The Society of Fashion & Textile Industry

Journal Archive

Fashion & Textile Research Journal - Vol. 21 , No. 2

[ Research ]
Fashion & Textile Research Journal - Vol. 21, No. 2, pp.141-150
Abbreviation: Fashion & Text. Res. J.
ISSN: 1229-2060 (Print) 2287-5743 (Online)
Print publication date 30 Apr 2019
Received 22 Feb 2019 Revised 26 Mar 2019 Accepted 05 Apr 2019
DOI: https://doi.org/10.5805/SFTI.2019.21.2.141

소비자의 선택 과부하와 유사성 회피 성향이 온라인 추천 서비스의 혁신성과 사용 적합성 지각에 미치는 영향
윤남희1) ; 이하경2), ; 장세윤1)
1)한국패션유통정보연구원
2)서울과학기술대학교 경영학과

The Effect of Consumers’ Choice Overload and Avoidance of Similarity on Innovativeness and Use Compatibility in Online Recommendation Service
Namhee Yoon1) ; Ha Kyung Lee2), ; Seyoon Jang1)
1)Korea Research Institute for Fashion and Distribution Information; Seoul, Korea
2)Dept. of Business Administration, Seoul National University of Science and Technology; Seoul, Korea
Correspondence to : Ha Kyung Lee Tel. +82-2-880-8769, Fax. +82-2-880-8359 E-mail: agape@snu.ac.kr


© 2019 (by) the authors. This article is an open access article distributed under the terms and conditions of the Creative Commons Attribution license (http://creativecommons.org/licenses/by/3.0/), which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.
Funding Information ▼

Abstract

Online recommendation services help people search for an appropriate product among a huge assortment in stores that also minimize consumers’ choice overload. People with a need for uniqueness are likely to prefer this online recommendation service based on individual needs and tastes. This study verifies the effect of consumers’ choice overload and similarity avoidance in consumers’ evaluation towards an online recommendation service with a focus on innovativeness and use comparability. Two-hundred consumers participated in this study and data were collected through an online survey firm. A mock retailer’s webpage was created and showed six types of sneakers, which was presented as a result of product recommendation based on consumers’ personal information. Data was analyzed using confirmatory factor analysis (CFA), analysis of variance (ANOVA), and regression analysis. The results show that people with a high similarity avoidance perceive an online recommendation service as an innovative and compatible service. They also perceive a high level of use compatibility for an online recommendation service, especially when it is difficult to choose a product under choice overload. Innovativeness and use compatibility of an online recommendation service increase behavioral intention. The results of this study can contribute to strategies to start online recommendation services from online retailers' websites that identify circumstances in which consumers can adopt innovative services in a positive manner.


Keywords: online recommendation service, choice overload, avoidance of similarity, innovativeness, compatibility
키워드: 온라인 추천 서비스, 선택 과부하, 유사성 회피, 혁신성, 적합성

1. 서 론

최근 아마존, 스티치픽스, 넷플릭스와 같은 온라인 플랫폼은 소비자의 구매이력, 쇼핑 행동패턴, 인구통계학적 특성 등을 고려하여 소비자의 선택 과부하를 줄이고, 소비자의 선호에 부합하는 특정 상품이나 서비스를 우선 제시해주는 추천 시스템 (Lee, 2016)을 도입하여 높은 매출을 기록하고 있다. 국내 기업인 네이버 역시 AI 기반의 ‘에이아이템즈(AiTEMS)’를 쇼핑에 적용하여 사용자의 과거 구매 이력과 검색 패턴을 분석하여 추천 상품을 제시해주는 서비스를 제공하고 있다. 네이버에서 ‘에이아이템즈’ 기능을 도입하여 고도화한 후 사용자 일 평균 클릭 수가 6개월 만에 약 27% 증가하는 성과를 이루었으며 ‘에이아이템즈’ 이용자와 판매자의 만족도가 지속적으로 증가하고 있다(“Using NAVER FOR YOU”, 2019). 이와 같이 온라인 상에서 수집한 소비자의 행동 데이터를 기반으로 개인에게 맞춤화된 상품을 추천하는 온라인 상품 추천 서비스는 소비자에게 편리하고 만족스러운 쇼핑 경험을 제공할 수 있다. 동시에 판매자에게는 제품의 효과적인 노출과 사업의 성장을 도모할 수 있는 기회를 제공함으로써 추천 서비스를 도입한 온라인 리테일러로 하여금 차별적 경쟁력을 갖게 한다.

국내 이커머스 산업의 시장규모는 100조원을 넘어섰고 (“Using NAVER FOR YOU”, 2019), 온라인을 통한 소비가 지속적으로 증감하면서 기업 간의 경쟁은 날로 치열해지고 있다. 이러한 상황 속에서 기업의 경쟁력 재고 방안으로서 추천 서비스를 선택하는 기업이 증가하고 있으나 이에 대한 학문적 연구는 미비하다. 특히 대부분의 연구가 추천 시스템에 초점을 맞추어 어떤 방식으로 상품 추천 알고리즘이 구성되고(Jo et al., 2013; Lee, 2018; Song & Jeong, 2016), 어떤 유형의 추천 방법이 효과적인지(Park, 2013; Yang et al., 2018)에 그치고 있어 추천 서비스를 사용하는 소비자를 이해하는데 한계가 있다. 일부 선행연구에서 의류상품 추천 서비스에 대해 다루고 있으나, 온라인 대량고객화(Mass customization) 과정에서 소비자의 구체화 과정을 지원하는 서비스로 제한되거나(Moon & Lee, 2012), 추천 자체의 효과를 검증하기 위해 SNS상의 추천인의 특성(지인과 대중의 비교)에 따른 선호를 비교하는데(Kim & Eune, 2011) 그치고 있다.

온라인 추천 서비스는 고도화된 개인화 서비스로 소비자의 개인 취향 및 선호를 기반으로 제품을 추천하는 내용기반 추천 시스템(Content-based recommendation service)을 기초로 한다. 여기에 누적된 웹로그 데이터를 토대로 추천의 원천을 개인에서 타인 혹은 제품 그룹으로 확대하는 협업필터링(Collaborative filtering) 방식을 활발히 적용하고 있다. ‘고객님과 비슷한 상품을 검색한 다른 고객님이 구매한 제품입니다’는 식의 비슷한 선호나 행동 패턴을 가진 사용자의 정보를 기반으로 추천이 이루어지는 사용자 기반 협업 필터링(User-based collaborative filtering)이 대표적이다(Kim et al., 2009; Ko et al., 2017). 또한 패션 쇼핑에서 활발히 적용되고 있는 방식으로 ‘패션 MD의 추천’과 같이 전문가의 추천 정보가 가미되어 정보 필터링이 이루어지는 지식기반 필터링(Knowledge-based filtering)을 들 수 있다(Lee et al., 2017). 소비자 관점에서 보면, 이러한 온라인 추천 서비스는 넘쳐나는 제품 정보 속에서 온라인 탐색에 들이는 노력을 줄이고 쇼핑의 성과를 높일 수 있는 혁신적인 서비스로 인식될 수 있다.

