아카이브학위논문박사논문(PhD Theses)

학위논문 Theses and Dissertations


NO.NO.D.2021.08_06

부정적 감정유발 제품디자인 요인연구 - 여성 소비자의 온라인 리뷰 데이터마이닝 - 激发负面情绪的产品设计因素的研究 -女性消费者在线评论的数据挖掘- Research on Contextual Factors Evoking Emotion in Advertising Photography Images

  • Name : 마추화(马楚华)/MA CHUHUA
  • Info : 박사학위논문/博士学位论文/Doctor's thesis/ 2021.08
  • Adviser : 고정욱/高正旭/ Go, Jung-Wook
192.168.95.172

초록

인터넷 데이터 조사에 따르면 대다수 소비자의 온라인 쇼핑몰 이용은 일반화되었고 점점 더 증가하고 있으며, 소비의 주체이자 유행을 창조 및 선도하는 경제 활동 주체로서 여성이 부상한 바와 같이 온라인 쇼핑몰 이용에 있어 여성 소비자 구매 빈도가 높게 나타났다. 인터넷 쇼핑플랫폼은 대량의 구매정보들이 데이터로 보존되며, 그중에는 인터넷 쇼핑몰의 소비자 리뷰 정보 역시 포함되어 있다. 소비자들은 저마다의 성향과 감정을 가진 개별 소비 주체로서 온라인 쇼핑플랫폼에 제품에 대한 자신의 구매 또는 사용을 리뷰로 남길 때 주관적인 감정의 태도가 반영된다. 소비자들이 남긴 다수의 상품 리뷰에 대한 분석은 잠재적 소비자뿐만 아니라 제품 개발과정에서도 점점 더 중요한 의사결정의 자료로 자리 잡고 있다. 그러므로 소비자의 불만요인을 최소화하기 위해 제품기획 및 개발과정에서 ‘제품의 부정적 영향요인'에 대한 디자인 연구의 필요성이 제기된다. 제품디자인 측면에서 소비자들의 제품에 대한 감정, 태도, 평가는 소비자의 통찰력을 발견하기 위한 매우 중요한 정보이며 가치 있는 연구 주제이다.
본 연구는 온라인 쇼핑몰 상에서 여성 소비자의 선호가 높은 제품에 대한 부정적 감정 유발하는 제품 디자인요인이 무엇인지를 제공하는 것을 목적으로 하는 온라인 상품 리뷰에 기초한 탐색적 연구이다.
이를 위해 첫째, 인터넷 소비자의 리뷰 연구와 여성 소비자의 감정에 대한 부정적인 요인을 이해하기 위해 관련 선행연구와 참고문헌를 통해 요인 분석, 데이터 추출 조사, 언어 감정분석에 관한 연구방법을 고찰하였다. 둘째, 인터넷의 대량 데이터 통계 정보를 추출하여 연구 지역 및 연구 대상 온라인 소비 플랫폼 설정하고 설문 조사를 통하여 온라인 쇼핑 시장의 다양한 상품들 중 여성 소비자의 관심이 높은 제품 10종(세탁기, 냉장고, 화장품 파우치, 침대, 착즙기, 전자레인지, 안경, 청소기, 피부관리기, 전동칫솔)을 연구대상으로 선정하여 2017년 10월부터2018년 10월까지 1년 동안 중국의 최대 온라인 쇼핑몰 Alibaba에서 다수의 소비자 리뷰 내용을 수집하였다. 셋째, 수집한 리뷰 데이터에 대한 감정 분석 및 텍스트 분석을 실시하였다. Data Mining 방법 중“자연어 처리기법(NLP)”을 통해 제품 리뷰의 키워드를 도출하고, 긍정과 부정의 감정적 키워드를 구분하였으며, 파이썬 시각화 라이브러리를 활용하여 키워드 정보의 시각화를 시행하였다. 이를 통해 노출빈도가 높은 부정적 감정어의 요인과 의미를 파악하였다. 넷째, 대상 제품의 부정적인 제품디자인 요인을 종합하여 그 안의 교집합과 중요성을 탐색하고 결과를 해석하였다.
