상품 추천 서비스는 범람하는 온라인 정보 속에서 소비자의 정보탐색 시간을 절약해 준다. 본 연구에서는 프라이버시 계산 모델을 적용하여 추천 서비스 유형에 따른 소비자의 반응을 비교하였으며 인지된 개인화의 조절효과를 검증하였다. 연구 결과, 인지된 유용성과 클릭의도는 하이브리드 필터링 추천, 베스트셀러 추천, 지인기반 추천 순으로 높게 나타났고, 프라이버시 염려는 지인기반 추천, 하이브리드 필터링 추천, 베스트셀러 추천 순으로 높았다. 인지된 개인화는 인지된 유용성에 있어서 추천 서비스 유형과 상호작용효과가 존재하는 것으로 나타났다. 인지된 유용성은 클릭의도에 긍정적인 영향을 주었으나 프라이버시 염려는 클릭의도에 부정적인 영향을 주는 것을 확인했다. 본 연구는 추천 서비스 유형에 따른 소비자 반응을 비교하고 행동의도에 미치는 영향력을 검증했다는 데 의의가 있으며 추천 서비스를 제공하는 기업이나 알고리즘을 개발하는 실무자들에게 의미 있는 시사점을 제시할 수 있을 것으로 기대한다.
상품 추천 서비스는 범람하는 온라인 정보 속에서 소비자의 정보탐색 시간을 절약해 준다. 본 연구에서는 프라이버시 계산 모델을 적용하여 추천 서비스 유형에 따른 소비자의 반응을 비교하였으며 인지된 개인화의 조절효과를 검증하였다. 연구 결과, 인지된 유용성과 클릭의도는 하이브리드 필터링 추천, 베스트셀러 추천, 지인기반 추천 순으로 높게 나타났고, 프라이버시 염려는 지인기반 추천, 하이브리드 필터링 추천, 베스트셀러 추천 순으로 높았다. 인지된 개인화는 인지된 유용성에 있어서 추천 서비스 유형과 상호작용효과가 존재하는 것으로 나타났다. 인지된 유용성은 클릭의도에 긍정적인 영향을 주었으나 프라이버시 염려는 클릭의도에 부정적인 영향을 주는 것을 확인했다. 본 연구는 추천 서비스 유형에 따른 소비자 반응을 비교하고 행동의도에 미치는 영향력을 검증했다는 데 의의가 있으며 추천 서비스를 제공하는 기업이나 알고리즘을 개발하는 실무자들에게 의미 있는 시사점을 제시할 수 있을 것으로 기대한다.
The purpose of this study is to analyze the influence of the type of recommender system on consumer's perceived benefit and privacy risk. The result showed that the perceived usefulness and intension to click was high in the order of Hybrid-filtering, Bestseller, and SNS-based system. Privacy concer...
The purpose of this study is to analyze the influence of the type of recommender system on consumer's perceived benefit and privacy risk. The result showed that the perceived usefulness and intension to click was high in the order of Hybrid-filtering, Bestseller, and SNS-based system. Privacy concern was high in order of SNS-based system, Hybrid-filtering, and Bestseller. Moderating effects of perceived personalization on the type of recommender system and perceived usefulness were significant. Finally perceived usefulness had positive effect, and privacy concern had negative effect on consumer's intension to click. This study has significant implications for digital marketing bt comparing consumer responses according to the type of recommended service. The result of this study can be helpful for providing and developing future recommender service.