패션상품은 대표적인 이질적 선매품으로 온라인 쇼핑 시 유사한 상품이 현저히 많아 소비자들은 선택 대안에 대한 인지적 피로감 즉, 과부하를 겪을 수 있다(Iyengar & Lepper, 2000). 혹은 패션에 대한 지식이 부족하여 선택에 대한 불안감이 초래될 수 있다. 이러한 상황에서 추천 서비스는 구매의사결정을 도와 쇼핑 성과를 높일 수 있다. 그러나 추천 서비스가 개인과 유사한 타인의 정보가 반영되어 통합적 결정을 내린다는 측면에서 타인과 차별화되고 독특한 스타일을 추구하는 소비자의 경우, 유사성에 기초한 상품 추천 결과에 만족하지 못할 수 있다. 이러한 추천 서비스가 제공되는 환경의 특성을 반영하여 본 연구에서는 패션상품의 추천 서비스를 이용하는 개인의 선택 과부하와 유사성 회피에 따라 온라인 추천 서비스에 대한 평가가 어떻게 달라지는지 살펴보고자 한다.

특히 온라인 쇼핑과정에서 제공되는 혁신적 서비스로 평가받은 온라인 추천 서비스는 소비자가 얼마나 새롭다고 느끼는지에 따라 그 수용여부가 결정될 수 있다(Atuahene-Gima, 1995; Ettlie & Rubenstein, 1987). 동시에 혁신적인 서비스가 소비자의 쇼핑 방식에 적합한지에 따라 추천의 결과 채택에 영향을 미칠 수 있다(Atuahene-Gima, 1995; Ettlie & Rubenstein, 1987). 특히 온라인 추천 서비스의 혁신성과 적합성의 특성이 추천 서비스를 사용하는데 미치는 영향력은 소비자의 특성에 의해 달라질 수 있음을 주목하고 본 연구에서는 이를 검증하고자 한다. 패션 소비자는 온라인 쇼핑에서 발생하는 인지 과부하를 줄임과 동시에 타인과의 유사성은 피하고자 하는 특성이 드러날 수 있는데, 추천 서비스가 갖고 있는 기술적 시스템으로 인지되는 혁신성과 개인의 서비스 사용 과정의 비교로 인지되는 적합성의 영향력은 어떻게 달라지는 파악하고 패션상품 추천 서비스를 활용하는 온라인 리테일러를 위한 마케팅 제언을 도출하고자 한다.


2. 이론적 배경
2.1. 선택 과부하

일반적으로 개인이 선호하는 상품이 없거나 선택하고자 하는 대안이 모호할 경우, 소비자는 여러 대안을 가지고 있는 점포를 선호한다(Kahn & Lehmann, 1991). 다양한 대안으로 인해 선택의 폭이 넓어질 수 있으며 상품을 탐색하면서 자신이 진정 원하는 상품이 무엇인지를 파악할 수 있기 때문이다. 그러나 소비자에게 여러 대안을 제공하는 것이 항상 긍정적이지만은 않는다는 선행 연구 결과가 보고되고 있다. 여러 대안 중에서 선택할 때, 소비자는 선택을 지연하거나 선택을 포기하는 행동을 할 수 있으며, 선택을 하더라도 후회나 실망, 불만족과 같은 부정적인 감정이 생길 수 있다(Chernev, 2003; Iyengar & Lepper, 2000). 이와 같이 선택 대안의 수가 증가함으로써 나타나는 선택 지연 혹은 선택에 대한 낮은 선호도와 같은 부정적 특성을 선택 과부하라고 한다(Iyengar & Lepper, 2000).

Iyengar and Lepper(2000)는 사람들에게 제시하는 대안의 수에 따라 상품 구색에 대한 만족도와 구매 의도가 어떻게 달라지는지를 실험을 통해 검증하였다. 실험 참여자에게 6개 종류의 잼과 24개 종류의 잼을 제시하였는데, 24개 종류의 잼을 제시하였을 때 상품 구색에 대한 만족도가 높게 나타났다. 하지만 상품에 대한 구매 의도는 대안의 수가 적은 상황에서 더 높게 나타났으며, 이러한 결과를 통해 특정 상품을 선택하는데 있어 대안의 수가 많은 것이 선택에 부정적인 영향을 미칠 수 있음을 예상할 수 있다. Park and Yeo(2014)는 소비자가 선택할 수 있는 대안의 수에 따라 과부하 인지 수준이 달라지는 것을 발견하였으며 특히 유사한 상품의 과잉으로 선택에 어려움을 겪을 때 인지 과부하가 증가하며 동시에 부정적 감정이 유발됨을 발견하였다.

즉, 대안의 수가 증가하면 개인이 원하는 상품을 선택할 수 있는 가능성도 커지기 때문에 소비자 만족에 긍정적인 영향을 미칠 수 있으나 동시에 탐색하고 평가해야 하는 대안의 수가 증가하면서 인지적인 측면에서 과부하 현상이 발생한다. 이러한 현상을 지칭하는 용어로서 선택 과부하(Choice overload), 과잉선택 효과(Overchoice effect) 혹은 하이퍼초이스(Hyperchoice) 등이 사용되고 있다(Gourville & Soman, 2005; Iyengar & Lepper, 2000; Mick et al., 2004). 본 연구에서는 온라인 쇼핑 환경에서 제공되는 다양한 선택이 소비자에게 미치는 부정적인 효과를 선택 과부하로 지칭하고 소비자의 선택 과부하 수준에 따라 온라인 추천 서비스에 대한 평가가 어떻게 달라지는지 살펴보고자 한다. 온라인 추천 서비스는 개인의 구매 이력과 검색 패턴을 토대로 개인에게 적합한 상품을 추천해 주기 때문에 선택 대안이 많은 온라인 쇼핑 상황에서 선택 과부하를 높게 지각하는 사람들은 추천 서비스를 긍정적으로 평가할 것이다.

2.2. 유사성 회피

소비자는 독특성(Uniqueness)에 대한 자아 인식을 위협하는 상황을 피하기 위해 남들과는 차별화되는 것을 추구하는 성향을 가질 수 있는데 이를 독특성 욕구(Need for uniqueness)라 한다(Snyder & Fromkin, 1977). 독특성 이론(Theory of uniqueness) 에 따르면 사람들은 자신의 독특성이 위협을 받거나 사회적 환경 내에서 자신이 타인과 유사하다고 지각할 때 독특성 욕구가 증가한다. 즉, 사람들은 자신을 남들과 구분함으로써 자존감을 높이고 자아에 대한 부정적인 영향을 최소화하기 위해 다양한 방법으로 자신을 타인과 차별화하고자 한다. 어떤 이들은 자신이 가진 소유물을 과시함으로써(Belk, 1988), 개인이 지닌 전문지식을 통해(Holt, 1995), 혹은 타인과 의사소통하는 방식을 통해(Maslach et al., 1985) 자신이 남들과 차별화됨을 드러내고자 한다. 독특성 욕구가 높은 사람들은 타인과 차별화 하기 위해 남들이 가지고 있지 않은 독특한 자원을 구매 및 사용함으로써 자신과 남을 구분하고자 한다. 이러한 독특성 욕구는 개인이 지닌 내재적 특성으로서 다양하게 나타나는 인간 행동의 동기로서 작용하기도 한다(Maslach et al., 1985).

