MZ세대의 인터넷 자기 효능감이 명품 패션플랫폼 이용의도에 미치는 영향 : 확장된 통합기술수용모델의 새로운 외생 메커니즘을 중심으로
©2022 Fashion and Textile Research Journal (FTRJ). This is an open access journal. Articles are distributed under the terms of the Creative 52 Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/4.0), which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.
Abstract
This study aims to confirm which factors related to technology acceptance affect generation MZ's use of luxury fashion platforms. For this purpose, Internet self-efficacy and technology readiness were added as new exogenous and moderating variables using extended UTAUT. Then, performance expectancy, effort expectancy, social influence, and facilitating condition as a factor of UTAUT were set as mediating factors. Response data were collected through questionnaires for generation MZ with experience in using luxury fashion platforms, and a factor analysis, reliability analysis, correlation analysis, and path analysis were conducted using the SPSS and AMOS statistical programs. According to the results, the Internet self-efficacy of generation MZ significantly affected on performance expectancy, effort expectancy, social influence, and facilitating conditions on the luxury fashion platform. Moreover, performance expectancy and social influence had a significant effect on the use intention of luxury fashion platforms, but effort expectancy and facilitating condition did not have a significant effect on use intention and use behavior. Additionally, as the moderating effect of technology readiness affects only the relationship between social influence and behavioral intention, it was confirmed that social influence is an important variable with the characteristics of MZ consumers. Therefore, it is deemed necessary to recognize the importance of social influence when trying to use new technologies targeting generation MZ in the fashion industry.
Keywords:
internet self-efficacy, luxury fashion platform, use intention, Generation MZ, UTAUT키워드:
인터넷 자기 효능감, 명품 패션플랫폼, 이용의도, MZ세대, 통합기술수용이론1. 서 론
과거 Kapferer and Bastien(2012)은 ‘마케팅의 반법칙(Anti-laws of Marketing)’을 제안하며 명품 브랜드 마케팅 전략에 있어 중요한 것은 아무나 제품을 구매할 수 없도록 해야 하며, 소비자로 하여금 제품을 구매하기 어렵게 느끼도록 해야 제품을 더 가치 있게 여기게 된다고 주장하였다. 또한 이들은 인터넷을 통한 판매를 극히 제한하여 명품을 구매하기 위해서는 시간과 노력이 필요하다는 것을 소비자들이 경험하도록 하는 전략이 필요함을 강조하였다. 이는 그동안 명품 브랜드들이 왜 디지털화 전략에 저항하고 강한 경계심을 유지했는지에 대한 일종의 단서라 할 수 있다. 이후 패션산업의 지속적인 유통환경 변화를 통해 명품 패션 선두 기업들의 디지털 마케팅은 빠르게 성장해 온 반면, e-커머스(e-commerce)의 성장은 훨씬 더딘 모습을 보였다. 명품 브랜드들은 주요 소비자층의 변화를 통해 온라인으로 마케팅해야 한다는 점은 일찍이 인정했음에도 불구하고 온라인을 통한 판매는 훨씬 더디게 받아들였는데, 이는 명품 브랜드가 그들의 고급스러움을 유지하기 위해 온라인 시장으로의 채널 이동을 주저했기 때문으로 보았다(Danziger, 2018). 또한 Statistics에 따르면 2040년에는 구매의 약 95%가 e-커머스를 통해 이루어질 것으로 예상되지만 이 수치는 상대적으로 저렴한 일반 소매 품목에 해당될 뿐, 명품 제품은 이보다 뒤쳐질 것이라 예측했는데 이는 명품 제품의 경우 웹사이트가 아닌 매장에서의 판매가 주를 이루기 때문이라고 설명했다(DeAcetis, 2020).
그러나 COVID-19의 발생으로 2020년은 e-커머스가 급진적으로 확대된 혁신적인 해였으며, 명품 패션산업 환경을 더 급속도로 변화시키는 계기가 되었다. 패션 제품의 온라인 구매는 지난 5년 동안 크게 증가했는데, 특히 명품 패션시장의 경우 그 규모가 2020년 기준 2,728억 달러로 집계되었으며, 이는 COVID-19 팬데믹 환경 속에서도 한국, 중국 등 아시아 국가의 온라인 채널을 통한 명품 수요의 지속적인 증가에 따른 결과로(Statista, 2022), 온라인 채널을 통한 명품 패션산업의 지속가능한 성장 가능성을 보여주는 현상이라 볼 수 있다. 최근 확인되고 있는 명품 패션브랜드들의 SNS 온라인 마켓의 확장과 e-커머스 유통 패션플랫폼들 간의 경쟁은 옴니채널 형태의 온/오프라인 다채널 판매 전략을 추구하는 패션 기업들의 유통 환경 변화에 기회를 제공하여 패션산업 전반에 걸친 변화를 견인하고 있다.
또한 명품 기업들은 신제품을 만들고 소비자들의 서비스 개선 대안을 모색하기 위해 디지털 분야에서 경험이 풍부한 업체나 혁신적인 스타트 기업과 전략적 제휴를 맺고 있다. 이처럼 IT를 통한 혁신은 패션과 명품산업을 변화시키는 교두보 역할을 하며, 이를 활용하는 거대 기업들의 궁극적인 목표는 패션산업의 디지털화와 패션의 지속가능성을 체계적으로 이루는 것이라 볼 수 있다(Faccioli & Sheehan, 2021). 특히 주목받고 있는 명품 패션 플랫폼은 세계 다양한 명품 브랜드의 패션 상품들을 온라인을 기반으로 전문적으로 판매하는 플랫폼으로 정의되는데(Jeong, 2022; Watanabe et al., 2021), 일종의 디지털 공간에서의 명품시장 개념으로 사용되고 있다. 과거 온라인 판매는 단지 여러 판매채널 중 한 개일 뿐 대부분의 명품 브랜드들의 주요 판매채널은 백화점과 같은 오프라인 매장이었다. 그러나 현재 세계 명품 브랜드들은 명품 패션플랫폼을 통해 전세계 소비자들을 대상으로 자사 제품을 판매할 뿐만 아니라 대부분 자사 공식 온라인몰을 운영하고 있으며, 거대 명품 패션기업들은 명품 e-커머스 사업에 뛰어들고 있다.
Deloitte의 자료에 따르면 많은 명품 브랜드는 소비자에게 온라인으로 상품을 판매하기 위해 다양한 비즈니스 모델을 구축하고 있다(Faccioli & Sheehan, 2021). 한 예로, 세계 명품 그룹 중 스위스에 베이스를 둔 리치몬트(Richemont)는 중국 최대 e-커머스 기업인 알리바바(Alibaba)와 함께 패션 리테일 플랫폼 파페치(Farfetch)와 연합했다. 이는 자사 소유의 e-커머스 플랫폼인 육스(Yoox)-네타포르테(Net-a-Porter)와 파페치를 합병하여 거대한 온라인 명품 패션 플랫폼을 구축해 글로벌 e-커머스 시장을 점유하겠다는 움직임으로 볼 수 있는데, 이를 통해 결국 리치몬트는 알리바바의 플랫폼을 바탕으로 파페치의 e-커머스 리테일 기술력을 활용해 전 세계의 명품시장에 원활한 진출이 기능해졌다. 이렇게 거대 기업들의 플랫폼 사업 투자는 바로 글로벌 소비자들과 만날 수 있는 비즈니스 구조를 확장하기 위함에 있다고 보이며, 이는 최근 명품시장에서 소비의 주축이 되는 소비자층이 바로 온라인이나 모바일 쇼핑을 선호하는 젊은 세대이기 때문이라고 분석된다.
2024년에는 70억 달러를 넘어설 것이라 전망되는 한국 명품시장의 성장 배경에는 명품 소비의 주축인 MZ세대 소비층 확대와 더불어 국내 온라인 명품 패션플랫폼의 성장 가속화에 따른 경쟁 심화 현상이 확인된다(Cha et al., 2022). 국내 명품시장의 e-커머스 판매 비중은 2021년 기준 40.8%로, 이는 34.8%인 중국보다도 높은 수치인데(Statista, 2022), 이는 2011년 머스트잇(Mustit)을 시작으로 2015년에 발란(Balaan), 2016년에는 트렌비(Trenbe)가 설립되어 이들 3사 패션플랫폼의 경쟁구도에 의한 국내 명품시장 내 e-커머스 경쟁심화가 큰 영향을 미쳤을 것이라 예측된다. 명품 제품의 특성상 제품을 매장에서 직접 본 후 구매하려는 소비자들의 수요는 여전히 존재하지만, 이처럼 무시할 수 없는 수준의 명품 패션플랫폼 성장세는 플랫폼과 같은 형태의 온라인 명품시장을 주목해야 하는 이유를 여실히 보여주는 결과라 할 수 있다(Jeong, 2022).