본 연구에서 5가지 제품군의 연구를 통해 대상 제품군별 디자인요인 중 부정적 리뷰는 패션 제품 72.38%, 주방가전 60.75%, 침실 가구 55.92%, 건강관리 53.19%, 청결가전 52.87%로 순이었다. 5가지 제품군의 부정적인 리뷰에서 디자인요인 비율이 모두 비 디자인요인보다 높다는 것을 발견할 수 있었다. 하지만 긍정적 리뷰의 경우 디자인요인의 비율이 비 디자인요인보다 낮았다. 이는 디자인요인이 소비자에게 미치는 부정적 영향이 긍정적 영향보다 크다는 점과 제품디자인에 대한 소비자 불만족 반응이 더 크다는 것을 의미한다. 특히, 부정적인 디자인요인의 비중이 가장 높은 것은 패션 제품으로 나타남으로써 패션 제품에서 디자인요인은 여성 소비자에게 부정적 감정유발 하는 가장 중요한 요인임을 확인할 수 있다. 패션 제품의 경우는 제품에 대한 적당한 무게, 냄새 없는 체질, 방수성 등의 디자인 측면, 주방가전 제품의 경우는 외관의 고급성, 적당한 제품 사이즈, 공간과 용량 등의 디자인 측면, 침실 가구 제품의 경우는 적당한 제품 사이즈, 디자인의 단순성, 무해한 재질 등의 디자인 측면, 건강관리 제품의 경우는 재질의 경도 적정성, 변색된 재질, 외관과 포장의 디자인 창의성 등의 디자인 측면, 청결가전 제품의 경우는 재질의 이상한 냄새, 무게의 적정성, 적당한 제품 사이즈 등의 디자인 측면이 여성 소비자에게 부정적 감정을 유발한다는 것으로 나타났다.
이를 통해 여성 소비자에게 부정적 감정을 유발하는 주요한 디자인요인을 발견하고, 여성 선호 제품의 디자인을 진행하는 데 있어 기본적으로 충족되어야 할 조건으로 감각 요소, 사용성, 디자인의 적절성, 품질 수준 등이 중요한 고려요인임을 알 수 있으며, 여성 소비자들은 자신의 이목구비로 접하는 실질적인 감각정보와 제품에 대한 정서적 경험을 제품에 대한 관심 이상으로 중시하고 있음을 알 수 있다. 소비자는 타인의 부정적 평가에 대한 민감성이 더 높기 때문에 부정적인 정서를 다룬 리뷰는 소비자의 구매 결정에 있어 더 민감한 정보로서 영향을 미치고 있다. 부정적 감정을 가지게 된 소비자가 남긴 리뷰가 많아질수록 소비자 주변의 사람들뿐만 아니라 불특정 다수의 인터넷 쇼핑몰 이용자에게도 영향을 주어 해당 제품에 대한 부정적인 선입견이 일반화될 수 있으며, 제품 브랜드 신뢰도 저하의 주요 요인으로 작용하게 된다. 제품의 핵심 아이디어, 핵심적인 기능 등의 차별우위 요소는 시장에 매우 큰 영향 미친다. 하지만 핵심적인 특징이 출중하더라도 소비자가 기본적으로 기대하는 “사용자 만족을 위한 필수적인 요인”을 충족하지 못하면 해당 제품은 시장에서 실패할 수밖에 없다. 그러므로 제품디자인에 있어 부정적 감정을 유발하는 요인들은 근원적으로 고려되어야 할 부분이다. 점점 더 치열한 시장경쟁이 이루어지는 상황속에서 살아남기 위해서는 최소한 소비자의 부정적 감정을 유발하는 제품디자인의 불만 요인을 사전에 탐색하고 제거하거나 최소화함으로써 시장에서 실패 가능성을 낮추려는 노력이 요구된다.

