이커머스 결제 및 배송 프로세스 개선을 위한 VOC 분석: 토픽모델링과 인과발견 접근

Ⅰ. 서 론

디지털 전환의 확산으로 이커머스(e-Commerce)의 비중이 전례없이 커지고 있으며, 온라인을 통한 고객과의 상호작용의 중요성도 급증하고 있다[1]. 특히, 이커머스에서 고객의 불만이나 요구사항을 나타내는 VOC (Voice of Customer)는 고객과의 상호작용과 고객 이해에 중요한 역할을 하고 있다[2],[3]. 따라서, VOC에 대한 분석과 활용은 이커머스에서 가장 중요한 과제 중 하나로 고려될 수 있다[3],[4]. 특히, VOC에는 복합적인 불만과 요구사항이 직접적으로 표현될 수 있기에, 해당 내용들의 상호 관련성을 파악하는 것은 고객 불만과 요구사항에 대한 체계적 이해를 가능하게 한다. 이에 다양한 분야에서 VOC에 대해 고객의 감성을 예측하거나, 토픽을 발견하거나, 혹은 평점을 예측하는 등의 자연어처리(Natural Language Processsing) 기반의 접근이 이뤄지고 있다[2],[5].

최근, 자연어처리를 활용한 사용자 리뷰나 VOC 분석 시, 토픽 발견에서 더 나아가 기간이나 감성을 고려하는 분석이 이뤄지고 있다[6],[7]. 이커머스의 중요성을 고려할 때, VOC와 관련한 복합적인 요인들을 설명하는 더 많은 노력이 필요한 상황이다[8]. 이에, 본 연구는 VOC에 내재된 주요 이슈들과 이슈들 간의 연관성을 발견하기 위해, 토픽모델링과 인과 발견 기법의 적용 방안을 제시하였다. 특히, LiNGAM(Linear Non-Gaussian Acyclic Model)으로 VOC 토픽들에 대한 인과 발견을 하였는데, 이 기법은 데이터에 내재된 관련성을 발견하게 하여 대상에 대한 체계적 이해를 가능하게 한다[9]. AI 허브 (http://www.aihub.or.kr)가 제공하는 이커머스 VOC 데이터에 해당 기법을 적용하였으며, 이커머스와 고객들의 실질적 상호작용의 주요 단계이며 고객 만족도에 큰 영향을 미치는 결제와 배송 프로세스 부분을 대상으로 하였다[10],[11].

이 연구에서 제안하는 접근법은, VOC 내재 토픽들 간의 인과를 시사하는 구조적 관계를 규명하여 이커머스의 결제 및 배송 서비스 개선에 기여할 수 있고, 다양한 분야의 이커머스 VOC에 확대 적용될 수 있을 것으로 기대된다. 본 연구는 다음과 같은 구조로 구성되어 있다. 제2장에서는 관련 선행 연구를 살펴보고 연구 방향을 제시하며, 3장에서는 연구에 사용된 데이터와 제안 기법에 대해 설명한다. 4장에서는 분석 과정과 결과를 제시하고, 5장에서는 논의와 결론을 통해 관련 시사점을 제시하고자 한다.

Ⅱ. 문헌 고찰과 연구 이슈

Ⅲ. 데이터 및 방법론

본 연구에서는 AI허브에서 제공하는 이커머스 VOC 데이터를 사용하였다. 이 데이터는 2021년에 공개된 것으로, 50,224건의 디지털 가전의 결제 VOC (13,528건), 택배사 관련 문의를 제외한 이커머스 플랫폼 배송과 직접적 관련있는 VOC(36,696건)를 분석하였다. 표 1은 VOC의 결제 및 배송과 관련된 분포를 제시한다. 결제 관련 VOC의 총 건수는 13,528건으로 집계되었으며, 이 중 ‘일반’(29.18%)과 ‘할인’(29.09%)이 가장 높은 비중을 차지하였다. 반면, ‘영수증’(2.99%), ‘재결제’(1.58%), ‘오류’(1.52%) 등은 상대적으로 낮은 빈도를 보였다. 이는 고객이 결제 과정에서 일반적인 절차와 할인 혜택에 민감하게 반응하는 반면, 기술적 오류나 재결제 문제는 상대적으로 제한적인 범위에서 발생함을 나타내고 있다.

Table 1.

