패션상품 챗봇에 대한 신뢰 형성 요인 : 지각된 지능과 긍정적 인지의 매개효과를 중심으로

1. 서 론

최근 인공지능(Artificial Intelligence) 기술의 발달과 더불어 인공지능을 사용해 소비자와 의사 소통하는 채팅로봇인 챗봇(chatbot)이 여러 산업분야에서 활용되고 있다. 특히, 코로나 팬데믹이 확산되면서 비대면 트렌드로 인해 판매사원 역할을 대신하는 챗봇 비즈니스가 성장하고 있다. 모르도 인텔리전스(Mordor Intelligence)는 전 세계 챗봇 시장이 2021년부터 2028년까지 연간 35%씩 성장해 1,020억 달러 규모에 달할 것이라고 예상하였으며(Korolov, 2021), 국내 챗봇 시장 역시 연평균 51%의 성장률을 보이며 증가하고 있다(Park, 2020b). 챗봇은 정해진 알고리즘에 따라 사용자가 질문을 입력하면 이에 맞는 응답을 할 수 있기 때문에 인터넷 쇼핑몰, 은행, 병원, 행정기관 등과 같이 텍스트를 통해 사용자에게 정보를 제공하고커뮤니케이션이 필요한 분야에서 고객지원, 상담 등의 목적으로 활용된다. 과거의 챗봇은 사전에 입력된 내용과 규칙을 기반으로 기계적인 답변을 함으로써 자유스럽지 못했고 기술이 뒷받침되지 않아 맥락에 맞지 않는 답변을 하는 경우가 많았다. 그러나 최근에는 진화된 인공지능 기술을 기반으로 자연스러운 답변이 가능하며, 사람의 감정을 비슷하게 표현하기도 한다. 또한 텍스트뿐만 아니라 이미지, 음성, 영상 등을 통해서도 소통이 가능한 수준으로 기술이 개발되고 있다(Park et al., 2019).

패션 분야에서 활발하게 사용되고 있는 챗봇 서비스를 살펴보면 해외 명품을 판매하는 온라인 편집숍인 발란(www.balaan.co.kr)은 ‘루시’라는 이름의 퍼스널 쇼퍼 역할을 하는 챗봇 서비스를 제공한다. 발란에서는 챗봇을 설계할 때 캐릭터를 부여하여 진짜 사람과 대화하는 것 같은 느낌을 사용자에게 제공함으로써 고객 상담의 효율을 높이고 있다. 유니클로에서는 구글이 제공하는 자연어 기반 가상 에이전트 기술인 ‘다이알로그플로우’를 기반으로 AI 챗봇인 ‘유니클로IQ’를 개발하여 유통·패션시장에서 사용하고 있다. 최근에는 유니클로IQ에 음성으로 주문 확인 및 배송, 반품, 교환 등의 구매 후 상황을 체크할 수 있는 기능을 추가하였다. 스타일쉐어 플랫폼에서는 패션 콘텐츠를 제공하는 페이스북 페이지 ‘패션을 부탁해’와 함께 ‘모냥’이라는 챗봇을 개발하였다. 모냥은 친근한 고양이 캐릭터의 모습을 하고 있으며 사용자와의 대화를 통해 원하는 상품을 찾아주고 정보를 제공해준다. 이와 같이 기존에 판매사원이 하던 정보제공 및 상담의 역할을 챗봇 서비스가 대신하고 있으며 시간이 지날수록 기술력과 데이터가 쌓여 그 완성도가 높아지고 있다(Seo, 2019). 챗봇 서비스에 대한 산업적·기업적 관심이 높아지면서 챗봇과 사용자 간의 효과적인 커뮤니케이션을 제고하기 위해 챗봇에 대한 소비자 인식과 태도를 정확하게 이해해야 하지만 관련 연구는 아직 초기 단계이다.

챗봇 관련 선행연구를 살펴보면 챗봇을 교육(Kim et al., 2021a; Yoon, 2021), 금융(Byun & Cho, 2020; Lee & Yun, 2019), 전자상거래(Kang et al., 2020; Kim & Yun, 2019; Kim et al., 2021b) 등 다양한 산업 분야에서 어떻게 활용할 수 있는가에 대한 탐색적 연구가 이루어지고 있으며, 챗봇 개발을 위한 알고리즘(Yoo, 2020; Hwang et al., 2021)이나 인터페이스 디자인(Cho & Yun, 2019; Yoo & Lee, 2019)에 대한 연구도 함께 수행되고 있다. 챗봇을 이용하는 사용자나 소비자 관점에서 진행된 연구를 살펴보면 새로운 서비스에 대한 수용도(Park, 2020; Stroessner & Benitez, 2019)나 서비스 사용의도(Blut et al., 2021; Jeong et al., 2020)를 다룸으로써 사용자의 행동적 측면에 초점을 맞춘 연구가 많이 이루어지고 있다. 또한 챗봇이 판매 사원이나 CS(Customer Service) 직원의 역할을 대신하는 만큼 고객과의 상호작용이 중요하기 때문에 챗봇이 얼마나 사람처럼 지각되는가를 뜻하는 챗봇 의인화의 효과를 검증하거나(Blut et al., 2021) 챗봇에 대한 긍정적 감정이 소비자 행동에 미치는 영향력을 규명한 연구가 이루어지고 있다. 하지만 이들 연구는 챗봇과 고객 사이의 관계에 초점을 맞추다 보니 챗봇의 유용성이나 신뢰성 등과 같은 챗봇에 대한 객관적인 평가가 간과되었다는 한계가 있다. 챗봇이 친근하게 지각되고, 챗봇에 대한 긍정적 감정이 유발되어 챗봇을 사용하고자 하는 의도가 높게 나타난다 할지라도, 챗봇이 제공하는 정보가 유용하지 않고 적합하지 않다면 지속적인 챗봇 사용은 어려울 것이다. 또한, 여러 선행연구에서 특정 서비스에 대한 행동적 의도와 실제 행동 사이의 갭을 주장하고 있는 바, 챗봇 서비스에 대한 사용의도 대신 챗봇 행동을 설명할 수 있는 다른 종속변수를 사용하는 것이 필요한 실정이다.