摘要

根据网络数据调查,大多数消费者使用网上购物平台的现象普遍化,并且逐渐增加,作为消费的主体和创造及引领潮流的经济活动主体,正如女性崛起一样,在使用网上购物平台方面,女性消费者购买频率较高。网购平台大量购买信息数据被保存,其中也包括网购消费者评论信息。消费者作为具有各自倾向和感情的个别消费主体,在网上购物平台上留下自己对产品的购买或使用评价时,会反映主观感情的态度。消费者留下的对多数商品评价的分析,不仅是潜在消费者,在产品开发过程中也日益成为重要的决策资料。因此,为了将消费者的不满因素最小化,有必要在产品企划及开发过程中对"产品的负面影响因素"进行设计研究。在产品设计方面,消费者对产品的感情、态度、评价是发现消费者洞察力的重要信息,也是有价值的研究主题。
本研究是以在线购物商城中女性消费者偏好度高的产品引发负面情绪的产品设计要素为宗旨,以在线商品评价为基础的探索性研究。
为此,第一,为了理解网络消费者的评论研究和对女性消费者感情的负面因素,通过相关先行研究和参考文献,考察了要素分析、数据提取调查、语言鉴定分析的研究方法。第二,抽取互联网大量数据统计信息,设置研究地区及研究对象的在线消费平台,通过问卷调查,在网络购物市场各种商品中,将女性消费者关心的10种产品(洗衣机、冰箱、化妆品包、床、榨汁机、微波炉、眼镜、吸尘器、皮肤护理器、电动牙刷)选为研究对象,从2017年10月开始到2018年10月为止,在中国最大的在线购物网站Alibaba进行了为期一年的研究。第三,对收集到的评论数据进行了鉴定分析和文本分析。Data Mining方法中通过"自然语处理方法(NLP)"得出产品评价的关键词,区分肯定和否定情绪的关键词,利用Python视觉化库施行关键词信息视觉化。由此了解了暴露频率高的负面鉴定词的要因和意义。第四,综合对象产品的负面产品设计因素,探索其中的交集和重要性,分析结果。
在本研究中,通过5种产品群的研究,在不同产品群的设计要素中,负面评价依次为时尚产品72.38%、厨房家电60.75%、卧室家具55.92%、健康管理53.19%、清洁家电52.87%。从5种产品群的负面评价中可以看出,设计因素比率都高于非设计因素。但是,从正面评价的情况来看,设计因素的比率低于非设计因素。这意味着设计要素对消费者的负面影响大于正面影响及消费者对产品设计的不满反应更大。特别是,负面设计因素的比重最高的是时尚产品,由此可以看出,在时尚产品中,设计因素是引发女性消费者负面情绪的最重要因素。时尚产品对产品的适当重量、无异味的体质、防水性等设计方面;厨房家电产品方面、外观的高档性、适当的产品尺寸、空间和容量等设计方面; 卧室家具产品对适当的产品尺寸、设计的简单性、无害的材质等设计方面;健康管理产品对材质轻度适中、变色的材质、外观和包装的设计创意性等设计方面;清洁产品方对材质的无异味、重量的适当性、适当的产品大小等是设计层面可引发女性消费者负面情感的要素。
由此可以发现引发女性消费者负面情绪的主要设计因素,作为进行女性偏好产品设计的基本条件中感觉要素、使用性、设计适当性、质量水平等是重要的考虑因素。女性消费者们对于用自己的五官接触的实际感觉信息和对产品的情感体验的重视程度远远超过对产品的关心。由于消费者对他人负面评价的敏感性更高,所以反映负面情绪的评论作为消费者购买决定中更为敏感的信息产生了影响。持有负面情绪的消费者留下的评论越多,不仅对消费者周边的人产生影响,对非特定多数购物网站用户也会产生影响,对相关产品的负面偏见也会成为普遍现象,产品品牌信赖度下降的主要原因。产品核心创意、核心功能等差别优势因素对市场影响很大。但是,即使核心特征出众如果不能满足消费者基本期待的"满足用户需求的必需因素",相关产品在市场上必然会失败。 因此,在产品设计上,引发负面情绪的因素是需要从根本上考虑的部分。在越来越激烈的市场竞争的情况下,为了生存下来,至少需要事先探索和消除引发消费者负面情绪的产品设计的不满因素,努力降低市场失败的可能性。

