Korea Digital Contents Society
[ Article ]
Journal of Digital Contents Society - Vol. 24, No. 3, pp.429-442
ISSN: 1598-2009 (Print) 2287-738X (Online)
Print publication date 31 Mar 2023
Received 13 Dec 2022 Revised 03 Jan 2023 Accepted 17 Feb 2023
DOI: https://doi.org/10.9728/dcs.2023.24.3.429

카노(Kano)모델을 이용한 모바일 라이브 커머스 콘텐츠 운영 전략에 관한 연구

홍성현1 ; 박진우2, *
1KBS 탐사보도부 데이터분석가
2한양대학교 미디어커뮤니케이션학과 조교수
A Study on Mobile Live Commerce Content Operation Strategy Using the Kano Model
Sunghyun Hong1 ; Jinwoo Park2, *
1Data Analyst, Investigative News Team, KBS, Seoul 07235, Korea
2Assistance Professor, Department of Media & Communication, Hanyang University, Seoul 04763, Korea

Correspondence to: *Jinwoo Park Tel: +82-2-2220-1646 E-mail: creativejw10@hanyang.ac.kr

Copyright ⓒ 2023 The Digital Contents Society
This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-CommercialLicense(http://creativecommons.org/licenses/by-nc/3.0/) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

초록

본 연구는 모바일 라이브 커머스 콘텐츠의 서비스 품질 속성을 카노(Kano)모델을 통해 도출했다. 우선 카노 모델을 이용해 도출한 모바일 라이브 커머스 콘텐츠의 서비스 품질 속성을 분류하고, 품질 속성 간 차이를 파악할 수 있는 만족/불만족 계수를 도출했다. 또한 이용자 만족도 개선 우선 순위를 파악할 수 있는 잠재적 고객만족개선지수(PCSI)를 산출했다. 구체적 결과로 차별화된 이용 경험 제공을 위해 ‘경제성’에 해당하는 3개 품질 속성이 가장 중요한 것으로 나타났다. 또한 원활한 고객 문제 해결 노력의 ‘반응성’에 우선적으로 초점을 맞춰야 한다는 점을 분석 결과 도출했다. 이런 다양한 결과를 토대로 모바일 라이브 커머스 콘텐츠 운영에 대한 이론적/실무적 함의를 제시했다.

Abstract

This study derived the service quality attributes of mobile live commerce content using the Kano model. First, service quality attributes of mobile live commerce content, derived using the Kano model, were classified, and satisfaction/dissatisfaction coefficients were derived to identify differences between quality attributes. In addition, the potential customer satisfaction improvement index (PCSI) was calculated to identify priorities for enhanced user satisfaction. As a result, it was found that the three quality attributes corresponding to 'economic efficiency' were the most important in providing a differentiated user experience. As a result of this analysis, it was determined that the ‘responsiveness’ of smooth customer problem should be addressed first. Based on these results, theoretical and practical implications for the operation of mobile live commerce content are presented.

Keywords:

Mobile live commerce contents, Kano’s model, Quality, Customer satisfaction index, PCSI

키워드:

모바일 라이브 커머스 콘텐츠, 카노모델, 품질 속성, 고객만족계수, 고객만족개선지수

Ⅰ. 서 론

정보통신기술의 발전과 더불어 생겨난 새로운 미디어의 출현은 소비자들의 구매의 양식을 획기적으로 변화시키는 원동력이 되었다. 코로나-19란 긴 터널을 지나며 비대면 소비 경험을 비롯한 소비자 구매 패턴의 질적인 변화는 새로운 소비문화의 도래를 의미한다[1]. 이런 코로나-19로 인한 비대면 경제의 도래는 이커머스 시장의 확장과 라이브 커머스 시장의 증가로 연결되고 있다[2]. 스마트폰 하나로 공간을 넘어서 시청자들과 상호작용하며 제품을 판매하는 라이브 커머스는 비대면 경제 상황과 SNS의 활성화를 토대로 커머스 시장을 확장하는 데 중요한 역할을 하였다.

이들 라이브 커머스 채널의 플랫폼적 속성으로는 실시간 스트리밍 전송을 통한 즉시적이고 쌍방향적인 제품 정보의 제공과 함께 BJ와 이용자 간 및 이용자들 간의 상호작용성과 친밀성 등을 들 수 있다[3]. 소비자들은 쌍방향 소통을 통해 정보를 적극적으로 얻을 수 있을 뿐만 아니라 실시간 대화를 통해 즉시적인 커뮤니케이션이 가능하다는 점에서 기존의 전자상거래는 물론 홈쇼핑 채널과도 차별화된다. 대표적인 라이브 커머스 채널인 카카오 쇼핑 라이브의 경우 2020년 5월 처음 런칭한 이후, 1년 누적 시청자 5천만명, 평균 시청 횟수 14만회, 방송 한 편당 1억원의 평균 거래액을 기록하고 있으며, 경쟁 업체인 네이버 쇼핑 라이브의 “삼성전자 매직특가쇼”의 경우, 2시간 누적 조회수가 70만뷰에 달하고, 2달만의 누적 시청 횟수 2억 5천만회를 기록했다. 전술한 바와 같이 소비자들과 실시간으로 소통하며 제품을 직접 판매할 수 있고, 할인이나 사은품 등의 이벤트로 소비자 관심을 유도할 수 있는 다양한 특성 때문에 삼성, 엘지와 같은 대기업도 자체 라이브 커머스를 개설하고 있는 상황이다[3].

이런 라이브 커머스의 점증하는 관심에 발맞춰 관련한 주제에 대한 학문적 관심도 높아지고 있다. 기존 라이브 커머스 관련 연구는 크게 라이브 커머스 이용 동기 규명 및 이용 동기가 라이브 커머스 시청에 대한 참여, 만족감, 구매의도에 미치는 영향에 관한 연구[3]-[5], 라이브 커머스 방송 플랫폼의 특성에 관한 연구[6],[7], 라이브 커머스 이용자의 인지 및 행동에 영향을 미치는 사회적 요인[8]의 규명에 관한 연구 등으로 나눌 수 있다. 또한 라이브 커머스 진행자들에 대한 인식이 이용만족도와 구매의도에 미치는 영향을 규명한 연구들도 다수 존재한다[9]-[11]. 하지만 아직까지 서비스 도입 초기 단계를 지나고 있는 라이브 커머스의 플랫폼 특성을 전반적으로 조망하고, 소비자들이 어떻게 인식하는지 규명하는 연구는 거의 없는 실정이다.

라이브 커머스는 전술한 바와 같이 기존의 홈쇼핑을 비롯한 온라인 쇼핑보다 소비자의 참여가 더욱 극대화된다는 특성을 가지고 있다[12]. 또한 실시간 소통으로 인해 구매 전 상품의 정보를 좀 더 자세하게 얻을 수 있다는 점[13], AR 등의 기술을 토대로 게임 형식을 차용해 재미를 추구하며 오프라인에서 쇼핑하는 것 같은 실재감을 선사한다는 것[14]도 라이브 커머스만이 가지고 있는 차별화된 특성이라 할 수 있다. 이런 다양한 특성에 대한 소비자의 인식과 평가에 대해 알아보는 것은 라이브 커머스 업체의 콘텐츠 전략을 구사하는 데 꼭 필요한 절차라 볼 수 있다. 또한 서비스 기획자는 쇼핑 서비스에 대한 차별화, 플랫폼 자체에 대한 부분도 고려해야 한다. 이런 맥락 속에서 이용자들의 경험을 통해 총체적으로 지각되는 품질 요소에 주목할 필요가 있는 것이다. 라이브 커머스 사업자들은 기존 홈쇼핑과 온라인쇼핑과는 차별화된 새로운 맥락 속에서 서비스 품질요소를 강화해야 할 뿐만 아니라 다른 차별적인 서비스 요소를 개발하여 이용자의 만족도를 극대화 해야하는 시대적 압력에 놓여 있다.

이에 본 연구에서는 모바일 라이브 커머스 이용자들을 대상으로 모바일 라이브 커머스 서비스의 품질이 어떻게 지각되고 있는지를 규명하고자 한다. 이를 위해 제품이나 서비스의 품질 속성에 대한 소비자의 주관적 만족도를 효과적으로 측정하는 것으로 알려진 카노(Kano) 모델을 적용하여 모바일 라이브 커머스의 품질 요인을 도출하고자 한다. 카노(Kano) 모델은 제품·서비스 이용자의 주관적 ‘만족-불만족’ 정도를 일차원적으로 측정하는데 머물렀던 기존의 품질측정도구와는 달리 ‘만족-불만족’ 차원에 제품·서비스가 제공하는 객관적 품질 요소의 ‘충족-불충족’ 차원을 이원적으로 결합함으로써 품질 요소와 만족도를 동시에 고려해 이용자의 품질지각요소를 총체적으로 규명할 수 있다는 장점이 있으며, 도출된 품질 요소에 따른 입체적인 개선점 도출이 용이해 실무적 유용성도 크다. 반면, 빈도수 기반의 품질요소 분류 방법으로 인해 분류의 타당성이 낮고, 분류된 품질 요소간 특성의 정도 차이가 고려되지 않는다는 한계점 역시 존재한다. 이에 Timco의 만족계수 및 잠재적 고객만족 개선지수(PCSI)를 추가적으로 분석하여 최대한 이를 보완하고자 하였다. 이를 통해 본 연구가 산업현장의 변화와 관련 연구 간의 간극을 메우고 모바일 라이브 커머스에 대한 이해를 넓히는 것에 일정부분 기여할 것을 기대한다.