Tian et al.(2001)는 독특성 추구의 개념을 창의적 선택 (Creative choice), 비대중적 선택(Unpopular choice), 유사성 회피(Avoidance of similarity)의 세 가지 하위차원으로 구분하였다. 창의적 선택은 다른 사람들과 구분되는 자원을 선택함으로써 사회적으로 타인과 구별되고자 하는 욕구이며 비대중적 선택은 이와 유사한 맥락으로 규칙 또는 관습을 벗어나더라도 대중적이지 않은 자원을 선택함으로써 다른 사람들과 자신의 차이점을 강조하는 것이다. 마지막으로 유사성 회피는 다른 사람들이 수용하는 자원과 다른 것을 선택함으로써 개인의 차별적인 자아 이미지나 사회적 이미지를 강조하는 것이다. 일반적으로 개인의 유사성 욕구를 파악하기 위해 창의적 선택, 비대중적 선택, 유사성 회피의 세 가지 요소를 측정하는데(Choo & Kim, 2010; Tian et al., 2001), 연구에 따라 유사성 욕구의 하위 요인을 선택적으로 사용하기도 한다(Kumar et al., 2009). Kumar et al.(2009)은 인도 소비자의 상품 구매 의도(미국 상품 vs. 로컬 상품)가 개인의 유사성 욕구에 따라 어떻게 달라지는지 살펴보기 위해 유사성 욕구 중 창의적 선택과 유사성 회피의 두가지 하위 요인을 사용하여 개인의 유사성 욕구를 측정하였다. 본 연구는 온라인 추천 서비스를 통해 자신이 사전에 구매한 상품 혹은 타인이 구매한 상품과 유사한 상품을 제시하고 이에 대한 소비자의 수용 수준을 탐색하는 목적을 지닌다. 따라서 새로운 상품에 대한 욕구를 파악할 수 있는 창의적 선택 혹은 비대중적 선택보다는 남들이 구매한 상품과 비슷한 상품을 회피하려는 욕구에 집중하고 이를 측정할 수 있는 ‘유사성 회피’를 사용하고자 한다. 즉, 유사성 회피 성향이 높은 사람들은 온라인 추천 서비스를 통해 제시되는 상품에 대한 선호도가 유사성 회피 성향이 낮은 사람들에 비해 상대적으로 낮을 것이라고 예상해 볼 수 있다.

2.3. 사용 적합성과 구매의도

새로운 기술의 확산과 관련된 문헌 연구에서는 기술의 복잡성(Complexity)과 적합성(Compatibility)이라는 두 요인이 혁신적인 기술이나 서비스를 채택하는 것과 관련 있음을 보고하고 있다(Hoffer & Alexander, 1992; Moore & Benbasat, 1991). 복잡성은 기술혁신을 이용하기 얼마나 어려울지를 나타내는 척도로서 이미 기술수용모델(Technology acceptance model, TAM)에 유용성과 사용 용이성이라는 개념으로 활용되고 있다. Vijayasarathy(2004)는 소비자의 온라인 쇼핑 사용 의도에 영향을 미치는 요인으로서 적합성을 제안하였으며 적합성을 온라인 쇼핑이 자신의 생활방식, 니즈 그리고 쇼핑 선호도에 부합한다고 믿는 정도로 정의하였다. 연구 결과, 온라인 쇼핑을 사용하는 것이 개인의 쇼핑방식이나 생활방식과 잘 맞는다고 응답하여 개인이 지각하는 온라인 쇼핑 적합성이 증가할수록 온라인 쇼핑에 대한 태도가 긍정적으로 나타났다 (Vijayasarathy, 2004). 또한 온라인 쇼핑에 대한 태도는 쇼핑행동에 긍정적 영향을 미치는 것으로 나타나 온라인 쇼핑 적합성이 궁극적으로 온라인을 활용한 상품 구매의도에 영향을 미침을 예상할 수 있다.

본 연구에서는 일반적인 온라인 쇼핑보다 혁신적인 기술이 활용된 온라인 추천 서비스에 대한 소비자의 수용의도를 파악하고자 하며 이의 지표로서 사용 적합성을 사용하고자 한다. 온라인 추천 서비스의 경우 다른 종류의 쇼핑 서비스보다 소비자에게 더 큰 새로움을 제공할 수 있으며 이러한 서비스의 혁신성이 잠재적 수용자의 니즈와 가치에 얼마나 부합하는지를 파악하는 것이 필요할 것이다. 또한 소비자의 개인 특성인 유사성 회피와 선택 과부하의 수준에 따라 온라인 추천 서비스의 적합성 지각이 달라질 것이며 이는 서비스를 통한 상품 구매의도에 영향을 미칠 것이라 예상한다.

2.4. 서비스 혁신성과 구매의도

혁신성은 새로움의 정도로 평가할 수 있는데(Song, 2012) 소비자 측면에서 서비스나 제품이 새롭다고 느끼는지 정도나 혹은 서비스나 제품의 수용이 새롭게 이루어진 정도로 볼 수 있다 (Atuahene-Gima, 1995; Ettlie & Rubenstein, 1987). 일반적으로 혁신성 연구에서는 혁신성의 유형을 기업에 새로운 정도 (New to the firm), 시장에 새로운 정도(New to the firm), 기술의 새로운 정도(New technology)로 구분하고 있는데(Yoo et al., 2006) 각 혁신성 유형이 얼마나 새로운가에 따라 혁신성 수준을 고 · 중 · 저의 세 가지 단계로 구분하기도 한다(Kleinschmidt & Cooper, 1991; Lawton & Parasuraman, 1980). 본 연구에서는 온라인 추천 서비스의 혁신성을 측정함에 있어 기업의 입장이나 기술 자체의 혁신성을 평가하기 보다 해당 기술이 활용된 서비스를 수용하는 소비자 측면에서 잠재적 수용자들이 온라인 추천 서비스를 얼마나 새롭다고 지각하는지를 측정하고자 한다.

선행 연구에 따르면 특정 서비스나 제품에 대해 지각하는 혁신성은 개인의 소비와 관련된 특성에 따라 달라질 수 있다. 소비자가 학습을 통해 소비에 대해 잘 알수록 신제품 평가시 혁신성 수준을 더 높게 평가할 수 있으며, 혹은 소비자의 내재된 지식을 통해 기존 제품과 혁신적인 제품과의 차이를 높게 지각할수록 새로운 제품에 대한 혁신성을 높게 지각할 수 있다 (Lawton & Parasuraman, 1980; Song, 2012). 이에 본 연구에서는 소비자가 온라인 추천 서비스의 혁신성을 지각하는 수준은 개인의 특성 요인이 영향을 미칠 것이라 예상한다. 즉, 개인의 선택 과부하 수준과 유사성 회피 성향에 따라 서비스 혁신성에 대한 평가가 달라질 것이다. 또한, Song(2012)은 신제품의 프리어나운싱 정보가 지각된 혁신성에 영향을 미치는 것으로 발견하였으며 신제품에 대한 혁신성을 높게 지각할수록 제품 사용의도가 증가하는 것을 확인하였다. 서비스 혁신성은 서비스 적합성과 함께 온라인 추천 서비스를 사용하여 제품을 구매하고자 하는 소비자의 구매의도에 긍정적인 영향을 미칠 것이라 예상한다. 이에 본 연구에서는 다음과 같은 연구문제를 도출하였다.