Abstract

According to an Internet data survey, most consumers' use of online shopping malls has become common and increasingly increasing, and as women have emerged as the main body of consumption and leading economic activity in creating and leading trends, women have often purchased online shopping malls. Internet shopping platforms preserve large amounts of purchase information as data, including consumer review information from Internet shopping malls. Consumers, as individual consumers with their own tendencies and emotions, reflect subjective emotional attitudes when leaving their purchases or uses of products as reviews on online shopping platforms. Analysis of a number of product reviews left by consumers has become an increasingly important decision-making material not only for potential consumers but also for the product development process. Therefore, in order to minimize consumer dissatisfaction, the need for design research on "negative effects of products" in the product planning and development process is raised. In terms of product design, consumers' feelings, attitudes and evaluations of their products are very important information and valuable research topics for discovering consumer insights.
This study is an exploratory study based on online product reviews aimed at providing negative emotion-inducing product design factors for products that are highly favored by female consumers on online shopping malls.
To this end, first consider research methods on factor analysis, data extraction investigation, and linguistic sentiment analysis through relevant prior studies and references to understand negative factors for Internet consumers and female consumers' emotions. Second, the Internet's mass data statistics were extracted to establish an online consumption platform for research regions and research, and 10 products (washing machine, refrigerator, cosmetics pouch, bed, wet brush, microwave, glasses, vacuum cleaner, electric toothbrush) were selected. Third, we conduct sentiment analysis and text analysis on the collected review data. Among the Data Mining methods, keywords of product reviews were derived through "Natural Language Processing Techniques (NLPs), the emotional keywords of positive and negative were distinguished, and the visualization of keyword information was implemented using the Python visualization library. Through this, the factors and meanings of negative emotional words with high exposure frequency were identified. Fourth, the negative product design factors of the target product were aggregated to explore the intersection and importance of the target product and interpret the results.
In this study, negative reviews among design factors by target product line fashion product were 72.38%, kitchen appliances 60.75%, bedroom furniture 55.92%, health care product 53.19%, and household cleaning product 52.87%. Negative reviews of the five product lines found that the ratio of design factors was all higher than non-design factors. However, in the case of positive reviews, the ratio of design factors was lower than that of non-design factors. This is the design.This means that the negative impact of phosphorus on consumers is greater than the positive impact and that consumer dissatisfaction with product design is greater. In particular, the highest proportion of negative design factors appears to be fashion products, indicating that design factors are the most important factors that induce negative emotions for female consumers in fashion products. Fashion products have a moderate weight, odorless constitution, waterproof design, kitchen appliances have a high quality, proper product size, space and capacity, bedroom furniture products have a moderate size, design simplicity, discolored material, cleanliness.
This identifies major design factors that cause negative feelings for female consumers, and shows that sensory factors, usability, design appropriateness, and quality levels are important factors in the design of female preferred products. Since consumers are more sensitive to negative evaluations of others, reviews dealing with negative emotions are affecting consumers' purchasing decisions as more sensitive information. The more reviews left by consumers who have negative feelings, the more negative preconceptions about the product can be generalized by influencing not only people around consumers but also many unspecified Internet shopping mall users, and it can be a major factor in the decline in product brand credibility. Discriminatory advantages such as product core ideas and core functions have a huge impact on the market. However, even if the core features are outstanding, the product will fail in the market if it fails to meet the "essential factors for user satisfaction" that consumers basically expect. Therefore, negative emotion factors in product design are a fundamental consideration. In order to survive in the face of increasingly intense market competition, efforts are required to reduce the likelihood of failure in the market by exploring, removing or minimizing the dissatisfaction factors of product design, at least causing consumer negative emotions.

키워드

  • #제품디자인
  • # 부정적 감정
  • # 소비자 리뷰
  • # 키워드
  • # 요인연구

  • #产品设计,否定的感情,消费点评,关键词,要因研究

  • #Advertising Image
  • # Advertising Photography
  • # Contextual Factors
  • # Cognitive Processing
  • # Evoking Emotion
  • # Schema

참고문헌

[Book]

1. 卢辉(로휘),『数据挖掘与数据化运营实战: 思路, 方法, 技巧与应用(데이터 발굴 및 데이터화 운영 실전 : 생각, 방법, 노하우와 응용)』, 机械工业出版社, 2013.
2. 刘菲(류비), 黄萱菁(황훤청), 오립덕(吴立德),『利用关联规则挖掘文本主题词的方法(연관 규칙을 이용하여 텍스트 주제어를 추출하는 방법)』, 计算机工程, 2008.
3. Bing Liu. Sentiment Analysis and Opinion Mining, Morgan & Claypool Publishers, 2012.
4. 张银奎(장은규), 廖丽(료리요), 宋俊(송준), (원작자 D. Hand, H. Mannila, P. Smyth),『数据挖掘原理(Principles of Data Mining)』, 机械工业出版社, 2001.
5. Ekman, P. Basic emotions. University of California, 1999.
6. 范明(범명), 孟小峰(맹소봉), (원작자 Han J, Kamber M, Pei J).『数据挖掘: 概念与技术(Data mining concepts and techniques)』, 机械工业出版社, 2007.
7. 于海生(우하이성), (원작자 John Gray),『男人来自火星, 女人来自金星(Men Are from Mars, Women Are from Venus)』, 吉林文史出版社. 1993.
8. 孙道章(손도장), (원작자 John Naisbitt),『大趋势(Megatrends)』, 新华出版社. 1984.

