J Korean Soc Cosmetol > Volume 30(1); 2024 > Article
패션 고객가치 사슬(CVC)의 가치유형에 영향을 미치는 요인: 소셜 필터링, 정보평가속성, 쇼핑니즈를 중심으로

Abstract

This study mainly focused on the value types of the fashion customer value chain (CVC), and it was intended to examine the influence of related variables such as social filtering, information evaluation properties, and shopping needs. This study conducted a total of 283 questionnaires targeting male and female college students in their 20s in the Busan and Gyeongsangnam-do who had shopping experiences through shopping social filtering at internet shopping malls for the latest 6 months. For data analysis, SPSS program was used, and reliability measurement, factor analysis, multiple regression analysis, and T-test, ANOVA were conducted. The research results are as follows. First, social filtering of fashion customers had a significant influence in value erosion in the order of delivery filtering and product filtering, and value creation had a significant influence in the order of contents filtering and purchase history filtering. Second, In particular, information interest had a high positive influence on those all. Information reliability had a negative influence on value erosion and value creation, and information usefulness also had a negative influence on value payment. Third, shopping needs of fashion customers had a significant effect on value erosion, value creation, and value payment. Moreover, specialized shopping needs were more important than integrated shopping needs. Fourth, except for the consumer's gender, there was a difference in the fashion customer value chain type according to age, monthly average shopping frequency of fashion products, monthly average shopping cost, and daily shopping time.

I. 서 론

오늘날 패션 비즈니스 환경은 디지털 전환시대를 맞아 급격하게 변화하고 있다. 과거 전통적인 마케팅 전략의 의존에서 탈피하고 디지털 환경에 맞는 고객경험을 중시하는 시대가 도래한 것이다(Kim, 2021). 기업들은 변화된 환경아래 기존의 마케팅 프로세스를 새로운 관점에서 구조화하였고, 기업 중심의 마케팅 믹스요소인 제품, 가격, 유통, 판촉개념보다 고객의 관점을 고려한 가치, 비용, 편의성, 커뮤니케이션으로의 변화에 방향성을 두고 있다(An, 2023). 시장은 공급자에서 고객으로, 거래에서 관계로 관점을 바꾸게 되었고 고객만족을 넘어서 고객가치를 충족시키거나 창출하는 것을 목표로 하고 있다. 이는 고객 중심적 마인드를 고려한 고객가치 사슬(Customer Value Chain: CVC)의 관점이라고 할 수 있겠다. 기존의 공급자 중심의 가치사슬 분석은 최종제품이나 서비스에 부가되는 가치의 관점에서 각각의 활동을 분석하는 것(Choi, 2013)이었다면, 고객중심의 가치사슬 분석은 고객가치 채택 여부와 지불이 일어나는 상황을 분석하는 것이다. 최근 오프라인 매장에서 상품을 확인하고 구매는 가격이 더 저렴한 온라인 쇼핑몰을 이용하는 쇼루밍(showrooming)이나 온라인에서 상품을 고르고 실질적인 구매는 오프라인에서 이루어지는 역 쇼루밍이 늘고 있는(Park & Kim, 2015) 현상을 보면 쇼핑 과정에서 소비자가 어떻게 가치를 채택하고 잠식, 지불하는지에 대한 분석이 필요하다는 점을 제기할 수 있다. 특히 온라인 쇼핑 플랫폼의 경우 디지털 기술이 여러 형태로 도입되면서 고객 가치사슬 특성에 다각도로 영향을 주고 있다. 온라인 쇼핑에서는 다양한 상품을 판매하기 때문에 소비자의 정보탐색활동이 그만큼 더 활발하고 정보를 토대로 구매를 결정하는 경우가 많기 때문에 정보가 제공되는 특성은 중요한 요인이 된다(Jung & Nam, 2010). 또 제공된 많은 정보를 분류하고 목적에 맞는 필요한 정보를 찾기 위한 필터링 기능이 SNS와 결합되어 강화되고 있으며, 전문적이거나 통합적인 상품구성도 중요시되고 있다. 이처럼 온라인 쇼핑고객의 특성이 중요하다는 점을 인지한다면, 단순히 상품과 서비스가 좋은 기획이 아닌 고객이 어떤 쇼핑니즈를 가지고 필터링이나 정보를 선택하는지, 고객의 가치사슬 선택특성에 대한 분석이 필요하다(Teixeira, 2020).
기존의 많은 연구에서 분석해온 가치사슬의 개념은 기업 내부의 시각에서 경쟁우위를 개발하고 가치를 창출하고자 기업 활동과 기능을 연계하는 상호의존적 네트워크 개념임을 밝히고 있다(Ju, 2013; Park & Lee, 2010; Porter, 1985). 또 재화나 서비스의 생산-분배-교환-소비 단계에서 발생하는 가치 활동과 기업의 이윤구조전략 등을 제시하는 방식의 연구가 다수 이루어져왔다(Lee, 2007; Lee, 2013). 그러나 디지털 환경이나 유통시장의 다각화 등과 같은 새로운 온라인 쇼핑 환경의 고객가치를 고려한 가치사슬 유형연구는 그다지 이루어지지 않은 실정이다. 특히 고객가치 사슬유형의 차이를 나타내는 영향변수를 분석하기보다 가치사슬의 개념과 시스템 관리에 관한 연구가 한정적으로 이루어졌다. 이제 현 소비시장의 변화에 맞게 고객가치사슬의 비즈니스 모델이 개발 될 수 있도록 고객 주도적 관점에서 가치사슬의 체계적 시스템을 인지해야 할 것이다. 또, 고객가치 사슬에 영향을 주는 온라인 소비관련변인과의 연구도 다각도로 이루어져야 할 것이다. 따라서 본 연구에서는 패션고객을 대상으로 고객 가치사슬 유형을 분류하고 소셜 필터링, 정보평가속성, 쇼핑니즈와 같은 소비관련변인이 어떠한 영향을 미치는지 분석해 보고자 하였다. 이러한 연구는 급격하게 디지털화되고 있는 패션유통환경 시장에서 고객가치를 반영한 체계적인 온라인 쇼핑 시스템을 설계해보는데 연구의 의의를 가진다.