연구문제 1: 소비자의 선택 과부하와 유사성 회피에 따라 온라인 추천 서비스 적합성과 혁신성 지각의 차이가 있는지 살펴본다.

연구문제 2: 소비자의 선택 과부하와 유사성 회피에 따라 온라인 추천 서비스 적합성과 혁신성이 온라인 추천 서비스 사용의도에 미치는 영향에 차이가 있는지 살펴본다.


3. 연구 방법
3.1. 실험 자극물

본 연구는 온라인 패션상품 쇼핑 시 제시되는 개인화 추천 서비스에 대한 평가가 소비자의 선택 과부하 인지, 유사성 회피 특성에 따라 어떻게 달라지는지 검증하고자 온라인 쇼핑 상황을 가정하고 시나리오를 토대로 실험 설계하였다. 응답자에게 스니커즈 쇼핑을 위해 온라인 사이트(Converse.co.kr)에 방문하였음을 가정하였다. 먼저 해당 사이트 접근시 소비자의 선호 정보를 바탕으로 추천 서비스가 이루어짐을 시나리오로 제시하고, 개인화 추천 서비스를 조작화하였다. 응답자로 하여금 자신의 발 사이즈와 발 모양, 선호 스니커즈의 유형과 색상의 4문항을 선택하도록 하여 수집된 개인의 선호 정보를 바탕으로 온라인 사이트에서 상품이 추천됨을 제시하였다. 개인화 추천의 결과로 제시된 상품은 컨버스의 스니커즈 6개 상품으로 자극물 이미지를 구성하여 제시하였다.

자극물은 2개 유형으로 가상의 온라인 쇼핑 상황을 가정하기 위해 컨버스 웹사이트를 배경으로 온라인 사이트 환경을 구성하고 추천 상품은 두 자극물 유형에서 모두 동일하게 제시되도록 통제하였으며 추천의 정보원만 다르게 문구가 제시된 이미지로 제작되었다. 개인화 추천 서비스는 가장 활발히 사용되고 있는 협업필터링에 의한 방식으로 실제로 온라인 쇼핑 중접할 수 있는 서비스를 반영하여 자신과 비슷한 선호 정보를 가진 타인의 구매정보를 기반으로 한 추천 서비스(타인 기반상품 추천)와 전문성을 지닌 타인인 패션MD가 고객의 선호 정보를 토대로 제안하는 추천 서비스(전문가 기반 상품 추천) 2 유형의 자극물을 포함하였다. 응답자는 무작위로 한 개의 자극물 유형에 할당되어 응답하도록 하였다.

3.2. 측정도구

본 연구의 주요 소비자 특성 변수인 선택 과부하, 유사성 회피는 패션상품을 쇼핑할 때 지각하는 소비자 선택에 관련된 감정과 성향을 측정하였다. 소비자의 선택 과부하는 선택대안의 수가 많아서 나타나는 부정적 감정으로, 선행연구(Iyengar & Lepper, 2000; Park & Yeo, 2014)를 토대로 많은 대안으로 인한 선택의 어려움과 선택의 결과에 대한 불만족, 후회를 포함한 3문항으로 평소 지각된 과부하를 측정하였다. 유사성 회피는 타인과 구별되고자 하는 개인의 독특성 추구 욕구로 Tia et al.(2001)의 연구를 토대로 타인이 구매한 제품이나 브랜드를 회피함으로써 타인과의 유사성을 낮추는 성향에 관한 3문항을 측정하였다.

온라인 추천 서비스에 대한 평가로 사용 적합성은 추천 서비스에 요구되는 사용 형태의 변화 및 적합성 지각으로 Vijayasarathy(2004)의 연구를 토대로 2문항을 측정하였으며, 혁신성은 온라인 추천 서비스의 지각된 혁신성으로 신선한, 색다른, 독특한, 혁신적인 서비스를 제공하는지에 대한 4문항을 선행연구(Yoo et al., 2006)를 토대로 측정하였다. 온라인 추천 서비스 사용의도는 Mukherjee and Nath(2007)의 연구를 토대로 온라인 추천 서비스의 구전 및 추천, 정보탐색 시 사용의도, 추천 서비스를 통한 구매의도에 관한 4문항을 본 연구에 맞게 수정하여 사용하였다. 모든 다문항 척도는 7점 리커트 척도로 측정되었다.

3.3. 자료의 수집 및 표본의 특성

본 연구의 표본은 인터넷 쇼핑 경험이 있는 20~40대 남녀 소비자를 대상으로 자극물인 스니커즈의 평소 사용경험이 있는 소비자로 한정하였다. 전문 리서치기관의 패널을 대상으로 온라인 설문조사를 실시하였으며, 응답자는 무작위로 추천 서비스 유형 중 하나의 자극물에 할당되었다. 추천 상품은 동일하게 통제하고 추천 정보원을 타인 기반(n=100) vs. 전문가 기반 (n=100)으로 조작한 두 가지 유형의 자극물에 대해 각각 100개의 데이터를 거두었으며 최종 200개의 유효 표본을 분석에 활용하였다.

분석 표본은 여성 115명(57.5%), 남성 85명(42.5%)로 구성되었으며 20대 30.0%, 30대 37.5%, 40대 32.5%로 고루 분포하였다. 응답자의 대부분은 대학졸업(74.0%)으로, 직업은 일반사무직 61.5%, 전문직 13.0%, 대학생 7.5%, 전업주부 5%, 서비스직 5%, 무직 및 기타 8%로 나타났다. 두 자극물 간 표본 동질성을 검증하기 위해, 평소 온라인 쇼핑행동의 차이가 있는지를 분석하였다. 온라인 패션쇼핑행동은 ‘평소 패션제품의 온라인 쇼핑을 즐겨하십니까’의 1문항으로 7점 리커트 척도로 측정되었으며, 독립표본 t-검정 결과 고객기반 추천(M=5.47)과 전문가 기반 추천(M=5.46) 두 자극물 간 응답자의 온라인 패션쇼핑행동에는 유의한 차이를 보이지 않았다(t=0.056, p=0.805). 또한 ‘온라인 추천 서비스가 나에게 맞는 서비스를 제공한다’ 1문항의 개인화 품질에 대해서도 고객기반 추천(M=4.47)과 전문가 기반 추천(M=4.51) 두 자극물 간 유의한 차이가 나타나지 않아(t=−0.247, p=0.955), 두 자극물의 개인화 서비스의 동질성을 간주하고 동시에 동질한 표본으로 판단되어 이후 분석을 실시하였다.


