데이터 인텔리전스 기반 초개인화 맞춤형 정보특성이 지각된 인식, 지속적 사용의도, 구매의도에 미치는 영향

1. 서 론

전반적 산업 분야가 데이터화를 추구하고 있는 현대에 개인은 자신의 데이터 활용을 통해 맞춤형 서비스를 받을 수 있게 되고 기업은 경영전략의 기회를 모색할 수 있게 되었다. 특히 정보기술의 괄목할만한 발전은 데이터, 알고리즘, 인공지능의 밀접한 연결고리에 의한 데이터 인텔리전스를 도입하면서 의사결정의 인식에 변화를 불러일으키고 있다(Kim et al., 2019). 데이터 인텔리전스(data intelligence)는 데이터 기반의 알고리즘(algorithm)과 인공지능(AI; Artificial Intelligence) 분석기술의 연계를 통해 유용한 데이터를 분류하고 제시하는 것으로, 데이터에서 필요한 정보를 추출하여 데이터 중심의 의사결정과 행동에 대한 정보를 극대화할 수 있는 기술이다. 이는 사용자들이 정보를 수용할 수 있는 최적의 환경과 상황을 감안하여 초개인화된 맞춤형 정보를 적절한 시점에 효과적으로 제공될 수 있게 해준다(Kim, 2020a). 이로 인해 기업은 초개인화 맞춤형 기술을 적용한 광고와 마케팅 및 메시지를 고객에게 전달하고 그 반응을 실시간으로 확인하는 것이 가능하게 되었다.

초개인화 맞춤형 정보서비스는 데이터 기반의 인공지능 기술을 활용하여 소비자의 상황과 맥락을 실시간으로 파악하고 가장 적합한 서비스를 제공하는 기술로 현재 의료, 금융, 통신, OTT, 뷰티 등 다양한 산업에서 활발히 활용되고 있다(“Hyper-personalized technology”, 2023). Strabase Editorial Department (SED, 2023)에 의하면 패션 산업은 기존의 개인화 서비스에서 벗어나 데이터 기반 알고리즘과 인공지능 분석기술을 결합한 초개인화 서비스로의 전환이 이루어지고 있는 것으로 Kang(2021)과 Korea Marketing Research Institute(KMRI, 2022)에 의하면 무신사, 지그재그, W컨셉, 에이블리, 브랜디 등 주요 패션 플랫폼과 삼성물산 패션 온라인몰 등에서 시도되고 있다고 밝혔다. 초개인화 서비스는 가격, 색상, 실용성, 소재 등 다양한 요인을 고려하여 소비자에게 맞춤형 정보를 제공함으로써 구매 과정의 불편을 최소화하고, 사용자의 현재 감정과 미래 욕구까지 예측하여 더욱 정교한 서비스를 가능하게 한다 (“Hyper-personalized technology”, 2023). 이와같이 초개인화 맞춤형 정보서비스는 기업과 고객 간의 친밀한 상호작용을 증진시키며 판매율과 수익 향상을 유도하므로, 패션업계는 이에 대한 기술 도입과 개발을 적극적으로 추진하고 있다.

초개인화 맞춤형 서비스의 특징이자 장점은 신속한 정보 전달과 사용의 편리함 그리고 고객이 모르는 고객의 취향까지 간파한 정확성이다. 필요한 정보를 신속하게 받을수록 사용자들의 결정시간이 절약되었고(Tam & Ho, 2006) 새로운 기술과 서비스의 사용이 편리할수록 서비스 사용의도에 긍정적 영향을 미쳤으며(Shin & Kim, 2022) 초개인화 서비스에 대해 정확성이 확인될 때 사용자는 정보의 유용성을 지각하고 서비스를 채택하는 것으로 나타났다(Sung & Kim, 2019).

소비자가 새로운 기술을 수용할 경우 수용자의 수용형태를 이해하는 것이 중요하다. 기술수용모델(TAM) 이론은 수용자가 디지털 기반 정보기술 수용과정에서 기술특성이 어떤 영향을 미치는지에 대해 분석한 것이다(Kang, 2023; Kim, 2020a). 기술수용모델의 지각된 인식은 수용자들이 정보기술을 받아들일 때 자신에게 도움이 될 것이라고 믿는 정도에 의해 정보 채택 여부를 결정하는 개념으로 지각된 인식이 높을수록 기술 사용에 대한 긍정적 태도를 형성하여 해당 기술을 이용하고자 하는 사용의도에 영향을 보인 것으로(Jang & Noh 2017; Shin, 2016; Um, 2014) 특히 개인적 특성과 서비스 특성이 높을수록 지각된 인식이 높아져 지속적 사용의도가 높아졌고(Kang, 2023) 구매의도를 강화하는 결과를 나타냈다(Lim, 2018). 지속적 사용의도는 사용자가 해당 기술을 지속적으로 사용하려는 계획으로 실제 행동에 영향을 미치는 중요 요인으로써 브랜드와 제품 등 대상에 대한 태도에 직접적이고 간접적으로 영향을 끼쳐 구매의도에 영향을 주는 것으로 검증되었다(Mackenzie et al., 1986). 이와같이 지각된 인식은 소비자 의사결정에 직접적 영향을 미치는 결정 요인으로 소비자의 지속적 사용의도와 구매의도 등의 의사결정 행동 예측에 가장 좋은 지표라 할 수 있다(Park, 2018).

