최근 ICT 기술의 발달로 고성능 컴퓨팅과 데이터 저장 기술이 발전하고 다양한 데이터가 생성, 공유, 저장되는 것이 가능해짐에 따라 머신러닝을 활용하여 마케팅 인사이트를 얻는 사례가 크게 늘어났다. 본 연구는 마케팅 연구자들에게 머신러닝 기법의 기초적인 개념들을 소개하고 어떠한 마케팅 연구에 적용될 수 있는지 정리하여 머신러닝 연구를 활성화하는 데 목적이 있다. 먼저, 머신러닝의 기초적인 개념들과 머신러닝 방법론의 종류를 간략하게 소개한다. 그리고, 마케팅과 경영학의 최우수 저널에서 머신러닝을 다루는 연구를 찾아내어 여섯 가지 유형으로 정리하였는데, 그 유형들은 다음과 같다. 1) 머신러닝을 이용하여 데이터에서 마케팅 변수를 추출하여 다른 변수와의 관계를 살펴보는 연구, 2) 머신러닝을 이용하여 새로운 데이터를 활용하는 연구, 3) 새로운 방법론이나 현존하는 방법론의 개선을 제안하는 연구, 4) 머신러닝을 이용하여 마케팅 현상의 패턴을 설명하는 연구, 5) 머신러닝을 이용하여 마케팅 현상을 예측하고, 예측력 향상에 영향을 미치는 변수들을 살펴보는 연구, 6) 마케팅 문제에 대한 해결책을 제시하고 인과관계를 규명하는 연구이다. 마지막으로, 마케팅 분야에서 머신러닝 활성화를 위한 제언과 마케팅 연구자들을 위한 함의를 제공한다.

Machine learning methods have gained popularity in marketing academia due to the proliferation of ICT technology. This research aims to introduce marketing academics to methods in machine learning and how they can be applied to research in marketing. We first introduce basic concepts and methodologies in machine learning. Then we examine a list of literature from top marketing and business journals, identify a list of papers that apply machine learning, and categorize them into six types of research. (1) research which extracts marketing variables from data and examines the relationship with other variables, (2) research which uncovers ways to analyze new types of data, (3) research which proposes new methodologies or ways to improve current methodologies, (4) research which aims to describe patterns in marketing phenomena rather than identifying relationships between variables, (5) research which aim to predict marketing phenomena and identify variables that aid prediction, and (6) research which aims to tackle marketing problems and identify causal relationships. We conclude the study with a summary of the advantages and disadvantages of machine learning methods and implications for marketing academics.