홈쇼핑 매출 알고리즘 개발에 관한 연구

A Study on the Development of Home Shopping Sales Algorithms: Based on a Variety of Forecasting Techniques, Including Artificial Neural Networks

본 연구에서는 우선 현재까지 수행된 홈쇼핑 관련된 선행연구들을 토대로 홈쇼핑 사업자의 매출이 증가하는 요인을 살펴보았고, 이에 따라 5개의 연구과제를 도출하였다. 연구과제를 해결하기 위해 본 연구는 우선 NS홈쇼핑, NS샵플러스, 신세계TV쇼핑, 쇼핑엔티의 약 3년간 축적된 264개의 방송데이터(속눈썹브랜드“래쉬톡”)와 기상청 기상자료 개방포털 데이터를 조합하여 분석표본을 구성하였다. 투입된 데이터는 연, 월, 일, 방송시간, 방송시간대, 요일, 주말여부, 생방송여부, 홈쇼핑명, 평균기온, 최저기온, 최고기온, 일강수량, 평균풍속, 평균상대습도, 합계일조시간, 일최심적설, 노출시간, 상품구성 등 총 19개의 변수를 투입(독립)변수로, 홈쇼핑매출을 예측(종속)변수로 설정하였다.분석결과, 인공신경망 기법이 가장 높은 예측력을 나타내었으며, CHAID 기법이 가장 낮은 예측력을 나타내었다. 각 알고리즘에 따른 주요변수의 영향력 순위가 다르게 나타났는데, 인공신경망, GenLin(일반화선형)과 선형회귀는 생방송 여부를 가장 높은 변수로 분석하였고, 랜덤트리, CHAID와 선형은 홈쇼핑 사업자의 명칭(브랜드)을 가장 영향력이 높은 변수으로 분석하였다. 결과를 요약하면, 홈쇼핑매출을 예측하는 알고리즘을 통해 도출된 주요변수는 홈쇼핑브랜드명, 방송시간, 방송속성, 기후·날씨 그리고 상품구성 등 총 5가지이다.

In this study, based on the previous studies related to home shopping performed so far, the factors that increase the sales of home shopping operators were first examined, and five research tasks were derived accordingly. In order to solve the research task, this study first combines 264 broadcasting data (eyelash brand “Lash Talk”) accumulated over 3 years of NS Home Shopping, NS Shop Plus, Shinsegae TV Shopping, and Shopping NT with data from the Korea Meteorological Administration’s meteorological data open portal. Thus, an analysis sample was constructed.The input data are year, month, day, broadcast time, broadcast time zone, day of the week, weekend status, live broadcast status, home shopping name, average temperature, minimum temperature, maximum temperature, daily precipitation, average wind speed, average relative humidity, total sunshine time, day A total of 19 variables such as deepest snowfall, exposure time, and product composition were set as input (independent) variables and home shopping sales as predictive (dependent) variables. showed the lowest predictive power.The ranking of influence of major variables according to each algorithm was different. Artificial neural network, GenLin (generalized linear) and linear regression analyzed live broadcasting as the highest variable, while random tree, CHAID and linear were the names of home shopping operators (brands). was analyzed as the most influential variable. To summarize the results, there are five main variables derived through the algorithm for predicting home shopping sales: home shopping brand name, broadcast time, broadcast properties, climate/weather, and product composition.