키워드 네트워크 분석을 활용한 피부 미용분야 연구동향 분석

Analysis of Research Trends in Skin Care using Keyword Network Analysis

Article information

J Korean Soc Cosmetol. 2022;28(6):1308-1317
Publication date (electronic) : 2022 December 29
doi : https://doi.org/10.52660/JKSC.2022.28.6.1308
Professor, Department of Cosmetology, Changshin University
오윤경,
창신대학교 미용예술학과, 교수
*Corresponding author: Yun-Kyoung Oh Tel : +82-55-250-1210 E-mail : yk212@cs.ac.kr

이 논문은 2022학년도 창신대학교 교내연구비에 의해 연구되었음(과제번호 창신-2022-026)

Received 2022 September 27; Revised 2022 November 6; Accepted 2022 November 20.

Trans Abstract

This study tried to examine the research trends related to skin care by using keyword network analysis on data extracted from the KCI journal D/B provided by the National Research Foundation of Korea. Text refinement was performed by extracting key words from a total of 504 papers published from 2011 to August 2022. The tools used for analysis are Textom and UCINET6. As a result, first, the keyword frequency was ‘cosmetics’ the most, followed by‘appearance management behavior’, ‘skin care shop’, ‘satisfaction’, ‘female’, ‘medical’, ‘service’, and ‘acne’. Second, as a result of examining the frequency of skin care related keywords according to the study period, the 1st period (2011-2016) and the 2nd period (2017-2022) both included ‘cosmetics’ as the keyword the most. In the second period, keywords such as ‘skin care shop’, ‘medical’, ‘aging’, and ‘acne’ appeared in high rankings. Third, keywords such as ‘cosmetics’, ‘satisfaction’, ‘skin care room’, ‘appearance management behavior’ and ‘service’ are keywords with high connection centrality, proximity centrality, and dominance centrality. It was confirmed that it was actively progressing.

I. 서 론

미용은 인체의 얼굴이나 두발 등을 손질하여 아름답게 가꾸는 것으로 공중위생관리법에 의하면 미용업은 ‘손님의 얼굴, 머리, 피부 및 손톱·발톱 등을 손질하여 손님의 외모를 아름답게 꾸미는 영업’을 말하여 일반미용업, 피부미용업, 네일미용업, 화장·분장미용업 등으로 구분하고 있다. 미용은 사회적 커뮤니케이션과 개성표현의 수단으로 활용되고 있으며 경제, 문화, 과학기술이 발달하면서 미용산업은 급성장하였고 교육기관이 증대하고 이론적 체계를 갖추면서 실기중심의 실용학문에서 지금은 중요한 학문분야로 자리매김하고 있다(Kim & Na, 2014). 우리나라의 미용교육은 1 92 8년 K미용학교의 설립으로부터 시작되었으며 1948년 제1차 미용사 자격시험이 실시되었다. 1991년 전문대학을 시작으로 미용학과가 개설되었고 1999년에 전국 최초로 학사과정이 신설되었으며 이후 1997년에 석사과정, 2005년에 박사과정이 개설되었다. 미용관련 학회지는 1992년 발족된 한국미용학회가 1995년 1권 1호를 발행하여 2 009년부터 한국과학재단 등재지로 등록되기 시작하였고 2022년 현재 6개의 학회지가 등재학회지로 등록되어있다. 이와 같이 석·박사 학위자가 배출되고 학회가 설립되면서 미용분야의 연구활동이 활발하게 진행되고 학문적 발전을 이루고 있다(Baek & Kim, 2009).

한국연구재단 한국학술지인용색인(www.kci.go.kr) 학술지에 게재된 ‘미용’ 관련 연구는 7,100여건에 달하며 1977년부터 2006년까지는 총 2 41편으로 검색되는 반면, 2007년부터는 매해 230편 이상의 논문이 발간되었고 2018년부터는 500편 이상의 논문이 발간되고 있어 미용분야가 중요한 학문분야로 자리매김하고 있음을 알 수 있다. 현재 학회는 대부분 헤어, 피부, 메이크업, 네일 등의 분야로 세분화하여 전문성을 강화하고 있는 추세인데 피부와 관련된 논문 역시 매해 증가하고 있다. 이처럼 미용과 관련된 연구가 누적되면서 연구성과를 체계적으로 종합하고 분석하는 연구동향 분석이 활발히 이루어지고 있다. 연구동향 분석은 선행연구의 경향성을 파악함으로써 기존 연구의 가치를 재평가하고 향후 해당 분야에서 수행되어야 할 연구와 방향성을 제시하는데 유용한 정보를 제공할 수 있다(Choi, 2019). 미용분야의 세부 전공별 연구동향 연구를 살펴보면 헤어 분야(Hur, 2007; Kim & Na, 2014), 메이크업 분야(Cho & Shin, 2011), 피부분야(Pyeon et al., 2010; Song et al., 2016)에 관한 연구가 있으며, 학회지의 연구동향과 관련하여 한국미용학회지(Baek & Kim, 2009; Kim & Youn, 2014), 한국인체미용학회지(Kim, 2020)의 연구동향 분석연구가 있다.

최근 연구동향 분석에 키워드 네트워크 분석(Keyword Network Analysis)을 활용하는 연구가 증가하고 있는데, 이것은 해당 학문분야의 연구경향을 총체적으로 분석하는데 유용한 방법으로 연구동향 및 지적구조를 객관적으로 분석할 수 있고 기존 내용분석 방식보다는 분석결과를 보다 시각적으로 도출, 확인할 수 있다는 장점이 있다(Kim et al., 2017; Lee 2019). 미용분야에서도 네트워크 분석을 활용하여 연구동향 분석이 이루어지고 있으나 피부 미용분야 연구에서 주제어를 추출하여 연구의 동향을 살펴본 연구는 전무하다. 피부 미용은 신체의 피부를 아름답게 유지, 보호, 개선하기 위하여 화장품, 미용기기, 수기를 활용하여 적합한 관리를 하는 것(Lee & Noh, 2021)으로 피부미용업은 경제성장에 더불어 고부가가치 산업으로 자리매김하고 있다. 2008년 미용사(피부) 자격은 미용사(일반)에서 분리되어 전문성을 더욱 강화하였고 2011년 이후부터는 전 시기에 비해 피부 미용 석·박사 학위논문이 급격하게 늘어나(Song et al., 2016) 학문적으로도 양적, 질적 성장을 이루고 있다.