II. 이론적 배경

1. 패션 고객가치 사슬

고객가치(Customer Value Chain: CVC)은 고객이 쇼핑경험과 제품의 기능, 특징을 상대적으로 고려하는 가치의 평가이다(Schechter, 1984). 기업은 고객이 추구하는 가치에 대한 평가기준으로 품질, 디자인, 비용절감, 수고절감 등과 같은 다양한 상품속성을 컨셉으로 설정하고 고객에게 종합적인 가치를 제공하게 된다(Kim, 2002). 이때 사용한 자원보다 더 많은 가치재화와 서비스를 생산하기 위해 고객가치를 결합한 과정을 가치사슬이라고 부른다. 가치사슬(Value chain)은 고객에게 가치를 주는 기업의 활동과 생산과정이 밀접하게 연결되어 고객의 욕구를 충족시키는 과정이다. 일반적인 가치사슬 분석은 최종 제품이나 서비스에 부가되는 가치(value)의 관점에서 각각의 활동을 분석하는 것이다. 이것은 개별 활동이 갖는 가치에 관심을 둔다는 점에서 새로운 가치사슬을 추가 또는 분화시키는 등의 의사결정을 위해 유용한 분석방법이며 인터넷의 등장이나 융합현상으로 인해 가치사슬이 해체되고 있는 상황이다(Choi, 2013).
패션산업에서의 고객 가치사슬은 고객이 제품이나 서비스를 선택하고 구매하기 위한 과정으로 고객가치에 따른 의사결정과정(decision-making process)로도 인식할 수 있다(Teixeira, 2020). 고객 가치사슬은 고객가치를 업계의 구조와 전략의 방향성에 초점을 맞추지 않고, 고객지향적인 관점에서 보는 것이고 기업이 경쟁우위를 구축하는데 필요한 활동의 도구로 만들어졌다(Lee, 2020). Teixeira(2020)에 따르면 고객관점의 비즈니스 모델에서 고객 가치사슬은 고객을 위해 창출하는 가치, 그 가치에 대한 대가로 부과되는 비용, 가치가 잠식형태로 구성된다. 즉, 모든 고객은 기업이 제공한 가치창출, 가치지불, 가치잠식의 3가지 활동에 참여하도록 설계되어 있다는 것이다. 고객의 평가, 선택, 구매, 소비 단계에서 일어나는 가치창출은 고객이 중요하게 생각하는 가치를 창출하는 활동을 뜻한다. 가치에 대한 대가의 지불은 창출된 가치에 대가를 부과하기 위해 추가되는 활동이며, 가치잠식은 가치를 창출하지도, 창출된 가치에 대가를 부과하지도 않은 활동인 것이다.

2. 패션 고객가치 사슬에 영향을 미치는 관련변인

1) 소셜 필터링(social filtering)

소셜 필터링은 이용자가 선호하는 상품이나 서비스 도큐먼트(documents)를 분석하여 관련 아이템을 추천해주는 주요 기법으로 알려져 있다(Kim & Kim, 2011). 온라인 쇼핑에서의 소셜 필터링 방식은 고객이 쇼핑시 원하는 정보를 찾기 위해 직접 키워드를 검색하거나 선호하는 상품이나 서비스 관련 추천 리스트를 선택, 쇼핑몰과 연결된 SNS의 공유나 소통 정보 등을 활용하는 기능으로 확장하여 개념화할 수 있다. 고객이 온라인 쇼핑시 구매결정을 하는 단계에서는 제품을 만져보거나 착용해 보는 직접경험을 못하기 때문에 타인의 사용후기나 실사용 동영상 등의 간접경험은 중요하다(Son & Lee, 2009). 구매결정을 미루는 것은 가치잠식의 형태로서 소비자에게 추가정보나 지인의 조언이 필요하다고 느낄 때 즉각적인 구매를 미루는 경향이라고도 볼 수 있다(Greenleaf & Lehmann, 1995). 이처럼 온라인 쇼핑상의 장단점을 보완하는 차원에서 활용되는 소셜 필터링 방식은 고객이 목적에 맞는 정보를 쉽게 비교검색하거나 추천받는 형태로 이루어지고 있다. 최근에는 고객이 선택한 소셜 필터링 쇼핑정보가 SNS를 통해 저장, 공유되고 제 3의 고객에게 추천정보가 전달되고 있다(Social network The demise of Web 2.0 and the rise of social filtering, 2010). 고객이 선호하는 쇼핑 데이터는 고객 욕구를 반영하여 체계적인 대량 맞춤화에 활용되기도 하고(Value chain, satisfy specific customer groups, 2009), 고객이 검색한 기록이 데이터화되어 알고리즘 기반 추천서비스로 확장된다. 이는 결국 사용자에게 도움이 되는 필터링 정보를 제공하여 사용자가 선호하는 취향의 정보를 추천하기도 한다(Bobadilla et al., 2013). 또, 소비자의 쇼핑과정에서 개인의 주관적 상황이 구매결정에 영향을 미쳐(Blackwell et al., 2005) 가치창출이 일어난다고 보았을 때 특정 사용자가 찾아보거나 추천받을 수 있는 선호정보의 카테고리 개발은 매우 중요할 것이다.

