온라인 동영상 플랫폼에서의 추천품질이 추천시스템 만족과 충성도에 미치는 영향 연구

국문 초록 (Abstract)

온라인 동영상 플랫폼에서 추천시스템의 적절한 활용은 맞춤화된 추천대안들을 제시하여 이용자들이 더 많이 방문하고, 오래 머물게 하는데 기여할 수 있어 서비스의 차별적 경쟁우위 원천이 될 수 있다. 본 연구는 온라인 동영상 플랫폼에서 제안하는 추천대안들을 정보품질의 측면에서 평가하고, 이들이 소비자경험에 미치는 영향을 확인하고자 하였다. 본 연구는 추천품질을 정확성, 발견, 친숙성, 다양성 으로 구분하였으며, 이들이 지각된 추천품질과 즐거움에 영향을 미치고, 추천시스템에 대한 만족과 플 랫폼에 대한 충성도로 이어지는 연구모형을 제안하였다. 유튜브 이용자 251명을 대상으로 설문을 수행 한 결과, 추천시스템이 이용자의 선호와 부합하는 대안을 제시해 정확성을 높였을 경우, 뜻밖의 재미 를 줄 수 있는 대안을 제시해 발견을 높였을 경우, 그리고 다양한 선택의 폭을 제공해 다양성을 높였 을 경우 지각된 추천품질이 높아짐을 확인하였다. 높은 추천품질의 지각은 즐거움과 추천시스템에 대 한 만족으로 이어졌으며, 이는 이용자들의 행동적 충성도로 연결되었다. 본 연구결과는 추천시스템의 성과를 사용자경험의 측면에서 평가할 필요성과 함께, 온라인 동영상 플랫폼 운영은 물론, 동영상 소 비가 늘어나고 있는 포털 및 SNS 서비스 운영에서의 추천시스템 운영에 대한 시사점을 제공해 줄 수 있을 것이다.

다국어 초록 (Multilingual Abstract)

Proper use of the recommender system in the online video platform can provide personalized recommendation alternatives hence it can make users visit more and stay longer. The study investigates the recommended alternatives in terms of information quality and how they are affecting the consumer experience. Classifying the recommendation quality into accuracy, discovery, familiarity, and diversity, the study proposed a research model that those qualities impact perceived recommendation quality, enjoyment, satisfaction, and loyalty. A survey on 251 YouTube users confirms that the perceived recommendation quality is increased when the system improves the accuracy by matching users’ preference, when it improves the discovery by suggesting unexpected fun to users, and when it provides users with a variety of choices. The perception of quality leads to enjoyment and satisfaction, and behavioral loyalty. The results suggest the necessity to evaluate the recommender system in terms of user experience and the implication for the operation of online video platforms. And it also provides implications for portal services and SNS services where video consumption by users is increasing.

목차 (Table of Contents)

• 요약
• Ⅰ. 서론
• II. 이론적 배경
• 1. 추천시스템에 대한 기존 연구
• 2. 이용자 추천품질 인식에 대한 기존 연구
• III. 연구 모형 및 가설 설정
• 1. 추천정보 품질 속성의 역할
• 2. 이용자 내적과정의 역할
• 3. 사이트 이용 만족의 역할
• IV. 연구 방법
• 1. 변수의 측정
• IV. 연구 결과
• 1. 측정 모형
• 2. 구조 모형
• V. 결론
• 1. 연구결과 요약 및 시사점
• 2. 연구의 한계 및 미래 연구 방향
• 참고문헌
• Abstract

참고문헌 (Reference)

