패션소비자의 AI 기반 개인화 쇼핑 서비스 지속이용의도: 가치기반수용모델 관점

1. 서 론

AI(Artificial Intelligence)는 트렌드 예측부터 고객 서비스까지 패션산업의 전과정을 빠른 속도로 혁신하고 있다. ZARA는 구매패턴과 트렌드를 파악하여 유행할 스타일을 예측하는데 AI를 활용하고, Burberry는 공급망과 AI를 통합하여 재고 모니터링을 통해 글로벌 유통을 효과적으로 운영한다(Cheung, 2020). Stitch Fix는 AI 알고리즘을 활용하여 고객의 선호도, 스타일, 체형 등을 고려한 맞춤형 스타일링 서비스를 제공하며 (Choudhury, 2025), 재판매 플랫폼인 The RealReal은 위조 품목을 식별하는 효율성을 높이기 위해 Shield와 Vision이라는 AI 도구를 활용하며(Therealreal.com, 2025), H&M은 Kik 메시징 앱의 챗봇을 통해 고객이 자연어 상호작용을 통해 제품탐색과 스타일링 팁, 개인화된 추천을 즐길 수 있도록 한다(Wong, 2016). Valentino는 생성형 AI를 통해 생성된 캠페인 이미지를 이용하여 ‘에센셜’ 캠페인을 제작하였고(Valentino.com, 2025), Prada, Calvin Klein 등은 인스타그램 팔로워가 300만 명에 달하는 AI 인플루언서 릴 미켈라와 협업을 진행하였다(Bain, 2022). 특히, 에이블리, 지그재그 등 패션 리테일 플랫폼 기업들은 AI의 단편적인 적용을 넘어 상품검색, 추천, 리뷰요약, 가상피팅, 챗봇 등 다양한 유형의 개인화 서비스를 복합적으로 제공하고 있다. 이처럼 AI는 개별 소비자의 선호와 행동에 맞춰 개인화된 경험을 제공하는 기술로 주목받고 있으며(Teepapal, 2025), 이러한 AI기반 개인화서비스는 고객 만족도는 물론 브랜드와의 감정적인 연결을 강화하여 고객 유지율을 높이고 (Lemon & Verhoef, 2016; Tamilmani et al., 2025), 신뢰와 인게이지먼트, 고객의 충성도를 높이는 것으로 알려져 있다.(Jayapal, 2025; Teepapal, 2025).

이런 점에서 패션 리테일 플랫폼 기업들에게 AI 기반 개인화 쇼핑 서비스는 타 플랫폼에 대한 경쟁력을 확보하고, 높아진 소비자들의 기대를 충족시켜 만족스러운 쇼핑 경험을 극대화할 수 있는 매우 중요한 수단일 것이다. 그러나 개별화된 고객경험을 창출하는 이러한 서비스는 고객 정보의 활용이 필수적이기 때문에(Aksoy et al., 2023), 고객은 이에 대해 긍정적인 반응과 더불어 부정적인 반응도 동시에 나타낼 수 있다. 따라서 AI 기반 개인화 쇼핑이 빠르게 진화, 확산하고 있는 현 시점에, 소비자들이 이를 어떻게 지각하고 수용하는지에 대한 체계적인 탐색이 요구된다. 특히, 개인의 취향과 체형, 추구하는 이미지 등이 구매에 큰 영향 미치는 패션상품의 특성을 고려할 때, 소비자의 개별적 요구를 충족시킬 수 있는 AI 기반 개인화 쇼핑 서비스 수용에 대한 연구는 의류학 분야에서 필수적으로 수행되어야 할 과제라 할 수 있다. 실제로 생성형 AI가 2028년까지 패션, 의류, 럭셔리 부문에서 최대 2,750억 달러의 영업이익을 창출할 것이라는 McKinsey의 전망은(Harreis et al., 2023) 기술 발전과 패션 리테일 플랫폼들의 적극적 도입에 따라 고객의 AI 기반 개인화 쇼핑의 기회가 확대되고 있음을 보여주고 있다. 그럼에도 불구하고 기존의 연구들은 AI 추천시스템(Jang & Lee, 2024; Kim et al., 2023; Kim & Rhee, 2023)이나 챗봇 (Hur & Kim,2022; Jeong, et al.,2020; Kim, 2024) 등과 같은 개별 서비스나 기능에 주로 집중해왔다. 최근의 패션 리테일 플랫폼이 상품검색, 추천, 리뷰요약, 가상피팅, 챗봇 등 다양한 AI기능을 소비자의 쇼핑 여정에 맞게 복합적으로 제공하고 있는 현실을 반영하여, 본 연구는 특정 기능을 넘어선 포괄적인 차원의 AI 기반 개인화 쇼핑 서비스 수용에 초점을 맞추고자 한다.

이에 본 연구는 AI 기반 개인화 쇼핑의 소비자 수용과정을 탐색하고 지속이용의도에 영향을 미치는 요인들을 밝혀 내기 위해 가치기반수용모델 (Value-based adoption model: VAM)을 확장하여 적용하고자 한다. VAM 모델은 Technology acceptance model (TAM)로 대표되는 전통적인 기술수용이론과는 달리, 업무를 위한 기술 사용자가 아닌 개인 소비자를 기술 이용자로 정의하며, 소비자가 새로운 기술의 혜택과 희생을 고려하여 지각하게 된 가치에 따라 기술 수용이 결정되는 과정을 설명하는 이론이다 (Kim et al., 2007). AI기반 개인화 쇼핑 서비스의 경우, 여러가지 유형의 AI기술이 쇼핑에 도입, 발전하는 초기 단계이므로 AI를 활용한 쇼핑의 긍정적인 혜택은 물론 부정적인 요소를 모두 고려하는 VAM 모델은 소비자들의 AI기반 개인화 쇼핑의 지속 사용의도를 파악하는데 적합할 것이다. 따라서 본 연구는 패션소비자가 지각하는 AI 기반 개인화 쇼핑 서비스의 혜택과 희생이 전반적인 가치와 지속적인 이용의도에 어떻게 영향을 미치는 가를 살펴보고, 여기에 선행변수로 AI 기반 개인화 쇼핑 서비스의 특성변수를 추가하여 기존의 VAM 모델을 확장함으로써 지각된 혜택과 희생을 결정하는 AI 기반 개인화 쇼핑의 특성을 밝혀내고자 한다. 이는 AI 기반 개인화 쇼핑을 이해하는 이론적 기반을 제공함은 물론, 해당 서비스의 고도화를 위한 마케팅 전략 수립에 중요한 시사점을 제공할 것으로 기대한다.