4. 결과 및 논의
4.1. 측정도구의 타당도, 신뢰도

측정변수들의 타당도와 신뢰도를 검증하기 위해 AMOS 21.0으로 확인적 요인분석을 실시하였다. 측정모델의 모든 요인부하량은 .733~.900로 유의하였으며, 모델 적합도 지수도 만족스러운 것으로 나타났다(Normed χ2=1.671, GFI=.908, CFI= .974, RMR=.071, RMSEA=.058). 각 요인의 신뢰도는 .795~.920 으로 내적일관성을 나타내었으며, AVE값은 .565~.793, CR값은 .688~.896으로 수렴타당도를 확인하였다(Table 1). 변수 간 판별타당도를 확인하기 위해 상관계수 제곱값과 AVE값을 비교하였으며(Table 2), 본 결과를 토대로 이후 분석을 실시하였다.

Table 1. 
Measurement model
Scale Standard Loading (λ) Chronbach’s α
AVE
CR
Choice overload
   X1 Chosen fashion products are not very satisfactory.
   X2 I feel difficult to make decision because there are lots of similar fashion products.
   X3 I often regret that I do not seem to make a good choice.

.777
.745
.733
.795
.565
.688
Avoidance of similarity
   X4 I often try to avoid fashion products or brands that I know are bought by the general population.
   X5 As a rule, I dislike fashion products or brands that are customarily purchased by everyone.
   X6 I avoid fashion products or brands that have already been purchased by the average consumer.

.899
.894
.878
.920
.793
.841
Use compatibility
   X7 The online recommendation service is suitable for my lifestyle.
   X8 The online recommendation service fits in the way I usually shop.

.864
.862
.854.
.745
.827
Innovativeness
   X9 The online recommendation service provides unique services.
   X10 The online recommendation service provides innovative services.
   X11 The online recommendation service provides new services.
   X12 The online recommendation service provides different services.

.900
.862
.850
.844
.920
.747
.896
Behavior intention
   X13 I would like to talk to others about the online recommendation services.
   X14 I would like to recommend the online recommendation services to others.
   X15 I am willing to use the online recommendation services for searching the products.
   X16 I am willing to purchase the goods through the online recommendation services.

.872
.866
.794
.767
.895
.682
.863
Notes: All λ were statistically significant at p<.001, Normed χ2=1.671, GFI=.908, CFI=.974, RMR=.071, RMSEA=.058

Table 2. 
AVE, Squared correlation coefficient
Choice overload Avoidance of similarity Compatibility Innovativeness Behavior intention
Choice overload
Avoidance of similarity
.565 a
.071 b

.793
Compatibility .036 .242 .745
Innovativeness .059 .328 .492 .747
Behavior intention .034 .294 .678 .614 .682
Notes: a: Values at diagonal(italics) represent AVE of the construct, b: Lower values in the matrix represent the squared correlation coefficient between constructs

4.2. 선택 과부하와 유사성 회피에 따른 온라인 추천 서비스 적합성과 혁신성 지각
4.2.1. 선택 과부하와 유사성 회피에 따른 소비자 집단 구분

선택 과부하와 유사성 회피에 따른 온라인 추천 서비스 적합성과 혁신성 지각의 차이를 살펴보기 위해, 먼저 선택 과부하와 유사성 정도에 따라 소비자 집단을 구분하였다. 선택 과부하의 평균(M=4.120)을 기준으로 평균 미만 선택 과부하 저집단(n=103)과 평균 이상 선택 과부하 고집단(n=97)으로 구분하였다.

선택 과부하 집단간 특성을 비교하기 위해 패션상품 쇼핑 시 인지하는 상품유사성과 상품다양성을 비교하였다. 상품유사성은 ‘패션상품들 간에 차이점이 무엇인지 구별하기가 쉽지 않다’, ‘패션상품들을 서로 비교해보고 선택하는 것은 꽤 힘든 일이다’ 2문항(Chronbach’s α=.745), 상품다양성은 ‘지나치게 많은 패션상품들 속에 휩싸여 있다고 종종 느낀다’, ‘패션상품이 많아서 선택하는 일이 복잡하다는 생각이 든다’ 2문항으로 (Chronbach’s α=.868)를 선행연구(Park & Yeo, 2014)를 토대로 측정하였다. 선택 과부하 집단간 인지된 상품유사성 및 상품다양성의 차이를 비교한 결과(Table 3), 선택 과부하를 높게 인지하는 고집단의 경우 저집단에 비해 온라인 쇼핑 시 패션상품의 유사성과 상품의 다양성을 높게 인지하는 것으로 나타났다. 패션상품의 유사성이 높고, 상품의 종류가 많아 선택에 어려움을 겪는 소비자의 경우, 의사결정을 위해 처리해야하는 정보의 과부하를 높게 인지하는 것으로 볼 수 있다.

Table 3. 
Perceived product diversity between high and low group of choice overload
Low choice overload (n=103) High choice overload (n=97) t-value
Perceived product similarity 3.752 4.938 −7.783***
Perceived product diversity 4.184 5.417 −7.894***
Notes: ***p<.001

또한, 유사성 회피의 평균(M=3.920)을 기준으로 평균 미만을 유사성 회피 저집단(n=81), 평균 이상을 고집단(n=119)으로 구분하였다. 유사성 회피에 따른 소비자 특성을 파악하기 위해, Tian et al.(2001)의 연구를 토대로 독특성의 하위 개념인 비대중적 선택과 창의적 선택을 비교하였다. 자신의 독특성을 고려하여 평범하지 않고 차별화된 제품을 선택하는 개념인 비대중적 선택(Unpopular choice) 3문항(Chronbach’s α=.929), 기존의 규범에 도전한 제품이나 옷입기를 시도하고 선택하는 개념인 창의적 선택(Creative choice) 3문항(Chronbach’s α=.923)을 측정하였다. 유사성 회피 집단 간 차이를 비교한 결과(Table 4), 유사성 회피 성향이 높은 집단이 낮은 집단에 비해 비대중적 선택과 창의적 선택이 통계적으로 유의하게 높은 것으로 나타났다.

Table 4. 
Unpopular choice and creative choice between high and low group of avoidance of similarity
Low similarity avoidance (n=81) High similarity avoidance (n=89) t-value
Unpopular choice 2.893 4.535 −10.078***
Creative choice 3.016 4.579 −9.266***
Notes: ***p<.001

4.2.2. 온라인 추천 서비스 혁신성과 사용 적합성 지각에 대한 선택 과부하와 유사성 회피의 상호작용 효과

선택 과부화와 유사성 회피가 온라인 추천 서비스 혁신성과 사용 적합성 지각에 미치는 상호작용 효과를 살펴보기 위해, 각 2집단으로 구분된 선택 과부하와 유사성 회피를 독립변수로 이원 분산분석을 실시하였다.

온라인 추천 서비스 혁신성를 종속변수로 분석한 결과 (F=8.874, p=.000), 유사성 회피의 주효과가 유의하였으며 (F=24.702, p=.000), 선택 과부하의 주효과와 유사성 회피와 선택 과부하의 상호작용 효과는 유의하지 않았다. 온라인 추천 서비스의 사용 적합성에서는(F=6.642, p=.000), 유사성 회피의 유의한 주효과가 나타났으며(F=17.633, p=.000) 선택 과부하의 주효과는 유의하지 않았으나 유사성 회피와 선택 과부하의 상호작용이(Fig. 1) 10% 유의수준에서 한계적으로 유의한 것으로 나타났다(F=2.895, p=.090). 상호작용의 결과를 살펴보면(Fig. 1), 온라인 쇼핑 시 선택되는 제품의 유사성을 회피하려는 성향이 높을수록 개인화 추천 서비스의 사용 적합성을 높게 인식하게 되는데, 특히 소비자가 쇼핑 시 선택 과부하를 높게 인식하여 선택의 어려움을 느낄 때, 추천 서비스의 사용 적합성 인식은 더 크게 증가하는 것을 알 수 있다.


