신용카드 발급 시 타인의 선택 정보가 인지 및 정서적 정보 처리에 미치는 영향

Ⅰ. 서 론

소비자는 구매 의사 결정에서 투입해야 하는 인지적 노력(Cognitive Effort)을 줄이거나 잘못된 구매로 인해 직면할 위험을 회피하기 위해, 또는 신제품이나 상품에 대한 정보가 부족할 때 타인의 의견을 구하게 된다[1]. 또 의사 결정이 어려운 상황에서 특정 제품을 선택하는 행동에 대한 정당성과 자기 확신을 얻기 위해서[2], 즉 선택 안을 사실상 정한 상태에서 자신의 선택과 일치하는 추천 정보를 탐색하기도 한다. 타인의 정보나 추천을 구하고 이를 수용하는 과정을 인지적 노력의 경감 등 정보 처리의 관점이 아니라, 많은 사람들이 선택한 것을 일종의 준거로 보고 이를 모방하려는 본능, 또는 어떤 것을 많이 선택한 집단과 동조화하기 위해 그들의 선택에 합류하는 사회적 영향(Social Influence)의 맥락으로 보는 견해[3]도 있다. 물론 다수가 선택하는 것은 통상적으로 좋은 선택일 가능성이 높다는 견지에서, 많은 소비자가 선택한 제품을 구매하는 행동은 인지적 노력의 투입과 잘못된 선택의 위험을 줄이려는 정보 처리 과정의 일환으로 볼 수 있고, 또는 다수를 따라가려는 모방과 사회적 동조화 행동으로 볼 수도 있는데 이는 연구의 관점에 따라 다양한 해석이 가능하다. 본 논문에서는 구매 결정에서 다수가 선택했다는 사실을 인지하고 이에 따라 대안을 선택하는 행동을 사회적 영향에 따른 모방으로 보기 보다는, ‘다른 소비자의 추천에 대한 수용’으로 보고 연구를 진행하고자 한다.

Dual Process Theory(이중 정보 처리 과정 이론)에 따르면 인간의 정보 처리가 직감적인 부분과 분석적 부분으로 구분되며 이를 기반으로 정보를 어떻게 처리하고 의사결정 하는가를 설명하는데[4], 이 이론은 Elaboration Likelihood Model, Heuristic Systemic Model, Affective-Cognitive Theory[5] 등 이후 소비자 행동과 정보 처리 과정을 설명하는 다양한 이론적 모델에 영향을 미쳤다. 본 논문은 Affective-Cognitive Theory에 기반하여, 온라인 상의 신용카드 선택에 있어서 추천 정보가 소비자의 의사 결정에 어떠한 영향을 미치는지 규명하는 실험 연구이다. 소비자의 신용카드 선택은 통상적으로 “발급”, “신청” 등으로 표현되나, 이는 본질적으로 금융 상품에 대한 구매 행위로 볼 수 있다. 과거에는 은행 및 카드사의 영업점(지점)을 통한 신용카드 신청이 많았으나, 최근에는 카드사 홈페이지 상에서 인터넷을 통한 카드 신청이 보편화되고 있는데, 본 논문은 온라인 상의 신용카드 선택 및 발급 과정에 다른 소비자의 추천 정보가 구매자의 정서적 정보 처리와 인지적 정보 처리 과정에 어떻게 다른 영향을 미치는지 연구하고자 한다.

추천은 불특정 다수(대중)에 의한 추천, 지인에 의한 추천으로 나눌 수 있으며[6], 그밖에 제3의 전문가에 의한 추천, 기업 및 판매자에 의한 추천 등이 있다. 본 연구는 불특정 다수의 소비자에 의한 추천과 그 수용을 연구 대상으로 한다. 신용카드는 탐색재(search goods)이자, 실용적 욕구 충족을 주 목적으로 하는 상품이므로, 본 실험 연구를 통해 실용적 목적의 탐색재 선택 과정에서 다른 구매자의 추천 정보가 소비자의 의사결정 과정에서 어떠한 영향을 미치는지 확인할 수 있을 것이다.