VOC distribution for payment and delivery

또한, 배송과 관련된 VOC는 총 36,696건으로, 결제 관련 건수 대비 약 2.7배 많았다. 배송 항목 중에서는 ‘일반’이 전체의 40.97%로 가장 큰 비중을 차지하였고, 이어서 ‘오류’(18.19%), ‘비용’(16.36%), ‘방법’(16.28%) 순으로 나타났다. 반면 ‘지역’은 8.20%에 그쳤다. 이러한 결과는 고객이 배송 과정에서 주로 표준적 절차 및 오류 문제에 불만을 제기하며, 특히 비용과 방법에 대한 민감도가 높음을 보여준다.

위의 분포에서 볼 수 있듯이, 결제와 배송 영역에서 VOC가 빈번히 발생하였다. 결제에서는 할인 및 일반 결제 방식이 중요한 분야로 나타났고, 배송 과정에서의 오류와 비용 문제가 VOC 요인으로 드러났다. 결제와 배송 분야의 VOC 문헌들을 용어 빈도(Term Frequency) 기반의 문헌-용어 행렬로 변환하였다. 이때 최대 문헌 빈도는 80%, 최소 문헌 빈도는 3건으로 지정하였고, 최대 용어는 1,000개로 지정한 후에, 2글자 이상의 명사로 형태소 분석을 적용하였다.

이어서, 고객 불만 유형을 구조적으로 파악하기 위해 결제와 배송 각 분야의 문헌용어행렬에 대해 LDA(Latent Dirichlet Allocation) 기법을 적용하여 토픽 모델링을 수행하였다[17],[18]. 발견된 각 토픽은 이커머스의 디지털 가전의 결제 및 배송 관련 이슈들을 각각 나타내는 것으로 고려하였고, LDA 결과를 기반으로 문헌별 이슈에 대한 확률을 정리하여 인과발견을 적용하였다.

인과 발견은 데이터 내 잠재된 구조와 관계를 밝히는 데 유용한 도구로 다양한 분야에서 활용되고 있다. 이러한 인과 발견 기법은 관찰 가능한 현상이 나타내는 인과적 메커니즘을 규명할 수 있고, 분석 결과의 해석 가능성을 높이는 데 기여할 수 있다[9],[18]. 인과발견은 기존의 통계적 상관관계 분석을 넘어, 변수들 간의 인과적 방향성과 영향력을 제시할 수 있으며, 본 연구에서는 LiNGAM 알고리즘을 적용하였다. LiNGAM은 데이터로부터 인과 구조를 추론하게 하는 인과 발견 알고리즘으로, 기존 가우시안 가정에 기반한 방법들의 한계를 개선하고자 제시되었다. LiNGAM은 변수들 간의 관계는 선형이고, 오차항은 비가우시안 (non-Gaussian) 분포를 따른다는 전제하에, 구조 방정식 모델을 통해 변수 간 인과적 방향성을 발견할 수 있다. 특히, LiNGAM은 방향성을 모호하게 만드는 상관관계 기반 접근법과 달리, 독립성 및 비가우시안적 특성을 활용하여 고유한 인과적 순서를 도출해 낼 수 있다[9].

Ⅳ. 분 석

분석 대상인 VOC들은 결제와 배송 단계로 구분하였으며, 복수의 문답으로 구성되어, 순차적으로 내용이 이어진 텍스트들이 병합도록 처리하였다. 이커머스의 결제 단계에서는 4,542건의 처리된 VOC를 분석하였고, 배송 관련 12개의 주요 토픽들이 도출되었다. 토픽의 개수를 결정하기 위해 그림 1에서와 같이, 토픽의 수가 10 이상의 범위에 대해서 탐색하였다. Perplexity는 낮을수록 토픽의 수로 적절하다고 알려져 있으며, 본 연구에서도 낮은 Perplexity를 갖는 지점을 토픽의 개수로 사용하였다[19].

Fig. 1.

Perplexity by topic numbers (payment)

이렇게 발견된 토픽들은 표 2에서와 같이, 고객의 불만과 요구는 크게 가격·할인, 결제 증빙 및 방식, 배송·설치 및 사후관리라는 세 가지 영역으로 정리할 수 있다.

Table 2.