2) 정보평가속성

정보평가속성은 정보를 평가하는 주요한 속성으로 고객만족과 구매행동에 영향을 미치는 의미있는 변수이다. 온라인 쇼핑에서 제품정보의 정확성과 제품평가 정보는 의사결정지원의 역할을 하며 구매의도에도 유의미한 관계를 가진다(Kaye, 2007). 또 정보속성의 품질과 양에 의해 신뢰를 형성하여 의사결정에 도움을 주며 정보의 흥미성, 신뢰성, 유용성 등이 구매의도에 주요한 영향을 주는 것으로 알려져 있다(Shim and Kim, 2005; Hhr et al., 2012). 정보의 흥미성은 이용자가 새로운 정보를 접할 때 느끼는 자유로움, 융통성, 독창성과 같은 경험이다(Choi & Park, 2002). 정보의 유용성은 사용자가 정보의 가치를 인식하는 정도로서 정보수용 뿐 아니라 후속 구매행동에 중요한 결정요인이다(Sussman & Siegal, 2003). 또, 정보의 신뢰성은 정보원이 주제와 관련된 지식이나 기술, 경험에 대한 객관적으로 제공되는 속성으로(Pan et al., 2002) 자신의 경험과 지식을 토대로 주관적인 가치평가를 내리게 된다(Rieh, 2010). 이러한 정보속성이 충분히 해소되지 않는다면 소비자로부터 불신을 받게 되어 구매의도를 가지지 않게 된다(Joh, 2002).

3) 쇼핑니즈(shopping needs)

쇼핑니즈(shopping needs)는 상품 쇼핑 시에 나타나는 소비자의 욕구나 필요를 뜻한다. Sattle and Alreck(1989)는 소비니즈와 연관된 관심사와 활동들을 기반으로 분류하여 어떤 상품과 서비스가 어떤 니즈를 만족시키는지 일반화해보는 것이 중요한 의미가 있다고 보았다. 소비니즈의 범위와 특성을 분류한 Lee and Choi(2005)는 소비니즈는 소비행태와 생활 전반에 영향을 미치며 개인의 취향, 선택, 구매 및 행동에 순차적인 영향을 미치는 기본 변수로 보았다(Homer and Kahle, 1988). Novak et al.(2003)은 온라인 환경에서 목적을 지향하는 소비자 행동은 동기, 관여, 혜택/가치, 구매측면에서 차이가 있다고 보았다.

III. 내용 및 방법

1. 연구문제

패션 고객가치 사슬(Customer Value Chain: CVC) 유형에 영향을 미치는 소셜 필터링, 정보평가 속성, 쇼핑니즈의 분석에 따른 구체적인 연구문제는 다음과 같이 설정되었다.
연구문제 1. 소셜 필터링이 패션 고객가치 사슬 유형에 미치는 영향을 분석한다.
연구문제 2. 정보평가속성이 패션 고객가치 사슬 유형에 미치는 영향을 분석한다.
연구문제 3. 쇼핑니즈가 패션 고객가치 사슬 유형에 미치는 영향을 분석한다.
연구문제 4. 인구통계학적 특성과 쇼핑특성에 따른 패션 고객가치 사슬 유형의 차이를 분석한다.

2. 자료수집 및 대상

본 연구의 주요 조사대상자는 최근 6개월 동안 온라인 쇼핑 이용 경험이 최소 6회 이상인 20대 남녀 대학생로 설정하였다. 조사대상자의 설정은 온라인 쇼핑몰을 주도적으로 이용하고, 디지털 기기의 조작이 원활하다는 점을 고려하였다.
자료는 부산경남지역 20대 남녀 대학생을 대상으로 편의 추출하였으며, 2022년 12월 1일부터 20일까지 설문조사 기입방식으로 진행되었다. 설문지는 관련분야의 전문가 의견과 사전에 실시된 조사대상자의 의견, 선행연구와 문헌, 인터넷 기사자료 등을 검토 후 사전 질문지의 오류를 수정 보완하고 각 문항별 신뢰도 검증을 거쳐 최종 완성되었다. 조사대상자는 설문지 작성전 패션고객 가치사슬 유형, 쇼핑 필터링, 정보속성평가, 쇼핑니즈 변인의 개념설명을 충분히 제공받았고 실제 온라인 쇼핑 이용한 경험을 바탕으로 정확한 의견이 제시될 수 있도록 설문을 진행하였다.
설문지는 총 300부 중 불성실한 17부를 제외한 283부가 최종 사용되었다. 조사대상자의 특성은 남성 99명(35.0%)과 여성 184명(65.0%), 한달 평균 용돈은 10만원 미만이 11명(3.9%), 20만원 미만이 55명(19.4%), 20-40만원 미만이 95명(33.6%), 40-60만원 미만이 25명(8.8%), 60만원 이상이 97명(34.3%)으로 나타났다. 한달 평균패션 지출비는 10만원 미만이 60명(21.2%), 10-20만원미만이 86명(30.4%), 20-30만원 미만이 92명(32.5%), 30-40만원 미만이 25명(8.8%), 40만원 이상이 20명(7.1%)으로 분포되었다. 하루평균 쇼핑시간은 30분 이하가 20명(7.1%), 30분-1시간 미만은 72명(25.4%), 1-2시간 미만이 78명(27.6%), 2-3시간 미만이 53명(18.7%), 3-4시간 미만이 60명(21.2%)로 나타났다. 자료 분석은 패션 고객가치 사슬과 소셜 필터링, 정보평가속성, 쇼핑니즈간의 관련성을 다각도로 살펴보기 위해 SPSS 23.0 통계 패키지를 사용하여 설문 문항간 상관성과 척도의 신뢰도 검증, Varimax 방식의 요인분석, 다중회귀분석, t-test, χ2-test, 일원배치 분산분석 등을 사용하였다.

3. 개념의 조작적 정의와 측정도구

본 연구에서는 패션 고객가치 사슬의 가치유형, 소셜 필터링, 정보평가속성, 쇼핑니즈를 각각 독립적인 개념으로 추출하고 소셜 필터링, 정보평가속성, 쇼핑니즈가 고객 가치사슬 유형에 미치는 영향을 분석하는 구성으로 설계되었다.