패션과 관련된 개인화 관련 연구에서는 추천서비스 유형, 속성, 구매 여정, 서비스 품질에 따른 사용자 평가, 사용의도, 만족도, 구매의도와의 관련성에 대한(Choi, 2022; Kang, 2021; Kang & Ban, 2022; Kim, 2020b; Kim, 2022; Kim, et al., 2020; Lee, 2020; Park, 2018; Yoon, 2021) 연구가 대부분이다. 지각된 인식은 정보 채택 여부를 결정하는 개념으로써(Kang, 2023; Kim, 2017 ; Kim, 2020a) 초개인화 맞춤형 서비스와 같은 첨단정보 기술이 시도되었을 때 소비자의 수용태도는 소비자 행동의도, 즉 지속적 사용의도와 구매의도에 영향을 미치는 주요 요인으로 정보기술과 소비자 의사결정 사이에서 중재 역할을 하는 변인으로 판단된다. 따라서 초개인화 맞춤형 정보 서비스와 소비자 행동적 의도 관계에서 지각된 인식 변수의 매개 영향을 살펴보는 것은 의미 있는 연구라 할 수 있다. 이에 본 연구는 초개인화 맞춤형 정보특성과 지속적 사용의도, 구매의도와의 관계에서 지각된 인식의 매개 효과 검증에 중점을 두고 변수 간의 관계를 파악하고자 하였으며, 또한 초개인화 맞춤형 정보특성이 지각된 인식, 지속적 사용의도, 구매의도에 미치는 직접적 영향을 살펴보고자 하였다.

본 연구는 첨단기술 활용으로 초개인화된 맞춤형 서비스가 빠르게 등장하고 있는 현시점에 새로운 정보기술에 대한 사용자의 수용 태도와 사용자 행동 의도와의 영향 관계를 파악하고자 한 것으로, 초개인화 맞춤형 정보기술 사용 관련 산업의 마케팅 방향 설정 구상과 전략에 도움을 주고자 한다.

2. 이론적 배경

3. 연구방법

3.1. 연구문제 및 연구모형

측정 변수 간의 관계 검증을 위해 이론적 근거를 토대로 연구문제 도출과 연구모형을 설계하였다(Fig. 1).

Fig. 1.

Research model.

첫째, 초개인화 기술은 사용자 개인의 욕구나 기호에 적합한 정보제공이며, 지각된 인식은 수용자들이 정보채택 여부를 결정하는 개념으로써 소비자가 새로운 기술을 수용할 경우 지각된 인식의 이해가 필요한 것으로(Kang, 2023; Kim, 2020a), 초개인화 맞춤형 정보특성은 지각된 인식에 영향을 미칠 것으로 예측된다. 둘째, 개인화 기술은 첨단정보기술을 사용하여 고객에게 맞춤화된 서비스와 상품을 제공하는 것으로(Kim et al., 2020), 정보기술 경험 후 기대이익이 형성된 경우 지속적 사용의도를 가지는(Dorsch et al., 2000) 것을 볼 때 지속적 사용의도에 영향을 줄 것으로 예측되며, 개인화된 데이터를 기반으로 자신의 취향이나 스타일에 적합한 제품을 추천함으로써 구매의도가 높게 나타난 것을 볼 때(Kang & Ban, 2022) 초개인화 맞춤형 정보특성은 구매의도에 영향을 미칠 것으로 예측된다. 셋째, 지각된 인식은 혁신적인 기술에 의한 제품과 서비스에서 지속적 사용의도와 구매의도의 종속변인 예측에 직접적 효과가 증명된 것으로(Davis, 1989; Yang et al., 2013) 지각된 인식이 높을수록 기술을 사용하고자 하는 태도에 영향을 주었으며(Jang & Noh, 2017). 새로운 정보기술의 유용함과 용이함이 지각되면 그 기술을 이용하려는 의도가 높아지는 것을 볼 때(Kim, 2016) 지각된 인식은 초개인화 맞춤형 정보특성과 지속적 사용의도, 구매의도와의 관계에서 매개 역할을 할 것으로 예측된다.

• 연구문제 1. 초개인화 맞춤형 정보특성이 지각된 인식에 미치는 영향을 파악한다.
• 연구문제 2. 초개인화 맞춤형 정보특성이 지속적 사용의도와 구매의도에 미치는 영향을 파악한다.
• 연구문제 3. 초개인화 맞춤형 정보특성이 지속적 사용의도, 구매의도 간의 관계에서 지각된 인식의 매개 효과를 파악한다.

4. 결과 및 논의

4.2. 측정 변수의 타당성 및 신뢰성 분석

측정 변수의 일반적 특성과 타당성, 내적 일관성 분석을 위해 초개인화 맞춤형 정보특성과 지각된 인식은 주성분 분석에 따른 요인추출법과 Varimax 직교회전법을 사용한 탐색적 요인분석을 실시하였고 요인추출의 판단 기준은 고유값 1.0 이상으로 추출하였다. 지속적 사용의도와 구매의도는 변수의 수준 파악을 위해 기술통계분석을 하였다. 측정 변수의 신뢰성 검증에는 Cronbach’s α 계수를 사용하였다.

4.2.1. 초개인화 맞춤형 정보특성

초개인화 맞춤형 정보특성 12문항을 요인분석 한 결과 3개의 요인으로 도출되었으며(Table 1) 총 변량 중 61.7%의 설명력을 나타냈다. 요인 1은 정확성으로 제공 정보와 콘텐츠에 대한 믿음과 명확성, 기존 서비스 대비 정확성, 정확한 정보 전달을 한다는 문항으로 .827의 높은 신뢰수준을 나타냈으며 요인 2는 편의성으로 서비스 사용의 간편함, 메뉴나 기능 사용의 편리한 구성, 사용 시 많은 시간과 노력이 소요되지 않고 문제 발생 시 쉽게 도움을 받을 수 있다는 문항으로 .776의 비교적 높은 신뢰수준을 보였고 요인3은 반응성으로 요청 서비스에 대한 즉각적 결과 제공, 사용자의 결정 노력 감소, 빠른 의사결정, 실시간으로 이용 가능하다는 내용으로 .744의 비교적 높은 신뢰수준을 나타냈다.