Topic for payment

우선 가격과 할인과 관련된 이슈는 할인 쿠폰과 프로모션 적용 오류, 카드사 혜택 중복 여부, 제휴 조건의 불명확성 등으로 나타났다(Topic 1, 4, 5). 고객은 가격 변동과 혜택 제공에 민감하게 반응하였으며, 프로모션 시스템의 안정성과 투명성이 중요한 것으로 나타났다.

결제 방식과 증빙과 관련된 불편도 다수 확인되었다. 세금계산서 및 현금영수증 발급 지연, 법인·사업자 거래에서의 증빙 절차 복잡성이 대표적이었으며(Topic 2, 10), 카드사별 할부 조건과 이자 부담에 대한 불만 또한 중요한 이슈로 나타났다(Topic 4). 또한, 계좌이체, 현장 결제, 입금 확인 과정에서 발생하는 지연과 인증 문제 역시 고객 불만을 촉발하는 것으로 나타났다(Topic 8). 이는 기업 고객과 일반 고객 모두에게 결제 절차의 신속성과 명확성이 중요 요인임을 보여준다.

구매 이후 과정에서도 다양한 유형의 VOC가 제기되었다. 주문 취소, 배송 지연, 출고 일정 변경 등에 대한 불만은 물류 운영의 효율성과 직결되며(Topic 3, 8), 환불·반품 과정의 지연과 품절 문제는 고객 신뢰를 저하시킬 수 있는 주요 요인으로 확인되었다(Topic 8). 아울러 설치 과정에서의 추가 비용 청구, 방문 기사 일정 지연, 사은품 제공 불명확성 등이 빈번히 발생하였고(Topic 6, 12), 제품 부속품이나 액세서리 구매 과정에서의 옵션 선택 오류, 호환성 문제 또한 VOC의 중요한 부분을 차지하였다(Topic 9, 11).

종합적으로 볼 때, 디지털 가전 결제 VOC는 단순히 결제 단계의 기술적 문제를 넘어, 프로모션 정책 설계, 거래 증빙 관리, 물류·설치 운영, 사후관리 체계 전반에 걸쳐 복합적으로 발생하고 있었다. 특히 할인 및 프로모션의 투명한 적용, 환불 및 교환 절차의 신속화, 설치·배송 과정의 명확한 비용 안내가 고객 만족 제고에 있어 핵심적 개선 과제로 도출되었다. 이러한 결과는 기업이 결제 경험을 단순 거래 행위가 아닌 전방위적 고객 여정의 일환으로 인식하고, 전 과정에서 일관된 서비스 품질을 확보할 필요성을 시사하고 있다.

다음 단계에서, 토픽들에 대해 LiNGAM을 적용하기 위해 변수 간 선형성, 변수의 비가우시안성, 그리고 인과 구조의 비순환성을 확인하였다[9]. 우선, 변수 간 상관관계를 통해 그림 2에서처럼, 다소 약하지만 특정 변수간 선형성이 있음이 확인되었다. 또한, 모든 토픽들에 대해 정규성 검정으로 비가우시안성이 확인되었으며, 그림 3과 같이 유향 그래프 표현이 가능하여 인과구조의 비순환성도 확인되었다.

Fig. 2.

Correlation heatmap (payment)

Fig. 3.

Causal directed acyclic graph (payment)

가정에 대한 확인 후, LiNGAM을 적용하여 그림 4와 같이 토픽 간 주요 인과 관계를 발견하였다. 우선, 계좌이체 및 입금 확인(Topic 7)은 다른 모든 토픽에 -1 수준의 강한 음의 인과효과를 미치며, 전체 관계에서 핵심적인 근원 요인인 것으로 나타났다. 이는 입금 지연이나 확인 오류가 발생할 경우 환불·반품, 배송 일정, 설치 비용, 증빙 발급 등 다양한 영역에서 고객 불만이 연쇄적으로 촉발될 수 있음을 의미한다. 또한, 할인 및 프로모션 적용 문제(Topic 1)는 -0.41~-0.45 수준의 음의 계수를 보이며, 단순히 가격 불만을 넘어서 배송 일정, 렌탈 결제, 환불 요청 등 다른 VOC로 확산되는 구조적 영향을 갖는 것으로 해석하였다.

Fig. 4.