1) 패션 고객가치 사슬(Customer Value Chain: CVC)

패션 고객가치 사슬의 가치유형은 가치창출, 가치지불, 가치잠식요인으로 구성되었다. 가치창출은 고객을 위해 가치를 창출하는 활동, 가치지불은 창출된 가치에 대가를 부가하기 위한 시간과 노력의 비용, 가치잠식은 가치를 창출하지도, 창출된 가치에 대가를 부과하지도 않는 활동으로 정의하였다. Teixeira(2020)가 제시한 가치사슬의 고객가치 유형을 참고하여 최종문항으로 구성하였다.

2) 소셜 필터링(social filtering)

소셜 필터링은 쇼핑시 원하는 정보를 찾기 위해 사용자가 직접 키워드를 검색하거나 선호하는 상품이나 서비스 관련 추천리스트를 선택, 쇼핑몰과 연결된 SNS의 공유나 소통 정보 등을 활용하는 기능이다. 설문문항은 소셜 필터링을 이용한 경험을 바탕으로 한 선호도를 묻고자 상품, 구매이력, 배송, 컨텐츠 필터링과 관련하여 Kim & Kim(2011), Park & Kim(2017), Seo(2016)의 연구항목을 참고로 수정 보완하여 구성하였다.

3) 정보평가속성

정보평가속성은 쇼핑정보를 평가하는 속성으로서 고객이 중요하게 인지하는 정보평가속성에 대해 묻고자 하였다. 설문문항은 정보의 흥미성, 유용성, 신뢰성과 관련하여 Jung & Nam(2010), Kim et al.(2019), Kim(2020)의 연구항목을 참고로 수정 보완하여 구성하였다.

4) 쇼핑니즈(shopping needs)

쇼핑니즈는 고객이 원하는 상품을 온라인에서 쇼핑하는 방식에 대해 묻고자 하는 문항으로 구성하였다. 구체적인 문항은 쇼핑시 하나의 채널에서 토탈 쇼핑가능한 통합화 쇼핑니즈와 특정한 상품이나 브랜드, 가격대 등에서 집중 쇼핑하기를 원하는 전문화 쇼핑니즈와 관련하여 Kim(2020)의 연구를 참고로 수정 보완된 문항으로 제시하였다.

5) 인구통계학적 특성과 쇼핑특성

소비자의 일반적인 특성을 분석하기 위해 인구통계학적 특성과 쇼핑특성은 20대 남녀 대학생의 성별, 한달 평균 패션 쇼핑빈도, 한달 평균 패션 쇼핑비용, 일 평균 쇼핑시간별 패션 고객가치 사슬 유형에 차이가 있는지 살펴보았다.
고객 가치사슬유형, 소셜 필터링, 정보평가속성, 쇼핑니즈의 문항은 모두 5점 Likert 척도법(전혀 그렇지 않다∼매우 그렇다)으로 측정하였고, 인구통계학적 특성과 쇼핑특성의 관련 문항은 모두 명목척도로 측정하였다.

IV. 결과 및 고찰

1. 측정도구의 신뢰도 및 타당도 검증

패션고객의 가치사슬 유형에 영향을 미치는 소셜 필터링, 정보평가속성, 쇼핑니즈에 관한 연구의 기초분석으로 먼저, 패션고객의 가치사슬 유형, 소셜 필터링, 정보평가속성에 대한 측정항목의 신뢰성과 타당성 분석을 위해 개별 변수에 대한 요인분석과 신뢰도 분석을 실시하였다. 패션고객의 가치사슬 유형의 하위요인을 추출한 결과, 모두 3가지 요인이 추출되었고 각 문항간의 Cronbach's α값이 .694에서 .717로 비교적 높은 내적 일관성을 보여주었다(Table 1).
소셜 필터링의 요인분석을 실시한 결과, 모두 4가지 요인이 도출되었으며, 각 문항 간의 Cronbach's α값은 .646에서 .783으로 비교적 높은 내적 일관성이 나타났다(Table 2). 정보평가속성의 요인분석결과, 3가지 요인으로 도출되었고, 각 문항 간의 Cronbach's α값은 .824-.904으로 나타나 높은 내적 일관성을 나타냈다(Table 3). 쇼핑니즈는 ‘다양한 카테고리의 쇼핑을 한 채널에서 쇼핑하는 통합화 니즈’의 선호도와 ‘특정한 상품이나 브랜드, 가격대의 카테고리에서 집중 쇼핑하기를 원하는 전문화 니즈’의 선호도를 단일문항으로 압축하여 변수화하였다. 패션 고객가치 사슬유형에 영향을 미치는 관련 변인들의 판별 타당성을 확보하기 위해 변수들의 상관관계 분석결과 모든 상관계수가 .70보다 낮게 나타나 다중공선성의 문제가 없는 것으로 확인되었다.