[Dissertation]

1. 李荣军(리룽쥔), 『中文商品评论倾向性分析研究(중국어 상품 리뷰 경향성 분석 연구)』, 北京邮电大学 박사학위논문, 2011.
2. 杨玉珍(양위전), 『基于Web评论信息的倾向性分析关键技术研究(웹 리뷰 정보에 기반한 경향성 분석의 핵심 기술 연구)』, 山东师范大学 박사학위논문, 2014.
3. 李芳(이방), 『面向中文Web评论的观点挖掘关键技术研究(중국어 Web 리뷰의 관점을 위한 핵심 기술 발굴 연구)』, 华中师范大学 박사학위논문, 2013
4. 寇广增(커우광쩡), 『基于意见挖掘通用框架的情感极性强度模糊性研究(의견 기초로 범용적 틀의 감정극성 강도 모호성 연구)』, 武汉大学 박사학위논문, 2010
5. 黄胜(황승), 『Web评论文本的细粒度意见挖掘技术研究(웹 리뷰 텍스트의 상세 입자 의견 발굴 기술 연구)』, 北京理工大学博士论文, 2014
6. Zengcai Su, Hua Xu, Dongwen Zhang, and Yunfeng Xu, Chinese Sentiment Classification Using A Neural Network Tool – Word2vec, Department of Computer Science and Technology, Doctor of Computer Science, Tsinghua University, 2014.

[Academic Journal]

1. 김유영, 송민. "영화 리뷰 감성분석을 위한 텍스트 마이닝 기반 감성 분류기 구축”. 『지능정보연구』, vol.22(3), 2016.
2. 김주영, 김동수. "텍스트 마이닝 기반의 온라인 상품 리뷰 추출을 통한 목적별 맞춤화 정보 도출 방법론 연구”,『한국전자거래학회지』, vol,21(2), 2016.
3. 백현미, 안중호, 하상욱. "제품 가격에 따른 온라인 리뷰 유익성 결정 요인에 관한 연구”, 『한국전자거래학회』, vol.16(3), 2011.
4. 서계선(胥桂仙),"一种基于Web的藏文文本自动摘要生成方法”,『中央民族大学』,CN107526841,2017.
5. 서상혁, 고종욱, 조성복. "신제품의 소비자 수용 영향요인에 관한 탐색적 연구”. 『한국기술혁신학회』, vol.11(4), 2008.
6. 윤동기. "온라인 쇼핑 초기신뢰에 영향을 미치는 요인 - 제품유형의 조절적 역할을 중심으로”. 『e-비즈니스연구』, vol.13(5), 2012.
7. 윤민희, "한류(韓流) 제품의 여성 취향의 디자인 요소 분석”, 『한국디자인문화학회지』, vol.16(4), 2010.
8. 이종석, 신수길, "마인드 맵을 이용한 제품디자인 컨셉의 이미지화에 관한 연구”. 『한국디자인학회』, vol.13(4), 2000.
9. 장경애, 박상현, 김우제. "인터넷 감정기호를 이용한 긍정/부정 말뭉치 구축 및 감정분류 자동화”. 『정보과학회논문지』, vol.42(4), 2015.
10. 최지은, 유혜진, 유다빈, 김나라, 김윤희. 리뷰 감정 분석을 통한 전자상거래 상품 분석 및 평가 시스템 설계. 『정보과학회 컴퓨팅의 실제 논문지』, vol.22(5), 2016.
11. Ben Shneiderman, Martin Wattenberg. Ordered Treemap Layouts. In Proceedings of the IEEE Symposium on Information Visualization 2001 (INFOVIS'01). IEEE Computer Society, 2001.
12. Ekman, P. Universal Facial Expressions of Emotions. California Mental Health Research Digest, vol.8(4), 1970.
13. Fayyad, Usama. "Editorial - First issue of the journal". Data Mining and Knowledge Discovery, vol.1(1), 1997.
14. Hai Yuan, Kang Chen, Caixia Tao,Chong Chen. Research on Visualization Techniques Based on Chinese Texts. Telecommunications Science, vol.30(4), 2014.
15. Hirokawa S., Flanagan B., Suzuki T., Yin C. Learning Winespeak from Mind Map of Wine Blogs. Lecture Notes in Computer Science, vol.85(22), 2014.
16. Jin Xu; Yubo Tao; Hai Lin. Semantic word cloud generation based on word embeddings. IEEE Pacific Visualization Symposium (PacificVis), vol.19(22), 2016.
17. Li. Building Updated Research Agenda by Investigating Papers Indexed on Google Scholar: A Natural Language Processing Approach, Advances in Intelligent Systems and Computing book series, vol.12(13), 2021.
18. M. Khalifa and V. Liu, Online consumer retention: contingent effects of online shopping habit and onlineshopping experience, European Journal of Information Systems, vol.16(6), 2007.
19. Meyers-Levy, J. Gender differences in information processing: A selectivity interpretation. In P. Cafferata & A. Tybout (Eds.), Cognitive and affective responses to advertising, Lexington Books/DC Heath & Com. 1989.
20. Phillip R Shaver, Mario Mikulincer, Attachment orientations and emotion regulation, Curr Opin Psychol, vol.25, 2018.
21. S. S. K. Nair and K. Al Farei, A brain friendly tool to facilitate research-teaching nexus: Mind maps, 2017 8th International Conference on Information and Communication Systems (ICICS), vol.12, 2017.
22. Schlier, B., Sitara, X., Strauss, C. et al. Can Gender Differences in Distress Due to Difficult Voices Be Explained by Differences in Relating. Cognitive Therapy and Research. vol.45, 2021.
23. Schwarz, N., & Clore, G. L. Feelings and phenomenal experiences. Social psychology: Handbook of basic principles, 2007
24. W. Frawley and G. Piatetsky-Shapiro, C. Matheus. Knowledge Discovery in Databases: An Overview, AI Magazine, vol.13(3), 1992.
25. Weiwei Cui; Yingcai Wu; Shixia Liu; Furu Wei; Michelle X. Zhou; Huamin Qu. Context preserving dynamic word cloud visualization. IEEE Pacific Visualization Symposium (PacificVis), vol.11, 2010.
26. Ying Tu; Han-Wei Shen. Visualizing Changes of Hierarchical Data using Treemaps, IEEE Transactions on Visualization and Computer Graphics, Vol.13(6). 2007.
27. YU Shan-shan, SU Jin-dian, LIPeng-fei, Improved TextRank-based Method for Autom aticSumm arization,Computer Science,Vol.43(6),2016.
28. Yuping Jin, Development of Word Cloud Generator Software Based on Python, Procedia Engineering, Vol.174, 2017.

