초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

정보통신 기술 발전과 스마트폰의 대중화로 전자상거래 시장의 성장세는 가속화되고 있다. 온라인 쇼핑 거래 규모가 지속적으로 증가함에 따라 고객의 편의성 및 접근성을 향상 시키기 위하여 쇼핑몰 업체들은 개인화된 추천 서비스와 온라인 리뷰 플랫폼을 지속적으로 도입하고 있다. 그러나 일부 온라인 쇼핑몰이 의도적이든 아니든 제품 및 서비스를 긍정적으로 왜곡하고 있다는 잠재적 불신을 소비자들은 가지고 있다. 이에 따라 소비자들은 제품을 구매할 때 발생할 수 있는 위험을 줄이기 위해 다른 소비자들이 작성한 온라인 리뷰에서 제품에 대한 구체적이고 신뢰할 수 있는 정보를 탐색하여 구매 ...

정보통신 기술 발전과 스마트폰의 대중화로 전자상거래 시장의 성장세는 가속화되고 있다. 온라인 쇼핑 거래 규모가 지속적으로 증가함에 따라 고객의 편의성 및 접근성을 향상 시키기 위하여 쇼핑몰 업체들은 개인화된 추천 서비스와 온라인 리뷰 플랫폼을 지속적으로 도입하고 있다. 그러나 일부 온라인 쇼핑몰이 의도적이든 아니든 제품 및 서비스를 긍정적으로 왜곡하고 있다는 잠재적 불신을 소비자들은 가지고 있다. 이에 따라 소비자들은 제품을 구매할 때 발생할 수 있는 위험을 줄이기 위해 다른 소비자들이 작성한 온라인 리뷰에서 제품에 대한 구체적이고 신뢰할 수 있는 정보를 탐색하여 구매 의사결정에 반영한다. 이에 따라 전자상거래 플랫폼들은 온라인 리뷰 시스템을 도입하였지만, 제품에 대한 온라인 리뷰가 기하급수적으로 증가하면서 소비자는 구매 의사결정에 도움을 줄 수 있는 리뷰를 탐색하는데 어려움을 겪고 있다. 이러한 정보 과부화 문제를 해결하기 위해 Yelp, Amazon, Tripadvisor 등 전자상거래 플랫폼은 온라인 리뷰 품질의 신뢰성을 평가할 수 있는 리뷰 유용성 투표 시스템을 도입하였다.
따라서 온라인 리뷰 관련 연구자와 전자상거래 플랫폼 관리자는 소비자의 정보 탐색을 지원하기 위해 유용한 제품 리뷰를 활용하는 방법을 연구할 필요가 있다. 이에 따라 본 연구는 “인터넷 쇼핑몰에서 리뷰 유용성 및 일관성이 추천시스템 성능에 미치는 영향 분석”과 “정교화 가능성 모델에 기반한 온라인 리뷰 일관성 및 유사성이 리뷰 유용성에 미치는 영향 분석”을 수행하였다.
첫번째 연구는 리뷰의 도움이 되는 정도 (Helpfulness)와 리뷰의 일관성 (Consistency, 리뷰 평점과 리뷰 텍스트 감성의 일치성)을 연구대상으로 하여, 추천시스템을 구축할 때 이웃 고객을 선정할 대상 고객을 어떤 기준으로 필터링하느냐에 따라, 추천시스템의 성능에 미치는 영향을 조사하였다. 분석 결과는 다음과 같다. 첫째, 전체 고객을 대상으로 이웃을 선정하는 것보다 일관되고 도움이 되는 리뷰를 작성한 이웃을 선정했을 때의 추천시스템의 정확도가 더 우수한 것으로 나타났다. 둘째, 리뷰 유용성이 추천 정확도와 다양성에 미치는 영향을 확인하였다. 이를 통하여 데이터 세트와 상관없이 유용한 리뷰를 작성한 사용자 프로필을 사용할 때 탁월한 추천 정확도를 보이는 결과가 도출되었다. 하지만 추천 아이템의 다양성은 통계적으로 유의미한 차이가 없었다. 셋째, 일관된 리뷰를 작성한 고객을 대상으로 이웃을 선정했을 때, 추천시스템의 정확도가 더 우수한 것으로 나타났다. 또한 일관된 리뷰 중 긍정적인 리뷰만 포함했을 때는 일관된 리뷰보다 더 추천 정확도가 높은 것으로 나타났다.