본 연구에서는 챗봇 서비스에 대한 행동의도를 측정하지 않고 챗봇 신뢰성이라는 종속변수를 사용함으로써 챗봇에 대한 사람들의 인지적 평가에 초점을 두어 이를 실증적으로 검증하고자 한다. 특히 챗봇이 인적 서비스를 대신한다는 측면에서 강조되고 있는 챗봇 의인화가 챗봇 신뢰성에 미치는 영향을 파악하고자 한다. 구체적으로 챗봇 의인화를 고객과의 관계성을 높이는 선행요인으로서 다룬 대부분의 선행연구와 달리, 본 연구에서는 챗봇 의인화를 통해 사용자가 어떤 인지적 가치를 지각하는지 살펴보고자 하며, 챗봇에 대한 의인화가 높게 지각될수록 챗봇 지능 지각과 인지적 평가를 이중 매개하여 챗봇 신뢰성에 미치는 영향이 커질 수 있음을 검증함으로써 챗봇 서비스 품질의 성과를 위해 제언하고자 한다. 또한 챗봇을 통한 서비스를 제공 상황에서 소비자와 챗봇과의 상호작용은 서비스 평가에 영향을 미치는 중요한 요인이 될 수 있다(Bitner et al., 1990; Solomon et al., 1985). 챗봇을 통해 서비스를 제공받는 소비자가 대면적 서비스에서와 같이 판매원과의 커뮤니케이션이 중요하다면 즉, 서비스 제공시점에서 챗봇과의 상호작용의 욕구가 강하다면(Lee & Leonas, 2021), 챗봇 서비스의 의인화가 챗봇 신뢰성 평가에 미치는 효과도 커질 수 있을 것이다. 따라서 본 연구에서는 챗봇 서비스에 대한 인지적 평가과정에서 개인의 상호작용 욕구가 챗봇 의인화의 효과를 어떻게 조절하는지 탐색하고자 한다.

2. 이론적 배경

3. 연구방법

4. 연구 결과

4.1 측정도구의 타당도 및 신뢰도 검증

측정 문항을 대상으로 탐색적 요인분석을 실시한 후, 측정 문항의 신뢰성을 검증하고자 신뢰도 분석을 실시하였다. 주성분분석과 Varimax 회전법에 의한 탐색적 요인분석을 실시하였으며, 요인부하량이 .700 이하로 나타난 문항은 제거하였다. 신뢰성은 측정변수들 간 내적 일관성을 확인하기 위한 신뢰도 계수인 Cronbach's α를 도출하여 확인하였다. 분석 결과, 챗봇 의인화(α = .740)와 인지적 평가(α = .798)는 측정문항 신뢰도 계수가 .700 이상으로 신뢰할 수 있는 수준임을 확인하였으며, 챗봇의 지각된 지능성(α = .674)과 챗봇 신뢰성(α = .677)은 신뢰도 계수가 한계적으로 신뢰할 수 있는 수준인 것으로 나타났다. 탐색적 요인분석과 신뢰도 분석 결과는 <Table 1>과 같다.

Table 1.

The result of exploratory factor analysis

4.2 경로모형 검증

연구모형의 경로를 확인하기 위해 SPSS Process Macro를 사용하여 회귀분석을 실시하였다. 기존에 주로 사용되어왔던 Baron and Kenny(1986)와 Sobel(1982) 매개효과 분석 방법은 연구모형에서 측정오차를 반영하지 못하고 이중매개와 같은 다양한 매개모형을 검증하기 어렵다는 한계를 지닌다(Hayes, 2021). 이에 본 연구에서는 Preacher and Hayes(2004)가 개발한 Process Macro를 사용하여 패션 챗봇에 대한 의인화 지각이 지능과 인지적 평가를 이중 매개하여 챗봇 신뢰성에 미치는 영향력을 검증하였다. 또한, 이중매개 경로가 개인의 상호작용 욕구에 따라 달라지는 것을 살펴보기 위해 조절된 매개효과도 함께 살펴보았다.

