온라인 패션 쇼핑몰 챗봇의 커뮤니케이션 실패에 대한 소비자의 부정적 반응

1. 서 론

코로나19의 확산과 함께 언택트를 선호하는 소비자가 증가하며, 유통시장은 온라인 중심으로 재편되고 있다(Jung, 2020b). 오프라인 매장의 판매원은 고객의 반응을 세심하게 살피며 최적화된 서비스를 제공할 수 있지만, 온라인 쇼핑 환경에서는 고객의 요청에 판매원이 즉각적으로 대응하기란 어렵다. 이러한 문제의 해결 방안으로 시간 제약 없이 반복되는 질문에 빠르게 대답할 수 있는 챗봇이 주목되고 있다(Kim, 2017). 실제로 유통업계 외 다양한 산업 분야(IT, 금융, 통신, 제조 등)에서도 챗봇이 빠르게 도입되고 있다(Jung, 2020a). 글로벌 챗봇 시장의 성장률이 29.7%인 것에 비해 국내 챗봇 시장의 연평균 성장률은 51%(Jung, 2020a)로 챗봇에 대한 관심은 국내 기업이 더 높다.

챗봇에 높은 관심과 달리, 챗봇은 자연어 처리 기술의 한계로 아직 완벽하지 않아 소비자의 세부적인 요청을 처리하는 데 어려움이 있다. Nam(2020)에 따르면 챗봇의 정확성을 높이기 위해서는 충분한 데이터양과 전문 인력이 필요하지만, 시장의 흐름에 맞추기 위해 불완전한 상태로 런칭한 챗봇은 그 성능을 다하지 못하여 오히려 고객 불만을 초래하고 있다고 한다. 또한, 수억 원을 들여서 개발한 챗봇이 기업의 기대에 미치지 못하여 새로운 시스템으로 재구축하는 기업들도 상당하지만, 공개적으로 밝히고 있지는 않다고 한다. 또한, Janssen et al.(2021)이 조사한 103개 챗봇의 절반 정도가 15개월 이후 재조사 시에는 중단된 것으로 보아 챗봇의 운영이 지속되기는 현실적으로 쉽지 않은 것 같다.

최근 챗봇에 대한 높은 기업적 관심과 함께 학문적 관심도 높아지고 있다. 챗봇에 관한 선행연구를 살펴보면 사람과 사람 사이의 대화와 사람과 챗봇 사이의 대화를 비교 분석한 연구(Hill et al., 2015), 챗봇 개발에 관한 연구(Hyun et al., 2020; Kim et al., 2017), 챗봇의 특성과 소비자의 반응 및 행동에 관한 연구(Chung et al., 2020; Jeong et al., 2020; Kwak et al., 2019; Song & Choi, 2020)가 다수이다. 이러한 연구들은 소비자의 만족도를 높이고 지속적 사용을 증대하기 위한 기술적 개발이나 마케팅 전략을 도모하기 위한 중요한 자료로 활용될 수 있다. 하지만, 고객 편의를 제공하기 위해 런칭한 챗봇이 고객의 질문을 이해하지 못하는 상황에서 고객이 어떤 반응을 보이는지 알기는 어렵다. 따라서 인간의 복잡하고 다양한 언어를 완벽하게 이해할 수 있는 챗봇이 없다는 현실을 반영한 연구의 필요성을 인식하여, 본 연구는 챗봇의 서비스 실패 상황에서 고객이 보이는 반응에 초점화하여 연구하고자 한다.

서비스 실패에 관련된 선행연구(Cho et al., 2017; Kong & Rhee, 2009; Um & Kim, 2018; Zeelenberg & Pieters, 2004)를 살펴보면, 서비스 실패를 경험한 소비자는 불만족을 느끼고 불평, 부정적 구전과 같은 적극적 부정적 행동을 하는 것으로 알려졌다. 불만족한 서비스의 상황에서 적극적인 부정적 행동인 불평과 부정적 구전을 하는 것은 충분히 입증되었다. 하지만, 챗봇의 커뮤니케이션 실패의 상황에서도 이들의 관계가 성립하는지 파악하기는 어렵다. 또한, 챗봇의 커뮤니케이션 실패에 불만족을 느끼더라도 어떤 행동도 하지 않거나 소극적으로 대처할 수도 있기에 상대적으로 저조한 관심을 받은 관성도 포함하여 연구할 필요가 있다. 아울러, 스마트폰에 대한 테크노스트레스가 심할수록 챗봇과의 대화가 원활하게 이루어지지 않는 상황에서 챗봇에 대한 불만족도는 더 높을 것으로 추측되어 테크노스트레스의 조절효과를 확인할 필요가 있다. 마지막으로 챗봇은 온라인 쇼핑 환경에 낯선 중장년층이나 노년층과 상호작용을 하면서 맞춤형 안내를 할 수 있어 디지털 기기에 익숙지 않은 세대를 유입하기 위한 하나의 수단으로 주목(“Pandemic Resurgence”, 2020)되고 있기에 챗봇에 대한 세대 간 반응이 어떻게 다른지도 살펴볼 필요가 있다.