Ⅱ. 이론적 배경

2-1 라이브 커머스의 특성

라이브 커머스는 실시간 개인 방송과 전자상거래라는 플랫폼이 결합된 새로운 커머스 방식으로서 실시간 상호작용, 엔터테인먼트, 소셜 활동 및 전자 상거래 환경을 제공하기 위한 라이브 스트리밍 기술 및 공간, 인프라가 포함된다. 라이브 커머스에서의 실시간 상호작용을 통해 시청자는 풍부한 제품 정보를 제공하는 고품질 쇼핑을 경험할 수 있을뿐만 아니라 스트리머와의 준 사회적 상호작용을 통해 친밀감을 생성한다. 해외의 경우 Amazon과 QVC 같은 주요 소매 업체들이 2019년에 자체 라이브 비디오 쇼핑 플랫폼의 운영을 시작했고, 중국은 2019년 8월에 최대 4억 3300만명의 실시간 스트리밍 시청자를 확보했다[15]. 라이브 커머스는 특히 중국에서 큰 호응을 얻고 있는데 현재 중국의 대표적인 라이브 커머스 플랫폼인 타오바오(Taobao)의 경우, 1일 기준 2,000회 이상 방송이 진행되며 누적 시청자 수가 이미 1천만명을 넘어섰다. 중국의 경우는 한국과 달리 개인 방송 진행자이자 판매자라 할 수 있는 ‘왕홍’에 의해 시장이 주도되고 있으나 한국의 경우 기업이 주도하는 양상을 띈다[3]. 한국인터넷진흥원에 따르면 국내 라이브 커머스는 참여하고 있는 주체에 따라 크게 네이버, 카카오 등 ‘전통 플랫폼 사업자’, 쿠팡 등 ‘쇼핑 플랫폼 사업자’, 롯데 홈쇼핑 등 전통적인 ‘홈쇼핑 사업자’, 그립, 잼라이브 등의 ‘라이브 커머스 전문 플랫폼’ 등 4가지 유형으로 구분된다[16]. 비대면 소비 선호의 확산과 함께 핵심 판매 채널로 급부상한 국내 라이브커머스 시장 규모는 2020년을 기준으로 3조 규모로[16], 2025년에는 시장성장률을 보수적으로 가정하더라도 약 10조 2천억원 규모로 성장할 것으로 추정되며, 폭발적 성장 시 최대 시장규모는 약 25조 6천억원까지 성장할 것으로 전망된다[17]. 더욱이 상위 라이브 커머스의 구매 전환율은 20%로 전통적인 전자상거래(0.37%)나 소셜 커머스(6~10%) 대비 높은 편이다[16].

그러나 라이브 커머스는 상대적으로 새로운 현상이기 때문에 산업적 잠재력에 비해 관련 연구는 아직 제한적이다. 이들 연구들은 주로 라이브 커머스의 이용이나 구매 행위에 미치는 영향요인 또는 이용 동기의 규명 등에 초점이 맞춰져 있다. 이를 살펴보면 우선 라이브 커머스를 이용하는 동기로는 ‘제품 시연’(product demos), ‘제품 정보’, ‘라이브스트리밍에 대한 흥미’, ‘상호작용’, ‘편의성’, ‘갖고 싶은 제품’(hype), ‘리뷰나 의견’, ‘가격할인’ 등의 항목들이 개방형 설문을 통해 확인되었다[18]. 또한, 라이브 스트리머가 이용자의 검사를 대신해주는 ‘제품 검사의 대체 가능성’과 ‘상호작용’의 즐거움, ‘트랜드’에 앞서 나가려는 동기 등이 추가로 검증되었다[5].

한편, 기술수용모형(TAM)을 적용하여 사용자의 라이브 커머스 이용행위에 영향을 미치는 요인을 규명한 연구에서는 ‘인지된 유용성’(perceived usefulness)과 ‘인지된 재미’(perceived fun), ‘몰입 경험’(Immersive experiences)이 태도를 매개로 이용 의도에 미치는 간접적인 영향력이 검증되었다[19].

라이브 커머스를 통한 제품구매의도에 영향을 미치는 요인으로는 플랫폼의 특성 요인인 ‘오락성’과 ‘정보성’, BJ의 특성 요인인 ‘진실성’과 ‘매력성’이 구매의도에 유의한 영향을 미치고 있었다[3]. 또다른 연구에선 S-O-R 모형을 통해 라이브 커머스 구매행위의 영향 요인을 검증하였는데 스트리머(진행자)의 ‘매력’ 및 스트리머와의 ‘준사회적 상호작용’, 제공되는 ‘정보의 품질’이 ‘인지적 동화’와 ‘각성(arousal)’을 매개로 충동적 소비와 쾌락적 소비 및 소셜 플랫폼을 통한 공유에 모두 정적인 영향을 미치고 있었다[15]. 라이브 커머스에서의 제품 재구매 의도에 대해서도 연구되었는데, ‘인지된 제품 품질’, ‘인지된 오락성’, ‘인지된 상호작용성’, ‘인지된 전문성’, ‘인지된 유사성’ 등은 이용자의 소비자 만족도를 통해 간접적으로 재구매 의도에 정적인 영향을 미치고 있었다[20].

이상의 연구결과들은 라이브 스트리밍 서비스를 사용하여 이용자의 감각 구성 요소를 높이고 상품 시연 등 정보 제공을 강화하며, 적절한 상호작용과 엔터테인먼트 요소를 제공하는 것이 라이브 커머스의 이용 및 이를 통한 구매의 주요 동인으로 작용한다는 것을 보여준다.

2-2 라이브 커머스 서비스 품질 요인

라이브 커머스는 전술한 바와 같이 기존 TV홈쇼핑, 이커머스, 소셜커머스 등 다양한 채널의 특성을 포함해 개인방송처럼 진행하는 새로운 채널이라 설명할 수 있다[21]. 그렇기 때문에 라이브 커머스 서비스 품질 요인 도출을 위해선 기존에 연구되어 온 전통적 TV홈쇼핑 등과 함께 개인 방송과 같은 매체의 서비스 품질 요인들을 살펴볼 필요가 있다.

일반적으로 서비스 품질이란 “서비스 제공자로부터 제공된 서비스의 품질수준과 고객이 서비스를 수요하기 전에 기대하는 기대수준이 얼마나 잘 일치되는지에 대한 평가 정도”라고 정의할 수 있다. 즉, 서비스 품질은 서비스 수요자의 인식과 판단에 의해 결정되는 것이다. 제공되는 서비스가 고객이 가지는 기대 수준에 일치하거나 기대 수준을 초과할 경우 서비스 품질이 우수하다고 할 수 있다[22]. 서비스의 품질은 서비스 기업이 생존하는 기반이 되며, 장기적 경쟁요소이며[23], 어떻게 하면 서비스 제공자가 창출하는 서비스 품질을 정확히 측정하고 효과적인 관리와 개선에 대해 관련 분야의 학자 또는 실무자들은 큰 관심거리이다[24]. 한 연구에서는 서비스 품질을 제품이나 서비스의 전반적 우수성이나 탁월성에 대한 판단으로 정의 내렸다[25]. 또한 서비스 품질은 고객만족과 재구매의도의 선행요인으로 연구되어왔다[26].

이런 맥락에서 서비스 품질을 측정하기 위해 SERVQUAL 척도를 개발한 연구가 존재한다[27]. 이는 서비스품질의 결정요인을 10가지 차원(‘신뢰성’, ‘반응성’, ‘능력’, ‘접근성’, ‘예절성’, ‘의사소통’, ‘신뢰성’, ‘안전성’, ‘고객이해’, ‘유형성’)으로 제시하는 척도인데 모든 요인이 독립적이지 못하다는 비판에 따라 후속 연구를 통해 ‘유형성’, ‘신뢰성’, ‘반응성’, ‘확신성’, ‘공감성’ 등의 5가지 차원으로 수정하였다[28]. SERVQUAL 척도는 폭넓은 분야의 서비스에 일반적으로 적용될 수 있다는 장점이 있지만, 어떤 특정 서비스의 고유한 차원에 대하여는 적확한 적용이 어렵다는 단점을 가지기도 한다[24]. 이에 따라 또 다른 연구에서는 SERVQUAL 척도를 수정하여 소매점 서비스의 품질을 측정하기 위한 R(retail)-SERVQUAL 척도를 개발하였는데 이는 ‘물리적인 특성’, ‘신뢰성’, ‘상호작용’, ‘문제해결’, ‘정책’ 등의 5개 차원의 총 28개 항목으로 구성되어 있다[29]. 하지만 SERVQUAL 또는 R-SERVQUAL 척도는 다양한 서비스 분야의 품질평가 연구에서 많이 적용되고 있으나 오프라인상의 서비스 품질 측정 도구이므로 이것을 온라인 상황에 그대로 적용하기에는 한계가 있다.