먼저, 패션 챗봇의 의인화를 독립변수로, 지각된 지능성과 인지적 평가의 두 개 요인을 순차적으로 매개변수로 투입하고 챗봇 신뢰성을 종속변수로 설정하여 부트스트랩(bootstrap) 분석을 실시하였다(샘플수: 5,000, 95% 신뢰도, 6번 모델) (Hayes, 2021). SPSS Process Macro 4.0을 이용하였으며 분석 결과는 <Fig. 1>과 같다. 지각된 챗봇 의인화는 지각된 지능성(b = 2.4418, p < .001, 95% CI [.3366: .5572]), 인지적 평가(b = .2751, p <. 001, 95% CI [.1469: .4033]), 챗봇 신뢰성(b = .1552, p < .05, 95% CI [.0188: .2916])에 통계적으로 유의한 영향을 미쳤다. 지각된 지능성이 인지적 평가(b = .2997, p < .001, 95% CI [.1612: .4381])와 챗봇 신뢰성(b = .2535, p <. 001, 95% CI [.1061: .4009])에 미치는 영향력도 역시 모두 유의하게 나타났다. 그러나, 챗봇에 대한 인지적 평가가 챗봇 신뢰성(b = .1357, p = .0561, 95% CI [−.0036: .2750])에 미치는 영향력은 유의하지 않았다. 따라서, 챗봇 의인화가 챗봇 신뢰성에 미치는 직접 효과가 유의하게 나타나 가설1이 지지되었으며(Effect = .1552, bootSE=.0692, 95% CI [.0188: .2916]), 챗봇 의인화가 높게 지각될수록 챗봇 신뢰성이 증가함을 예상할 수 있다. 또한, <Table 2>에서 보여지듯이 챗봇 의인화가 챗봇 신뢰성에 미치는 영향력이 지각된 지능성에 의해 매개되어 가설2가 지지되었다(Effect = .1133, bootSE = .0401, 95% CI [.0385: .1982]). 하지만 인지적 평가의 매개효과는 유의하지 않았으며(Effect = .0373, bootSE = .0238, 95% CI [−.0037: .0911]), 지각된 지능성과 인지적 평가를 순차적으로 매개하는 이중매개 역시 유의하지 않게 나타났다(Effect = .0182, bootSE = .0124, 95% CI [−.0016: .0473]). 따라서 가설3과 가설4는 기각되었다.

Fig 1.

The mediation model.

Table 2.

Indirect effects of anthropomorphism on chatbot reliability

다음으로 지각된 챗봇 지능성과 인지적 평가의 매개효과가 개인의 상호작용 욕구 수준에 따라 조절되는지 살펴보기 위해 SPSS Process Macro 4.0을 이용하여 부트스트랩(bootstrap) 분석을 실시하였다(샘플수: 5,000, 95% 신뢰도, 85번 모델) (Hayes, 2021). 분석 결과, <Fig. 2>에 나타난 바와 같이 먼저, 챗봇의 의인화는 지각된 지능성(b = .2638, p < .001, 95% CI [.0280: .4996])과 인지적 평가(b = .3099, p < .05, 95% CI [.0687: .5511])에 통계적으로 유의한 영향을 미쳤으나 챗봇 신뢰성(b = −.1200, p = .3422, 95% CI [−.3686: .1285])에 미치는 영향력은 유의하지 않았다. 지각된 지능성이 인지적 평가(b = .3127, p < .001, 95% CI [.1745: .4509])에 미치는 영향력은 유의하였으며, 지각된 지능성(b = .2183, p < .01, 95% CI [.0714: .3651])과 인지적 평가(b = .1591, p < .05, 95% CI [.0200: .2982])가 챗봇 신뢰에 미치는 영향력 역시 모두 유의하게 나타났다. 즉, 챗봇 의인화가 챗봇 신뢰성에 미치는 직접 효과를 제외한 모든 간접효과 즉, 지각된 지능성과 인지적 평가를 매개로 하는 간접효과는 모두 유의하게 나타났다(Table 3).

Fig 2.

The moderated mediation model.

Table 3.

Indirect effects of anthropomorphism on chatbot reliability under need for human interaction

챗봇 의인화의 영향력이 상호작용 욕구에 의해 조절되는지 살펴본 결과, 챗봇 의인화가 챗봇 신뢰성에 미치는 직접 영향력은 상호작용 욕구의 수준에 따라 다르게 나타났다(Effect= .1204, bootSE = .0480, 95% CI [.0258: .2151]). 인간과 상호작용하려는 욕구가 낮을 때에는 챗봇 의인화가 챗봇 신뢰성에 미치는 직접효과가 유의하지 않게 나타났으나, 상호작용 욕구가 높을 때에는 챗봇 의인화가 증가하여 챗봇을 사람처럼 인식할수록 챗봇에 대한 신뢰성이 증가하는 것으로 나타났다(Table 4). 따라서, 가설5-1이 지지되었다.

Table 4.

Conditional direct effects of anthropomorphism on chatbot reliability

챗봇 의인화가 지각된 지능성에 미치는 영향력은 상호작용 욕구에 의해 조절되지 않는 것으로 나타났다(Effect = .0788, bootSE = .0465, 95% CI [−.0128: .1704]). 하지만 신뢰구간을 90% 수준으로 낮추었을 때에는 상호작용 욕구의 조절 역할이 1% 수준에서 유의한 것으로 나타났다(Effect = .0788, bootSE = .0465, 90% CI [.0020: .1556]). 즉, 상호작용 욕구가 증가할수록 챗봇 의인화가 지각된 지능성에 미치는 영향력이 증가하는 것으로 나타났으며, 이는 챗봇을 사람처럼 지각할수록 챗봇의 지능도 높게 평가한다는 것을 의미한다(Table 5). 이에 가설 5-2가 지지되었다. 반면, 챗봇 의인화가 인지된 평가에 미치는 영향력은 상호작용 욕구에 의해 조절되지 않는 것으로 나타나 가설5-3은 기각되었다(Effect = −.0132, bootSE = .0473, 90% CI [−.1064: .0800]).

Table 5.