키워드 네트워크 분석을 통해 피부 미용분야의 연구동향을 분석하는 것은 이 영역의 핵심적인 연구주제, 전반적인 특징과 구조를 파악하는 데 도움이 될 것이며 기존의 내용분석 방법과는 달리 연구자의 주관성을 최소화하며 개념들과의 관계를 파악하고 시각화할 수 있을 것이다.

따라서 본 연구는 최근 12년간 피부 미용과 관련된 논문의 주제어 분석을 통해 핵심적 연구주제를 파악하고 키워드 간 구조적 특징과 관계를 살펴봄으로써 피부 미용 분야의 연구동향에 대한 기초자료를 제공하고 향후 연구방향에 시사점을 제시하고자 한다.

II. 이론적 배경

1. 네트워크 분석

텍스트 마이닝(Text Mining)은 비형식적이고 비구조화된 텍스트로부터 필요하고 유용한 정보를 추출하는 기술을 의미하는데, 이는 자연어처리(Natural language processing: NLP)와 형태소 분석 기술을 기반으로 단어 매트릭스를 구성하여 빈도수를 분석하고, 정보와 텍스트 간의 관련성에서 새로운 지식을 찾아 빅데이터의 추가 분석을 지원하는 역할을 수행한다(Lee, 2019). 이러한 텍스트 마이닝에는 프로파일링, 토픽 모델링, 문헌 클러스터링 등 다양한 기법이 존재하고 그 중 하나가 텍스트 네트워크 분석(Text Network Analysis)이다. 텍스트 네트워크 분석은 의미연결망 분석(Semantic Network Analysis), 언어 네트워크분석(Semanticl Network Analysis), 키워드 네트워크분석(Keyword Network Analysis) 등으로 불리며 최근 새로운 연구방법론으로 부각되고 있다.

키워드 네트워크분석(Keyword Network Analysis)은 언어로 된 텍스트를 분석 대상으로 하여 그 내용을 분석하는 방법으로 특정 키워드와 동시에 출현하는 키워드를 볼 수 있고, 중심역할을 하는 키워드를 분석함으로써 학문 영역의 핵심적인 연구 주제를 파악하고 학문의 지적구조를 잘 확인할 수가 있다(Choi & Park, 2011). 네트워크 분석은 UNICET, NetMiner, NodeXL, R의 SNA 패키지 등의 분석도구를 활용하여 분석하는데 주로 시각화 분석과 분석지표에 의한 분석을 한다. 네트워크 분석지표에서 중에서 가장 많이 사용되는 지표로 중심성(centrality)지표가 있는데 이는 한 노드가 전체 네트워크서 중심에 위치하는 정도를 표현하는 지표이다. 중심성 분석을 통해서 전체 네트워크에서 중요한 역할을 하는 키워드가 무엇인지 파악할 수 있는데(Lee, 2006; Lee, 2012) 주로 연결 중심성, 근접 중심성, 매개 중심성, 위세 중심성으로 구분된다. 연결 중심성은 한 노드가 얼마나 많은 다른 노드들과 연결되어 있는지 측정하는 지표이며, 링크의 수가 많을수록 연결중심성이 높아지고 근접 단어들로 쉽게 확산될 수 있어 그만큼 영향력이 있다고 해석할 수 있다. 근접 중심성은 특정한 노드에 다른 노드가 얼마나 가깝게 분포해 있는지 파악할 수 있는 지표로 네트워크의 간접적인 연결까지 고려되는 척도이다. 매개 중심성은 한 노드가 다른 노드들 간의 네트워크 관계에 있어서 중개자 또는 매개자 역할을 얼마나 수행하는지 측정하는 지표로 수치가 높을수록 네트워크 내의 정보의 흐름에 높은 통제력을 지니게 된다. 위세중심성은 한 노드의 영향력 또는 중요도를 측정하는 것으로 핵심단어를 찾는데 주로 사용된다(Park & Park, 2020).

텍스트를 추출하는 방법은 제목, 주제어, 초록 등 다양한데 이 연구에서는 키워드(주제어)에서 추출하였다. 논문에서 주제어는 연구의 목적이나 핵심 주제가 잘 드러나도록 연구자가 신중하게 결정하여 논문에 제시하므로 연구동향을 분석하기에 적합하다고 판단된다.

2. 피부 미용분야 연구동향 선행연구

피부 미용분야의 연구동향과 관련된 선행연구를 살펴보면 학위논문·학술지의 연구동향 파악, 특정 학술지의 연구동향 분석, 피부 미용과 관련된 특정영역의 연구동향을 분석한 연구로 구분된다. 학위논문을 분석한 연구로, Song et al.(2016)은 2001년~2015년 발표된 74편의 국내 석·박사학위논문을 대상으로 피부 미용관련 연구동향을 내용분석 하였는데 그 결과 교육과 관련된 논문이 가장 많고 피부미용실, 피부미용사, 피부관리 순으로 나타났다고 하였다. Lee & Kim(2019)은 피부미용사 기술자격제도 시행 이후인 2009년부터 6년간 주요 미용학회지 논문을 중심으로 피부미용에 관한 동향 분석 연구하였는데 한국미용학회지가 가장 많은 논문을 수록하였고, 피부관리, 피부 상태, 마사지, 안면관리와 관련된 주제가 많았다고 하였다.

텍스트 네트워크 분석을 활용하여 특정학술지의 연구동향을 분석한 선행연구를 살펴보면, 주로 논문제목을 활용하여 계량 서지학적 분석을 하였는데 Kim & Yun(2014)은 1995년~2012년 한국미용학회지에 발표된 1318건의 논문을 대상으로 연구 동향을 분석한 결과 피부 분야는 피부, 피부미용, 비만, 마사지, 스트레스, 아로마, 항산화, 여드름 등의 단어 출현 빈도가 높았다고 하였다. Kim et al.(2016)은 2008년~2019년 한국인체미용예술학회지에 수록된 논문 792편을 분석한 결과 피부 분야에서는 피부, 신체, 피부관리실, 마사지, 발 등에 해당하는 단어가 주요 이슈로 도출되었다고 하였다.