Table 1.

Factor analysis of hyper-personalized customized information characteristics

4.2.2. 지각된 인식

지각된 인식 12문항을 요인분석 한 결과 3개의 요인으로 도출되었으며(Table 2) 총 변량 중 68.8%의 설명력을 나타냈다. 요인1은 지각된 용이성으로 개인화 추천서비스 사용이 편리하고 필요한 정보를 쉽게 얻을 수 있고 이용이 어렵지 않으며 서비스 이용을 위한 노력이 많이 필요하지 않다는 내용으로 .898의 높은 신뢰수준을 나타냈으며 요인 2는 지각된 유희성으로 개인화 추천서비스는 호기심 자극과 재미와 흥미를 주고 이용 시 즐거워서 시간 가는 줄 모른다는 문항으로 .842의 높은 신뢰수준을 보였다. 요인 3은 지각된 유용성으로 개인화 추천서비스를 통해 유용하고 흥미로운 상품정보를 획득할 수 있고 필요한 제품의 상품정보와 구매를 돕고 쇼핑에 필요한 시간을 절약해 준다는 문항으로 .770의 비교적 높은 신뢰수준을 나타냈다.

Table 2.

Factor analysis of perceived perception

4.2.3. 지속적 사용의도, 구매의도

지속적 사용의도 4문항에 대한(‘개인화 추천서비스를 정보탐색과 상품구매를 위해 지속적으로 사용할 의사 여부, 지인이나 주변인에게 추천할 의향, 앞으로도 계속 사용할 의향’) 기술통계 분석결과(Table 3) 평균 3.78(SD=.65)로 나타났고 신뢰도는 .892로 높은 신뢰수준을 보였다. 구매의도 4문항에 대한(‘개인화 서비스가 주는 구매 결정의 효율성, 개인화 서비스에서 추천한 상품에 대한 구매 의사 여부, 추천한 상품에 대한 우선적 고려 여부, 추천한 상품에 대한 구매 가치’) 분석결과(Table 3) 평균 3.71(SD=.64)로 나타났으며 신뢰도는 .814로 높은 신뢰수준을 나타냈다.

Table 3.

Descriptive statistics and reliability analysis of continuous use intention and purchase intention

4.3. 측정 변수 간의 관련성

측정 변수 간의 관련성을 파악하기 위해 변수 간 공분산 계산으로 가장 폭넓게 사용되는 피어슨 상관계수를 이용한 상관분석을 실시하였다. 분석 결과(Table 4) 변수 모두 유의한 관계가 있는 것으로 나타났으며(r=.383~.764, p<.01), 모든 측정 변인들의 관계는 연구문제에서 제시한 각 개념 간 관계의 방향과 일치하는 것으로 측정항목의 타당성이 확보되었다.

Table 4.

Correlation analysis between measurement variables

4.4. 연구문제 검증

초개인화 맞춤형 정보특성 변수(반응성, 편의성, 정확성)와 지속적 사용의도, 구매의도와의 관계에서 지각된 인식 변수(지각된 유용성, 지각된 용이성, 지각된 유희성)의 매개 효과 파악을 위해 Hayes(2022)의 SPSS Process Macro 4를 사용하여 다중병렬매개분석을 하였고, 매개 효과 유의성 검증을 위해 부트스트래핑을 실시하였다. 부트스트래핑 조건으로 부트스트랩 표본 수를 5,000회로 지정하고 신뢰구간은 95%로 설정하였다. 검증결과 신뢰구간(하한값, 상한값) 사이에 0이 포함되지 않으면 매개 효과가 통계적으로 유의한 것으로 판단할 수 있다.

4.4.1. 반응성과 지속적 사용의도, 구매의도 관계에서 지각된 인식의 매개효과

검증결과(Table 5) 반응성은 지각된 유용성(β=.574, p=.000), 지각된 용이성(β=.597, p=.000), 지각된 유희성(β=.383, p=.000)에 유의한 정(+)의 영향을 미쳤다. 이는 추천서비스 사용 시 필요한 정보를 신속하게 받을 수 있는 서비스 제공능력인 반응성이 높을수록 추천서비스 사용으로 인한 유용함, 편리함, 흥미가 더 높아지는 것으로 해석된다. 반응성이 지각된 인식에 유의한 영향을 미친 결과(Kim, 2020a)는 본 연구결과를 지지한다.

Table 5.

The mediating effect of perceived perception between reactivity and continuous use intention, purchase intention

지각된 인식이 지속적 사용의도와 구매의도에 미치는 영향 분석결과 지각된 유용성(β=.385, p=.000), 지각된 용이성(β=.159, p=.010), 지각된 유희성(β=.333, p=.000)은 지속적 사용의도에 유의한 영향을 나타냈고, 구매의도에도 지각된 유용성(β=.304, p=.000), 지각된 용이성(β=.252, p=.000), 지각된 유희성(β=.278, p=.000)은 유의한 영향을 나타냈다. 개인화 추천뉴스 서비스의 지각된 유용성, 지각된 용이성, 지각된 유희성이 지속적 이용의도에 정(+)의 영향을 미쳤으며(Kang, 2023) 개인화 서비스 특성에 대한 지각된 유용성이 사용의도에 유의한 영향을 미친(Park, 2017) 결과는 지각된 인식이 지속적 사용의도에 유의한 영향을 보인 본 연구결과를 지지한다.