Conditional direct effects of anthropomorphism on intelligence

5. 결 론

본 연구는 디지털 패션 쇼핑에서 인적 서비스를 대체하고 있는 패션 챗봇에 대한 신뢰성 형성에 미치는 챗봇 특성으로서 의인화의 영향을 실증적으로 검증하였다. 구체적으로 챗봇 의인화가 챗봇에 대한 지각된 지능, 긍정적 인지를 매개로 챗봇 신뢰성에 미치는 영향력을 확인하고, 소비자의 상호작용 욕구의 챗봇 의인화의 효과에 대한 조절효과를 검증하였다. 본 연구의 결과를 토대로 학문적, 실무적 시사점은 다음과 같다.

첫째, 본 연구는 챗봇 서비스가 인공지능을 토대로 한 새로운 서비스 기술이라는 측면에서 서비스의 지속적 사용에 앞서 새로운 서비스에 대한 신뢰성 확보가 중요한 선행요소가 될 수 있다는 점에서 챗봇에 대한 소비자의 평가적 과정을 설명하고자 하였다. 챗봇 서비스에 대한 신뢰성은 챗봇 서비스를 평가하는 주요한 서비스 품질의 차원이 될 수 있다(Meyer-Waarden et al., 2020). 특히 챗봇 서비스의 주요 특성으로서 의인화가 어떠한 기능적 평가과정을 통해 신뢰성을 확보할 수 있는지에 대한 설명하고자 하였다는 점에서 학술적 의의가 있다. 여러 선행연구들이(Kim et al., 2019; Wirtz et al., 2018) 챗봇의 의인화가 서비스 사용 측면에서 주로 감정적 평가에 기반하여 사용의도를 형성할 수 있음을 설명하는데 반해 본 연구는 챗봇의 기능적 평가를 토대로 그 해석을 확대하였다고 볼 수 있다.

둘째, 챗봇은 인적 서비스를 대신한 기술로 챗봇이 인간과 같은 특성이 부여되어 의인화 됨으로써 서비스의 신뢰성을 높일 수 있음을 확인하였다. 특히 본 연구에서는 챗봇의 의인화가 지각된 지능성을 매개로 챗봇 신뢰성에 미치는 영향을 검증하였다. 챗봇의 의인화가 인간과 같은 외형보다는 행동과 언어적 특성에 기인할 수 있으며, 이를 통해 챗봇 서비스의 유능성에 대한 평가를 높일 수 있음을 추론해 볼 수 있다. 이러한 연구의 결과는 여러 선행연구에서 로봇의 서비스가 인간과 유사한 특성을 지님으로 인해 인간과 유사한 지능적 능력을 가졌을 것이라는 기대를 형성하게 하여 나타나는 결과를 지지한다(Huang & Rust, 2018; Stroessner and Benitez, 2019). 판매사원의 서비스를 대체하는 챗봇 서비스 제공상황에서 챗봇의 의인화 서비스 즉, 인간의 행동적 특성을 반영한 서비스가 제공될 때 소비자들은 서비스 제공자 역할을 담당하는 챗봇이 지능적이라는 인식을 갖게 되고, 궁극적으로 챗봇이 제공하는 서비스를 신뢰하여 서비스 품질을 높게 평가할 수 있다. 텍스트로 전달되는 서비스 제공상황에서 판매사원과의 커뮤니케이션과 유사한 언어나 대화의 형식을 사용하고, 챗봇과의 접점에서 챗봇을 판매사원처럼 소개를 하고 묘사를 하는 방식을 적용함으로써 챗봇의 의인화 특성을 높일 수 있을 것이다. Song and Choi(2020)의 연구에서는 챗봇의 의인화가 높을 때 챗봇의 자기노출 높은 수준에서 제시될 때 챗봇에 대한 진실성이 높게 나타남을 확인하였다. 이를 토대로 후속 연구에서는 챗봇의 의인화 특성을 언어적, 비언어적 특성으로 구분하고 이들 특성과 수준에 따라 챗봇 신뢰성에 미치는 효과를 추가 검증해 볼 수 있을 것이다.

셋째, 본 연구에서는 챗봇을 통한 서비스 제공상황에서 소비자는 인적 상호작용에 대한 욕구가 챗봇 의인화가 챗봇 신뢰성에 미치는 영향을 조절함을 검증하였다. 즉, 인적 상호작용에 대한 욕구가 높은 소비자의 경우, 챗봇 의인화 수준이 높을수록 챗봇에 대한 신뢰성이 높아짐을 확인하였다. 소비자 개인의 특성으로 상호작용의 욕구는 비대면의 서비스 제공상황에서 챗봇으로 하여금 서비스 조력자로서 인적 서비스 제공 상황과 같은 혜택을 지각할 수 있으며(Blut et al., 2016; Evanschitzky et al., 2015; Jeong & Park, 2020), 이때 챗봇의 의인화 수준이 높을수록 서비스의 품질 즉, 신뢰성이 높다고 인식할 수 있음을 확인하였다. 챗봇 서비스가 적극적으로 도입되고 있는 패션 디지털 커머스 상황에서 오프라인 중심의 서비스를 제공해 온 패션브랜드의 경우 서비스 제공시 인적 서비스를 통해 형성될 수 있었던 고객의 상호작용 욕구를 충족시켜 주기 위한 노력이 더욱 요구되며, 인적서비스 상황에서 경험할 수 있는 언어적 특성을 챗봇 서비스가 제공할 수 있도록 마케팅 방안을 모색할 필요가 있다.

