1. 맛집추천 서비스 기획
3조 정원초과
김은기 (산업경영공학과 201601373)
이주한 (산업경영공학과 201601392)
이창호 (산업경영공학과 201601393)
장우연 (산업경영공학과 201601396)
주상인 (산업경영공학과 201601401)
2. 목차
1. Introduction
1.1 연구배경
1.2 문제파악
1,3 연구목표
2. Service Development
2.1 고객요구사항 파악
2.2 기존 서비스 파악
2.3 서비스 기획
3. Experiment
3.1 실험 계획
3.2 실험 결과
4. Result
4.1 분석 결과
4.2 개선 제품 설계
4.3 기대효과 및 결론
4.4 참고문헌
3. 1.1 연구배경
스마트폰을 이용해 간편하게 외식정보서비스를 확인할 수 있게 됨으로써
개개인에 맞춘 다양한 맛집추천 서비스가 등장하고있다.
이러한 서비스 이용자 수가 증가해 감에 따라 이용 리뷰데이터 또한 증가하고 이용자들은
다양한 리뷰데이터를 접할 수 있다.
하지만 수많은 리뷰데이터와 광고성 홍보글이 뒤섞여 음식점들의 리뷰데이터는 점점 신뢰성이 떨어지고 있다.
4. 1.2 문제파악
신뢰할 수 있는 리뷰데이터를 제공하고 진짜 맛집을 추천하는 것을 목표로 서비스 기획하기 전
맛집찾기 서비스를 이용하는 사람(20~30대 40명)을 대상으로 사전 설문조사를 진행
5. 1.2 문제파악
평소 사람들은 SNS, 각종블로그 등을 이용해
맛집을 찾아가는데
설문에 응답한 82.5% (33명) 의 사람들이
자신이 방문한 맛집에 실망을 느낌.
실망을 느낌에도 사람들은 기존 서비스를
계속 사용하는데 그 이유 중 대부분이
기존 서비스가 정보가 많고
다른 서비스도 크게 다를 것이 없다고 응답
사람들이 생각하는 신뢰할 수 있는 맛집
지인추천을 기반으로한 맛집추천 서비스 개발
실망했음에도 그 방식을 사용하나요?
추천 맛집 방문 시 실망 경험
6. 2.1 고객요구사항 파악
식신
데이터 : 1138
다이닝코드
데이터 : 1123
망고플레이트
데이터 : 1463
크롤링 설문조사
맛집을 검색할때 가장 중요하게 생각하는 요인
1. 최신 리뷰 : 22표
2. 지인추천 : 22표
3. 별점 수 : 22표
4. 리뷰 수 : 18 표
8. 2.1 고객요구사항 파악
식신 전체 리뷰
텍스트 마이닝
지역별, 평점순 나열, 로딩 속도,
최신 정보 업데이트, 광고성, 리뷰에 대한 언급이 많음
식신 3점 이하 리뷰
9. 2.1 고객요구사항 파악
망고 플레이트 전체
리뷰
텍스트 마이닝
검색, 지도, 위치기능과 리뷰, 사진, 광고성,
최신 정보 업데이트에 대한 언급이 많음
망고 플레이트 3점 이하
리뷰
10. 2.1 고객요구사항 파악
sofo 전체 리뷰
(데이터=48)
텍스트 마이닝
검색, 지역별 기능과 카테고리화,
위생관련정보에 대한 언급이 많음
11. 2.2 기존 서비스 파악
Naver - 스마트어라운드
새로 오픈한
이번주에 많이 저장한
오늘의 픽
(비슷한 연령대가 선호하는 장소 - 선호하는지)
주변
(OO 시간대 O km미터 반경 추천순 / 리뷰순 / 거리순)
SK – T map 미식로드
맞춤 맛집 추천
지역, 나이, 성별, 동행인, 맛집 종류를 입력시 맛집 추천
동네맛집 추천
위치를 입력하면 그 위치에 맞는 맛집 추천
12. 2.2 기존 서비스 파악
다이닝코드 식신
기본 맛집 추천
카테고리 별 맛집 추천
테마별 맛집 추천
(식신 테마)
(백년 가게, 3만원이하 맛집, 뜨는 맛집 골목 등)
기본 맛집 추천
위치기반
배달, 주차, 드라이브 스루,
24시간영업, 카페 등등
키워드를 이용한 맛집 추천
세분화 된 리뷰 작성
맛, 가격, 친절 세가지 요소로 나누어
평가를 진행함.
