 |
6. 결론
포지셔닝 맵과 그와 관련된 기법은 광고를 위시한 마케팅에 광범위하게 사용되고 있지만 그 적용에 있어서 여러가지 문제점이 있기도 하다. 우선 어떠한 이론에 입각한 분석이 아니라 입력자료를 중심으로 한 기법이며 각 프로그램이 패키지화되어 있지만 매우 복잡하여 표본의 크기에 제약을 받기도 한다. 가장 큰 문제점은 소비자가 경험하지 못한 새로운 차원(평가 기준)의 아이디어 상품을 분석하는 데는 어려움이 있다. 또, 제품에 대한 심리적인 위치를 변화시키는 데 어떠한 특성들을 얼마만큼 변화시켜야 하는 것이 문제가 된다. 그러나 이러한 문제들은 그것을 해결하기 위한 좀 더 고도화된 기법들로 해결이 가능하고 그 적응의 광범성을 생각할 때 앞으로도 많은 적용이 이루어질 것이다. 광고업계는 새로운 경쟁구주 즉 신규 대행사 중가와 시장 완전개방이라는 경쟁 환경 변화 속에서 광고 과학화를 통한 질적 수준향상의 계기를 맞고 있다. 본 연구에서는 광고 과학화에 대한 하나의 방법론적인 예(Example)를 제시하기 위하여 소규모 표본데이터를 중심으로 승용차시장에 있어서 포지셔닝 맵을 이용한 광고 전략을 논의하였다. 광고 과학화는 광고계와 학계의 보완적인 상호작용으로 더욱 촉진될 수 있다. 즉 광고인들의 아이디어와 경험에 학계는 이론적인 토대를 제공해 주고 이러한 이론적인 연구들이 다시 광고 실무에의 적용을 통한 검증이 반복될 때 우리의 문화적 정신적 토양에 맞는 광고의 과학화를 토착화시킬 수 있을 것이다. 이러한 측면에 있어서 최근 학계의 활발한 움직임은 매우 고무적이라 하겠다. 광고업계에 광고이론을 제공하고 광고의 과학화를 도모하고자 발간되고 있는 계간 잡지「광고 연구」는 현재 10호(1991년 봄 호)까지 발행되었으며 연구논문,학위논문,과제논문으로 나누어져 학계와 광고계의 연구결과들이 발표되고 있다.또 1989년에는 광고학 연구회와 한국광고학회가 창립되어 연구발표와 학술지 간행을 시작하였다.이러한 광고학계라는 연구공동체의 발전은 광고의 과학화와 나아가서는 한국의 사회적 토양에 맞는 '한국 광고학'의 정립에 기여할 것이다. 부록) KYST의 알고리즘(Algorithm) KYST는 입력 데이터에 나타난 제품 간의 유사성의 정도에 가장 부합되도록 주어진 차원(T)에서 포지셔닝 맵상의 제품들의 위치를 반복적인 방법으로 찾는다. KYST는 Sij와 T가 주어진 상태에서 (T는 대개 해석상의 편의 때문에 2내지 3차원으로 제한) Xit(i=1,‥‥, N)를 찾고자 하는데 이때 구한 제품 좌표들이 입력 데이터와 얼마나 부합되는가를 나타내는 척도(Lost Function)로서 스트레스(Stress)를 사용한다. Stress는 다음과 같이 정의 되는데 45)
분자항은 얻어진 제품 좌표에 의한 제품간의 거리(dij)가 입력 자료에 나타난 제품 간의 유사성을 변환(Transformation)시킨 거리를 나타내는 aij와 얼마나 차이가 있는가를 나타낸다. aij = f(Sij)이며 f( · )는 입력 데이터가 Ordinal Scale인 경우에는 Monotone Regression이 되며 Interval인 경우에는 Linear Regression with Constant, Ratio인 경우에는 Linear Regression without Constant가 된다. 분모는 Normalizing Factor로서 차원의 수, Rotation 등에 따른 Stress의 변화를 감안하기 위해서 Stress에 포함되었다. KYST 알고리즘(Algorithm)은 이 Stress값을 최소화시켜 주는 X= (Xit, i=1,‥‥N: t= 1‥‥,T) 를 구하기 위한 최적화 방법(Optimization Procedure)으로 비선형 계획법(Non-Linear Programming Method)인 Steepest Descent Method 를 사용한다. 즉 차원(Dimension) T와 최초의 제품좌표(Initial Configuration) 46) X0가 주어졌을때 Steepest Descent방법은 Stress값을 가장 빨리 줄이는 방향으로 제품좌표(X)를 연속적으로 수정하게 된다. 방향은 Negative Gradient Matrix인 G= 공식 에 의해 정해지며 그 방향으로 어느 정도 움직이는가는 Step Size인 a에 의해 정해진다. 47) 즉,수정된 (Stress가 개선된) 제품 좌표 매트릭스는 Xi+1 = Xi+aiGi로 구해진다.(Xi와Gi는 각각 i째 반복(iteration)시의 좌표와 Gradient이고 ai는 Step Size).이러한 과정이 계속 반복 (iteration)되어 Stress값이 매우 작아졌을 때 혹은 충분히 iteration이 되었을 때 최종적으로 제품좌표를 산출해 낸다. 이 전체의 과정이 한 단계 낮은 차원 즉 T-1차원에서 다시 반복되며 어느 차원의 포지셔닝 맵을 선택할 것인가는 Scree Plot을 이용하거나 해석상의 편의를 고려하여 정한다.Stress값은 0.2이상이면 나쁜 상태이고 그 이하면 보통이나 0.05이하이면 매우 좋은 Fitting이 된다.참고로 그림3의 스트레스 값은 0.124,그림 4는 0.128,그림5는 0.176으로 나타났다.*
------------------ 45) Formula 1을 사용한 경우 46) 최초의 제품좌표(Initial Configuration) 선정은 KYST프로그램의 옵션(Option)에 포함되어 있으며 주로 임의로 선정하거나 Metric MDS방법인 Torsca를 이용하여 선정한다. 47) αi의 크기를 계산하는 과정은 Kruskal(1964)에 설명되어 있다. |
 |
 |
 |
 |