소셜 네트워크 분석을 이용한 중복회원 관리

소셜 네트워크 분석을 이용한 중복회원 관리 Duplicate Membership Management using Social Network Analysis 강 은 영a, 곽 기 영b a국민대학교 비즈니스IT전문대학원 서울 성북구 정릉동 861-1, 136-702 E-mail: 01244972@nate.com b국민대학교 경영대학 경영정보학부, 교신저자 서울 성북구 정릉동 861-1, 136-702 E-mail: kykwahk@kookmin.ac.kr

목차 소셜 네트워크 분석을 이용한 중복회원 관리 서론 : 중복회원으로 발생하는 웹마케팅의 비효율성 이론적 배경 : 소셜네트워크 분석 연구단계 소개 및 파일롯 연구 실증분석 : 3개 웹사이트 결론 및 시사점

I. 서론 중복회원으로 발생하는 웹마케팅의 비효율성

I. 서론 중복회원으로 발생하는 웹마케팅의 비효율성 • 상대적으로 적극적으로 포진해 있는 중복가입 회원은실제 고객의 웹사이트에 대한 신뢰도를 떨어트린다. 2) 명확하게 규명되지 않은 중복가입 회원에게 임의로불리한 조취를 취하기가 어렵다. 3) 중복회원은 장기적으로 활동할 가능성이 매우 높다. 4) 다른 중복회원을 양산할 가능성이 있다.

I. 서론 중복회원식별 현업에서는 당첨자 명단의 주소비교등 데이터베이스 비교를 통해 중복회원을 식별하고 있다. Ex) 3개월 동안의 당첨자 주소비교등

I. 서론 중복회원식별 현업에서는 당첨자 명단의 주소비교등 데이터베이스 비교를 통해 중복회원을 식별하고 있다. Ex) 3개월 동안의 당첨자 주소비교등 그러나 현재의 방법만으로는 회원의 검증에 한계가 있고, 사이트 전반적인 회원의 신뢰성을 확인해 볼 필요가 있다.

I. 서론 소셜네트워크분석을 이용한 중복회원 관리제안 실제 운영중인 H사의 3개의 사이트의 회원자료와 설문자료를 통해 소셜네트워크분석을 이용한 중복회원 관리 제안.

II. 이론적 배경. 소셜네트워크분석 Social Netowork Analysis

II. 이론적 배경 소셜네트워크분석 Social Netowork Analysis 소셜네트워크의 기본 개념 : 네트워크 안에서 정보, 정서, 물질적 지원등의 교환으로 인해 발생되는 관계를 데이터로 분석하여 그 의미를 찾는 것. 관계의 강·약 밀도의 높고 낮음에 따라 다양한 사회적 역할 및 영향력을 분석한다.

II. 이론적 배경 네트워크의 기본 구성 : · 노드 : 사람, 자원 · 연결 : 관계, 링크 · 방향 : 자원, 영향을 주는 방향 · 값 : 자원, 영향을 주는 횟수 등 [그림 1] 네트워크 구성 및 소셜매트릭스

II. 이론적 배경 하위집단(sub group): 하위집단은 동질적인 이해관계나 성격을 가진 네트워크 내의 부분집합으로 구성되며, 하위집단에 대한 분석을 통해 구성원들 사이의이해관계나 파벌 및 역할, 소속 등 다양한 하위 노드를 파악할 수 있다. 또한 이를 통해 해당 네트워크가 가진 응집력, 갈등, 협력, 신뢰 등도 파악이 가능하다. · 클러스터링 : 계층적 구조 · 파당 : 결속집단 노드 · 컴포넌트 : 연결되는 모든 노드를 포함

II. 이론적 배경 컴포넌트(component) : 컴포넌트는 [그림 2]의 A, B, C와 같이 네트워크 내부에서 연결이 끊어지지 않은 모든 하위그룹을 의미한다. 정보의 연결성 측면에서 네트워크 내의 컴포넌트들은 의미 있는 정보를 이루고 있는 그룹을 나타내게 된다. [그림 2] 컴포넌트

II. 이론적 배경 관련연구 :

III. 연구절차. 중복고객 식별 절차 및 파일롯연구

III. 연구절차 및 파일롯 연구 중복고객 식별 절차: [그림 3] 중복고객 식별 절차

III. 연구절차 및 파일롯 연구 1) 분석데이터 선별 : • 아이디의 일부가 비슷하다. • 비밀번호가 같다. • 전화번호가 같거나 비슷하다. • 주소가 동일하다. (가족 회원이 있을 가능성과 가족의 정보 이용가능성이 있다.)