2. 이론적 배경

2.3. AI 기반 개인화 쇼핑의 특징

본 연구는 AI 기반 개인화 쇼핑 서비스의 특성변수를 선행변수로 추가하는 확장된 VAM 모델을 적용함으로써 지각된 혜택과 희생을 결정하는 AI 기반 개인화 쇼핑의 특성이 무엇인지를 밝혀내고자 한다. 이를 위해 챗봇, 쇼핑에이전트, 추천서비스 등 AI 특성을 다룬 선행연구들을 통해 편재성(omnipresence), 개인화(personalization), 정확성(accuracy), 전문성(expertise), 최신성(recency), 상호작용성(interactivity), 사회적 실재감(social presence), 유희성(playfulness)의 여덟 가지 특성을 선정하였다(Table 1).

Table 1.

Characteristics of AI-driven services

편재성은 AI 기반 개인맞춤형 쇼핑 서비스가 장소, 시간, 기기의 제약없이 제공되어, 소비자의 쇼핑 여정이 지속될 수 있도록 하는 특성을 의미한다. Liu and Cheng(2023)의 AI 뉴스 추천 서비스 연구에서의 즉시성(immediacy)과 Baek et al.(2019)의 인공지능서비스의 특성연구에서의 시공간성(Spatiotemporality)과 유사한 개념으로, Chen et al.(2023)은 이를 시간적 접근가능성(always available)과 기기와 장소적 접근가능성(omnipresence)으로 구분하기도 하였다. 패션 리테일 플랫폼은 시간, 장소, 기기에 상관없이 소비자가 접속하여 이용 가능하기 때문에 편재성은 AI 기반 개인화 쇼핑 서비스의 기본적이고 핵심적인 특성으로 간주될 수 있다.

개인화란 기술과 고객 정보를 활용하여 기업과 각 고객 간의 전자상거래 상호작용을 맞춤화하는 것으로, 기업 주도의 개인화와 사용자 주도의 개인 맞춤화(customization)로 구분되기도 한다(Vesanen, 2007). AI 추천시스템과 AI 챗봇을 다룬 다수의 연구들은 이를 혼용하여 AI의 주요 특성으로 다루어 왔으며(Baek et al., 2019; Chen et al., 2023; Kim & Kim, 2024; Lim, 2024; Oh & Gim, 2024), 사용자 만족(Oh & Gim, 2024), 신뢰, 지각된 유용성과 프라이버시 염려(Teepapal, 2025), 사용용이성(Kim & Kim, 2024)에 유의한 영향을 주는 변수로 보고하였다. 패션 리테일 플랫폼에서는 AI를 활용하여 사용자 정보와 선호를 분석하고, 상품 및 사이즈 추천, 가상피팅 등 최적의 맞춤형 서비스를 제공하기 때문에 개인화는 AI 기반 개인화 쇼핑 서비스의 핵심적인 특성이라고 할 수 있다.

정확성은 AI 기반 개인화 쇼핑 서비스의 답변이나 결과가 고객의 요구에 부응하는 정도를 의미한다. Chen et al.(2023)은 응답 정확성이 사용자가 AI 챗봇의 전문성과 역량에 대해 인식하는데 있어 중요한 기준임을 들어, 이를 AI 챗봇의 서비스 품질의 구성요소로 제안하였다. Ma and Park(2024)은 AI챗봇의 특성을 인간적인 따뜻함과 기술적인 유능함의 두 차원으로 구분하였는데, 정확성은 기술적 유능함의 요소로, 지각된 유용성에 유의한 영향을 미친다는 점을 실증적으로 확인하였다. 따라서 쇼핑과정에서 AI가 소비자의 요구를 얼마나 정확히 이해하여 결과를 제시하는 가는 이를 평가하는 중요한 요소이자 AI 기반 개인화 쇼핑 서비스의 핵심적인 특성이 될 것이다.

전문성이란 특정 분야에서 고도화된 지식, 숙련된 기술, 경험을 바탕으로 높은 수준의 성과를 내는 능력이다. 상품정보를 제공하는 정보원의 전문성에 대한 소비자의 지각은 정보해석과 수용에 차이를 가져오며, 이는 고객만족과 구매의도에 영향을 미친다. 이러한 이유로 전문성은 판매원(Kim et al., 2006), 광고모델(Ohanian, 1991), 인플루언서(Han et al., 2023), 라이브 커머스 쇼호스트(Kim & Heo, 2021) 등의 다양한 정보원의 주요한 속성으로 알려져 왔다. 생성형 AI 서비스(Oh & Gim, 2024)와 AI 추천서비스(Cho, 2024)에서도 전문성은 사용자 만족과 구전의도와 지속사용의도에 영향을 미치는 요인이며, AI 서비스 품질을 평가하는 AI 서비스의 중요한 특성 중 하나이다(Baek et al., 2019). 따라서, AI 기반 개인화 쇼핑 서비스가 사람보다 더 전문적이고 높은 수준의 결과물을 제공하는 가에 대한 소비자 인식은 소비자 행동에 영향을 주는 중요한 특성이 될 것이다.