두번째 연구는 리뷰 유사성과 리뷰 일관성을 중심 단서로, 평점 불일치성을 주변 단서로 설정한 ELM 모델을 이용하여 음이항 회귀분석을 수행하였다. 분석결과는 다음과 같다. 첫째, 평균 평점과 개별 평점 간의 차이가 클수록 리뷰 유용성이 낮아진다. 이는 특정 제품에 대한 평균 평점은 다른 소비자들의 종합적이고 일치된 의견을 나타내고 있으므로, 소비자들은 이와 일치하는 리뷰를 더 신뢰하고 유용하다고 판단하는 경향이 있다. 둘째, 리뷰 내용과 개별 평점이 일관되는 정보를 나타낼 때 리뷰 유용성이 높아진다. 이는 리뷰 유용성 관련 연구가 리뷰 텍스트의 단일 효과만을 측정하는 기존 연구의 한계를 개선해야 한다는 경험적 증거를 제공한다. 셋째, 리뷰 유사성은 리뷰 유용성에 부정적인 영향을 미치는 것으로 나타났다. 이는 소비자들은 리뷰 정보를 탐색할 때 제목에 노출된 정보가 내용에 반복적으로 노출되면 리뷰에 대한 신뢰성과 유용성이 감소한다고 느낀다고 해석할 수 있다. 넷째, 주변 단서 (평점 불일치성)는 탐색재 보다 경험재의 리뷰에서 리뷰 유용성에 더 긍정적인 미치는 것으로 나타났다. 그러나 제품 유형이 리뷰 유용성에 대한 중심 단서 (리뷰 일관성과 리뷰 유사성)의 조절 효과는 없는 것으로 나타났다. 따라서 소비자들이 구매 의사결정을 내릴 때 제품 유형에 관계없이 리뷰에 내재된 리뷰 일관성과 리뷰 유사성을 모두 중요한 요인으로 고려한다는 것을 의미하고 있다.
이러한 결과들은 전자상거래 기업들에게 다음과 같은 통찰력을 제공한다. 첫째, 고객수와 거래 데이터가 많으면 많을 수록 추천시스템의 성능은 더 좋아진다는 믿음을 가지고 있는 경우가 많았지만, 사용자의 거래 내역 데이터가 너무 많아 오히려 추천 성능이 떨어지는 연구결과가 지속적으로 보고되어 왔다. 본 연구 결과 리뷰의 유용성과 일관성이 추천 성능에 영향을 미친다는 것을 나타났다. 따라서 모든 고객 리뷰 데이터를 다 사용하기 보다는 다른 고객들이 도움이 된다고 평가한 리뷰데이터와 평점과 리뷰 감성이 일치하는 일관성 있는 리뷰를 대상으로 추천 아이템 개발이나, 추천 대상 고객 선정 등 사업전략을 수립하는 것이 더 효과적이다.
리뷰 유용성을 통한 온라인 설득의 역학을 조사한 결과 중심 단서 (리뷰 유사도 및 리뷰 일관성) 및 주변 단서 (평점 불일치성)를 동시에 처리할 때 리뷰 유용성에 미치는 영향 뿐만 아니라 리뷰 유용성과 ELM 관련 연구에 기여하였다. 또한 평점 불일치성, 리뷰 일관성 및 리뷰 유사성과 리뷰 유용성 사이 관계에 대한 제품 유형 (경험재와 탐색재)의 영향을 확인함으로써, 리뷰 유용성 관련 문헌에 기여하였다. 따라서 온라인 리뷰를 정렬할 때 리뷰 일관성, 유사성 요인을 반영하면 소비자들에게 다양한 선택권을 제공할 수 있다.

Abstract ▼ AI-Helper

With the development of information and communication technology and the popularization of smartphones, there has been an accelerated growth of the e-commerce market. As the volume of online shopping transactions continues to thrive, shopping mall companies are incessantly introducing personalized r...

