- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
본 연구는 근래 국내 대학도서관에서 도입이 가시화되고 있는 주제전문서비스를 마케팅의 한 분야인 고객관계관리(Customer Relationship Management: CRM)의 관점에서 살펴보고, 실제로 이 서비스가 대학도서관의 이용자, 특히 교수진들과의 관계에서 수행하는 역할과 이를 통한 마케팅의 효과를 알아보는 것을 그 목적으로 한다. 이를 위해 본 연구는 서비스의 실무자인 주제전문사서들과의 포커스 그룹 인터뷰와 서비스 대상자인 교수이용자와의 개별 심층 면접법을 실시하였으며, 또한 대학도서관의 교수이용자와의 관계의 유지 및 심화를 위한 주제전문사서의 요건을 함께 논의하였다. 본 연구는 주제전문서비스의 목적과 특성을 이용자 및 CRM의 관점에서 논의하였다는 데에 그 의의가 있다.
Abstract
In this research, we attempt to discuss about the subject reference service from a marketing point of view, especially from a perspective of customer relationship management(CRM), and examine how this service actually functions to build the relationships with users of academic libraries, especially with faculty members. To carry out the research, a focus group interview was conducted with subject specialists, and also individual in-depth interviews with faculty members. In addition, we also discuss about characteristics of subject specialists which affect the relationship with the faculty members in a college environment. This study is meaningful as it discussed purposes of and characteristics in subject reference service from user' viewpoint and the perspective of CRM.
초록
본 연구에서는 웹, IPTV 등의 콘텐츠 유통망에서의 개인화 추천서비스를 위하여 이용자의 콘텐츠 이용행위와 콘텐츠의 위치정보를 활용한 추천방법을 제안하고 있다. 추천방법의 성능향상을 위하여 이용자 및 콘텐츠 프로파일 생성방법과 함께, 이용자의 콘텐츠 이용행위를 암묵적 이용자 피드백으로서 학습과정에 적용하여 이용자 선호도를 분석하였다. 학습과정에서의 이용자 선호도 분석을 위하여 협업여과추천방법 및 내용기반추천방법을 적용하였다. 또한 보다 정확한 추천을 위한 최종 콘텐츠 추천을 위하여 웹사이트 상의 콘텐츠에 대한 위치정보를 활용한 추천방법을 제안하고 있다. 이를 통하여 보다 효율적이고 정확한 추천 서비스의 제공이 가능할 수 있다.
Abstract
In this paper, we propose user contents using behavior and location information on contents on various channels, such as web, IPTV, for contents distribution. With methods to build user and contents profiles, contents using behavior as an implicit user feedback was applied into machine learning procedure for updating user profiles and contents preference. In machine learning procedure, contents-based and collaborative filtering methods were used to analyze user's contents preference. This study proposes contents location information on web sites for final recommendation contents as well. Finally, we refer to a generalized recommender system for personalization. With those methods, more effective and accurate recommendation service can be possible.