This thesis analyzes individuals’ behavioral changes using econometric and artificial intelligence models for medical and advertising data. These researches provide econometric implications and present directions for ways to utilize medical and advertising data. The thesis consists of three papers. The first paper analyzed how patients' hospital visits change with the spread and resolution of international infectious diseases through medical data. Through difference-in-difference analysis, it was confirmed that in the case of patients suffering from mild diseases, visits decreased during the diffusion period and increased after the resolution. In addition, it was found that the increase or decrease of visits differed according to the type of hospital and individual characteristics. The second paper verified the efficiency of advertising repetition strategies and variation strategies with a survival model by utilizing the pre-roll video advertisement data. Groups were divided according to the length users watched the pre-roll ad when first exposed to the specific advertisement brand. Then the study analyzed how each group responded differently to repetition strategies and variation strategies. Accordingly, it was confirmed that the variation strategy was more efficient in the group hostile to the advertisement than the group favorable to the advertisement and that they also responded differently to the repetition strategy. The last paper uses two-part and deep learning models to analyze and predict a radical increase in end-of-life healthcare expenditure. The empirical analysis shows that past healthcare expenditures as an explanatory variable could successfully replace the proximity to death, which causes a problem when forecasting since proximity to death is not observable.
본 학위논문은 의료 및 광고 데이터를 계량 경제 및 인공지능 모델을 활용하여 개인의 행동 변화를 분석하고 이를 통해 경영학적 가치를 제공함과 동시에 데이터 활용 방안에 대한 방향성을 제시한다. 본 학위논문은 3개의 논문으로 구성되어있다. 첫 번째 논문은 국제적인 전염병 확산과 해소에 따라 환자들의 병원 방문이 어떻게 변하는지를 의료 데이터를 통하여 분석하였다. 이중차분법 분석을 통해 경증 질환을 앓고 있는 환자의 경우 확산 기간 동안 방문이 감소하고 해소된 이후에는 방문이 증가함을 확인하였다. 또한 병원 종류와 개인의 특성에 따라 방문의 증감이 다름을 확인하였다. 두 번째 논문은 온라인 프리롤 동영상 광고 시청 내역에서 생존 모형을 이용하여 광고 반복 전략과 변이 전략의 효율성을 검증하였다. 특정 브랜드의 광고에 처음 노출되었을 때 광고를 시청한 길이에 따라 집단을 나누고 해당 집단 별로 반복 전략과 변이 전략에 어떻게 다르게 반응하는지를 분석하였다. 이에 광고에 우호적인 집단에 비해 광고에 적대적인 집단에서 변이 전략이 효율적임을 확인하였고 반복 전략에 다른 반응을 보임을 확인하였다. 마지막 논문은 사망 전 의료비용 지출이 급진적으로 증가하는 것을 분석하고 예측하기 위해 투파트 모델과 딥러닝 모델을 활용한다. 실증 분석 결과 과거 의료 비용 이용 내역을 설명변수로 활용하면 관측 가능하지 않다는 문제를 가지고 있는 사망까지 남은 시간을 성공적으로 대체할 수 있음을 보였다.
