병 없음(no_PD) 환자를 효과적으로 구별하기 위한 시공간 하이브리드 딥러닝 모델인 ConvTransLSTM을 제안하였다. 본 모델은 CNN, Transformer, BiLSTM 아키텍처를 통합하여 공간 및 시간적 의존성을 동시에 포착하였다. 특히, CNN은 공간적 특징을, Transformer는 시간적 특징 학습을 강화하며, BiLSTM은 계층적 시공간 특징을 통합하는 역할을 수행하였다. 연구에서는 500, 800, 1200개의 샘플을 가진 슬라이딩 윈도우를 사용하여 보행 주기를 포착하고, 3겹, 5겹, 10겹 교차 검증을 통해 모델 성능을 철저히 평가하였다. 그 결과, 1200개 샘플 윈도우와 5겹 교차 검증 구성에서 0.90의 최적 정확도와 0.97의 평균 신뢰도 점수를 달성하며 뛰어난 성능을 보였다. 상체-하체 센서 융합은 모든 윈도우 크기 및 K-겹 방식에서 일관되게 높은 성능을 제공하였으며, ConvTrans1 모듈과 스택형 CNN, Transformer, 잔차 연결을 포함하는 두 번째 시공간 모듈이 성능 및 신뢰도 점수 향상에 핵심적인 역할을 하였다. BiLSTM의 포함 또한 모델의 최적 결과 달성에 결정적이었다. 또한, Raspberry Pi 5에서의 엣지 배포 유효성 검증을 통해 실세계 적용 가능성을 입증하였다. 이 연구는 시공간 딥러닝 아키텍처가 다중 클래스 파킨슨병 분류를 발전시키고 보행 패턴 신호를 통해 초기 파킨슨병을 효과적으로 감지할 수 있는 잠재력을 가지고 있음을 강조하며, 파킨슨병의 비침습적 진단 및 질병 진행 모니터링을 위한 가치 있는 도구가 될 수 있음을 시사한다.

바로가기

📖 ACM Transactions on Intelligent Systems and Technology - 2건

SGPO: Self-Generated Preference Optimization based on Self-Improver

대규모 언어 모델(LLM)은 인간 선호도에 대한 효과적인 정렬이 필요하지만, 기존 정렬 방식은 오프-정책 학습과 인간 주석 데이터셋에 의존하여 적용 가능성을 제한하고 훈련 중 분포 변화 문제를 야기하였다. 이러한 문제들을 해결하고자, 본 연구에서는 온-정책 자체 개선 메커니즘을 활용한 SGPO(Self-Generated Preference Optimization based on Self-Improver)를 제안하였다. SGPO는 개선자가 정책 모델의 응답을 개선하여 정책 모델의 DPO(Direct Preference Optimization)를 위한 선호도 데이터를 자체 생성하며, 개선자와 정책이 단일 모델로 통합되었다. 특히, 이 자체 개선자는 지도 미세 조정 출력물을 참조하여 현재 응답에 점진적이면서도 식별 가능한 개선을 가하도록 학습된다. AlpacaEval 2.0 및 Arena-Hard 실험 결과, 제안된 SGPO는 외부 선호도 데이터를 사용하지 않고도 DPO 및 기준 자체 개선 방법들보다 성능을 크게 향상시켰다.

바로가기

From Hallucination to Certainty: Meta-Knowledge Guided Self-Correcting Large Language Models

최근 대규모 언어 모델(LLM)의 발전은 뛰어난 자연어 이해 및 생성 능력을 보여주었다. 이러한 LLM의 사실적 기반 및 추론 정확도를 향상시키기 위해, 지식 그래프(KG)와의 통합은 유망한 방향으로 떠올랐다. 하지만, LLM이 텍스트 기반 훈련과 KG의 상징적 표현 간의 불일치로 인해 KG의 구조적 특성을 효과적으로 해석하고 활용하는 데 어려움을 겪고, KG 내 구조화된 지식에 대한 질의 및 추론이 비효율적이라는 문제가 있다. 이러한 한계를 해결하기 위해 본 연구에서는 LLM이 KG로부터 구조화된 지식을 효과적으로 활용할 수 있도록 지원하는 메타 지식 강화 지식 그래프(MKG)라는 새로운 프레임워크를 제안하였다. MKG는 다중 저장 메모리에 저장된 메타 지식과 자체 수정 메커니즘을 사용하여 LLM이 KG 검색 및 추론을 수행하도록 안내한다. 복잡한 질문 답변 벤치마크에 대한 실험 평가 결과, MKG는 기존 LLM, 검색 증강 생성(RAG), ReAct, GraphRAG 및 ToG 프레임워크보다 각각 25%, 17%, 11%, 3.3%, 2.6% 향상된 성능을 보여주며 상당한 성능 향상을 달성했다. 이는 LLM이 KG의 구조화된 지식을 효과적으로 활용하여 사실적 기반과 추론 능력을 강화할 수 있음을 의미한다.