The purpose of this study is to analyze the influence of the type of recommender system on consumer's perceived benefit and privacy risk. The result showed that the perceived usefulness and intension to click was high in the order of Hybrid-filtering, Bestseller, and SNS-based system. Privacy concern was high in order of SNS-based system, Hybrid-filtering, and Bestseller. Moderating effects of perceived personalization on the type of recommender system and perceived usefulness were significant. Finally perceived usefulness had positive effect, and privacy concern had negative effect on consumer's intension to click. This study has significant implications for digital marketing bt comparing consumer responses according to the type of recommended service. The result of this study can be helpful for providing and developing future recommender service.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
추천 시스템과 관련된 대부분의 선행연구는 추천 알고리즘 개선 및 개발과 기술에 치중되어 있으며 추천 시스템 유형별 소비자 태도에 미치는 영향에 대한 연구들도 진행되었지만 추천 서비스의 개인화 측면에 초점을 맞춰 클릭의도와 같이 직접적인 소비자 반응을 살펴본 연구는 부족한 실정이다. 본 연구는 개인화 추천 시스템의 유형과 상품 유형에 따른 사용자 반응을 비교하고 이에 따라 사용자 행동의도인 클릭의도에 어떤 영향을 주는지 살펴보았다. 이를 통해 광고와 마케팅 분야에서 이론적 의의를 제공하고 추천 서비스를 제공하는 기업이나 추천 알고리즘을 개발하는 실무자들에게 시사점을 제시할 수 있을 것으로 기대한다.
본 연구는 추천 서비스 유형이 소비자의 인식과 행동의도에 어떠한 영향을 미치는지 알아보는데 목적을 두고 진행되었다. 추천 서비스 유형별로 소비자가 인지하는 혜택과 프라이버시 위험이 달라지는지 알아본 후 이러한 인식이 소비자의 행동의도인 클릭의도에 영향을 미치는지 검증하였다.
본 연구에서는 추천 서비스의 혜택 측면을 앞서 언급한 ‘인지된 유용성’으로 설정하고 프라이버시 위험 측면은 프라이버시 염려(privacy concern)를 통해 알아보고자 한다.
본 연구의 결과는 추천 서비스를 제공하고자 하는 기업들에게 실무적인 함의를 제공할 수 있다. 개인화 추천 서비스를 포함하여 개인화 광고, 개인화 프로모션 등 빅데이터를 활용한 다양한 개인화 서비스가 생겨나고 있다.
연구문제1: 추천 서비스 유형에 따라 인지된 유용성은 어떠한 차이가 있는가?
연구문제2: 추천 서비스 유형에 따라 프라이버시 염려는 어떠한 차이가 있는가?
이에 본 연구에서는 추천 서비스 유형에 따라 소비자의 인식이 혜택과 위험 측면에서 어떻게 달라지는지 살펴보고자 하였다. 추천 시스템과 관련된 대부분의 선행연구는 추천 알고리즘 개선 및 개발과 기술에 치중되어 있으며 추천 시스템 유형별 소비자 태도에 미치는 영향에 대한 연구들도 진행되었지만 추천 서비스의 개인화 측면에 초점을 맞춰 클릭의도와 같이 직접적인 소비자 반응을 살펴본 연구는 부족한 실정이다.
물리적 상품은 의류, 서적, 전자제품과 같이 온라인 웹사이트에서 구매해도 실체가 존재하는 상품을 의미하며 디지털 상품은 음악, 게임, 전자 서적, 영화나 드라마와 같이 디지털로 생산, 유통, 소비, 그리고 저장될 수 있는 모든 상품이다[21]. 인지된 유용성과 프라이버시 염려에 대한 추천 서비스 유형의 영향이 물리적 상품인지 디지털 상품인지에 따라 달라지는지 살펴본 연구는 진행된 바가 없기 때문에 이를 검증하기 위한 다음과 같은 연구문제를 상정하였다.
가설 설정
가설1: 인지된 유용성은 클릭의도에 긍정적인 영향을 줄 것이다.
가설2: 프라이버시 염려는 클릭의도에 부정적인 영향을 줄 것이다.
가설3: 추천서비스 유형이 인지된 유용성에 미치는 영향은 인지된 개인화에 따라 달라질 것이다.
제안 방법
또한 추천 서비스 유형에 대한 소비자 반응을 비교한 대부분의 연구들은 추천 대상이 의류인데 반해 본 연구는 운동화와 함께 ‘영화’라는 디지털 상품을 추가해 비교를 시도한 데 의의가 있다. 둘째, 프라이버시 계산모델을 적용하여 추천 서비스에 대한 소비자의 인식에 따른 행동의도를 실증적으로 검증하였다. 추천 서비스에 있어서도 소비자가 자신이 얻을 수 있는 혜택과 위험을 고려하여 클릭의도를 결정한다는 것을 보여주었다.