[Website]

1. Alidata, “生意参谋“, https://dt.alibaba.com/sycm.htm?spm=a1zar.8197699.0.0.203359940eKMj9, 2020.08.12.
2. Github, “word2vec“, https://github.com/aakaking/zhwiki-gensim-word2vec, 2020.11.05.
3. Github, “zh-word2vec“, https://github.com/AimeeLee77/wiki_zh_word2vec, 2020.10.26.
4. python, “Text-Summarization“, https://github.com/fajri91/Text-Summarization-MMR/blob/master/mmr.py, 2020.12.02.
5. Github, “word2vec“, https://github.com/fuqiuai/wordCloud, 2020.12.03.
6. Github, “squarify“, https://github.com/laserson/squarify, 2020.12.06.
7. Github, “NLTK“, https://github.com/nltk/nltk, 2020.11.12.
8. Github, “TF-IDF“, https://github.com/RicherDong/Keywords-Abstract-TFIDF-TextRank4ZH, 2020.11.09.
9. Python, “joblib“, https://pypi.org/project/joblib/, 2020.12.11.
10. emarketer, “top-10-retailers-china-ranked“, https://www.emarketer.com/chart/240851/top-10-retailers-china-ranked-by-retail-sales-2018-2019-billions, 2018.10.22.
11. IBM, “python“, https://www.ibm.com/cloud/blog/python-vs-r, 2020.10.03.
12. Invescro, “world-population-online“, https://www.invespcro.com/blog/world-population-online/, 2018.10.20.
13. python, “python“, https://www.python.org/about/apps/, 2020.10.11.
14. 北京东方国信科技股份有限公司. “Business-intelligence of Oriental Nations Corporation Ltd“. https://www.bonc.com.cn/, 2021.02.12.
15. Harvard Business Review. “The Female Economy“, 2009. https://hbr.org/2009/09/the-female-economy, 2021.04.02.