한편 전술했던 바와 같이 라이브 커머스 서비스 품질평가 요소를 도출하기 위해선 콘텐츠 측면에서 유사한 측면이 있는 홈쇼핑 방송의 품질평가 요소에 대한 연구를 살펴볼 필요가 있다. 관련 선행연구들에서는 앞서 살펴본 SERVQUAL를 비롯한 다양한 지수들을 목적에 따라 결합 및 재구성하여 사용하고 있다. 관련하여 R-SERVQUAL 척도 및 정보품질(IQ; Information Quality) 척도, 인터넷 쇼핑 사이트 품질 인식(Perceived Quality of an Internet Shoping Site; PQISS) 척도, 한국방송(KBS; Korea Broadcasting Station)의 공익성 지수(Public Service Index; PSI) 등을 결합하여 ‘정보’, ‘신뢰’, ‘공감’, ‘거래’, ‘상호작용’의 5가지 차원으로 구성되는 홈쇼핑 서비스 품질 척도를 개발한 선행연구가 있다[30]. 또한 SERVQUAL 척도의 측정항목을 포함한 기존문헌의 검토를 통해 TV홈쇼핑의 서비스 품질 척도로 ‘반응성’, ‘확신성’, ‘가격’, ‘신뢰성’, ‘편리성’, ‘부정성’, ‘안전성’, ‘오락성’의 8개 차원으로 구성되는 40개 항목을 개발한 연구도 있다[31]. 한편 R-SERVQUAL 척도를 기초로 하여 ‘확신성’, ‘신뢰성’, ‘편리성’, ‘부정성’, ‘안전성’의 5개 차원으로 홈쇼핑 방송 서비스 품질을 측정하고 이것이 구매 만족도와 고객 충성도에 미치는 영향력을 확인한 선행연구도 이뤄졌다[32].

이상의 홈쇼핑 방송 서비스 품질 측정 연구들은 기본적으로 서비스 품질을 측정하는 SERVQUAL 척도에 기반하고 있으나, 여기에 온라인 상황을 반영하기 위한 IQ, PQISS, Perceived Usefulness and Ease Use (PUEU) 척도 등과 방송을 매개로 하는 홈쇼핑의 특성을 반영하기 위해 방송 프로그램 품질 지수 등을 결합하여 재구성하고 있다. 하지만 홈쇼핑 방송은 라이브 커머스와는 플랫폼적 특성에서 큰 차이를 보이기 때문에, 플랫폼 특성을 반영할 수 있는 품질 요인 도출이 필요하다. 이를 위해선 인터넷방송, 개인방송, OTT 등 플랫폼 서비스 품질을 측정한 다양한 인접 분야의 품질 관련 선행연구 역시 살펴볼 필요가 있다.

대표적으로 SERVQUAL 및 R-SERVQUAL 척도와 더불어 쇼핑 웹사이트 품질 척도인 PQISS와, 정보시스템 수용 요소를 적용한 PUEU 척도, 인터페이스 만족도 측정을 위한 Questionnaire for User Interface Satisfaction (QUIS) 척도 등을 선택적으로 사용하여 인터넷 방송 서비스 품질 측정도구를 개발한 연구를 들 수 있다[24]. 이는 ‘정보’, ‘디자인 심미성’, ‘시스템 인터페이스’, ‘신뢰성’, ‘의사소통’, ‘시스템 안정성’ 등의 6개 차원으로 구성된다.

한편 IQ 척도를 적용하여 개인 먹방 채널의 콘텐츠 품질을 측정한 연구에서는 정보를 이용함으로써 수용자가 얻을 수 있는 이점을 의미하는 ‘가치성’, 수용자의 관심 분야 일치성에 해당하는 ‘관련성’, 정보의 기록과 갱신이 적절한지의 ‘적시성’, 정보의 깊이와 넓이를 나타내는 ‘충실성’ 등으로 구성된다고 밝혔다[33]. 이와 함께, 크리에이터의 속성으로 ‘신뢰성’, ‘전문성’, ‘매력성’, ‘친밀성’, ‘유사성’ 등을 제시하였다. 이윤선과 동료들은 유튜브를 대상으로 1인 미디어 서비스 품질을 측정하였는데 이는 SERVQUAL 및 PUEU 척도를 재구성한 것이다[34]. 이를 통해 콘텐츠 품질의 속성으로 ‘유형성’, ‘신뢰성’, ‘확신성’, ‘반응성’ ‘공감성’, ‘상호작용성’, ‘흥미성’, ‘이해용이성’의 하위차원을 구성하였고, 플랫폼 품질의 속성으로 ‘유형성’, ‘신뢰성’, ‘확신성’, ‘공감성’, ‘사용용이성’, ‘다양한 가능성’ 등의 하위차원을 구성하였다. 또한, 박재석과 동료들은 스포츠 스트리밍 방송 플랫폼의 서비스 품질 요소로서 ‘정보성’, ‘반응성’, ‘신뢰성’, ‘이용용이성’, ‘상호작용성’ 등을 사용하였다[35]. 이외, 김국선과 이종호는 소셜 커머스의 서비스 품질 요인으로 선행연구에서 사용된 항목들을 수정하여 ‘정보성’, ‘상품다양성’, ‘소통가능성’, ‘반응성’, ‘가격성’ 등의 측정항목을 구성한 바 있다[36]. 이런 다양한 선행연구들에서 공통적으로 강조되고 있는 품질평가 요소들은 크게 정보성, 신뢰성, 정확성, 매력성, 공감성, 상호작용성, 안전성, 흥미성, 제작 완성도 등의 항목들로써 다양한 플랫폼에 걸쳐 추출되고 있는 품질 요소들이다. 따라서, 이를 라이브커머스 품질 측정을 위한 기본적인 요소들로 상정할 수 있다. 하지만 기존의 품질측정 도구들은 소비자의 만족-불만족 정도만을 규명할 수 있다는 한계가 있어, 여기에 제품-서비스가 제공하는 충족-불충족 요인을 결합하여 보다 입체적인 이해가 가능한 카노(Kano) 모델을 적용하고자 한다.

2-3 카노(KANO) 모델

카노와 동료들에 따르면 소비자들이 지각하는 품질은 만족-불만족 정도에 따른 일차원적인 인식이 아니라 제품이나 서비스에서 어떤 만족 요소가 제공되었는지를 함께 고려하여야 한다[37]. 이를 체계화한 것이 카노(Kano) 모델인데 소비자가 인지한 만족, 불만족이라는 주관적인 차원과 함께 소비자의 기대사항에 대해 제공된 충족, 불충족의 객관적인 차원을 동시에 고려하는 이차원적인 인식방법이다[38]. 카노모델이 다른 품질 모델과 대조되는 주요 차이점은 제품/서비스의 속성 수준 성능과 전체 고객 만족도(Overall Customers Satisfaction: OCS) 사이의 비선형 및 비대칭 관계의 존재 가정에 기반한다는 것이다[39].

카노 모델은 매력적(Attractive; A) 요소, 일원적(One dimensional; O) 요소, 당연적(Must be; M) 요소, 무관심(Indifferent; I) 요소, 역품질(Reverse Quality; R) 요소의 5가지의 차원으로 품질 유형을 구분한다. 이 중 매력적 요소(A)는 소비자가 미처 기대하지 못한 요소 또는 기대를 했더라도 기대 수준 이상의 충족을 제공하여 감동이나 큰 만족감을 주는 요소이다. 이는 제공되지 않더라도 불만을 유발하지는 않지만 제공될 경우 고객만족의 획득인자로서 경쟁사와의 차별화 요인을 제공한다.

다음으로 일원적 요소(O)는 충족 정도가 커질수록 만족도가 증가하고 작을수록 감소하는 것으로 선형적 관계의 전통적인 품질 개념에 해당한다. 이는 소비자가 관련 제품이나 서비스에 대해 전형적, 상시적으로 기대하는 품질 요소에 해당한다.

당연적 요소(M)는 최소한 기본적으로 갖춰져야 할 것으로 여겨지는 품질요소로서 충족이 되더라도 큰 만족감을 주지는 못하지만 그렇지 않을 경우에는 불만족을 유발한다. 이 요소는 소비자 불만족의 제거 또는 예방 요소에 해당한다.

무관심 품질 요소(I)는 충족이 되든 그렇지 않든 간에 큰 관심이 없어 만족이나 불만족을 야기하지 않는 요소이다. 이 요소는 품질 관리에 있어 비효율적인 요소에 해당한다.

역 품질 요소(R)는 일원적 요소의 반대 개념으로서 충족이 되고 있어도 불만족을 유발하고, 불충족되었어도 만족을 주는 품질요소이다. 이는 생산자와 소비자간 상정하는 품질 요소가 서로 상이할 때 발생한다. 아래의 그림 1은 이상의 다섯 가지 품질 요인 간의 관계를 도식화한 것이다[37].

Fig. 1.

Kano’s Quality Model

카노의 품질 모델은 1984년에 도입된 이래 다양한 산업 분야의 많은 마케팅 실무자와 연구자들의 관심을 끌면서 가장 인기 있는 서비스 품질(Service Quality; SQ) 도구 중 하나로 발전했으며, 수많은 연구를 통해 성공적으로 구현되고 경험적으로 검증되었다[39]. 커머스 서비스의 경우에도 카노 모델이 적용된 연구가 일부 진행되었는데 박준용과 신민수는 카노 모델과 평균만족계수(Average Satisfaction Coefficient; ASC)를 기반으로 TV 기반 상거래의 고객 품질 속성의 만족도를 분석하였다[40]. 이에 따르면 쇼핑호스트, 생방송, 양방향성, 편리성, 반응성, 유희성 등의 속성 요인은 개선 시 고객 만족에 미치는 영향이 악화 시 고객 불만에 미치는 영향보다 더 큰 속성인 매력적 경향이 있는 일원적(O) 속성으로 선정되었다. 한편, 최병돈과 김진민은 카노 모형과 계층분석기법(Analytic Hierarchy Process; AHP)을 결합하여 소셜 커머스 서비스 품질의 우선순위를 도출하였다[41]. 이에 따르면 소셜 커머스의 서비스 품질로 일원적 품질요소가 가장 많이 나타났는데 특히 상품 정보의 정확성이 가장 중요한 요인으로 나타났다. 이외 다양한 가격대, 다양한 상품군, 빠른 배송 등이 중요한 속성으로 파악되었다. 한편, 배송 서비스의 경쟁력 강화는 매력적인 품질요소로서 다른 기업과 차별화된 서비스를 제공할 수 있는 전략으로 유효함이 입증되었다.