본 연구는 챗봇 서비스의 신뢰성 형성 과정이라는 측면에서 챗봇의 의인화 특성의 영향을 검증하였으나 다음과 같은 한계점을 가지고 있다. 첫째, 본 연구는 챗봇 서비스의 경험이 동영상을 통해 간접적 서비스 체험에 기반하고 있다는 점에서 제한점을 가질 수 있다. 특히 자극물에 따라 챗봇 서비스의 경험이 제한될 수 있다는 점으로 인해 다양한 챗봇 서비스 경험을 가진 소비자를 대상으로 연구를 진행하여 타당도를 높일 필요가 있을 것이다. 따라서 후속연구에서는 소비자의 서비스 상황의 관여도를 높이고, 실제 챗봇 서비스의 경험을 통해 평가가 이루어질 수 있도록 연구를 설계하고 본 연구의 결과를 재검증할 필요가 있다. 또한 실험 설계 시 자극물로 선정된 챗봇 서비스의 의인화 특성이 충분히 반영되었는지 추가 검증이 필요할 것이다. 둘째, 본 연구에서는 챗봇의 의인화가 신뢰성에 미치는 영향에 있어 챗봇의 지각된 지능의 매개효과를 실증적으로 검증되었으나, 챗봇 서비스의 긍정적 인지의 이중 매개효과가 검증되지 못하였다. 챗봇에 서비스 품질에 대한 기능적 평가라는 측면에서 긍정적 인지는 챗봇 서비스의 고유한 특성으로서 지능성에 대한 지각과 신뢰성을 매개하는 주요 요인이 될 수 있음을 감안하여, 후속연구에서는 긍정적 인지의 판별 타당성이 높은 측정도구를 통해 모델을 재검증할 필요가 있을 것이다. 또한 챗봇 서비스 사용경험이 서비스의 평가에 미치는 영향이 존재할 수 있어 챗봇 서비스 사용경험을 통제하기 위해 실제 사용경험을 설명요인으로 고려해 볼 수 있을 것이다.

Acknowledgments

이 논문은 2020년 대한민국 교육부와 한국연구재단의 지원을 받아 수행된 연구임 (NRF-2020S1A5B5A17091064).