Ⅱ. 선행 연구 및 이론적 배경

2-1 추천의 수용

추천의 형태는 추천 상품을 명시적으로 제시하는 경우, 해당 상품의 추천수를 표시하거나 구매자의 만족도를 지수화하는 경우가 있다. 또한 구매자의 만족도와 경험을 텍스트 형태로 담은 사용 후기도 넓은 의미의 추천이라고 할 수 있다. 추천의 형태가 어떻든 간에 추천 정보가 해당 제품에 대해 우호적인 내용을 내포하거나 높은 만족도를 제시하는 경우, 그리고 전문가나 유명인의 추천이 소비자의 추천 수용과 신속한 구매 의사 결정에 긍정적인 영향을 미칠 것이라는 점은 직관적으로도 유추가 가능하며, 실제 이를 뒷받침하는 선행 연구가 다수 존재한다. 추천은 통상적으로 적거나 많음, 약하거나 강함, 즉 0에서 양의 방향으로 움직이는데, 사용 후기의 경우 긍정적 내용은 물론 부정적 내용도 담을 수 있기 때문에 해당 제품에 대한 구매 의사 결정에 양방향(유도하거나 저해하는)으로 영향을 미칠 수 있는 점이 특징이다. 온라인 쇼핑에서 활용되는 추천 시스템(Recommender Systems)에 대한 선행 연구[7]에 따르면 그 적용 유형에 따라 “일반 추천과 개인화 추천”, 정보 제공의 형태에 따라 “Push 방식과 Pull 방식”, 그리고 입력되는 정보 형태가 “명시적인지 아닌지(implicit 또는 explicit)", 제공 형태에 따라 “추천, 점수(ratings), 글(comments), 예측(prognose)” 등으로 분류하고 있다.

추천의 대상이나 프로세스를 보다 세분화할 경우, 추천이 소비자의 추천 수용과 제품의 구매 결정에 부정적인 영향을 미칠 수 있다는 견해도 있다. 예를 들어 소비자가 구매하려는 제품의 대체재(Substitute Good)를 추천하는 경우, 보완재(Complementary Good) 추천과 달리, 정보 과부하를 더 많이 경험하여 오히려 추천 수용에 부정적인 영향을 미친다는 연구[8]가 있으며, 온라인에서 특정 제품이 추천 받는 횟수는 판매량과 양의 상관 관계가 있으나 소비자의 평가 점수(Consumer ratings)는 판매량과 별다른 상관 관계가 없다는 연구[9]도 있다. 특히 고관여 제품은 긍정적 사용 후기 보다 부정적 사용 후기에 대한 추천 수용도가 높게 나타남을 증명한 연구[10]가 있는데, 이는 고관여 제품의 경우 우수한 대안을 선택하려는 욕구보다 잘못된 선택에 따른 위험을 회피하려는 경향이 더 크게 작용한 것으로 해석 할 수 있다. 물론 타인의 의견이나 추천 정보를 참조하는 것은 고관여 제품을 구매하는 상황에서만 나타나지 않는다. 중요하지 않은 의사 결정이 반복될 경우, 인지적 노력을 투입할 필요성이 낮다고 판단되는 경우에도 타인의 의견을 그대로 따르기도 한다. 추천인의 특성에 따른 추천 효과에 대한 연구도 다수 있는데, 정보 처리 과부하 상황에서 추천인의 전문성을 신뢰하는 경우 추천 의견을 더 잘 수용한다는 견해가 많으나, 제품의 유형에 따라 전문가 보다는 연예인 등 유명인의 추천이 더 효과적이라는 연구도 있다[11].