2. 패션 고객가치 사슬 유형에 영향을 미치는 소셜 필터링

패션 고객가치 사슬 유형에 영향을 미치는 소셜 필터링을 분석하기 위해 다중회귀분석을 실시한 결과는 Table 4와 같다. 분석결과, 소셜 필터링은 패션고객의 가치사슬 유형인 가치잠식(F=9.433***, p<.001), 가치창출(F=10.238***, p<.001), 가치지불(F=1.978*, p<.05)에 유의미한 영향을 미치는 것으로 나타났다. 특히, 가치잠식에는 배송 필터링, 상품 필터링 순으로, 가치창출에는 컨텐츠 필터링, 구매이력 필터링 순으로 중요하게 작용한다는 점을 알 수 있었다. 과거 검색엔진이나 키워드 광고가 쇼핑몰 사이트에서 구매까지 이르지 못하고 소비자에게 알리는 역할을 했다면(Kim, 2007), 온라인 쇼핑 플랫폼에서 사용되는 비슷한 맥락의 소셜 필터링은 구매까지 이르지 못하는 가치잠식 외에 가치창출과 가치지불에도 유의미한 영향을 준다는 것을 알 수 있었다. 이는 소셜 필터링이 알고리즘을 기반으로 동일한 아이템의 유사 선호자가 이용한 콘텐츠, 아이템 등을 필터링 후 추천제공하여 해당 플랫폼에 계속 머무르도록 도와주는 기능을 하기 때문일 것이다(Bae, 2019). 이는 상품을 알리는 기능을 넘어 다른 상품구매자와 연관된 정보에 대한 필터링 결과를 제공함으로서 구매욕구를 자극하는 것으로 유추된다.

3. 패션 고객가치 사슬 유형에 영향을 미치는 정보평가속성

패션 고객의 가치사슬 유형에 영향을 미치는 정보평가속성을 분석하기 위해 다중회귀분석을 실시한 결과는 Table 5와 같다. 분석결과, 정보평가속성은 패션 고객가치 사슬 유형인 가치잠식(F=13.431***, p<.001), 가치창출(F=15.368***, p<.001), 가치지불(F=15.980*, p<.05)에 유의미한 영향을 미치는 것으로 나타났다. 그 중에서도 정보 흥미성은 가치잠식, 가치창출, 가치지불에 모두 정적 영향력이 높게 나타났고 정보 신뢰성은 가치잠식과 가치창출에, 정보 유용성은 가치지불에 부적 영향력을 나타냈다. 이는 이커머스 시장에서 정보의 흥미성을 강조한 홍보 콘텐츠 활성화가 고객이 원하는 정보도 얻고 재미와 참여의 즐거움을 동반한 최종구매를 유도할 수 있다는 사실(Kim, 2020)을 뒷받침해준다.

4. 패션 고객가치 사슬 유형에 영향을 미치는 쇼핑니즈

패션 고객의 가치사슬 유형에 영향을 미치는 쇼핑니즈를 분석하기 위해 다중회귀분석을 실시한 결과는 Table 6과 같다. 분석결과, 정보평가 속성은 패션 고객가치 사슬 유형인 가치잠식(F=4.914**, p<.01), 가치창출(F=7.995***, p<.001), 가치지불(F=17.310***, p<.001)에 유의미한 영향을 미치는 것으로 나타났다. 특히, 가치잠식, 가치창출, 가치지불 모두 통합화 쇼핑니즈보다 전문화 쇼핑니즈가 더 중요하게 작용하는 것으로 나타났다.

5. 소비자의 일반적인 특성에 따른 패션 고객가치 사슬 유형의 차이

소비자의 일반적인 특성에 따른 패션 고객의 가치사슬 유형의 차이를 살펴보기 위해 T-test, 일원배치 분산분석을 실시한 결과는 Table 7과 같다.
분석결과, 소비자의 성별을 제외한 연령, 패션상품의 한달 평균 쇼핑빈도와 한달 평균 쇼핑비용, 일일 쇼핑시간에 따라 패션 고객의 가치사슬 유형에 유의미한 차이가 나타났다. 성별에 따라 가치사슬 유형별 차이는 없었지만 모든 유형에서 평균이상의 분포도를 나타내어 온라인 쇼핑시 가치잠식, 가치창출, 가치지불이 활발히 이루어지고 있음을 알 수 있었다. 즉, 패션 고객의 가치사슬 유형인 가치잠식에는 20대 후반, 한달 평균 쇼핑빈도 10번이상, 한달 평균 쇼핑비용은 40만원 이상, 일일 쇼핑시간 30분이하가 높게 분포되었다. 가치창출에는 20대 후반, 한달 평균 쇼핑비용 40만원이상, 일일 쇼핑 시간 3시간 이상이 높은 편이었다. 가치지불은 20대 초반, 한 달 평균 쇼핑빈도 10번이상, 한달 평균 쇼핑비용 40만원이상, 일일 쇼핑시간은 30분이내 분포도가 다소 높게 나타났다. 이러한 결과를 통해 쇼핑빈도나 쇼핑비용, 일일 쇼핑시간이 높을수록 가치잠식, 가치창출, 가치지불이 모두 활발히 일어나고, 그 중에서도 일 평균 쇼핑시간이 낮을수록 가치잠식과 가치지불이, 쇼핑시간이 높을수록 가치창출이 높게 일어난다는 것을 알 수 있었다.