Fig. 1. 
Interaction effect of choice overload and avoidance of similarity on use compatibility.

결과의 추가적인 해석을 위해 선택 과부하고, 저와 유사성 고, 저에 따라 구분된 4개의 집단에 따른 온라인 추천 서비스 혁신성과 사용 적합성의 차이를 일원배치분산분석과 사후검정을 실시하여 확인하였다(Table 5). 선택 과부하 정도와는 무관하게 유사성 회피 성향이 높은 집단이 낮은 집단에 비해 온라인 추천 서비스의 혁신성을 높게 지각하는 것으로 나타났다. 또한 유사성 회피성향이 높은 집단은 낮은 집단에 비해 선택 과부하 상태일 때, 추천 서비스의 사용 적합성을 높게 인식하였다.

Table 5. 
Innovation and use compatibility of online recommendation service among choice overload and avoidance of similarity groups
Independent variable Low overload -Low similarity avoidance (n=47) Low overload -High similarity avoidance (n=56) High overload -Low similarity avoidance (n=34) High overload -High similarity avoidance (n=63) F-ratio
Innovativeness .3.968
B
4.495
A
3.801
B
4.714
A
8.874***
Use compatibility 4.202
B/C
4.562
A/B
3.926
C
4.778
A
6.642***
Notes: a: Standardized regression coefficient(β), ***p<.001

이러한 결과는 온라인 추천 서비스가 사용하기에 적합한지를 판단할 때 개인의 선택 특성에 따라 달라질 수 있음을 의미하는데, 온라인 쇼핑 시 다양한 상품 정보가 제공되어 소비자로 하여금 선택 과부하를 인지하게 하고 선택의 어려움을 준다면, 타인과의 차별화된 상품을 선택하고자 하는 성향이 강한 소비자에게는 온라인 개인화 추천 서비스가 더 긍정적으로 평가될 수 있음을 시사한다.

4.3. 선택 과부하와 유사성 회피에 따른 온라인 추천 서비스 혁신성과 사용 적합성이 추천 서비스 사용 의도에 미치는 영향

온라인 추천 서비스의 혁신성과 사용 적합성이 사용의도에 미치는 영향이 선택 과부하와 유사성 회피에 따라 어떻게 달라지는지 검증하기 위해, 선택 과부하 고, 저와 유사성 고, 저에 따른 4개의 집단 별 회귀분석을 실시하였다. 먼저 온라인 추천 서비스의 혁신성과 사용 적합성이 사용의도에 미치는 영향을 전체응답자를 대상으로 중회귀분석한 결과(R2=.736, F= 278.783***), 혁신성(β=.477, t=8.668***)과 사용 적합성(β=.442, t=8.042***) 모두 유의한 영향을 미치며, 혁신성의 영향력이 상대적으로 높은 것으로 나타났다. 소비자에게 새로운 서비스로 인식되는 개인화 추천 서비스는 혁신적이라는 인식과 개인의 쇼핑에 사용하기 적합하다는 인식이 수반될 때 더욱 지속적인 사용의도를 형성할 수 있음을 의미한다.

혁신성과 사용 적합성이 온라인 추천 서비스 사용의도에 미치는 영향을 선택 과부하와 유사성 회피 고, 저에 따라 나눈 4 집단별로 중회귀분석을 실시하였다(Table 6). 사용 적합성 보다는 혁신성이 대체로 영향력이 큰 것으로 나타났고, 특히 선택 과부하 인식이 낮은 소비자의 경우 유사성 회피가 높고 낮음과 상관없이 온라인 추천 서비스가 자신과의 쇼핑과의 적합성을 비교하기 보다는 추천 서비스 자체의 혁신성을 높게 지각할수록 온라인 추천 서비스 사용의도가 높아지는 것으로 확인되었다.

Table 6. 
The effects of innovativeness and use compatibility on online recommendation service use intention among choice overload and avoidance of similarity groups
Independent variable Low overload -Low similarity avoidance (n=47) Low overload -High similarity avoidance (n=56) High overload -Low similarity avoidance (n=34) High overload -High similarity avoidance (n=63)
Innovativeness .528***a .591*** .315* .473***
Use compatibility .448*** .299* .546*** .457***
R2 .817 .738 .624 .711
F-ratio 98.012*** 74.666*** 25.687*** 73.687***
Notes:a: Standardized regression coefficient(β), *p<.05, **p<.01, ***p<.001

반면에 고 선택 과부하-저 유사성 회피 집단에서는 사용 적합성이 혁신성보다 온라인 추천 서비스 사용의도에 미치는 영향이 큰 것으로 나타났다. 패션 쇼핑 시 선택 과부하 인식이 높고 동시에 타인과의 유사성 회피가 낮은 소비자는 4개 집단 중 추천 서비스의 사용 적합성을 가장 낮게 평가한 집단으로 온라인 추천 서비스가 자신의 쇼핑방식과의 적합성이 높을 때 긍정적인 사용의도를 형성할 수 있음을 의미한다. 온라인 쇼핑과 관련된 선행연구에서(Vijayasarathy, 2004) 기술 및 서비스의 적합성은 사용의도 형성에 중요한 역할을 하고 있음을 밝히고 있는데, 패션상품은 이질적 선매품으로 소비자들의 비교구매가 활발히 이루어지는 특성을 갖고 있고 온라인을 통해 정보제공이 활발하여 소비자들은 선택 과부하 인식이 높을 수 있으나, 패션 소비의 동조적 특성이 발현이 될 때 개인화 추천 서비스가 단순히 혁신적인 서비스라는 평가보다 사용의 적합성을 고려하여 지속적인 사용의도를 형성할 수 있음을 시사한다.


5. 결 론

온라인 커머스의 발전과 시장의 급속한 확대로 소비자는 무수히 많은 정보 속에서 자신이 원하는 정보를 더 효율적으로 얻기를 바라며, 이를 해결해 줄 수 있는 고도화된 서비스를 기대하고 있다. 본 연구는 최근 온라인 쇼핑환경에서 활발히 시도되고 있는 개인화 추천 서비스를 소비자들이 어떻게 평가하고 사용하고자 하는지를 파악하고자 하였다. 특히 온라인 추천 서비스에 대한 평가는 소비자의 정보처리와 선택 특성에 따라 달라질 수 있음을 주목하고, 소비자가 쇼핑 시 지각하는 선택 과부하와 유사성 회피에 따라 온라인 추천 서비스의 혁신성과 사용 적합성의 차이와 이들의 추천 서비스 사용의도에 미치는 영향력을 실증적으로 검증하였다. 본 연구 결과의 의의와 이를 토대로 한 제언은 다음과 같다.