피부 미용과 관련된 특정영역의 연구동향을 분석한 선행연구를 살펴보면 Bea & Kim(2015)는 아로마 분야의 연구동향에 대한 계량서지학적 분석을 통해 연구방법으로 ‘효과연구’가 가장 많았으며 연구대상자는 환자, 여성, 중년여성 순이었고 분류체계에서는 심리적 기능, 의학적 기능, 피부미용 기능 순이라고 하였다. Beak & Ju(2021)는 미용기기에 대한 사회적 인식 변화를 알아보기 위해 2010년∼2021년까지 미용기기에 대한 뉴스기사를 수집하였고, 빈도분석, 의미연결망분석, 토픽모델링분석, 감성분석을 통해 다양한 형태의 첨단 미용기기 개발의 필요성과 소비자의 반응을 확인할 온라인 마케팅의 중요성을 시사하였다. Kim & Kim(2015)는 1967년~2013년까지 화장품 산업 관련 국내 석·박사 학위 논문 1496건을 대상으로 계량서지학적 분석을 하였으며 출현단어 빈도수는 화장품이 가장 많고 구매형태, 브랜드, 소비자, 한국, 광고전략 순으로 높았으며 단어 분류에 따라 체계화한 결과 화장품 산업의 소비, 생산, 경영 순으로 관련된 출현 단어의 빈도가 높았다고 하였다.

III. 내용 및 방법

1. 분석대상

본 연구의 데이터는 한국학술지인용색인(www.kci.go.kr) 학술지 D/B를 활용하여 수집되었으며, ‘피부미용 or 피부관리 or 스킨케어’라는 검색어를 중심으로 자료를 수집하였다. 수집기간은 피부미용관련 논문의 수가 상대적으로 증가하기 시작한 2011년부터이며 202 2년까지 8월까지 최근 12년간으로 등재학 회지에 발표된 눈문으로 한정하였다(검색기간 2022. 9. 5~2022. 9. 10). 1차 수집된 논문은 1,022편이었으나, 이 중 의약학(256편), 공학(74편), 농수해양(14편) 분야 논문을 제외하였고 예술체육, 복합학 등을 포함한 678편의 논문 중 ‘패션제품 개발’이나 ‘네일 관리’, ‘퍼스널 컬러’ 등과 같이 연구주제와 연관성이 낮은 논문 174편을 제외한 504편을 최종 분석대상으로 선정하였다. 선정된 논문이 발표된 학회는 한국미용학회지(167편)가 가장 많았고 아시안뷰티화장품학술지(85편), 한국인체미용예술학회지(53편), 대한미용학회지(31편) 순으로 나타났다.

분석대상으로 선정된 피부 미용관련 논문의 출판연도별 연구동향을 살펴보면 Table 1과 같다. 피부 미용관련 논문은 2011년부터 등재학술지에 매년 35편 이상씩 발표되고 있으며 2015년 58편으로 가장 많이 나타났고 2017년 35편으로 가장 적었다(2022년 제외).

Trends by publication year in the field of skin care N(%)

2. 분석 방법 및 절차

1) 키워드 네트워크 분석도구

수집된 자료의 데이터 정제는 (주)더아이엠씨에서 개발한 Textom(2022)을 활용하였다. 그리고 피부 미용관련 논문에서 나타난 주제어들 간 키워드 네트워크 분석을 수행하기 위해 UCINET6(Freeman, 2017)와 NetDraw를 활용하였다(Lee, 2022; Borgatti, Everett, & Johnson, 2016; Hwang & Lee, 2017).

2) 데이터 처리

데이터 추출을 위해 수집된 504편 논문의 키워드(주제어)를 추출하였다. 연구자가 지정한 논문의 키워드는 중복을 포함하여 총 1,284개가 추출되었는데 키워드 네트워크 분석의 정확성을 높이고 결과에 대한 명확한 해석을 위해 데이터 정제를 실시하였다. 추출된 키워드 중 영문으로만 표기된 주제어는 한글로 바꾸었고 Textom에서 수집된 키워드를 중심으로 텍스트 마이닝(text mining)을 실시하였는데 이때 복합명사, 고유명사를 그대로 결과 값에 반영하는 Espresso K 방식을 채택하였다. 추출된 키워드에서 검색어로 활용한 ‘피부미용’과 ‘피부관리’, 그리고 ‘스킨케어’는 대체로 모든 데이터에서 공통적으로 내포하는 키워드이므로 네트워크의 구조적 속성과 중심성 분석에서 의미부여가 어려울 것으로 판단되어 제거하였고 ‘수’, ‘피’와 같이 한음절로 된 키워드도 삭제하였다. 그리고 ‘피부관리사’, ‘피부종사자’와 같은 유의어는 ‘피부미용사로’로 바꾸었고 ‘피부유형’과 ‘피부타입’은 ‘피부타입’으로 통일하였다. 그리고 ‘서비스 품질’, ‘재방문 의도’ 등은 띄어쓰기를 붙이는 것으로 통일하였다. 수집된 데이터의 정제 기준 예시는 Table 2와 같다.

Data Processing Standards

3) 자료분석

키워드 네트워크 분석을 실시하기 위해 정제된 데이터를 바 탕으로 피부 미용관련 키워드에 대한 빈도분석을 실시하였고 100×100 1-mode 매트릭스 데이터 셋을 작성하였다. 본 연구에 서 수행한 키워드 네트워크 분석 절차는 다음과 같다. 첫째, 피 부 미용관련 키워드 간의 구조적 속성을 파악하기 위해 노드수, 밀도, 평균연결강도, 평균연결거리, 컴포넌트수, 지름, 네트워 크 집중도 등을 살펴보았다. 둘째, 키워드 네트워크의 추정된 밀도가 우연에 의한 것이 아님을 통계적으로 검정하기 위해 부 트스트랩을 활용한 단일표본 평균차이 검정을 실시하였다. 셋 째, 키워드 네트워크 내 키워드들의 중심성(centrality)이 어떠 한 양상으로 나타나는지를 살펴보기 위해 연결중심성, 근접중 심성, 매개중심성, 위세중심성을 분석하였다.

IV. 결과 및 고찰

1. 피부 미용관련 키워드에 대한 빈도 분석

1) 2011-2022년 기간의 피부 미용관련 키워드 빈도

한국연구재단에서 제공하는 KCI 학술지 D/B를 활용하여 피부 미용관련 키워드를 수집하여 정제하였으며, 이 중 빈도 상위 64개(출현빈도 5이상) 키워드를 최종 네트워크 분석대상으로 선정하였다. 최종 분석대상으로 선정된 주제어들 중 출현빈도 11회 이상의 키워드를 중심으로 워드클라우드를 활용하여 시각화하면 Fig. 1과 같다.

Fig. 1.