III. 연구절차 및 파일롯 연구 1) 분석데이터 선별 : Exel을 이용하여 “아이디*아이디”의 연관성 여부에 따라 1과 0으로 표시

III. 연구절차 및 파일롯 연구 2) 소셜매트릭스 구성 : 회원의 준연결망을 리소스 별로 생성 하여 합산하는 단계로 합산매트릭스는 회원정보의 연관성을 최소 0에서 최대 분석대상 회원정보 개수까지의 수치로 나타내게 된다. 따라서 합산된 매트릭스(Sij)는 강도를 가지는 방향이 없는 관계매트릭스이며 강도가 높을수록 회원간의 관계가 더 강하게 있다고 판단할 수 있다. [그림 4] 소셜매트릭스 구성

III. 연구절차 및 파일롯 연구 2) 소셜매트릭스 구성 : [그림 4] 소셜매트릭스 구성 값3(p=3) 을 기준으로 크거나 같으면 ‘1’, 기준 값보다 작으면 ‘0’의 값을 가진 2진 매트릭스

III. 연구절차 및 파일롯 연구 3) 소셜매트릭스 컴포넌트 분석 : [그림5]와 같은 경우 {J, H}, {A, B, C, D, E, F, G} 두 개의 컴포넌트는 각각 한 회원이 소유하고 있는 중복가입고객 아이디로 간주할 수 있다. 특히 [그림5]의 (가)컴포넌트는 7개의 모든 노드가 3(p=3) 이상의 관계로 구성되어있는 것을 알 수 있다. [그림 5] M사이트의 회원 소셜다이어그램

III. 연구절차 및 파일롯 연구 4) 분석결과 : 실제회원 = 고립점+컴포넌트 회원신뢰도 = (실제회원/전체노드)x100 회원신뢰도 = 65% 단순한 주소비교를 통해서는 16명의 회원이 존재하는 것으로 나타남.

IV. 실증분석. 소셜네트워크분석을 이용한 중복회원 실증분석

IV. 실증분석 1) 데이터 수집 : H사에서 운영하는 3개 사이트의 자료를 수집하였다. 수집된 3개 사이트의 자료는 각각 실명인증이 적용된 사이트와 이메일 인증, 단순 이메일 가입으로 회원을 모집 하고 있다. 이벤트에 참여(현재 활동)하는 고객을 대상으로 이벤트에 중복응모하는 회원에 대한 정보를 수집하고, 제안된 방법론의 효과성을 검증하기 위해 설문조사를 실시하였다. 설문조사는 해당 웹사이트의 이벤트 형식으로 실시되었고, 이메일을 통해 배포되었으며 설문조사와 함께 작성자에 대한 IP정보를 취득할 수 있도록 설정하였다.

IV. 실증분석 2) 데이터 측정 및 분석 : 합산 매트릭스(Sij) : 6개의 매트릭스 합산 기준 값(p) : 2, 3, 4 (순차적 적용) 작으면(Sij<p)‘0’, 같거나 크면(Sij>=p)‘1’로 코딩하여 2진 매트릭스로 변환하였다. 컴포넌트 분석 : UCINET 6.187를 이용

IV. 실증분석 3) 분석결과 A 사이트는 123개, B 사이트는 27개, C 사이트에서는 60개의 중복회원 컴포넌트발견됨. 주소비교 방법에 비해서 평균 79% 정도의 중복회원이 더 발견된 결과이다. 비교적 엄격한 기준인 p=3을 적용하였을 때도 평균 12%의 중복회원 컴포넌트발견됨.

IV. 실증분석 3) 분석결과 회원 신뢰도는 가입방법에 관계없이 유지기간이 5년인 C 사이트에서 74%의 낮은 비율을 보였고, 비교적 최근에 개설된 B 사이트에서 94%로 나타났다. 따라서 사이트의 신뢰도는 실명인증과 같은 회원가입 제한사항보다 사이트 유지기간과 더 많은 관계가 있는 것으로 나타났다.

IV. 실증분석 3) 분석결과 C (HB-site) 컴포넌트 p=2 컴포넌트 개수 = 60 컴포넌트 노드 = 174 고립노드 = 261 회원신뢰도 = 73.79% (p=2 일 때 나타난 노드 기준)

V. 결론 결론 및 시사점

V. 결론 1) 결론 및 시사점 인터넷 환경은 많은 고객들이 명확한 자아를 드러내지 않는 경형이 있다. 이를 이용한 중복아이디를 가진 고객이 발생할 개연성이 존재하며 중복고객은 마케팅의 효율성을 저하시키는 요인이 된다. 본 연구의 소셜네트워크분석 방법을 사용하여 회원관리를 하게 된다면 신뢰성 있는 웹사이트 구축이 가능할 것으로 기대된다. 또한 어떤 고객과 의견을 더 들어야할지에 대한 의사결정에도 많은 도움이 될 수 있을 것이다. 본 연구에서 적용하지 않은 분석데이터에 가중치를 둔다면 더 정교한 결과가 나올 것으로 예상된다.

감사합니다. Duplicate Membership Management using Social Network Analysis

소셜 네트워크 분석을 이용한 중복회원 관리

소셜 네트워크 분석을 이용한 중복회원 관리

Presentation Transcript