한편 추천의 효과에 있어서 조절 변수의 역할에 관한 연구는 상대적으로 많지 않았으나, 제품이 가지고 있는 구매 위험(category risk), 제품의 복잡성(product complexity), 소비자의 제품 지식(customer category knowledge)을 조절 변수로 보고 이들이 추천 효과에 긍정적 영향을 미침을 증명한 연구[12]가 있다. 그밖에 최근의 추천에 대한 연구 동향은 추천의 수용을 소비자 행동 및 심리학적 관점에서 분석하는 연구 보다, Collaborative Filtering 등 어떻게 하면 소비자에게 보다 개인화된 최적의 추천을 제공할 것인가와 같은 계량적 기법에 대한 연구[13]가 많다. 그러나 소비자의 의사 결정 이론 중 널리 알려진 이중 정보 처리 이론을 추천에 관한 연구에 접목한 경우는 많지 않았다.

이중 정보처리 이론은 그동안 다양한 관점에서 연구되어 왔는데 그 개념과 용어는 (표 1)과 같다(Evans[14]가 정리한 것에 연구자가 일부 내용을 추가함). 보통 정서적 태도는 대상에 대한 느낌이나 감정을 의미하며, 인지적 태도는 대상에 대한 이성적 생각을 의미한다[4]. 물론 이 두 영역의 정보 처리가 완전히 단절적으로 작동하는 것이 아니라, 서로 상호 작용하는 것으로 보는 견해도 다수 있다[15].

Table 1.

Terms of Dual Process Theory studies

Ⅲ. 연구 가설

소비자는 신용카드를 선택할 때 크게 두 가지 영역에서 고민을 하게 되는데, 카드의 혜택, 부가 서비스, 연회비등 경제적 요인에서의 득실을 비교하는 인지적 정보 처리, 그리고 카드의 색상, 디자인, 브랜드 등 정서적, 미적 요인에 대한 정보를 처리하는 정서적 정보 처리로 구분할 수 있다. 앞서 언급한 바와 같이 신용카드는 실용적 제품에 가깝기 때문에, 소비자는 신용카드를 선택하는데 있어서 정서적 정보 처리 보다 더 많은 자원을 인지적 정보 처리에 투입할 가능성이 크다. 따라서 정보 과부하에 직면한 소비자가 타인의 선택 정보를 참고하고 이를 수용하는 경향은 정서적 정보 처리 보다 인지적 정보 처리에서 강할 것이다.

노트북의 구매 상황을 예로 든다면, CPU의 처리 속도, 하드 메모리의 용량, 노트북의 무게 등은 제품의 기능, 사양에 대해 객관적 비교 검토가 가능한 내용으로서 인지적 정보 처리 영역에서 정보가 처리된다. 그리고 이 영역에 대한 타인의 추천이 우호적이고 강한 추천일수록 제품의 기능 및 성능이 더 우수함을 암시하여 구매 결정에 보다 긍정적인 영향을 미칠 가능성이 크다. 반면 노트북의 색상, 디자인 등은 정서적 정보 처리 영역에서 처리되고 개인의 주관적인 선호, 미적 취향이 반영되므로 타인의 강력한 추천에 영향을 덜 받을 가능성이 있다.

H1: 소비자가 신용카드 발급 의사 결정 과정에서 다른 소비자 다수의 선택을 따르는 경향은 정서적 정보 처리 보다 인지적 정보 처리에서 더 강하게 나타날 것이다.

여신금융협회의 통계(2017년 8월)에 따르면 국내 경제 활동 인구는 2,741만명이며, 발급되어 사용 가능한 신용카드는 9,649만장으로서, 경제 활동 인구 인당 평균 3.5장의 신용카드를 소지하고 있는 것으로 나타났다. 신용카드는 상품에 따라 매우 다양한 부가 서비스와 서로 다른 혜택 수준을 제시하고 있으며 저마다 책정한 가격(연회비)도 차이가 있는데, 선택할 대안이 무수히 많고 그 대안 간에 장단점을 비교하기 어려울 때 구매 의사 결정에 직면한 소비자는 고민을 할 수 밖에 없다. 카드사는 상품별로 명시한 혜택을 카드 발급 후 약속대로 제공하기 때문에 신용카드는 탐색재에 해당된다. 즉 경험을 꼭 해봐야만 그 가치를 알 수 있는 것이 아니며 제품 탐색 단계에서 제시된 내용 그대로 가치를 제공 받는다. 그러나 신용카드의 종류와 서비스는 상당히 방대하고 복잡하여 소비자는 탐색 과정에서부터 어려움과 정보 처리의 과부하를 겪게 되며, 타인의 선택 정보, 즉 어떠한 카드가 많이 선택되었는지를 참고하려는 경향이 정서적 정보 처리 보다 인지적 정보 처리 과정에서 강하게 나타날 가능성이 크다.