• 1 유지훈, "글로벌 OTT 서비스 이용자의 지속적 이용 의도에 미치는 요인 연구 넷플릭스 사례를 중심으로" 한국방송학회 (102) : 46-79, 2018
• 2 Tam, Kar Yan, "Web Personalization as a Persuasion Strategy : An Elaboration Likelihood Model Perspective" 16 (16): 271-291, 2005
• 3 Benlian, Alexander, "Web Personalization Cues and Their Differential Effects on User Assessments of Website Value" 32 (32): 225-260, 2015
• 4 Zink, Michael, "Watch Global, Cache Local: YouTube Network Traffic at a Campus Network: Measurements and Implications" 2008
• 5 Hassenzahl, Marc, "User Experience (UX) towards an Experiential Perspective on Product Quality" 11-15, 2008
• 6 Davidson, James, "The YouTube Video Recommendation System" 293-296, 2010
• 7 Zhang, Tongxiao, "The Value of IT-enabled Retailer Learning : Personalized Product Recommendations and Customer Store Loyalty in Electronic Markets" 35 (35): 859-881, 2011
• 8 Xu, Jingjun, "The Nature and Consequences of Trade-off Transparency in the Context of Recommendation Agents" 38 (38): 379-406, 2014
• 9 Berman, Barry, "Should Your Firm Adopt a Mass Customization Strategy?" 45 (45): 51-51, 2002
• 10 Nilashi, Mehrbakhsh, "Recommendation Quality, Transparency, and Website Quality for Trust-building in Recommendation Agents" 19 : 70-84, 2016
• 11 Bagozzi, Richard P., "Principles of Marketing Management" Science Research Associates 1986
• 12 Kamis, Arnold, "Personalizing to Product Category Knowledge: Exploring the Mediating Effect of Shopping Tools on Decision Confidence" 10-19, 2004
• 13 Liang, Ting-Peng, "Personalized Content Recommendation and User Satisfaction: Theoretical Synthesis and Empirical Findings" 23 (23): 45-70, 2006
• 14 Bagozzi, Richard P., "On the Evaluation of Structural Equation Models" 16 (16): 74-94, 1988
• 15 Ho, Shuk Ying, "Nudging Moods to Induce Unplanned Purchases in Imperfect Mobile Personalization Contexts" 42 (42): 757-778, 2018
• 16 Wang, Weiquan, "Interactive Decision Aids for Consumer Decision Making in e-Commerce : The Influence of Perceived Strategy Restrictiveness" 33 (33): 293-320, 2009
• 17 Sujata, Joshi, "Impact of Over the Top (OTT) Services on Telecom Service Providers" 8 (8): 145-160, 2015
• 18 Burke, Robin, "Hybrid Recommender Systems : Survey and Experiments" 12 (12): 331-370, 2002
• 19 Koren, Yehuda, "Factor in the Neighbors: Scalable and Accurate Collaborative Filtering" 4 (4): 1-24, 2010
• 20 Knijnenburg, Bart P., "Explaining the User Experience of Recommender Systems" 22 (22): 441-504, 2012
• 21 Fornell, Claes, "Evaluating Structural Equation Models with Unobservable Variables and Measurement Error" 18 (18): 39-50, 1981
• 22 Xiao, Bo, "E-commerce Product Recommendation Agents : Use, Characteristics, and Impact" 31 (31): 137-209, 2007
• 23 Toufaily, Elissar, "Customer Loyalty to a Commercial Website : Descriptive Meta-analysis of the Empirical Literature and Proposal of an Integrative Model" 66 (66): 1436-1447, 2013
• 24 Chen, Li, "Critiquing-based Recommenders: Survey and Emerging Trends" 22 (22): 125-150, 2012
• 25 Pu, Pearl, "Critiquing Recommenders for Public Taste Products" 249-252, 2009
• 26 Klobas, Jane E., "Compulsive YouTube Usage: A Comparison of Use Motivation and Personality Effects" 87 : 129-139, 2018
• 27 McNee, Sean M., "Being Accurate is not Enough: How Accuracy Metrics Have Hurt Recommender Systems" 1097-1101, 2006
• 28 Pu, Pearl, "A User-centric Evaluation Framework for Recommender Systems" 157-164, 2011
• 29 Fornell, Claes, "A National Customer Satisfaction Barometer : The Swedish Experience" 56 (56): 6-21, 1992
• 30 인크로스, "2020년 4월 인크로스 미디어 데이터 클리핑 - 동영상 플랫폼 편"