공간분석을 이용한

‘코리아 그랜드 세일’성과모델링

TOUR493

Contents

개요

데이터 처리

성과분석 모델링

결과

활용방안

1. 개요

1. 개요 > 1.1 코리아 그랜드 세일이란 ?

1

코리아 그랜드 세일

침체되어 있는 경기 속에 이러한 행사는 ‘내수촉진’은 물론 ‘외국인 관광객 증가’로 우리 경기 회복에 큰 도움이 됨

외국인

쇼핑 관광

한류

외국인 관광객 대상 행사

쇼핑•관광•한류 중심으로 행사진행

행사기본개요

1. 외국인을 대상으로 볼거리, 즐길 거리, 살 거리를 제공하는 쇼핑관광축제

2. 2016. 02.01 – 02.29에 가장 최근 행사를 진행

3. 2016. 10.01 – 10.31 16년 한번 더 진행될 예정

4. 특히 , 16 – 18년은 한국 방문의 해

5. 명동을 중심으로 서울 및 지방까지가 행사장소

2

1. 개요 > 1.2 탐색적 데이터 분석

[ 코리아 그랜드세일 경제적 파급효과* ] [ 연도별 관광객* ]

* 1)기획재정부 데이터 활용 2)한국관광공사 통계연보 활용

실제 코리아 그랜드세일의 경제적 파급효과는 매년 증가하고 있으며, 관광객 또한 비수기인 2~3월에 해가 지날수록

점차 증가하는 것으로 나타남

2015

3

1. 개요 > 1.3 분석배경

외국인 관광객 대상 관광 정책의 실효성을 평가 할 수 있는 성과 분석 모델 개발

• 매년 시행되고 있는 외국인 관광객 대상 정

책 성과에 대해 제대로 된 평가가 이뤄지지

않고 있음

• 동일하게 평가할 수 있는 기술적 기준이 필

요함

• 외국인 관광객 대상으로 많은 행사가 진행

되고 있음

2. 데이터처리

4

2. 데이터 처리 > 2.1 활용 데이터 정의

내부 데이터

기관 데이터 명 기간

한국문화관광연구원 국민 여행 실태조사 2013-2015

한국문화관광연구원 외국인 관광객 실태조사 2013-2015

한국문화관광연구원 관광 사업체 기초통계조사 2013-2015

신한카드 외국인 카드 이용 데이터 2013-2015

외부 데이터

기관 데이터 명 기간

한국관광공사 외래관광객 통계 연보 2012-2015

기획재정부 경제적 파급효과 데이터 2011-2015

국민여행실태

조사

외국인관광객실태조사

관광 사업체 기초 통계조사

매년 달라지는 정책 효과 비교

신한카드 데이터

‘코리아 그랜드 세일’ 연도별 성과분석 모델링

5

2. 데이터 처리 > 2.2 성과분석 배경

1. 2013 – 2015의 카드이용빈도 변화를 통해 정책의 성과를 비교해 알아보고자 함

전체 업종 고려

2. 카드이용빈도의 해당 지역별, 이용 시간별 모델링을 통해 현황을 파악하고자 함

3. 첫 번째 모델링은 업종을 고려하지 않고 전체적인 카드 이용빈도의 추이를 분석함

4. 두 번째 모델링은 업종별, 국가별 카드 이용빈도를 비교 분석 및 추이 분석함

쇼핑

관광

관광 요식

숙박

GLM 방법을 통한

모델링 실시

카드 이용 데이터 모델링 활용

변수로

위도/경도/

시간/국가

(더미변수)

6

첫 번째 모델링

• 카드결제에 명시된 금액은 차이가 많이나 이용하기 힘듦

• 카드 이용빈도수를 이용한다면 금액을 이용한 모델보다 더 좋을 것으로 판단함

• 기존 데이터를 동별(위도, 경도), 시간 별 카드이용 빈도수 데이터로 변환

2. 데이터 처리 > 2.3 데이터 변환

7

두 번째 모델링

• 코리아 그랜드 세일의 효과를 정밀하게 측정하기 위해 업종별(쇼핑, 관광, 숙박, 교통, 요식)로 구분

• 기존 데이터를 동별(위도, 경도), 국가별 카드이용 빈도수 데이터로 변환

2. 데이터 처리 > 2.3 데이터 변환(계속)