특히 명품 패션상품 매출에 있어 e-커머스 수요를 증가시킨 주요 소비자층은 MZ세대로 분류되는 젊은 소비자들로 이들의 중요도는 매우 크다고 여겨진다. 하나금융경제연구소에서 발표한 자료에 따르면 2020년 기준 온라인을 통한 국내 명품 결제금액의 소비자를 분석해 본 결과, 30대 37%, 20대 28%, 40대 23% 순으로 나타났다(Park & Yang, 2021). MZ세대 패션소비자가 국내 온라인 명품 패션 시장 매출액의 65% 이상을 차지한다는 해당 결과를 통해 명품 패션시장과 MZ세대 소비자의 관계가 매우 밀접함을 알 수 있다. 또한 명품 기업들이 신기술을 이용한 메타버스나 AR/VR 체험 등을 적극 활용하는 이유는 여전히 명품을 구매하는 소비자들의 84%는 제품을 직접 보고 만지는 것을 선호하기 때문에 오프라인 매장과 같은 물리적 접촉을 대신할 수 있는 e-커머스의 신기술을 통한 체험이 MZ세대의 명품 패션제품 구매에 중요하게 작용하기 때문이다(“The State of Smooth”, 2022). 이처럼 패션과 테크의 결합을 통해 새로운 카테고리를 생성한 첨단 기술의 발달은(Yoo, 2015) Covid-19 팬데믹 기간동안 e-커머스 수요를 증가시켜 성장을 촉진시키는 발판을 마련하였으며, 이때 MZ세대는 명품 패션시장의 가장 중요한 소비자층으로 활동하였다. 이들은 새로운 기술에 민감하게 반응하는 세대일 뿐만 아니라, 사회문화적 관점에서 집중적인 관심을 받고 있는 현 시점에서의 MZ세대에 대한 탐색 연구는 중요한 과제이며(Kang & Kim, 2022), 디지털 기술 혁신을 바탕으로 한 패션 산업의 디지털 전환에 대한 가능성도 학술연구를 통해 확인되고 있으므로(Song, 2021), MZ세대의 특성을 반영한 연구가 매우 필요한 시점이라고 볼 수 있다.
이러한 점에서 본 연구에서는 소비자들의 기술수용에 대한 예측력과 설명력을 높이기 위해 개발된 통합기술수용 이론을 통해 MZ세대 패션 소비자들의 인터넷 자기 효능감과 기술수용요인 간의 관계를 이해해 보고, 이들의 기술준비도가 주는 조절효과를 확인해보고자 한다. 이를 통해 본 연구가 가지는 차별성은 첫째, 인터넷 자기 효능감의 개념을 패션분야에서의 소비자 기술수용에 대한 영향 요인으로 적용했다는 점이며, 둘째로 기존의 선행연구에서는 IT분야에 적용된 UTAUT(Unified Theory of Acceptance and Use of Technology)이론에 기술준비도가 추가된 확장 모델을 패션시장에서의 명품 플랫폼 사용자 행동 관점에서 소비자 이용의도를 확인하였다는 점이다. 이 두 가지 MZ세대의 인터넷 자기 효능감과 패션 소비자의 기술 수용 간의 관계를 연구하고 더 나아가 이들의 기술준비도가 각 관계에 미치는 영향을 확인함으로써 명품 패션플랫폼 이용 상황에서 나타나는 소비자 행동들을 간접적으로 설명하고, 나아가 관련 패션산업 분야의 기술 개발 및 채널 확충에 도움을 주는 자료를 제시한다는 측면에서 매우 의미가 있는 연구라 할 수 있다.
2. 이론적 배경
2.1. MZ세대 패션소비자 특성
Table 1에서 보이는 바와 같이 M(Millennials)세대와 Z세대에 대한 연령 범위는 조사기관마다 약간씩 다르다. M세대의 경우 Pew research는 1981년생부터 1996년생까지라고 언급한 반면(Dimock, 2019), Iberdrola에서는 1982년부터 1994년 사이 출생자로 설명하였다. 또한 Z세대의 경우 Mckinsey에서는 1995년생부터 2010년생까지로 언급하였으며(Francis & Hoefel, 2018), Insider Intelligence에서는 1997년생부터 2012년생이라고 설명하였다(Meola, 2022). 특히 한국의 경우, 통계청 자료에 따르면 M세대는 1980년부터 2000년생까지, Z세대는 1995년부터 2004년생까지로 그 범위를 구분하고 있는데(Statistics Korea, 2020), 일정 범위의 연령층이 M세대와 Z세대 모두에 포함된 채 언급되고 있음이 확인되었다. 이처럼 기관이나 연구자 또는 언급한 해에 따라 조금씩 차이가 보이지만, 대부분의 범위는 M세대의 경우 1980년에서 1996년 사이, Z세대는 1997년에서 2010년 사이 출생자들이 포함됨을 알 수 있다.
Range of Generation M and Z
2019년 통계청의 인구조사 결과 전체 인구의 34.7%는 MZ세대가 차지하고 있으며(Statistics Korea, 2020), 국내 온라인 명품구매 결제금액의 65% 이상이 MZ세대 패션소비자로 인해 발생되었다(Park & Yang, 2021). 이는 패션시장에서 MZ세대의 소비 파워가 그만큼 크므로 패션시장에서 더욱 주목해야 할 소비자층임을 시사한다.
MZ세대의 특성을 살펴보면, 이들은 다른 세대보다 트렌드와 디자인에 민감하고 자신의 만족을 중시한다(Lee, 2020). 또한 가치 소비를 중시하여 합리적인 소비를 지향하면서도 명품구매에 거리낌이 없으며, 모바일 환경에 빠르게 적응하여 상대적으로 편리한 온라인 쇼핑을 선호하는 등(KDI, 2021) 신기술이 활용된 시스템 체험에 긍정적이다(“The State of Smooth”, 2022). 이러한 MZ세대의 특성에서 보이는 것처럼 인터넷을 이용한 쇼핑에 대한 스스로의 인식과 이를 위한 기술수용정도를 파악하는 것은 소비자 행동 관찰 측면에서 매우 중요한 과정이라고 볼 수 있다. 지금까지의 전형적인 e-커머스 전략은 앞으로의 명품 시장에 적합하지 않으며(Moran, 2022), 인터넷과 관련된 정보기술을 이용하는 자신의 수준을 어떻게 인지하는지에 따라 명품을 온라인으로 구매하는 행위에 미치는 영향정도는 다를 수 있을 뿐만 아니라(Jeong, 2022), 인터넷을 통한 디지털 경험의 질적 수준은 소비자들의 구매에 영향을 미친다(Moran, 2022). 그러므로 IT 정보기술을 다루는 능력이 높아 SNS사용과 온라인 쇼핑에 익숙한 M세대와 스마트 기기 활용능력이 뛰어나 여러 스마트기기를 멀티태스킹 하는 Z세대(Jang, 2022)의 기술 관련 인식에 영향요인을 파악하는 것은 앞으로 명품 산업이 나아가야 할 방향을 결정하는데 있어 필수적이라고 판단된다.
2.2. 소비자 특성에 따른 기술수용모델의 확장
소비자들의 기술수용에 대한 예측력과 설명력을 높이기 위해 통합적인 관점에서 Venkatesh et al. (2003)이 개발한 통합 기술수용이론(이하 UTAUT)은 기술수용모델(TAM), 합리적행위이론(TRA), 사회인지이론(SCT), 동기모형(MM), 혁신확산이론(IDT)등 기술관련이론 및 모델 8개를 통합하여 구축하였다. 이러한 UTAUT는 성과기대(Performance Expectancy; PE), 노력기대(Effort Expectancy; EE), 사회적 영향(Social Influence; SI), 촉진조건(Facilitating Condition; FC)을 선행요인으로 제시하여 소비자들의 행동의도 예측이 가능한 이론이다. 그러나 이는 소비자에 대한 관찰 범위가 조직 내부 환경으로만 한정되어 기술수용을 예측하는데 한계가 있었다. 이를 보완하기 위해 Venkatesh et al. (2012)은 기존 관찰범위를 일반 소비자 환경으로 변화시킨 UTAUT2를 제시하였는데 이는 일반 소비자들의 기술사용에 쾌락적 동기(Hedonic Motivation), 가격가치(Price Value), 습관(Habit)을 추가하여 이를 통해 소비자들의 개인적 요소를 반영시켜 기술수용(Acceptance)에 대한 설명력을 높였다. 또한 소비자들의 기술사용 ‘상황’에 더 초점을 맞추기 위해 소비자들의 나이, 성별, 경험을 조절변수로 제시하여 소비자의 자유로운 의사결정에 대한 7개의 결정요인이 행동의도와 사용행동에 미치는 영향관계를 설명하였다.
