|
연구배경 : 본 연구는 고객의 숨겨진 니즈와 감정이 신제품과 서비스 발굴에 미치는 중요성을 인식하고, 생성형 AI를 활용하여 심층 인터뷰 데이터를 효과적으로 분석하기 위한 체계적 접근 방안을 마련하고자 하였다. 이를 통해 AI의 활용 가능성과 한계를 탐색하며, 심층 인터뷰 분석 도구로서 가능성을 제안하는 것을 목표로 하였다.
연구방법 : 이론적 고찰에서는 심층 인터뷰, 한국어 감정 어휘, 그리고 AI 텍스트 분석에 관한 국내외 선행연구와 문헌 연구가 수행되었다. 실험은 본 실험과 추가 실험으로 진행되었고, 심층 인터뷰 진행, 데이터 추출, 분석 도구 선정, 데이터 분석, 결과 및 시사점 도출의 순서로 진행되었다. 특히, 데이터 분석에서는 감정 어휘의 유형별 빈도, 긍정·부정·중립의 분포, 그리고 감정 유발 요인을 추출하여 보다 심층적으로 결과를 살피고자 하였다.
연구결과 : 심층 인터뷰 시 감정 표현 어휘는 제 1유형이 평균 95% 정도로 높게 발화되었고, 제 2, 3유형은 약 5% 정도로 낮았다. 발화 데이터에서 생성형 AI는 단순한 제 1유형보다 복잡한 구조와 다양한 표현을 가진 제 2, 3유형의 감정 어휘 추출에 어려움을 보였고, 감정 어휘의 긍정·부정·중립 분포에서는 추가 실험을 통해 개선된 결과를 보여주며 평가자와 유사한 결과의 긍·부정 감정 어휘를 추출하였다. 추가 실험을 통해 향상된 결과에 따라 감정에 대한 유발 요인 또한 원활하게 제시할 수 있었다.
결론 : 생성형 AI는 감정 어휘 분석의 효율성 측면에서 강점을 보이며 고객의 문제적 상황을 효과적으로 파악하고 적절한 제품이나 서비스를 신속하게 제안할 수 있는 가능성을 보여주었다. 하지만 약점으로 나타난 긍정적 감정 어휘와 제 2, 3유형 감정 어휘의 낮은 추출률을 향상시키기 위해서는 시간이 상당히 소요되는 프롬프트의 과정이 추가될 수 있고, 평가자의 참여가 필요할 수 있다. 본 실험 결과를 바탕으로, 생성형 AI가 새로운 심층 인터뷰 감정 어휘 분석 도구로서 필수적 역할을 수행할 수 있기를 기대한다.
|
정보 DB > 연구 동향