반응성은 지속적 사용의도(β=.023, p=.668)와 구매의도(β=.066, p=.232)에 직접적 영향을 미치지 않았다. 데이터 인텔리전스 기반 경험 마케팅 특성인 반응성이 사용의도에 유의한 영향을 미치지 않은 결과(Kim, 2020a)는 반응성이 지속적 사용의도에 직접적 영향을 미치지 않은 본 연구결과를 지지한다. 반응성과 지속적 사용의도, 반응성과 구매의도 간의 관계에서 지각된 인식의 다중병렬매개효과의 유의성 검증을 위해 부트스트래핑 분석결과(Table 6) 지속적 사용의도에 지각된 유용성(BootLLCI=.151, BootULCI=.392), 지각된 용이성(BootLLCI=.010, BootULCI=.228), 지각된 유희성(BootLLCI=.087, BootULCI=.239) 모두 하한값과 상한값 사이에 0이 포함되지 않았고, 구매의도에도 지각된 유용성(BootLLCI=.102, BootULCI=.328), 지각된 용이성(BootLLCI=.071, BootULCI=.293), 지각된 유희성(BootLLCI=.057, BootULCI=.217) 모두 하한값과 상한값 사이에 0이 포함되지 않아 지각된 인식의 매개 효과가 검증되었다. 이는 초개인화 맞춤형 정보특성인 반응성은 지속적 사용의도와 구매의도에 직접적 영향을 미치지는 않았지만 지각된 인식을 매개하여 영향을 미친다는 것을 알 수 있는 것으로, 반응성이 높아지면 지각된 인식 요인인 지각된 유용성, 용이성, 유희성이 높아지고 이는 지속적 사용의도와 구매의도를 증가시키는 간접 효과를 가진 것으로 해석된다.

Table 6.

The significance test for mediating effects of perceived perception between reactivity and continuous use intention, purchase intention

4.4.2. 편의성과 지속적 사용의도, 구매의도 간의 관계에서 지각된 인식의 매개효과

검증결과(Table 7) 편의성은 지각된 유용성(β=.514, p=.000), 지각된 용이성(β=.597, p=.000), 지각된 유희성(β=.454, p=.000)에 유의한 정(+)적 영향을 미쳤다. 이는 추천서비스 사용 시 편의성이 높을수록 정보 수용의 유용성, 용이성, 유희성의 지각된 인식이 더 높아지는 것으로 해석된다. 편의성이 지각된 유용성과 지각된 용이성에 유의한 영향을 미친 결과(Shin & Kim, 2022)는 편의성이 지각된 유용성과 지각된 용이성에 유의한 영향을 나타낸 본 연구결과를 일부 지지한다.

Table 7.

The mediating effect of perceived perception between convenience and continuous use intention, purchase intention

지속적 사용의도에 지각된 유용성(β=.393, p=.000), 지각된 용이성(β=.180, p=.005), 지각된 유희성(β=.339, p=.000)은 유의한 영향을 나타냈고, 구매의도에도 지각된 유용성(β=.318, p=.000), 지각된 용이성(β=.248, p=.000), 지각된 유희성(β=.270, p=.000)은 유의한 영향을 나타냈다. 편의성은 지속적 사용의도(β=-.025, p=.651)와 구매의도(β=.060, p=.292)에 직접적 영향을 미치지 않았다. 편의성과 지속적 사용의도, 편의성과 구매의도 간의 관계에서 지각된 인식의 다중병렬매개효과의 유의성 검증을 위해 bootstrapping 분석결과(Table 8) 지속적 사용의도에 지각된 유용성(BootLLCI=.150, BootULCI=.356), 지각된 용이성(BootLLCI=.022, BootULCI=.255), 지각된 유희성(BootLLCI=.114, BootULCI=.276) 모두 하한값과 상한값 사이에 0이 포함되지 않았고, 구매의도에도 지각된 유용성(BootLLCI=.102, BootULCI=.303), 지각된 용이성(BootLLCI=.075, BootULCI=.296), 지각된 유희성(BootLLCI=.069, BootULCI=.236) 모두 하한값과 상한값 사이에 0이 포함되지 않아 지각된 인식의 매개효과가 검증되었다. 초개인화 맞춤형 정보특성인 편의성은 지속적 사용의도와 구매의도에 직접적인 영향을 미치지는 않았지만 지각된 인식을 매개하여 영향을 미친다는 것을 알 수 있는 것으로, 추천시스템 사용의 편의성이 높아지면 지각된 인식이 높아지고 이는 지속적 사용의도와 구매의도를 증가시키는 간접효과를 가진 것으로 해석된다.

Table 8.

The significance test for mediating effects of perceived perception between convenience and continuous use intention, purchase intention

4.4.3. 정확성과 지속적 사용의도, 구매의도 간 관계에서 지각된 인식의 매개효과

검증결과(Table 9) 정확성은 지각된 유용성(β=.610, p=.000), 지각된 용이성(β=.568, p=.000), 지각된 유희성(β=.427, p=.000) 에 유의한 영향을 미쳤다. 이는 추천서비스 사용 시 정확성이 높을수록 정보 수용의 유용성, 용이성, 유희성의 지각된 인식이 더 높아지는 것으로 해석된다.

Table 9.