이에 따라 본 연구의 목적은 다음과 같다. 첫째, 챗봇의 커뮤니케이션 실패, 불만족, 부정적 행동(불평, 부정적 구전, 관성)의 관계를 규명한다. 둘째, 챗봇의 커뮤니케이션 실패와 불만족의 관계에 테크노스트레스의 조절효과를 알아본다. 셋째, 디지털 기기와 함께 성장한 세대(MZ세대)와 디지털 기기에 취약한 세대(MZ 이전 세대)가 챗봇의 커뮤니케이션 실패 상황에서 보이는 부정적 반응을 비교한다. 이러한 연구 결과는 챗봇의 서비스 실패 상황에서 소비자의 부정적 행동에 대한 지식을 더할 수 있을 것이다. 또한, 사용자의 연령을 고려하여 더 중요하게 대응하여야 하는 소비자의 반응이 무엇인지를 알 수가 있어서 챗봇의 시스템 개발 및 운영 전략 수립에 실질적 도움을 줄 것으로 기대된다.

2. 이론적 배경 및 연구가설

3. 연구 방법 및 절차

3.1. 연구모형

본 연구에서는 챗봇의 커뮤니케이션 실패에 대한 소비자의 반응을 알아보고자 하였다. 구체적으로 챗봇의 커뮤니케이션 실패, 테크노스트레스, 불만족, 부정적 행동 반응(불평, 구전, 관성)의 관계를 알아보고, 이러한 관계에 세대(MZ세대와 MZ 이전 세대) 간 차이가 있는지를 실증적으로 검증하기 위해 다음과 같은 연구모형을 제시하였다(Fig. 1).

Fig 1.

Consumers’ negative behavioral responses in the context of chatbot communication failure.

4. 결 과

4.1. 측정모형 평가

PLS-SEM분석을 실시하여 측정모형을 평가하였다. 측정모형의 타탕성 평가 기준에 부합하지 않는 문항 4개(TS4, TS5, TS6, nWOM3)를 제외한 후 PLS-SEM분석을 재실행한 결과를 Table 1에 제시하였다. 모든 측정지표의 외부적재치(outer loading)는 기준치 .70을 상회하는 .72 ~ .97에 분포하였으며, 각 잠재변수의 AVE값은 .50를 초과하였기에 집중타당도는 확보된 것으로 평가하였다. Cronbach's alpha(C.alpha)값, Dillon-Goldstein's rho(DG.rho)값, 첫 번째 고유값(eig.1st), 두 번째 고유값(eig.2nd)을 이용하여 각 잠재변수의 단일차원성 및 신뢰성을 확인하였다. Cronbach's alpha 값은 챗봇의 커뮤니케이션 실패(.60)를 제외하고 모두 .70을 상회하는 .74 ~ .92로 도출되었다. Dillon-Goldstein's rho값도 모두 .70 이상의 .83 ~ .96으로 나타났다. 첫 번째 고유값은 모두 1보다 컸으며, 두 번째 고유값은 모두 1보다 작았다. 커뮤니케이션 실패는 Cronbach's alpha의 임계치 기준 .70을 충족하지 못하였지만, 신뢰성이 부족하다고 판단되는 기준 .60 (Henseler et al., 2009)의 경계에 있고 다른 평가 기준을 모두 충족하였기에 각 잠재변수의 단일차원성 및 신뢰성은 확보하였다고 판단하였다. 잠재변수의 AVE 제곱근 값이 다른 잠재변수와의 상관계수 값보다 크게 추출되었기에 판별타당도를 확보하였다고 평가하였다. 그 결과 및 각 잠재변수의 평균과 표준편차를 Table 2에 제시하였다.

Table 1.

Confirmatory factor analysis results for measurement model

Table 2.

Descriptive statistics and discriminant validity of the variables

4.2. 가설 검증

내부모형을 이용하여 H1 ~ H4를 검증하였으며, 그 결과는 Table 3에 제시하였다. t값이 1.96 이상이면 .05의 유의수준에서 통계적으로 유의하다고 판단하였다. 챗봇의 커뮤니케이션 실패가 부정적 행동(a. 불평, b. 부정적 구전, c.관성)에 정(+)적인 영향을 미치는지 확인한 결과, 그 어떤 부정적 행동에도 통계적으로 유의한 영향을 미치지 않는 것으로 확인되었다. 따라서 H1a, H1b, H1c 모두 기각되었다. 챗봇의 커뮤니케이션 실패가 불만족에 정(+)적인 영향을 미치는지 확인하였으며, 통계적으로 유의한 영향(β = .40, t = 3.51)을 미치는 것으로 나타나 H2는 지지가 되었다. 불만족이 어떤 부정적 행동에 영향을 미치는지 살펴본 결과, 불만족은 불평(β = .51, t = 7.36)과 부정적 구전(β = .27, t = 3.19)에 정(+)적인 유의한 영향을 미쳤다. 불만족의 영향력은 부정적 구전보다 불평에 더 강하게 작용하는 것으로 확인되었다. 따라서 H3a와 H3b는 지지가 되었다. 이와 달리 불만족은 관성(β = −.09, t = −.70)에는 통계적으로 유의한 영향을 미치지 않아 H3c는 기각되었다. 테크노스트레스의 조절효과를 검증하기 위해 챗봇의 커뮤니케이션 실패와 테크노스트레스를 평균중심화하여 상호작용변수를 생성하여 분석하였지만, 통계적으로 유의한 영향을 미치지 않는 것으로 확인되어 H4는 기각되었다.