V. 결 론

본 연구는 패션 고객가치 사슬 유형에 영향을 미치는 소셜 필터링, 정보평가속성, 쇼핑니즈에 관해 분석해보았다. 연구 문제에 따른 결과는 다음과 같다.
첫째, 기초분석으로 실시된 패션 고객가치 사슬 유형은 가치잠식, 가치창출, 가치지불의 3가지 요인이, 소셜 필터링은 상품 필터링, 구매이력 필터링, 배송 필터링, 컨텐츠 필터링의 4가지 요인이 도출되었다. 정보평가속성은 정보의 신뢰성, 정보의 유용성, 정보의 흥미성의 3가지 요인이, 쇼핑니즈는 통합화 쇼핑니즈, 전문화 쇼핑니즈의 2가지 요인을 도출되었다. 둘째, 소셜 필터링이 패션 고객가치 사슬 유형에 미치는 영향에서 가치잠식에는 배송 필터링, 상품 필터링 순으로, 가치창출에는 컨텐츠 필터링, 구매이력 필터링 순으로 유의미한 영향력을 나타냈다. 셋째, 정보평가속성이 패션 고객가치 사슬 유형에 미치는 영향에서 정보 흥미성은 가치잠식, 가치창출, 가치지불에 모두 정적 영향력이 높게 나타났고, 정보 신뢰성은 가치잠식과 가치창출에, 정보 유용성은 가치지불에 부적 영향력을 나타냈다. 넷째, 쇼핑니즈가 패션 고객가치 사슬유형에 미치는 영향에서 쇼핑니즈는 가치잠식, 가치창출, 가치지불 모두에 유의미한 영향을 미쳤고, 특히 전문화 쇼핑니즈가 더욱 중요하게 작용하였다. 다섯째, 인구통계학적 특성과 쇼핑특성에 따른 패션 고객가치 사슬 유형의 차이에서는 소비자의 성별을 제외한 연령, 패션상품의 한달 평균 쇼핑빈도와 한달 평균 쇼핑비용, 일일 쇼핑시간에 따라 패션 고객가치 사슬유형에 차이가 나타났다.
이러한 연구결과를 토대로 다음과 같은 마케팅 시사점을 제언해 보고자 한다.
먼저, 패션 고객가치 사슬유형의 하위개념도출에서 가치잠식이 가장 주요한 요인으로 추출되어 온라인 쇼핑 플랫폼에서 가치가 창출되지 못하고 잠식되는 상황이 빈번하게 일어날 수 있다는 점을 인식해야 할 것이다. 온라인 쇼핑에 집중할 수 없는 요인이 무엇인지 다양한 상황에 대한 소비자 조사와 데이터 분석이 반드시 필요하다고 본다.
관련변인인 소셜 필터링 중 배송 필터링은 가치잠식에 영향력이 크게 나타났으므로 배송기한과 방식, 비용의 혜택을 분류한 필터링 결과를 제공하는 것도 유용할 것으로 보인다. 즉, 원하는 배송특성을 찾지 못하더라도 배송관련 다른 혜택이 제시된다는 점을 강조한다면 즉각적인 가치잠식이 일어나지 않고 구매를 고려하는 상황으로 이어질 수 있기 때문이다. 또, 컨텐츠와 구매이력 필터링을 통해 가치창출이 의미있게 일어나는 만큼 온라인 쇼핑 플랫폼의 각종 컨텐츠가 연동되도록 링크하고, 구매이력과 관련한 추천 카테고리를 사례화하여 채팅형식으로 제공하는 것도 제안할 수 있겠다. 정보평가속성인 정보의 흥미성은 정적 영향력이 크고 정보 유용성은 부적 영향력이 있었다는 점을 고려해야 할 것이다. 쇼핑의 접점에서부터 흥미를 끌 수 있는 요소를 끊김없이 지속적으로 제공하여 쇼핑이 마무리 될 수 있도록 해야 한다. 반면, 정보 유용성은 가치지불에는 부적 영향력을 보였기 때문에 유용한 정보제공부분은 고객의 비용지불없이 혜택으로 작용한다는 점을 강조해야 할 것이다. 이를 위해 전문정보링크, 의견 공유, SNS 연계 등을 설계하고 전문적 정보가 무상으로 제공되고 있음을 인지시킬 필요가 있다. 패션 고객의 전문화 쇼핑 니즈는 가치잠식, 가치창출, 가치지불에 모두 영향력이 나타났으므로 특정 브랜드나 상품의 전문성, 다양성을 갖춘 이미지가 구체적으로 제시될 수 있도록 VMD베이스의 컨텐츠와 전시기획 사이트, 전문가 의견 등을 활용하는 것도 제안하고 싶다.
본 연구는 조사대상자를 20대 남녀대학생으로 한정하였으므로 연구결과를 일반적으로 해석하는데 무리가 있을 것이다. 또 고객가치 사슬 유형을 가치창출, 가치잠식, 가치지불의 3가지 형태로 제시하고 관련변인과의 연관성을 살펴보았으나 좀더 세분화된 소비특성을 반영한 고객 가치유형별 분류가 필요한 것으로 보인다. 후속 연구에서는 패션분야에서 확장된 관련산업 부문의 고객가치 사슬 유형화와 새로운 소비특성의 관련변인과의 연관성을 분석해 볼 수 있을 것이다.

Fig. 1.
Research Model
JKSC-2024-30-1-49f1.jpg
Table 1.
Factor Analysis of Customer Value Chain
Factor Items Factor loading
Value erosion I only read product descriptions and comments on the shopping site and left the shopping site without making a purchase. .878
During the shopping process, I wasn't able to get as much value as I had hoped, so I postponed the final payment or put it in my shopping cart and left the shopping site. .844
Eigen value: 1.579 Cumulative: 26.309 % Cronbach’s α: .712
Value creation I gained valuable information during the product search process. .897
During the product purchase process, I purchased more valuable products. .837
Eigen value: 1.574 Cumulative: 52.545 % Cronbach’s α: .717
Value payment I spent shopping time and effort to find new products or obtain related information. .904
When purchasing a product, I paid a fee, such as signing up for membership or agreeing to other services. .811
Eigen value: 1.555 Cumulative: 78.463 % Cronbach’s α: .694
Table 2.
Factor Analysis of Social Filtering
Factor Items Factor loading
Product filtering Price .838
Item .714
Size .679
Design .630
Eigen value: 2.640 Cumulative: 20.306% Cronbach’s α:. .781
Purchase history filtering Star rating .816
Review .765
Real-time sales ranking .709
Eigen value: 2.211 Cumulative: 37.317% Cronbach’s α:. .783
Delivery filtering Delivery period .779
Delivery cost .612
Delivery company .580
Eigen value: 2.099 Cumulative: 53.466% Cronbach’s α:. .646
Contents filtering Style suggestion contents .726
Best purchase list contents .709
Recommended event contents .679
Eigen value: 1.737 Cumulative: 66.828% Cronbach’s α:. .679
Table 3.
Factor Analysis of Information Evaluation Properties
Factor Items Factor loading
Information reliability It is safe and faithful. .885
It is trustworthy. .860
It is reliable. .849
Eigen value: 2.667 Cumulative: 29.628% Cronbach’s α:..903
Information usefulness It is useful in many ways. .894
It is useful when shopping. .854
It is useful if I know it. .717
Eigen value: 2.374 Cumulative:56.002% Cronbach’s α:..862
Information interest It is interesting. .859
It makes I feel good. .801
It attracts a lot of interest. .748
Eigen value: 2.256 Cumulative:81.071% Cronbach’s α:..824
Table 4.
Social Filtering Impacts on Fashion Customer Value Chain
Dependent variable Independent variable B β t F Adj R2
Value erosion Product filtering .237 .212 2.917** 9.433*** .107
Purchasing history filtering .012 .011 .159
Delivery filtering .253 .213 2.903**
Contents filtering -.145 -.108 -1.684*
Value creation Product filtering .008 .010 .137 10.238*** .116
Purchasing history filtering .159 .205 3.042**
Delivery filtering -.094 -.110 -1.514
Contents filtering .265 .277 4.341***
Value payment Product filtering .089 .083 1.088 1.978* .014
Purchasing history filtering -.056 -.054 -.751
Delivery filtering .139 .121 1.576
Contents filtering .021 .016 .242