References

• Anselmsson, J. (2001). Customer-perceived service quality and technology-based self-service. Unpublished doctoral dissertation, Lurid University, Lund
• Baron, R. M., & Kenny, D. A. (1986). The moderator–mediator variable distinction in social psychological research - Conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology, 51(6), 1173-1182. [https://doi.org/10.1037/0022-3514.51.6.1173]
• Bartneck, C., Kulić, D., Croft, E., & Zoghbi, S. (2009). Measurement instruments for the anthropomorphism, animacy, likeability, perceived intelligence, and perceived safety of robots. International Journal of Social Robotics, 1(1), 71-81. [https://doi.org/10.1007/s12369-008-0001-3]
• Bitner, M. J., Booms, B. H., & Tetreault, M. S. (1990). The service encounter - Diagnosing favorable and unfavorable incidents. Journal of Marketing, 54(1), 71-84. [https://doi.org/10.1177/002224299005400105]
• Blut, M., Wang, C., & Schoefer, K. (2016). Factors influencing the acceptance of self-service technologies - A meta-analysis. Journal of Service Research, 19(4), 396-416. [https://doi.org/10.1177/1094670516662352]
• Blut, M., Wang, C., Wünderlich, N. V., & Brock, C. (2021). Understanding anthropomorphism in service provision - A meta-analysis of physical robots, chatbots, and other AI. Journal of the Academy of Marketing Science, 49(4), 632-658. [https://doi.org/10.1007/s11747-020-00762-y]
• Bohner, G. & Wänke, M. (2002), Attitudes and Attitude Change. New York, NY: Psychology Press Ltd.
• Bolton, R. N., McColl-Kennedy, J. R., Cheung, L., Gallan, A., Orsingher, C., Witell, L., & Zaki, M. (2018). Customer experience challenges. Journal of Service Management, 29(5), 776–808. [https://doi.org/10.1108/JOSM-04-2018-0113]
• Breakwell, G. M., Fife-Schaw, C., Lee, T., & Spencer, J. (1986). Attitudes to new technology in relation to social beliefs and group memberships - A preliminary investigation. Current Psychological Research & Reviews, 5(1), 34-47. [https://doi.org/10.1007/BF02686595]
• Broadbent, E., Jayawardena, C., Kerse, N., Stafford, R.Q., & MacDonald, B.A. (2011, August). Human-robot interaction research to improve quality of life in elder care - An approach and issues. Paper presented at Workshops at the Twenty-Fifth AAAI Conference on Artificial Intelligence, San Francisco, CA, pp. 13-19
• Butler, B. S., & Gray, P. H. (2006). Reliability, mindfulness, and information systems. MIS Quarterly, 30(2), 211-224. [https://doi.org/10.2307/25148728]
• Byun, S. H., & Cho, C. H. (2020). The effect of the anthropomorphism level and personalization level on AI financial chatbot recommendation messages on customer response. The Korean Journal of Advertising and Public Relations, 22(2), 466-502. [https://doi.org/10.16914/kadpr.2020.22.2.466]
• Canning, C., Donahue, T. J., & Scheutz, M. (2014). Investigating human perceptions of robot capabilities in remote human-robot team tasks based on first-person robot video feeds. Proceedings of 2014 IEEE/RSJ International Conference on Intelligent Robots and Systems, USA, pp.4354-4361. [https://doi.org/10.1109/IROS.2014.6943178]
• Cho, G., & Yun, J. Y. (2019). UX evaluation of financial service chatbot interactions. Journal of the HCI Society of Korea, 14(2), 61-69. [https://doi.org/10.17210/jhsk.2019.05.14.2.61]
• Choi, M. Y. (2021). The effect of personalized product recommendation service of online fashion shopping mall on service use behaviors through cognitive attitude and emotional attachment. Fashion and Textile Research Journal, 23(5), 586-597. [https://doi.org/10.5805/SFTI.2021.23.5.586]
• Collier, J. E. & Kimes, S. E. (2013). Only if it is convenient: Understanding how convenience influences self-service technology evaluation. Journal of Service Research, 16(1), 39-51. [https://doi.org/10.1177/1094670512458454]
• Dabholkar, P. A. (1996). Consumer evaluations of new technology-based self-service options - An investigation of alternative models of service quality. International Journal of Research in Marketing, 13(1), 29-51. [https://doi.org/10.1016/0167-8116(95)00027-5]
• Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (1989). User acceptance of computer technology: A comparison of two theoretical models. Management Science, 35(8), 982-1003. [https://doi.org/10.1287/mnsc.35.8.982]
• DiSalvo, C. F., Gemperle, F., Forlizzi, J., & Kiesler, S. (2002). All robots are not created equal - The design and perception of humanoid robot heads. Proceedings of the 4th Conference on Designing Interactive Systems: Processes, Practices, Methods, and Techniques, England, pp.321–326. [https://doi.org/10.1145/778712.778756]
• Epley, N., Waytz, A., & Cacioppo, J. T. (2007). On seeing human: A three-factor theory of anthropomorphism. Psychological Review, 114(4), 864-886. [https://doi.org/10.1037/0033-295X.114.4.864]
• Erebak, S., & Turgut, T. (2019). Caregivers’ attitudes toward potential robot coworkers in elder care. Cognition, Technology and Work, 21(2), 327–336. [https://doi.org/10.1007/s10111-018-0512-0]
• Evans, K.R., & Brown, S.W. (1988). Strategic options for service delivery systems. In C.A. Ingene & G.L. Frazier (Eds.), Proceedings of the AMA Summer Educators’ Conference (pp. 207-212). Chicago, IL: American Marketing Association.
• Evanschitzky, H., Iyer, G. R., Pillai, K. G., Kenning, P., & Schütte, R. (2015). Consumer trial, continuous use, and economic benefits of a retail service innovation - The case of the personal shopping assistant. Journal of Product Innovation Management, 32(3), 459-475. [https://doi.org/10.1111/jpim.12241]
• Fernandes, T., & Pedroso, R. (2017). The effect of selfcheckout quality on customer satisfaction and repatronage in a retail context. Service Business, 11(1), 69-92. [https://doi.org/10.1007/s11628-016-0302-9]
• Fishbein, M. (1963). An investigation of the relationships between beliefs about an object and the attitude toward that object. Human Relations, 16(3), 233-239. [https://doi.org/10.1177/001872676301600302]