2-4 팀코의 고객만족계수 및 잠재적 고객만족 개선지수(PCSI)

카노 모델에서 품질 속성은 해당 품질 요소가 충족되었을 경우인 긍정적 질문과 충족되지 않았을 경우인 부정적 질문에 대한 각각의 질문에 대한 조합을 통해 결정된다. 이는 표 1과 같다.

Classification of Quality Factors According to the Kano’s Model

이처럼 카노(Kano) 모델에서는 소비자가 지각한 만족도의 정도 및 제공된 품질 요소의 성격에 따라 품질 특성을 분류하고 있지만, 응답결과에서 최빈값을 가진 요소를 하나의 품질요인으로 결정하기 때문에 6개의 카노 모델에 따른 품질 속성 간 아주 적은 빈도수의 차이만으로도 특정한 품질 속성으로 분류될 수 있다. 또한, 빈도수를 통해 품질 요소를 분류한 이후 해당 품질 요소의 지수가 낮은 지 높은 지를 알 수 없다는 한계가 있다. 이러한 문제점을 보완하기 위해 팀코는 카노 모델의 각 품질 요소들을 이용해 고객의 만족과 불만족의 상대적인 영향정도를 산출하는 고객만족계수를 개발하였다[42]. 이에 따르면 각 요소들에 대해 Better(만족계수)와 Worse(불만족계수)가 각각 산출되는데, 만족계수가 높은 항목들은 이용자 만족 향상에 관계되며 0~+1의 값을, 불만족계수가 높은 항목들은 이용자 불만 예방 및 감소에 관계되며 –1~0의 값을 갖는다. 표 2는 팀코가 제시한 만족, 불만족 계수의 산출 공식이다.

Timco’s Customer Satisfaction Coefficient Calculation Formula

팀코의 만족계수는 최빈값으로만 설정되는 기존 서비스품질속성 분류 방법의 단점을 보완할 수 있다. 또한, 이를 통해 다양한 고객만족 관리 전략을 구성할 수 있다는 장점이 있다. 이때 각 품질 속성의 불만족 계수를 X축, 만족 계수를 Y축으로 설정한 후 각각의 평균값을 통해 이를 좌표 상에서 보다 직관적으로 분류할 수 있는데 이는 그림 2와 같다[42],[43].

Fig. 2.

Classification of Quality Attributes Using Timko’s Customer Satisfaction Coefficient

그러나 이 역시 특정 제품이나 서비스에 관련된 현재의 고객만족 수준을 알 수 없다는 한계점이 있어서 잠재적 고객만족 개선지수(Potential Customers Satisfaction Improvement Index; PCSI)가 추가로 제안되었다[43],[44]. 이는 고객 만족/불만족 계수에 현재 소비자의 만족 상태를 추가하여 고객의 요구사항이 충족되었을 경우 만족도가 얼마나 더 개선될 수 있는지 파악하기 위한 것이다.

이를 산출하기 위해 설문을 통해 현재의 만족 수준에 대한 척도를 추가로 구성하고, 측정함으로써 고객이 느끼는 만족 수준의 위치가 만족 계수와 불만족 계수 사이의 어디에 위치하는 가에 대한 고객 만족 위치(P)를 산출한다. 이후 현재의 만족 위치(P)와 만족계수(S)간의 거리를 산출함으로써 잠재적 고객만족 개선지수(PCSI)를 구할 수 있는데 이를 통해 각 품질속성의 현재 만족도 대비 추가적으로 개선이 가능한 만족도의 범위를 알 수 있다. 표 3은 잠재적 고객만족지수를 산출하는 공식으로 이를 통해 도출된 지수는 0~2 사이의 값을 가진다. 예를 들어 0은 현재 만족위치(P)와 고객만족계수(S) 간의 거리가 0인 것으로 해당 품질 속성에 대해서는 더 이상 개선할 수 없을 정도로 완벽하게 만족하고 있는 상태를 의미한다. 반면, 2는 해당 품질 속성에 대해서는 완벽하게 불만족하고 있는 상태로서 이를 개선 시 상대적으로 고객 만족도의 증가에 크게 기여할 수 있다.

Potential Customer Satisfaction Improvement Index (PCSI)


Ⅲ. 연구 문제 및 방법

3-1 연구 문제

현재 모바일 라이브 커머스와 관련한 선행 연구가 초기 단계이므로 탐색적으로 모바일 라이브 커머스 품질 요소를 도출하고자 한다. 이를 위해 제품이나 서비스의 품질 속성에 대한 소비자의 주관적 만족도를 효과적으로 측정하는 것으로 밝혀진 카노 모델을 적용하여 모바일 라이브 커머스 품질 요소의 다차원적 구조를 규명하고자 한다. 또한 본 연구는 최빈값에 의해 품질 요소가 분류되는카노 모델의 한계를 보완하기 위해 팀코의 만족계수를 산출한 이후, 현재의 만족도 수준과의 대비를 통한 잠재적 고객만족 개선지수의 산출을 하고자 한다. 이를 통해 이용자 만족도 제고를 위한 전략적 함의를 제공하고자 하며, 산업 현장에서 활용할 수 있는 실용적 시사점을 도출할 수 있다. 이를 위해 다음과 같은 연구문제를 설정하였다.

연구문제 1. 모바일 라이브 커머스의 품질 요소는 어떻게 분류될 수 있는가?

연구문제 2. 모바일 라이브 커머스의 고객만족계수는 어떠한가?

연구문제 3. 모바일 라이브 커머스의 잠재적 고객만족 개선지수는 어떠한가?

3-2 연구 방법

카노 모델의 적용에 앞서 측정 요소를 선정하기 위해 광범위한 문헌조사를 실시하였다. 이를 위해 라이브커머스 뿐만 아니라 전통적인 TV 홈쇼핑 방송 및 OTT와 개인 미디어 등 인접 분야의 품질 및 이용자 만족도와 관련한 선행 연구에서 사용된 측정 요소들의 검토 및 선별 작업을 통해 모바일 라이브 방송의 맥락에 적합한 품질 요인을 추출, 재구성하였다. 또한, 라이브 커머스 이용 경험이 있는 대학원생 19명을 대상으로 라이브 커머스 이용 시 만족/불만족 요소에 대한 개방형 사전 조사를 추가적으로 실시해 본 문항에 사용될 문항을 최종적으로 추출하였다.

검토된 문헌들은 다양한 연구들에서 공통적으로 사용된 빈도가 높은 신뢰성, 반응성, 공감성, 유형성, 정보성 등의 요소와 항목을 우선적으로 추출하였다. 또한, 라이브 커머스에서 상대적으로 강조되고 있는 차별적 품질 요소 항목인 경제성, 유희성, 상호작용성 등의 항목을 추가하였으며, 플랫폼의 사용성에 따른 기술적 품질을 반영하기 위한 플랫폼 안정성, 플랫폼 사용성 등의 항목을 추가하여 모두 10개의 항목에 대해 총 30개의 품질 요소를 추출하였다. 이와 함께 PSCI 산출을 위해 네이버 및 카카오의 모바일 라이브 커머스에 대해 각각 현재 지각하는 만족도를 리커트 5점 척도로 측정하는 문항을 추가하였다. 또한 추가적인 분석을 위해 모바일 라이브 커머스 관련 태도와 이용 및 추천의향을 리커트 5점 척도로 측정하는 문항 역시 추가하였다.

이후 최종 선정된 품질 요소 항목 및 추가된 문항들을 토대로 온라인 설문조사를 실시하였다. 이때 연구 대상으로 본 연구는 네이버 및 카카오 등 전통 플랫폼 사업자의 라이브 커머스의 품질 요소로 한정하였다. 이는 전통적인 플랫폼 사업자, 홈쇼핑 등 유통 사업자, 이커머스 사업자 등 다양한 주체들이 참여하는 라이브 커머스의 특성상 각 플랫폼별 특성이나 주 이용층, 이용자가 지각하는 품질 요소 등에 차이가 있을 수 있기 때문이다. 때문에 대규모 이용자를 보유하고 있어 국내 라이브 커머스 시장에 진출하는 유형으로 선두에 서 있는 것으로 평가받고 있는 네이버와 카카오의 모바일 라이브커머스 이용자를 대상으로 설문조사를 실시하였다[7]. 설문조사는 2022년 8월 13일부터 8월 18일까지 모바일 설문조사 전문 업체인 엠브레인을 통해 웹 기반 조사를 실시하였으며, 네이버나 카카오에서 제공하는 모바일 라이브 커머스 서비스 중 적어도 하나 이상을 이용한 경험이 있는 응답자 321명을 표본으로 하였다.


Ⅳ. 연구 결과

4-1 응답자 특성

본 연구의 설문 응답자는 모두 321명으로 네이버 혹은 카카오에서 제공하는 모바일 라이브 커머스 이용 경험이 있는 응답자로 구성되었다. 이들 중 네이버 모바일 라이브 커머스 이용 경험이 있는 응답자는 97.5%, 카카오 모바일 라이브 커머스 이용 경험이 있는 응답자는 67.9%였다. 또한, 응답자의 90.7%는 최근 한 달 이내 네이버 또는 카카오의 모바일 라이브 커머스 이용 경험이 있었다.