Causal graph of discovered topics (payment)

제휴 카드 및 렌탈 결제(Topic 5)와 옵션 선택 및 액세서리 구매(Topic 9) 역시 -0.20~-0.26 수준의 음의 인과효과를 보이며, 결제 과정의 복잡성과 불확실성이 설치 지연, 환불 요청, 교환 불만으로 이어지는 매개 요인으로 작동하는 것을 시사한다. 반면 주문 취소 및 배송 일정(Topic 3), 영수증 및 신제품 관련 증빙(Topic 10)은 상대적으로 약한 음의 계수를 보였으나, 다른 VOC를 촉발하는 중간 경로의 역할을 하는 것으로 나타났다. 이와 달리 부속품 및 추가 구성품 구매(Topic 11)는 다른 토픽과의 인과적 연계가 거의 없는 독립적 불만 요인으로 파악되었다.

정리하면, 디지털 가전의 결제 VOC는 다수의 국지적 불만 항목으로 분산되어 나타나는 것이 아니라, 일부 핵심 원인—특히 계좌이체 및 입금 확인, 할인·프로모션 적용, 렌탈·제휴 결제—에서 비롯되어 다양한 하위 불만으로 확산되는 인과 구조를 보이고 있다. 이는 기업이 VOC 관리에 있어 개별 증상을 사후적으로 대응하기보다는, 결제 및 입금 프로세스 안정화, 프로모션 시스템의 투명성 강화, 렌탈 결제 구조의 단순화와 같은 근본적 개선을 통해 불만의 확산을 사전에 차단하는 전략이 필요함을 시사한다.

이어서 배송 단계에서는 18,009건의 처리된 VOC를 분석하였다. 앞서 결제 단계에서의 텍스트에 대한 처리 및 분석 과정을 동일하게 적용하였으며, 처리된 결과를 바탕으로 토픽모델링을 적용하였다. 결제 단계에서와 동일하게 토픽의 개수는 10개 이상의 범위에서 탐색하였고, 그림 5에서와 같이 낮은 Perplexity를 갖는 지점을 토픽의 개수로 사용하였다.

Fig. 5.

Perplexity by topic numbers (delivery)

그 결과, 표 3과 같이, 배송 관련 17개의 주요 토픽들이 도출되었다. 해당 토픽들은 제품 배송과 관련하여 다양한 측면을 제시해주고 있다.

Table 3.

Topic for delivery

예를 들어, 딜리버리 지연과 예상 딜리버리 미준수와 같은 토픽들은 배송 시간 준수에 대한 고객의 불만과 요구사항을 반영하고 있다. 또한, 딜리버리 태도, 고객 응대, 문 앞 배송 요청 무시 등은 사람 간 상호작용 및 서비스 대응과 관련된 이슈를 포함하고 있었다. 더 나아가, 제품 파손이나 포장 상태 불량과 같은 물리적 손상 관련 토픽은 물류 처리 과정에서의 품질 관리의 필요성을 시사하며, 비용 과다 또는 무료 딜리버리 조건 정책에 대한 불만은 소비자들이 민감하게 반응하는 가격 구조적 요인을 드러낸다.

배송 토픽들에 대해서 LiNGAM 적용을 위한 조건을 확인하였고, 그림 6과 같이, 다소 약하지만 특정 변수간 선형성이 있음을 확인하였다. 또한, 모든 토픽들에 대해 정규성 검정을 통해 비가우시안성이 확인되었고, 그림 7과 같이 유향 그래프 표현이 가능하여 인과구조의 비순환성도 확인되었다.

Fig. 6.

Correlation heatmap (delivery)

Fig. 7.

Causal directed acylic graph (delivery)

이어서 LiNGAM을 적용한 결과, 그림 8과 같이 토픽 간 주요 인과 관계들을 발견하였다.

Fig. 8.

Causal graph of discovered topics (delivery)

우선, 배송 지연 및 재고 문제(Topic 2)가 다른 대부분의 토픽에 강한 음의 인과효과를 미치는 것으로 나타났다. 이는 배송 지연이 발생할 경우 주문 취소, 환불·반품, 설치 불편, 비용 불만 등 다양한 고객 불만으로 연쇄 확산될 수 있는 인과적 특성을 반영하고 있다. 특히, 배송 추적 및 송장 확인(Topic 10) 또한 -0.5 수준의 높은 음의 인과효과를 보이며, 단순한 확인 요구가 아니라 지연과 물류 불만이 누적된 상황에서 나타나는 대표적인 2차 불만 요인일 수 있음을 시사한다.