The mediating effect of perceived perception between accuracy and continuous use intention, purchase intention

지속적 사용의도에 지각된 유용성(β=.303, p=.000), 지각된 유희성(β=.308, p=.000)은 유의한 영향을 나타냈으나 지각된 용이성(β=.103, p=.072)은 유의하지 않았다. 데이터 기반 인공지능 서비스시스템의 특성이 지속적 사용의도에 미치는 요인 연구결과 데이터의 정확성은 매개변수인 지각된 유용성, 지각된 유희성에는 정(+)의 유의한 영향을 미쳤으나 지각된 용이성에는 유의한 영향을 미치지 않아(Kim, 2019) 본 연구결과를 지지한다. 구매의도에는 지각된 유용성(β=.245, p=.000), 지각된 용이성(β=.220, p=.000), 지각된 유희성(β=.259, p=.000) 모두 유의한 영향을 나타냈다. 정확성은 지속적 사용의도(β=.242, p=.000)와 구매의도(β=.212, p=.000)에 유의한 정(+)의 영향을 미쳤다. 정확성과 지속적 사용의도, 정확성과 구매의도 간의 관계에서 지각된 인식의 다중병렬매개효과의 유의성 검증을 위해 bootstrapping 분석결과(Table 10) 정확성과 지속적 사용의도 간의 관계에서 지각된 유용성(BootLLCI=.083, BootULCI=.324), 지각된 유희성(BootLLCI=.079, BootULCI=.217)은 하한값과 상한값 사이에 0이 포함되지 않아 매개효과가 검증되었으나 지각된 용이성(BootLLCI=-.027, BootULCI=.162)은 하한값과 상한값 사이에 0이 포함되어 매개효과가 나타나지 않았음을 검증한 것으로, 데이터의 정확성이 매개변수인 지각된 용이성에 유의한 영향을 미치지 않은 결과(Kim, 2019)는 본 연구결과를 지지한다. 이는 초개인화 맞춤형 정보특성인 정확성이 높을수록 지각된 유용성과 지각된 유희성이 높아지고 지각된 유용성과 지각된 유희성이 높아지면 지속적 사용의도도 높아지는 간접효과를 가진 것으로 해석된다.

Table 10.

The significance test for mediating effects of perceived perception between accuracy and continuous use intention, purchase intention

정확성과 구매의도 관계에서 지각된 유용성(BootLLCI=.055, BootULCI=.271), 지각된 용이성(BootLLCI=.050, BootULCI=.221), 지각된 유희성(BootLLCI=.051, BootULCI=.197) 모두 하한값과 상한값 사이에 0이 포함되지 않아 매개 효과가 검증되었다. 이는 정확성이 증가하면 지각된 인식이 증가하고, 지각된 인식이 증가하면 구매의도도 증가하는 간접효과를 가진 것으로 해석된다.

5. 결 론

초개인화 추천기술은 인공지능과 빅데이터 기술을 활용하여 소비자가 가장 원하는 경험과 서비스, 상품을 적시에 제공하는 기술로 제품과 서비스, 콘텐츠 등을 소비자 맞춤형으로 제공, 추천하여 구매로 이어지도록 유도하는 마케팅전략으로 주목받고 있다. 이에 본 연구는 데이터 인텔리전스 기반 초개인화 맞춤형 정보특성이 지각된 인식, 지속적 사용의도, 구매의도에 미치는 영향 관계를 살펴보고 초개인화 맞춤형 정보특성과 지속적 사용의도, 구매의도와의 관계에서 지각된 인식의 매개효과를 파악하고자 하였다.

연구결과를 요약하면 초개인화 맞춤형 정보특성 요인 모두 지각된 인식 변수에 유의한 정(+)의 영향을 나타냈고, 지속적 사용의도와 구매의도에는 반응성과 편의성은 유의하지 않았으나 정확성은 유의한 영향을 나타냈다. 지각된 인식의 매개효과 검증결과 지속적 사용의도에는 반응성과 편의성만 매개효과가 검증되었고 구매의도에는 초개인화 맞춤형 특성 요인 모두 지각된 인식의 매개효과가 검증되었다.

초개인화 기술의 궁극적 목표는 소비자 취향 예측 마케팅에 의한 이윤 창출로 인공지능과 빅데이터 등의 기술 활용을 통해 고객에게 맞춤형 서비스 제공이 부각 되는 현시점에 본 연구결과는 의미 있는 연구로써 의의를 가지며 다음과 같은 시사점을 제시한다.

이론적 측면에서 첫째, 이전의 개인화는 축적된 데이터를 기반으로 고객의 욕구를 파악하여 제안하였다면, 초개인화는 정체성을 지닌 복합적인 개체인 인간의 파편화된 정보를 분석하여 소비자의 상황과 행동까지 예측해 고객의 잠재적 욕구 제안이 가능하다. 본 연구결과 초개인화 특성이 지각된 인식과 소비자 행동적 의도에 영향력 있는 변수임을 확인한 것으로, 이는 초개인화 맞춤형 추천서비스가 제품선택이나 구매 과정에서 신속한 정보제공으로 상품을 찾기 위해 드는 노력을 최소화하고 사용자에게 최적화된 제품을 추천한다는 인식을 주어 콘텐츠를 통한 쇼핑에 반드시 필요한 정보서비스임을 지각하게 할 필요가 있고 둘째, 지각된 인식의 매개효과가 검증된 것으로, 초개인화 특성이 사용자의 지각된 인식을 높이고 지각된 인식은 다시 사용자의 지속적 사용의도와 구매의도에 긍정적 영향을 주는 것으로 초개인화 특성이 소비자 행동적 의도로 이어지는 과정에서 두 변수의 관계를 맺어 주는 변수가 지각된 인식임을 확인한 것으로, 지각된 인식의 매개효과에 관한 이론적 개념화가 가능하다.