Venkatesh et al. (2003)이 UTAUT이론에 제시한 성과기대는 새로운 기술 사용이성과에 도움을 줄 것이라고 믿는 정도이며, 노력기대는 새로운 기술 사용이 쉽고 편리하다고 믿는 정도를 의미하고, 사회적 영향은 주변의 중요한 사람들이 새로운 기술을 사용해야 한다고 사용자로 하여금 느끼도록 하는 정도로 정의된다. 또한 촉진조건은 기술에 대한 사용행동에 직접적으로 영향을 주는 변수로(Venkatesh et al. 2003), 기술 사용을 지원하는 조직 내 인프라 또는 기술적 인프라가 존재한다고 믿는 정도로 정의된다. 따라서 본 연구에서의 성과기대는 명품 패션플랫폼을 이용하는 것이 명품 쇼핑에 도움을 줄 것이라고 믿는 정도로 정의하였으며, 노력기대는 명품 쇼핑 시 명품 패션플랫폼을 이용하는 것이 쉽고 편리하다고 믿는 정도, 그리고 사회적 영향은 소비자들의 친구나 가족 등 의미 있는 주변 사람들이 명품을 구매할 시 명품 패션플랫폼을 이용해야 한다고 느끼게 하는 정도로 정의하였다. 또한 기술에 대한 사용의도가 높을수록 해당 기술을 실제로 사용하는 행동으로 연결될 가능성이 높아지므로(Venkatesh et al., 2012), 본 연구에서는 소비자가 명품을 구매하는데 있어 명품 패션플랫폼 이용을 위한 지식이나 환경조건을 갖추고 있으며, 이를 통해 기술지원을 받을 수 있다고 믿는 정도로 촉진조건을 정의하였다.
이후 UTAUT2는 다양한 분야의 많은 연구자들을 통해 해당 분야의 환경에 맞는 새로운 요인이 추가된 연구가 진행되고 있다(Tamilmani et al., 2021). Venkatesh et al. (2016)의 연구에 따르면 초기 UTAUT부터 UTAUT2에 이르기까지 해당 이론을 활용한 다양한 연구가 지속적으로 진행되었으며, 이를 통해 더 확장된 UTAUT 모형을 확인하였다고 밝혔다. Table 2에서 보이는 바와 같이 각 분야의 다양한 연구진들이 UTAUT 이론을 활용함과 동시에 해당 연구분야에 적합한 요인들을 추가하여 ‘확장된’ UTAUT 모델을 활용하고 있음을 확인하였다.
UTAUT extension research
Jena(2022)는 스마트 서비스 시스템 기술에 대한 성과기대와 노력기대가 사용자의 사용의도에 미치는 영향관계를 확인하였으며, 이때 새로운 외생변수로 과업-기술적합이론(TTF)을 활용하여 지각된 위험과 업무기술, 사용자 태도를 추가하여 기존의 UTAUT모델을 확장했다. 또한 Chung et al. (2020)은 가치기반수용모델(VAM)을 활용하여 혁신제품에 대한 소비자의 수용의도에 관한 연구를 진행하였는데, 이때 신뢰와 기술준비도를 새로운 외생변수로, 심리적 거리감을 새로운 조절변수로 추가하여 UTAUT를 확장시킨 모델을 구축하였다. 이처럼 소비자들의 기술수용에 대한 연구의 대다수는 IT분야 등 시스템과 관련된 영역에서 활발히 이루어지고 있다(Venkatesh et al., 2016). 그러나 첨단기술의 발달은 패션과 테크의 결합을 통해 새로운 카테고리를 만드는 등(Yoo, 2015) 패션산업의 경우에도 최신 기술을 활용한 산업 내 시장 변화가 매우 두드러지므로 패션분야에서도 이를 활용한 연구가 필요하다고 판단되나, 아직까지는 기술과 패션산업을 접목시켜 확장된 기술수용모형을 활용한 연구가 매우 미흡한 실정이다. 따라서 본 연구에서는 명품 패션플랫폼을 이용하는 소비자의 기술수용 측면에서 기본적인 영향 관계를 확인하고, 더 나아가 명품 패션플랫폼에 대한 기술수용 및 이용의도에 영향을 주는 새로운 외생변수 및 조절변수를 도입시킨 새로운 메커니즘을 구축하여 이들 관계를 밝혀보고자 한다.
COVID-19으로 인해 많은 사람들은 재택근무를 경험하였으며, 학생들은 온라인으로 원격수업에 참여했다. 일상생활에서의 대면 환경은 사라졌고 대부분의 생활은 비대면화로 지속되었다. 이때 모든 생활 및 업무를 계속할 수 있었던 유일한 수단은 인터넷이었다. 그러나 인터넷 사용에 대한 지식은 모든 사람에게 동일하지 않았으며, 이러한 상황은 정보격차를 초래하였고, 이로 인해 인터넷 자기 효능감에 대한 연구는 많은 학자들의 관심 주제가 되었다. 일반적인 자기 효능감은 만족감을 얻기 위해 개인이 행하는 행동을 성공적으로 수행할 수 있다는 일종의 신념으로 정의되며(Bandura, 1977), 이는 개인 성향에 따라 그 정도의 차이가 있는데, 자기 효능감이 높을수록 노력의 수준이 높아짐과 동시에 업무 수행에 대한 몰입 역시 커진다고 하였다(Bandura et al., 2003). 또한 Venkatesh and Davis(2000)는 자기 효능감을 소비자들의 기술 사용 능력에 대한 자신감을 뜻하며 이는 기술에 대한 사용 편리성 지각에 영향을 준다고 밝혔다. 이러한 자기 효능감은 새로운 정보기술이나 첨단기기 또는 새로운 형태의 서비스 등이 등장할 때마다 컴퓨터 자기 효능감(Venkatesh & Davis, 2000), 모바일 자기 효능감(Wang & Wang, 2008) 등 상황에 적합한 용어로 바뀌어 연구되고 있다.
자기 효능감에서 기인한 인터넷 자기 효능감에 대한 정의는 학자들마다 조금씩 다르다. Eastin and LaRose(2000)는 인터넷 자기 효능감을 “주어진 목표를 달성하기 위해 필요한 인터넷 행동과정을 조직하고 실행할 수 있는 자신의 능력에 대한 믿음”으로 정의였으며, Tsai and Tsai(2003)는 인터넷 자기 효능감을 “인터넷 사용 능력에 대한 사람들의 인식”으로 정의하였다. Tsai et al. (2011)는 "인터넷 기반 학습에 대한 일반적인 인터넷 지침 또는 응용 프로그램을 운영하는 기술이나 지식에 대한 자신감"으로 정의하였으며, Joyce(2013)는 “인터넷으로 특정 목표를 달성하려는 자신의 능력에 대한 믿음”으로 정의하였다. 그리고 IGI Global(2021)은 인터넷 자기 효능감을 “인터넷을 사용할 수 있는 능력에 대한 자신감 또는 믿음”으로 정의하였다. 이처럼 많은 학자들에 의해 제시된 인터넷 자기 효능감에 대한 정의는 결국 ‘목표를 달성하기 위한 업무를 수행하는 데 인터넷을 사용할 수 있는 자신의 능력에 대한 자신감’이라는 하나의 공통된 개념을 내포한다고 볼 수 있다.
기술수용모델을 바탕으로 일반적인 자기 효능감을 소비자의 개인적 특성으로 보고 유료 온라인 동영상 이용의도를 확인한 Xin and Yoo(2021)의 연구결과, 소비자들의 자기 효능감은 지각된 유용성과 지각된 용이성에 정(+)적으로 유의한 영향을 주어 이용의도에 긍정적인 영향을 주는 것으로 나타났으며, Dash and Saji(2008)은 온라인에서 소비자 자기 효능감이 신뢰와 지각된 유용성 및 지각된 위험에 영향을 미치며 온라인에서 제품을 구매하려는 소비자들의 구매의도에 긍정적인 영향을 미친다고 밝혔다. 이러한 인터넷 자기 효능감은 e-서비스를 이용하려는 소비자들의 노력에 있어 중요한 변수이며(Hsu & Chiu, 2004), 긍정적인 결과기대와 관련이 있으므로(Compeau & Higgins, 1995), 본 연구에서는 인터넷 자기 효능감을 MZ세대 소비자들이 인터넷을 통해 쇼핑하는데 필요한 자신의 능력에 대한 믿음으로 정의하였다. 따라서 명품 구매 상황에서 오프라인을 통한 직접 구매 대신 온라인 구매를 선택하는데 필요한 일종의 자신감이 내재된 소비자들의 인터넷 자기 효능감은 명품 패션플랫폼을 이용하는데 발생하는 기술수용요인에 유의한 영향을 줄 것이라 예상된다.