바로가기

📖 Applied Artificial Intelligence - 1건

Convolutional Neural Networks with Stable-Baselines for Optimized Path Planning by Simulation

이 연구는 복잡한 환경에서 자율주행 차량(AV)의 경로 계획을 위한 강력한 인지 및 지능형 경로 계획의 필요성을 다루었다. 기존 연구의 한계, 즉 다중 모달 융합, 교통 신호등 혼잡, 루프 회피 메커니즘의 부족을 해결하고자, 시뮬레이션 환경(SUMO)에서 합성곱 신경망(CNN) 기반 인지와 강화 학습(RL)을 통합하여 효율성, 안전성 및 지속 가능성 측면에서 최적화된 경로를 식별하였다. 이 방법론은 공간 교통 특징(차량 밀도, 교통 신호등 채널)과 스칼라 속도 데이터를 융합할 수 있는 VGG-유사 백본을 가진 다중 입력 CNN을 도입하였다. 또한, 이 모델은 DQN 접근 방식을 사용하여 CNN에서 파생된 특징들을 Q-값 추정에 통합하며, 이동 시간 최소화, 혼잡 회피, 목적지 근접성 보너스를 포함하는 보상 함수를 정의하였다. 실험 결과, 다중 입력 융합은 단일 입력 CNN 기준선에 비해 더 안정적인 예측과 우수한 경로 설정을 보여주었으며, 다익스트라(Dijkstra) 알고리즘 대비 낮은 혼잡도와 적은 교통 신호 지연을 가진 경로를 일관되게 생성하였다. 특히, 속도 요인을 두 번째 입력으로 추가한 모델은 최대 92.11%의 높은 검증 정확도를 달성하며 강력한 일반화 능력을 입증하였다. 이 연구는 스마트 도시, 배달 회사, 긴급 서비스 등 다양한 실제 시나리오에서 자율주행 차량을 안내하는 데 직접적으로 활용될 수 있으며, 혼잡 및 배출량 감소, 에너지 소비 절약을 통해 지속 가능한 도시 이동성에 기여하였다. 궁극적으로 이 모델은 시스템 수준의 신뢰성을 증진하고 예측 가능하며 강력한 도시 이동성 운영을 창출하는 데 도움이 될 수 있음을 시사하였다.

바로가기

📖 Complex & Intelligent Systems - 1건

Entity-relation pair attention-based representation with knowledge graph for media-content cross-domain recommendation

본 연구는 미디어 콘텐츠 교차 도메인 추천에서 항목 복잡성과 데이터 희소성을 해결하기 위해 지식 그래프 기반의 엔티티-관계 쌍 주의집중 표현(EPAR-MCDR) 모델을 제안하였다. 이 모델은 대상 도메인의 보조 정보와 사용자 상호작용 이력을 활용하여 지식 그래프를 구축하고, 엔티티-관계 쌍 주의집중 증강 인코더(EPAE)를 통해 고차원 구조적 연관 정보를 포착하였다. 또한, 이웃 주의 전파 계층을 통해 이웃 엔티티의 기여도를 동적으로 조절하고, 도메인 적응 인코더(DAE)를 사용하여 소스 도메인 지식과 대상 도메인 선호도 사이의 균형을 맞춤으로써 부정적 전이를 방지하였다. 세 가지 실제 교차 도메인 데이터셋에 대한 광범위한 실험 결과, EPAR-MCDR은 기존의 단일 도메인 및 교차 도메인 추천 방법들보다 모든 평가 지표에서 최상 또는 준최상의 성능을 달성하였다. 특히, HR은 약 2%에서 4% 개선되었고, NDCG와 MRR에서도 일관되게 우위를 보였다. DAE는 적절한 람다(0.1) 값에서 최적의 성능을 보이며 특징 정렬의 균형을 효과적으로 맞추는 것으로 나타났다. 냉각 시작(cold-start) 시나리오에서도 모델의 강건함이 입증되었으며, 메모리 사용량은 감소했지만 EPAE의 계산 부하로 인해 훈련 시간은 증가하는 경향을 보였다. 이러한 결과는 EPAR-MCDR이 교차 도메인 추천 환경에서 사용자 선호도를 효과적으로 탐색하고, 복잡한 항목과 희소한 데이터를 처리하는 데 있어 강력한 성능과 포괄적인 능력을 갖추고 있음을 시사하였다.