변인의 조작적 정의와 측정 항목은 [표 1]에 제시한 바와 같으며 모든 항목은 리커트 5점 척도로 측정하였다. 변인의 항목들 간 신뢰도는 크론바흐 알파(Cronbach’s Alpha)계수가 모두 0.
본 연구에서는 기존 연구들의 분류 사례를 반영하여 개인화 추천 유형인 하이브리드 필터링 추천, 지인기반 추천과 비개인화 추천 유형인 베스트셀러 추천을 중점적으로 살펴보았다.
인지된 개인화가 추천 서비스 유형이 인지된 유용성에 미치는 영향에 있어서 조절효과를 보이는지 알아보고자 <가설3>에 대한 공분산분석을 실시하였다. 이를 위해 인지된 개인화가 높은 집단(N=127)과 인지된 개인화가 낮은 집단(N=125)으로 나누고 더미변수로 전환하였다.
본 연구가 갖는 이론적 의의는 다음과 같다. 첫째, 추천 서비스 유형을 분류하여 이에 따른 소비자의 반응을 실증적으로 검증했다. 특히 개인화 추천 서비스의 경우 협업필터링과 내용기반 필터링을 구분하여 비교한 연구는 있었지만 두 기법을 조합한 하이브리드 필터링 기법에 대한 연구는 부족하다는 점에서 차별성을 갖는다.
본 연구는 추천 서비스 유형이 소비자의 인식과 행동의도에 어떠한 영향을 미치는지 알아보는데 목적을 두고 진행되었다. 추천 서비스 유형별로 소비자가 인지하는 혜택과 프라이버시 위험이 달라지는지 알아본 후 이러한 인식이 소비자의 행동의도인 클릭의도에 영향을 미치는지 검증하였다.
대상 데이터
3%)가 높은 비율을 차지했으며, 운동화가 남녀 공용으로 제작되는 상품의 비율이 높고 디자인이 연령 별로 차이가 크지 않기 때문에 적절하다고 판단하였기 때문이다. 디지털 상품군의 추천 상품은 영화로 선정하였다. 추천 서비스를 가장 활발하게 활용하는 디지털 상품 분야 중 하나가 동영상 스트리밍 업계이며, 워너미디어, NBC유니버셜, 애플, 디즈니 등 세계적인 미디어 그룹이 업계 진출을 앞두고 있기 때문에 현 시점 논의 대상으로 적절하다고 판단하였다.
물리적 상품군의 추천 상품은 운동화로 선정하였다. 이는 스마트폰을 보유하고 있으며 온라인 및 모바일 쇼핑 경험이 있는 사람들을 대상으로 한 설문조사에서 추천 서비스가 가장 필요한 분야로 패션 및 뷰티(36.
설문 대상자들은 총 6가지 종류의 실험 집단(추천 서비스 유형 X 상품유형)에 무작위로 배치되었다. 각 추천 서비스를 설명하는 제시문을 읽은 뒤 ‘위 제시문에서 확인하신 추천 서비스는 다음 중 어떤 것입니까?’라고 묻는 조작점검 문항에 응답하였다.
앞서 논의한 연구문제와 가설을 검증하기 위해 남녀 20대와 30대를 대상으로 편의표집을 진행하였다. 총 282부의 설문지를 회수하였고 그 중 조작점검에 실패한 30명의 데이터를 제외하고 252명의 응답을 연구에 활용하였다.
앞서 논의한 연구문제와 가설을 검증하기 위해 남녀 20대와 30대를 대상으로 편의표집을 진행하였다. 총 282부의 설문지를 회수하였고 그 중 조작점검에 실패한 30명의 데이터를 제외하고 252명의 응답을 연구에 활용하였다. 응답 표본의 성별은 남성이 112명(44.
데이터처리
변인들의 타당도를 검증하기 위해 탐색적 요인분석(EFA)을 실시하였다. KMO 측도 값은 .
인지된 개인화가 추천 서비스 유형이 인지된 유용성에 미치는 영향에 있어서 조절효과를 보이는지 알아보고자 에 대한 공분산분석을 실시하였다.