IT의 발전으로 새로운 기술이 반영된 서비스가 증가하면서 해당 서비스의 사용 전 형성되는 소비자 태도 혹은 추후 사용 여부를 결정하는데 있어 기술준비도가 미치는 영향력은 증가되고 있다(Liljander et al., 2006). 기술준비도는 Parasuraman(2000)가 제시한 개념으로, 가정이나 직장 내 업무 환경에서 개인의 목표 달성을 위해 신기술을 수용하거나 이를 이용하고자 하는 개인적인 성향으로 정의된다. 이러한 기술준비도는 긍정적 활성요인으로 혁신성(Innovativeness)과 낙관성(Optimism), 부정적 저해요인으로 불안감(Insecurity)과 불편함(Discomfort)으로 구분되는데 이를 통해 개인적인 성향 또는 태도를 측정한다. 이는 소비자의 기술활용에 대한 능력이기보다는 소비자들이 목표를 달성하기 위해 신기술을 받아들이거나 새로운 시스템을 이용하려는 일종의 내재된 경향이라고 정의할 수 있으며(Chung et al., 2020), 새로운 기술개발 과정에서 소비자들의 기술수용에 대한 준비정도를 고려하면 소비자 행동에 대한 예측의 정확성이 더 높아진다고 설명한다(Parasuraman, 2000).
기술준비도에 대한 선행연구들을 살펴보면 패션 산업에서 AR과 같은 첨단기술 혹인 온라인 채널과 관련되거나(Jeong, 2022, Park, 2019) 혁신적인 제품에 대한 소비자 태도 등 기술에 직접적으로 노출된 소비자들의 수용 또는 이용의도를 확인하는 연구들이 주를 이루며(Chung et al., 2020), 기술과 접목된 특정 요인에 대한 소비자 기술수용도의 매개 또는 조절효과가 존재함을 밝혔다. 이러한 기술준비도는 새로운 기술을 사용하는 소비자들의 개인적인 성향에 영향을 주므로(Roumeliotis & Maria, 2014), 명품 패션플랫폼을 이용하는 소비자의 기술준비도는 이들이 패션 명품제품을 구매하는데 있어 일종의 새로운 채널인 플랫폼을 온라인을 통해 방문하는 과정에서 발생하는 내재된 경향으로 볼 수 있다. 따라서 소비자들의 기술수용요인과 명품 패션플랫폼 이용의도 및 이용행동 간의 관계에 있어 기술준비도의 조절역할을 확인한다면 Parasuraman(2000)가 설명한 바와 같이 정확성이 더 높은 소비자 행동 예측이 가능할 것이다.
3. 연구방법
3.1. 연구문제 및 연구모형
본 연구는 기본적으로 Venkatesh et al. (2012)의 UTAUT에서 제시된 기술수용요인을 바탕으로 Venkatesh et al. (2016)의 확장된 UTAUT2에서 확인된 새로운 메커니즘 중 새로운 외생변수를 추가하였으며 이를 통해 확인해보고자 하는 연구문제는 다음과 같이 요약하였다.
연구문제1. 소비자의 인터넷 자기 효능감이 기술수용요인에 미치는 영향을 확인한다.
연구문제2. 기술수용요인이 소비자의 명품 패션플랫폼 이용의도 및 이용행동에 미치는 영향을 확인한다.
연구문제3. 소비자의 기술준비도가 각 영향관계에 미치는 조절효과를 확인한다.
이를 위해 인터넷 자기 효능감이 독립변수로 추가되었으며, 특히 MZ세대 소비자들의 인터넷 자기 효능감이 기술수용요인에 영향을 주는지 여부를 확인하기 위해 UTAUT의 기본 기술수용요인인 성과기대와 노력기대, 사회적 영향, 그리고 촉진조건을 매개요인으로 설정하였다. 또한 해당 요인들이 명품 패션플랫폼의 이용의도 및 이용행동에 영향을 주는지를 확인해볼 수 있도록 설계함과 동시에 새로운 조절효과 요인으로 기술준비도를 추가 설정하여 MZ세대의 기술준비도가 각 요인들 간의 영향관계에 조절역할을 하는지 확인해보았다. 이처럼 새로운 메커니즘을 도입하여 최종적으로 구성된 연구모델은 Figure 1과 같다.
Extended research model with a new mechanism.
3.2. 연구대상자의 특성
본 연구는 명품 패션플랫폼에 대한 MZ세대 패션 소비자들의 인터넷 자기 효능감과 기술수용도 간의 관계를 알아보기 위해 설계되었으므로, 연구대상은 앞서 설명한 MZ세대의 연령대에 대한 선행연구들의 기준을 바탕으로 명품 패션플랫폼 이용 경험이 있는 소비자들 중 20세 이상 43세 이하 성인 남녀를 대상을 설문조사를 실시하였다. 인구통계학적 특성 확인을 위해 성별, 나이, 학력, 직업, 주거지역 등을 확인하였으며, 패션제품 구매와 관련된 특성을 살펴보기 위해 패션제품 구매금액(월평균), 패션제품 구매시간(월평균), 명품 구매 경로 및 패션플랫폼을 이용하여 구매한 명품제품에 대한 가격대 및 상품군에 대한 정보도 알아보았다. 피험자들의 일반 특성에 대한 결과표는 Table 3과 같으며, 패션 쇼핑 관련 특성에 대한 결과표는 Table 4와 같다.
Demographic characteristics
Characteristics related to fashion shopping
성별은 남성 103명(43.8%), 여성 132명(56.2%)으로 집계되었으며, 평균 나이는 31.88세, 표준편차는 6.27로 나타났다. 직업의 경우, 학생 23명(9.8%), 일반사무직 110명(46.8%), 전문직 41명(17.4%), 공무원 14명(6.0%), 자영업 21명(8.9%), 기타 26명(11.1%)으로 나타났으며, 최종학력의 경우 대학 졸업이 160명(68.1%)로 과반 이상을 차지했다. 거주지역으로는 서울 31.9%(75명), 경기 26.0%(61명), 부산 5.5%(13명), 대구 5.1% (12명), 전북 4.3%(10명), 충북 3.8%(9명) 등으로 나타났다.
월 평균 쇼핑 구매 금액 및 구매 시간에 대한 응답으로는 20만원-50만원이하(35.7%)와 1-3시간미만(39.6%)이 가장 큰 비중을 차지했다. 또한 명품 구매 경로에 대한 복수응답 결과, 명품 패션플랫폼(27.1%)과 온라인 쇼핑몰(19.9%)을 가장 많이 응답하였으며, 이를 통한 구매 제품군에 대한 복수응답 결과로는 잡화(신발, 모자, 가방 등) 165명(70.2%), 의류(상의, 하의, 속옷 등) 47명(20.0%), 기타(악세서리, 스카프 등) 23명(9.8%) 순으로 나타났다.
3.3. 측정도구
연구분석에 사용하기위해 구성된 설문 문항들은 다양한 선행연구를 통해 신뢰성과 타당성이 입증된 측정항목들을 바탕으로 본 연구목적에 맞도록 문항 수정 후 사용되었으며, 최종적인 문항 구성은 Table 5와 같다. 인구통계학적 특성에 관한 문항을 제외한 모든 문항은 7점 리커트 척도로 측정되었다.
Measurement items for questionnaire
3.4. 자료수집 및 분석방법
분석자료는 설문조사 전문기관을 통해 2022년 5월에 수집된 데이터를 바탕으로 총 235개의 데이터가 통계분석에 이용되었으며, 이를 통해 결과 및 결론을 도출하였다. 수집된 데이터는 IBM SPSS Statistics 25와 AMOS 24를 활용하여 탐색적 요인분석, 신뢰도 분석, 상관관계 분석, 확인적 요인분석, 모형적합도, 개념타당도 및 수렴타당도, 경로분석 등을 진행하여 최종 결과를 도출하였다.
4. 연구결과
4.1. 탐색적 요인분석 및 신뢰도 분석 결과
인터넷 자기 효능감에 대한 탐색적 요인분석 결과 도출된 각 요인 값과 신뢰도 분석 결과는 Table 6과 같다. 직교 회전방식인 베리맥스 회전으로 요인회전을 실행한 KMO와 Bartlett의 구형성 검증 결과, KMO는 .909이 나왔으며 Bartlett 결과, .05보다 훨씬 작은 값이 나와 요인분석의 사용이 적합하다고 판단된다. 탐색적 요인분석에서는 삭제되는 요인이 없이 4개의 상위변수로 나타났으며, ISE1은 React & Communication(R/C), ISE2는 Search & Function(S/F), ISE3은 Knowledge & Skill(K/S), ISE4는 Organization & Effort(O/E)로 명명하였다. 인터넷 자기 효능감에 대한 각 변수의 신뢰도 분석 결과는 모두 높은 신뢰도를 보였다.
Exploratory factor analysis and reliability analysis: ISE
기술수용도에 대한 탐색적 요인분석 결과, KMO는 .912, Bartlett은 .05보다 훨씬 작으므로 요인분석의 사용이 적합하였다. 상위변수는 노력기대, 사회적 영향, 성과기대, 촉진조건으로 나타났으며, 신뢰도 분석 결과 노력기대는 .932, 사회적 영향은 .902로 매우 높은 신뢰도를 보였으며, 성과기대는 .880, 촉진조건은 .849으로 높은 신뢰도를 보였다. 각 변수의 탐색적 요인분석과 신뢰도 분석 결과표는 Table 7과 같다.