바로가기

📖 Cognitive Computation - 1건

VTPPG: End-to-end Video-Transformed Persona Poem Generation

이 논문은 비디오 기반으로 중국 페르소나 시를 생성하는 종단 간 접근 방식인 VTPPG(Video-Transformed Persona Poem Generation)를 제안하였다. 기존 시 생성 모델들이 다양한 장면 속 인물들의 감정과 관계를 충분히 고려하지 못하는 한계를 해결하고자 한 것이다. VTPPG는 비디오 콘텐츠에서 인물 행동(CA), 인물 감정(CE), 인물 관계(CR), 배경 감정(SE)의 네 가지 핵심 특징을 추출하고, 이를 MixPoet-AUS 기반의 인코더-디코더 아키텍처를 통해 중국 사언시로 생성한다. 이 모델은 영상의 시각적 의미론을 활용하여 시 생성 과정의 자동화와 다중 모달 융합을 가능하게 했다. 정성적 분석 결과, VTPPG는 기존 최첨단 모델인 Jiu Ge보다 8.25% 향상된 성능을 보였으며, 특히 인물 관계, 감정 및 배경 감정 감지에서 우수한 결과를 나타냈다. 인간 시인과의 비교 분석에서도 VTPPG는 단순한 장면 묘사를 넘어 복잡한 심리적 깊이와 서사적 긴장을 담은 시를 생성하는 능력을 입증하였다. 향후 연구에서는 감정의 시간적 모델링을 정교화하고, 오디오 트랙, 제스처, 몸짓 언어 등 더 다양한 입력 모달리티를 통합하며, 더 긴 서사에서 페르소나 시를 생성하는 방향으로 확장할 계획이다.

바로가기

📖 CAAI Transactions on Intelligence Technology - 1건

Bio‐Inspired Optimisation Methods Applied to Low Carbon Power and Energy Problems: A Survey

이 논문은 고차원적이고 제약이 있으며 혼합 정수 특성을 가지는 저탄소 전력 및 에너지 시스템의 복잡한 최적화 문제에 적용된 생체 모방 최적화 기법에 대한 포괄적인 검토를 제공한다. 경제 부하 배분, 단위 운용 계획, 최적 전력 흐름, 분산 발전 계획, 열교환기 설계, PEM 연료 전지 및 태양 전지 모델의 매개변수 추정 등 주요 저탄소 에너지 문제에 적용된 생체 모방 최적화 기법들을 분석하였다. 기존 방법론이 비볼록성, 비선형성, 계산 복잡성으로 어려움을 겪는 반면, 본 연구는 생체 모방 최적화 기법이 계산 효율성, 제약 처리 및 수렴 동작 문제를 해결하는 데 효과적임을 강조한다. 이 연구는 기존 방법의 강점과 한계를 분석하며, 연구 격차와 미래 방향을 제시함으로써 지속 가능한 에너지 솔루션을 위한 생체 모방 최적화 기술의 채택 및 개선을 촉진하는 데 기여하고자 하였다.