추천 서비스 유형에 따른 인지된 유용성과 상품 유형과의 상호작용 효과를 검증하기 위해 공분산분석을 실시하였다[표 2]. <연구문제1>에서 검증하고자 한 추천 서비스 유형에 인지된 유용성에 미치는 영향은 직업과 상품 관여도를 통제하고도 유의미한 것으로 나타났다(F= 25.
추천 서비스 유형이 클릭의도에 미치는 영향을 알아보기 위한 을 검증하기 위해 클릭의도와 유의미한 상관관계가 있는 상품 관여도를 통제변인으로 설정하고 클릭의도에 대한 공분산분석을 실행하였다.
성능/효과
그 결과 추천 클릭의도는 추천 서비스 유형에 따라 달라지는 것으로 나타났다(F = 10.27, p < .001)([표 2]참조).
001). 그러나 하이브리드 필터링 추천과 지인기반 추천의 프라이버시 염려의 차이는 통계적으로 유의미하지 않은 것으로 나타났다. 종합해보면 프라이버시 염려는 지인기반 추천, 하이브리드 필터링 추천, 베스트셀러 추천 순으로 높다는 것을 확인할 수 있다.
이는 인지된 개인화 수준이 높을수록 유용성을 높게 인지한다는 선행연구들의 결과와 일치한다[28][31][32]. 또한 인지된 개인화 수준이 높은 집단이 낮은 집단에 비해 추천 서비스 유형별 인지된 유용성의 차이를 다르게 느끼는 것으로 나타났다. 이는 개인화 수준을 낮게 인지하는 사람이 높게 인지하는 사람보다 혜택을 낮게 인지하기 때문에 서비스 유형별 혜택의 차이도 크게 다르지 않게 느낀다는 것으로 해석할 수 있다.
001). 베스트셀러 추천은 지인기반 추천의 인지된 유용성보다 통계적으로 유의미하게 높게 나타났다. 즉 인지된 유용성은 하이브리드 필터링 추천, 베스트셀러 추천, 지인기반 추천 순으로 높은 것으로 나타났다.
변인의 항목들 간 신뢰도는 크론바흐 알파(Cronbach’s Alpha)계수가 모두 0.8 이상인 것으로 나타나 신뢰도에 문제가 없음을 확인할 수 있다.
분석 결과 인지된 유용성은 클릭의도에 긍정적인 영향을 주는 것으로 나타나 은 지지되었다(p < .001).
사후비교분석 결과, 하이브리드 필터링 추천의 인지된 유용성(M = 3.81, SD = 0.72)은 지인기반 추천의 인지된 유용성(M = 3.05, SD = 0.73)과 베스트셀러 추천의 인지된 유용성(M = 3.36, SD =0.65)보다 높았으며 각각의 서비스 유형의 차이는 통계적으로 유의미했다(p < .001).
사후비교분석결과를 살펴보면, 베스트셀러 추천의 인지된 유용성은 지인기반 추천의 인지된 유용성 보다 높았으며, 이 두 추천 유형의 인지된 유용성 간의 차이만 유의미하게 나타났다(p < 0.01).
추천 서비스 유형별 인지된 유용성의 차이는 인지된 개인화 수준에 따라 다르게 나타났다 (가설3). 세 가지 추천 서비스 유형 모두 개인화 수준이 높은 집단이 개인화 수준이 낮은 집단보다 인지된 유용성이 높은 것으로 나타났다. 이는 인지된 개인화 수준이 높을수록 유용성을 높게 인지한다는 선행연구들의 결과와 일치한다[28][31][32].
에서 검증하고자 한 추천 서비스 유형에 인지된 유용성에 미치는 영향은 직업과 상품 관여도를 통제하고도 유의미한 것으로 나타났다(F= 25.09, p < .001).
000)으로 나타나 요인분석에 적합함을 확인하였다. 요인회전으로 베리멕스(Varimax) 회전을 사용하였고 5개의 요인을 추출한 결과, 전체 분산의 76.03%가 설명되고 있음을 확인하였다. 일반적으로 누적 설명 분산 비율이 60% 이상이면 설명력이 높다고 판단할 수 있기 때문에 5개의 요인의 분산 설명력은 적합한 것으로 나타났다.
