[논문 리뷰] Characterizing Product Lifecycle in Online Marketing: Sales, Trust, Revenue, and Competition Modeling

KC Santosh, Arjun Mukherjee|arXiv (Cornell University)|2017. 04. 10.

Spam and Phishing Detection참고 문헌 20인용 수 3

한 줄 요약

이 논문은 아마존에서 확보한 100만+ 개의 제품에서의 판매 및 리뷰 데이터를 활용하여 온라인 제품 라이프사이클의 시계열적 동역학을 분석하며, 신뢰도 지표(평점, 유용성 투표, 감성)와 경쟁 요인을 통합한 예측 모델을 제안한다. 연구 결과, 신뢰도와 유용성은 수익 증가에 있어 뚜렷한 영향을 미치며, 경쟁 시장에서의 점령 이벤트는 측정 가능한 판매 급증을 동반함을 규명하였고, 기준 모델 대비 높은 예측 정확도를 확보하였다.

ABSTRACT

Recent researches have seen an upsurge in the analysis of consumer reviews. Although, several dimensions have been explored, less is known on the temporal dynamics of events that happen over the lifecycle of online products. What are the dominant sales patterns? How are they affected by review count, rating, helpfulness and sentiment? How is trust characterized and what are its effects on sales and revenue? What happens during a market competition? When does a takeover/recovery happen and by what percentage do sales increase on a takeover? This work aims to answer these fundamental research questions based on a sales time-series analysis of reviews of over 1 million products from Amazon.com. We discover novel temporal patterns of sales and interesting correlations of sales with the ratings. We find that trust and helpfulness are important for higher revenue. Based on the analyses, we propose a model to forecast sales that significantly outperforms other baselines. We then explore the phenomena of market competition. Particularly, we characterize different factors that govern survival/death of a product under competition and a model for competition forecast. Experimental results on large-scale reviews demonstrate the effectiveness of the proposed approaches.

연구 동기 및 목표

• 온라인 제품 시장에서의 판매, 신뢰도, 수익, 경쟁의 시계열 패턴을 이해하는 것.
• 리뷰 지표(평점, 유용성, 감성)가 시간에 따라 판매 및 수익에 미치는 영향을 조사하는 것.
• 신뢰도 및 경쟁의 시계열적 특성을 반영해 제품 판매를 모델링하고 예측하는 것.
• 제품 생존, 점령 이벤트, 복귀 패턴을 포함한 시장 경쟁의 특성을 기술하는 것.
• 실제 판매 및 리뷰 데이터를 기반으로 기준 모델보다 뛰어난 성능을 보이는 예측 모델을 개발하는 것.

제안 방법

• 아마존에서 확보한 100만+ 개의 제품에서의 판매 데이터를 대상으로 시계열 분석을 수행한다.
• 리뷰 평점, 유용성 투표, 감성 점수를 판매 및 수익 예측 변수로 활용해 신뢰도를 모델링한다.
• 판매, 신뢰도, 경쟁 역학의 시계열 추세를 통합한 다변량 예측 모델을 제안한다.
• 통계적 및 머신러닝 기법을 적용해 경쟁 제품 시장에서의 점령 및 복귀 이벤트를 식별한다.
• 대규모 리뷰 데이터를 활용해 기준 모델과의 비교를 위해 예측 모델을 훈련 및 검증한다.
• 생존 분석 및 사건 탐지 기법을 활용해 제품 경쟁 및 시장 전환의 특성을 기술한다.

실험 결과

연구 질문

• RQ1 온라인 제품의 라이프사이클 전반에서 지배적인 시계열적 판매 패턴은 무엇인가?
• RQ2 평점, 유용성, 감성과 같은 리뷰 지표는 판매 및 수익에 어떻게 영향을 미치는가?
• RQ3 온라인 시장에서 신뢰도는 어떻게 특징지어지며, 판매 및 수익에 어떤 영향을 미치는가?
• RQ4 시장 경쟁 하에서 제품의 생존 또는 퇴출을 규정짓는 요인은 무엇인가?
• RQ5 점령 또는 복귀 이벤트는 언제 발생하며, 점령 시 판매는 얼마나 증가하는가?

주요 결과

• 유용성 및 긍정적 감성과 같은 신뢰도 지표는 높은 수익과 강하게 상관되어 있어 제품 성공에 있어 핵심적인 역할을 한다는 점이 확인되었다.
• 판매는 초기 성장, 정점, 감소 단계를 포함한 명확한 시계열 패턴을 보이며, 점령 이벤트 기간 동안 두드러진 급증이 관찰된다.
• 점령 이벤트를 경험한 제품은 이전 수준 대비 최대 200%까지 판매가 증가하는 것으로 나타났다.
• 제안된 예측 모델은 신뢰도 및 경쟁 특성을 활용해 향후 판매를 예측하는 데 있어 기준 모델보다 뚜렷하게 뛰어난 성능을 보였다.
• 리뷰 수와 평점은 판매와 비선형적 관계를 보이며, 최고의 판매는 중간에서 높은 평점 수준에서 발생한다.
• 시장 경쟁은 역동적인 이동을 특징으로 하며, 주도 제품이 다른 제품에 의해 대체될 수 있고, 유리한 신뢰도 및 감성 조건 하에서는 복귀가 가능하다.