Exploratory factor analysis and reliability analysis: TA
명품 패션플랫폼에 대한 이용의도 및 이용행동에 대한 탐색적 요인분석 결과 Table 8과 같이 이용의도의 신뢰도는 .921로 매우 높은 신뢰도를 보였으며, 이용행동의 신뢰도는 .822로 높은 신뢰도 값을 보였다.
Exploratory factor analysis and reliability analysis: UI & UB
기술준비도의 탐색적 요인분석과 신뢰도 분석 결과는 Table 9와 같다. 긍정적인 활성화 요인(TR/P)에서 삭제된 항목은 없었으며, 혁신성(P2)의 신뢰도는 .937, 낙관성(P1)의 신뢰도는 .917로 나타났다. 부정적인 저해요인(TR/N)에서는 불안감(N2)의 항목 1개가 삭제되었으나 신뢰도는 .902로 매우 높은 신뢰도를 보였고, 불편함(N1)은 삭제되는 항목 없이 .882로 높은 신뢰도 값을 보였다.
Exploratory factor analysis and reliability analysis: TR
4.2. 상관관계분석과 확인적 요인분석 모형 적합도 및 판별 타당도 결과
본 연구에 사용된 변수들의 기술통계분석을 실시한 결과, 응답자료에 대한 정규성 가정에서 왜도와 첨도의 문제는 없었으며, 상관관계 분석결과는 Table 10과 같이 대부분의 변수들 간의 유의수준이 .01하에서 상관관계가 있는 것으로 확인되었다.
Correlation analysis
본 연구에서는 구조방정식 모형 분석을 진행하기 전에 각 잠재변인을 구성하는 관측변인이 타당하게 구성되었는지를 확인하기 위해 확인적 요인분석을 실시하였으며, 적합도 평가 지수의 기준이 확립된 Comparative Fit Index(CFI), Tucker-Lewis Index(TLI), Root-Mean Square Error of Approximation(RMSEA)를 통해 본 연구모형의 적합도를 평가하였다. 확인적 요인분석적합도 결과는 Table 11과 같다.
Confirmatory factor analysis model fit
확인 결과, χ2 = 1061.086(df = 474, p = .000), TLI = .907, CFI = .908, SRMR = .061, RMSEA = .073로 나타났다. 증분적합지수 중 CFI와 TLI 값은 높을수록 모형 적합도가 좋다고 보며, 일반적으로 0.9이상이면 좋은 적합도로 해석한다. 반면 카이제곱 값보다 모형 적합을 평가하기 위해서 상대적으로 표본 크기에 덜 영향을 받는 RMSEA는 값이 작을수록 좋은 적합도로 해석한다. 보통 .05이하면 매우 좋은 적합도, .08이하는 좋은 적합도, .10이하는 보통 적합도, .10보다 크면 나쁜 적합도로 해석한다(Browne & Cudeck, 1993). 이러한 RMSEA 값은 90년대 초반까지는 .05에서 .10까지를 적합성 지표로 간주하고 .10을 초과하는 값은 적합성이 낮다고 보았으나, 그 후에는 RMSEA 값이 .08에서 .10 사이이면 중간 정도의 적합성, .08 미만이면 양호한 적합성으로 해석하고 있다(MacCallum et al, 1996). 또한 Standardized RMR(SRMR)은 재생산된 상관관계와 관찰된 상관관계간 차이에 대한 절대 지수로, .08보다 높은 값은 실증 데이터에 좋지 않은 적합 지수로 보며 .06보다 낮으면 우수한 적합도, 또는 .05 ~ .08이하면 적당하다고 해석한다(Hu & Bentler, 1999). 이처럼 일반적으로 RMSEA 적합성은 하한은 0에 가깝고 상한은 .08보다 작아야 한다고 판단하며 SRMR의 경우 .08을 권장 기준 값으로 제안하므로(Hooper et al., 2008), 본 연구의 확인적 요인분석 적합도 결과는 전반적으로 양호한 적합도를 보인다고 볼 수 있다.
또한 관측 변인들에 대한 요인 부하량의 표준화 경로계수(β)가 0.5 이상으로 나타나 적합한 개념타당도를 갖춘 것으로 확인되었으며, 판별타당도(Discriminant Validity) 검정을 위해 각 변인에 대한 평균분산추출값(Average Variance Extracted: AVE) 측정 및 상관계수를 산출하였다. 각 변수에 대한 개념신뢰도(Construct Reliability: CR)와 AVE값을 측정하여 수렴타당도를 검정한 결과, 모든 변수의 수렴타당도 평가기준인 CR값은 0.7 이상이며, AVE값은 0.5이상이므로 본 연구의 수렴타당도는 적합하다고 분석된다. 또한 판별타당성 검증에서 상관성이 가장 높게 나타난 독립변수인 노력기대와 촉진조건의 상관관계 제곱값은 .548로 나타났는데, Table 12에서 보이는 것처럼 각 변수의 AVE값은 이보다 모두 높게 나타났으므로, 각 변인 간 상관계수 제곱값이 AVE값을 상회하지 않음을 확인하였다. 따라서 본 연구의 판별타당도에는 문제가 없음을 확인하였다.
Convergent validity result
4.3. 경로분석 결과
경로분석의 적합도를 살펴보면, Chi-square=662.537, CMIN/df = 1.486, RMR = .048, GFI = .901, AGFI = .905, CFI = .962, NFI = .905, IFI = .963, RMSEA = .046으로 나타났으며, 인터넷 자기 효능감이 기술수용요인에 미치는 영향에 대한 결과표는 Table 13과 같다.
Path analysis result - Relationship between internet self-efficacy and technology acceptance factors
먼저 인터넷 자기 효능감과 각 기술수용요인 간의 관계를 살펴보면, 인터넷 자기 효능감이 성과기대에 미치는 영향은 C.R값이 7.767이고 유의확률 p = .000으로 정(+)적으로 유의한 영향을 주었으며, 노력기대에 미치는 영향은 C.R.값이 8.756, p = .000으로 정(+)적으로 유의한 영향을 주는 것이 확인되었다. 또한 인터넷 자기 효능감이 사회적 영향에 미치는 영향을 살펴보면, C.R.값이 3.664, p = .000, 촉진조건에 미치는 영향은 C.R.값이 8.673, p = .000으로 정(+)적으로 유의한 영향을 주었다. 이처럼 인터넷 자기 효능감은 모든 기술수용요인에 정(+)적으로 유의한 영향을 주는 것으로 확인되었다. 이를 통해 MZ세대 패션 소비자들이 인지하고 있는 스스로에 대한 인터넷 자기 효능감이 패션 플랫폼을 통한 명품 구매 상황에서 발생하는 성과기대, 노력기대, 사회적 영향, 촉진조건에 모두 긍정적인 영향을 준다는 것을 알 수 있다.
각 기술수용요인과 이용의도 간의 관계 및 이용의도와 이용행동 간의 관계에 대한 경로분석 결과는 Table 14와 같다.
Path analysis result: Relationship between technology acceptance factors, use intention and use behavior
성과기대가 이용의도에 미치는 영향은 C.R.값이 4.085, p = .000, 사회적 영향이 미치는 영향은 C.R.값은 6.164, p = .000으로 나타나 정(+)적으로 유의한 영향을 미치는 것이 확인되었으나, 노력기대는 C.R.값이 .607, p = .947로 나타나 통계적으로 유의하지 않음이 확인되었다. 또한 명품 패션플랫폼 이용의도가 이용행동에 미치는 영향은 C.R.값 11.391, p = .000이었으며, 촉진조건이 이용행동에 미치는 영향은 C.R.값 1.623, p = .000으로 나타나 모두 정(+)적으로 유의한 영향관계임이 확인되었다. 따라서 명품 패션플랫폼에 대한 성과기대와 사회적 영향은 소비자들의 명품 패션플랫폼 이용의도에 긍정적인 영향을 주는 기술수용 요인이며, 이때 이용의도는 소비자들의 명품 패션플랫폼 이용행동에 긍정적인 영향을 준다는 것을 알 수 있다.
4.4. 측정 동일성 검정 및 조절효과 분석 결과
다중집단분석을 하기 위해 측정동일성 검정을 진행하여 집단간에 측정 문항을 동일하다고 생각하는지 파악하였다. Table 15와 같이 1단계 Unconstrained model에서는 형태동일성 검증으로 집단간의 연구모형이 동일한가를 보았으며, 2단계 Constrained model 1인 Measurement weights에서는 요인계수 동일성 검증을 통해 잠재변수에서 측정변수에 이르는 요인계수의 동일성을 보았다. 3단계 Constrained model 2에서는 공분산 동일성으로 잠재변수 간의 공분산과 잠재변수의 분산이 동일한지 살펴보았으며, 4단계 Constrained model 3인 Structural covariance에서는 요인 계수와 공분산의 일치성을 확인하기 위해 2단계와 3단계를 동시에 확인하였다. 끝으로 5단계 Constrained model 4의 Measurement residuals에서는 2단계와 3단계, 그리고 4단계를 합쳐서 동일성 여부를 판단하는 작업을 진행하였다.
