Global Research Landscape of Artificial Intelligence in Marketing: A Bibliometric and Network Analysis

Motivation

• Known: AI는 머신러닝, NLP, 딥러닝 등의 기술로 고객 타겟팅, 예측 분석, 추천 시스템, 챗봇 등 마케팅 영역에서 광범위하게 적용되고 있다. 기존 문헌 검토는 특정 AI 기술이나 개별 응용에 제한된 범위를 가지고 있다.
• Gap: 마케팅 분야의 AI 연구에 대한 체계적인 bibliometric 분석이 부족하며, 주제별 클러스터, 지리적 분포, 협력 네트워크 구조에 대한 정량적 매핑이 미흡하다. 또한 마케팅에 특화된 AI 연구의 intellectual architecture에 대한 종합적 이해가 제한적이다.
• Why: AI 마케팅 연구가 급속히 성장하는 가운데 연구 경향, 영향력 있는 저작, 미개척 분야, 향후 연구 방향을 객관적 증거 기반으로 파악하는 것이 연구자와 실무자에게 중요하다. 이를 통해 이론 개발과 전략적 연구 계획 수립이 가능해진다.
• Approach: Scopus 색인 문헌에 대해 AI, 디지털 마케팅 관련 키워드로 검색하여 데이터셋 구축 후 VOSviewer와 Bibliometrix (R) 도구를 활용해 performance metrics, co-citation mapping, keyword co-occurrence, collaboration networks를 분석한다.

Achievement

• 지수적 성장 확인: AI 마케팅 연구가 exponential하게 증가하며 analytics에서 personalization을 거쳐 최근 generative AI로 주제 발전이 진행되고 있음을 규명
• 핵심 지표 식별: 미국, 중국, 인도가 주요 국가이며 상위 저널, 저자, 기관을 정량화
• 지적 클러스터 도출: Co-citation analysis를 통해 AI-based customer analytics, recommendation systems, marketing automation의 3개 주요 intellectual clusters 발견
• 신흥 연구 영역 발굴: Keyword co-occurrence 분석으로 generative AI, autonomous marketing systems, ethical AI 등 새로운 연구 영역 식별
• 협력 구조 분석: Core-periphery framework를 보이는 글로벌 협력 네트워크 구조 규명
• 실무 적용 지식: AI 기반 personalization, predictive analytics, marketing process automation 구현을 위한 실질적 지침 제공

How

• Scopus 데이터베이스에서 2010-2026년 기간 AI, digital marketing 관련 키워드로 문헌 검색
• 포함 기준(inclusion criteria)에 따라 데이터셋 정제 및 축약
• Performance metrics (annual publication trend, citation counts) 계산
• Co-citation network analysis로 intellectual clusters 도출
• Keyword co-occurrence analysis로 개념적 연관성과 신흥 주제 파악
• Collaboration networks 분석으로 저자, 기관, 국가 간 협력 구조 시각화
• VOSviewer와 Bibliometrix (R) 도구를 활용한 visualization 및 구조적 분석

Originality

• 마케팅 분야에 특화된 AI 연구의 첫 번째 포괄적 bibliometric 분석 수행
• Bibliometric analysis와 network analysis를 통합한 체계적 지도 작성으로 기존 narrative 문헌 검토의 한계 극복
• Co-citation network, keyword co-occurrence, collaboration network를 복합적으로 분석하여 다층적 지적 구조 규명
• 시계열 데이터를 통해 주제 발전 궤적(analytics → personalization → generative AI)을 실증적으로 추적

Limitation & Further Study

• Scopus 데이터베이스에만 국한되어 있어 다른 학술 데이터베이스(WoS, Google Scholar 등)의 문헌이 누락될 수 있음
• 2010-2026년 기간 설정이 미래 데이터를 포함하고 있어 현재 시점의 완전성 부족
• 키워드 기반 검색으로 인한 관련 문헌 누락 가능성
• 포함/제외 기준의 명확한 정의 부재로 재현성 제한 가능
• 정성적 내용 분석이 부족하여 문헌의 질적 차이를 반영하지 못함
• 향후 연구: 다중 데이터베이스 통합 분석, 시간 경과에 따른 주제 진화 추적, 새로운 AI 기술(generative AI, LLM)의 마케팅 영향 분석 필요

Evaluation

총평: 본 연구는 마케팅 분야 AI 연구의 현황을 bibliometric과 network analysis를 통해 체계적으로 매핑한 선도적 시도로, 연구 경향의 객관적 파악, 신흥 분야 발굴, 글로벌 협력 구조 분석을 통해 학계와 실무에 중요한 통찰력을 제공한다.