Table 3.

H1-H4 testing results

R²는 불평 .28, 불만족 .21, 부정적 구전 .06, 관성 .01로 나타나 불평의 설명력이 가장 높은 것으로 확인되었다. 모형 적합도 평가를 위한 GoF(Goodness-of-Fit)는 .30으로 도출되었다. GoF가 클수록 우수한 모형이라 할 수 있으나, GoF의 정확한 기준 값이 마련되지 않아 참고용으로만 활용되고 있다(Yoon & Kim, 2014).

챗봇의 커뮤니케이션 실패에 대한 부정적 반응에 세대간 차이가 있는지 알아보기 위해 40세 이하는 MZ세대(n = 62)로 41세 이상은 MZ 이전 세대(n = 90)로 구분하여 PLS-SEM 다중 그룹분석을 실시하였다. Table 4에 제시된 것처럼 MZ세대와 MZ 이전 세대 간에 통계적으로 유의한 차이가 있는 경로는 챗봇의 커뮤니케이션 실패에 대한 불만족의 경로(β = .38, t = 2.37)가 유일하여 H5는 매우 미미하게 지지가 되었다. 챗봇의 커뮤니케이션 실패는 MZ세대(β = .10)와 비교해 MZ이전 세대(β = .48)에 더 강한 불만족을 야기한다. 다른 경로는 통계적으로 유의한 차이가 없어 MZ세대와 MZ 이전 세대 간에 챗봇의 커뮤니케이션 실패에 대한 부정적 반응은 거의 유사하다고 할 수 있다.

Table 4.

H5 testing results

5. 결 론

챗봇이 고객의 질문을 정확하게 이해하고 고객의 기대에 충족하는 응답을 하여 대화가 원활하게 이루어지기도 하지만, 부정확한 대답을 하거나 대화를 잇지 못하기도 한다. 현재 챗봇의 자연어 처리의 기술적 한계로 모든 고객의 질문에 완벽한 응대가 불가능한 실정을 반영한 본 연구는 챗봇의 커뮤니케이션 실패, 불만족, 부정적 행동(불평, 부정적 구전, 관성)의 관계와 챗봇의 커뮤니케이션 실패와 불만족의 관계에 테크노스트레스의 조절효과를 실증적으로 검증하였다. 또한, 디지털 세대인 MZ세대와 디지털 기기의 사용이 다소 서툰 MZ 이전 세대로 구분하여 챗봇의 커뮤니케이션 실패, 테크노스트레스, 불만족, 부정적 행동(불평, 부정적 구전, 관성)의 관계에는 어떠한 차이가 있는지도 살펴보았다. 구체적인 연구 결과의 요약 및 논의는 다음과 같다.

첫째, 챗봇의 커뮤니케이션 실패는 불만족을 야기하고, 이는 부정적 행동 반응 중 불평과 부정적 구전 행동에 유의한 영향을 미치는 선행요인임을 밝혔다. 또한, 챗봇의 커뮤니케이션 실패가 직접적으로 부정적 행동을 유발하는 선행요인은 아닌 것으로 나타났다. 이는 서비스 실패가 부정적 행동에 직접적 영향을 미치는 것으로 확인된 선행연구(Kim & Cho, 2018; Kim & Cho, 2017; Kim et al., 2016)의 결과와는 다르지만, 선행 연구에서도 제공된 서비스 실패의 속성에 따라 소비자의 부정적 행동 반응은 달랐다. 따라서 커뮤니케이션 능력 부족으로 인한 챗봇의 서비스 실패는 소비자의 부정적 행동을 일으키는 직접적 원인으로 작용하지 않음을 의미한다. 즉, 챗봇의 커뮤니케이션 실패에 대해 불만족을 느낀 소비자만이 부정적 구전이나 불평 행동을 할 가능성이 높다.

둘째, 챗봇에 대한 불만족은 부정적 행동 반응 중 부정적 구전과 불평에 유의한 영향을 미쳤으며, 구전보다는 불평에 더 강력한 영향을 미쳤다. 선행연구(Han & Sung, 2007; Kong & Rhee, 2009; Zeelenberg & Pieters, 2004)에서도 불만족한 소비자는 불평과 부정적 구전 행동을 하였기에 본 연구의 결과와 일치한다. 하지만, 선행연구에서는 기업에 직접적으로 불평을 하기보다 주변인에게 부정적 구전의 가능성이 더 큰 것으로 나타나 본 연구의 결과와는 조금 다르다. 이는 챗봇을 사용하는 상황적 특성에 주목한다면 왜 선행연구의 결과와 다른지 이해할 수 있다. 일반적으로 상품이나 서비스에 불만족할 때 불만 표출이라는 직접적 목적으로 업체에 연락을 취하여야 하기에 이는 부담스러워 주변인에게 자신의 부정적 경험을 이야기하는 것이 더 쉬운 방법일 수 있다. 하지만, 챗봇은 도움이 필요하거나 문제를 해결하기 위한 상황에서 사용된다. 챗봇을 통해 원하는 답변을 얻지 못한다면, 소비자는 온라인 쇼핑몰에 직접적으로 연락할 수밖에 없을 것이다. 온라인 쇼핑몰의 직원이나 상담원과 연결이 되면, 소비자는 상담을 요청한 이유를 설명하면서 불만족스러운 챗봇의 사용 경험을 직접적으로 전달할 수 있어 챗봇의 커뮤니케이션 실패 상황에서는 부정적 구전보다는 불평의 가능성이 더 높게 나타난 것으로 추측된다.