Multi-group confirmatory factor analysis model fit
TR/P에 대한 비제약모형과 제약모형1의 △χ2은 39.584, p값은 .073으로 나타났으며, TR/N에 대한 비제약모형과 제약모형1의 △χ2은 37.885, p값은 .062으로 나타났다. 따라서 기술준비도에 대한 긍정적인 집단과 부정적인 집단 모두 모형 뿐 아니라 잠재변수와 측정 변수 간의 요인계수의 특정동일성을 가지므로 다중집단분석이 가능하다고 판단되었다.
각 기술수용요인이 이용의도 및 이용행동에 미치는 영향에 대해 기술준비도의 조절효과를 확인한 결과는 Table 16와 같다.
Moderating effect result: positive TR
사회적 영향이 이용의도에 미치는 영향에 있어 긍정적 기술 준비도가 높은 집단(β = .536, p < .01)과 낮은 집단(β = .262, p < .05)을 살펴보면 χ2이 3.832로 통계적으로 유의한 기준인 3.84에 다소 부족하지만 추가 도출된 C.R값은 2.069로 이는 유의하다고 판단하는 기준 값인 1.96이상의 수치이므로 조절효과가 있다고 볼 수 있다. 따라서 소비자들의 명품 패션플랫폼에 대한 기술수용요인들 중 사회적 영향이 이용의도에 미치는 영향력은 혁신성과 낙관성으로 구성된 긍정적 기술준비도가 높을수록 더 크다는 것이 확인되었다. 그러나 나머지 관계에서의 긍정적 기술준비도의 조절효과는 나타나지 않았으며, Table 17과 같이 부정적 기술준비도의 조절효과 역시 유의성이 나타나지 않아, 각 기술수용요인이 이용의도 및 이용행동에 미치는 영향에 있어 부정적 기술준비도의 조절효과는 없는 것으로 분석되었다. 따라서 소비자들의 긍정적 기술준비도가 패션플랫폼에 대한 사회적 영향과 이용의도 간의 관계에 유일하게 조절효과가 있음을 알 수 있다.
Moderating effect result: negative TR
탐색적 요인분석을 통해 4개의 상위변수인 React & Communication, Search & Function, Knowledge & Skill, Organization & Effort로 나타난 인터넷 자기 효능감은 구조방정식 모형 분석 과정에서 Knowledge & Skill 관련 항목이 삭제되었다. 이후 인터넷 자기 효능감은 명품 패션플랫폼의 기술수용요인인 성과기대와 노력기대, 사회적 영향 그리고 촉진조건에 정(+)적으로 유의한 영향을 주었으며, 성과기대와 사회적 영향은 명품 패션플랫폼 이용의도에 정(+)적으로 유의한 영향을 주는 반면 노력기대는 유의한 영향을 주지 않는 것으로 나타났다. 또한 명품 패션플랫폼 이용의도는 이용행동에 정(+)적으로 유의한 영향을 주었으나, 기술 사용행동에 직접적인 영향을 주는 변수였던 촉진조건은 이용행동에 유의한 영향을 주지 않는 것으로 나타났다. 마지막으로 기술준비도의 조절효과를 확인한 결과, 활성요인으로 구성된 긍정적 기술준비도는 사회적 영향과 이용행동 간의 관계에 정(+)적으로 조절효과가 있는 것으로 확인되었으나, 저해요인으로 구성된 부정적 기술준비도는 모든 관계에서 유의한 조절효과가 나타나지 않았다.
5. 결 론
5.1. 결론 및 시사점
본 연구는 MZ세대인 패션 소비자들의 특성을 반영하여, MZ세대의 인터넷 자기 효능감이 명품 패션플랫폼 이용의도에 미치는 영향관계에 기술수용요인의 매개효과를 확인해보고, 각 관계에 있어 기술준비도의 조절효과를 확인해 보았다. 분석 결과, MZ세대의 인터넷 자기 효능감은 명품 패션플랫폼의 기술수용요인인 성과기대, 노력기대, 사회적 영향, 촉진조건 모두에 정(+)적으로 유의한 영향을 주는 것으로 밝혀졌다. 따라서 MZ세대 소비자가 명품을 구매하고자 하는 상황에서의 인터넷 자기효능감 수준이 패션 플랫폼을 선택함에 있어 그들이 인지하는 해당 플랫폼에 대한 기술수용요인에 작용하는 영향력이 있다고 볼 수 있다. 이는 특정 인터넷 채널을 통해 제품을 구매할 때 인터넷 자기 효능감이 높은 소비자가 인터넷 자기 효능감이 낮은 소비자보다 더 잘 수행할 뿐만 아니라 위험을 더 적게 지각한다는 Lee and Kwon(2006)의 연구결과와 부분적으로 유사한 맥락의 결과라고 볼 수 있다. 따라서 MZ세대 소비자들이 인지하는 인터넷 자기 효능감이 어떤 지에 따라 기술수용에 대한 영향력은 달라진다고 볼 수 있으므로, 인터넷 자기 효능감은 중요한 영향요인임이 확인되었다.
또한 MZ세대 소비자들에 대한 기술수용요인과 명품 패션플랫폼 이용의도 간의 관계에 있어 노력기대는 영향을 주지 않는 반면 성과기대와 사회적 영향은 명품 패션플랫폼 이용의도에 유의한 영향을 주는 것으로 확인된 본 연구결과는 20대 이상 전체 연령층 소비자들을 대상으로 한 선행연구인 Jeong(2022)의 연구에서 영향을 주지 않는 요인으로 밝혀진 사회적 영향에 대한 상반된 결과이다. 이를 통해 MZ세대들은 자신 스스로의 만족을 중시하고(Lee, 2020), 합리적인 소비를 지향하면서도 명품구매에 거리낌이 없지만(KDI, 2021), 쇼핑 과정에서 형성되는 명품 패션플랫폼의 이용의도에 있어서는 타인에 의해 발생되는 사회적 영향이 일정부분 작용함을 알 수 있다. 따라서 사회적 영향은 MZ세대의 특성과 밀접한 관계가 있는 중요한 기술수용 관련 영향 요인임을 알 수 있다. 또한 옴니채널 서비스에 대한 기술수용요인이 지속적 이용의도에 미치는 영향을 확인한 Lee and Park(2021)의 연구에서 확인된 결과인 성과기대, 노력기대, 사회적 영향, 촉진조건 네 가지 요인 모두 이용의도에 유의한 영향을 주는 결과와 다름을 알 수 있는데 이는 일반 제품이 아닌 명품 제품을 다루는 플랫폼에 대한 차이와 더불어 연구 대상자의 특성에서 기인한 결과로 분석된다. 특히 본 연구 결과에서 MZ세대 기술준비도의 조절효과 역시 사회적 영향과 이용의도 간의 관계에서만 긍정적 기술준비도가 조절역할을 하는 것으로 확인되었으므로, MZ세대를 대상으로 할 경우에는 소비자 특성 측면에서 사회적 영향 요인을 주목해야 할 필요성이 크다고 판단된다.
본 연구의 시사점은 다음과 같다. 우선 학문적 시사점으로는 첫째, 기존의 IT분야 학문에 적용되었던 UTAUT이론의 확장 모델을 패션산업에서의 명품 플랫폼 사용자 행동 관점에서 이를 활용하여 소비자 이용의도를 확인하였다는 점이며, 둘째, 인터넷 자기 효능감의 개념을 의류학에서의 패션 소비자 기술수용에 영향을 주는 요인으로 이를 적용해보았다는 점이다. 이를 통해 MZ세대의 인터넷 관련 특성을 확인해볼 수 있었으며, 기술수용에 유의한 영향을 주는 요인임을 밝혀냈다. 따라서 의류학 및 소비자 행동 관련 연구에서 새로운 연구 방향 또는 특정 영향 요인을 제안하는데 도움이 될 것이라 사료된다. 다음으로 실무적 시사점으로는 첫째, 본 연구결과를 통해 패션산업은 기술에 매우 민감한 분야임이 확인되었으며, 이때 기술수용요인 중 사회적 영향 요인이 MZ세대 패션소비자 행동형성에 큰 영향을 미친다는 것을 확인하였다는 점이다. 이는 앞으로의 패션산업에서 특정 소비자층을 대상으로 한 마케팅 관련 전략을 세우는데 도움이 될 것이라 기대된다. 둘째, MZ세대의 인터넷 자기 효능감과 패션 소비자의 기술수용 간의 관계를 연구함으로써 명품 패션플랫폼 이용 상황에서 나타나는 소비자 행동을 설명할 수 있는 관련 요인들을 파악하고, 이를 통해 패션산업의 기술 개발 및 유통채널 구축에 도움이 되는 자료를 제시했다는 측면에서 실무적 의의가 있는 연구였다고 볼 수 있다.