• Frijda, N. H. (1993). Moods, emotion episodes, and emotions. In M. Lewis & J. M. Haviland (Eds.), Handbook of Emotions (pp. 381-03). New York, NY: The Guilford Press.
• Gardner, L., & Leshner, G. (2016). The role of narrative and other-referencing in attenuating psychological reactance to diabetes self-care messages. Health Communication, 31(6), 738-751. [https://doi.org/10.1080/10410236.2014.993498]
• Gardner, M. P. (1985). Mood states and consumer behavior - A critical review. Journal of Consumer Research, 12(3), 281-300. [https://doi.org/10.1086/208516]
• Hayes, A. F. (2021). Introduction to mediation, moderation, and conditional process analysis - A regression-based approach (3rd ed.). New York, NY: Guilford Publications.
• Hirschman, E. C., & Holbrook, M. B. (1982). Hedonic consumption - Emerging concepts, methods and propositions. Journal of Marketing, 46(3), 92-101. [https://doi.org/10.1177/002224298204600314]
• Huang, M. H., & Rust, R. T. (2018). Artificial intelligence in service. Journal of Service Research, 21(2), 155-172. [https://doi.org/10.1177/1094670517752459]
• Hwang, M. H., Lee, W. S., Hwang, H., Park, Y. S., Lim, Y. K., & Jeon, B. Y. (2021). Designing and validating chatbot counseling algorithms to alleviate smartphone addiction among adolescents. Journal of the HCI Society of Korea, 16(4), 33-42. [https://doi.org/10.17210/jhsk.2021.12.16.4.33]
• Jeong, S. W., & Park, J. S. (2020). Impacts of technology anxiety and perceived productivity on attitude toward self-service technology - The moderating role of need for interaction. The Research Journal of the Costume Culture, 28(4), 480-491. [https://doi.org/10.29049/rjcc.2020.28.4.480]
• 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]
• Kätsyri, J., Förger, K., Mäkäräinen, M., & Takala, T. (2015). A review of empirical evidence on different uncanny valley hypotheses. Frontiers in Psychology, 6, 1–16. [https://doi.org/10.3389/fpsyg.2015.00390]
• Kim, A., Cho, M., Ahn, J., & Sung, Y. (2019). Effects of gender and relationship type on the response to artificial intelligence. Cyberpsychology, Behavior and Social Networking, 22(4), 249-253. [https://doi.org/10.1089/cyber.2018.0581]
• Kang, S. Hyun, B. E., & Kim, G. S. (2020). A study on the integration process between chatbot builder and online shopping mall for big data search - Focused on Kakao AI platform. Journal of East and Central Asian Studies, 31(3), 31-46.
• Kim, M., Yeom, J. Y., Hung, H., & Lim, C. I. (2021a). A review of research on artificial intelligence chatbot in education through the lens of activity theory. The Journal of Educational Information and Media, 27(2), 699-721. [https://doi.org/10.15833/KAFEIAM.27.2.699]
• Kim, O. K., & Yun, J. Y. (2019). A convergence study on the chatbot (voice-based/messenger-based) in mobile shopping and user experience in app services. The Korean Society of Science & Art, 37(2), 47-59. [https://doi.org/10.17548/ksaf.2019.03.30.47]
• Kim, T., Cha, H. S., Park, C., & Wi. J. H. (2020). Identifying factors affecting chatbot use intention of online shopping mall users. Knowledge Management Research, 21(4), 211-225.
• Kim, T. M., Jo, J. I., & Kim, J. G. (2021b). A cloud-based ordering chatbot for retail stores. Journal of Information Technology and Architecture, 18(2), 137-146.
• Korolov, M. (2021, October 12). “2028년까지 연 35%씩 성장”··· 꼭 알아야 할 ‘AI 챗봇’ 상식 [“Growth 35% per year by 2028” ··· common sense of ‘AI Chatbot’ that you must know]. CIO Korea. Retrieved March 12, 2022, from https://www.ciokorea.com/news/210374
• Ledingham, J. A. (1984). Are consumers ready for the information age. Journal of Advertising Research, 24(4), 31-37.
• Lee, H. (2018). A study on the optimal interaction for robot personification - Focusing on home service robots. Unpublished master's thesis, Ewha Womans University, Seoul.
• Lee, H., & Leonas, K. K. (2021). Millennials’ intention to use self-checkout technology in different fashion retail formats - Perceived benefits and risks. Clothing and Textiles Research Journal, 39(4), 264-280. [https://doi.org/10.1177/0887302X20926577]
• Lee, H. J., Fairhurst, A., & Cho, H. J. (2013). Gender differences in consumer evaluations of service quality - Self-service kiosks in retail. The Service Industries Journal, 33(2), 248-265. [https://doi.org/10.1080/02642069.2011.614346]
• Lee, J. M., Jung, M., Lee, J., Kim, Y. E., & An, C. (2019). Consumer perception and adoption intention of artificial intelligent speaker - Non-users perspective. Journal of Consumer Studies, 30(2), 193-213. [https://doi.org/10.35736/JCS.30.2.9]
• Lee, S. K., & Yun, J. Y. (2019). A convergence study on chatbot persona and user experience of financial service - Focused on loan service. The Korean society of Science & Art, 37(4), 257-267. [https://doi.org/10.17548/ksaf.2019.09.30.257]
• McDuff, D., & Czerwinski, M. (2018). Designing emotionally sentient agents. Communications of the ACM, 61(12), 74-83. [https://doi.org/10.1145/3186591]
• Mende, M., Scott, M. L., van Doorn, J., Grewal, D., & Shanks, I. (2019). Service robots rising - How humanoid robots influence service experiences and elicit compensatory consumer responses. Journal of Marketing Research, 56(4), 535–556. [https://doi.org/10.1177/0022243718822827]
• Meuter, M. L., Ostrom, A. L., Bitner, M. J., & Roundtree, R. (2003). The influence of technology anxiety on consumer use and experiences with self-service technologies. Journal of Business Research, 56(11), 899-906. [https://doi.org/10.1016/S0148-2963(01)00276-4]
• Meyer-Waarden, L., Pavone, G., Poocharoentou, T., Prayatsup, P., Ratinaud, M., Tison, A., & Torné, S. (2020). How service quality influences customer acceptance and usage of chatbots. SMR-Journal of Service Management Research, 4(1), 35-51. [https://doi.org/10.15358/2511-8676-2020-1-35]
• Miao, F., Kozlenkova, I. V., Wang, H., Xie, T., & Palmatier, R. W. (2022). An emerging theory of avatar marketing. Journal of Marketing, 86(1), 67-90. [https://doi.org/10.1177/0022242921996646]
• Mori, M. (1970). The uncanny valley. Energy, 7(4), 33-35.