셋째, 챗봇에 대한 불만족은 부정적 행동 중 관성에 유의한 영향을 미치지는 않았지만, 이는 Zeelenberg and Pieters(2004)의 연구 결과와 일치한다. 앞에서 설명한 것처럼 챗봇의 사용 상황 때문에 챗봇으로부터 답변을 얻지 못하면 쇼핑몰에 연락할 수밖에 없는 챗봇 사용의 상황적 특성 때문에 관성의 유의성이 발견되지 않은 것으로 판단된다. 그리고 많은 시간을 투자하지 않고도 즉각적으로 자신의 불만 사항을 직접 알릴 수 있는 소통의 창구(예. SNS, 문자메시지, 게시판, 이메일 등)가 많기 때문에 챗봇에 대한 불만족은 소극적인 행동인 관성과 무관한 것으로 판단된다.

넷째, 본 연구는 챗봇의 커뮤니케이션 실패와 불만족의 관계에 테크노스트레스의 조절효과를 검증하고자 하였지만, 테크노스트레스의 조절효과가 없는 것으로 확인되었다. 이는 테크노스트레스의 강도와 관계없이 챗봇의 커뮤니케이션 실패는 불만족을 야기할 수 있음을 보여준 의미 있는 결과이기도 하다. 하지만, 테크노스트레스의 조절효과를 입증하지 못한 이유는 다음과 같이 설명될 수 있다. 본 연구가 테크노스트레스를 스마트폰에 대한 일반적인 심리적 스트레스로 측정하여 사용하였는데 스마트폰이 출시된 지 10여 년이 지난 지금 소비자는 스마트폰의 사용 능력과 통제력이 향상됨으로써 테크노스트레스가 이전보다 약화되어 챗봇의 커뮤니케이션 실패와 불만족 간의 관계 조절에 실패했을 것이라 판단된다. 또 다른 가능한 설명은 스마트폰에 대한 테크노스트레스는 챗봇의 커뮤니케이션 실패의 상황에서 발생한 직접적인 테크노스트레스가 아니라서 그 영향을 발휘하기에는 제한적이었을 것으로 추측된다.

다섯째, 챗봇의 커뮤니케이션 실패에 대한 MZ세대와 MZ 이전 세대가 보이는 부정적 반응의 다양한 경로에 차이가 있을 것이라 가정하였지만, 실증적 검증 결과 불만족 경로를 제외한 다른 경로에는 차이가 없었다. 이렇게 연구 결과가 도출된 것은 응답자의 특성 때문으로 추측된다. 본 연구는 온라인 전문 설문기관에 가입된 패널을 대상으로 온라인 설문을 하였기에 본 연구에 참여한 응답자가 노년층이라 하더라도 PC와 모바일 기기를 능숙하게 다룰 가능성이 높기 때문에 디지털 기기에 익숙한 MZ세대와 반응이 유사하였을 것이다. 비록 본 연구가 MZ세대와 MZ 이전 세대간 챗봇의 커뮤니케이션 실패에 대한 부정적 반응의 다양한 차이를 밝히지는 못하였지만, 챗봇의 커뮤니케이션 실패는 MZ세대보다 MZ 이전 세대의 불만족을 더 높이는 것으로 나타났기에 MZ 이전 세대를 대상으로 챗봇을 도입할 때는 기업의 위협적 요소가 될 수 있는 불만족을 줄이기 위해 사용자의 질문의 이해도와 답변의 정확도를 더 높인 챗봇이 필요함을 시사한다.

본 연구의 결과를 통합한 실무적 제언은 다음과 같다. 온라인 쇼핑 환경에서 고객의 편의를 위해 제공한 챗봇이 고객과 원활하게 대화를 나누지 못하면 오히려 고객의 불만족을 높임을 실증적으로 보여주었다. 산업 트렌드에 맞추어 성급하게 챗봇 서비스를 개시하기보다는 챗봇의 서비스 실패율을 최대한 낮춘 후 신중하게 챗봇을 개시하는 것이 중요하다. 현실적으로 챗봇의 커뮤니케이션 실패는 없을 수 없기에 이를 대비하여 불만족을 낮추기 위한 전략을 고심하여야 한다. 특히, MZ세대를 대상으로 하는 온라인 쇼핑몰 보다는 연령이 높은 중장년층이나 노년층을 대상으로 하는 온라인 쇼핑몰이 챗봇의 불만족을 낮추기 위한 효과적인 전략을 더 적극적으로 모색하여야 한다.