바로가기

📖 Journal of Research in Interactive Marketing - 1건

Interactive personalization and consumer adoption of generative AI word-of-mouth: an emotional arousal perspective

이 연구는 인간-컴퓨터 상호작용 환경에서 생성형 AI 입소문(GAI-WOM)에 대한 소비자 채택 의지에 대화형 개인화 수준이 미치는 영향을 조사하고, 그 심리적 메커니즘을 탐구하는 것을 목적으로 하였다. 연구는 오프라인 실험 하나와 온라인 시나리오 실험 두 가지를 통해 진행되었다. 첫 번째 연구는 인터뷰 가이드 과정에 대한 입소문 추천에 참여한 135명의 졸업생을 대상으로 한 현장 실험이었고, 두 번째와 세 번째 연구는 각각 영화와 피트니스 앱에 대한 피드백을 제공한 250명 및 280명의 온라인 참가자를 대상으로 하였다. 연구 결과는 GAI-WOM의 대화형 개인화 정도와 소비자 채택 의지 사이에 역U자형 관계가 있음을 보여주었다. 이러한 효과는 정서적 각성에 의해 매개되었다. 또한, 소비자의 즉각적인 수요는 GAI-WOM의 대화형 개인화 정도, 정서적 각성, 소비자 채택 의지 사이의 역U자형 관계를 조절하는 역할을 했다. 이 연구는 정서적 각성 관점에서 GAI-WOM의 대화형 개인화와 소비자 채택 의지 간의 비선형적 관계를 밝혀냈으며, 기업이 대화형 개인화를 통해 GAI-WOM을 적용하는 데 귀중한 통찰력을 제공하였다.

바로가기

📖 International Marketing Review - 1건

Understanding consumers' perceived credibility bias and reactions to online disclosures of transgressions by foreign vs domestic brands

이 연구는 외국 브랜드에 대한 미확인 온라인 폭로를 국내 브랜드에 대한 폭로보다 더 신뢰할 만하다고 인식하는 경향인 지각된 신뢰성 편향(PCB)을 소개하였다. 본 연구는 PCB가 소셜 미디어 복수 및 화해 욕구에 미치는 영향을 조사하고 이러한 효과가 강화되거나 완화되는 조건을 밝혀냈다. 가상 브랜드와 실제 브랜드를 활용한 5가지 실험을 중국과 미국 표본을 대상으로 수행하였다. 중국 표본에서는 외국 브랜드에 대한 폭로가 지속적으로 더 신뢰할 만하다고 인식되었으며, 미국 표본에서는 높은 적대감을 가진 참가자들에게서만 PCB가 나타났다. 지각된 신뢰성이 높을수록 소셜 미디어 복수심이 증가하고 화해 욕구는 감소하는 경향을 보였다. 이러한 효과는 소비자 적대감에 의해 증폭되었으나, 폭로자의 영향력에 의해 완화되었다. 본 연구의 실질적인 함의는 다국적 브랜드가 특히 적대감이 높은 시장에서 미확인 온라인 폭로로 인한 평판 위험에 더 취약하다는 점이다. 기업은 조기 탐지, 신속한 대응, 그리고 신뢰할 수 있는 해명 전략을 우선해야 하며, 특히 영향력이 낮은 출처의 폭로에 더욱 주의해야 한다고 제언했다. 이 연구는 브랜드 원산지가 신념 형성 단계에서 작동하는 대상 기반 신뢰성 휴리스틱이라는 점을 규명하여 신뢰성 및 국제 마케팅 연구에 기여하였고, 방관자 관점에서 신뢰성 편향이 복수와 화해 반응을 체계적으로 형성하는 방식과 주요 경계 조건을 명확히 하였다.

바로가기

📖 Journal of International Marketing - 1건

EXPRESS: What Makes a Product Cool? Consumers’ Perceptions of Product Coolness across Three Cultures

본 연구는 제품의 '쿨함'에 대한 소비자의 문화적 해석과 그 해석의 변화를 설명하는 요인에 대한 이해가 부족하다는 점을 해결하고자 하였다. 연구진은 두 차례의 영어권 소비자 연구를 통해 제품의 쿨함을 개념화한 후, 통합적인 쿨함 프레임워크를 검증하기 위해 미국, 독일, 중국 소비자를 대상으로 두 차례의 교차 문화 설문조사를 실시하였다. 주요 연구 결과는 첫째, 소비자들은 쿨함을 두 가지 방식, 즉 흥분이나 감탄을 유발하는 개인적 해석과 사회적으로 인정받는 매력을 의미하는 사회적 해석으로 보편적으로 해석했으며, 개인적 해석이 일반적으로 더 두드러지는 양상을 보였다. 둘째, 이러한 해석들은 쿨함과 관련된 특정 제품 속성 및 바람직하거나 바람직하지 않은 결과들과 상호 연관성을 나타냈다. 셋째, 중국 소비자들은 사회적 해석에 더 강하게 동의하고, 쿨함의 동인으로 배타성을 더 중요하게 여기며, 미국 및 독일 소비자들보다 쿨한 제품을 더 많이 원한다는 강력한 문화 간 차이가 발견되었다. 이러한 차이는 주로 중국 소비자들의 강한 귀속성(Ascription) 경향으로 설명될 수 있었다.