3. 모델링

8

3. 모델링 > 3.1 모델링 방법

기본적인 Genaral Linear Model(GLM)방법이 아닌 종속변수와 독립변수에 Log변환을 한 모형을

이용하여 카드이용 빈도수를 Scoring 함

1. Genaral Linear Model(GLM)

선형 회귀 모형에서 종속변수와 독립변수의 Beta값 사이의 관련성을 분석하기 위해 적절한 Function(Log,

Gaussian, logit)을 활용하는 일반화 선형 모형

2. 사용된 모형의 결과 예시

𝐿𝑂𝐺 카드이용빈도 = 국가 + 시간 + 위도 + 경도

기본적인 선형 회귀분석 방법으로는 위도,경도,시간 등 변수의 영향력이 나타나지 않지만, 위의 방법을

활용하면 위도,경도,시간 등 변수들의 영향력을 높일 수 있으며 위도 경도를 고려하기 때문에 지도에

매핑하는데 수월함

9

3. 모델링 > 3.2 모델링 예시

어류는 어선의 소리에 도망을 가기 때문에 바다에서 어류의 분포는 찾기 어려움

대신 어획을 하며 같이 잡히는 물고기 알의 수를 이용하여 분포를 추정 가능

독립변수로 위도, 경도, 시간과 이 변수들간의 교차항들을 활용

1. <예시> 어류 분포 예측 모델 개요

2. <예시> 어류 분포 예측 모델링 방안

𝑑 𝑎, 𝑥 = 𝑆 𝑥 𝑒−𝛿 𝑥 𝑎 log(𝑑 𝑎, 𝑥 ) = log(𝑆 𝑥 ) − 𝛿 𝑥 𝑎

(𝑆 𝑥 : 𝑒위도+경도+시간+교차항, 𝛿 𝑥 = 오차항)

3. <예시> 어류 분포 예측 모델링 결과

𝐿𝑂𝐺 알의수 = −0.03836 + 5.22548 ∗ 경도 − 5.94345 ∗ 위도 − 2.43222 ∗ 시간+3.38576 * 경

도 * 위도-3.98406 * 경도^2 - 4.21517 * 위도^2 – 1.77607 * 시간^2 + …

* Generalized Additive Models: an introduction with R - Simon N. Wood

10

3. 모델링 > 3.2 모델링 예시(계속)

4. <예시> 어류 분포 예측 모델링 시각화

<모델링 적용 전> <모델링 적용 후>

* Generalized Additive Models: an introduction with R - Simon N. Wood

3. 모델링 > 3.3 모델링 과정

첫 번째 모델링

𝑳𝑶𝑮 전체카드이용빈도 = −𝟎. 𝟎𝟎𝟎𝟎𝟎𝟗𝟏𝟓𝟖 + 𝟎. 𝟎𝟎𝟎𝟎𝟎𝟏𝟎𝟑 ∗ 경도 + 𝟎. 𝟎𝟎𝟎𝟎𝟎𝟏𝟑𝟗 ∗ 위도+•••(위도와 경

도 교차항과 제곱합)

1. 업종을 고려하지 않고 모

델링한 결과 전체 카드이용

빈도수는 위도와 경도에만

유의한 결과를 나타남

2. 아래의 결과는 13년이며

14-15년의 결과도 유의한

변수는 같았음

11

두 번째 모델링(업종 – 쇼핑)

𝑳𝑶𝑮 쇼핑카드이용빈도 = 𝟓.𝟏𝟓𝟔𝒆 + 𝟎𝟗 − 𝟎. 𝟎𝟖𝟖𝟕𝟒 ∗ 𝑪𝑩+•••− 𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟖𝟏𝟐𝟑 ∗ 경도

−𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟏𝟑𝟕𝟒 ∗ 위도+•••(위도와 경도 교차항과 제곱합)

1. 쇼핑 업종을 모델링한 결

과 카드이용 빈도수는 국가

및 위도와 경도에 유의한 결

과를 나타남

2. 아래의 결과는 13년이며

14-15년의 결과도 유의한

변수는 같았음

3. 모델링 > 3.3 모델링 과정(계속)

12

두 번째 모델링(업종 – 숙박)

𝑳𝑶𝑮 쇼핑카드이용빈도 = −𝟔. 𝟒𝟓𝟗𝒆 + 𝟎𝟕 − 𝟎. 𝟎𝟎𝟎𝟎𝟔𝟗𝟖𝟔 ∗ 경도+𝟎. 𝟎𝟎𝟎𝟎𝟎𝟏𝟎𝟕𝟖 ∗ 위도

+•••(위도와 경도 교차항과 제곱합)

1. 숙박 업종을 모델링한 결

과 카드이용 빈도수는 위도

와 경도에 유의한 결과를 나

타남

2. 아래의 결과는 13년이며

14-15년의 결과도 유의한

변수는 같았음

3. 모델링 > 3.3 모델링 과정(계속)

13

3. 모델링 > 3.4 모델링 결과

1. 2013 – 2015 세 개의 모델을 생성하였으며 모든 모델에서 위도와 경도가 카드이용에 높은 관련성을 가짐

2. 최종적으로 전체 카드이용이 어느 지역에서 많이 이뤄지는지 Scoring 함

첫 번째 모델링 결과

1. 총 5개의 업종(쇼핑, 관광, 숙박, 교통 ,요식)에 대한 2013 – 2015 총 15개의 성과분석 모델링 수행

2. 쇼핑 업종만 국가, 위도, 경도가 카드이용에 높은 관련성을 가졌으며, 나머지 업종은 위도 ,경도만 관련성 높음

3. 최종적으로 쇼핑은 연도에 따라 국가별로 어느 지역에서 많이 이뤄지는지 카드이용을 Scoring 함

4. 그 외 업종(관광, 숙박, 교통, 요식) 카드이용이 어느 지역에서 많이 이뤄지는지 Scroing함

두 번째 모델링 결과

14

4. 결과

4. 결과 > 4.1 전체 카드이용빈도 변화

[ 2013 ] [ 2014 ] [ 2015 ]