또한, 챗봇에 불만족한 고객이 불평할 가능성이 가장 높다. 이는 챗봇의 커뮤니케이션 문제가 온라인 쇼핑몰 상담원에게 직접 전달될 수 있음을 시사한다. 챗봇과의 대화 실패로 연결된 고객을 응대하는 상담원은 고객으로부터 직접 챗봇의 부족함이 무엇인지를 들을 수 있다. 그러므로 상담원이 들은 내용이 챗봇 관리자나 개발자에게 전달될 수 있는 시스템이 마련된다면 챗봇의 성능을 높이는데 도움이 될 것이다. 게다가 챗봇에 불만족한 고객은 부정적 구전을 할 가능성도 있다. 소비자는 자신의 불만을 해소하기 위해 부정적 구전을 하며, 부정적 구전 후 부정적 감정이 누그러지기도 한다(Hong & Ryu, 2012; Park & Ryu, 2011; Wetzer et al., 2007). 따라서 챗봇의 커뮤니케이션 실패 시점에 고객이 불만을 바로 이야기할 수 있다면, 불만족도가 다소 완화되어 부정적 구전이 줄어들 수 있다. 예를 들면, 챗봇이 고객의 요청을 처리할 수 없을 때는 고객이 불만을 말할 수 있는 대화 흐름을 설계하거나 팝업창을 띄워 불만 사항을 바로 접수하는 방법을 고안할 수 있을 것이다.

이와 같은 시사점에도 불구하고 본 연구는 몇 가지 한계점이 있다. 첫째, 본 연구는 챗봇의 커뮤니케이션 실패 시 불만족의 중요성을 입증하였지만, 챗봇의 커뮤니케이션 실패를 단일 차원으로 구성하였고 테크노스트레스의 조절효과가 유의하지 않았기에 불만족을 낮추기 위한 구체적인 제언을 할 수가 없었다. 후속 연구에서 챗봇의 불만족을 높이거나 낮추는 챗봇의 특성을 다차원적으로 구성하여 연구한다면, 더 체계화되고 구체적인 실무적 제언이 가능할 것이다. 둘째, 본 연구는 텍스트 기반 챗봇의 커뮤니케이션 실패 상황에서 이루어진 연구로 본 연구의 결과를 음성 기반 챗봇에도 적용할 수 있을지 확신할 수 없음으로 이에 대한 검증이 필요하다. 후속 연구에서는 본 연구를 토대로 연구모델을 확장하여 음성 기반 챗봇의 커뮤니케이션 실패 상황과 텍스트 기반 챗봇의 커뮤니케이션 실패 상황에서 사용자가 보이는 반응의 유사점과 차이점을 규명한다면, 챗봇과의 대화 방법에 따라 더욱 적합한 시스템 개발을 위한 유용한 정보가 될 것이다.

Acknowledgments

본 논문은 2019년 대한민국 교육부와 한국연구재단의 지원을 받아 수행된 연구임(NRF-2019S1A5B5A07094451).