인구통계학적 특성으로 성별로는 남성이 50.8%, 여성이 49.2%였다. 연령대별로는 20대 31.8%, 30대 34.3%, 40대 34.0%였다. 학력별로는 대학(교) 재학 이상이 90.7%, 고등학교 졸업 이하가 9.3%였다. 가구소득별로는 월 400만원 미만이 54.5%, 월 400만원 이상이 45.5%였다. 직업별로는 사무/기술직이 50.5%로 가장 많았다.

4-2 모바일 라이브 커머스의 품질속성 분류

카노 모델을 적용하여 모바일 라이브 커머스의 품질 속성을 분류한 결과는 표 4와 같다. 전체 30개의 항목 중 일원적 품질 속성이 16개 항목으로 가장 많았고, 다음으로 매력적 품질 속성이 8개 항목, 무관심 품질 속성이 6개 항목으로 나타났다.

Classification of Quality Attributes of Mobile Live Commerce

이 중 일원적 품질 속성으로는 ‘신뢰성’(3개), ‘플랫폼 안정성’(3개), ‘플랫폼 사용성’(3개) 등의 요소에 해당하는 모든 항목 들에서 나타났으며, 이외 ‘반응성’(2개), ‘공감성’(2개), ‘정보성’(2개), ‘상호작용성’(1개) 등의 요소에서도 나타났다. 개별 속성의 응답 빈도별로는 특히 ‘고객 문제 해결에 최선을 다한다’(N=202)는 품질 요소에서 일원적 속성이라는 응답이 가장 많았으며, 이는 ‘반응성’에 해당한다.

일원적 품질 속성으로 분류된 이상의 요소들은 이용자들이 전형적으로 기대하고 있는 만족 요소로서 서비스 제공 수준의 향상에 따라 만족도가 향상될 수 있지만 미충족시 불만을 야기하는 항목들이다. 따라서, 반품 및 교환 처리를 비롯해 고객이 당면한 문제에 대한 원활한 처리, 거짓 및 과장이 없는 상품 정보의 제공과 약속한 시간 내의 배송, 원활한 접속과 신뢰할 수 있는 보안 시스템 등 안정적인 플랫폼 운영, 이용하기 쉽고 접속이 빠르며 구매 및 결제가 간편한 모바일 앱 등의 요소는 고객 만족도를 향상시키기 위한 기본적인 조건들이라 할 수 있다.

한편, 매력적 품질 속성은 ‘경제성’(3개)에 해당하는 모든 요소들에서 나타났는데 ‘저렴한 상품 가격’ 및 ‘가격 할인 혜택’과 ‘쿠폰, 적립금, 사은품 등의 부가 혜택’ 등의 요소 등이 이에 해당한다. 이외 ‘흥미로운 상품, 콘텐츠’, ‘생동감 있는 진행’ 등 ‘유희성’(2개)에 해당하는 품질 요소들과, ‘공감성’(1개) 항목에 해당하는 ‘관심, 취향을 반영하는 상품 구성’, ‘정보성’(1개) 항목에 해당하는 ‘상품에 대한 생생한 정보 제공’, ‘상호작용성’(1개) 항목에 해당하는 ‘진행자의 적극적 반응’ 등의 요소에서도 나타났다. 개별 요소의 응답 빈도별로는 특히 ‘쿠폰, 적립금, 사은품 등의 부가 혜택’(N=158)과 ‘제품 가격 할인 혜택’(N=157) 등의 품질 요소에서 매력적 속성이라는 응답이 많았으며, 이는 모두 ‘경제성’ 요소에 해당한다. 이상의 품질 요소들은 고객의 차별적 만족 획득 인자로서 충족시켰을 경우 차별화된 이용 경험과 경쟁력을 확보할 수 있다.

마지막으로 무관심 품질 속성으로는 ‘유형성’(3개)에 해당하는 모든 요소들이 해당하였는데 ‘진행자의 매력’, ‘세련된 화면 구성’, ‘모바일 앱 메뉴의 시각적 배열’ 등이 이에 해당한다. 이외 ‘반응성’(1개)에 해당하는 ‘방송 시간의 사전 안내, 제공’, ‘상호작용성’(1개)에 해당하는 ‘이용자들 간의 활발한 대화’나 ‘유희성’(1개)에 해당하는 ‘채팅 등의 즐거움’ 등이 이에 해당한다. 개별 요소의 응답 빈도별로는 특히 ‘진행자의 매력’(N=210) 품질 속성에서 무관심 품질 속성이라는 응답이 가장 많았으며, 이는 모두 ‘유형성’에 해당한다. 이들 품질 속성들은 고객 욕구의 충족 여부가 만족도 향상에 큰 영향을 미치지 않는 속성들이다.

4-3 모바일 라이브 커머스의 고객만족계수

이상의 카노 모델에 따른 품질 속성 분류는 전술한 바와 같이 최빈값을 기준으로 해당 요소의 품질 속성을 구분하기 때문에 각 품질 속성 간의 빈도수 차이가 반영되지 않고, 분류된 품질 속성의 지수가 어떤 위치에 있는 지를 알 수 없다. 또한, 아주 근소한 빈도의 차이만으로도 특정한 품질 속성으로 분류될 수 있어 충분한 타당성이 확보되지 않을 수 있다. 따라서, 이러한 한계를 극복하기 위해 제안된 팀코의 고객만족 및 불만족계수를 통해 품질 속성을 재분류하였다. 고객만족계수는 고객이 제품이나 서비스를 접했을 때 충족 요소가 제공/미제공에 따라 고객의 만족/불만족 정도가 어느 정도 높아지거나 낮아질 수 있는지를 파악한 계수이다. 고객만족 및 불만족 계수는 팀코가 제시한 공식에 의거하여 산출하였는데[42], 이는 표 2에서 제시하였으며, 그 결과는 표 5와 같다.

Classification of Quality Attributes by Customer Satisfaction Factor

이를 살펴보면 만족 계수의 평균은 0.586, 불만족계수의 평균은 –0.471로 나타났다. 만족 계수 중에서는 특히 ‘제품 가격 할인 혜택’(0.801)에서 가장 높았으며, 다음으로 ‘쿠폰, 적립금, 사은품 등 부가혜택’(0.776), ‘고객 문제 해결 정도’(0.758), ‘저렴한 상품 가격’(0.750) 등의 품질 속성이 상대적으로 만족 계수가 높았다. 반면, 불만족 계수 중에서는 ‘거짓 없는 정보’(-0.782), ‘반품, 교환의 원활한 처리’(-0.781) 등의 품질 요소가 상대적으로 불만족 계수가 높았다. 고객 만족 계수 및 불만족 계수의 평균을 기준으로 각 품질 속성을 재분류한 결과는 그림 3과 같다.

Fig. 3.

Classification of Quality Attributes According to Satisfaction/Dissatisfaction Coefficient

분류 결과 ‘일원적’(9개) 속성이 가장 많았으며, 다음으로 ‘무관심’(8개), ‘매력적’(7개), ‘당연적’(6개) 등의 순으로 분류되었다. 이를 응답 빈도에 따른 품질 속성 분류와 비교하면 모두 9개의 속성이 차이를 보였는데, 일원적 속성으로 분류되었던 품질 요소 들 중에서 ‘거짓 없는 정보의 제공’, ‘솔직한 상품 소개’, ‘고객 의견, 불만 제기의 다양한 통로 제공’, ‘주문 및 결제 과정의 안정성’, ‘보안 시스템의 신뢰성’, ‘모바일 라이브 방송 접속의 안정성’ 등의 품질 요소들이 모두 당연적 속성으로 분류되었다. 또한, 일원적 속성으로 분류되었던 ‘상품에 대한 다양한 정보의 제공’ 요소는 매력적 속성으로 분류되었다. 한편, 매력적 속성으로 분류되었던 ‘시연 등을 통한 생생한 정보의 제공’과 ‘생동감 있는 방송 진행’은 무관심 속성으로 분류되었다. 이처럼 빈도수 기준으로는 나타나지 않았던 ‘당연적’ 속성이 새롭게 나타났다. 또한, 일부 ‘일원적’ 속성은 ‘매력적’ 속성으로 분류된 반면 일부 ‘매력적’ 속성은 ‘무관심’ 속성으로 분류되어 빈도수에 기반한 품질 속성과는 차이를 나타냈다. 이외 나머지 속성들은 모두 이전과 동일하였다. 따라서, 가장 큰 차이를 나타낸 것은 플랫폼 안정성으로 모든 항목들이 당연적 속성으로 재분류되었다. 따라서, 주문 및 결제 과정이나 보안 시스템, 접속 안정성 등의 품질 속성은 당연히 기대되는 품질요소로서 충족된다고 해서 만족도가 크게 향상되지는 않으나 불충족될 경우 고객 불만을 야기하게 되는 대표적인 당연적 속성들이었다.

한편, ‘유형성’, ‘반응성’, ‘공감성’, ‘경제성’, ‘플랫폼 사용성’ 등에 해당하는 모든 속성들은 빈도수 기준의 분류와 차이가 없어 보다 안정적인 분류 결과로 볼 수 있다.