인지된 유용성과 프라이버시 염려가 클릭의도에 미치는 영향을 검증하기 위해 다중회귀분석 결과 유의미한 독립변인들이 클릭의도를 37% 설명하는 것으로 나타났으며 이는 통계적으로 유의미했다(F = 49.25, p <.001)[표 3].
실제적 행동의도인 클릭의도는 하이브리드 필터링 추천, 베스트셀러 추천, 지인기반 추천 순으로 높았다(연구문제3). 인지된 유용성이 높을수록 클릭의도가 높았으며(가설1) 프라이버시 염려가 높을수록 클릭의도가 낮았다(가설2). 이를 통해 인지된 유용성은 클릭의도에 긍정적인 영향을 주지만 프라이버시 염려는 부정적인 영향을 준다는 것을 알 수 있으며, 이는 프라이버시 계산 모델을 적용한 개인화 서비스 관련 선행연구들과 일치하는 결과이다[9][25][33][34].
03%가 설명되고 있음을 확인하였다. 일반적으로 누적 설명 분산 비율이 60% 이상이면 설명력이 높다고 판단할 수 있기 때문에 5개의 요인의 분산 설명력은 적합한 것으로 나타났다.
그러나 하이브리드 필터링 추천과 지인기반 추천의 프라이버시 염려의 차이는 통계적으로 유의미하지 않은 것으로 나타났다. 종합해보면 프라이버시 염려는 지인기반 추천, 하이브리드 필터링 추천, 베스트셀러 추천 순으로 높다는 것을 확인할 수 있다.
넷플릭스는 2014년 사용자들이 메신저나 넷플릭스를 통해 자신의 페이스북 친구들에게 콘텐츠를 추천할 수 있는 기능을 도입했지만 큰 호응을 얻지 못하고 1년 만에 해당 서비스를 중지한 바가 있다[36]. 즉 소비자는 자신의 취향을 고려한 하이브리드 필터링 추천을 가장 유용하다고 느끼지만 다수의 사람들의 선택이 반영된 베스트셀러 추천이 SNS 지인들의 선호도를 보여주는 추천 기법보다 유용하다고 판단한다는 것을 확인할 수 있다.
베스트셀러 추천은 지인기반 추천의 인지된 유용성보다 통계적으로 유의미하게 높게 나타났다. 즉 인지된 유용성은 하이브리드 필터링 추천, 베스트셀러 추천, 지인기반 추천 순으로 높은 것으로 나타났다.
01). 즉 클릭의도에 있어서 인지된 유용성은 정적 영향을 주고 프라이버시 염려는 부적 영향을 주었다. 두 독립변수의 상대적인 영향력의 경우 표준화 계수를 비교해보았을 때 인지된 유용성(β = 0.
지인기반 추천 서비스는 개인화 추천임에도 불구하고 비개인화 추천인 베스트셀러 추천보다 인지된 유용성이 낮았다. 선행연구에서 지인기반 추천은 협업필터링 추천, 내용기반 추천, 베스트셀러 추천에 비해 선호도가 낮게 나타났다[5].
추천 서비스 유형과 상품 유형이 프라이버시 염려에 미치는 영향을 알아보기 위한 이원분산분석 결과 서비스 유형 따른 프라이버시 염려의 차이는 통계적으로 유의미한 것으로 나타났다(F = 25.84, p < .001)([표 2]참조).
추천 서비스 유형별 인지된 유용성은 하이브리드 필터링 추천이 가장 높았고 그 다음 베스트셀러 추천과 지인기반 추천 순으로 높았다(연구문제1). 하이브리드 필터링은 협업 필터링과 내용기반 필터링에 대한 소비자 반응을 비교한 선행연구를 통해 설명할 수 있다.
추천 서비스 유형별 인지된 유용성의 차이는 인지된 개인화 수준에 따라 다르게 나타났다 (가설3). 세 가지 추천 서비스 유형 모두 개인화 수준이 높은 집단이 개인화 수준이 낮은 집단보다 인지된 유용성이 높은 것으로 나타났다.
01)([표 4]참조). 추천 서비스에 대한 인지된 유용성은 개인화 수준이 높은 집단이 개인화 수준이 낮은 집단 보다 높았다. 인지된 개인화 수준이 높은 집단의 경우, 인지된 유용성은 하이브리드 필터링 추천(M = 3.