설치 및 비용 관련 토픽(Topic 7, 8, 14)은 -0.17~-0.24 수준의 음의 계수를 보이며 다수의 다른 VOC에 영향을 주는 인과관계를 보이는 것으로 확인되었다. 이는 설치 기사 방문 지연, 사다리·브라켓 등 추가 비용 발생이 단독적으로 끝나지 않고, 환불 요청이나 배송 지연 불만으로 파급됨을 의미한다. 반면 사은품 및 이벤트 관련 VOC(Topic 13)는 다른 요인들과의 연결 강도가 상대적으로 낮아, 물류 운영 문제보다는 마케팅 정책 영역에서 독립적으로 발생하는 특성이 관찰되었다.

정리해보면, 배송 VOC는 개별적으로 분리된 불만이라기보다는 소수의 핵심 원인—특히 배송 지연, 물류 추적 문제, 설치 및 비용 이슈—으로부터 다양한 불만이 파생되는 허브-스포크형 인과 네트워크 구조를 보이고 있다. 따라서 이커머스 플랫폼은 고객 불만을 단순히 증상 차원에서 대응하기보다는, 지연 최소화, 배송 추적 시스템의 고도화, 설치 서비스 표준화와 같은 근본적 원인 해결에 초점을 맞추는 것이 효과적일 것으로 고려된다.

Ⅴ. 논 의

본 연구는 디지털 가전의 이커머스 과정에서 발생하는 VOC를 결제 단계와 배송 단계로 구분하여 분석하고, 토픽 모델링과 LiNGAM 인과 추정을 통해 핵심 이슈와 구조적 특성을 규명하였다. 우선, 결제 단계에서는 총 4,542건의 VOC를 분석하여 12개의 주요 토픽을 도출하였으며, 이들 이슈는 크게 가격·할인, 결제 증빙 및 방식, 설치·사후관리라는 세 영역으로 분류될 수 있었다. 할인 및 프로모션 적용 문제, 카드사 혜택, 제휴 렌탈 조건 등 가격 관련 이슈는 고객의 불만을 직접적으로 유발하였으며, 세금계산서 및 영수증 발급 지연, 계좌이체·입금 확인 지연은 특히 이커머스 플랫폼 사용자에게 심각한 불편 요인으로 작용할 수 있을 것으로 나타났다. 또한 설치 비용, 기사 방문 일정, 부속품 구매와 같은 사후관리 과정에서도 다수의 VOC가 발생하였다. 또한, 인과 분석 결과, 계좌이체 및 입금 확인은 모든 토픽에 강한 음의 영향을 미치는 핵심 요인으로 확인되었고, 할인·프로모션 적용 및 제휴 렌탈 결제 역시 다수의 하위 불만을 촉발하는 요인으로 나타났다. 이는 결제 불만이 단순한 거래상의 문제를 넘어, 이커머스에 대한 사용자 경험 전반의 불만으로 확산될 수 있음을 시사한다.

배송 단계에서는 18,009건의 VOC를 분석하여 17개의 주요 토픽이 도출되었다. 배송 지연 및 재고 문제, 배송 소요 시간, 배송 추적·송장 확인은 시간적 정확성에 대한 사용자 불만을 반영하였으며, 택배 파손·분실, 상품 누락·포장 문제는 물리적 품질 관리의 필요성을 드러냈다. 또한, 배송비·추가 요금, 지역 배송 요율, 사은품·이벤트 불만은 고객의 가격 민감성을 나타내는 핵심 요소로 나타났다. 인과 구조 측면에서는 배송 지연이 다른 불만을 연쇄적으로 촉발하는 근원적 요인으로 확인되었으며, 배송 추적 또한 단순 확인 차원을 넘어 누적된 불만을 가시화하는 2차적 불만 요인임을 발견하였다. 나아가 설치 및 비용 관련 토픽은 배송 불만을 강화하거나 환불·교환 요청으로 이어지는 매개 경로로 작용하는 것을 발견하였다. 반면 사은품 및 이벤트 관련 불만은 독립적으로 발생하는 특성을 보여, 물류 운영보다는 마케팅 정책에 기인하는 성격을 지닌 것으로 해석할 수 있었다.