4-4 모바일 라이브 커머스의 잠재적 고객만족 개선지수(PCSI)

다음으로 잠재적 고객만족 개선지수(PCSI)를 추가로 산출하였는데 그 결과는 표 6과 같다. 고객 만족/불만족 계수에 현재 소비자의 만족 상태를 추가한 잠재적 고객만족 개선지수를 통해 고객의 요구사항이 충족되었을 경우 만족도가 얼마나 더 개선될 수 있는지 파악할 수 있을 뿐 아니라 우선 개선 순위를 도출할 수 있다.

PCSI Calculation Results

이에 따르면 우선 개선 순위 1위는 ‘고객 문제 해결을 위한 노력’으로 나타났으며, 2위는 ‘반품, 교환 요청의 원활한 처리’로 나타났다. 이들은 모두 ‘반응성’에 해당하는 요소들이다. 다음으로 ‘거짓이 없는 정보의 제공’과 ‘솔직한 상품 소개와 표현’이 각각 3위와 4위로 나타났는데 이들은 모두 ‘신뢰성’ 요소에 해당한다. 이외 ‘경제성’ 요소에 해당하는 ‘저렴한 상품의 가격’ 및 ‘플랫폼 안정성’ 요소에 해당하는 ‘개인 정보 보호 및 보안 시스템의 신뢰성’이 각각 5위와 6위로 나타났다. 이상의 요소들은 상대적으로 고객의 불만족 정도가 큰 상태여서 고객만족 개선의 필요성이 높으며 개선 시 만족도의 증가 폭이 더욱 크다고 할 수 있다.


Ⅴ. 결론

5-1 연구 결과 및 논의

본 연구에서는 모바일 라이브 커머스의 서비스 품질 속성을 도출하기 위해 기존 연구 및 사전조사 내용을 토대로 총 10가지 항목의 30여개 속성을 도출하였다. 이후 카노 모델을 활용하여 도출된 품질 속성을 분류하고 품질 속성 간 차이를 파악할 수 있는 만족 및 불만족 계수를 도출하였다. 또한, 이용자 만족도의 개선 우선순위를 파악할 수 있는 잠재적 고객만족 개선지수를 산출하였다.

그 결과 차별화된 이용 경험 제공을 위한 매력적 품질 속성으로는 ‘경제성’에 해당하는 3개 품질 요소가 가장 주요한 것으로 나타났다. 이는 모바일 라이브 커머스가 가진 새로운 플랫폼 특성이나 이용방법의 차이에도 불구하고, 커머스라는 본질상 여전히 ‘경제적’ 이점을 제공하는 것이 이용자의 만족도 제고와 차별화된 경쟁력 확보를 위해 가장 중요한 요인임을 나타낸다. 즉, 다른 쇼핑 플랫폼에 비해 저렴한 가격대의 제품군 확보와 함께 가격 할인 혜택 또는 쿠폰이나 적립금, 사은품 등의 부가 혜택을 적극적으로 제공하는 것이 모바일 라이브 커머스의 지속적인 성장을 위해 중요한 요인임을 나타낸다. 반면, 진행자의 매력이나 세련된 화면 구성 등과 같은 ‘유형성’에 해당하는 요소들의 경우 일반적인 통념과는 달리 무관심 속성으로 분류되어 이용자의 만족도 제고에 큰 영향을 미치지 않는 것으로 나타났다. 이는 AHP 분석을 통해 라이브 커머스 이용 속성의 상대적 순위에 있어 쇼핑의 가장 본질적인 차원이라 할 수 있는 ‘경제성’이 가장 중요하게 나타난 반면 콘텐츠 요인에 해당하는 쇼핑호스트 등의 요인이 최하위에 있음을 밝힌 이모란과 이해수의 연구와도 일치하는 결과이다[45].

하지만 ‘경제성’ 품질 요소 외에도 모바일 라이브 커머스의 새로운 플랫폼 특성으로 제시되고 있는 ‘상호작용성’이나 ‘유희성’에 해당하는 일부 품질 요소들 역시 매력적 품질 속성으로 구분되었는데 ‘이용자의 질문, 요구에 대한 진행자의 적극적인 응대’ 및 이용자의 관심을 끄는 ‘흥미로운 상품이나 콘텐츠’ 등의 속성들이 이에 해당한다. 이는 다른 쇼핑 채널과 대비되는 모바일 라이브 커머스의 플랫폼 특성이라 할 수 있는 ‘상호작용성’ 역시 주요한 차별적 경쟁력의 원천이며, 특히 진행자와 이용자 간 상호작용이 중요함을 나타낸다. 또한, 이용자들의 관심을 끌 수 있는 상품 구성 자체가 ‘유희성’을 증진하기 위한 주요한 콘텐츠 전략이 될 수 있음을 시사한다. 이는 ‘공감성’과도 연결되는 지점으로 고객의 관심이나 취향을 반영하기 위한 노력이 쇼핑의 즐거움을 제공하는 ‘유희성’과도 맞닿아있음을 나타낸다. 이외 ‘정보성’에 해당하는 ‘다양한 정보의 제공’ 역시 매력적 품질 속성으로 도출되었는데 이는 이용자의 유희적 욕구뿐 아니라 정보적 욕구를 충족하는 것 역시 차별적 경쟁력 확보를 위해 주요한 과제임을 나타낸다.

한편, ‘거짓 없는 정보의 제공’ 및 ‘솔직한 상품 소개’ 등 서비스의 ‘신뢰성’이 당연적 품질 속성으로 도출되었음에 주목할 필요가 있다. 이는 모바일 라이브 커머스 이용자들에게 있어 ‘신뢰성’은 차별화 요소가 아닌 기본적인 전제 조건으로 인식되고 있으며, 이 점이 불충족될 경우에는 다른 속성들에 비해 상대적으로 강한 불만과 저항감으로 이어져 산업적 존립 자체를 위협할 수 있음을 시사하기 때문이다. 이와 함께 주문 및 결제 과정의 안정성, 개인정보 보호 및 보안 시스템의 신뢰성, 모바일 라이브 방송 접속의 안정성 등과 같은 플랫폼 안정성 역시 당연적 품질 속성으로 도출되어 이용자들은 기본적으로 정보에 대한 신뢰성과 함께 플랫폼의 안정성을 요구하고 있음을 알 수 있다. 반면 방송 접속의 속도나 이용의 용이성, 상품 구매 및 결제 절차의 용이성 등 ‘플랫폼 사용성’에 해당하는 품질 요소의 경우에는 일원적 품질 속성으로 도출되었다. 이는 기본적으로 구비되어 있을 것으로 상정되는 플랫폼의 안정성과 달리 플랫폼의 사용성 향상은 일정 부분 이용자 만족도 제고와 선형적 관계에 있음을 나타낸다. 따라서 손쉬운 사용을 위한 UX/UI의 개발을 통해 전형적으로 기대되는 만족 요인을 충족시킬 수 있다.

반면, 진행자의 매력 등 외형적 매력에 해당하는 ‘유형성’에 해당하는 요소들은 모두 무관심 속성으로 구분되었는데 이는 매장의 인테리어, 판매 직원의 외모 등 외적 유형성이 강조되는 오프라인 상의 쇼핑 상황에서 개발된 척도가 모바일 쇼핑 상황에서는 적합성이 낮음을 보여준다.

이상과 같은 품질 속성들에 있어 잠재적 고객만족 개선지수를 통한 우선 개선 순위를 도출한 결과에서 주목할 점은 ‘반품, 교환의 원활한 처리 및 고객 문제 해결 노력’ 등 ‘반응성’에 해당하는 품질 요소가 최우선적인 과제로 도출되었다는 것이다. 이는 상대적으로 해당 요소들에 대한 현재의 만족 위치가 낮음을 나타내는 바, 개선 시 만족도 제고 폭이 상대적으로 크게 나타날 수 있는 요소들이다. 즉, 매력적 품질 속성으로 도출된 ‘경제성’ 등의 만족도를 제고하는 것이 강점을 극대화하는 경쟁력 제고 전략에 해당한다면, 현재 만족 위치가 낮은 품질 요소에 해당하는 ‘반응성’의 만족도를 제고하는 것은 약점의 개선을 우선시하는 경쟁력 제고 전략에서 보다 주요하게 작동할 수 있는 품질 요소라고 할 수 있다. 더불어 당연적 품질 속성으로 도출되었던 ‘신뢰성’ 역시 상대적으로 우선 개선 순위가 높은 편이어서 당연적 품질 속성임에도 여전히 만족 위치가 낮은 요소로 나타났다. 따라서, ‘거짓이나 과장 없는 정보의 전달’과 ‘솔직한 상품 소개’ 등을 통해 다른 품질 요소들에 비해 만족도의 제고 폭을 상대적으로 크게 할 수 있을 것으로 기대된다.

이상의 품질 속성 분류 결과는 만족 계수를 기준으로 한 것으로 응답 빈도수를 기준으로 도출된 분류와는 다소의 차이가 있었다. 응답 빈도수를 기준으로 할 경우 일원적 품질 속성과 같은 특정 차원에 대한 각 품질 요소들의 집중도가 상대적으로 높은 반면 만족 계수를 기준으로 하는 경우 당연적 품질 속성이 새롭게 도출되는 등 보다 다차원적인 구조가 드러났다. 또한, 특정 차원의 속성으로 뚜렷이 구분되기보다 각 차원들의 경계선에 근접하여 위치한 속성들의 분포를 확인함에 있어 만족 계수를 이용한 그래프를 통한 시각화가 유용하였다. 추후 빈도수 기준의 품질 속성 분류와 만족계수 기준의 품질 속성 분류 간의 차이가 전반적인 고객 만족도와는 어떤 관계에 있는지를 검증하는 것도 의의가 있을 것으로 판단된다.

