최근의 경영이슈는 기업경영에 있어서의 사회적 가치의 중요성이다. 그중에서 유통산업, 특히 가맹사업에서는 가맹본부와 가맹점 간의 관계에 있어서 사회적으로 상생할 수 있는 방법을 모색하려는 노력이 많다. 가맹사업은 경쟁력이 검증된 사업아이템을 일정한 비용을 받고 창업희망자들에게 제공하고 이들이 계속적으로 사업이득을 얻을 수 있게 도와주는 것이다. 가맹본부가 가맹점주 들 혹은 미래의 가맹점주 들에게 올바른 의사결정을 위한 정보를 알려주지 않고 무리한 요구를 해왔다고 사회적 이슈가 되고 있다. 문제를 해결하기 위해서는 관련된 정보를 정확히 알아야 하는데, 본사의 경쟁력이나 가맹점의 경영능력 등을 알기가 어렵고, 그들이 처한 경제상황적인 변수도 제대로 고려하지 않은 정보들은 실제 의사결정에는 크게 도움이 되지 않는다.
본 연구는 간단하지만, 보다 정확한 의사결정을 위해서 가맹본부와 가맹점포의 매출액을 설명하는 신경망 모델들을 전통적인 회귀분석과 함께 비교 제안하였다. 공정거래위원회의 가맹사업 정보공개서에 있는 3개년간의 자료들을 이용해서 외식, 서비스, 도소매로 가맹사업을 구분하고, 매년 23개씩의 반복되는 변수들을 독립변수로, 가맹점평균매출과 가맹본부매출을 종속변수로 두었다. 총 2459개의 표본 중 1967개를 학습표본 492개를 검정표본으로 삼았다. 2개년도의 자료로 3개년도차의 종속변수들을 예측하는 4개 모델들을 비교 제안하였다. 전통적인 선형회귀분석과 간단한 신경망, 은닉층이 4개있으며 산업 dummy가 처음과 중간 은닉층에 직접 영향을 미치는 깊은 은닉층, 앞의 년도의 은닉층이 뒤의 년도 은닉층에 영향을 미치는 Recurrent 신경망을 RMSE와 MAPE로 비교했는데, 깊은 신경망이 가장 좋은 결과를 보였다.
또, 신경망의 결과 중 변수중요도를 계산하는 새로운 방법을 두 개 제안하였다. 변수 중에는 가맹점매출에는 본사직원수, 신규개점이나 폐점 등 가맹점수, 과거가맹점매출평균 또 본사의 자산규모, 자본, 부채가 영향을 미치고 있다. 이외에도 기존의 가맹본부를 재무상태등을 기준으로 판단할 때 쓸 수 있는 방법과 새로 가맹점을 하려고 할 때 가맹본부들을 평가하는 방법들을 제시하였다.　
　
Social value in corporate management is getting attention. The retail industry, especially the franchise business, is eager to find ways to socially coexist in the relationship between franchisers and franchisees. The franchise business is to provide franchisee entrepreneurs with the proven business know-how at certain amount of fee and to help them continue to gain business benefits.
It is claimed that the franchiser has made unreasonable pushes without properly informing the franchisee or future franchisees for making the right decision. One needs to know the exact information in order to solve the problem. It is difficult to know the real competitiveness of the headquarters and the management ability of the franchiser.
In this study, neural network models that explain the sales of the franchiser and the average sales of franchisee stores are proposed and compared with traditional regression analysis in order to enable more accurate decision making. Using the three years" data in the Fair Trade Commission’s Franchisee Information Disclosure Documents, we divide franchise into service, food service, and retail industries, and 23 recurring variables are used as independent variables.
Of the total of 2459 samples, 1967 were used as training samples and 492 samples as testing samples. The traditional linear regression analysis, and the simple neural network, and the deep neural network with four hidden layers, and the recurrent neural network were used to compare on RMSE/MAPE of their predictions. It was judged that the optimal model is somewhere between the simple neural network and the deep neural network.
In addition, two new methods were proposed to calculate the importance of independent variables of neural networks. Among the variables, the number of employees, asset size, capital and debt of the head office are affecting the sales of franchiser. In addition, it suggested methods to judge existing franchiser based on their status of independent variables, and methods to evaluate the franchiser when attempting to open a new merchant for entrepreneur.