하이브리드 필터링 추천의 인지된 유용성은 지인기반 추천의 인지된 유용성 보다 높았으며(p < .01), 베스트셀러 추천의 인지된 유용성보다도 높은 것으로 나타났다(p .05).
하이브리드 필터링 추천의 클릭의도는 지인기반 추천의 클릭의도보다 높고(p < .001), 베스트셀러 추천의 클릭의도보다도 높은 것으로 나타났다(p .05).
관련 선행연구에서도 유사한 결과가 도출되었다[5]. 해당 연구에서는 전자제품과 의류로 제품군을 분류하고 이에 따른 추천 서비스 사용의도에 대한 차이를 분석한 결과 지인추천 서비스를 제외한 협업필터링, 내용기반, 베스트셀러 추천, MD 추천에서 모두 차이를 보이지 않았다. 즉 추천 서비스 유형 별 소비자반응에 있어 상품 유형은 큰 영향을 주지 않는다고 볼 수 있다.
후속연구
넷째, 본 연구의 실험 대상자는 20대 대학생 또는 대학원생이 다수를 차지했기 때문에 연령과 직업 등 인구통계학적인 측면에서 제한적이다. 마지막으로 소비자의 인식을 살펴보는 데 있어 보다 다양한 소비자 개인 특성 변인을 고려하지 못했다.
둘째, 물리적 상품과 디지털 상품을 비교하는 것 외에, 다른 기준으로 상품군을 분류하고 추천 서비스 별 효과에 대해 검증해볼 수 있을 것이다. 본 연구에서는 인지된 유용성과 프라이버시 염려에 있어서 상품군은 추천 서비스 유형과의 상호작용 효과를 검증하지 못했다.
예를 들어 유행을 따르는 성향을 가진 소비자와 자신의 취향과 개성을 더욱 존중하는 성향의 소비자의 클릭의도는 상이할 수 있다. 따라서 후속 연구에서는 클릭의도에 미치는 소비자의 다양한 개인적, 심리적 변수들을 고려하여 연 구에 반영할 필요성이 있다.
향후 연구에서는 소비자의 온라인 쇼핑몰 이용 빈도, 프라이버시 침해 경험, 행동통제력 등 다양한 변인들을 고려한다면 더욱 의미 있는 결과를 도출할 수 있을 것이다. 또한 본 연구에서는 추천 서비스 유형이 클릭의도에 미치는 직접적인 영향을 검증하였으나, 클릭의도에 영향을 줄 수 있는 다양한 변인이 존재한다는 점을 고려해야 한다. 예를 들어 유행을 따르는 성향을 가진 소비자와 자신의 취향과 개성을 더욱 존중하는 성향의 소비자의 클릭의도는 상이할 수 있다.
그러나 관여도에 있어서 차이가 크게 나거나, 실용재인지 쾌락재인지, 경험재인지 탐색재인지에 따라서도 차이를 보일 수 있다. 또한 사회적인 영향을 받아 구매하게 되는 상품과 철저히 개인적인 취향에 의해 구매하는 상품은 영향 받는 추천 서비스 유형이 다를 수 있기 때문에 후속 연구에서는 이를 고려해볼 필요성이 있다.
둘째, 물리적 상품과 디지털 상품을 비교하는 것 외에, 다른 기준으로 상품군을 분류하고 추천 서비스 별 효과에 대해 검증해볼 수 있을 것이다. 본 연구에서는 인지된 유용성과 프라이버시 염려에 있어서 상품군은 추천 서비스 유형과의 상호작용 효과를 검증하지 못했다. 그러나 관여도에 있어서 차이가 크게 나거나, 실용재인지 쾌락재인지, 경험재인지 탐색재인지에 따라서도 차이를 보일 수 있다.
본 연구는 개인화 추천 시스템의 유형과 상품 유형에 따른 사용자 반응을 비교하고 이에 따라 사용자 행동의도인 클릭의도에 어떤 영향을 주는지 살펴보았다. 이를 통해 광고와 마케팅 분야에서 이론적 의의를 제공하고 추천 서비스를 제공하는 기업이나 추천 알고리즘을 개발하는 실무자들에게 시사점을 제시할 수 있을 것으로 기대한다.