H2 (a) : 신용카드 발급을 위한 의사결정 과정에서 소비자 본인이 느끼는 선택의 어려움과 다수 소비자의 선택을 따르는 경향 간에는 양의 상관관계가 있을 것이다.

H2 (b) : 신용카드 발급을 위한 의사 과정결정에서 소비자 본인이 느끼는 선택의 어려움과 소비자 다수의 선택을 따르는 경향 간에 양의 상관관계는 정서적 정보 처리보다 인지적 정보 처리에서 더 강할 것이다.

Ⅳ. 실험 설계 및 결과

본 연구는 신용카드 디자인과 혜택에 대한 소비자의 보편적인 선호를 파악하기 위한 1차 선호도 평가와 연구의 가설을 증명하기 위한 2차 점수 평가로 구분된다. 1차 평가와 2차 평가 대상은 동일한 소비자로서, 최근 5년간 3장 이상의 신용카드를 소지 및 사용한 경험이 있는 국내 30~40대 직장인이다. 총 60명을 대상으로 하였으며 조사는 온라인 설문 방식으로 진행하였다. 또한 신용카드사별 브랜드에 대한 소비자의 선호도 차이를 통제하기 위하여 국내 주요 신용카드사 중 하나인 K카드사의 신용카드 상품에 한하여 실험을 진행하였다.

4-1 1차 선호도 평가

실험 참여자에게 (그림 1)을 보여주고, “다음 신용카드 디자인 중 가장 마음에 드는 카드”를 1개 선택해달라고 요청했다. 또 두 번째 질문은 (그림 2)와 같이 신용카드 디자인을 배제하고 카드가 제공하는 서비스 내용만을 텍스트로 제시하면서 “혜택과 연회비 등을 고려할 때” 가장 마음에 드는 카드 1개를 선택하도록 하였다. 1차 선호도 평가 결과 디자인은 6번 카드가 가장 마음에 든다고 한 응답자가 12명으로 가장 많았다. 혜택 면에서는 2번 카드가 16명으로 가장 많은 선택을 받았다.

Fig. 1.

Design Preference

Fig. 2.

Benefit Preference

Table 2.

The Result of Credit Card Choice

4-2 가설의 검증

1) 디자인 평가

1차 선호도 평가에 참여한 동일한 조사 대상에게 1주일 뒤 다시 온라인 설문을 요청하였다. 모든 질문과 응답은 인터넷 상에 별도로 제작한 웹 페이지에서 실행되었다. (그림 3), (그림 4)과 같이 빨간 점은 “다른 응답자가 가장 마음에 든다고 선택한 카드를 표시한 수”라고 설명하고 응답자의 반응을 실험했다. 디자인 1차 선호도 평가에서 실제 6번 카드가 가장 많은 선택을 받았으나, 5번 카드에 빨간 점을 매우 많이 표시하여 가장 많은 선택을 받은 것처럼 표시하고, 9번 카드는 두 번째로 많이 선택된 것처럼 설정하였다. 나머지 카드는 대조적으로 미미하게 1~2개만 선택된 것으로 설정하였다.

Fig. 3.

Design Evaluation

Fig. 4.