5-2 연구의 한계점 및 제언

본 연구는 카노 모델을 적용한 품질 속성의 분류에 앞서 선행 연구 검토를 통해 품질 속성을 분류할 다양한 품질 요소를 도출하였으나 미처 도출하지 못한 품질 요소들이 존재할 수 있다. 후속 연구에서 이를 보완하기 위해서는 실제 이용자들에 대한 포커스 그룹 인터뷰나 전문가 조사 등 탐색적 조사를 통해서 보다 다양한 품질 요소들을 규명할 수 있을 것이다. 또한, 도출된 각 품질 요소들을 보다 상위 차원의 개념으로 구분함에 있어 기존 선행연구 결과에 주로 의존하여 선험적으로 제시하였으나 요인분석 등의 통계적 방법을 적용하여 경험적으로 제시할 경우 보다 타당도나 신뢰도를 높일 수 있을 것으로 기대된다.

한편, 본 연구에서 적용한 카노(Kano) 모델은 최빈값을 기준으로 한 단순한 품질요소 분류 방법으로 인해 충분한 타당성 확보가 어려울 수 있다는 근본적 한계가 있다. 이를 보완하기 위해 Timco의 만족계수를 동시에 산출하였으나 이 역시 산출 과정에서 무관심 품질을 제외하여 잠재적인 고객을 무시한 문제점과 현재의 고객만족 상태를 알기 어렵다는 한계점이 있다.

이에 현재의 고객만족 상태를 추가적으로 조사하여 PCSI 지수에 따른 우선개선순위 역시 제시하였으나 이 것 역시 상대적인 순위일 뿐임에 유의할 필요가 있다. 본 연구에서 역시 우선 순위에 있어 최상위인 1위와 최하위인 30위 간에 PCSI 지수는 각각 1.75와 1.22로서 그 차이는 0.53으로 나타나지만 이에 대한 통계적 유의성 검증이나 실제적 의미를 밝히는 것은 어렵다. 이는 방법론상 한계에 해당하므로 상대적인 서열의 의미로 제한적으로 받아들일 필요가 있다.

그러나 이상의 한계에도 불구하고, 주로 소비자의 주관적 만족도 측정에 머물었던 기존의 품질측정도구 대신 카노(Kano)모델을 적용하여 충족/불충족 요인을 이원적으로 결합함으로서 이용자가 지각하는 품질 요소를 보다 총체적으로 규명할 수 있었고, 품질 만족도 제고를 위한 전략적 시사점 역시 보다 입체적으로 조망할 수 있다는 의의가 있다.

다음으로 본 연구에서는 다양한 라이브 커머스 사업자 중 카카오와 네이버 등 전통적인 플랫폼 사업자에 한정하였으나 후속 연구를 통해 전통적인 유통 사업자, 이커머스 사업자 등 보다 다양한 사업 주체에 의한 라이브 커머스를 대상으로 관련 연구를 진행한다면 사업자 유형에 따른 이용자 인식이나 행태의 차이 등 보다 풍부한 논의가 가능할 것이다.

Acknowledgments

이 논문은 한국방송학회 2020년도 최초연구 지원에 의해 수행되었음

References

  • Y. B. Qu and W. Y. Yan, “A Study on the Convergence Effect of Live Commerce Usage Motivation on Reuse Intention in the Age of Untact Consumption: Focusing on the Mediating Effect of Satisfaction,” The Korean Society of Science & Art, Vol. 40, No. 4, pp. 1-11, September 2022. [https://doi.org/10.17548/ksaf.2022.09.30.1]
  • Y. C. Lee and J. Na, “Contents Analysis of Purchase Persuasive Communication Strategy in Live Streaming Commerce,” Journal of Practical Research in Advertising and Public Relations, Vol. 15, No. 1, pp. 34-60, February 2022. [https://doi.org/10.21331/jprapr.2022.15.1.002]
  • J. Wen and H. Lee, “What Factors of Live Streaming Commerce Appeal to Chinese Consumers? The Influences of Platform and BJ Characteristics on Purchase Intention and the Moderating Effects of Gender,” e-Business Studies, Vol. 21, No. 5, pp. 215-234, October 2020. [https://doi.org/10.20462/TeBS.2020.10.21.5.215]
  • S. Lee, “An Analysis of Determinants Affecting Satisfaction of Usage of Live Commerce from the Perspective of User, Information Source and Platform,” The Journal of the Korea Contents Association, Vol. 21, No. 3, pp. 576-589, March 2021. [https://doi.org/10.5392/JKCA.2021.21.03.576]
  • J. Cai and D. Y. Wohn, “Live Streaming Commerce: Uses and Gratifications Approach to Understanding Consumers’ Motivations,” in Proceeding of the 52nd Hawaii International Conference on System Sciences, Hawaii, HW, pp. 2548-2557, 2019. [https://doi.org/10.24251/HICSS.2019.307]
  • S. Kim, J. Huang, and S. B. Yang, “Factors Influencing Live Commerce Consumers’ Watching and Purchase Intentions: Focusing on the Taobao Platform in China,” The Journal of Internet Electronic Commerce Research, Vol. 21, No. 2, pp. 53-78, April 2021. [https://doi.org/10.37272/JIECR.2021.04.21.2.53]
  • E. Joo, “The Effects of Live Commerce’s IT Affordance on Interactivity, Immersion, and Purchase Intention,” The Journal of the Korea Contents Association, Vol. 22, No. 2, pp. 734-751, February 2022. [https://doi.org/10.5392/JKCA.2022.22.02.734]
  • M. Zhang, Y. Liu, Y. Wang, and L. Zhao, “How to retain customers: Understanding the role of trust in live streaming commerce with a socio-technical perspective,” Computers in Human Behavior, Vol. 127, 107052, February 2022. [https://doi.org/10.1016/j.chb.2021.107052]
  • S. J. Kim and C. Heo, “Effects of live commerce and show host attributes on purchase intention: Including the mediating effects of content flow,” Asia-Pacific Journal of Business Venturing and Entrepreneurship, Vol. 16, No. 3, pp. 177-191, June 2021.
  • M. Liu, J. Y. Park, and H. E. Lee, “Technology Acceptance Model in Live Commerce Context: The Effect of Para-social Interactivity and Source Characteristics on Consumers’ Shopping Intention on Live Commerce Platform,” The Journal of the Korea Contents Association, Vol. 21, No. 6, pp. 138-154, June 2021. [https://doi.org/10.5392/JKCA.2021.21.06.138]
  • Y. Guo, K. Zhang, and C. Wang, “Way to success: Understanding top streamer’s popularity and influence from the perspective of source characteristics,” Journal of Retailing and Consumer Services, Vol. 64, 102786, January 2022. [https://doi.org/10.1016/j.jretconser.2021.102786]
  • E. Joo and E. Kwon, “The Effect of Live Streaming Commerce’s Interactivity on Purchase Intentions,” Korean Association of Advertising and Public Relations, Vol. 134, pp. 163-199, September 2022. [https://doi.org/10.16914/ar.2022.134.163]
  • J. J. Jang, “Plans to activate ‘non-face-to-face marketing’ in Busan in the era of COVID-19,” Busan Development Institute, Vol. 387, pp. 1-6, December 2020.
  • FNTimes. Fun to target consumers with Samsung-LG Live Commerce [Internet]. Available: https://url.kr/x63tw2
  • X. Xu, J. H. Wu, and Q. Li, “What Drives Consumer Shopping Behavior in Live Streaming Commerce?,” Journal of Electronic Commerce Research, Vol. 21, No. 3, pp. 144-167, March 2020.
  • Y. Ju, Diagnosis of the domestic live commerce platform market, 2021 KISA Report, Vol. 3, 2021.
  • O. S. Kwon, S, Lee, and J. Yu, Live Commerce emerging as a trend in the post-corona era, Media & Future Institute, M-report, 2021.
  • J. Cai, D. Y. Wohn, A. Mittal, and D. Sureshbabu, “Utilitarian and hedonic motivations for Live Streaming shopping,” in Proceeding of the 2018 ACM International Conference on Interactive Experiences for TV and Online Video, pp. 81-88, June 2018. [https://doi.org/10.1145/3210825.3210837]
  • X. Su, “An empirical study on the influencing factors of E-Commerce Live Streaming,” in Proceeding of 2019 International Conference on Economic Management and Model Engineering (ICEMME), pp. 492-496, June 2019. [https://doi.org/10.1109/ICEMME49371.2019.00103]
  • Y. Chen, F. Lu, and S. Zheng, “A Study on the Influence of E-Commerce Live Streaming on Consumer Repurchase Intentions,” International Journal of Marketing Studies, Vol. 12, No. 4, pp. 48-62, 2020. [https://doi.org/10.5539/ijms.v12n4p48]
  • H. G. Park, “Live Commerce,” Marketing, Vol. 54, No. 6, pp. 43-54, June 2020.
  • L. L. Berry, G. L. Shostack, and G. D. Upah, Emerging Perceptives on Service Marketing, Chicago, IL: American Marketing Association, pp. 45-49, 1983.
  • F. F. Reicheld and W. E. Saser, “Zero Defections: Quality Comes to Services,” Havard Business Review, Vol. 68, No. 5, pp. 105-111, October 1990.
  • M. K. Lee, J. Y. Lee, and H. R. Kim, “A Measurement Scale for Investor Evaluations of Online Stock Exchange Services,” Information Systems Review, Vol. 3, No. 2, pp. 289-303, June 2001.
  • V. A. Zeithaml, “Consumer Perceptions of Price, Quality, and Value: A Means-End Model and Synthesis of Evidence,” Journal of Marketing, Vol. 52, No. 3, pp. 2-22, July 1988. [https://doi.org/10.1177/002224298805200302]
  • S. G. Ji, “Development of a Scale for Measuring Home Shopping Service Quality on Cable TV,” Korea Distribution Association, Vol. 9, No. 4, pp. 1-28, October 2004.
  • A. Parasuraman, V. A. Zeithaml, and L. L. Berry, “A Conceptual Model of Service Quality and Its Implications for Future Research,” Journal of Marketing, Vol. 49, No. 4, pp. 41-50, September 1985. [https://doi.org/10.1177/002224298504900403]
  • A. Parasuraman, V. A. Zeithaml, and L. L. Berry, “SERVQUAL: A Multiple-item Scale for Measuring Consumer Perceptions of Service Quality,” Journal of Retailing, Vol. 64, No. 1, pp. 12-40, 1988.
  • P. A. Dabholkar, D. I. Thorpe, and J. O. Rentz, “A measure of service quality for retail stores: Scale development and validation,” Journal of the Academy of Marketing Science, Vol. 24, pp. 3-16, December 1996. [https://doi.org/10.1007/BF02893933]
  • J. W. Kim and J. R. Cho, “A study on evaluation measurement of service quality: Focus on TV home shopping,” in Proceedings of the 2005 Fall Conference on Korean Institute of Industrial Engineers, pp. 273-279, November 2005.
  • S. G. Kim and H. Lee, “The Scale Development of TV Home-Shopping Service Quality,” Yeungsang Journal, Vol. 13, pp. 55-74, August 2005.
  • T. H. Kim, H. Cho, and J. H. Yoon, “Study of Impacts of TV Home Shopping Service Quality on Customer’s Purchasing Satisfaction and Loyalty: Focused on Household Items and Kitchen Appliances,” e-Business Studies, Vol. 17, No. 3, pp. 119-146, June 2016. [https://doi.org/10.20462/TeBS.2016.06.17.3.119]
  • J. S. Kim and S. B. Yang, “The Effect of Content Quality and Creator Attributes on the Satisfaction and Behavioral Intention on Personal Broadcasting Muckbang Channels: Based on the Elaboration Likelihood Model,” The Journal of Internet Electronic Commerce Research, Vol. 19, No. 5, pp. 257-281, October 2019. [https://doi.org/10.37272/JIECR.2019.10.19.5.257]
  • Y. S. Lee, C. J. Suh, and H. J. Lee, “Internet Personal Broadcasting Service Quality Impact on Continuous Use Intention: Focused on YouTube,” Journal of Information Technology Services, Vol. 18, No. 5, pp. 99-117, December 2019. [https://doi.org/10.9716/KITS.2019.18.5.099]
  • J. S. Park and H. W. Kang, “A Study on the Influence of Perceived Value and Restaurant Trust on Customer Loyalty Focused on Korean Restaurant Dinescape in Luxury Hotels,” Culinary Science & Hospitality Research, Vol. 25, No. 11, pp. 90-104, November 2019. [https://doi.org/10.20878/cshr.2019.25.11.010]
  • G. S. Jin and J. H. Lee, “Service Quality Factors Affecting Satisfaction and Repurchase Intention of Social Commerce,” The Journal of the Korea Contents Association, Vol. 12, No. 3, pp. 311-321, March 2012. [https://doi.org/10.5392/JKCA.2012.12.03.311]
  • N. Kano, N. Seraku, F. Takahashi, and S. Tsuji, “Attractive Quality and Must-be Quality,” The Journal of the Japanese Society for Quality Control, Vol. 14, No. 2, pp. 39-48, 1984.
  • H. X. Su, J. M. Kim, Y. D. Kim, and S. Y. Choi, “An Exploratory Study of O2O Service Quality with Kano Model and PCSI Index: Focused on Chinese Consumers,” E-Trade Review, Vol. 15, No. 2, pp. 1-21, May 2017. [https://doi.org/10.17255/etr.15.2.201705.1]
  • J. Mikulić, “The Kano model: A review of its application in marketing research from 1984-2006,” in Proceeding of the 1st International Conference on Marketing Theory Challenges in Transitional Societies, pp. 87-96, September 2007.
  • J. Park and M. Shin, “TV-Based Commerce Factors Increase Customer Satisfaction Through the Quality Attribute Analysis,” The Journal of Society for e-Business Studies, Vol. 21, No. 2, pp. 61-79, May 2016. [https://doi.org/10.7838/jsebs.2016.21.2.061]
  • B. D. Choi and J. Kim, “Prioritizing Factors Affecting Customer’s Satisfaction in Social Commerce using Kano Model and Analytical Hierarchy Process,” Korean Corporation Management Review, Vol. 22, No. 6, pp. 209-224, December 2015.
  • M. Timco, “An Experiment in Continuous Analysis,” Center for Quality of Management Journal, Vol. 2, No. 4, pp. 17-20, December 1993.
  • Y. J. Han, “A Study on Perceived Service Quality and User Satisfaction of YouTube Personal News Channel Using Kano Model,” Korean Journal of Broadcasting & Telecommunications Research (KJBTR), Vol. 116, pp. 135-168, October 2021.
  • S. Lim and Y. Park, “Potential Customer Satisfaction Improvement Index based on Kano Model,” Journal of Korean Society for Quality Management (JKSQM), Vol. 38, No. 2, pp. 248-260, June 2010.
  • M. R. Lee and H. S. Lee, “Analysis of User Awareness of Live Commerce and Factors Determining Customer Satisfaction,” Journal of Media Economics & Culture, Vol. 19, No. 3, pp. 7-42, August 2021. [https://doi.org/10.21328/JMEC.2021.8.19.3.7]