패션 소비자들은 예전보다 명품에 대한 접근성이 높아진 시대에 살고 있으며, 이미 그들은 정보 수용과 선택에 주의를 기울일 필요가 있다는 것을 알고 있다. 따라서 이들은 어떠한 경로를 통해 명품을 구매하든지 간에 구매과정에서 다양한 정보들을 충분히 비교할 뿐 아니라 각 플랫폼들의 장점을 적극 활용하여 그들의 기준에 있어 최대한 합리적인 소비를 할 것이라 예상된다. 그러므로 각 플랫폼들은 MZ세대 소비자들이 구매과정에서 간접적으로 든 직접적으로 든 혜택을 인지할 수 있도록 이들이 추구하는 가치에 부합되는 방식으로의 IT기술을 개발하고 이를 적극적으로 적용시켜 차별화에 집중해야 할 것이다.
5.2. 제한점 및 향후 연구
본 연구는 MZ세대의 소비자를 대상으로 진행되었으며, MZ세대를 구성하는데 있어 선행연구 및 기관이나 언론에서 다루는 연령으로 그들을 구분하는 방법으로 계층을 나누고 이를 포괄적으로 선택하였다. 그러나 최근 많은 연구들은 MZ세대를 함께 묶는 것이 과연 효과적인가에 대한 의문을 제기하고 있다. 밀레니얼 세대와 Z세대의 특성에는 차이가 있을 수 있으며(Kang & Kim, 2022), 앞서 제시된 연령층을 모두 포함하도록 넓게 구성할 경우 MZ세대는 11세에서 43세까지 구성될 수 있다. 이와 같은 경우, 극단적으로는 부모와 자녀가 모두 포함되는 집단으로까지 확대될 수 있는데, 이렇게 구성된 집단에 대한 소비자 특성을 동일하게 해석하는 것이 과연 합당한지에 대한 의문과 함께 분석에 무리가 있을 수 있다고 보인다. 따라서 향후 연구에서는 소비자를 구분하는데 있어 MZ세대를 하나의 집단으로 구분하여 활용하기 보다는 각 연령층 별 새로운 소비자 특성을 찾고 차별점을 분석하여 좀 더 정확성과 설명력이 높고 활용성이 큰 연구결과를 도출할 수 있을 것이라 기대한다.
References
-
Bandura, A. (1977). Self-efficacy - Toward unifying theory of behavior change. American Psychologist, 37, 122-147.
[https://doi.org/10.1037//0033-295x.84.2.191]
-
Bandura, A., Caprara, G. V., Barbaranelli, C., Gerbino, M., & Pastorelli, C. (2003). Role of affective self-regulatory efficacy in diverse spheres of psychosocial functioning. Child development, 74(3), 769-782.
[https://doi.org/10.1111/1467-8624.00567]
- Browne, M. W., & Cudeck, R. (1993). Alternative ways of assessing model fit. In K. A. Bollen and J. S. Long (Eds.), Testing structural equation models (pp. 136-162). Newbury Park, CA: Sage.
- Cha, Y., Kim, S., & Kim, J. (2022, May). [럭럭셔리 시장을 이끄는 뉴럭셔리 비즈니스 트렌드 [New luxury business trends leading the luxury market. KPMG Samjong]. Retrieved September 9, 2022, from https://assets.kpmg/content/dam/kpmg/kr/pdf/2022/issue-monitor/kr-im-new-luxury-business-trends-20220520.pdf
-
Chung, I. G., Sun, Z., & Yoon, S. (2020). A study on the customer's intention to accept the innovative products - Focused on unified theory of acceptance and use of technology(UTAUT), technology readiness index(TRI) and value-based acceptance model(VAM). Journal of Marketing Management Research, 25(4), 89-121.
[https://doi.org/10.37202/KMMR.2020.25.4.89]
-
Compeau, D. R., & Higgins, C. A. (1995). Computer self-efficacy - Development of a measure and initial test. MIS Quarterly, 19(2), 189-211.
[https://doi.org/10.2307/249688]
- Danziger, P. N. (2018, February 26). 5 Brands that reveal the future of luxury online. Forbes. Retrieved September 6, 2022, from https://www.forbes.com/sites/pamdanziger/2018/02/26/5-brands-that-reveal-the-future-of-luxury-online/?sh=1d7a94053c7e
-
Dash, S., & Saji, K. B. (2008). The role of consumer self-efficacy and website social presence in customers' adoption of B2C online shopping. Journal of International Consumer Marketing, 20(2), 33-48.
[https://doi.org/10.1300/J046v20n02_04]
- DeAcetis, J. (2020, July 9). Digitize or die - Technology makes luxury brands more accessible. Forbes. Retrieved September 7, 2022, from https://www.forbes.com/sites/josephdeacetis/2020/07/09/digitize-or-die-technology-makes-luxury-brands-more-accessible/?sh=399d859169e5
- Dimock, M. (2019, January 17). Defining generations - Where millennials end and generation z begins. Pew Research Center. Retrieved February 2, 2021, from https://www.pewresearch.org/fact-tank/2019/01/17/where-millennials-end-and-generation-z-begins/
-
Eastin, M. S., & LaRose, R. (2000). Internet self-efficacy and the psychology of the digital divide. Journal of Computer-Mediated Communication, 6(1).
[https://doi.org/10.1111/j.1083-6101.2000.tb00110.x]
- Faccioli, G., & Sheehan, E. (2021). Global powers of luxury goods 2021 - Breakthrough luxury[PDF]. Deloitte. Retrieved August 10, 2022, from https://www2.deloitte.com/global/en/pages/consumer-business/articles/gx-cb-global-powers-of-luxury-goods.html
- Francis, T., & Hoefel, F. (2018, November 12). ‘True gen’ - Generation Z and its implications for companies. Mckinsey & Company. Retrieved February 2, 2021, from https://www.mckinsey.com/industries/consumer-packaged-goods/our-insights/true-gen-generation-z-and-its-implications-for-companies
- ‘From the baby boomer to the post-millennial generations - 50 years of change’. (n. d.). Iberdrola. Retrieved February 2, 2021, from https://www.iberdrola.com/talent/generation-x-y-z
- ‘Generation Z’. (n. d.). Wikipedia. Retrieved February 2, 2021, from https://en.wikipedia.org/wiki/Generation_Z
-
Glassman, M., & Kang, M. J. (2012). Intelligence in the internet age - The emergence and evolution of open source intelligence (OSINT). Computers in Human Behavior, 28(2), 673-682.
[https://doi.org/10.1016/j.chb.2011.11.014]
-
Gunasinghe, A., Abd Hamid, J., Khatibi, A., & Azam, SM. F. (2018). Does the lecturer’s innovativeness drive VLE adoption in higher education institutes?. Journal of Information Technology Management, 10(3), 20-42.
[https://doi.org/10.22059/jitm.2019.285648.2382]
-
Guo, Y., & Barnes, S. (2011). Purchase behavior in virtual worlds: -An empirical investigation in second life. Information & Management, 48(7), 303-312.
[https://doi.org/10.1016/j.im.2011.07.004]
-
Hooper, D., Coughlan, J., & Mullen, M. R. (2008). Structural equation modelling - Guidelines for determining model fit. The Electronic Journal of Business Research Methods, 6(1), 53 - 60.
[https://doi.org/10.21427/D7CF7R]
-
Hsu, M. H., & Chiu, C.-M. (2004). Internet self-efficacy and electronic service acceptance. Decision Support System, 38(2), 369-381.
[https://doi.org/10.1016/j.dss.2003.08.001]
-
Hu, L. T., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis - Conventional criteria versus new alternatives. Structural Equation Modeling, 6(1), 1-55.
[https://doi.org/10.1080/10705519909540118]
- IGI Global. (2021). What is internet self-efficacy? IGI Global Publisher of Timely Knowledge. Retrieved August 09, 2022, from https://www.igi-global.com/dictionary/internet-self-efficacy/37397
-
Jang, S. (2022). A study on the influence of service and platform attribute, satisfaction and continuance usage intention in OTT - Focus on MZ generation. Journal of Speech, Media and Communication Research, 21(3), 71-114.
[https://doi.org/10.51652/ksmca.2022.21.3.3]
-
Jena, R. K. (2022). Exploring antecedents of peoples' intentions to use smart services in a smart city environment - An extended UTAUT model. Journal of Information Systems, 36(1), 133-149.
[https://doi.org/10.2308/ISYS-2020-050]
-
Jeong, D. (2022). A study on consumer behavior on online luxury platforms using the unified theory of acceptance and use of technology - Focusing on the extended UTAUT(2) theory. Fashion & Textile Research Journal, 24(4), 386-398.
[https://doi.org/10.5805/SFTI.2022.24.4.386]
- Joyce, M. (2013). Development of a general internet attitude scale and internet self-efficacy scale. Unpublished doctoral dissertation, University College Cork, Ireland.
