빅데이터와 인공지능 기반 창업 혁신 신제품의 가격 도출에 관한 연구

• 영문명: A Study on the Price Derivation of Creative New Product Based on Big Data and Artificial Intelligence
• 발행기관: 한국진로창업경영학회
• 저자명: 진익성(Eekseong Jin)
• 간행물 정보: 『한국진로창업경영학회지』제9권 제3호, 227~244쪽, 전체 18쪽
• 주제분류: 경제경영 > 경영학
• 파일형태: PDF
• 발행일자: 2025.05.31

국문 초록

본 연구는 혁신적 아이디어와 기술로 신제품을 개발하는 창업자들이 직면하는 가격 책정 문제를 해결하기 위한 방법론을 제시한다. 많은 창업자들이 시중에 유사한 제품이 없는 혁신 제품을 연구ž개발하나 가격 산정은 창업 성공의 핵심 요소임에도 불구하고 단편적 시장조사에 의존하거나, 유사 제품이 없어 개인적 직관으로 저가 혹은 고가 가격을 책정하는 등시장 논리적이고 체계적인 가격 책정에 어려움을 겪고 있다. 이에 본 연구에서 한국은행 산업통계와 다나와 등 온라인 플랫폼의 유사 제품 가격 데이터 그리고 창업기업의 재무 목표를 통합적으로 분석하였고, 특히 저자가 경북창조경제혁신센터에서 3.5년여, 삼성전자 C-Lab, 주요 대학 창업보육 멘토링 등 총 10년여의 창업 및 사업화를 지원한, 혁신 제품 창업의 사업화 실사례를 중심으로 하여 혁신제품 가격산정 주요 요소로 산업 평균 가격(IPA), 산업 평균 수익률(IPM), 시장 유사제품 가격(MPP), 목표 수익률(TPR), 혁신도 지수(II)를 도출하고 이 변수들을 대상으로 창업 혁신 신제품 가격 산출 다중회귀 모델을 도출하였다. 분석 결과 이 6개 주요변수가 가격 결정에 유의한 영향을 미침이 확인되었다. 산업 평균 가격, 산업 평균 수익률, 시장 유사제품 가격, 목표 수익률, 혁신도 지수는 제품 가격에 유의한 정(+)의 영향을, 손익분기점 도달 판매량은 부(-)의 영향을미치는 것으로 확인되었다. 또한 도출된 회귀방정식 P = -13.672 + 0.418(IPA) + 0.714(IPM) + 0.542(MPP) + 0.246(TPR) - 0.183(BEP) + 0.189(II)** 은 R²=0.873의 높은 설명력을 보였으며 본 모델 기반 가격 책정이 창업자의주관적 판단보다 평균 17.8% 높은 매출과 22.3% 높은 수익을 보일 것으로 분석되었다. 따라서 이 모델은 창업자들에게 객관적인 가격 책정 도구를 제공하고, 불확실성을 줄이며, 시장 적합성 높은 가격 결정을 지원할 것으로 예상된다. 연구의 한계로는 국내 창업기업에 한정된 표본, 횡단 연구 설계 강화 필요, 혁신도 지수의 주관성 극복 등이 있으며, 후속 연구로 국가별 비교연구(수출 가격 연구), 산업별 특화 모델 개발, 딥러닝 기반 예측 모델에 대한 연구, 실용화 방안 등의 추가 연구가 필요할 것으로 사료된다.

영문 초록

This study presents a methodology to solve the pricing problems faced by founders developing new products with innovative ideas and technologies. Many founders research and ž innovative products that do not have similar products on the market, but despite the fact that pricing is a key factor in the success of start-ups, it is difficult to systematically set prices, such as relying on fragmentary market surveys in pricing or setting low or high prices through personal intuition because there are no similar products. In this study, the Bank of Korea's industrial statistics, similar product price data on online platforms such as Dana, and financial goals of start-ups were analyzed in an integrated manner. In particular, the author supported a total of 10 years of start-ups and commercialization, including 3.5 years at the Gyeongbuk Creative Economy Innovation Center, Samsung Electronics' C-Lab, and mentoring major university start-up incubation, focusing on real-world examples of innovative product price calculation, including industry average price (IPA), industry average return (IPM), market-like product price (MPP), target return (TPR), and innovation index (II) were derived and multiple regression analysis was conducted on these variables. As a result of the analysis, it was confirmed that these six major variables had a significant influence on pricing. It was found that the average industrial price, average industrial rate of return, market-like product price, target rate of return, and innovation index had a significant positive (+) effect on product prices, and the sales reaching the break-even point had a negative (-) effect. In addition, the derived regression equation P = -13.672 + 0.418(IPA) + 0.714(IPM) + 0.542(MPP) + 0.246(TPR) - 0.183(BEP) + 0.189(II)* showed high explanatory power of R²=0.873, and it was analyzed that this model-based pricing was 17.8% higher in sales and 22.3% higher in average than the subjective judgment of the founder. Therefore, the model is expected to provide founders with objective pricing tools, reduce uncertainty, and support market-appropriate pricing. Limitations of the study include limited samples for domestic start-up companies, the need to strengthen cross-sectional research design, and overcoming the subjectivity of the innovation index, and further studies such as country-specific comparative studies (export price studies), industry-specific models development, deep learning-based prediction models, and practicalization plans are needed as follow-up studies.

목차

Ⅰ. 서 론

Ⅱ. 이론적 배경

Ⅲ. 연구방법

Ⅳ. 분석 결과

Ⅴ. 결 론

참고문헌

키워드

창업 혁신제품 가격 책정 가격 예측 모델 다중회귀분석 빅데이터 인공지능 Startups Pricing Innovative Products Price Forecasting Model Multiple Regression Analysis Big Data AI

참고문헌

• 벤처창업연구
• 한국콘텐츠학회논문지
• 한국항만경제학회지
• 한국경영과학회지
• 경영컨설팅연구
• 대한지리학회지
• 마케팅연구
• J Korean Soc Qual Manag
• 경영학연구
• 한국심리학회지
• 한국경쟁법학회
• 마케팅연구
• 한국진로창업경영학회지
• 한국진로창업경영학회지
• 한국기술혁신학회
• 한국생산관리학회지
• gsk.com
• Journal of Innovation Management
• Journal of Real Estate Practice and Education
• Marketing Science
• Bessemer Venture Partners
• Strategic Management Journal
• Industrial Marketing Management
• Routledge
• Journal of Product Innovation Management
• Journal of Consumer Psychology
• Industrial Marketing Management
• Harvard Business Review Press
• Technology Analysis & Strategic Management
• Manufacturing & Service Operations Management
• Journal of Managerial Issues
• Routledge
• Applied Sciences
• Journal of Business and Management Studies
• McGraw-Hill
• Simon and Schuster
• Land Use Policy
• John Wiley & Sons
• Industrial Marketing Management
• Springer
• International Journal of Production Economics
• Technology Analysis & Strategic Management