결제와 배송 단계의 VOC 분석을 종합해면, 두 과정 모두 소수의 핵심 원인으로부터 불만이 확산되는 인과 네트워크 구조를 가진다는 공통점이 발견되었다. 결제 단계에서는 계좌이체·입금 확인과 프로모션 적용의 불안정성이, 배송 단계에서는 배송 지연과 추적 시스템의 한계가 주요한 촉발 요인으로 작용하였다. 이러한 결과는 이커머스 플랫폼이 VOC를 관리함에 있어 개별 불만에 대한 사후적 대응에 그칠 것이 아니라, 결제 안정성 확보, 프로모션의 투명성 강화, 배송 지연 최소화, 설치 서비스 표준화를 통해 구조적 원인을 사전에 제거하는 전략이 필요함을 시사하고 있다. 특히, 인과 관계 결과를 바탕으로, 결제와 배송의 연속된 과정에서 발생하는 불만의 전이와 확산을 고려할 때, VOC 관리를 사용자 경험 전반에 걸친 통합적 프로세스로 접근하는 것이 효과적일 것이다.

Ⅴ. 결 론

본 연구는 이커머스의 구매 과정 시 사용자가 경험하는 결제와 배송 과정의 VOC를 분석하여 개선 방향을 도출하였다. 그 결과, 결제와 배송의 문제가 단순한 불만 요인이 아니라, 이커머스 프로세스에 대한 복합적인 요인과 연관되어 발생하였으며, 이는 통합적 VOC 관리 체계의 필요성과 운영 정책 개선과 최적화의 필요성을 시사하고 있다. 특히, 고객 불만이 개별적으로 발생하는 것이 아니라 소수의 핵심 요인에서 비롯되어 네트워크 형태로 확산된다는 점은 VOC 대응에의 적극적이고 효과적인 대응의 중요성을 제시하고 있다. 하지만, 본 연구는 디지털 가전 분야에 한정되었다는 점, 그리고 제공되는 데이터의 최신성이 다소 부족하다는 점에서 한계가 있다. 이는 후속 연구에서, 결제 및 배송 외 다른 프로세스, 그리고 여러 산업 분야로 본 연구의 제시된 방안이 적용된다면, 사용자 경험의 여러 이슈 간 잠재적인 연관을 밝혀내어 이커머스 활용에서의 전반적인 사용자 경험을 개선할 수 있을 것으로 기대된다.

Acknowledgments

본 연구는 2025 한국디지털콘텐츠학회 하계종합학술대회에서 발표한 “이커머스 딜리버리 서비스의 VOC 인과 분석"을 확장한 연구입니다. 그리고 본 결과물은 2025년도 교육부 및 강원특별자치도의 재원으로 수행된 지역혁신중심 대학지원체계(RISE) 글로컬대학 30의 결과입니다. (2025-RISE-10-004)