-
Kang, Y. R., & Kim, M. Y. (2022). An exploratory study on the lifestyle characteristics of the MZ generation - A focus on the 2010-2020 studies. Fashion & Textile Research Journal, 24(1), 81-94.
[https://doi.org/10.5805/SFTI.2022.24.1.81]
- Kapferer, J. N., & Bastien, V. (2012). The luxury strategy - Break the rules of marketing to build luxury brands. London, UK: Kogan page publishers.
- KDI. (2021, December). [온라인 명품 플랫폼으로 보는 소비 트렌드의 변화] Changes in consumption trends as online luxury platforms. Korea Development Institute. Retrieved August 12, 2022, from https://eiec.kdi.re.kr/material/pageoneView.do?idx=1501
-
Kim, Y., & Glassman, M. (2013). Beyond search and communication: Development and validation of the Internet Self-efficacy Scale (ISS). Computers in Human Behavior, 29(4), 1421-1429.
[https://doi.org/10.1016/j.chb.2013.01.018]
- Lee, H. B., & Kwon, N. K. (2006). The role of internet self-efficacy in Internet shopping. Asia Marketing Journal, 8(2), 27-62. UCI:G704-001118.2006.8.2.004
-
Lee, J. S. (2020). The factors affecting MZ generation's acceptance of YouTube based beauty health information - Focusing on the application of the technology readiness and acceptance model. Journal of Investigative Cosmetology, 16(4), 367-375.
[https://doi.org/10.15810/jic.2020.16.4.007]
-
Lee, S. H., & Park, C. W. (2021). A study of the intention to use the key drivers and user acceptance on omnichannel service based on unified theory of acceptance and use of technology(UTAUT). The Journal of Internet Electronic Commerce Research, 21(2), 1-34.
[https://doi.org/10.37272/JIECR.2021.04.21.2.1]
-
Lian, J. W., & Yen, D. C. (2014). Online shopping drivers and barriers for older adults - Age and gender differences. Computers in Human Behavior, 37, 133-143.
[https://doi.org/10.1016/j.chb.2014.04.028]
-
Liljander, V., Gillberg, F., Gummerus, J., & Van Riel, A. (2006). Technology readiness and the evaluation and adoption of self-service technologies. Journal of Retailing and Consumer Services, 13(3), 177-191.
[https://doi.org/10.1016/j.jretconser.2005.08.004]
-
MacCallum, R. C., Browne, M. W., & Sugawara, H. M. (1996). Power analysis and determination of sample size for covariance structure modeling. Psychological Methods, 1(2), 130-49.
[https://doi.org/10.1037/1082-989X.1.2.130]
- Meola, A. (2022, January 5). Generation Z news - Latest characteristics, research, and facts. Insider Intelligence. Retrieved August 12, 2022, from https://www.insiderintelligence.com/insights/generation-z-facts/
- ‘Millennials’. (n. d.). Wikipedia. Retrieved February 2, 2021, from https://en.wikipedia.org/wiki/Millennials
- Miltiadou, M., & Yu, C. Y. (2000). Validation of the online technologies self-efficacy scale (OTSES). Retrieved June 2, 2022, from https://www.researchgate.net/publication/228467955_Validation_of_the_online_technologies_self-efficacy_scale_OTSES
- Moran, K. (2022, May 29). Why so many luxury brands are terrible at ecommerce. Niel Norman Group. Retrieved September 8, 2022, from https://www.nngroup.com/articles/luxury-terrible-ecommerce/
-
Parasuraman, A. (2000). Technology Readiness Index(Tri) - A multiple-item scale to measure readiness to embrace new technologies. Journal of Service Research, 2(4), 307-320.
[https://doi.org/10.1177/109467050024001]
-
Park, H. H. (2019). A study on the consumer use effect of AR fashion retail technology - Moderating effect of technology readiness. Fashion & Textile Research Journal, 21(6), 730-742.
[https://doi.org/10.5805/SFTI.2019.21.6.730]
- Park, S., & Yang, J. (2021). 세대별 온라인 소비행태 변화와 시사점 [Changes in online consumption behavior by generation and implications]. Hanaif. Retrieved May 13, 2022, from http://www.hanaif.re.kr/boardDetail.do?hmpeSeqNo=34896
- Roumeliotis, M., & Maria, T. (2014). Perception and adoption of technology based services by students of higher education. International Journal of Scientific and Research Publications, 4(3) 1-5.
-
Song, E. (2021). A study on the perception of fashion platforms and fashion smart factories using big data analysis. Fashion & Textile Research Journal, 23(6), 799-809.
[https://doi.org/10.5805/SFTI.2021.23.6.799]
- Statista. (2022, March). Consumer markets - Luxury goods. Statista. Retrieved May 13, 2022, from https://www.statista.com/outlook/cmo/luxury-goods/worldwide
- Statistics Korea. (2020, October 7). 통계로 보는 MZ 세대 트렌드 [Statistics on MZ generation trends]. Statistics Korea. Retrieved August 12, 2022, from https://blog.naver.com/hi_nso/222109361424
-
Sun, Y., Liu, L., Peng, X. M., Dong, Y., & Barnes, S. J. (2014). Understanding Chinese users' continuance intention toward online social networks - An integrative theoretical model. Electronic Markets, 24(1), 57-66.
[https://doi.org/10.1007/s12525-013-0131-9]
-
Tamilmani, K., Rana, N. P., Wamba, S. F., & Dwivedi, R. (2021). The extended Unified Theory of Acceptance and Use of Technology (UTAUT2) - A systematic literature review and theory evaluation. International Journal of Information Management, 57, 102269.
[https://doi.org/10.1016/j.ijinfomgt.2020.102269]
- ‘The state of smooth - Unpacking luxury in 2022’. (n. d.). Klarna. Retrieved August 10, 2022, from https://www.klarna.com/assets/sites/2/2022/01/18104911/LuxuryReport_US-2.pdf
-
Tsai, M. J., & Tsai, C. C. (2003). Information searching strategies in web-based science learning - The role of Internet self-efficacy. Innovations in Education and Teaching International, 40, 43-50.
[https://doi.org/10.1080/1355800032000038822]
- Tsai, C. C., Chuang, S. C., Liang, J. C., & Tsai, M. J. (2011). Self-efficacy on internet-based learning environment - A literature review. Journal of Educational Technology & Society, 14(4), 222-240. https://www.jstor.org/stable/jeductechsoci.14.4.222
-
Venkatesh, V., & Davis, F. D. (2000). A theoretical extension of the technology acceptance model - Four longitudinal field studies. Management Science, 46(2), 186-204.
[https://doi.org/10.1287/mnsc.46.2.186.11926]
-
Venkatesh, V., Moris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology - Toward a unified view. MIS Quarterly, 27(3), 425-478.
[https://doi.org/10.2307/30036540]
-
Venkatesh, V., Thong, J. Y. L., & Xu, X. (2012). Consumer acceptance and use of information technology - Extending the unified theory of acceptance and use of technology. MIS Quarterly, 36(1), 157-178.
[https://doi.org/10.2307/41410412]
-
Venkatesh, V., Thong, J. Y. L., & Xu, X. (2016). Unified theory of acceptance and use of technology - A synthesis and the road ahead. Journal of the Association for Information Systems, 17(5), 328-376.
[https://doi.org/10.17705/1jais.00428]
-
Wang, T., Jung, C. H., Kang, M. H., & Chung, Y. S. (2014). Exploring determinants of adoption intentions towards enterprise 2.0 applications - An empirical study. Behaviour & Information Technology, 33(10), 1048-1064.
[https://doi.org/10.1080/0144929X.2013.781221]
-
Wang, Y. S., & Wang, H. Y.(2008). Developing and validating an instrument for measuring mobile computing self-efficacy. Cyber Psychology & Behavior, 11(4), 405-413.
[https://doi.org/10.1089/cpb.2007.0061]
-
Watanabe, C., Akhtar, W., Tou, Y., & Neittaanmäki, P. (2021). Amazon's new supra-omnichannel - Realizing growing seamless switching for apparel during COVID-19. Technology in Society, 66, 1-24.
[https://doi.org/10.1016/j.techsoc.2021.101645]
-
Xin, T. R., & Yoo, H. J. (2021). Chinese consumers intention to use paid online video services - Focused on E-TAM model. Journal of Human Ecology, 25(1), 1-21.
[https://doi.org/10.36357/johe.2021.25.1.1]
- Yoo, S. J. (2015). New fashion platform - Technology & connecting. Fashion Information and Technology, 12, 80-88. UCI(KEPA):I410-ECN-0102-2016-590-000704527
-
Yoo, S. J., Han, S. H., & Huang, W. H. (2012). The roles of intrinsic motivators and extrinsic motivators in promoting e-learning in the workplace - A case from south Korea. Computers in Human Behavior, 28(3), 942-950.
[https://doi.org/10.1016/j.chb.2011.12.015]