Benefit Evaluation

동일한 응답자가 복수의 카드에 대한 평가(1~10점)에 답하는 형태이므로 평가 간 평균 비교를 위해 대응 표본 t 검정(Paired Samples t-test)을 실시하였다. 대응 표본 t 검정은 동일 집단의 서로 다른 두 측정 값 간의 차이를 검정하기 위한 분석 기법이다. 통계 분석은 IBM　SPSS　Statistics 24를 활용하였다. 디자인 2차 평가에서 5번 카드와 9번 카드의 평가 결과에 통계적으로 유의한 차이가 나타났다(p=0.032). 즉 디자인을 평가하는 정서적 정보 처리에서 가장 강한 추천을 받은 카드보다 두 번째로 추천을 많이 받은 카드가 오히려 더 좋은 평가를 받았다. 한편 추천 카드(5번, 9번 카드의 평균)와 비 추천 카드(1,2,3,4,6,7,8번 카드의 평균)로 구분할 경우, 추천 카드의 평균이 5.31, 비 추천 카드의 평균이 4.91의 평가를 받았으나 통계적으로 유의한 차이가 아니었다(p=0.183). 즉 카드 디자인 선택에서 타인의 추천을 많이 받은 카드가 그렇지 않은 카드보다 평가를 더 잘 받는다고 볼 수 없었다.

2) 혜택 평가

혜택에 대한 평가도 디자인과 마찬가지로, 1차 선호도 평가에서 중간 정도의 선호를 받은 카드(1번 카드, 7번 카드)가 많은 추천을 받은 것처럼 설정하고 참여자의 평가를 물었다.

Table 3.

Analysis for The Choice of Credit Card Design 1

Table 4.

Analysis for The Choice of Credit Card Design 2

실험 결과, 가장 추천을 많이 받은 것처럼 설정한 1번 카드에 대한 평가가 두 번째로 추천을 많이 받은 7번 카드에 대한 평가보다 높았으며 통계적으로 유의한 차이가 나타났다(p=0.004). 또한 추천 카드(1번, 7번 카드의 평균)와 비 추천 카드(2,3,4,5,6,8,9번 카드의 평균) 사이에도 통계적으로 유의한 차이가 나타났다(p=0.001). 즉 인지적 정보 처리에서 구매 의사 결정에 강한 추천이 많은 영향을 미쳤으며, 또 추천 카드가 비 추천 카드보다 더 좋은 평가를 받았다.

Table 5.

Analysis for The Choice of Credit Card Benefit 1

Table 6.

Analysis for The Choice of Credit Card Benefit 2

3) 정서적 정보 처리와 인지적 정보 처리의 차이

실험 참여자의 실제 평가 결과 뿐 아니라, 참여자가 지각하는 추천 수용의 정도를 파악하기 위해 설문 종료 후 평가를 하는 것이 어려웠는지 물었다(1:전혀 힘들지 않았다 ~ 7:매우 힘들었다). 참여자의 응답에 대한 일원배치 분산 분석(One-Way ANOVA) 결과, 디자인 평가는 평균 3.33, 혜택 평가는 평균 4.50으로 나타나, 디자인 평가 보다 혜택 평가를 더 어렵게 느낀 것으로 확인되었다(F(1,118)=10.795, p<0.001). 또 “다른 응답자가 선택한 것을 의미하는 빨간 점이 본인의 의사 결정에 영향을 미쳤는지” 질문(1~7점)하였다. 디자인 평가에서는 평균 2.80, 혜택 평가는 평균 4.22로서, 혜택 평가에서 더 타인의 의견을 참조한 것으로 나타났다 (F(1,118)=14.625, p<0.001). 즉 정서적 정보 처리 보다 인지적 정보 처리에서 타인의 선택 정보를 더 참고한 것으로 나타났는데, 결과적으로 제시된 카드에 대한 실험 참여자의 실제 평가 결과 뿐 아니라, 추천에 대해 참여자가 느끼고 있는 영향의 정도에서도 정서적 정보 처리 보다 인지적 정보 처리에서의 추천 수용이 강하게 나타남을 확인하였다. (H1 채택)

