감성분석 기반 7 가지 감정을 반영한 재구매 예측 및 고객 구매행동 분석 = A Study on Customer Purchasing Behavior through Repurchase Prediction Reflecting Seven Emotions Sentiment Analysis

국문 초록 (Abstract)

최근 들어 온라인 플랫폼의 발달로 인해 디지털 커머스(digital commerce)가 크게 성장하고 있다.
이에 따라, 소비자들이 주로 온라인 플랫폼을 통한 구매의사결정을 하면서 온라인 구매리뷰의 중요성이
기업과 소비자 측면에서 대두되고 있는 추세에 있다.
이와 관련하여, 기존의 CSA(Customer Sentimental Analysis)와 재구매예측 선행연구들이 많이 진행되었으나, 각각 긍부정의 단순한 2가지 감정에 대한 분석과 텍스트 데이터나 그 외의 정형 데이터 중 일부만을 활용하는
한계점을 보여왔다.
이를 보완하고자 본 연구에서는 Phase 1의 7가지 감정분류 모델에서 7가지 감정인 분노(Anger),
혐오(Disgust), 두려움(Fear), 기쁨(Happiness), 슬픔(Sadness), 놀람(Surprise), 중립(Neutrality)을
분류하도록 학습하였고 93%의 정확도를 보였다.
이어진 Phase 2의 재구매예측 모델에서는 리뷰 데이터에서 Phase 1을 통해 추출한 7가지 감정을 반영하였고, 감정을 반영하지 않은 모델의 정확도인 89.04%에 비해, 90.25%로 상대적으로 높은 성능의 모델을 도출하였다.
이후 사후분석을 통해, 국내의 가장 대표적인 O2O(Online to Offline) 플랫폼인 네이버 쇼핑의
2024년 실제 데이터에 RFM Framework 기반의 K-Means 클러스터링을 통해 분석하였다.
결과적으로 본 연구는 고객군을 각 감정 점수를 반영하여 세분화함으로써 CRM(Customer Relationship Management) 측면에서 비재구매 고객을 관리하기 위해서 극단적인 부정적 감정에 해당하는 분노, 혐오가
발생하지 않도록 VoC(Voice of Customer)에 대한 처리나, 제품 구매후 서비스(A/S)를 통해 관리하는 것이
중요하다는 점을 제시하였다.

다국어 초록 (Multilingual Abstract)

The development of online platforms in recent years has catalyzed significant growth in digital commerce. Consequently, the importance of online purchase reviews has become prominent for businesses and consumers alike. However, previous research in Customer Sentiment Analysis (CSA) and Repurchase Prediction has shown limitations, primarily focusing on binary sentiment analysis or utilizing only some textual or structured data.
To address these limitations, this study undertakes two phases. In Phase 1, a 7 sentiment classification model is trained to classify seven emotions—Anger, Disgust, Fear, Happiness, Sadness, Surprise and Neutrality—with an accuracy of 93%. Subsequently, in Phase 2, a repurchase prediction model is developed reflecting the seven emotions derived from Phase 1. This model achieves a notable accuracy of 90.25%, outperforming the model that does not incorporate emotions with an accuracy of 89.04%. Following this, in the subsequent post-analysis, RFM Framework-based K-Means clustering is employed on real data from Naver Shopping, a prominent O2O platform in South Korea, from the year 2024.
In conclusion, this study highlights the critical role of managing extreme negative emotions such as Anger and Disgust in CRM (Customer Relationship Management) to effectively address non-repurchasing customers. Strategies can include proactive handling of customer dissatisfaction through Voice of Customer (VoC) initiatives and enhancing post-purchase services to optimize product quality.

목차 (Table of Contents)

• 1. Introduction 1
• 1.1. Background 1
• 1.2. Current Trends in CRM 5
• 1.3. Problem Definition 8
• 1.4. Research Objectives 10
• 1.5. Chapter Overview 10
• 2. Related Works 11
• 2.1. Studies on Consumer Sentimental Analysis(CSA) 11
• 2.2. Studies on Repurchase Prediction 13
• 2.3. Studies on KoBERT 15
• 3. Methodology 17
• 3.1. Data Collection & Preprocessing 18
• 3.2. Phase 1 : 7 Sentiment Classification Modeling 19
• 3.2.1. Data Collection & Modeling 19
• 3.2.2. Results 19
• 3.3. Phase 2 : Repurchase Prediction Modeling 20
• 3.3.1. Feature Extraction & Post-Processing 20
• 3.3.2. Modeling 22
• 3.3.3. Results 23
• 3.4. Post-Analysis 24
• 4. Empirical Study 25
• 4.1. Consumer Review Data Collection 25
• 4.2. Phase 1: 7 Sentiment Classification Modeling 27
• 4.2.1. Data Collection 27
• 4.2.2. Modeling 29
• 4.2.3. Results 29
• 4.3. Phase 2 : Repurchase Prediction Modeling 31
• 4.3.1. Feature Extraction & Post-Processing 31
• 4.3.2. Modeling 40
• 4.3.3. Results 44
• 4.4. Post-Analysis 48
• 5. Conclusion 62
• 요약문 64
• References 66
• Acknowledgements 71