디지털 플랫폼의 AI 기반 추천 서비스에서 사용자 지속사용의도에 미치는 영향 = The Effect of AI-Based Recommendation Service on User Continuous Use Intention on Digital Platforms

다국어 초록 (Multilingual Abstract)

This study aims to investigate the factors that influence users' intention to continue using AI-based recommendation services provided by digital platforms. In recent years, AI-based recommendation services have developed rapidly and have become an important technology for providing personalized recommendations by identifying users' preferences and patterns. However, it remains a challenge to increase users' intention to continue using them.
In this study, we use a survey and structural equation modeling techniques to analyze the causal relationships between key variables. The main variables considered in the study are standardization degree, customization degree, AI information quality, AI system quality, AI recommendation quality, AI service satisfaction, and continuous usage intention.
The results show that the degree of standardization, degree of customization, AI information quality, AI system quality, AI recommendation quality, and AI service satisfaction have a positive impact on users' intention to continue using big data platforms. In particular, AI System Quality and AI Service Satisfaction have the greatest impact, which indicates that users are highly influenced by the quality of AI recommendation services and AI service satisfaction. Furthermore, when examining the results by AI preference, we found that AI information quality and AI system quality had significant moderating effects.
Based on the results of this study, we concluded that it is important to improve user satisfaction and system quality in order to increase the intention to continue using AI-based recommendation services on big data platforms. To do so, platform providers should accurately identify users' preferences and behavior patterns and develop customized recommendation algorithms that reflect them. They also need to improve the interface to make it easier for users to understand and use the service, and continuously improve the quality of information and the degree of personalization within the platform.
It is also important to find the right balance between standardization and customization. Standardization helps to increase the consistency and efficiency of service delivery, but excessive standardization can make it difficult to respond to the individual needs of users. On the other hand, customization can better meet the needs of individual users, but excessive customization can increase the complexity and cost of service delivery. Therefore, platform providers need to find an appropriate balance of standardization and customization to satisfy the diverse needs of users while maintaining the efficiency of service delivery.
This study provides a systematic analysis of factors affecting users' intention to continue using AI recommendation services on big data platforms, providing a basis for platform providers to consider these factors and improve their services. However, this study is limited by a limited sample of users of a specific platform, which may limit its generalizability. Future studies should be more extensive, covering various platforms and user bases.
In conclusion, this study contributes to understanding users' intention to continue using AI recommendation services on big data platforms and suggests key factors that platform providers should consider to improve recommendation services.
This is expected to promote the development and sustainable success of AI-based recommendation services.

국문 초록 (Abstract)