Word cloud for skin beauty related keywords(occurrence frequency of 11 or more)

피부 미용관련 키워드에 대한 빈도분석 결과(Table 3) ‘화장품(71회)’이 가장 높은 빈도로 나타났으며, 그 다음으로 ‘외모관리행동(31회)’, ‘피부관리실(31회)’, ‘만족(30회)’, ‘여성(25회)’, ‘메디컬(24회)’, ‘서비스(23회)’, ‘여드름(23회)’, ‘산업(23회)’, ‘고객만족(19회)’, ‘직무만족(16회)’, ‘피부관리행동(16회)’, ‘노화(16회)’, ‘중년여성(13회)’, ‘선호(12회), ‘외모(12회)’, ‘서비스품질(12회)’, ‘교육과정(12회)’, ‘대학(12회)’, ‘피부미용사(11회)’, ‘스트레스(11회)’, ‘남성(11회)’, ‘자아존중감(11회)’, ‘항산화(11회)’, ‘프로그램(11회)’, ‘직무(11회)’, ‘태도(11회)’, ‘라이프스타일(11회)’ 등의 순으로 나타났다. 이상의 결과를 살펴보면, 피부 미용관련 연구는 화장품 키워드가 2, 3번째 순위의 키워드보다 빈도수가 두 배 이상 많아 피부 미용과 관련하여 매우 활발하게 연구가 진행되었음을 알 수 있었고 외모관리행동, 피부관리행동, 외모, 자아존중감 등 피부관리행동 및 영향요인에 관한 주제어의 빈도도 높게 나타났다. 그리고 피부관리실, 메디컬, 서비스, 서비스 품질, 프로그램, 고객만족, 선호 등 피부미용 서비스와 환경에 대한 고객 반응과 관련된 키워드의 빈도도 높아 이러한 연구도 많이 진행되어 왔음을 알 수 있었고 피부미용사, 직무만족, 스트레스, 직무 등과 같이 피부미용사를 주제로 한 연구도 꾸준히 진행되어 왔음을 알 수 있었다. 연구의 대상에 해당하는 키워드로는 여성이 가장 빈도가 높았고 중년여성, 남성 등의 순으로 나타났다. 그 외에도 여드름, 노화와 같이 피부상태와 관련된 키워드나 교육과정, 대학과 같이 교육관련 키워드도 중요한 이슈로 등장하였다. 이와 같이 피부 미용 연구는 피부관리행동, 피부관리 환경과 서비스, 피부미용사, 피부상태, 교육 등과 관련된 다양한 키워드(주제어)를 중심으로 연구가 이루어지고 있다.

Frequency analysis of keywords related to skin beauty

선행연구에서 Kim & Yun(2014)은 1995년~2012년 한국미용학회지에 수록된 논문의 계량서지학적 분석을 한 결과 출현단어 빈도에서 영향연구(193회)가 가장 많았고 여성, 비교분석 등의 단어가 많이 나타났다고 하였다. 이는 Kim & Yun(2014)의 연구가 논문의 제목에서 단어를 추출하고 본 논문은 주제어에서 단어를 추출하여 결과에 차이가 있었는데 키워드 추출의 경우 연구방법, 대상자에 관한 단어는 키워드에 나타나지 않는 경향 때문으로 생각된다. 피부 분야와 관련하여 피부, 피부미용, 비만, 마사지, 스트레스, 아로마, 항산화, 여드름, 피부관리실 등의 단어의 출현빈도가 높게 나타났다고 하여 본 연구와 순위는 다르지만 공통된 단어는 많았다.

Lee & Noh(2021)는 2011년~2020년 헤어관련 석사학위논문에서 헤어심리(21%), 스타일 및 기법연구(17.7%), 헤어실태(13.5%) 연구를 주제로 한 연구가 많이 등장하여 피부 미용분야 연구동향과는 차이가 있었다.

2) 연구시기에 따른 피부 미용관련 키워드 빈도

피부 미용관련 연구가 급격하게 늘어난 2 011년부터 현재(2022년)까지의 기간을 1기(2011년~2016년)와 2기(2017년~2022년)로 나누어 비교적 최근의 연구동향과 그 이전의 연구동향을 비교하였다. 조사기간에 따른 키워드 빈도 차이를 살펴본 결과 1기는 ‘화장품(47회)’의 빈도가 가장 많았고 ‘외모관리행동(25회)’, ‘만족(21회)’, ‘피부관리실(15회)’, ‘산업(14회)’, ‘여성(13회)’, ‘고객만족(13회)’, ‘여드름(12회)’, ‘서비스(11회)’ 등의 순으로 나타났다. 2기도 ‘화장품(24회)’ 키워드가 가장 많이 나타났고 ‘피부관리실(16회)’, ‘메디컬(14회)’, ‘서비스(12회)’, ‘여성(12회)’, ‘여드름(11회)’ 등의 순으로 나타났다. 1, 2기 모두 화장품이 키워드로 포함된 연구가 가장 많았고 외모관리행동, 만족, 산업, 고객만족 등의 키워드가 두드러진 1기에 비해 2기는 피부관리실이나 메디컬, 여드름 등의 키워드가 높은 순위에 랭크되었다. 1기에 등장 빈도가 높았던 교육과정, 필링, 피부관리행동, 중년여성 등은 순위에 랭크되지 않았고 노화, 직무, 피부관리사가 높은 순위로 등장하였다. 이와 같은 결과는 최근 메디컬 내 에스테틱의 활성화와 여드름, 노화 피부 등 특수 피부관리에 대한 관심이 높아진 결과로 해석되며 또한 외모관리행동, 피부관리행동 등 개인의 관리행동에 관한 연구 주제에서 피부관리실, 서비스, 피부미용사, 직무 등 피부 미용서비스 주체 및 환경에 대한 주제로 연구가 많이 이루어지고 있다고 할 수 있다. 그리고 1, 2기의 연구 편수는 비슷한데 2기의 경우 상위에 랭크된 주제어의 빈도수가 1기에 비해 낮게 나타나 최근에는 특정 주제어보다는 다양한 주제어를 중심으로 연구가 이루어지고 있다고 해석할 수 있다.

선행연구에서, Song et al.(2016)은 국내 피부 미용관련 학위 논문의 주제별 연구동향을 살펴본 결과 본 연구의 1기에 해당하는 2011년~2015년에는 피부미용교육(14편), 피부미용실(13편), 피부미용사(9편)을 주제로 한 논문이 많아 미용교육과정에 대한 평가와 피부미용 서비스나 경영에 대한 관심이 높아지고 있다고 하였는데 이 연구에서 ‘만족’, ‘피부관리실’, ‘산업’ 등이 키워드가 등장한 것과 유사하다고 하겠다. Kim(2020)은 한국인체미용예술학회에 수록된 논문의 계량서지학적 분석을 통해 본 연구의 2기와 유사한 기간인 2016년~2019년에 만족, 서비스에 해당하는 단어와 서비스 만족의 후속 행위로 연계되는 재구매, 추천의도와 같은 단어의 출현빈도가 높게 나타났다고 하였는데 이 연구에서도 ‘서비스(12회)’, ‘만족(9회)’이 상위에 순위하고 있어 유사한 결과라 할 수 있다.