4) 선택의 어려움과 “다수의 선택에 대한 수용”의 관계

실험 참여자가 느낀 “선택의 어려움”과 “추천 수용도” 간의 상관 분석 결과, 전체 상관 계수가 0.515로 양의 상관 관계(p<0.001)가 나타났다. 즉 대안에 대한 선택이 어려울수록 추천에 대한 수용도가 강하다고 볼 수 있다. 한편 디자인 평가와 혜택 평가를 구분하여 상관 분석을 할 경우, 디자인 평가에서는 “선택의 어려움”과 “추천 수용도” 사이의 상관계수가 0.263(p=0.043), 혜택 평가에서는 상관계수 0.665(p<0.001)으로 나타났다. 따라서 소비자가 신용카드 선택 시 ‘의사 결정에서 느끼는 어려움’과 ‘타인의 선택 정보를 참고하는 정도’ 간에는 양의 상관관계가 존재하며, 이러한 관계는 정서적 정보 처리 보다 인지적 정보 처리에서 더 강한 것으로 나타났다. (H2a, H2b 채택)

Table 7.

Summary of Hypothesis Test

Ⅴ. 결 론

본 논문은 소비자의 신용카드 발급 의사 결정 과정에서의 정보 처리를 정서적 정보 처리 과정과 인지적 정보 처리 과정으로 구분하고, 타인의 구매 정보가 이 두 영역에 각각 어떻게 다르게 작용하는지를 규명하였다. 실험 결과, 타인이 선택했던 정보를 소비자에게 제시했을 때, 이 정보를 의사 결정에 참고하고 수용하는 정도가 정서적 정보 처리 보다 인지적 정보 처리 과정에서 더 강하게 나타남을 증명하였다. 또한 구매 의사 결정에서 대안 간의 비교와 선택에 어려움을 겪을수록 타인의 선택을 더 참고하고 수용하였으며, 이러한 현상은 정서적 정보 처리 보다 인지적 정보 처리에서 더 강하게 나타남을 규명하였다.

본 연구의 결과와 시사점을 신용카드사의 마케팅에 적용할 경우 다음과 같은 효과를 기대할 수 있을 것이다. 먼저 신용카드의 기능적 혜택 측면이 강한 상품을 마케팅 할 때는 “많은 사람들이 선택한”, “제일 많이 판매된” 등과 같이 소비자 다수의 선택과 추천을 부각하면 효과적일 것이며, 카드의 기능이 복잡하게 설계된 상품일수록 그 효과가 더 클 것이다. 반면 카드의 디자인, 정서적 측면에 있어서는 다수의 선택과 추천을 암시하는 메시지보다는 고객 본인에게 특화된, 즉 개인화된 추천을 제시하는 것이 보다 효과적일 것이다.

이중 정보처리 이론에 기반하여 타인의 선택 정보 및 추천이 소비자의 추천 수용에 어떻게 다르게 작용하는지를 규명했다는 점이 본 연구의 학문적 기여라고 할 수 있다. 그럼에도 불구하고 본 논문은 결론의 일반화에 있어 한계점이 있을 수 있다. 신용카드는 실용적인 제품에 가깝기 때문에, 전형적인 “Hedonic” 제품을 대상으로 실험을 진행한다면 본 연구와 다른 결과가 도출될 가능성이 있다. 다시 말해 본 연구의 결과는 “Utilitarian”에 가까운 제품에 국한하여 해석하는 것이 타당할 것이다. 아울러 타인의 선택에 대한 소비자의 수용과 모방을 초보자와 전문가로 구분하여 비교 분석할 할 경우, 개인의 지식과 전문성이 정서적 정보 처리와 인지적 정보 처리 하의 추천 수용에 어떻게 다른 영향을 미치는지 확인할 수 있는 연구가 될 것이다.