최신성은 AI 기반 개인화 쇼핑 서비스가 상품정보 등을 얼마나 빠르게, 최신의 내용으로 제공하느냐의 정도를 의미한다. Kim and Kim(2024)은 AI 추천서비스의 특성으로 적합성(suitability)을 제안하였는데 이는 서비스를 실시간으로 업데이트하고 이용자에게 최신 관련 정보를 제공하는 하는 것으로 정보 제공 시기의 적합도 정도를 의미한다고 하였다. Lim(2024)는 뷰티상품 AI 추천서비스의 특성 중 하나로 실시간 새 상품을 업데이트하고 빠르게 최신정보를 제공하는 능력을 적절성(relevance)으로 명명하고, 지속사용의도에의 유의한 영향력을 확인하였다. 패션 소비자는 유행에 민감하게 반응하여 최신 제품을 구매하려는 성향이 있으며(Hahn & Lee, 2018), 패션 리테일 플랫폼은 이를 충족시키기 위해 지속적으로 새로운 정보를 제공해야 하므로, 최신성은 AI 기반 개인화 쇼핑 서비스의 중요한 특성으로 간주될 수 있다.

상호작용성은 AI 기반 개인화 쇼핑 서비스를 통해 AI와 소비자와 즉각적으로 양방향 소통이 가능한 정도를 의미한다. AI 추천서비스와 챗봇은 단순한 응답제공을 넘어 사용자와의 능동적인 대화를 통해 양방향 커뮤니케이션을 구현하며, 이러한 사용자의 상호작용 경험은 지속사용의도(Lim, 2024), 지각된 사용용이성과 지각된 유용성(Kim & Kim, 2024; Liu & Cheng, 2023), 그리고 신뢰형성과 채택의도(Ding & Najaf, 2024)에 영향을 미친다. 따라서 상호작용성은 소비자의 요구에 부합하는 만족스러운 결과를 창출하기 위해 필수적인 AI 기반 개인화 쇼핑 서비스의 핵심 특성일 것이다.

사회적 실재감이란 상호작용 중 다른 사람의 존재가 두드러지게 지각되며 그 결과로 대인관계가 생생하게 느껴지는 정도로(Short et al., 1976 in Pitardi & Marriott, 2020), 자동화 기술환경에서는 “기술이 고객에게 다른 사회적 실체의 존재감을 느끼게 하는 정도”(Pitardi & Marriott, 2020)를 의미한다. Ma and Park(2024)은 사람들이 AI 챗봇에게서 느끼는 친근성과 공감성이 실제로 감정을 가진 인간들과 커뮤니케이션을 하고 있는 것을 연상시키며, 이 사회적 실재감이 지속의용의도에 영향을 미치는 것을 확인하였다. 음성비서(McLean & Osei-Frimpong, 2019; Pitardi & Marriott, 2020)와 AI 추천서비스(Akdim & Casaló, 2023)의 연구에서도 사회적 실재감은 신뢰나 지속사용의도, 지각적 혜택에 유의한 영향을 주는 것으로 보고되었다. 다수의 사람들이 이용하는 패션 리테일 플랫폼에서 개인화된 서비스 결과물을 얻는다는 것은 자신의 쇼핑과정을 도와주는 누군가의 존재에 대해 인식하게 될 가능성이 있음을 의미한다. 따라서 사회적 실재감은 소비자가 지각하는 AI 기반 개인화 쇼핑 서비스의 한 특성일 것이다.

유희성은 AI 기반 개인화 쇼핑 서비스 활용 시 사용자가 즐거움과 만족 느끼도록 하는 특성을 의미한다. Kim and Kim (2024)은 AI추천서비스를 제공하는 새로운 플랫폼 인터페이스를 사용할 때 목표를 성취하는 것과는 상관없이 사용자 인터페이스 사용 자체로 즐겁다고 인지하는 것이라고 정의하였다. Lim (2024)은 Mukherjee et al.(2016)을 인용하여 호기심이나 즐거움에 의해 경험을 추구하는 사용자는 IT 미디어 사용을 늘릴 가능성이 더 높음을 주장하면서, 이를 AI 뷰티 추천 서비스가 흥미로움을 유발하고 해당 서비스의 사용이 지루하지 않고 재미있음으로 정의하였고, 이의 지속사용의도에의 유의한 영향력을 확인하였다. 패션 리테일 플랫폼은 모델 사진 컷과 합성한 사용자 이미지를 만들거나, 가상의 인플루언서로 설정된 AI의 피드를 탐색하고 대화할 수 있는 등, 오락적인 요소를 제공한다. 따라서 소비자들은 이를 통해 긍정적인 기대감을 갖게 되며, 새로운 것에 도전하고 성취하는 것을 즐길 것으로 예상할 수 있다. 따라서 이런 유희성은 AI 기반 개인화 쇼핑 서비스를 구성하는 중요한 특성일 것이다.

이와 같이 AI 기반 개인화 쇼핑 서비스의 특성변수들이 챗봇, 쇼핑에이전트, 추천 서비스 등의 품질을 평가하는 기준이 되기도 하며, 이용의도, 혜택, 사용용이성, 유용성, 신뢰 등에 직간접적으로 영향을 미치는 변수라는 점에서, 확장된 VAM의 선행요인으로 지각된 혜택과 희생에 영향을 줄 것으로 예상할 수 있어 다음과 같은 연구문제를 제시한다.

연구문제 2. 지각된 혜택과 희생을 결정하는 AI 기반 개인화 쇼핑의 특성은 무엇인가?

이를 정리하면 Fig. 1과 같다.

Fig. 1.

Research questions.

3. 연구방법

3.2. 측정도구 및 분석방법

설문지는 연구모형의 주요변수인 AI기반 개인화 쇼핑 서비스 특성, 지각된 혜택, 지각된 희생, 지각된 가치, 지속이용의도 등을 측정하는 총 49개의 문항과 인구통계사항, 쇼핑행동에 대한 질문으로 구성되었고, 인구통계사항을 제외한 모든 문항은 5점 리커트 척도로 측정하였다. 각 변수의 조작적 정의와 출처는 Table 2와 같다. 불성실하게 답한 8명의 자료를 제외한 총 492명의 자료를 분석에 이용하였으며, 측정모형과 변수간의 인과관계를 검증을 위해 AMOS 23.0을 이용한 확인적 요인분석과 고차요인 구조방정식모형 분석을, 인구통계적 특성의 파악을 위해 SPSS 29.0의 기술통계분석을 실시하였다.