태그 기능으로 음식점의 방문 목적,
분위기 등을 파악 가능
13. 2.2 기존 서비스 파악
망고 플레이트 SOFO
정렬
평점순, 추천순, 리뷰순, 거리순
필터
음식종류, 가격/1인당, 주차가능 여부
스토리
TOP 리스트
고려대학교 상권 정보 어플
학식, 맛집, 병원, 놀거리 등등 추천
(광고표시있음)
최신 리뷰 순
맛집 랭킹
리뷰어 랭킹
장애인을 위한 정보 제공
14. 2.3 서비스 기획
개인정보
INU 포털 아이디 연동
입맛설정
선호 카테고리 설정 (한식, 중식, 분식 등)
개인정보입력
추천 기능
1. 최근에 먹어본 정보일수록
> 최신 정보 위주로 맛집추천
2. 친한 사람일수록
> 전화번호부에 있는 사람 위주로 추천
3. 세분화된 평가기반
> 맛, 가격, 위생, 서비스 4분야에 별점을 매겨 더 자세한 리뷰데이터 제공
1. 맛
2. 가격
3. 위생
4. 서비스
평가척도
#맛있다 #맵다 #짜다
#비씨다 #싸다 #점심
#저녁 #데이트 #회식
15. 2.3 서비스 기획
AHP
AHP
[1] 2 3 4 1
최신정보 지인 평가기반 카테고리
최신정보 10.50000 0.2500 2.0000
A= 지인 2.0000 1 0.3333 3.0000
평가기반 4.0000 3.0000 1 5.0000
카테고리 0.5000 0.3333 0.2000 1
sum 7.5 4.8333 1.7833 11
[2]
최신정보 지인 평가기반 카테고리
최신정보 0.1333 0.1034 0.1402 0.1818
지인 0.2667 0.2069 0.1869 0.2727
평가기반 0.5333 0.6207 0.5607 0.4545
카테고리 0.0667 0.0690 0.1121 0.0910
sum 1 1 1 1
[3] [4]
최신정보 0.1397 최신정보 0.5613
지인 0.2333 지인 0.9475
W= 평가기반 0.5423 A * W = 평가기반 2.2244
카테고리 0.0847 카테고리 0.3408
sum 1 sum 4.0739
0.1397 0.2333 0.5423 0.0847
Lambda= 4.0512
CI = 0.0171
CR = 0.0181 = 2% < 10%
AHP
[1] 4 2 3 1
맛 가격 위생 서비스
맛 13.00000 2.0000 4.0000
A= 가격 0.3333 1 0.3333 2.0000
위생 0.5000 3.0000 1 3.0000
서비스 0.2500 0.5000 0.3333 1
sum 2.0833 7.5 3.6667 10
[2]
맛 가격 위생 서비스
맛 0.48 0.4 0.5455 0.4
가격 0.16 0.1333 0.0909 0.2
위생 0.24 0.4 0.2727 0.3
서비스 0.12 0.0667 0.0909 0.1
sum 1 1 1 1
[3] [4]
맛 0.4564 맛 1.8785
가격 0.1461 가격 0.5880
W= 위생 0.3032 A * W = 위생 1.2527
서비스 0.0944 서비스 0.3826
sum 1 sum 4.1018
0.4564 0.1461 0.3032 0.0944
Lambda= 4.0818
CI = 0.0273
CR = 0.0303 = 3% < 10%
AHP결과
가중치
최신정보 0.1397
지인 0.2333
평가기반 0.5423
카테고리 0.0847
맛 0.4564
가격 0.1461
위생 0.3032
서비스 0.0944
CR가 각각 2%, 3%로 유의미한 결과값임
16. 2.3 서비스 기획
음식점추천
최종 가중치
최신정보 0.1397
지인 0.2333
맛 0.2475
가격 0.0792
위생 0.1644
서비스 0.0512
카테고리 0.0847
(맛, 가격, 위생, 서비스는 평가기반 가중치와 곱하여 계산)
최신정보
(0~3개월 이내-5점, 3~6개월-4점, 6~9개월 3점, 9~12개월 2점, 1년이상 1점)
지인
(전화번호부 등록 5점)
평가기반
맛
가격
위생
서비스
(위 3개는 별점 기준으로 점수부여 )
Ex) 별 5개 – 5점, 4개 – 4점, 3개 – 3점, 2개 -2점, 1개 - 1점
음식 카테고리
(한식, 중식, 일식 등 처음 입력한 정보를 바탕으로 5점)
• 사람들이 평가한 점수와 내가 등록한 점수를 바탕으로 각각의 가중치를 곱해 음식점에 대한 최종 점수를 매김
• 각 음식점 별 평가된 최종 점수들을 평균 내어 음식점을 추천