실무적 측면에서 첫째, 데이터 인텔리전스는 데이터 중심의 의사결정과 행동에 대한 정보를 극대화할 수 있는 기술로 초개인화된 맞춤형 정보를 효과적으로 제공하는 것을 가능하게 하였다. 새로운 기술의 개발과 발전으로 등장하는 첨단 정보기술의 변화에 이를 수용하는 소비자의 수용요인을 확인하는 것은 정보기술의 발전을 위해 필수적이다. 초개인화 맞춤형 정보특성이 지각된 인식에 긍정적인 영향을 보인 연구결과는 초개인화 추천서비스가 가진 신속한 서비스 제공능력과 편의성, 정확성이 수용자들이 정보기술을 받아들일 때 정보채택 여부를 결정하는 개념인 지각된 인식에 영향력 있는 변수임을 확인하였다. 따라서 초개인화 추천서비스 개발업체는 콘텐츠의 특성을 사용자의 개성과 취향에 좀 더 구체화하기 위한 정보 수집과 데이터 분석을 통해 사용자에게 신속하고 최적화된 맞춤형 콘텐츠를 기획, 개발하여 정보기술의 유익함을 어필한다면 소비자들은 그 정보기술이 자신에게 도움이 될 것이라는 믿음이 높아져 해당 정보채택을 결정하게 될 것이다.

둘째, 초개인화 맞춤형 정보특성 중 반응성과 편의성은 지속적 사용의도와 구매의도에 직접적인 영향을 미치지 않았으나 정확성은 직접적 영향을 미쳤다. 현대의 소비자들은 정보의 홍수 속에서 구매 결정을 위한 선택에 많은 어려움을 겪고 있다. 개인화 맞춤형 추천서비스의 신속한 정보제공과 콘텐츠 사용의 편의성은 더이상 소비자의 사용상황에 영향을 미치지 못한다는 사실을 알 수 있다. 따라서 소비자 개개인의 데이터를 조각조각 세분화하고 개인별 맞춤 추천 기능을 구축하여 자신도 모르는 자신의 취향에 맞춤화된 정확한 정보를 제공한다면 지속적 사용과 구매 의사결정에 도움이 될 것으로 사료된다.

셋째, 초개인화 맞춤형 정보특성과 지속적 사용의도, 구매의도와의 관계에서 지각된 인식의 매개효과가 검증되었다. 이는 초개인화 맞춤형 추천서비스의 특성에 대한 소비자의 인지적 태도와 사용의도 사이에 지각된 인식이 긍정적 연결고리로 중재 역할을 하여 소비자의 지속적 사용의도와 구매의도를 강화하는 것으로 판단된다. 초개인화 추천서비스는 빅데이터, 인공지능, 머신러닝, 클라우드 컴퓨팅 등의 기술발전을 기반으로 하여 소비자에게 맞춤형 상품과 서비스를 제공하여 구매로 연결시키고자 하는 것이 최종 목표로, 소비자와 구매 결정 사이에는 최신기술에 대한 그들의 기술수용 태도가 중요한 요소로 작용한다. 초개인화 맞춤형 추천서비스 구현에 사용되는 핵심기술인 클라우드 컴퓨팅은 데이터의 신속한 처리와 분석을 가능하게 하고 빅데이터 분석은 고객의 정보를 종합적으로 분석하여 그들의 선호와 필요를 정확히 파악하여 맞춤형 서비스를 제공하고 인공지능과 머신러닝은 복잡한 데이터 분석과 예측 모델링을 가능하게 한다. 이에 기업은 이러한 핵심기술에 대한 소비자의 수용 태도를 정교하게 분석하여 잘 활용한다면 개개인에게 밀착된 맞춤형 서비스로 고객 충성도를 강화하고 소비자의 내면에 잠재된 욕구와 필요성을 미리 파악하고 예측하여 그들에 대한 정확도 향상으로 마케팅 효율성이 증대될 것으로 사료된다.

본 연구는 초개인화 맞춤형 추천서비스 사용자를 대상으로 연구모형을 설계하고 연구 분석에 다중병렬매개분석 방법을 사용하여 매개효과를 검증하였다. 매개변수인 지각된 인식은 지각된 용이성이 유용성을 매개로 사용태도와 의도에 미치는 간접효과를 검증하는 것이(Jang & Noh, 2017;Kang, 2022; Kim, 2020a) 일반적인 연구로 본 연구는 매개변수를 병렬로 선정하여 모형을 설정하고 분석함으로써 매개변수 간의 관계에 의한 간접경로는 살펴보지 못했다. 또한 연구대상을 여성과 20-30대로 국한한 것으로, 향후 후속연구에서는 표본의 범위를 확대하고, 변수들과의 차이와 영향 관계에 대한 집단 비교나 SEM 기반 검증을 통한 확대된 연구가 이루어지길 기대한다.

Acknowledgments

이 논문은 2023년 대한민국 교육부와 한국연구재단의 지원을 받아 수행된 연구임(NRF-2023S1A5B5A17083629)