References

• Ahn, S. (2021, May 24). 미래 비즈니스 바꾸는 新인류 ‘MZ세대’ [‘MZ Generation’, a new generation that will change the future business]. EconomyChosun. Retrieved November 19, 2021, from, http://economychosun.com/client/news/view.php?boardName=C00&t_num=13610830#
• Anderson, E. W. (1998). Customer satisfaction and word of mouth. Journal of Service Research, 1(1), 5-17. [https://doi.org/10.1177/109467059800100102]
• Ashfaq, M., Yun, J., Yu, S., & Loureiro, S. M. C. (2020). I, Chatbot - Modeling the determinants of users’ satisfaction and continuance intention of AI-powered service agents. Telematics and Informatics, 54, 101473. [https://doi.org/10.1016/j.tele.2020.101473]
• Bachleda, C., & Berrada-Fathi, B. (2016). Is negative eWOM more influential than negative pWOM? Journal of Service Theory and Practice, 26(1), 109-132. [https://doi.org/10.1108/JSTP-11-2014-0254]
• Brod, C. (1984). Technostress - The human cost of the computer revolution. Reading, Mass - Addison-Wesley.
• Cha, J. (2021). The effect of UI usability of mobile healthcare applications on technostress and continuous use intention - Focusing on elderly users. Journal of Digital Convergence, 19(5), 295-305.
• Charlett, D., Garland, R., & Marr, N. (1995). How damaging is negative word of mouth. Marketing Bulletin, 6(1), 42-50.
• Chen, J. V., Tran, A., & Nguyen, T. (2019). Understanding the discontinuance behavior of mobile shoppers as a consequence of technostress - An application of the stress-coping theory. Computers in Human Behavior, 95, 83-93. [https://doi.org/10.1016/j.chb.2019.01.022]
• Cho, S. B., Jang, Y. J., & Kim, W. G. (2017). The moderating role of severity of service failure in the relationship among regret/disappointment, dissatisfaction, and behavioral intention. Journal of Quality Assurance in Hospitality and Tourism, 18(1), 69-85. [https://doi.org/10.1080/1528008X.2016.1169470]
• Chung, B., Min, S., Lee, Y., & Han, Y. (2021). 2020 인터넷이용실태조사 [2020 survey on the internet usage]. National Information Society Agency. Retrieved August 7, 2021, from, https://www.nia.or.kr/common/board/Download.do?bcIdx=21013&cbIdx=99870&fileNo=2
• Chung, M., Ko, E., Joung, H., & Kim, S. J. (2020). Chatbot e-service and customer satisfaction regarding luxury brands. Journal of Business Research, 117, 587-595. [https://doi.org/10.1016/j.jbusres.2018.10.004]
• Fan, A., Wu, L., & Mattila, A. S. (2018). Gender differences in the intentions to voice complaints across different service failure modes. Journal of Foodservice Business Research, 21(1), 22-32. [https://doi.org/10.1080/15378020.2016.1229091]
• Han, S., & Sung, H. (2007). A new findings on negative behavioral responses to disappointment, betrayal, regret in failed services. Consumer Behavior & Theory, 10(2), 1-28. [https://doi.org/10.17053/jcc.2007.10.2.001]
• Harrison Walker, L. J. (2001). E complaining - A content analysis of an Internet complaint forum. Journal of Services Marketing, 15(5), 397-412. [https://doi.org/10.1108/EUM0000000005657]
• Henseler, J., Ringle, C. M., & Sinkovics, R. R. (2009). The use of partial least squares path modeling in international marketing. New Challenges to International Marketing, 20, 277-3120 [https://doi.org/10.1108/S1474-7979(2009)0000020014]
• Hill, J., Ford, W. R., & Farreras, I. G. (2015). Real conversations with artificial intelligence - A comparison between human–human online conversations and human–chatbot conversations. Computers in Human Behavior, 49, 245-250. [https://doi.org/10.1016/j.chb.2015.02.026]
• Holloway, B. B., & Beatty, S. E. (2003). Service failure in online retailing - A recovery opportunity. Journal of Service Research, 6(1), 92-105. [https://doi.org/10.1177/1094670503254288]
• Hong, H., & Ryu, S. (2012). Motives for writing after-purchase consumer reviews in online stores and classification of online store shoppers. Journal of Distribution Research, 17(3), 25-57.
• Hyun, Y. G., Lim, J. T., Han, J. H., Chae, U., Lee, G.-H., Ko, J. D., Cho, Y. H., & Lee, J. Y. (2020). A study on the development methodology for user-friendly interactive chatbot. Journal of Digital Convergence, 18(11), 215-226.
• Jang, Y. J., Cho, S. B., & Kim, W. G. (2013). Effect of restaurant patrons' regret and disappointment on dissatisfaction and behavioral intention. Journal of Travel and Tourism Marketing, 30(5), 431-444. [https://doi.org/10.1080/10548408.2013.803388]
• Janssen, A., Grützner, L., & Breitner, M. H. (2021). Why do chatbots fail? A critical success factors analysis. Retrieved November 16, 2021, from, https://aisel.aisnet.org/icis2021/hci_robot/hci_robot/6
• Jeong, S. G., Hur, H. J., & Choo, H. J. (2020). The effect of fashion shopping chatbot characteristics on service acceptance intention - Focusing on anthropomorphism and personalization. Journal of the Korean Society of Clothing and Textiles, 44(4), 573-593. [https://doi.org/10.5850/JKSCT.2020.44.4.573]
• Ju, S. R., & Chung, M. S. (2008). A study on customer dissatisfaction, complaining behavior, and long-term orientation of internet fashion shopping mall. Journal of the Korean Society of Clothing and Textiles, 32(12), 1866-1877. [https://doi.org/10.5850/JKSCT.2008.32.12.1866]
• Jung, M. (2020a, October 6). (콜센터가 사라진다) ② 너도나도 'AI챗봇' 도입... 2024년 시장 규모 10조원까지 성장 [(The disappearing call center) ② AI chatbots are adopting… market size is expected to grow by 10 trillion won in 2024]. Aju Business Daily. Retrieved November 24, 2021, from, https://www.ajunews.com/view/20201006002514980
