BIA 기반 개인맞춤형 사이즈 추천방식이 온라인 쇼핑몰 반품률 개선에 미치는 효과 = The Effect of Personalized Size Recommendation Method Based on Bioelectrical Impedance Analysis (BIA) on Reducing Return Rates in Online Shopping

국문 초록 (Abstract)

본 연구는 온라인 의류 쇼핑몰에서 빈번하게 발생하는 반품 문제, 특히 사이즈 불일치로 인한 반품률을 개선하기 위해 기대일치이론(ECT), 계획행동이론(TPB), 소비자반응이론(CRT)을 기반으로 체성분 분석(BIA: Bioelectrical Impedance Analysis)을 활용한 개인맞춤형 사이즈 추천 방식의 효과성을 실증적으로 검증하는 데 목적이 있다. 이를 위해 기능성 스포츠웨어 전문 플랫폼인 Boastfit.com의 실제 구매 데이터를 활용하여, BIA 기반 추천 방식을 이용한 실험군과 기존 키·몸무게 입력 방식 또는 일반 사이즈표에 기반한 대조군의 반품률을 비교하였다. 연구는 A/B 테스트설계에 따라 기술통계, t-검정, 일원분산분석(ANOVA), 다중회귀분석을 수행하였으며, 그 결과 BIA 기반 방식이 기존 방식보다 반품률을 유의미하게 감소시킴을 확인하였다. 또한, 다중회귀모형 분석에서도 사이즈 추천 방식이 반품 행동에 유의한 영향을 미치는 주요 독립변수로 확인되었다. 학술적으로 본 연구는 체성분 정보라는 정량적 데이터 기반 추천 방식을 온라인 쇼핑몰 분석에 적용함으로써, 기존 외형 중심 알고리즘의 한계를 보완할 수 있음을 입증하였다. 실무적으로는 소비자 만족도 향상, 반품률 감소, 장기적 고객 관리 전략에 활용 가능한 실증적 근거를 제시한다. 다만, 연구는 단일 플랫폼과 기능성 의류 제품군에 한정되었고, 사이즈 만족도와 같은 주관적 인지 변수를 직접 측정하지 못한 한계를 가진다. 향후 연구에서는 다양한 제품군과 플랫폼으로의 확장, 소비자 설문과 리뷰 텍스트 마이닝 등 인지적 요인 측정, 그리고 장기적 데이터에 기반한 종단 연구를 통해 BIA 추천 방식의 효과성을 더욱 심층적으로 검증할 필요가 있다.

다국어 초록 (Multilingual Abstract)

This study empirically investigates the effectiveness of a personalized size recommendation system based on Bioelectrical Impedance Analysis (BIA) in reducing product returns in online fashion retail, with a particular focus on returns caused by size mismatches. Grounded in the Expectation-Confirmation Theory (ECT), the Theory of Planned Behavior (TPB), and Consumer Response Theory (CRT), the study analyzes actual transaction data from Boastfit.com, a specialized functional sportswear platform. An A/B test design was employed to compare return rates between a treatment group using the BIA-based recommendation system and a control group relying on conventional methods such as height?weight inputs or standard size charts. Descriptive statistics, t-tests, one-way ANOVA, and multiple regression analyses were conducted. The results indicate that the BIA-based system significantly reduces return rates compared to traditional approaches. Moreover, regression analyses identify the type of size recommendation as a significant predictor of consumer return behavior.
From a theoretical standpoint, this study contributes to the literature by incorporating quantitative body-composition data into online recommendation systems, thereby addressing the limitations of appearance-based algorithms and offering a novel analytical perspective. From a managerial perspective, it provides empirical evidence for e-commerce operators, demonstrating that BIA-based systems can improve customer satisfaction, reduce return rates, and enhance long-term customer relationship management. However, the study has limitations: it relies on a single platform and a specific product category (functional sportswear) and does not directly measure subjective perceptual variables such as size satisfaction. Future research should expand the scope to include multiple product categories and platforms, adopt consumer surveys and review-based text mining to capture perceptual dimensions more directly, and employ longitudinal data to examine the sustained effectiveness of BIA-based recommendation systems.