References

• Choi, J. Y. (2022). Algorithm based fashion recommendation service : consumer selection and attribute perception of product attributes. [Unpublished master's thesis, Hanyang University]. Riss, https://hanyang.dcollection.net/public_resource/pdf/200000593914_20250825112034.pdf
• Davis, F. D. (1989). Perceived usefulness. perceived ease of use and user acceptance of information technology, MIS Quarterly. 13(3), 319-339. [https://doi.org/10.2307/249008]
• Dorsch, M. J., Grove, S. J., & Darden, W. R. (2000). Consumer intentions to use a service category. Journal of Services Marketing, 14(2), 92-117. [https://doi.org/10.1108/08876040010309220]
• Hayes, A. F. (2022). Introduction to mediation, moderation, and conditional process analysis: A regression-based approach (3rd ed.). New York: The Guilford Press.
• ‘Hyper-personalized technology just for me, not for people like me’. (2023. February. 17). LG Innotek. Retrieved April. 20, 2025, from https://news.lginnotek.com/1300
• Jang, H. J., & Noh, G. Y. (2017). Extended technology acceptance model of VR head-mounted display in early stage of diffusion. Journal of Digital Convergence, 15(5), 353-361. [https://doi.org/10.14400/JDC.2017.15.5.353]
• Jung, C. S. & Lee, D. H. (2019). The relationship between rejection sensitivity and loneliness among college students in emerging adulthood: Testing a parallel multiple mediator model of social network. The Korea Journal of Youth Counseling 27(2), 149-172. [https://doi.org/10.35151/kyci.2019.27.2.007]
• Kang, D. W. (2022). The effects of technology readiness on usage intention of AI fashion curation service: Focusing on technology acceptance model. [Unpublished master's thesis, Kyunghee University]. Riss, https://khu.dcollection.net/public_resource/pdf/200000599575_20250825181323.pdf
• Kang, S. W. (2023). A Study on the factors influencing continuous use intention of algorithm-based personalized recommendation news services –Focusing on the extended Ttechnology acceptance model (ETAM)-. [Unpublished master's thesis, Sungkyunkwan University]. Riss, https://dcollection.skku.edu/public_resource/pdf/000000173985_20250824171655.pdf
• Kang, S. Y. (2021). User evaluation and purchase intention of personalized recommendation service. by mobile fashion commerce purchase journey. [Unpublished master's thesis, Kookmin University]. Riss, https://kookmin.dcollection.net/public_resource/pdf/200000600101_20250824160306.pdf
• Kang, S. Y., & Ban, Y. H. (2022). Effect on user evaluation, purchase intention, and satisfaction of personalized recommendation services by purchase journey in mobile fashion commerce. Korea Convergence Society, 13(1), 63-70. [https://doi.org/10.15207/JKCS.2022.13.01.063]
• Kim, G. W. (2016). A study on the factors influencing the internet of things(IoT) technology acceptance of SMEs -Applying unified theory of acceptance and use of technology(UTAUT). [Doctoral dissertation, Hansei University]. Riss, https://hansei.dcollection.net/public_resource/pdf/000002324980_20250825191545.pdf
• Kim, J. H., & Lee, J. M. (2019). Parallel multiple mediator model analysis between sports brand collaboration product characteristics, perceived value and purchase intention. Korean Journal of Sport Management 24(3), 15-32. [https://doi.org/10.31308/KSSM.24.3.2]
• Kim, N. D., Jeon, M. Y., Lee, H. E., Choi, J. H., Lee, J. Y., Kim, S. Y., Lee, S. J., Seo, Y. H., & Kwon, J. Y. (2019). Trend Korea 2019. Seoul: Milaeuichang.
• Kim, N. D., Jeon, M. Y., Choi, J. H., Lee, H. E., Lee, J. Y., Kim, S. Y., Lee, S. J., Seo, Y. H., & Kwon, J. Y. (2020). Trend Korea 2020. Seoul: Milaeuichang.
• Kim, S. J. (2020a). A Study on the influence of characteristics of experience marketing based on data intelligence on acceptance intention –Focused on the mediating effect of perceived ease of use, usefulness and innovativeness-. [Doctoral dissertation, Hongik University]. Riss, https://dcoll.hongik.ac.kr/public_resource/pdf/000000025005_20250824170709.p
• Kim, S. S. (2021). A study on the factors affecting continuous usage intention of data driven artificial intelligence product service system. [Doctoral dissertation, Sungsil University]. Riss, https://oasis.dcollection.net/public_resource/pdf/200000214845_20250825190638.pdf
• Kim, S. T. (2019). Analysis of parallel multi-parameter effects of trust, flow, and usefulness in the relationship between personal innovativeness of mobile tourism application users and continuous use intention. International Journal of Tourism and Hospitality Research 35(7), 101-116. [https://doi.org/10.21298/IJTHR.2021.7.35.7.101]
• Kim, S. Y. (2022). An effect of the user’s satisfaction to personalized recommended product services’s perceived usefulness by product category in mobile shopping - Focusing on moderation effect of personal recommendation systems type-. [Unpublished master's thesis, Hongik University]. Riss, https://dcoll.hongik.ac.kr/public_resource/pdf/000000028325_20250824183653.pdf
• Kim, S. Y. (2020b). Effect of quality of curation service on user satisfaction, trust, and persistence usage. [Unpublished master's thesis, Busan National University]. Riss, https://dcollection.pusan.ac.kr/public_resource/pdf/000000144814_20251001220924.pdf
• Kim, S. Y., Kim, E. H., & Lee, J. H. (2020). Effect of quality of curation service on user satisfaction, trust, and persistence usage. The Korean Fashion and Textile Research Journal, 22(6), 762-776. [https://doi.org/10.5805/SFTI.2020.22.6.762]
• Kim, Y. K. (2017). The effects of YouTube on download, streaming and attitude toward use. [Unpublished master's thesis, Chungang University]. Riss, https://dcollection.cau.ac.kr/public_resource/pdf/000000198187_20251111160340.pdf
• Korea Marketing Research Institute. (2022). AI technology and hyper-personalized services. Marketing, 56(8), 26-36.
• Lee, J. (2024). Determinants of continuous use of generative AI : Focusing on the extended technology acceptance model(ETAM) and AI literacy. [Unpublished master's thesis, Hanyang University]. Riss, https://hanyang.dcollection.net/public_resource/pdf/200000725181_20250825190340.pdf