Frequency analysis of keywords related to skin beauty

2. 피부 미용관련 키워드에 대한 키워드 네트워크 분석

1) 피부 미용관련 키워드에 대한 전체 네트워크 구조

피부 미용관련 키워드에 대한 네트워크 구조의 속성을 살펴본 결과 노드는 64, 밀도는 0.138, 평균연결강도는 8.719, 평균 연결거리는 2.131, 컴포넌트는 3, 지름은 4, 네트워크 중심도는 9.384%로 나타났다. 분석대상으로 선정된 키워드들 중 빈도분석 상위 64개 키워드를 중심으로 시각화하면 Fig. 2와 같다. 이와 같은 결과는 하나의 키워드가 평균 2.13개의 다른 키워드와 연결되어 있으며 최대 4개의 키워드를 거치면 모든 키워드가 연결된다는 것을 의미한다.

Fig. 2.

Network structure for skin care related keywords

2) 피부 미용관련 키워드에 대한 전체 네트워크의 통계적 유의성 검증

피부 미용관련 키워드에 대한 전체 네트워크 유의성을 검정하기 위해 부트스트랩 기법을 활용한 단일표본 평균 차이 검정을 실시하였다. 이는 모집단 네트워크의 밀도와 추출된 표본 네트워크의 밀도에 차이가 있는지를 검정하는 분석 기법으로 표본의 밀도 평균이 통계적으로 유의한 차이를 보이는지를 검증하였다(Kim et al., 2016). 부트스트랩 기법을 활용하여 피부 미용에 대한 전체 네트워크의 통계적 유의성을 검정한 결과 네트워크 데이터의 표본분포의 평균은 0 .2 309였으며, 표준오차(SE)는 0.0365, Z=6.2386로 검정통계량이 Z-score의 절대값보다 높게 관찰될 확률이 0.0002로 5% 유의수준에서 네트워크 내 데이터들 간의 관계는 통계적으로 유의한 것으로 나타났다.

3) 피부 미용관련 키워드에 대한 중심성 분석

피부 미용관련 키워드에 대한 네트워크 속성을 살펴보기 위해 중심성 분석을 실시하였으며 서로 다른 네트워크 간의 비교가 용이하도록 표준화된 값을 활용하였다. 상위 20개 키워드를 중심으로 결과를 제시하면 Table 5와 같다.

Centrality analysis of keywords related to skin care

먼저 연결중심성은 하나의 키워드가 다른 키워드들과 일차적으로 연결된 정도로 값이 클수록 전체 네트워크 구조에서 많은 연결을 가지며 다른 키워드들과 비교하여 중심적인 역할을 하는 것으로 해석할 수 있다(Park & Park, 2020). 결과를 살펴보면, 키워드들 간 가장 많은 상호작용을 하고 있는 키워드는 ‘화장품(10.989)’으로 나타났으며, 그 다음으로 ‘만족(7.204)’, ‘피부관리실(4.762)’, ‘외모관리행동(3.785)’, ‘서비스(3.663)’, ‘고객만족(2.686)’, ‘서비스품질(2.686)’, ‘노화(2.686)’, ‘외모(2.564)’, ‘프로그램(0.564)’ 순으로 나타났다. 이러한 키워드들은 주변 노드들과 가장 넓은 네트워크를 형성함으로써 허브역할을 하는 키워드로 볼 수 있다. 이 중 ‘만족’, ‘서비스’, ‘고객만족’, ‘서비스품질’, ‘노화’, ‘외모’, ‘프로그램’ 등은 주제어 출현빈도 순위보다 상승한 키워드들로 다른 키워드들과 연결의 중심역할을 하는 단어들이라고 할 수 있다.

다음으로 네트워크 내에서 간접적인 연결까지 고려하여 노드 간 거리를 측정하는 근접중심성 분석 결과, 다른 키워드들과 가장 가까운 거리를 유지하고 있는 키워드는 ‘화장품(0.746)’으로 나타났으며, 그 다음으로 ‘만족(0.693)’, ‘여성(0.651)’, ‘피부관리실(0.635)’, ‘외모관리행동(0.619)’, ‘서비스(0.619)’, ‘메디컬(0.590)’, ‘산업(0.590)’, ‘여드름(0.569)’, ‘외모(0.569)’ 순으로 나타났다. 이 중 ‘만족’, ‘여성’, ‘외모’ 등은 빈도 순위보다 상승한 키워드들로 다른 키워드들과의 근접성이 더 강한 속성을 나타낸다.

한편, 매개중심성 분석 결과 여러 키워드들 사이에서 가장 큰 매개자 역할을 하고 있는 키워드로는 ‘화장품(21.784)’으로 나타났으며, 그 다음으로 ‘만족(13.369)’, ‘여성(7.177)’, ‘여드름(6.673)’, ‘피부관리실(5.678)’, ‘서비스(4.965)’, ‘산업(4.677)’, ‘외모관리행동(3.539)’, ‘선호(3.022)’, ‘메디컬(2.861)’ 순으로 나타났다. 이러한 키워드들은 다른 키워드들 가운데에서 중재자 역할을 하는 키워드들로 볼 수 있다. 특히 ‘만족’, ‘여성’, ‘여드름’, ‘선호’ 등은 빈도 순위보다 상승한 키워드들로 네트워크 내 다른 키워드들보다 상대적으로 높은 매개효과를 보이고 있음을 의미한다.

끝으로 위세중심성 분석 결과 주변에 중심성이 높은 키워드들과 가장 긴밀한 관계를 맺고 있는 키워드는 ‘화장품(0.556)’으로 나타났으며, 그 다음으로 ‘만족(0.430)’, ‘노화(0.235)’, ‘피 부관리실(0.192)’, ‘서비스(0.192)’, ‘외모관리행동(0.172)’, ‘여성(0.172)’, ‘메디컬(0.170)’, ‘외모(0.123)’, ‘서비스품질(0.116)’ 순으로 나타났다. 이러한 키워드들은 다른 키워드의 중심성에 의해 상대적으로 높게 평가된 키워드들로 볼 수 있다. 특히 ‘만족’, ‘노화’, ‘외모’, ‘서비스품질’ 등은 빈도 순위보다 상승한 키워드들로 다른 키워드들보다 높은 영향력을 가진 키워드들과의 연결강도가 상대적으로 높음을 의미한다.