Table 2.

Operational definitions and sources of measuring items

4. 연구결과 및 논의

4.1. 구성개념의 신뢰도 및 타당성 검증

측정모형의 타당성 검증을 위해 1차요인 확인적 요인분석을 실시하였다. 이는 이론적 요인구조를 검증하는 것이 아니고 측정 변수의 타당성 확인 만을 목적으로 하였다. 그 결과(Table 2), 16요인 49아이템으로 구성된 측정모형의 모형적합도는 χ² = 1668.455 (df = 1007, p = .000; χ²/df = 1.657), NFI = .912, CFI = .963, RMSEA = .037로 나타나 우수한 적합도 수준을 보여주었다. 모든 측정변수의 요인부하량은 항목이 대응하는 요인에 유의하게(t-value > 1.96) 적재되어 집중타당성이 확인되었으며, 개념신뢰도는 .709이상 .875 이하의 분포로 모두 .7이상이었다. 분산추출지수는 .632이상 .796이하로 나타나 구성개념 간의 내적일관성을 보여주었다(Table 3). 판별타당성을 검토하기 위해 평균분산추출지수의 제곱근과 상관관계계수 값의 비교한 결과, 편재성-정확성, 유희성-즐거움의 경우를 제외한 나머지 구성개념간의 평균분산추출지수의 제곱근이 큰 것으로 나타나 판별타당성이 부분적으로 확인되었다(Table 4). 따라서 신뢰구간에 의한 판별타당성을 검토하기 위해 상관계수의 95% 신뢰구간[φ ± (2*SE)]을 산출하였으며, 편재성-정확성의 경우, .759~.899, 유희성-즐거움의 경우 .756~.928로 1을 포함하지 않아 각 하위요인들 간의 판별타당성이 확보되었다(Anderson & Gerbing, 1988).

Table 3.

Result of measurement model testing(n = 492)

Table 4.

Correlation and Square root of AVE

4.2. 연구모형 검증

AI 기반 개인화 쇼핑 서비스 특성, 지각된 혜택, 지각된 희생, 지각된 가치, 지속이용의도의 인과관계를 검증하기 위해 효율성, 즐거움, 사회적 평판으로 구성된 지각된 혜택과 기술성, 성가심, 프라이버시 위험으로 구성된 지각된 희생의 고차요인을 포함한 구조모형을 수립하였다. 구조모형방정식 분석에 앞서 고차요인 확인적 요인분석을 실시하여 χ² = 2022.577, df = 1055, p = .000, χ²/df = 1.917, NFI = .894, CFI = .946, RMSEA = .043로 우수한 수준의모형적합도를 확인하였다. 이어서 구조모형 방정식 분석을 실시하였고 모형적합도는 χ² = 2116.117, df =1074, p=.000, χ²/df=1.970, NFI=.889, CFI=.942, RMSEA = .044로 우수한 수준이었다(Fig. 2).

Fig. 2.

Result of research model testing.

지각된 혜택에는 AI 기반 개인화 쇼핑 서비스 특성 중 편재성(β = .096, p < .05, C.R. = 2.090), 정확성 (β = .186, p < .05, C.R. = 2.238), 전문성 (β = .144, p < .05, C.R. = 2.078), 최신성 (β = .106, p < .05, C.R. = 2.253), 유희성 (β = .561, p < .000, C.R. = 9.003)이, 지각된 희생에는 사회적 실재감(β = .248, p < .05, C.R. = 2.368)만이 유의한 영향을 주는 것으로 나타났다. 지각된 혜택은 지각된 전반적 가치에 긍정적인 영향(β = .786, p < .000, C.R. = 14.382)을 주는 것에 비해 지각된 희생은 부의 영향(β = -.121, p < .001, C.R. = -2.948)을 주었으며, 지각된 전반적 가치는 소비자의 지속이용의도에 긍정적인 영향(β = .801, p < .000, C.R.=18.059)을 주는 것으로 나타났다. 요약하면, AI 기반 개인화 쇼핑 서비스의 지속이용의도를 결정하는 지각된 전반적 가치에는 지각된 혜택과 희생의 영향력이 확인되었으며, 이 중, 지각된 혜택이 더 큰 영향력을 보여주었으며 여기에는 AI 기반 개인화 쇼핑 서비스의 여러 특성 중 유희성이 가장 큰 영향을 미치는 것으로 나타났다(Table 5).

Table 5.

Result of research model testing

5. 결론 및 제언

본 연구는 패션 리테일 플랫폼이 AI를 기반으로 한 개인화 쇼핑 서비스 모델로 진화하며 그 시장 규모가 확대됨에 따라, 소비자의 이용 기회가 증가하는 현 시점에서 AI기반 개인화 쇼핑 서비스의 소비자 지속이용의도에 대한 영향요인을 탐구하였다.

본 연구의 이론적 시사점은 다음과 같다.

첫째, 본 연구는 의류학 분야 AI 기반 개인화 쇼핑 서비스 연구에 새로운 시각을 제시하였다. 기존 연구가 AI 추천시스템이나 챗봇 등과 같은 개별 서비스나 기능에 주로 초점을 맞춘 것과는 달리, 본 연구는 최근 패션 리테일 플랫폼이 소비자의 쇼핑 여정에 맞춰 다양한 AI 기능과 서비스를 복합적으로 제공하고 있음을 반영하여 이를 AI 기반 개인화 쇼핑 서비스로 개념화하였다. 이는 개인화 쇼핑의 영역이 단순히 상품차원의 맞춤화를 넘어, 디지털 소비환경에서 AI를 통해 개인의 상태와 선호에 맞춘 구매, 커뮤니케이션, 엔터테인먼트 등 서비스 단계까지 확장되고 있음은 물론 쇼핑과정에서 소비자의 역할이 한층 더 중요함을 시사한다.

