특허기술 고객충성도에 대한 기계학습 예측모델링 연구

• 영문명: A Modeling Study of Machine Learning Prediction on Patent Technology Customer Loyalty
• 발행기관: 한국전산회계학회
• 저자명: 박진희(Park, Jin－Hee) 신건권(Shin, Gun－Kwon)
• 간행물 정보: 『전산회계연구』제17권 제1호, 1~19쪽, 전체 19쪽
• 주제분류: 경제경영 > 회계학
• 파일형태: PDF
• 발행일자: 2019.06.30

국문 초록

본 연구에서는 기계학습 알고리즘을 적용하여 특허기술의 고객충성도의 결정요인이 무엇인지 를 탐색하고자 하였다. 기계학습 알고리즘인 선형모델, 선형회귀모델 및 인공신경망모델을 적용 하여 예측모델링을 수행한 결과 인공신경망모델이 가장 예측력의 정도가 높은 것으로 분석되었 다. 인공신경망모델을 통해 분석한 결과, 기술충성도의 영향요인으로 매출액 변화율과 연구개발 비 변화율이 다른 예측변인들에 비해 중요한 것으로 나타났다. 본 연구는 기술충성도의 예측을 위해서 기계학습 기법을 통한 예측모델링을 수행하고 실무적 인 시사점을 도출했다는 점에서 의의가 있다. 특히 본 연구에서는 기술충성도 예측모델의 성능 평가를 통해 선형회귀모델에 의한 것보다 인공신경망이 예측오차가 가장 적어서 예측성능이 우 수하다는 것을 검증하였다. 이와 함께 기술충성도의 영향요인으로 매출액 변화율과 연구개발비 변화율 등이 다른 예측변인들에 비해 중요하다는 점을 알 수 있었다. 본 연구는 기술충성도의 예측변수로 특허기술의 특성변수인 질적 우수성과 활용가능성 만을 채택했다는 점에서 한계가 있을 수 있다. 향후 연구에서는 다양한 예측변수(특허경영활동, 자원 역량, 조직역량, 성과확산 역량 등)를 도입하여 연구할 필요가 있다. 또한 연구대상을 A연구원 만으로 제한했다는 점에서 연구 결과를 일반화하는 데 한계가 있다고 볼 수 있다. 따라서 향후 연구에서는 연구대상 기관 수를 증가시키는 것이 필요할 것이다.

영문 초록

In this study, we tried to find out the determinants of customer loyalty of patent technology by a pplying machine l earning alg orithm. As a r esult of p redictive modeling using linear learning model, linear regression model and artificial neural network model, artificial neural network model has the highest predictive power. As a result of analyzing through the artificial neural network model, the rate of change of sales and the rate of chang e of R&D e xpenditure a re more important than o ther p redictors. This study is meaningful in that it predicts model loyalty through machine learning technique and draws practical implications for prediction of technology loyalty. Especially, in this study, the performance evaluation of the technology loyalty prediction model proved that the artificial neural network has the least prediction error than the linear regression model, and the prediction performance is excellent. In addition, we found that the rate of change in sales and the rate of change in R&D expenditure are more important than other predictors. This study has limitations in that it adopts only qualitative excellence and application possibility which is a characteristic variable of patent technology as a predictive variable of technology loyalty. In future research, it is necessary to study various predictive variables (such as patent management activities, resource capabilities, organizational capabilities, and performance diffusion capabilities). In addition, there is a limit to the generalization of research results because it limits research subjects to only A researchers. Therefore, it will be necessary to increase the number of institutions to be studied in future research.

키워드

특허기술 고객충성도 기계학습 기술이전성과 기업성과 Patent loyalty Customer loyalty Machine learning Prediction