첫째, 본 연구는 온라인 개인화 추천 서비스에 대한 평가를 서비스의 혁신성과 사용성이라는 두가지 차원으로 측정하였다. 개인화 추천 서비스는 혁신적인 서비스 시스템이라는 측면에서 여러 온라인 사이트에서 도입하고 있는데 소비자들은 개인의 선호와 취향 등을 시스템에서 식별하고 이에 맞춘 서비스를 제공한다는 점에서 서비스 자체의 혁신적 기능을 높게 인식하고 있다. 동시에 혁신적인 기술이 개인의 쇼핑 상황에 접목되어 얼마나 적합한지를 평가하고 있다. 이는 기존의 기술 혁신성을 다루었던 연구에서(Hoffer & Alexander, 1992; Moore & Benbasat, 1991; Vijayasarathy, 2004) 혁신성과 동시에 소비자의 사용 경험 측면에서 기술의 적합성이 고려되었던 결과와 일맥상통한다. 특히 본 연구결과에서 혁신성과 사용 적합성은 개인화 추천 서비스의 사용의도에 영향력을 갖는 주요 선행요인임을 확인하였다.

둘째, 본 연구에서는 개인화 추천 서비스에 대한 평가는 소비자의 선택 특성으로 유사성 회피와 정보처리적 관점에서 기인되는 선택 과부하 인지에 따라 달라질 수 있음을 검증하였다. 패션상품을 구매할 때 타인과의 유사성을 회피하고자 하는 성향이 높은 소비자들은 개인의 선호 정보에 기반하여 상품을 추천하는 개인화 서비스에 대해 혁신성과 사용 적합성 모두 높게 지각하였다. 특히 패션상품의 온라인 구매 시 제품의 다양성으로 인하여 선택 과부하를 크게 느끼는 소비자들은 유사성 회피가 커질수록 개인화 추천 서비스의 사용 적합성을 더 높게 지각하는 것을 알 수 있었다. 이는 온라인 쇼핑 상황에서 과도한 정보의 노출로 선택의 어려움을 소비자들이 느낄 때, 유사한 제품들 속에서 타인과는 구별되는 제품을 선택하고 싶은 니즈와 맞물려 개인에게 맞춤화된 제품을 추천하는 서비스가 사용성 면에서 긍정적 역할을 할 수 있음을 의미한다. 온라인 쇼핑이 더욱 활발해지고 온라인으로 제공되는 제품 및 서비스가 더욱 증가하는 가운데, 개인화 추천 서비스는 개인의 제품 선택 맥락에서 제공되며 소비자의 선택을 도와주는 어드바이저로서 기능을 수행한다는 측면에서 소비자의 기존 쇼핑 방식 혹은 라이프스타일에 적합한 서비스라는 점이 강조될 필요가 있다.

셋째, 온라인 개인화 추천 서비스는 현재 개인의 선호 정보를 바탕으로 축적된 타소비자의 구매 및 쇼핑 정보를 이용하여 추천이 이루어지는 협업 필터링 시스템의 도입이 가장 활발히 이루어지고 있다(Kim et al., 2009; Ko et al., 2017). 그래서 유사한 취향을 가진 혹은 구매 이력을 가진 타인의 정보를 바탕으로 추천하고 있음을 제시하게 되는데, 이는 패션상품 소비의 특성상 독립적인 개인의 성향만 반영하기 보다 동시에 다수에 의해 이루어지는 행동패턴이 반영된 것이라고 볼 수 있다. 소비자가 개인화된 추천 서비스의 혁신성이나 사용 적합성 평가에서는 타인과 구별되는 유사성 회피가 중요하게 작용하는데 추천이 취향의 동질성이 확보된 그룹에 기반하여 추천한다는 점과 개인의 차별성이 동시에 충분히 반영되었음을 강조하는 커뮤니케이션 전략이 적용될 필요가 있다. 이는 단순히 다른 고객이 선호하는 제품이라는 추천 메시지 보다는 소비자와 얼마나 관련성이 있는 고객 정보가 반영되었는지를 알 수 있는 명시적 메시지 사용이 효과적일 것으로 판단된다. 이러한 맥락에서 후속연구에서는 추천 메시지에 대한 소비자의 관련성 지각을 검증하는 것이 의미 있을 것으로 보여진다.

넷째, 추천 서비스의 혁신성과 사용 적합성은 온라인 추천 서비스 사용의도 형성에 중요한 변수가 되며, 혁신성이 상대적으로 더 중요한 역할을 하는 것이 일차적으로 확인되었다. 이는 기존의 온라인 쇼핑에서 채택한 일관된 상품 페이지를 제시하는 방식보다는 개인의 특성과 행동 패턴에 기초한 추천 서비스가 도입될 필요가 있음을 시사한다. 추천 서비스가 도입될 때 소비자들은 충분히 차별화된 서비스가 제시되었을 때 서비스가 혁신적이라는 점을 지각할 수 있다. 따라서 소비자로 하여금 혁신성을 지각할 수 있는 추천 서비스의 제시 방식에 대한 연구가 지속적으로 이루어져야 할 것으로 생각된다.

또한 유사성 회피는 낮고 정보의 과부하 인지가 높은 소비자의 경우는 혁신성보다는 사용 적합성이 사용의도에 더 중요한 영향요인임을 감안할 때, 온라인 서비스를 이용하는 타겟고객들이 동조적 성향이 강한 소비자들로 이루어진 사이트의 경우는 적극적으로 협업필터링에 의해 개인의 쇼핑 패턴에 맞춤화된 정보를 추천하고 있음을 강조하여 구매를 유도할 필요가 있다.

본 연구는 온라인 추천 서비스가 국내 도입이 초기 단계라는 점을 감안할 때, 사용자가 충분히 경험을 하지 않은 수준에서 추천 서비스에 대한 지각과 태도 등을 측정하였다는 점에서 한계가 있을 수 있다. 특히 추천을 위해 개인화 과정을 조작화하여 응답하도록 설계하였지만 개인화의 결과로 제시된 자극물이 동일하다는 점에서는 의사실험의 한계점을 가진다. 후속 연구에서는 개인화 수준과 관련된 다양한 추천 결과를 제시할 수 있는 실험 설계로 연구의 외적타당도를 높이는데 기여할 수 있을 것이다. 또한 본 연구에서는 개인이 지각하는 ‘선택 과부하’ 수준을 측정하기 위해 선행연구(Iyengar & Lepper, 2000)에서 사용한 문항을 참고하였으나, 측정문항 자체가 선택 과부하를 포괄적으로 측정하기보다 선택 과부하로 인한 부정적 감정에 집중되어 있다는 한계가 있다. 선행연구에서는 선택 대안의 수에 차이를 두어 선택 과부하 수준을 다르게 조작한 두 자극물에 대해 소비자의 인식을 측정하였으나 본 연구에서는 동일한 선택 대안의 수를 사용하였기 때문에 소비자가 경험하는 선택 과부하를 포괄적으로 측정할 수 있는 측정도구를 사용해야 할 필요가 있겠다. 후속연구를 통해 소비자의 일반적인 선택 과부하 인식을 측정할 수 있는 척도를 개발하는 것이 필요할 것이며, 개인화 서비스를 통해 제시되는 선택 대안의 수를 다르게 제시하여 선택 과부하 수준을 조작한 실험 연구를 진행함으로써 선택 과부하가 소비자에게 미치는 영향력을 폭넓게 이해하고 이의 해결방안에 대한 시사점을 도출할 수 있을 것이다.