둘째, 본 연구는 AI 기반 개인화 쇼핑 서비스의 수용과정을 탐색하기 위해 가치기반기술수용모델 적용하였다. 특히, 두 가지 핵심요인인 지각된 혜택과 지각된 희생의 선행요인으로 서비스의 특성을 포함하는 확장된 모델을 수립하여 지속이용의도에 영향을 미치는 요인을 밝혔다. 이를 통해 개인 소비자를 기술 이용자로 정의하며 그들이 혜택과 희생을 고려하여 가치를 지각함을 가정하는 VAM이 계속해서 새로운 기능들이 시도되고 발전하는 단계인 AI 기반 개인화 쇼핑 서비스의 수용과정을 설명하기 적합함을 보여주었다. 구체적으로 소비자의 AI 기반 개인화 쇼핑 서비스를 수용과정에서의 서비스의 혜택과 희생의 영향력과, 이에 대한 AI 기반 개인화 쇼핑 서비스의 특성의 영향력이 확인되었다. 특히, 지각된 혜택과 서비스의 특성 중 유희성의 강력한 영향력은 이 두 요인이 소비자의 기술 수용을 결정하는 중요한 지표가 될 수 있음을 보여주었다는 점에서 이론적 의의가 있다.

본 연구는 다음과 같은 실무적 시사점을 제공한다.

첫째, 소비자는 신기술 수용에 있어 서비스의 혜택과 희생을 동시에 지각할 수 있으므로, 패션 리테일 플랫폼은 이를 고려하여, 혜택과 희생 요인이 구체적으로 무엇인지 파악하고, 혜택을 강화하거나 희생을 최소화할 수 있는 전략적 대응방안이 필요할 것이다. 특히, AI기반 개인화 쇼핑 서비스의 혜택 강화를 위해서는 직관적 UI/UX 설계를 적용하여 사용자 인터페이스를 단순화함으로써 효율성을 제고하고, 프리미엄 AI 스타일링 서비스나 챌린지와 같은 게임화 요소를 도입하여 즐거움과 사회적 이미지를 높일 필요가 있다. 더불어 이런 혜택을 소비자가 보다 명확히 인식할 수 있도록 하는 커뮤니케이션 노력이 요구된다.

둘째, AI 기반 개인화 쇼핑 서비스의 특성 중, 유희성은 혜택에, 사회적 실재감은 희생에 대한 영향력이 높게 나타났다. 따라서 패션 리테일 플랫폼은 소비자의 서비스를 지속적으로 이용하여 궁극적으로 충성고객으로 유지하기 위해 이 두 가지를 매우 중요한 개념으로 인식해야 한다. 현재가 AI 기반 개인화 쇼핑 서비스의 초기 단계인 점을 고려할 때 소비자를 유인하고 플랫폼에 계속 머무르게 하기 위해서는 가상피팅으로 완성된 사용자의 코디네이션 아이디어 콘테스트나, 유희적 콘텐츠 내 구매버튼을 삽입하는 등 유희적 요소를 전략적으로 활용하는 방안이 필요할 것이다. 또한, AI의 사회적 실재감의 부정적인 인식을 제거하기 위한 AI와 인간 전문가가 공동으로 제공하는 서비스나 AI가 안전하고 신뢰할 수 있다는 홍보전략과 쇼핑여정에 따른 단계별 가이드 제공 등 접점 관리전략을 개발해야 할 것이다.

본 연구는 패션 리테일 플랫폼의 AI 기반 개인화 쇼핑 서비스의 수용과정에 대한 유용한 이론적, 실무적 제언에도 불구하고 다음과 같은 한계점을 갖는다. 가장 다양한 AI 기반 개인화 쇼핑 서비스를 제공하는 패션 리테일 플랫폼의 주 이용자가 20대 여성임을 고려하여 연구대상자를 한정하였으나, 점차 이용자의 연령대가 확대되고 있으며, 남성소비자들이 상대적으로 많이 이용하는 플랫폼에서도 AI 기반 개인화 쇼핑 서비스가 강화될 것으로 예상되므로 다른 연령대와 남성 소비자를 포함한 연구로 범위를 다양화할 필요가 있다. 또한 본 연구는 VAM을 적용하여 AI 기반 개인화 쇼핑 서비스의 전반적인 수용과정을 탐색하였으므로, 연구 결과 중요한 변수로 확인되었던 지각된 혜택과 이에 가장 큰 영향 요인이었던 유희성을 중심으로 한 세부적인 후속 연구가 진행되어야 할 것이다.