본 연구에서는 디지털 플랫폼에서 제공하는 인공지능(Artificial Intelligence, AI) 기반 추천 서비스의 사용자 지속사용 의도에 영향을 미치는 요인들을 살펴보고자 한다. 최근 몇년간 AI 기반 추천 서비스는 급속하게 발전하였으며, 사용자들의 선호도와 패턴을 파악해 맞춤화된 추천을 제공하는 중요한 기술이 되었다. 그러나 사용자들의 지속적인 사용 의도를 높이는 것은 여전히 어려운 과제로 남아있다.
본 연구에서는 설문조사와 구조방정식 모델링 기법을 사용하여 주요 변수들 간의 인과 관계를 분석한다. 연구에서 고려된 주요 변수들은 표준화 정도, 맞춤화 정도, AI 정보 품질, AI 시스템 품질, AI 추천 품질, AI 서비스 만족도, 지속 사용 의도, AI 선호도에 따른 조절효과이다.
분석 결과, 표준화 정도, 맞춤화 정도, AI 정보 품질, AI 시스템 품질, AI 추천 품질, AI 서비스 만족도가 사용자의 지속 사용 의도에 긍정적인 영향을 미치는 것으로 나타났다. 특히, AI 시스템 품질과 AI 정보 품질이 가장 큰 영향력을 보였으며, 이를 통해 사용자들의 AI 시스템 품질과, AI 정보 품질이 AI 서비스 만족도에 큰 영향을 받는 것을 알 수 있었다. 또한, AI 선호도에 따른 결과를 살펴보면 AI 정보 품질과 AI 시스템 품질이 유의미한 조절효과를 나타내는 것으로 나타났다.
본 연구결과를 바탕으로, 빅데이터 플랫폼에서 AI 기반 추천 서비스의 지속사용의도를 높이기 위해서는 사용자들의 만족도와 AI 정보 품질, AI 시스템 품질을 개선하는 것이 중요하다는 결론을 도출하였다. 이를 위해 플랫폼 제공자들은 사용자들의 선호도와 행동 패턴을 정확하게 파악하고, 이를 반영한 맞춤화된 추천 알고리즘을 개발해야 한다. 또한, 사용자들이 서비스를 쉽게 이해하고 사용할 수 있도록 인터페이스를 개선하고, 플랫폼 내의 정보 품질과 맞춤화 정도에 대한 지속적인 개선 노력이 필요하다.
또한, 표준화와 맞춤화의 적절한 균형을 찾는 것이 중요하다. 표준화는 서비스 제공의 일관성과 효율성을 높이는 데 도움이 되지만, 과도한 표준화는 사용자들의 개별적인 요구에 대응하기 어려워질 수 있다. 반면, 맞춤화는 개별 사용자의 요구에 더 잘 부응할 수 있으나, 과도한 맞춤화는 서비스 제공의 복잡성과 비용을 증가시킬 수 있다. 따라서, 플랫폼 제공자들은 표준화와 맞춤화의 적절한 조화를 찾아 사용자들의 다양한 요구를 만족시키면서도 서비스 제공의 효율성을 유지해야 한다.
본 연구는 빅데이터 플랫폼의 AI 추천 서비스 사용자 지속사용의도에 미치는 요인들에 대한 체계적인 분석을 제공함으로써, 플랫폼 제공자들이 이러한 요인들을 고려하여 서비스 개선에 참고할 수 있는 기초 자료를 제공한다. 그러나 본 연구는 특정 플랫폼 사용자들 대상으로 한 제한된 표본으로 인해 일반화에 제한이 있을 수 있다는 한계를 가지고 있다. 향후 연구에서는 다양한 플랫폼과 사용자층을 대상으로 하여, 이보다 광범위한 연구가 필요하다.
결론적으로, 본 연구는 빅데이터 플랫폼의 AI 추천 서비스에 대한 사용자 지속 사용의도를 이해하는 데 기여하며, 플랫폼 제공자들이 추천 서비스의 개선을 위해 고려해야 할 주요 요인들을 제시한다. 이를 통해 AI 기반 추천 서비스의 발전과 지속가능한 성공을 도모할 수 있을 것으로 기대된다.

목차 (Table of Contents)

• 제 1장 서론 1
• 제 1절 연구의 배경 및 목적 1
• 제 2절 연구의 의의 3
• 제 3절 연구의 구성 4
• 제 2장 인공지능(AI) 추천 서비스 6
• 제 1절 인공지능 서비스 6
• 1. 인공지능(AI) 개요 6
• 2. 인공지능(AI) 기반 서비스 8
• 제 2절 디지털 플랫폼 AI 추천 서비스 16
• 1. 디지털 플랫폼 16
• 2. 디지털 플랫폼 AI 추천 서비스 개요 18
• 3. 디지털 플랫폼 AI 추천 서비스 사례 19
• 제 3장 이론적 배경 28
• 제 1절 AI 서비스 품질 28
• 제 2절 서비스 표준화와 서비스 맞춤화 30
• 제 3절 AI 선호도 32
• 제 4절 AI 서비스 만족도 33
• 제 5절 지속사용의도 35
• 제 4장 연구의 모형 및 연구가설 37
• 제 1절 연구모형의 구성 37
• 제 2절 연구가설의 설정 38
• 1. 서비스 표준화와 맞춤화 38
• 2. AI 서비스 품질 40
• 3. AI 서비스 만족도 41
• 4. AI 선호도 조절효과 42
• 제 3절 연구 설계 43
• 1. 변수 측정 43
• 2. 연구 대상 및 자료 수집 45
• 3. 자료 분석 방법 45
• 제 5장 실증 분석 46
• 제 1절 기초 자료 분석 46
• 1. 표본의 인구통계학적 특성 46
• 2. 기술통계량 분석 48
• 제 2절 모형 적합성 평가 50
• 1. 신뢰도 및 타당도 분석 50
• 2. 판별타당도 분석 52
• 3. 연구모형 평가 53
• 제 3절 연구가설 검증 57
• 제 6장 결론 및 시사점 63
• 제 1절 연구결과의 요약 63
• 제 2절 시사점 65
• 1. 학문적 시사점 66
• 2. 실무적 시사점 67
• 제 3절 한계점 및 향후 연구 방향 69
• 참고문헌 72
• 부록 84
• A. 설문지 84