References

• Patricia M. West, and Susan M. Broniarczyk, “Integrating Multiple Opinions: the Role of Aspiration Level on Consumer Response to Critic Consensus”, Journal of Consumer Research, 25(1), p38-51, June), (1998. [https://doi.org/10.1086/209525]
• Ilan Yaniv, Maxim Milyavsky, “Using advice from multiple sources to revise and improve judgments”, Organizational Behavior and Human Decision Processes, 103(1), p104-120, May), (2007. [https://doi.org/10.1016/j.obhdp.2006.05.006]
• Y.E Huh, J. Vosgerau, C. K. Morewedge, “Social Defaults: Observed Choices Become Choice Defaults”, JOURNAL OF CONSUMER RESEARCH, 41, p746-760, October), (2014. [https://doi.org/10.1086/677315]
• Eagly, A.H., and Chaiken, S, “The Psychology of Attitudes”, Harcourt Brace Jovanovich College Publisher, (1993).
• Baba Shiv, and Alexander Fedorikhin, “Heart and Mind in Conflict: the Interplay of Affect and Cognition in Consumer Decision Making”, Journal of Consumer Research, 26(3), p278-292, December), (1999. [https://doi.org/10.1086/209563]
• Seonyoung Shim, “A Large Number of Consumer Recommendations? or A Small Number of Friend Recommendations? : Purchasing Decision Making based on SNS”, The Journal of Society for e-Business Studies, 17(3), p15-41, (2012). [https://doi.org/10.7838/jsebs.2012.17.3.015]
• Hansen, H.R., Knotzer, N., Madlberger, M., “Empfehlungssysteme zur Verkaufsberatung im Internet. State-of-the-art und Konsumentenakzeptanz”, Wirtschaftsinformatik, 49, p50-61, (2007).
• J.S Park, “The effects of product recommendations on choice difficulty in online fashion shopping mall”, Ph.D. dissertation, The Graduate School of Seoul National University, (2016).
• Pei-Yu Chen, Shin-yi Wu, and Jungsun Yoon, “The Impact of Online Recommendations and Consumer Feedback on Sales, International Conference on Information Systems”, Twenty-Fifth International Conference on Information System, (2004).
• Hwa Dong Kim, “A Study on the Receptive Degree of Online Postscript Content Types on Purchase Intention in Internet Shopping - Focus on Purchase Situation according to Product Involvement and Risk Perception”, THE KOREAN JOURNAL OF CONSUMER AND ADVERTISING PSYCHOLOGY 1, 11(3), p579-597, (2010).
• Friedman, Hershey H., and Linda Friedman, “Endorser Effectiveness by Product Type”, Journal of Advertising Research, 19(5), October), (1979.
• Vanitha Swaminathan, “The Impact of Recommendation Agents on Consumer Evaluation and Choice: The Moderating Role of Category Risk, Product Complexity, and Consumer Knowledge”, JOURNAL OF CONSUMER PSYCHOLOGY, 13(1&2), p93-101. [https://doi.org/10.1207/153276603768344816]
• So-Hyun Park, Young-Ho Park, Eun-Young Park, “Sun-Young IhmA Study on Correlation Analysis and Preference Prediction for Point-of-Interest Recommendation”, Journal of Digital Contents Society, 19(5), p871-880, May), (2018.
• Jonathan St. B. T. Evans, “Dual-Processing Accounts of Reasoning, Judgment, and Social Cognition”, The Annual Review of Psychology, p255-278, (2008).
• Robert B. Zajonc, and Hazel Markus, “Affective and Cognitive Factors in Preferences”, Journal of Consumer Research, 9(2), p123-131, Sep.), (1982. [https://doi.org/10.1086/208905]
• Berger, C. R., and Calabrese, R. J., “Some explorations in initial interaction and beyond:Toward a development theory of interpersonal communication”, Human Communication Research, 1, p99-112, (1975).
• Zhu, F., & Zhang, X. M., “Impact of online consumer reviews on sales: The moderating role of product and consumer characteristics”, Journal of Marketing, 74, p133-148, (2010). [https://doi.org/10.1509/jmkg.74.2.133]
• Botti, Simona, and McGill, Ann L., “The Locus of Choice: Personal Causality and Satisfaction with Hedonic and Utilitarian Decisions”, Journal of Consumer Research, 37(6), p1065-78, (2011). [https://doi.org/10.1086/656570]