References

• Akdim, K., & Casaló, L. V. (2023). Perceived value of AI-based recommendations? service: The case of voice assistants. Service Business, 17(1), 81-112. [https://doi.org/10.1007/s11628-023-00527-x]
• Aksoy, N. C., Kabadayi, E. T., Yilmaz, C., & Alan, A. K. (2023). Personalization in marketing: How do people perceive personalization practices in the business world?. Journal of Electronic Commerce Research, 24(4), 269-297.
• Al-Abdullatif, A. M. (2023). Modeling students’ perceptions of chatbots in learning: Integrating technology acceptance with the value-based adoption model. Education Sciences, 13(11), 1151. [https://doi.org/10.3390/educsci13111151]
• Amazon (March 26, 2025). Amazon’s AI-powered ‘Interests’ feature automatically finds new products that match your passions and hobbies. Retrieved June 30, 2025, from
• Anderson, J. C., & Gerbing, D. W. (1988). Structural equation modeling in practice: A review and recommended two-step approach. Psychological Bulletin, 103(3), 411. [https://doi.org/10.1037/0033-2909.103.3.411]
• Baek, C. H., Lim, S. U., & Choe, J. (2019). A study on major characteristic analysis and quality evaluation attributes of artificial intelligence service. Journal of Korean Society for Quality Management 47(4), 837-846. [https://doi.org/10.7469/JKSQM.2019.47.4.837]
• Bain, M. (August 18, 2022). Is now the time to hire a virtual influencer? Retrieved September 21, 2025, from
• Bhattacherjee, A. (2001). Understanding information systems continuance: An expectation-confirmation model. MIS Quarterly, 25(3), 351-370. [https://doi.org/10.2307/3250921]
• Cao, D., Sun, Y., Goh, E., Wang, R., & Kuiavska, K. (2022). Adoption of smart voice assistants technology among Airbnb guests: A revised self-efficacy-based value adoption model (SVAM). International Journal of Hospitality Management, 101, 103124. [https://doi.org/10.1016/j.ijhm.2021.103124]
• Chen, Q., Lu, Y., Gong, Y., & Xiong, J. (2023). Can AI chatbots help retain customers? Impact of AI service quality on customer loyalty. Internet Research, 33(6), 2205-2243. [https://doi.org/10.1108/INTR-09-2021-0686]
• Cicek, M., Gursoy, D., & Lu, L. (2025). Adverse impacts of revealing the presence of “Artificial Intelligence (AI)” technology in product and service descriptions on purchase intentions: The mediating role of emotional trust and the moderating role of perceived risk. Journal of Hospitality Marketing & Management, 34(1), 1-23. [https://doi.org/10.1080/19368623.2024.2368040]
• Cheung, K. (May 22, 2020). How Burberry is redefining retail with AI and big data. Algorithm-X Lab. Retrieved September 20, 2025, from https://algorithmxlab.com/blog/burberry-redefining-retail-artificial-intelligence-big-data/
• Cho, T.-S. (2024). The effect of AI recommendation service of sports products internet shopping mall on the mobile gourmet (mWOM) and continuous use intention of university students in sports products. Journal of Korea Society for Wellness, 19(3), 255-264. [https://doi.org/10.21097/ksw.2024.8.19.3.255]
• Cho, W.-S., Han, D.-G., & Whang, J.-H. (2022). A study on the effect of consumer characteristics on intention to use in mobile location-based advertising. Informatization Policy, 29(1), 38-59. [https://doi.org/10.22693/NIAIP.2022.29.1.038]
• Choudhury, D. (2025). How AI and ML are revolutionising virtual marketing & advertising for fashion brands. Retrieved September 21, 2025, from
• Chun, C.-K., & Han, J.-W.(2024). A study on the prediction of intention to use sports brand online shopping AI recommendation system. The Korean Journal of Physical Education, 63(3), 305-318. [https://doi.org/10.23949/kjpe.2024.5.63.3.23]
• Chung, W., & Choi, H.-L. (2024). An applied study on the sustainable usage intention of the metaverse using the value-based adoption model (VBAM): Based on a multi group comparison by metaverse usage purposes. Journal of Practical Research in Advertising and Public Relations, 17(1), 147-179.
• Ding, Y., & Najaf, M. (2024). Interactivity, humanness, and trust: a psychological approach to AI chatbot adoption in e-commerce. BMC Psychology, 12(1), 595. [https://doi.org/10.1186/s40359-024-02083-z]
• Erdmann, A., Mas, J. M., & Arilla, R. (2023). Value-based adoption of augmented reality: A study on the influence on online purchase intention in retail. Journal of Consumer Behaviour, 22(4), 912-932. [https://doi.org/10.1002/cb.1993]
• Gan, C., & Wang, W. (2017). The influence of perceived value on purchase intention in social commerce context. Internet Research, 27(4), 772-785. [https://doi.org/10.1108/IntR-06-2016-0164]
• Hahn, J., & Lee, E.-J. (2018). shopping orientation impacting reuse intention of O2O services: Focusing on the moderation of impulse buying tendency. The Korean Fashion and Textile Research Journal, 20(6), 645-655. [https://doi.org/10.5805/SFTI.2018.20.6.645]
• Han, M.S., Song, K.S., & Park, J.W. (2023). A study on the effect of fashion influencer on consumer purchase intention and word of mouth intention. Journal of Korea Service Management Society, 24(1), 1-25. [https://doi.org/10.15706/jksms.2023.24.1.001]
• Harreis, H., Koullias, T., Roberts, R., & Te, K. (March 8, 2023) Generative AI: Unlocking the future of fashion
• Heo, C.-M. (2023). Acceptance through the expansion of the value-based adoption model of augmented reality fitting applications. Journal of Digital Contents Society, 24(8), 1773-1783. [https://doi.org/10.9728/dcs.2023.24.8.1773]
• Hsiao, K. L., & Chen, C. C. (2018). What drives smartwatch purchase intention? Perspectives from hardware, software, design, and value. Telematics and Informatics, 35(1), 103-113. [https://doi.org/10.1016/j.tele.2017.10.002]
• Hur, H. J., & Kim, W. B. (2022). Consumer acceptance intention of AI fashion chatbot service-Focusing on characteristics of chatbot's para-social presence-. Journal of the Korean Society of Clothing and Textiles, 46(3), 464-480. [https://doi.org/10.5850/JKSCT.2022.46.3.464]
• Jeon, S. (2025. 06.18). 에이블리 “전문몰 최초 월간 이용자 수 1천만명 돌파”, Yonhap News, Retrieved June 30, 2025, from