• Lee, M. K. (2002). e-SERVQUAL: A scale for measuring consumer evaluations of Internet service quality. Korean Journal of Marketing, 17(1), 73-95.
• Lee, T. M. (2004). The effects components of interactivity on customer relationship building and purchase intentions in mobile environments. Korean Journal of Marketing, 19(1), 61-96
• Lee, Y. C. & Choi, Y. J. (2012). An exploratory research on college students' usages of mobile commerce. Journal of Communication Science, 12(4), 382-418.
• Lee, Y. J. (2022). The effect of super-personalization services on beauty product purchase behavior and satisfaction. [Unpublished master's thesis, Seokyeong University]. Riss, https://skuniv.dcollection.net/public_resource/pdf/200000589194_20250825180041.pdf
• Lee, Y. R. (2020). The effects of perceived quality in fashion chatbot product recommendation service on consumer responses. [Unpublished master's thesis, Ewha Womans University]. Riss, https://dcollection.ewha.ac.kr/public_resource/pdf/000000167922_20250825111559.pdf
• Lim, D. S. (2018). The impact of service quality on mobile aviation applications on purchase intention -Using TAM and MOBISQUAL model. [Unpublished master's thesis, Kyunghee University]. Riss, https://khu.dcollection.net/public_resource/pdf/200000104641_20250825191058.pdf
• Mackenzie, B. S., Lutz, R. J. & Belch, G. E. (1986). The role of attitude toward the ad as a mediator of advertising effectiveness: A test of competing explanation. Journal of Marketing Research, 23, 130-143. [https://doi.org/10.1177/002224378602300205]
• Ma, L. Y., & Kweon, S. H. (2020). The effects of personalized service of youtube on user's continuous use intention : Based on modified technology acceptance model. Korean Journal of Communication and Information Studies, 99, 65-99. [https://doi.org/10.46407/kjci.2020.02.99.65]
• Nam, H. S. (2018). A study on the effect of artificial intelligence-based recommendation system service factors on the intention for continuous use. [Unpublished master's thesis, Sangmyung University]. Riss, https://smulib.dcollection.net/public_resource/pdf/200000007380_20250825135102.pdf
• Park, B. J. (2018). The effects of user evaluation of recommendation services on usage and purchase intention in online fashion shopping mall. [Unpublished master's thesis, Catholic University]. Riss, https://catholic.dcollection.net/public_resource/pdf/200000106441_20250824182716.pdf
• Park, Y. H. (2017). The Effect of Personalization Service Characteristics on Use Intention: Focused on Moderating Effects of Technology Readiness. [Unpublished master's thesis, Hanyang University]. Riss, https://hanyang.dcollection.net/public_resource/pdf/200000431138_20250829143915.pdf
• Seol, J. Y. (2018). I will choose clothes for you when you are busy. The Korea Economic Daily. Retrieved April 11, 2025, from http://news.hankyung.com/article/2018061430231.
• Shin, B. S. (2024). Hyper-personalized AI that reads customers' minds is on the rise. Next Economy, 241, 60-61
• Shin, M. A. (2016). The effect of mobile shopping application characteristics on continuous use intention : Focused on technology acceptance model. [Unpublished master's thesis, Inha University]. Riss, https://inha.dcollection.net/public_resource/pdf/200000258912_20250824180918.pdf
• Shin, Y. T., & Kim, J. W. (2022). Empirical validation of effecting cryptocurrency service characteristics on user intention – Focusing on paycoin payment service. The Journal of Internet Electronic Commerce Research, 22(2), 169-189. [https://doi.org/10.37272/JIECR.2022.04.22.2.169]
• Silveira, T., Zhang, M., Lin, X., Liu, Y., & Ma, S. (2019). How good your recommender system is? A survey on evaluations in recommendation. International Journal of Machine Learning and Cybernetics, 10, 813-831. [https://doi.org/10.1007/s13042-017-0762-9]
• Strabase Editorial Department. (2023. 1). A case study of the latest AI recommendation service in apparel commerce. Digital Future and Strategy, 205, 40-45.
• Sung, H. J., & Kim, H. Y. (2019). The effects of food service information attributes on perceived information usefulness and visit intention in TV food contents broadcasting programs: moderating effect of market mavenism. Journal of Hospitality & Tourism Studies, 21(3). 222-238. [https://doi.org/10.31667/jhts.2019.9.80.222]
• Tam, K. Y., & Ho, S. Y.(2006), Web personalization as a persuasion strategy: An elaboration likelihood model perspective. Information Systems Research, 16(3), 271-291. [https://doi.org/10.1287/isre.1050.0058]
• Thirumalai, S., & Sinha, K. K. (2009). Customization strategies in electronic retailing: Implications of customer purchase behavior. Decision Sciences, 40(1), 5-36. [https://doi.org/10.1111/j.1540-5915.2008.00222.x]
• Um, K. S. (2014). An empirical study of the effects of big data attribute sand service characteristics of product recommendation system on consumer’s acceptance intention. [Doctoral dissertation, Soongsil University]. Riss, https://oasis.dcollection.net/public_resource/pdf/000001733663_20250824181318.pdf
• Wang, J. J.(2024). An empirical validation of effecting information characteristics and personal characteristics on generative AI services adoption intention - Focusing on chatGPT Service. [Doctoral dissertation, Sejong University]. Riss, https://sejong.dcollection.net/public_resource/pdf/200000730983_20251111184159.pdf
• Yang, B. H., Kim, Y. C., & Yoo, C. J. (2013). The integrated mobile advertising model: The effects of technology-and emotion-based evaluations. Journal of Business Research, 66(9), 1345-1352. [https://doi.org/10.1016/j.jbusres.2012.02.035]
• Yoon, J. H. (2021). Quality of service and satisfaction of the fashion product recommendation system. [Unpublished master's thesis, Hanyang University]. Riss, https://hanyang.dcollection.net/public_resource/pdf/200000500723_20250824184012.pdf