바로가기

📖 Marketing Intelligence & Planning - 1건

Affiliate marketing: a systematic synthesis of literature and a framework development

본 연구는 제휴 마케팅(AM) 문헌의 포괄적인 종합과 일관된 프레임워크의 부재를 인식하고, AM 문헌을 체계적으로 합성하는 것을 목적으로 하였다. 연구는 AM 문헌의 시간적 성장과 이론적 토대, 방법론적 접근, AM 채택 요인 등을 평가하였다. 또한, AM 현상에 대한 전반적인 이해를 제공하는 통합 개념 프레임워크를 개발하였으며, 이론, 특성, 맥락 및 방법론적 관점에서 미래 연구를 위한 다차원적 영역을 식별하고 방향을 제시하였다. 연구 방법론으로는 구조화된 문헌 검토와 어휘 분석을 결합한 하이브리드 접근 방식을 채택하였다. 이를 위해 웹 오브 사이언스(WoS), 에메랄드(Emerald), 세이지(Sage), 구글 스칼라(Google Scholar) 등 8개 온라인 데이터베이스에서 엄격한 포함 및 제외 기준에 따라 2001년부터 2023년까지 발표된 41편의 논문을 최종 분석에 사용하였다. 어휘 분석에는 Iramuteq 소프트웨어를 활용하여 핵심 주제와 그 관계를 파악하였다. 연구 결과, AM 연구는 초기에는 불규칙했지만 2018년 이후 꾸준히 성장하여 2023년에 가장 많은 논문이 발표되었음을 확인하였다. 연구는 주로 영국과 미국에서 진행되었으며, 대부분 설문 기반의 접근 방식을 사용하였다. AM 연구에서 활용된 이론은 자원 의존 이론(RDT), 기술 수용 모델(TAM), 통합 기술 수용 및 사용 이론 2(UTAUT 2), 복잡성 이론(CT), 함수 종속성 이론 등 소수에 불과하였다. AM 문헌에서 보고된 변수들을 종합하여 선행 요인(제품 성과, 기술적 요인, 사회적/심리적 요인), 매개 요인(AM 사용 의도), 결과 요인(판매 및 소비자 반응)을 포함하는 개념적 프레임워크를 개발하였다. 어휘 분석을 통해 ‘온라인’, ‘시장’, ‘고객’이라는 세 가지 핵심 개념 클러스터가 AM 담론의 중심에 있음을 밝혔다. 이러한 연구는 AM 문헌의 파편화된 부분을 통합하고, AM 캠페인의 성공을 위한 실질적인 관리적 시사점을 제공하였다. 또한, 사회적으로는 제품 가치 정보의 투명성, 소비자 데이터 사용의 윤리적 기준 준수, AM 콘텐츠에 대한 대중의 이해 증진의 필요성을 강조하였다. 마지막으로, 미래 연구를 위해 가치 기반 채택 모델(VAM), 사회 교환 이론(SET), 네트워크 이론, 제한된 용량 모델(LCM) 등 새로운 이론의 적용과 종단적 연구, 실험 연구, 텍스트 분석과 같은 다양한 방법론 도입을 제안하였다.

바로가기

📖 Asia Pacific Journal of Marketing and Logistics - 1건

Prevention is better than cure? Investigating the effect of preventive recovery strategies by service robots on customer misbehavior

요약 생성에 실패했습니다. 원문 확인이 필요합니다.