With the development of information and communication technology and the popularization of smartphones, there has been an accelerated growth of the e-commerce market. As the volume of online shopping transactions continues to thrive, shopping mall companies are incessantly introducing personalized recommendation services and online review platforms to improve both convenience and accessibility for their consumers. However, consumers have a potential distrust toward some online shopping malls, whether intended or not, distorting their products and services to be reflected only in a positive way. Therefore, consumers search for specific, reliable information about their interested products from online reviews written by other consumers, to lower the risk of misleading information and reflect them in their buying decisions. Although e-commerce platforms have introduced a variety of online review systems, consumers struggle to find reviews that can actually help them make buying decisions due to an exponentially increased number of online product reviews. To solve this information overload problem, e-commerce platforms such as Yelp, Amazon, and TripAdvisor have introduced a “review helpfulness voting” system that can evaluate the reliability of online review quality.
Therefore, online review-related researchers and e-commerce platform managers are suggested to find a way to utilize helpful product reviews to support consumers' information search. This study incorporates “Analysis of the effect of review helpfulness and consistency on recommendation system performance in Internet shopping malls” as well as “Analysis of the effect of online review consistency and similarity on review helpfulness based on the elaboration likelihood model” to be studied.
The first study investigated the effect on the performance of the recommendation system depending on what criteria the neighborhood formation was filtered during the construction of the recommendation system while having the review helpfulness and the review consistency (consistency between review ratings and review text sentiment) as the research object. The results are as follows. First, it was found that the accuracy of the recommendation system gets higher when a neighbor was selected among customers who wrote a consistent and helpful review compared to one selected out of all customers. Second, the effect of review helpfulness on recommendation accuracy and diversity was confirmed. In other words, regardless of the data set, using user profiles with helpful reviews enhances the recommendation accuracy. However, there was no statistically significant difference in the diversity of recommended items. Third, it was found that the accuracy of the recommendation system was better when neighbors were selected from customers who have written consistent reviews. Furthermore, using positive reviews among consistent reviews showed higher recommendation accuracy than solely using consistent reviews.
In the second study, negative binomial regression analysis was performed using ELM (elaboration likelihood model) having review similarity and review consistency as central clues while maintaining rating inconsistency as peripheral clues. The analysis results are as follows. First, the greater the difference between the average rating and the individual rating, the lower the review helpfulness. This is because the average rating of a particular product represents the comprehensive, consistent opinion of other consumers, which in turn makes consumers believe that reviews consistent with the average rating are more reliable and helpful. Second, review helpfulness increases when the review content and individual ratings reflect consistent information. This provides empirical evidence that studies on review helpfulness ought to improve the limitations of existing studies that measure only a single effect of the review text. Third, review similarity was found to have a negative effect on review helpfulness. This can be interpreted as consumers perceiving the decreased credibility and helpfulness of a review whenever the information from the title gets repeatedly exposed within the content when searching for review information. Lastly, it was found that peripheral cues (score discrepancy) had more positive effects on review helpfulness of experience goods than of search goods. However, it was posited that the type of a product had no moderating effect to central cues (review consistency and review similarity) on review helpfulness. Regardless of the product type, this indicates that consumers consider both the review consistency and review similarity being inherent in reviews as important factors when making buying decisions.
These results provide e-commerce companies the following insights. Despite a prevalent thought of having a better performed recommendation system in a plethora of customers and transaction data, research has continuously reported that its performance can rather become poorer because of excessive amounts of user transaction history data. As a result, this study demonstrates that the helpfulness as well as the consistency of reviews affect the recommendation performance. Therefore, it is more effective to establish a business strategy, such as the development of recommendation items and the selection of recommendation customers, through the use of helpful and consistent reviews that would match ratings and review sentiment, instead of all reviews.
After examining the dynamics of online persuasion through review helpfulness, this study not only displays the effect on review helpfulness when the central clue (review similarity and review consistency) and peripheral clue (rating discrepancy) are simultaneously processed, but it also contributes to the research stream related to the review helpfulness and ELM. We also contribute to the literature on review helpfulness by identifying the effects of product types (experience and search goods) on the relationship between rating inconsistency, review consistency, review similarity, and review helpfulness. Therefore, considering review consistency and similarity factors when sorting online reviews can provide consumers with a variety of options.

주제어