• Jung, Y. S. (2020b). 유통업 지각 변동 몰고 온 언택트 쌍방향 소통 ‘라이브 커머스’에 올라타라 [Ride on live commerce, an untact interactive communication that has caused a cataclysmic change in the retail industry]. DBR, May(2). Retrieved March 18, 2022, from, https://dbr.donga.com/article/view/1202/article_no/9609/ac/magazine
• Kim, B. K., Kim, H. A., Sim, C. E., & Jeong, J. W. (2017). Design and implementation of crowd-sourced Q&A system based on social chat-bot. The Journal of Korean Institute of Information Technology, 15(11), 125-138. [https://doi.org/10.14801/jkiit.2017.15.11.125]
• Kim, E. (2018, January 8). 쇼핑 비서 ‘챗봇’ 써보니... 롱패딩은 알아도 인조모피는 몰라 [My shopping secretary 'chatbot' knows about long padding jackets but does not know about fake fur]. Chosun Biz,. Retrieved June 11, 2019, from, http://news.chosun.com/site/data/html_dir/2018/01/08/2018010800500.html
• Kim, H. J., & Cho, S. (2018). The effect of negative expectancy disconfirmation of restaurant customers on complaining behavior and switching intention - Comparative study in Korea and Japan. Journal of Product Research, 36(6), 17-29. [https://doi.org/10.36345/kacst.2018.36.6.002]
• Kim, J. (2017, January 10). 챗봇이 뜬다② 커머스편] 인터파크와 11번가를 통해 바라보는 커머스 챗봇의 내일 [Chatbots are rising ② commerce edition] The tomorrow of commerce chatbots viewed through Interpark and 11th Street]. CLO. Retrieved January 25, 2021, from http://clomag.co.kr/article/2045
• Kim, J. (2021, June 8). 코어에이아이, “국내 기업 39%, 챗봇 운영시 질문 의도 파악 못해 어려움 겪어 [Kore.AI, “39% of domestic companies have difficulties in understanding the intent of the question when operating a chatbot]. Electronic Times. Retrieved November 11, 2021, from https://www.etnews.com/20210608000205?m=1
• Kim, J. Y., & Cho, M. H. (2017). The effect of service failure on face loss and complaint behavior - Focused on full service restaurant. Journal of Foodservice Management Society of Korea, 20(1), 63-85.
• Kim, M. G., Wang, C., & Mattila, A. S. (2010). The relationship between consumer complaining behavior and service recovery - An integrative review. International Journal of Contemporary Hospitality Management, 22(7), 975-991. [https://doi.org/10.1108/09596111011066635]
• Kim, S. H. (2006). A study on the effects of consumer attributes and emotions on dissatisfaction and behaviors in case of negative expectancy disconfirmation - Comparison for relative influence according to consumers` efforts before purchase. Korean Management Review, 35(5), 1497-1528.
• Kim, S. H., Park, J. H., & Kim, D. (2016). The effects of recovery effort through recovery satisfaction on switching behavior and negative word-of-mouth in service failure - Direct and moderate effect of cheong. Journal of Marketing Management Research, 21(3), 23-51.
• Kim, T. (2014, January 12). 스마트폰과 건강, 당신도 ‘테크노 스트레스'? [Smartphone and health, are you also 'technostress'?]. Korea Herald Business. Retrieved November 24, 2021, from http://news.heraldcorp.com/view.php?ud=20140110000087
• Kong, O. R., & Rhee, H. J. (2009). A comparative study on negative emotions triggering behavioral responses and dissatisfaction due to failed service encounters. Journal of Korea Service Management Society, 10(1), 271-298. [https://doi.org/10.15706/jksms.2009.10.1.012]
• Kwak, J., Kim, N., & Kim, M. S. (2019). The relationship among chatbot’s characteristics, service value, and customer satisfaction. International Journal of Industrial Distribution & Business, 10(3), 45-58.
• Lee, C. H., & Cranage, D. A. (2012). Toward understanding consumer processing of negative online word-of-mouth communication - The roles of opinion consensus and organizational response strategies. Journal of Hospitality & Tourism Research, 38(3), 330-360. [https://doi.org/10.1177/1096348012451455]
• Lee, K. Y. (2017). A study of structural relationship between technostress and mobile application discontinuance intention. Korean Journal of Business Administration, 30(10), 1835-1855. [https://doi.org/10.18032/kaaba.2017.30.10.1835]
• Lee, M. K., & Park, H. (2019). Exploring factors influencing usage intention of chatbot - Chatbot in financial service. Journal of the Korean Society for Quality Management, 47(4), 755-765.
• Lee, S. B., Moon, J. Y., & Kwak, J. S. (2014a). A study on the consumer choice by technostress - Focused on facebook. The Journal of the Korea Contents Association, 14(12), 402-410.
• Lee, Y. K., Chang, C. T., Lin, Y., & Cheng, Z. H. (2014b). The dark side of smartphone usage - Psychological traits, compulsive behavior and technostress. Computers in Human Behavior, 31, 373-383. [https://doi.org/10.1016/j.chb.2013.10.047]
• Li, L., Lee, K. Y., Emokpae, E., & Yang, S. B. (2021). What makes you continuously use chatbot services? Evidence from chinese online travel agencies. Electronic Markets, 31, 575-599. [https://doi.org/10.1007/s12525-020-00454-z]
• Liu, K. Y., & Ryu, M. H. (2021). A Study on dissatisfaction and complaining behavior on SNS market - Verification of moderating effect of subjective knowledge. Journal of Consumption Culture, 24(1), 23-47.
• Nam, H. (2020, November 13). AI 도입한 기업들, 실효성 떨어져 ‘속앓이’ [The chatbot adopted companies suffer from the low effectiveness of chatbots]. ZDNet Korea. Retrieved January18, 2021, from https://zdnet.co.kr/view/?no=20201111161552