• Jang, E.-G., & Lee, J.-M. (2024). Continuous use intention of fashion AI recommendation service applying value-based adoption model. Journal of Consumer Studies, 35(1), 149-171. [https://doi.org/10.35736/JCS.35.1.7]
• Jayapal, J. (2025). Unveiling the Impact of AI-Driven Personalization on Customer Loyalty in Online Shopping: The Moderating Effects of Privacy Concerns. Journal of Promotion Management, 31(5), 865-894. [https://doi.org/10.1080/10496491.2025.2525099]
• Jeong, J., & Kim, G. (2022). The effects of metaverse characteristics and value recognition on service adoption intention. Services Marketing Journal, 15(1), 99-115. [https://doi.org/10.56352/SMJ.2022.15.1.07]
• 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]
• Jhee, S., Kim, M., & Han, S.-L. (2024). A study on the perceived value and intention of use of mobile shopping apps using value-based adoption model (VAM). Journal of Service Research and Studies, 14(2), 101-116.
• Kim, E. (2024). The impact of chatbot characteristics on user trust and continuance intention in fashion digital commerce. Korea Institute of Design Research Society, 9(2), 620-632. [https://doi.org/10.46248/kidrs.2024.2.620]
• Kim, H.J., & Rhee, Y.J. (2023). The effect of AI shopping assistant’s motivated consumer innovativeness on satisfaction and purchase intention. The Research Journal of the Costume Culture, 31(5), 651-668. [https://doi.org/10.29049/rjcc.2023.31.5.651]
• Kim, H. K., Do, M. R., Choi, J. S., & Choi, J. (2023). A study on the relationship between Characteristics of AI recommendation system-based fashion subscription service and intention to use. Journal of Korea Service Management Society, 24(1), 26-54. [https://doi.org/10.15706/jksms.2023.24.1.002]
• Kim, H. W., Chan, H. C., & Gupta, S. (2007). Value-based adoption of mobile internet: An empirical investigation. Decision Support Systems, 43(1), 111-126. [https://doi.org/10.1016/j.dss.2005.05.009]
• Kim, S.-H., & Kim, H.-K. (2024). A study on the impact of service characteristics of AI recommendation algorithms on intention to continue using the service: Focus on Instagram. Asia-pacific Journal of Convergent Research Interchange, 10(6), 171-182. [https://doi.org/10.47116/apjcri.2024.06.14]
• Kim, S., Park, H., & Kim, B. (2018). An empirical study on the use of intelligent personal secretary service based on value-based acceptance model. Knowledge Management Research, 19(4), 99-118. [https://doi.org/10.15813/kmr.2018.19.4.006]
• Kim, S. H., Bae, J. H., & Jeon, H. M. (2019). Continuous intention on accommodation apps: Integrated value-based adoption and expectation–confirmation model analysis. Sustainability, 11(6), 1578. [https://doi.org/10.3390/su11061578]
• Kim, S. J., & Heo, C.M. (2021). Effects of live commerce and show host attributes on purchase intention: including the mediating effects of content flow. Asia-Pacific Journal of Business Venturing and Entrepreneurship, 16(3), 177-191. [https://doi.org/10.16972/apjbve.16.3.202106.177]
• Kim, Y., Park, Y., & Choi, J. (2017). A study on the adoption of IoT smart home service: using Value-based Adoption Model. Total Quality Management & Business Excellence, 28(9-10), 1149-1165. [https://doi.org/10.1080/14783363.2017.1310708]
• Kim, W. (2023). A study on the perceived value and continuous use intention of augmented reality applications -Focused on the value-based adoption model-. Journal of D-Culture Archives, 6(1), 169-186. [https://doi.org/10.23089/jdca.2023.6.1.009]
• Kim, W.M., Bae, S.W., & Lee, S.H. (2006). Effects of perceived attributes of salesperson on satisfaction and behavioral intentions of customer- Focusing on consumer durable goods -. Journal of Channel and Retailing, 11(2), 1-27.
• Kusi, G. A., Rumki, M. Z. A., Quarcoo, F. H., Otchere, E., & Fu, G. (2022). The role of information overload on consumers’ online shopping behavior. Journal of Business and Management Studies, 4(4), 162-178. [https://doi.org/10.32996/jbms.2022.4.4.16]
• Koo, T., & Kwon, H. (2024). Analysis factors affecting intention to use a professional sports Metaverse platform using Value-based Adoption Model (VAM) and moderating effect of generation. Korean Journal of Sport Management, 29(5), 16-38. [https://doi.org/10.31308/KSSM.29.5.16]
• Lee, D., Choi, J.-I., & Kang, J.-Y. (2021). A study on the factors affecting the intention to use VR-based digital content subscription service. Korea Business Review, 25(2), 135-162. [https://doi.org/10.17287/kbr.2021.25.2.135]
• Lee, J.-M. (2024). Consumer satisfaction with AI recommendation services: Multiple mediating effect of trust and immersion. The Journal of the Korea Contents Association, 24(5), 113-123. [https://doi.org/10.5392/JKCA.2024.24.05.113]
• Lee, J.-H., & Kim, N. J. (2021). Structural effects of perceived benefits and perceived sacrifice on intention to use a virtual reality tourism experience: Application of the value-based adoption model. Journal of Tourism and Leisure Research, 33(10), 107-122. [https://doi.org/10.35736/JCS.35.1.7]
• Lee, S.-Y., & Park, H.-S. (2024). A study of the impact of AI shopping agent characteristics on continuance intentions: Mediating effect of customer engagement. Innovation Enterprise Research, 9(2), 379-399. [https://doi.org/10.37297/IER.2024.6.9.2.379]
• Lemon, K. N., & Verhoef, P. C. (2016). Understanding customer experience throughout the customer journey. Journal of Marketing, 80(6), 69-96. [https://doi.org/10.1509/jm.15.042]
• Lim, M. (2024). A study on the impact of service characteristics of AI beauty product recommendation algorithms on continued usage intentions: Focused on Instagram users in their 20s and 30s. Sustainability Management Research, 8(4), 223-242. [https://doi.org/10.37846/soch.8.4.223]
• Lin, T. C., Wu, S., Hsu, J. S. C., & Chou, Y. C. (2012). The integration of value-based adoption and expectation–confirmation models: An example of IPTV continuance intention. Decision Support Systems, 54(1), 63-75. [https://doi.org/10.1016/j.dss.2012.04.004]