Acknowledgments

본 연구는 산업통상자원부의 산업기술혁신사업의 일환으로 수행하였음(10065411, 패션 정보공유 및 패션시장 조사).


References
1. Atuahene-Gima, K., (1995), An exploratory analysis of the impact of market orientation on new product performance: A contingency approach, Journal of Product Innovation Management, 12(4), p275-293.
2. Belk, R. W., (1988), Possessions and the extended self, Journal of Consumer Research, 15(2), p139-168.
3. Chernev, A., (2003), When more is less and less is more: The role of ideal point availability and assortment in consumer choice, Journal of Consumer Research, 30(2), p170-183.
4. Choo, M. A., & Kim, S. H., (2010), The influence of customers’ uniqueness needs for self-expression and its effect on their purchase intention - Moderating effect of innovativeness, Journal of New Industry and Business, 31, p73-93.
5. Ettlie, J. E., & Rubenstein, A. H., (1987), Firm size and product innovation, Journal of Product Innovation Management, 4(2), p89-108.
6. Gourville, J. T., & Soman, D., (2005), Overchoice and assortment type: When and why variety backfires, Marketing Science, 24(3), p382-395.
7. Hoffer, J. A., & Alexander, M. B., (1992), The diffusion of database machines, ACM SIGMIS Database: The DATABASE for Advances in Information Systems, 23(2), p13-19.
8. Holt, D. B., (1995), How consumers consume: A typology of consumption practices, Journal of Consumer Research, 22(1), p1-16.
9. Iyengar, S. S., & Lepper, M. R., (2000), When choice is demotivating: Can one desire too much of a good thing?, Journal of Personality and Social Psychology, 79(6), p995-1006.
10. Jo, H., Hong, J. H., Choeh, J. Y., & Kim, S. H., (2013), A recommendation algorithm which reflects tag and time information of social network, Journal of Internet Computing and Services, 14(2), p15-24.
11. Kahn, B. E., & Lehmann, D. R., (1991), Modeling choice among assortments, Journal of Retailing, 67(3), p274-299.
12. Kim, H. S., & Eune, J. H., (2011), Preferences of product recommendation based on SNS friends in online shopping mall, Research of Basic Design and Art, 12(1), p135-145.
13. Kim, Y., Kim, M. S., Kim, Y. B., & Park, J. H., (2009), A study on personalized recommendation method based on contents using activity and location information, Journal of the Korean Society for Information Management, 26(1), p81-105.
14. Kleinschmidt, E. J., & Cooper, R. G., (1991), The impact of product innovativeness on performance, Journal of Product Innovation Management, 8(4), p240-251.
15. Ko, H. M., Kim, S. R., & Kang, N. H., (2017), Design and implementation of smart-mirror supporting recommendation service based on personal usage data, Korean Institute of Information Scientists and Engineers Transactions on Computing Practices, 23(1), p65-73.
16. Kumar, A., Lee, H. J., & Kim, Y. K., (2009), Indian consumers’ purchase intention toward a United States versus local brand, Journal of Business Research, 62(5), p521-527.
17. Lawton, L., & Parasuraman, A., (1980), The impact of the marketing concept on new product planning, Journal of Marketing, 44(1), p19-25.
18. Lee, B. J., (2016), The effect of product recommendation information of personalized recommendation system on corporate image: Focus on customer’s regulatory focus, Unpublished master’s thesis, Sungkyunkwan University, Seoul.
19. Lee, D. W., Kim, U. S., & Yeom, K. H., (2017), Content recommendation system using user context-aware based knowledge filtering in smart environments, The Journal of Korean Institute of Next Generation Computing, 13(2), p35-48.
20. Lee, S. J., (2018), A new similarity measure using fuzzy logic for user-based collaborative filtering, The Journal of Korean Association of Computer Education, 21(5), p61-68.
21. Maslach, C., Stapp, J., & Santee, R. T., (1985), Individuation: Conceptual analysis and assessment, Journal of Personality and Social Psychology, 49(3), p729-738.
22. Mick, D. G., Broniarczyk, S. M., & Haidt, J., (2004), Choose, choose, choose, choose, choose, choose, choose: Emerging and prospective research on the deleterious effects of living in consumer hyperchoice, Journal of Business Ethics, 52(2), p207-211.
23. Moon, H. K., & Lee, H. H., (2012), Product recommendation service in online mass customization: Consumers’ cognitive and affective responses, Journal of the Korean Society of Clothing and Textiles, 36(11), p1222-1236.
24. Moore, G. C., & Benbasat, I., (1991), Development of an instrument to measure the perceptions of adopting an information technology innovation, Information Systems Research, 2(3), p192-222.
25. Mukherjee, A., & Nath, P., (2007), Role of electronic trust in online retailing: A re-examination of the commitment-trust theory, European Journal of Marketing, 41(9/10), p1173-1202.
26. Park, D. S., (2013), Improved movie recommendation system basedon personal propensity and collaborative filtering, KIPS Transactions on Computer and Communication Systems, 2(11), p475-482.
27. Park, J. W., & Yeo, J. S., (2014), Choice overload: Concentrated on choosers’ diversity perceptions and emotional responses, Journal of Consumer Studies, 25(6), p93-113.
28. Petty, R. E., Cacioppo, J. T., & Schumann, D., (1983), Central and peripheral routes to advertising effectiveness: The moderating role of involvement, Journal of Consumer Research, 10(2), p135-146.
29. Snyder, C. R., & Fromkin, H. L., (1977), Abnormality as a positive characteristic: The development and validation of a scale measuring need for uniqueness, Journal of Abnormal Psychology, 86(5), p518-527.
30. Song, J. I., & Jeong, O. R., (2016), Tag based web resource recommendation system, Journal of Internet Computing and Services, 17(6), p133-141.
31. Song, Y. T., (2012), The effect of perceived innovativeness and perceived curiosity on adoption intention: Focusing on the charac-teristics of preannouncing information, Journal of Product Research, 30(2), p65-76.
32. Tian, K. T., Bearden, W. O., & Hunter, G. L., (2001), Consumers’ need for uniqueness: Scale development and validation. Journal of Consumer Research, Information and Management, 28(1), p50-66.
33. ‘Using NAVER FOR YOU’, 2019, January, 6, Sedaily, Retrieved January 19, 2019, from https://www.sedaily.com.
34. Vijayasarathy, L. R., (2004), Predicting consumer intentions to use on-line shopping: The case for an augmented technology acceptance model, Information and Management, 41(6), p747-762.
35. Yang, N. Y., Kim, S. G., & Kang, J. Y., (2018), Researcher and research area recommendation system for promoting convergence research using text mining and messenger UI, Journal of Information Systems, 27(4), p71-96.
36. Yoo, J. M., Kim, S. H., & Yi, Y. J., (2006), Determinants of perceived innovativeness and their relationship with intention of product adoption: Focusing on consumers’ perspectives, Journal of Korean Marketing Association, 21(2), p27-52.