특히 개인화 추천 서비스의 경우 협업필터링과 내용기반 필터링을 구분하여 비교한 연구는 있었지만 두 기법을 조합한 하이브리드 필터링 기법에 대한 연구는 부족하다는 점에서 차별성을 갖는다. 추천 서비스 유형에 대한 소비자 반응을 비교한 선행연구들의 결과가 서로 일치하지 않은 부분이 많기 때문에 본 연구의 결과는 이를 보완할 수 있을 것으로 보인다. 또한 추천 서비스 유형에 대한 소비자 반응을 비교한 대부분의 연구들은 추천 대상이 의류인데 반해 본 연구는 운동화와 함께 ‘영화’라는 디지털 상품을 추가해 비교를 시도한 데 의의가 있다.
첫째, 본 연구에서 중점적으로 다룬 추천 서비스 외에도 다양한 추천유형이 존재한다. 향후 연구에서 보다 많은 추천 기법을 고려하여 이에 대한 소비자 반응을 비교하는 연구가 이루어진다면 의미 있는 시사점을 제공할 수 있을 것이라고 예상한다.
마지막으로 소비자의 인식을 살펴보는 데 있어 보다 다양한 소비자 개인 특성 변인을 고려하지 못했다. 향후 연구에서는 소비자의 온라인 쇼핑몰 이용 빈도, 프라이버시 침해 경험, 행동통제력 등 다양한 변인들을 고려한다면 더욱 의미 있는 결과를 도출할 수 있을 것이다. 또한 본 연구에서는 추천 서비스 유형이 클릭의도에 미치는 직접적인 영향을 검증하였으나, 클릭의도에 영향을 줄 수 있는 다양한 변인이 존재한다는 점을 고려해야 한다.
이 때 메시지에 담긴 구체적인 내용, 어조, 또는 길이 등 여러 가지 요인에 의해서 소비자가 인지하는 혜택이 달라질 수 있다. 향후 연구에서는 추천 서비스 기법 외에도 추천 메시지에 따른 차이가 소비자의 반응에 어떤 영향을 주는지 연구가 가능할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
온라인 마켓의 성장으로 인한 문제점은?
6% 증가했다[2]. 온라인 마켓의 성장으로 소비자가 상품을 선택할 수 있는 폭은 매우 넓어졌지만 그만큼 정보 과부화로인해 상품 선택에 어려움을 겪기도 한다. 상품 추천 서비스는 범람하는 쇼핑 정보와 온라인 콘텐츠 속에서 소비자의 상품 탐색 시간을 절약해주고 선택을 돕는 역할을 한다.
상품 추천 서비스란?
최근 빅데이터의 활용이 활발해지면서 소비자의 개인정보를 기반으로 한 맞춤형 광고, 대중 맞춤화(mass customization) 상품, 추천 서비스 등 다양한 개인화 서비스가 등장하여 마케팅에 활용되고 있다. 그 중에서도 상품 추천 서비스는 상품 및 서비스와 소비자 거래내역 등의 정보를 바탕으로 선호도를 예측하여 특정 사용자에게 가장 적합한 상품 또는 서비스를 추천해주는 프로그램이다[1]. 통계청에 따르면 국내 이커머스(e-commerce) 시장 규모는 2018년 기준 111조원을 돌파하여 연간 거래액이 전년도에 비해 26.
협업필터링의 단점은?
협업필터링은 대규모의 기존 사용자 행동 정보를 분석하여 해당 사용자와 비슷한 성향의 사용자들이 기존에 좋아했던 항목을 추천하는 기술이다[14]. 사용자가 평가한 항목의 수가 많을수록 예측 정확도가 올라가지만 비인기 항목이나 새로운 항목이 추가되는 경우 데이터가 쌓이기 전까지 추천이 어렵다는 콜드스타트(cold start)의 문제점을 가지고 있다[15]. 상품간의 유사도는 고려하지 않기 때문에 예측의 정확성이 떨어진다는 평가도 존재한다[16].
※ AI-Helper는 부적절한 답변을 할 수 있습니다.