우리 대학 경영대학원 AI빅데이터전공 한영신, 경영대학 경영학부 김주현 (지도교수 문현실)이 최근 한국항공대에서 열린 2024 한국경영과학회 추계학술대회 경쟁부문에서 각각 우수논문상을 수상하였다.

한영신 학생은 “RAG를 활용한 실시간 개인방송 참여자 반응 요약 생성 방법”이라는 주제로 논문을 발표하였다. 실시간 개인 방송은 정해진 시간 없이 방송을 진행하기 때문에 방송 시간에 맞춰서 시청자가 방송에 참여하기 어려운 상황이다. 이에 따라 지난 방송에 대한 요약이 필요하지만 기존에는 특정 하이라이트 장면을 추출하는 연구가 주를 이루어 방송의 전체 맥락을 반영한 방송 요약에 한계가 존재하였다. 이를 해결하기 위해 한영신 학생은 실시간 개인 방송 특성을 고려하여 RAG(Retrieval-Augmented Generation)를 활용한 방송 내용 요약 방법론을 제안하였다. 특히 실시간 개인 방송은 기존의 매스미디어와 달리 채팅을 통해 참여자와 스트리머가 양방향으로 소통함에 따라 전체 방송 채팅을 요약하여 방송의 전체적인 흐름과 맥락을 요약할 수 있는 새로운 방법론을 제안하였다. 연구의 핵심 성과는 RAG를 결합한 요약문 생성으로 기존의 LLM(Large Laguage Model)만을 사용한 요약문보다 요약의 품질을 높였다는 것에 있다. 또한 제안한 요약 방법이 생성 속도와 효율성 측면에서 높은 성과를 발휘하였다. 한영신 학생의 연구는 실시간 개인 방송에서 생성되는 데이터의 효율적인 활용방법을 제시함으로 향후 미디어 콘텐츠 산업에 실무적인 기여를 할 것으로 기대된다.

김주현 학생은 “Uplift 모델 기반 모바일 광고 타겟팅 방법”을 주제로 논문을 발표하였다. 최근 로그 데이터 등을 활용한 개인 맞춤형 광고가 주목받고 있는 가운데, 예측 모델 기반의 타겟팅은 광고 프로모션의 대상이 아닌 고객까지 포함될 가능성이 높다는 한계를 가지고 있으며, A/B테스트는 많은 시간과 비용이 소요된다는 한계가 존재하였다. 이를 해결하기 위해 김주현 학생은 광고 노출로 인한 행동 변화를 데이터에 기반하여 측정하고, 전환 가능성이 높은 소비자 그룹만을 타겟팅할 수 있도록 Uplift 모델을 적용한 방법론을 제안하였다. 연구에서는 MOA(Modified Outcome Approach)와 MetaLearner 중 T-learner, S-learner를 RandomForest와 XGBoost 알고리즘으로 구현해 고객 집단별 광고의 순효과를 측정하는 6개의 모델을 구축하였다. 연구의 핵심 성과는 Uplift 모델링을 통해 높은 ROI를 달성할 수 있는 최적의 고객 집단을 선별할 수 있다는 점에 있다. 또한, 타겟팅 할 고객 집단의 특성을 심층 분석하여 데이터 기반 타겟팅의 효율성을 한층 높였다. 김주현 학생의 연구는 마케팅 및 데이터 사이언스 분야의 학문적 발전에 기여함과 동시에, Uplift 모델을 활용한 타겟팅 기법으로 다양한 산업 분야에서 마케팅 효과를 극대화하는 데에 실질적인 성과를 가져올 것으로 기대된다.