이상의 결과에서, 화장품 키워드는 연결중심성, 근접중심성, 매개중심성, 위세중심성이 모두 높게 나타나 피부 미용과 관련하여 다른 키워드들과 연결강도가 매우 높음을 알 수 있었다. Kim & Kim(2015)은 1,496편의 화장품 관련 논문의 제목을 분석한 결과 생산과 관련된 단어가 1,555개, 소비 2,113개, 경영 1,112개, 화학적 과학 703개, 물리적 과학 326개가 도출되었고 화장품 키워드는 산업과 과학 영역에서 다양하게 연구되고 있다고 하였다. 피부 미용 분야에서도 화장품을 주제어로 한 연구는 중국 여성의 화장행동과 화장품의 구매 동기, 구매 만족도에 관한 연구(Kim, 2019)나 화장품 판매원의 감정노동에 따른 직무스트레스와 이직의도에 관한 연구(Jo & Chang, 2015), 화장품 추출물의 성분 조성과 함량분석 연구(Jang, 2021) 등 고객의 만족도, 판매원의 직무, 추출물의 성분과 관련된 주제어들과 다양하게 연계되어 연구되고 있다. 화장품 다음으로 만족 키워드가 4가지 중심성이 모두 높게 나타났는데 피부 미용분야 연구에서 대학생의 전공 만족에 관한 연구(Oh, 2015), 피부관리실의 마케팅과 직원의 직무 만족(Kim & Kim, 2021) 등 만족 키워드는 교육, 종사자, 서비스 이용과 관련된 주제어들과 연결되어 중심 역할을 하고 있다.

V. 결 론

본 연구는 한국연구재단에서 제공하는 KCI 학술지 D/B에서 추출한 자료를 대상으로 키워드 네트워크 분석을 활용하여 피부 미용관련 연구동향을 살펴보고자 하였다. 연구 결과를 요약하고 결론을 도출하면 다음과 같다.

첫째, 2011~2022년 기간의 피부 미용관련 논문은 매년 35편 이상 발표되고 있으며 주제어(키워드) 빈도를 살펴본 결과 ‘화장품’이 가장 많이 등장하였고 ‘외모관리행동’과 ‘피부관리실’, ‘만족’, ‘여성’, ‘메디컬’, ‘서비스’, ‘여드름‘과 같은 주제어의 빈도가 높았다. 피부관리 재료 및 도구에 관한 키워드는 ‘화장품’, ‘추출물’, ‘아로마’, ‘피부미용기기’와 같은 단어의 출현빈도가 높았고 피부 미용 행동과 관련된 키워드는 ‘외모관리행동’, ‘피부관리행동’, ‘구매행동’, ‘피부건강관리’, ‘사용실태’와 같은 단어가 많았다. 피부관리실이나 서비스와 관련해서 ‘고객 만족’, ‘선호’, ‘서비스품질’, ‘메디컬’과 같은 단어가 주제어로 많이 등장하였으며 피부 미용 교육과 관련하여 ‘교육과정’, ‘대학’, ‘재교육’ 같은 단어의 출현빈도가 높았다. 연구대상이 키워드로 나타나기도 하였는데 그 중 ‘여성’의 빈도가 가장 높았고 ‘중년여성’, ‘남성’ 순이었다. 이상과 같이 피부 미용과 관련된 연구는 재료 및 도구, 행동, 서비스, 교육 등 다양하게 이루어지고 있음을 알 수 있다. 그러나 정보통신기술(ICT)의 융합으로 제4차 산업혁명시대가 도래하고 다양한 산업 분야가 혁신되어가고 있는 현 시점에서 새로운 분야와 융합·확장된 연구가 이루어지고 이와 관련된 키워드도 향후 많이 등장해야할 것으로 생각된다.

둘째, 연구시기에 따른 피부 미용관련 키워드의 빈도를 살펴본 결과, 1기(2011년~2016년), 2기(2017년~2022년) 모두 ‘화장품’이 키워드로 포함된 연구가 가장 많았다. 반면에 1기에는 ‘외모관리행동’, ‘만족’, ‘산업’, ‘고객만족’과 같은 단어가 두드러졌고 2기에는 ‘피부관리실’, ‘메디컬’, ‘노화’, ‘여드름’ 등의 키워드가 높은 순위로 등장하여 메디컬 케어, 기술의 발달과 항노화에 대한 연구가 활발하였음을 알 수 있었다. 그리고 1기에는 상위에 랭크된 단어의 출현빈도가 많아 동일한 키워드가 사용된 논문이 많은 것으로 추정되는 반면 2기는 각 단어의 출현빈도가 비교적 적어 논문의 주제가 다양하게 이루어졌다고 할 수 있다.

셋째, 피부 미용관련 키워드에 대한 네트워크 분석을 실시한 결과 키워드 간의 구조적 관계를 시각적으로 확인할 수 있었다. 중심성 분석을 통해 키워드 간 속성을 알아본 결과 ‘화장품’이 4가지 중심성 모두 가장 높은 값을 나타내 피부 미용관련 연구에서 중요한 주제로 다루어지고 있음을 알 수 있었다. ‘화장품’외 ‘만족’, ‘피부관리실’, ‘외모관리행동’, ‘서비스’와 같은 키워드는 연결중심성, 근접중심성, 우세중심성이 모두 높은 키워드로 이러한 주제를 중심으로 피부 미용관련 연구들이 활발히 진행되고 있음을 확인할 수 있었다. 그리고 ‘만족’, ‘여성’, ‘여드름’, ‘피부관리실’, ‘서비스’와 같은 키워드는 매개중심성이 높게 나타나 변수들 사이의 중재자, 매개자 역할을 하며 다양한 주제로 확장되어 왔음을 알 수 있었다.

본 연구는 최근 12년간의 피부 미용과 관련된 연구의 키워드 네트워크 분석을 통하여 연구의 변화과정을 파악하고 키워드간 구조적 관계를 탐색하였다는 데 의의가 있고 연구자가 정한 범주에서 수량적 경향성을 파악한 기존의 연구동향 연구나 서지(제목)에 출현한 단어로 네트워크 분석을 실시한 연구와는 차별이 된다. 그러나 연구의 한계점으로 국내 등재학술지 D/B만을 활용하여 미발표된 학위논문이나 검색어를 벗어난 논문은 누락되었을 가능성이 있고 단어 정제과정에서 유사어, 제외어 등의 의사결정 시 연구자의 주관이 개입되어 있었을 수 있다. 또한 각 키워드 간 관계와 중심성 분석만으로는 연구동향의 의미를 깊게 해석하는 데는 한계가 있다. 따라서 추후 연구에서는 피부 미용 분야 논문을 연구주제, 연구대상 등 하위범주로 구분하여 내용분석하고 토픽모델링 등을 통해 키워드 간의 관련성을 다각적으로 파악해볼 필요가 있겠다.