*** p<.001,

** p<.01,

* p<.05

Table 5.
Information Evaluation Properties Affecting Fashion Customer Value Chain
Dependent variable Independent variable B β t F Adj R2
Value erosion Information reliability -.516 -.356 -4.317*** 13.431*** .126
Information usefulness -.101 -.058 -.874
Information interest .818 .527 6.291***
Value creation Information reliability -.290 -.280 -3.425*** 15.368*** .133
Information usefulness .235 .191 2.888**
Information interest .447 .403 4.858***
Value payment Information reliability .258 .193 2.368* 15.980*** .137
Information usefulness -.339 -.205 -3.108**
Information interest .440 .295 3.571***

*** p<.001,

** p<.01,

* p<.05

Table 6.
Shopping Needs Impact on Fashion Customer Value Chain
Dependent variable Independent variable B β t F Adj R2
Value erosion Integrated shopping needs .059 .114 1.946* 4.914** .027
Specialized shopping needs .175 .142 2.424*
Value creation Integrated shopping needs .015 .042 .716 7.985*** .047
Specialized shopping needs .200 .228 3.919***
Value payment Integrated shopping needs .050 .101 1.793* 17.310*** .104
Specialized shopping needs .371 .314 5.573***

*** p<.001,

** p<.01,

* p<.05

Table 7.
Differences in Fashion Customer Value Chain Types According to Demographic and Shopping Characteristics
Customer Value Chain N Value erosion Value creation Value payment
Demographics
Gender Male 99 3.42 4.16 3.64
Female 184 3.32 4.16 3.24
T-value .78 -.04 3.44
Age Early 20s (20-24 years old) 176 3.27 4.03 3.44
Late 20s (25-29 years old) 107 3.50 4.37 3.29
T-value -1.98* -4.12* 1.24***
Monthly average fashion shopping frequency 1-3 times 55 3.18 4.07 3.17b
4-6 times 95 3.42 4.12 3.33ab
7-9 times 36 3.13 4.28 3.19b
more 10 times 97 3.48 4.21 3.62a
F-value 1.898* 0.883 3.689**
Monthly average fashion shopping costs less than ₩100,000 60 3.33 ab 3.98c 3.09c
₩100,000 - ₩200,000 86 3.49 ab 4.05c 3.16bc
₩200,000 - ₩300,000 92 3.20 b 4.22bc 3.54b
₩300,000 - ₩400,000 25 3.26 ab 4.58 3.16bc
over ₩400,000 20 3.73 a 458a 3.54b
F-value 1.787* 4.814*** 4.583***
Daily average shopping hours below 30 minutes 20 4.20a 4.35a 3.55
1-2 hours 72 3.38ab 3.90b 3.44
2-3 hours 78 3.04c 4.16ab 3.53
3-4 hours 53 3.06c 4.31a 3.17
More 4 hours 60 3.73b 4.28a 3.26
F-value 10.115*** 4.095** 1.656*