• Novak, T. P., & Hoffman, D. L. (2019). Relationship journeys in the internet of things - A new framework for understanding interactions between consumers and smart objects. Journal of the Academy of Marketing Science, 47(2), 216-237. [https://doi.org/10.1007/s11747-018-0608-3]
• Pan, L. Y., & Chiou, J. S. (2011). How much can you trust online information? Cues for perceived trustworthiness of consumer-generated online information. Journal of Interactive Marketing, 25(2), 67-74. [https://doi.org/10.1016/j.intmar.2011.01.002]
• Parasuraman, A., Zeithaml, V. A., & Berry, L. L. (1985). A conceptual model of service quality and its implications for future research. Journal of Marketing, 49(4), 41-50. [https://doi.org/10.1177/002224298504900403]
• Parasuraman, A., Zeithaml, V. A., & Berry, L. (1988). SERVQUAL - A multiple-item scale for measuring consumer perceptions of service quality. In J. Dawson, A. Findlay, & L. Sparks (Eds), The Retailing Reader (pp. 12-40). New York, NY: Routledge.
• Park, H. J. (2020a). A study on the effectiveness of chat-bot service on service value and service acceptance attitude - Case study of “D” Airlines. International Journal of Tourism and Hospitality Research, 34(11), 111-124. [https://doi.org/10.21298/IJTHR.2020.11.34.11.111]
• Park, J. (2020b, July 14). “조건 갖춰졌다”, 지금이 챗봇 도입 적기 [“The conditions are met”. This is the right time to introduce a chatbot]. IT Daily. Retrieved March 2, 2022, from http://www.itdaily.kr/news/articleView.html?idxno=101902
• Park, J. H., Yun G. I., & Min, S. T. (2019). Trends in artificial intelligence-based chatbot system technology. Korea Information Processing Society Review, 26(2), 39-46.
• Park, M. J. (2013). The effect of information quality on consumers’ cognitive, emotional and behavioral responses in group-buying social commerce -focused on technology acceptance model-. Journal of the Korean Society of Design Culture, 19(3), 293-303.
• Preacher, K. J., & Hayes, A. F. (2004). SPSS and SAS procedures for estimating indirect effects in simple mediation models. Behavior Research Methods, Instruments, & Computers, 36(4), 717–731. [https://doi.org/10.3758/BF03206553]
• Qiu, H., Li, M., Shu, B., & Bai, B. (2020). Enhancing hospitality experience with service robots. Journal of Hospitality Marketing and Management, 29(3), 247-268. [https://doi.org/10.1080/19368623.2019.1645073]
• Seo, J. P. (2019, February 15). 개인 패션 코디네이터 ‘챗봇’이 온다 [Personal fashion coordinator “Chatbot” is coming]. Fashion Insight. Retrieved March 10, 2022, from http://www.fi.co.kr/main/view.asp?idx=65190
• Sobel, M. E. (1982). Asymptotic confidence intervals for indirect effects in structural equation models. Sociological Methodology, 13, 290-312. [https://doi.org/10.2307/270723]
• Solomon, M. R., Surprenant, C., Czepiel, J. A., & Gutman, E. G. (1985). A role theory perspective on dyadic interactions - The service encounter. Journal of Marketing, 49(1), 99-111. [https://doi.org/10.1177/002224298504900110]
• 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]
• Stroessner, S. J., & Benitez, J. (2019). The social perception of humanoid and non-humanoid robots - Effects of gendered and machinelike features. International Journal of Social Robotics, 11(2), 305-315. [https://doi.org/10.1007/s12369-018-0502-7]
• Sung, Y. S., & Park, E. (1995). 광고에 대한 감정의 유형화: 유발된 감정과 느낀 감정 [Types of emotions about advertising - Triggered and natural emotions], The Korean Journal of Advertising, 6(2), 7-49.
• van Doorn, J., Mende, M., Noble, S. M., Hulland, J., Ostrom, A. L., Grewal, D., & Petersen, J. A. (2017). Domo arigato Mr. Roboto - Emergence of automated social presence in organizational frontlines and customers’ service experiences. Journal of Service Research, 20(1), 43-58. [https://doi.org/10.1177/1094670516679272]
• van Pinxteren, M. M. E., Ruud, W. H., Wetzels, J. R., Pluymaekers, M., & Wetzels, M. (2019). Trust in humanoid robots: implications for services marketing. Journal of Services Marketing, 33(4), 507-518. [https://doi.org/10.1108/JSM-01-2018-0045]
• Wilson, E. J., & Sherrell, D. L. (1993). Source effects in communication and persuasion research: A meta-analysis of effect size. Journal of the Academy of Marketing Science, 21(2), 101-112. [https://doi.org/10.1007/BF02894421]
• Wirtz, J., Patterson, P. G., Kunz, W. H., Gruber, T., Lu, V. N., Paluch, S., & Martins, A. (2018). Brave new world - Service robots in the frontline. Journal of Service Management, 29(50), 907-931. [https://doi.org/10.1108/JOSM-04-2018-0119]
• Wright, P. L. (1973). The cognitive processes mediating acceptance of advertising. Journal of Marketing Research, 10(1), 53-62. [https://doi.org/10.1177/002224377301000108]
• Yoo, H., & Lee, J. (2019). A study on the development of interaction design framework based on personality of customized chatbot design. Journal of Integrated Design Research, 18(1), 77-94. [https://doi.org/10.21195/jidr.2019.18.1.005]
• Yoo, J. (2020). Design and implementation of library chatbot for nonface-to-face reference services. Korean Society for Information Management, 37(4), 151-179.
• Yoon, Y. (2021). Prospects of using AI chabots in teaching speaking in primary English - With special reference to dialogflow. The Journal of Korea Elementary Education, 32, 15-28.
• Youn, S., & Kim, S. (2019). Understanding ad avoidance on Facebook - Antecedents and outcomes of psychological reactance. Computers in Human Behavior, 98, 232-244. [https://doi.org/10.1016/j.chb.2019.04.025]
• Zajonc, R. B. (1980). Feeling and thinking - Preferences need no inferences. American Psychologist, 35(2), 151-175. [https://doi.org/10.1037/0003-066X.35.2.151]
• Zeithaml, V. A., & Gilly, M. C. (1987). Characteristics affecting the acceptance of retailing technologies - A comparison of elderly and nonelderly consumers. Journal of Retailing, 63(1), 49-68.
• Zeithaml, V. A., Parasuraman, A., & Malhotra, A. (2000). A conceptual framework for understanding e-service quality - Implications for future research and managerial practice(Vol. 115). Cambridge, MA: Marketing Science Institute.