References

1. Baek J. H., Ju N. A.. 2021;Analysis of Changes in Social Perception of Beauty Devices-A Comparison of Semantic Networks-. Journal of Brand Design Association of Korea 19(2):63–76. doi:10.18852/bdak.2021.19.2.63.
2. Baek K. J., Kim M. Y.. 2009;The Analysis of Study Trend on Journal of the Korean Society of Cosmetology. Journal of the Korean Fashion & Costume Design Association 11(1):17–27.
3. Bea J. A., Kim J. S.. 2015;Bibliometric Analysis of the Trends in Aroma Sector. Asian Journal of Beauty and Cosmetology 13(1):95–103. UCI:G704-SER000010442.2015.13.1.003.
4. Borgatti S. P., Everett M. G., Johnson J. C.. 2016;Analyzing social networks. Thousand Oaks, CA: Sage Publications. Redes. Revista Hispana para el Análisis de Redes Sociales 27(2):141–145. doi:10.5565/rev/redes.637.
5. Cho S. Y., Shin S. Y.. 2011;The Analysis of Research Themes and Area of Treatises concerning Make-up Studies. Journal of Beauty Art Management 5(2):205–214.
6. Choi J. E.. 2019;Keyword Network Analysis of Trends in Research on Young Children’s Play. Journal of Learner-Centered Curriculum and Instruction 19(14):605–626. doi:10.22251/jlcci.2019. 19.14.605.
7. Choi Y. C., Park S. J.. 2011;Analyzing Trends in the Study of Public Administration: Application of the Network Text Analysis Method. The Korean Association For Public Administration 45(1):123–139. UCI : G704-000298.2011.45.1.012.
8. Jang A. R.. 2021;Analysis of Composition and Contents of Free Amino Acids and Free Sugars of Akebia quinata Fruit Extracts as Skin Care Cosmesutical Ingredients. Journal of the Korean Society of Cosmetology 27(2):501–505.
9. Jo S. Y., Jang M. S.. 2015;A Study on Job Stress and Turnover Intention Stemming from Emotional Labor among Cosmetic Salesmen. Journal of the Korean Society of Cosmetology 21(5):1010–1020.
10. Hur C. H.. 2007;A Research of Cosmetology Related Faculty and Practical Using of Magister and Doctor Thesis. Journal of the Korean Society of Cosmetology 13(3):1421–1433.
11. Hwang H. I., Lee K. H.. 2017;A network analysis of early childhood teachers’ happiness based on big data. International Journal of Korea Open Association for Early Childhood Education 3:73–90.
12. Kim H. S., Kim K. M.. 2021;The Effect of Esthetic Salon's Internal Marketing on Employee's Job Satisfaction - Focus on Be-chae Group. Journal of the Korean Society of Cosmetology 27(3):645–654.
13. Kim E. J., Hwang Y. A., Song Y. S.. 2017;Analysis of Research Trends on the Journal of Vocational Education Research. Application of Contents and Network Analysis Method 36(6):1–27. doi:10.37210/JVER.2017.36.6.94.
14. Kim J. S., Kim J. S.. 2015;A Bibliometric Analysis of Research Trends in the Cosmetics Industry - Focusing on Domestic Graduate Thesis-. Journal of Investigative Cosmetology 11(3):249–258. doi:10.15810/jic.2015.11.3.009.
15. Kim J. S., Youn C. S.. 2014;Bibliometric Analysis on the Research Trends according to theList of Journal of the Korean Society of Cosmetology. Jounal of The Korean Society of cosmetology 20(1):144–154. UCI : G704-001852.2014.20.1.019.
16. Kim J. S., Park K. W., Kim J. S., Youn C. S.. 2016;Bibliometric Analysis of Research Trends According to the List of Journal of the Korean Society of Beauty and Arts. The Korean Society of Beauty and Art 17(30):175–188. UCI:G704-SER000008940.2016.17.3.019.
17. Kim M. J.. 2019;Purchase Motivation for and Purchase Satisfaction with Korean Cosmetics in Chinese Female Tourists in Their 20s and 30s according to Makeup Behaviors. Journal of the Korean Society of Cosmetology 25(5):1212–1220.
18. Kim S. H.. 2020;Bibliometric Analysis on the Research Trends in the Journal of Korean Society of Beauty and Arts using Text Network Analysis. Journal of The Korean Society of Beauty and Art 21(3):127–141. doi:10.18693/jksba.2020.21.3.127.
19. Kim S. M., Na M. S.. 2014;A Study of Current Trends in Academic Research on Hairdressing. Journal of the Korean Society of Cosmetology 20(2):319–326.
20. Lee H. J., Noh Y. H.. 2021;Research Trends in Hair-related Dissertations over the Past Decade - Focused on papers published in 2011?2020. Jounal of The Korean Society of Cosmetology 27(5):1196–1205. doi:10.52660/JKSC.2021.27.5.1196.
21. Lee H. R.. 2019;Use of Text network analysis in early childhood education research. The Korea Open Association For Early Childhood Education 24(1):293–314. doi:10.20437/KOAECE24-1-12.
22. Lee J. H., Kim Y. S.. 2019;Analysis of Research Trends on Esthetics for 6 Years after Esthetician National Qualification- Focusing on the main beauty conference papers. Journal of the Korean Nail Beauty Association 7(1):26–36.
23. Lee J. Y.. 2006;Centrality measures for bibliometric network analysis. Journal of the Korean Library and Information Science Society 40(3):191–214.
24. Lee K. H.. 2019;An Exploration of a Direction to Promote Early Childhood Playfulness based on Big Data. Journal of Educational Innovation Research 29(3):257–289. doi:10.21024/pnuedi.29.3.201909.257.
25. Lee K. H.. 2022;Exploring the Perceptions of Early Childhood Teachers on Happy Lives Using Big Data: A Focus on Keyword Network Analysis. Society for Constructivist Early Childhood Education 9(5):103–136.
26. Lee, S. S. (2012). Network analysis methods]. Seoul: Nonhyeon.
27. Lee S. S.. 2014;A Content Analysis of Journal Articles Using the Language Network Analysis Methods. Journal of the Korean Society for Information Management 31(4):49–68. doi:10.3743/KOSIM.2014.31.4.049.
28. Oh Y. K.. 2015;Research on Volunteer Work Satisfaction and Major Satisfaction of the Students with Beauty Major. Journal of the Korean Society of Cosmetology 20(2):319–326.
29. Park E. J., Park C. S.. 2020;Research Trends of Misbehavior Involving Nursing Students. Journal of Education & Culture 26(2):287–306. doi:10.24159/joec.2020.26.2.287.
30. Pyeon L. S., Kim J. S., Youn C. S.. 2010;A Meta-Analysis of MA and PhD theses studying Skin Care (2003~2010). The Korean Society of Beauty Industry 4(2):51–64.
31. Song Y. A., Kim T. Y., Sim H. T., Pan L. L., Hwag Y. K.. 2016;Recent research trends of domestic theses related to skin beauty. Journal of the Korean Society for Beauty Health 7(1):73–84.