• Oliver, R. L. (1987). An investigation of the interrelationship between consumer (dis) satisfaction and complaint reports. Advances in Consumer Research, 14(1), 218-222.
• ‘Pandemic resurgence and the changing role of chatbot’. (2020, August 23). Tony Around. Retrieved September 5, 2021, from https://tonyaround.com/%ED%8E%9C%EB%8D%B0%EB%AF%B9-%EC%9E%AC%EC%9C%A0%ED%96%89%EA%B3%BC-%EC%B1%97%EB%B4%87%EC%9D%98-%EC%97%AD%ED%95%A0-%EB%B3%80%ED%99%94/
• Park, B. D., & Park, J. Y. (2003). A study on customer dissatisfaction and complaining behavior of internet shopping mall. Journal of Marketing Management Research, 8(3), 83-106.
• Park, J. (2017). 챗봇의 역할은 ‘수다꾼’ 아닌 효율성. 알고리즘보다 데이터 품질 높여야 [The role of chatbots is efficiency, not chatter. Better data quality than algorithms]. Dong-A Business Review. Retrieved November 11, 2021, from https://dbr.donga.com/article/view/1101/article_no/8181/ac/special
• Park, K. & Ryu, G. (2011). The impact of word-of-mouth transmission on communicator`s affective responses - The role of word-of-mouth valence and motive. Journal of Consumer Studies, 22(4), 77-101.
• Park, N., Choi, H., & Lee, C. (2011). Factors influencing technostress of smartphone users. The Journal of Korean Institute of Information Technology, 9(2), 179-186.
• Park, S. J., & John, C. M. (2009). Consumers’ attitude toward complaining - A cross-cultural comparison of its traits predictors. Asia Marketing Journal, 11(1), 1-27.
• Richins, M. L. (1983). Negative word-of-mouth by dissatisfied consumers - A pilot study. Journal of Marketing, 47(1), 68-78. [https://doi.org/10.2307/3203428]
• Ro, H. (2014). Complaint, patience, and neglect - Responses to a dissatisfying service experience. Service Business, 8(2), 197-216. [https://doi.org/10.1007/s11628-013-0193-y]
• Sanchez, G. (2013). PLS path modeling with R. Trowchez Editions. Retrieved August 1, 2021, from http://www.gastonsanchez.com/PLS Path Modeling with R.pdf
• Sanchez, G., Trinchera, L., & Russolillo, G. (2017). plspm - Tools for Partial Least Squares Path Modeling (PLS-PM). In (Version R package version 0.4.9) Retrieved August 1, 2021, from https://CRAN.R-project.org/package=plspm
• Shim, E. S., & Rhee, H. J. (2013). Influences of consumer perceived risks and valence of word of mouth information on purchase intention in social commerce. Journal of Information Technology Services, 12(3), 73-93. [https://doi.org/10.9716/KITS.2013.12.3.073]
• Son, J. A., & Rhee, E.-Y. (2007). The effects of information characteristics(direction, consensus) on word-of-mouth performance in online apparel shopping. Journal of the Korean Society of Clothing and Textiles, 31(8), 1157-1167. [https://doi.org/10.5850/JKSCT.2007.31.8.1157]
• Song, Y. J., & Choi, S. M. (2020). The effects of chatbots’ anthropomorphism and self-disclosure on consumers’ perceptions of and attitude toward the chatbots. Journal of the HCI Society of Korea, 15(1), 17-28. [https://doi.org/10.17210/jhsk.2020.03.15.1.17]
• Suh, C. J., & Yoon, J. O. (2019). The effects of perceived chatbot service quality on customer satisfaction and word of mouth Journal of Korea Service Management Society, 20(1), 201-222. [https://doi.org/10.15706/jksms.2019.20.1.010]
• Sweeney, J., Soutar, G., & Mazzarol, T. (2007). The differences between positive and negative word-of-mouth - Emotion as a differentiator. In S. Gopalan & N. Taher (Eds.), Viral Marketing: Concepts and Cases (pp. 156-168). ICFAI University Press.
• Tien, D. H., Rivas, A. A. A., & Liao, Y. K. (2019). Examining the influence of customer-to-customer electronic word-of-mouth on purchase intention in social networking sites. Asia Pacific Management Review, 24(3), 238-249. [https://doi.org/10.1016/j.apmrv.2018.06.003]
• Um, K. H., & Kim, S. M. (2018). Application of fairness theory to medical tourists' dissatisfaction and complaint behaviors - The moderating role of patient participation in medical tourism. Journal of Social Service Research, 44(2), 191-208. [https://doi.org/10.1080/01488376.2018.1436633]
• Verkijika, S. F. (2019). Digital textbooks are useful but not everyone wants them - The role of technostress. Computers & Education, 140, 1-16. [https://doi.org/10.1016/j.compedu.2019.05.017]
• Wetzer, I. M., Zeelenberg, M., & Pieters, R. (2007). “Never eat in that restaurant, I did!” - Exploring why people engage in negative word-of-mouth communication. Psychology & Marketing, 24(8), 661-680. [https://doi.org/10.1002/mar.20178]
• Yim, M., & Park, M. (2015). An exploratory research on individual differences of technostress - In convergence age. Journal of Digital Convergence, 13(3), 137-153. [https://doi.org/10.14400/JDC.2015.13.3.137]
• Yoon, C., & Kim, S. (2014). A tutorial on PLS structural equating modeling using R - (Centering on) Exemplified research model and data. Information Systems Review, 16(3), 89-112. [https://doi.org/10.14329/isr.2014.16.3.089]
• Yun, H. S., Kim, J. H., & Bae, S. W. (2016). The relationship between high-tech product WOM information characteristics and WOM effectiveness under SNS environment. The Korean Journal of Advertising, 27(2), 113-136. [https://doi.org/10.14377/KJA.2016.2.28.113]
• Zeelenberg, M., & Pieters, R. (2004). Beyond valence in customer dissatisfaction - A review and new findings on behavioral responses to regret and disappointment in failed services. Journal of Business Research, 57(4), 445-455. [https://doi.org/10.1016/S0148-2963(02)00278-3]