Duncan’s multiple range test p<.05 a > ab > b

*** p<.001,

** p<.01,

* p<.05

References

An, B. (2023. 07.12). Four marketing attributes that search marketers need to know and the change from marketing ‘4P’ to ‘4C’. March 12, 2022, from https://brunch.co.kr/@botongmarketer/54.
Bae, H. J. (2019). A Study on User Recognition of Algorithm-Based Recommendation Service Platform -Comparison Analysis of News, Music and Video Content. Unpublished master’s thesis, Yonsei University, Seoul.
Blackwell, R. D., Miniard, P. W., & Engel, J. F.. (2005). Consumer behavior 10th ed. Cincinnati, South Western College Pub.
Bobadilla, J., Ortega, F., Hernando, A., & Gutiérrez, A. (2013). Recommender systems survey. Knowledge-Based Systems, 46:109-132.
crossref
Choi, D. G., & Park, Y. B. (2002). The effects of web characteristics on determinants of web brand equity. Journal of Korean Marketing Association, 17(3), 123-146.
Choi, K. S. (2023). Analysis of the MZ generation’s online shopping tendency. Unpublished doctoral thesis, Kunsan National University, Kunsan.
Choi, S. B.. (2013). Media Management Seoul, Communication Books.
Greenleaf, E. A., & Lehmann, D. R. (1995 Reasons for substantial delay in consumer decision making. Journal of Consumer Research, 22(2), 186-199. doi: 10.1086/209444.
crossref
Homer, P. M., & Kahle, L. R. (1988 A structural equation test of the value attitude behavior hierarchy. Journal of Personality and Social Psychology, 54(winter), 638-646. doi: 10.1037/0022-3514.54.4.638.
crossref
Hur, K. S., Ji, Y. H., & Byun, J. W. (2012). Effect of information of SNS on the brand attitude and behavioral intention - Application of the dual process theory -. Korean Journal of Tourism Research, 27(5), 619-635.
Joh, H. H. (2002). A Consumer Trust-Distrust Model in Online Environment. International Management Papers, 3(1), 47-77.
Jung, C. H., & Nam, S. H. (2010). The Effects of Information Satisfaction on Customer's Trust and Future Behavior Intention in Open Markets. Management & Information Systems, 29(4), 67-88.
crossref
Kaye, B. K.. (2007). Web site story: An exploratory study of blog use motivations. In: TremayneM., editors. Blogging, citizenship, and the future of media p.127-148. New York, Routledge.
Kim, B. H.. (2002). Customer-oriented product planning and project management p.99-101. Gyeonggido, Sodongbook.
Kim, C. H. (2010. 12. 22). Social network The demise of Web 2.0 and the rise of social filtering. Shawns Life. from https://m.blog.naver.com/takeoff0/60120470814.
Kim, H. S. (2007). A Study on the Promotion Strategy for Internet Fashion Soho Shopping Mall. Journal of the Korea Fashion & Costume Design Association, 9(3), 59-73.
Kim, J. H. (2020). A Study on the Composition of Fashion Shopping Mall's Content strategy in Lifestyle Culture Space. Unpublished master’s thesis, Sejong University, Seoul.
Kim, J. Y.. (2021). Someone who knows a little about marketing Seoul, Think Smart.
Kim, P. S., Kim, K. B., Jo, Y. T., & Shin, Y. T. (2020). A Study on the Effect of Personalized Product Recommendation on Purchasing Intention : Focused on Matrix Factorization algorithm. Jounal of the Korea Society of Information Technology Policy & Management, 12(4), 1847-1852.
Kim, P. S., Jung, H. S., Kim, K. B., & Shin, Y. T. (2020). An Analysis of the Effectiveness of Applying the Recommendation Algorithm in Contents Commerce : Focused on Video Review. Journal of the Korea Society of Information Technology Policy & Management, 13(01), 2299-2304.
Kim, S. O., & Kim, S. S. (2009. 12.01). Value chain, satisfy specific customer groups. from https://dbr.donga.com/article/view/1202/article_no/2550.
Kim, S. S., & Lee, T. Y. (2009). We are excited about our value chain customer group. DBR Insight Tour. from https://dbr.donga.com/article/view/1202/article_no/2550.
Kim, W. B., Kim, D. S., & Park, J. S. (2019 The Effects of Hashtag Type on Evaluations of Influencer and Fashion Information and Consumer Responses. Journal of the Korean Society of Clothing and Textiles, 43(1), 1-16. doi: https://doi.org/10.5850/JKSCT.2019.43.1.1.
crossref
Kim, Y. J., & Kim, M. S. (2011). Impact of Social Filtering, Information Quality and Psychological Contract on SNS Trust and Continuous Intention to Share Information. The Journal of Internet Electronic Commerce Research, 11(3), 57-82.
Lee, D. H., & Choi, S. H. (2005). Qualitative Research Methods based on a Classification of Consumer Needs. Journal of Consumer Studies, 16(2), 57-86.
Lee, S. W. (2013). The Dispersion of Value chain and the Networks of Apparel. Industry in Guro-Gasan, Seoul. Unpublished master’s thesis, Seoul University, Seoul.
Novak, T. P. (2003). The influence of goal-directed and experiential activities on on-line flow experiences. Journal of Consumer Psychology, 13(1), 3-16.
crossref
Pan, X., Ratchford, B. T., & Shankar, V. (2002). Can price dispersion in online markets be explained by differences in e-tailer service quality? Journal of the Academy of Marketing Science, 30(4), 433-445.
crossref
Park, Y. N., & Kim, C. S. (2017). A Study on the Influence of Fashion Interest and Personal Taste on their Attitude of Fashion Curation Service (FCS) and Purchase Intention of Fashion Products-Focused on People aged 20s to 30s who experienced FCS-. Bulletin of Korean Society of Basic Design & Art, 18(1), 173-189.
Rieh, S. Y.. (2010). Credibility and cognitive authority of information. In: BatesM., MaackM. N., editors. Encyclopedia of Library and Information Sciences 3rd Ed. New York, Taylor and Francis Group, LLC.
Schehter, L.. (1984). A Normative Conception of Value Progressive Grocer, Executive Report, p.12-14.
Seo, B. W. (2016). Evolution of content recommendation algorithms. Broadcasting Trends & Insights, 05:19-24.
Shim, K. Y., & Kim, Y. M. (2005). A study on the effect of internet shopping mall's initial web page image on consumer's purchase intention. Korean Business Education Review, 38:191-217.
Sussman, S. W., & Siegal, W. S. (2003). Informational influence in organizations: An integrated approach to knowledge adoption. Information Systems Research, 14(1), 47-65.
crossref
Teixeira, T. S.. (2020). Decoupling Seoul, Influential.
TOOLS
METRICS Graph View
  • 0 Crossref
  •  0 Scopus
  • 338 View
  • 11 Download
Related articles


ABOUT
BROWSE ARTICLES
EDITORIAL POLICY
FOR CONTRIBUTORS
Editorial Office
69 Gwangju Yeodae-gil, Gwangsan-gu, Gwangju, 62396, Korea
Tel: +82-10-2825-6735   Fex: +82-62-950-3797    E-mail: beauty2007@hanmail.net                

Copyright © 2024 by Korean Society of Cosmetology.

Developed in M2PI

Close layer
prev next