17. 3.1 실험 계획
1. 사용성 평가 대상 : 다이닝코드, 망고, 식신
2. 실험 구성 : (로그인, 메뉴찾기, 리뷰확인, 리뷰등록, 문의) 3가지 어플의 5단계마다 만족도를 평가하고, 소요시간, 클릭수, 오류개수을 측정
3. 측정 요소 : 소요시간, 클릭수, 오류개수 측정
4. 실험 참여자 구성 : 10명
5. 실험 진행 : 실험 전 전체적인 앱 탐색 -> task 수행 -> 만족도 평가
6. 분석
• 과업별 Wilcooxon Rank Sum Test 검정(유의수준 0.05)
(소요시간, 클릭수, 오류율 과 각 요소별 만족도 사이의 관계분석)
• 각 과업의 만족도와 어플의 선호도 사이의 상관관계분석
• 측정요소(소요시간, 클릭 수, 오류율)과 어플의 선호도 사이의 상관관계분석
(위 내용은 ISO-9241에서 정의하는 사용성을 기반)
=> 사용성평가를 진행하여 얻어낸 결과를 바탕으로 목업 UX/UI에 반영할 예정
19. 3.2 실험 결과
Wilcooxon Rank Sum Test
과업 항목별 결과
로그인
소요시간 망고 = 식신 > 다이닝
클릭 수 망고 > 다이닝 = 식신
오류개수 망고 > 다이닝 = 식신
메뉴찾기
소요시간 다이닝 = 식신 = 망고
클릭 수 다이닝 = 식신 = 망고
오류개수 망고 > 다이닝 = 식신
리뷰확인
소요시간 다이닝 = 식신 = 망고
클릭 수 망고 = 식신 > 다이닝
오류개수 다이닝 = 식신 = 망고
리뷰작성
소요시간 망고 = 식신 > 다이닝
클릭 수 망고 > 다이닝 = 식신
오류개수 다이닝 = 식신 = 망고
문의
소요시간 다이닝 = 식신 = 망고
클릭 수 다이닝 = 식신 = 망고
오류개수 다이닝 = 망고 > 식신
어플마다 각각의 과업 별로
소요시간, 클릭 수, 오류개수를
Wilcoxon Rank Sum Test 검정을
사용하여 항목별로 비교해본 결과
망고가 식신, 다이닝코드에 비해
좋은 모습을 보이고 있다.
20. 4.1 분석 결과
각 과업별 만족도와 어플 선호도 사이의
상관관계분석한 결과
메뉴 확인 > 문의 하기 > 리뷰확인
순으로 유의미한 결과가 나왔다.
Correlation Analysis
21. 4.1 분석 결과
각 세부요소인
소요시간, 클릭수, 오류개수를
각 어플의 만족도와
상관관계분석한 결과
세 요소 모두
유의미한 결과가 나왔다.
Correlation Analysis
22. 4.2 개선 제품 설계
분석 결과와 기존 어플리케이션을 벤치마킹, 목업 실시
• 한눈에 보기 쉽게 카테고리 도입
• 개편된 리뷰시스템 평가요소(맛,가격.위생.서비스)
메인 화면 리뷰 작성
• 기획한 추천 서비스를 통해 음식점 추천
음식점 확인 및 리뷰 확인
• 식당의 위생상태 표시
• 만족도가 낮았던 Task를 바로가기로 도입
• 평가기반 가중치를 위한 리뷰 시스템 개편
최신순, 별점순으로 나열 기능 추가
• INU마크 별점 도입
23. 4.3 기대 효과 및 결론
• 기존 어플리케이션 벤치마킹을 통해 사용자 만족도 개선
• 추천 알고리즘을 통해 사용자 만족도 개선
• 고대생을 위한 어플리케이션인 SOFO처럼 인천대의 상대적으로
부족한 대학가 식당을 쉽게 파악가능
• 지인 추천의 신뢰도가 가장 높기 때문에 인천대의 폐쇄성을
고려한 커뮤니티,어플리케이션 개발을 통해 높은 신뢰성을
확보,학교 커뮤니티라는 점에서 높은 충성도 기대
• 학교라는 특수성으로 인해 매년 신입생으로 인한 고객충원 및
데이터 갱신과 누적 데이터 확보 가능
24. 4.4 참고 문헌
• "정보를 찾을 땐 인터넷, 하지만 신뢰도는?“
• [헬스리서치] 맛집 추천, 믿을 수 있습니까?
• `맛집 찾을 때?`..성인 5명중 1명은 맛집 앱 사용
• [이 앱 어때?] 망고플레이트VS다이닝코드, 혼밥 맛집 찾을 수 있는 어플
• vol 01. 배달의 요기팡 1편 (메인화면, 카테고리 상세페이지) (tistory.com)
• 스마트폰 환경에서의 은행 어플리케이션 만족도 요인 조사
• 유니버설 키오스크 디자인 가이드라인 패스트푸드점 사례를 중심으로
• UX(사용자 경험)분석을 통한 앱 인터페이스 개선에 관한 연구 - 대학생 학사관리 사이트를
중심으로
• UX와 Usability를 고려한 새로운 스타벅스 앱 UI 제안
• 빅데이터 기반 맛집 어플리케이션의 서비스품질이 앱 이용만족과 재이용의도에 미치는 영향