References

• S. Hong and J. Park, “A Study on Mobile Live Commerce Content Operation Strategy Using the Kano Model,” Journal of Digital Contents Society, Vol. 24, No. 3, pp. 429-442, 2023. [https://doi.org/10.9728/dcs.2023.24.3.429]
• M. Kim, J. Huh, A. Sa, A. Jun, and H. Lee, “A Study on Market Segmentation Based on e-Commerce User Reviews Using Clustering Algorithm,” Journal of Society for e-Business Studies, Vol. 27, No. 2, pp. 21-36, 2022. [https://doi.org/10.7838/jsebs.2022.27.2.021]
• J.-Y. Lee and B. Jin, “Exploring the Effectiveness of the Automation System of Generative AI-Enabled Hyper-Personalized Marketing: Future Directions and Strategic Implications,” Journal of Digital Contents Society, Vol. 25, No. 3, pp. 823-832, 2024. [https://doi.org/10.9728/dcs.2024.25.3.823]
• P. Rita, T. Oliveira, and A. Farisa, “The Impact of E-Service Quality and Customer Satisfaction on Customer Behavior in Online Shopping,” Heliyon, Vol. 5, No. 10, e02690, 2019. [https://doi.org/10.1016/j.heliyon.2019.e02690]
• K. I. Roumeliotis, N. D. Tselikas, and D. K. Nasiopoulos, “LLMs for Product Classification in e-Commerce: A Zero-Shot Comparative Study of GPT and Claude Models,” Natural Language Processing Journal, Vol. 11, 100142, 2025. [https://doi.org/10.1016/j.nlp.2025.100142]
• S. Kwon, J. Kim, and B. Jang, “Comparative Study of User Reactions in OTT Service Platforms Using Text Mining,” Journal of Internet Computing and Services, Vol. 25, No. 3, pp. 43-54, 2024. [https://doi.org/10.7472/jksii.2024.25.3.43]
• H. Y. Ku, J. H. Lee, and J. H. Yoon, “Identification of Product Improvement Directions Through Customer Experience Analysis Considering Product Usage Period,” Journal of the Korean Institute of Industrial Engineers, Vol. 50, No. 4, pp. 251-265, 2024. [https://doi.org/10.7232/JKIIE.2024.50.4.251]
• R. Park and P. Mouillot, “From Words to Insight: Analyzing Customer Reviews to Assess Delivery’s Impact in Organic e-Commerce Satisfaction,” Journal of Marketing Analytics, pp. 1-16, 2025. [https://doi.org/10.1057/s41270-025-00420-8]
• S. S. Han and Y.-O. Chun, “The Effect of Brand Properties and Platform Properties on Shopping Preference and Repurchase Intention in e-Commerce: Moderating Effect of Cross-Border Experience,” Journal of Distribution and Management Research, Vol. 28, No. 3, pp. 97-116, 2025. [https://doi.org/10.17961/jdmr.28.03.202506.97]
• C. X. Li, and T. W. Kang, “Mechanisms of e-Commerce Self-Delivery Service Quality on Repurchase: A Multidimensional Analysis through the SOR Model,” Journal of Distribution and Management Research, Vol. 28, No. 3, pp. 23-37, 2025.
• S. Shimizu, P. O. Hoyer, A. Hyvärinen, and A. Kerminen, “A Linear Non-Gaussian Acyclic Model for Causal Discovery,” Journal of Machine Learning Research, Vol. 7, pp. 2003-2030, 2006.
• D. Lee and H. Lee, “Coevolution of e-Commerce Platforms and Online Sellers: An Empirical Study on Multi-Platform Strategy of Kakao Commerce in Korea,” Journal of Channel and Retaining, Vol. 28, No. 3, pp. 39-62, 2023. [https://doi.org/10.17657/jcr.2023.7.31.3]
• J. Shin, H. Kim, J. Lee, H. Jeon, J. Ahn, and S. Hwang, “Developing the Customer Quality Satisfaction Index Using Online Reviews: Case Study of TV,” Journal of Korean Society for Quality Management, Vol. 50, No. 4, pp. 863-876, 2022. [https://doi.org/10.7469/JKSQM.2022.50.4.863]
• M. Jang, B. Yoo, and J. Lee, “An Empirical Study on Key Factors Affecting Churn Behavior with the Voices of Contact Center Customers,” Journal of Society for e-Business Studies, Vol. 22, No. 4, pp. 141-158, 2018. [https://doi.org/10.7838/jsebs.2017.22.4.141]
• M. Roh, “The Effect of Review Quality on Review Helpfulness: The Moderating Role of Review Star ratings,” Journal of Digital Contents Society, Vol. 22, No. 6, pp. 999-1007, 2022. [https://doi.org/10.9728/dcs.2021.22.6.999]
• H. Oh and W. Lee, “Causal Analysis on VOC of e-Commerce Delivery Service,” in Proceeding of 2025 Summer Conference of Korea Digital Contents Society, Suwon, pp. 465-466, June 2025.
• D. M. Blei, A. Y. Ng, and M. I. Jordan, “Latent Dirichlet Allocation,” Journal of Machine Learning Research, Vol. 3, pp. 993-1022, 2003.
• S. Lee, “Exploring Users’ Perception Toward Service Quality of Webtoon Platforms Using Topic Modeling and Sentiment Analysis,” Journal of Digital Contents Society, Vol. 26, No. 1, pp. 81-88, 2025. [https://doi.org/10.9728/dcs.2025.26.1.81]
• W. S. Lee, “Analyzing the Evolution of Interdisciplinary Areas: Case of Smart Cities,” Journal of Global Information Management, Vol. 30, No. 1, pp. 1-23, 2022. [https://doi.org/10.4018/JGIM.304062]