Article information Continued

Fig. 1.

Word cloud for skin beauty related keywords(occurrence frequency of 11 or more)

Fig. 2.

Network structure for skin care related keywords

Table 1.

Trends by publication year in the field of skin care N(%)

Year 11 12 13 14 15 16 17 18 19 20 21 22.8 Total
Articles 36(7.1) 43(8.5) 50(9.9) 49(9.7) 58(11.5) 44(8.7) 35(6.9) 44(8.7) 41(8.1) 43(8.5) 53(10.5) 8(1.6) 504

Table 2.

Data Processing Standards

Division Method Example
delete search word skin care(피부미용, 피부관리, 스킨케어)
one syllable su(수), pi(피)
integrated similar concept esthetician(피부관리사, 피부종사자 → 피부미용사)
skin type(피부유형, 피부타입 → 피부타입)
skin care shop(에스테틱, 피부미용실, 피부관리실 → 피부관리실)
absorption unity of spacing service quality(서비스 품질) → servicequality(서비스품질)
revisit intention(재방문 의도) → revisitintention(재방문의도)

Table 3.

Frequency analysis of keywords related to skin beauty

Rank Keyword N Rank Keyword N Rank Keyword N Rank Keyword N
1 cosmetics 71 17 service quality 12 31 skin care device 9 49 appearance management 6
2 appearance management behavior 31 17 curriculum 12 31 aroma 9 49 re-education 6
2 skin care shop 31 17 university 12 31 whitening 9 49 skin health care 6
4 satisfaction 30 20 estheticians 11 31 purchase behavior 9 49 job stress 6
5 female 25 20 stress 11 37 peeling 8 49 pore 6
6 medical 24 20 male 11 37 wrinkle 8 49 body image 6
7 service 23 20 self esteem 11 37 skin condition 8 49 brand 6
7 acne 23 20 antioxidant 11 37 extract 8 56 life 5
7 industry 23 20 program 11 41 concern for appearance 7 56 eating habits 5
10 client satisfaction 19 20 duty 11 41 emotional labor 7 56 mask 5
11 job satisfaction 16 20 attitude 11 41 face 7 56 textbook 5
11 skin care behavior 16 20 lifestyle 11 41 China 7 56 melanin 5
11 aging 16 28 education 10 41 anti-inflammatory 7 56 elasticity 5
14 middle-aged woman 13 28 design 10 41 skin improvement 7 56 spa 5
15 preference 12 28 self-efficacy 10 41 therapy 7 56 intention to revisit 5
15 appearance 12 31 skin type 9 41 natural 7 56 usage status 5

Table 4.

Frequency analysis of keywords related to skin beauty

2011-2016
2017-2022
Rank Keyword N Rank Keyword N Rank Keyword N Rank Keyword N
1 cosmetics 47 10 medical 9 1 cosmetics 24 11 aging 9
2 appearance management behavior 25 10 program 9 2 skin care shop 16 12 job satisfaction 8
3 satisfaction 21 10 appearance 9 3 medical 15 13 skin care behavior 7
4 skin care shop 15 10 skin care behavior 9 4 service 12 13 university 7
5 industry 14 10 curriculum 9 5 female 12 15 appearance management behavior 6
6 female 13 16 self esteem 8 6 acne 11 15 skin care device 6
6 client satisfaction 13 16 antioxidant 8 6 satisfaction 9 15 estheticians 6
8 acne 12 16 middle-aged woman 8 6 design 9 15 service quality 6
9 service 11 16 job satisfaction 8 6 duty 9 15 client satisfaction 6
10 stress 9 16 peeling 8 6 industry 9 20 preference 5

Table 5.

Centrality analysis of keywords related to skin care

R NrmDgree Closeness nBetweenness Eigenvector
1 cosmetics 10.989 cosmetics .746 cosmetics 21.784 cosmetics 0.556
2 satisfaction 7.204 satisfaction .693 satisfaction 13.369 satisfaction 0.430
3 skin care shop 4.762 female .651 female 7.177 aging 0.235
4 appearance management behavior 3.785 skin care shop .635 acne 6.673 skin care shop 0.192
5 service 3.663 pearance management behavior .619 skin care shop 5.678 service 0.192
6 client satisfaction 2.686 service .619 service 4.965 appearance management behavior 0.172
7 service quality 2.686 medical .590 industry 4.677 female 0.172
8 aging 2.686 industry .590 appearance management behavior 3.539 medical 0.170
9 appearance 2.564 acne .569 preference 3.022 appearance 0.123
10 program 2.564 appearance .569 medical 2.861 service quality 0.116
11 self esteem 2.442 preference .561 program 2.674 client satisfaction 0.108
12 skin care behavior 2.076 skin care behavior .545 self esteem 2.543 skin care behavior 0.108
13 acne 2.076 middle-aged woman .548 middle-aged woman 2.472 acne 0.098
14 industry 2.076 aging .537 lifestyle 2.284 preference 0.094
15 natural 1.954 client satisfaction .537 appearance 2.258 industry 0.091
16 duty 1.832 service quality .534 skin care behavior 1.637 curriculum 0.072
17 China 1.832 estheticians .519 aging 1.479 university 0.065
18 whitening 1.709 job satisfaction .497 purchase behavior 1.214 estheticians 0.065
19 preference 1.709 university .492 China 1.213 middle-aged woman 0.059
20 purchase behavior 1.709 curriculum .476 stress 1.211 job satisfaction 0.037