바로가기

📖 Journal of Personal Selling & Sales Management - 2건

B2B sales management in a circular economy: multilevel implications and future directions

본 연구는 순환 경제(CE)로의 전환이 B2B 판매 관리(sales management)에 미치는 영향을 다단계적 관점에서 탐구하고, 관련 역할, 실행 활동 및 해결해야 할 갈등을 개념화하였다. 선형 경제 환경에 초점을 맞춘 기존 B2B 판매 연구의 한계를 극복하고자, 연구자들은 B2B 판매 및 순환 비즈니스 문헌을 통합하여 이론적 프레임워크를 구축하였고, 낮은 순환성 성숙도 기업의 판매 관리자 12명, 높은 순환성 성숙도 기업의 C레벨 판매 및 마케팅 관리자 18명, 높은 순환성 성숙도 기업의 글로벌 가치 사슬 관리자 16명을 대상으로 총 46건의 질적 인터뷰를 진행하였다. 귀납적 탐색 및 연역적 분석, 그리고 가설 연역적 추론을 사용하여 데이터를 분석한 결과, 순환 경제 상황에서 판매 관리가 수행하는 미시(transformer 및 coordinator), 중간(market shaper 및 enabler), 거시(orchestrator) 수준의 5가지 핵심적인 역할과 그에 따른 실행 활동, 그리고 발생하는 갈등을 식별하였다. 구체적으로, 미시 수준에서는 고객의 순환 구매를 변혁하고 순환 가치 혁신을 조율하는 역할이, 중간 수준에서는 순환성 인식을 형성하고 순환성을 위한 제도적 작업을 지원하는 역할이, 거시 수준에서는 순환 생태계를 조율하는 역할이 중요하게 부상하였다. 이러한 발견은 순환 경제가 판매 관리의 전략적 역할을 강화하고 다단계 협업의 중요성을 강조함으로써 기존 판매 관리 및 판매 변혁 연구에 기여하였고, 판매가 단순한 지원 역할을 넘어 제도화 및 시장 형성의 중심적인 주체임을 밝혔다. 또한, 순환 경제 전환 과정에서 판매 관리가 직면하는 다양한 갈등을 규명하여 관련 연구 분야를 확장하였으며, 판매 관리자들이 다단계적이고 생태계 중심적인 순환 판매 전략을 수립하고, 고객을 공동 창조자로 인식하며, 내부 역량을 개발하고, 규제 기관과 협력하여 순환 경제 목표를 달성하도록 하는 실질적인 시사점을 제공하였다.

바로가기

Profiling before scoring: a two-stage predictive model for B2B lead prioritization

본 연구는 B2B 인바운드 영업에서 잠재 고객 우선순위 지정의 비효율성을 개선하고 기존 머신러닝 모델의 제한점을 극복하고자 하였다. 연구진은 비지도 군집화(K-Prototypes)를 통한 잠재 고객 프로파일링과 지도 분류(Gradient Boosting Trees)를 통합하는 PRISM(Profiling and Ranking Integrated Scoring Model)이라는 2단계 예측 모델을 제안하였다. 이 모델은 첫 번째 단계에서 잠재 고객을 인구통계학적 및 기업특성적 속성을 기반으로 동질적인 그룹으로 군집화하여 프로파일링하였고, 두 번째 단계에서는 각 군집 내에서 잠재 고객의 전환 가능성을 예측하여 순위를 매겼다. 세 가지 B2B 서비스 산업(법률 컨설팅, 상업용 빌딩 청소, 맞춤형 결제 서비스)의 LMS 데이터를 활용한 실증 분석 결과, PRISM은 기존의 '분류 단독' 모델 및 직관 기반 기준 모델보다 지속적으로 우수한 성능을 보였다. 특히, 전환율이 최대 18%까지 향상되었으며, 오탐(False Positive) 비용이 감소하는 효과를 확인하였다. 또한, 시간 종속적인 행동 데이터가 없는 초기 단계에서도 이 모델의 효과는 입증되었으며, 회사 간 군집화 방식이 회사별 모델보다 더 효과적임을 확인하였다. 이러한 결과는 잠재 고객 프로파일링이 예측 정확도를 높이고 우선순위 지정 전략을 정교화하는 데 핵심적인 역할을 한다는 점을 시사하며, B2B 영업 환경에서 데이터 기반 의사 결정을 강화하고 영업 효율성을 최적화할 수 있는 실용적인 가치를 제공하였다.

바로가기