• Liu, Y., & Cheng, S. Y. (2023). A study on the effect of AI news recommendation service factors on users' continuous use intention: Focusing on the technology acceptance model. The Journal of the Korea Contents Association, 23(4), 39-52. [https://doi.org/10.5392/JKCA.2023.23.04.039]
• Ma, M., & Park, C. (2024). Effects of AI chatbot characteristics on perceived benefits and continuous use intention: A comparison of Korea and China. The Academy of Customer Satisfaction Management, 26(3), 41-65. [https://doi.org/10.34183/KCSMA.26.3.3]
• McLean, G., & Osei-Frimpong, K. (2019). Hey Alexa… examine the variables influencing the use of artificial intelligent in-home voice assistants. Computers in Human Behavior, 99, 28-37. [https://doi.org/10.1016/j.chb.2019.05.009]
• Mukherjee, S., & Lau-Gesk, L. (2016). Retrospective evaluations of playful experiences. Journal of Consumer Marketing, 33(5), 387-395. [https://doi.org/10.1108/JCM-03-2016-1740]
• Na, Y.-K., & Jeong, H.-Y. (2022). A study on the value-based adoption model of fashion VR(virtual reality) shopping service. The e-Business Studies, 23(5), 157-175. [https://doi.org/10.20462/tebs.2022.10.23.5.157]
• Noor, N., Rao Hill, S., & Troshani, I. (2022). Developing a service quality scale for artificial intelligence service agents. European Journal of Marketing, 56(5), 1301-1336. [https://doi.org/10.1108/EJM-09-2020-0672]
• Oh, J., & Gim, G. (2024). A study on the intention of ChatGPT usage in the characteristics of generative artificial intelligence services. Asia-pacific Journal of Convergent Research Interchange, 10(2), 265-282. [https://doi.org/10.47116/apjcri.2024.02.23]
• Ohanian, R. (1991). The impact of celebrity spokespersons’ perceived image on consumers’ intention to purchase. Journal of Advertising Research, 31(1), 46-54. [https://doi.org/10.1080/00218499.1991.12466759]
• Park, S.H. (2023). A study on the effect of chatbot service quality on customer loyalty and satisfaction in online shopping. The e-Business Studies, 24(3), 19-28. [https://doi.org/10.20462/tebs.2023.6.24.3.19]
• Pitardi, V., & Marriott, H. R. (2021). Alexa, she's not human but... Unveiling the drivers of consumers' trust in voice-based artificial intelligence. Psychology & Marketing, 38(4), 626-642. [https://doi.org/10.1002/mar.21457]
• Rauschnabel, P. A., He, J., & Ro, Y. K. (2018). Antecedents to the adoption of augmented reality smart glasses: A closer look at privacy risks. Journal of Business Research, 92, 374-384. [https://doi.org/10.1016/j.jbusres.2018.08.008]
• Sheth, J. N., Newman, B. I., & Gross, B. L. (1991). Why we buy what we buy: A theory of consumption values. Journal of Business Research, 22(2), 159-170. [https://doi.org/10.1016/0148-2963(91)90050-8]
• Shelvia, O., Prayitno, A. T., Kartono, R., & Sundjaja, A. M. (2020). Analysis of factors affecting consumer’s continuance intention to use mobile payments with a value-based adoption model (vam) approach. Psychology and Education, 57(9).
• Short, J., Williams, E., & Christie, B. (1976). The Social Psychology of Telecommunications. London: John Wiley & Sons.
• Smeaton, A. F., & Callan, J. (2005). Personalisation and recommender systems in digital libraries. International Journal on Digital Libraries, 5, 299-308. [https://doi.org/10.1007/s00799-004-0100-1]
• Sun, D.-K., & You, J.-H. (2024). A study on the factors influencing user’s intention to continue using generative AI services: Focusing on the value-based adoption model. The Journal of Information Systems, 33(4), 1-26.
• Sweeney, J. C., & Soutar, G. N. (2001). Consumer perceived value: The development of a multiple item scale. Journal of Retailing, 77(2), 203-220. [https://doi.org/10.1016/S0022-4359(01)00041-0]
• Tamilmani, S., Archana, S., Mohan, T., Santhi, V., Kamalakannan, S., Saikrishnan, S. (2025). Brand loyalty in the digital Age: The role of personalization and AI in consumer engagement. Journal of Information System Engineering and Management, 10(32s), 5404. [https://doi.org/10.52783/jisem.v10i32s.5404]
• Teepapal, T. (2025). AI-driven personalization: Unraveling consumer perceptions in social media engagement. Computers in Human Behavior, 165, 108549. [https://doi.org/10.1016/j.chb.2024.108549]
• Therealreal.com (January 1, 2025). The technology behind luxury authentication: AI and expert collaboration. Realstyle. Retrieved September 20, 2025, from https://realstyle.therealreal.com/technology-behind-luxury-authentication/
• Tong, S., Luo, X., & Xu, B. (2020). Personalized mobile marketing strategies. Journal of the Academy of Marketing Science, 48(1), 64–78. [https://doi.org/10.1007/s11747-019-00693-3]
• Valentino.com (2025). Maison Valentino Essentials. Retrieved September 20, 2025, from https://www.valentino.com/en-hk/experience/maison-valentino-essentials
• Venkatesh, V., & Morris, M. G. (2000). Why don't men ever stop to ask for directions? Gender, social influence, and their role in technology acceptance and usage behavior. MIS Quarterly, 115-139. [https://doi.org/10.2307/3250981]
• Vesanen, J. (2007). What is personalization? A conceptual framework. European Journal of Marketing, 41(5/6), 409-418. [https://doi.org/10.1108/03090560710737534]
• Yoon, D.Y., & Lee, Y. (2021). Conversational AI voice shopping service: MZ generation vs. baby boom generation. Journal of Consumer Studies, 32(3), 73-93. [https://doi.org/10.35736/JCS.32.3.4]
• Youn, S. Y., & Lee, K. H. (2019). Proposing value-based technology acceptance model: Testing on paid mobile media service. Fashion and textiles, 6(1), 13. [https://doi.org/10.1186/s40691-018-0163-z]
• Yu, H., Seo, I., & Choi, J. (2019). A study of critical factors affecting adoption of self-customisation service–focused on value-based adoption model. Total Quality Management & Business Excellence, 30(sup1), S98-S113 [https://doi.org/10.1080/14783363.2019.1665822]
• Wong, J. C. (April 6, 2016). What is a chat bot, and should I be using one? The Guardian. Retrieved September 21, 2025, from https://www.theguardian.com/technology/2016/apr/06/what-is-chat-bot-kik-bot-shop-messaging-platform