해가 지날수록 전체적인 카드 이용빈도수가 증가하는 만큼, 등고선의 크기도 증가하고 있음. 특히 13년의 경우 특정

동에만 외국인 관광객의 쏠림 현상이 있었지만, 2014 – 2015로 지날수록 서울 전반적인 곳에 외국인 관광객들이

다니는 것을 알 수 있음

* 데이터에서 존재하는 지역의 위도경도만 활용하다 보니, 서울 전체에 대해 매핑이 안되며 세세한 등고선이 나타나지 않음

15

4. 결과 > 4.2 업종별 카드이용빈도 변화

업종별 모델링시 ‘쇼핑’의 경우만 국가별로 유의하게 나타났기 때문에 J,M국가만 예시로 보임

쇼핑의 경우 J, M국가는 연차가 지날수록 쇼핑하는 지역이 밀집되며, J국가는 쇼핑의 이용빈도가 높으나 M국가는 낮음

16

[ 2013 ] [ 2014 ] [ 2015 ]

J국가

M국가

4. 결과 > 4.2 업종별 카드이용빈도 변화(계속)

[ 2013 ] [ 2014 ] [ 2015 ]

• 숙박은 명동/역삼/잠실 쪽에서 많은 이용이 발생하며 연차가 지날수록 다양한 지역에서 숙박이용이 일어남

• 요식은 역삼/신사/이태원동에서 높게 나타났고, 매년 비슷한 지역에서 카드 이용이 일어남

숙박

요식

17

4. 결과 > 4.2 업종별 카드이용빈도 변화(계속)

[ 2013 ] [ 2014 ] [ 2015 ]

• 교통은 을지로1가/역삼/소공동에서 높게 나타났고, 매년 비슷한 지역에서 카드 이용이 일어남

• 관광은 연도가 지날수록 변화하는 것을 알 수 있으며, 특히 합정동 지역 쪽이 눈에 띄게 빈도수가 늘어난 것을 알 수 있음

교통

관광

18

4. 결과 > 4.4 결과 해석

1. 첫 번째 성과분석 모형을 통해 전체 카드이용빈도수의 Scoring 값을 가지고 외국인들의 카드 변화량을 살펴봄

2. 쇼핑의 경우 국가가 관련성이 높게 나왔기 때문에 국가별 쇼핑 지역의 추이를 분석함으로써 해당 지역에 카드

이용이 활발한 국가를 알 수 있음

3. 다른 업종(관광, 숙박, 교통, 요식)의 경우 카드이용 현황을 분석함으로써 성과 측정

결과 해석

한계점

[ 예시 ]

2.모델링에 사용한 데이터의 위치정보는 ‘동’밖에 없기 때문에 예측된 위치 값들이

넓게 나타나 큰 영향이 없는 것처럼 보이지만 실제 카드이용데이터가 가게의 위도

경도 좌표 값까지 알 수 있다면 예시처럼 조금 더 유의미한 결과를 얻을 수 있음

1. 데이터 셋에서 국가코드가 실제 어느 국가인지 알 수 없어 설문지 데이터와 실

질적으로 합칠 수 없음

19

5. 활용

5. 활용 > 5.1 단기적 활용방안

1. 코리아 그랜드 세일의 성과 모형을 통해 지역별 외국인 관광객 대상 산업 성과 측정

2. 앞으로 시행 되는 ‘외국인 관광객’ 대상 정책을 분석하여 정책별 성과를 측정 및 비교하여,

실효성 높은 “외국인 관광객” 정책을 장려함

활용방안

20

2016년 하반기에 열릴

외국인 관광객 대상 행사

1. 코리아 세일 페스타는 외국인들의 쇼핑 대상 행

사이므로 쇼핑은 특정 밀집지역에서 하기 때문에

전범위적이지 않고 좁은 지역적으로 이벤트를 펼쳐

야 함

2. 코리아 그랜드 세일의 경우 쇼핑과 더불어 관광

한류 등 여러 분야에 대해 행사를 진행하기 때문에

합정동 지역에 관광관련 이벤트를 더욱 진행하며

서울 전반적인 숙박 지도를 만든다면 좋을 것임

5. 활용 > 5.2 장기적 활용방안

[ 2014년 2월 국적별 관광객 수 ]

문항

22. 방한목적

문항

128 : 한국방문 시 활동내역

문항

182 : 여행전체 지출금액_원자료_쇼핑비

문항

206 : 한국여행에 대한 항목별 만족도

외국인관광객실태조사

외국인 관광 정책으로 방문한 외국인 관광객의 소비 현황과 외국인 관광객 실태조사의 분석결과를 매쉬업하여

맞춤형 외국인 관광객 마케팅 전략을 수립하여 관광산업을 활성화하고, 궁극적으로는 외국인 재방문율을 향상시킴

21

Thank You