저자소개

홍성현(Sung-Hyun Hong)

2000년 : 한림대학교 사회학과(문학사)

2002년 : 한양대학교 대학원 신문방송학과(문학석사)

2018년 : 한양대학교 대학원 미디어커뮤니케이션학과 박사과정 수료

2003년~2019년: KBS 방송문화연구소

2019년~현 재: KBS 탐사보도부

※관심분야 : 방송영상 콘텐츠, 미디어수용자, 뉴미디어테크놀로지 등

박진우(Jinwoo Park)

2009년 : 한양대학교 미디어커뮤니케이션학과(문학사)

2012년 : 한양대학교 미디어커뮤니케이션학과(문학석사)

2019년 : 한양대학교 미디어커뮤니케이션학과(문학박사-커뮤니케이션저널리즘)

2021년~2022년: 경희대학교 미디어학과 객원교수

2022년~현 재: 한양대학교 미디어커뮤니케이션학과 조교수

※관심분야 : 공공정책PR, 정치커뮤니케이션, 소비자행동 등

Fig. 1.

Fig. 1.
Kano’s Quality Model

Fig. 2.

Fig. 2.
Classification of Quality Attributes Using Timko’s Customer Satisfaction Coefficient

Fig. 3.

Fig. 3.
Classification of Quality Attributes According to Satisfaction/Dissatisfaction Coefficient

Table 1.

Classification of Quality Factors According to the Kano’s Model

Division Responses to negative questions
Like Natural Do not
matter
Cannot
help it
Do not
like
Responses to positive questions Like Q A A A O
Natural R I I I M
Do not matter R I I I M
Cannot help it R I I I M
Do not like R R R R Q
A : Attractive Quality        O : One dimensional Quality    
M : Must-be Quality          I : Indifferent Quality  
R : Reverse Quality          Q : Skeptical Quality

Table 2.

Timco’s Customer Satisfaction Coefficient Calculation Formula

Satisfaction
coefficient (S)
Dissatisfaction
coefficient(D)
A: Attractive Quality responses
O: One-dimensional Quality responses
M: Must-be Quality responses
I: Indifferent Quality responses
A+OA+O+M+I M+OA+O+M+I-1

Table 3.

Potential Customer Satisfaction Improvement Index (PCSI)

P=S-D×L-1Max-Min+D P: (Current) position of satisfaction
S: Satisfaction coefficient
D: Dissatisfaction coefficient
L: (Current) level of satisfaction Max: Maximum value of the current level of satisfaction measurement scale (5)
Min: Minimum value of the current level of satisfaction measurement scale (1)
PCSI: Potential customer satisfaction improvement index
PCSI=S-P

Table 4.

Classification of Quality Attributes of Mobile Live Commerce

Quality Factor A O M I R Q
Tangibility 1. Host’s attractiveness 52 27 27 210 4 1 I
2. Stylish screen composition 70 50 29 167 4 1 I
3. Visual arrangement of mobile application menu 54 109 37 116 2 3 I
Reliability 1. Reliable information by presenter 13 143 104 56 2 3 O
2. Quality and performance that meet expectations 43 126 82 67 2 1 O
3. On-time delivery service 79 122 53 64 0 3 O
Reactivity 1. Pre-announcement of the broadcast time 76 79 45 118 1 2 I
2. Smooth handling of returns and exchanges 30 184 66 40 0 1 O
3. Efforts to solve customer problems 39 202 38 39 1 2 O
Understanding 1. Understanding customer needs about products 67 133 43 75 2 1 O
2. Provide a customer perspective on how to use it 71 125 44 78 1 2 O
3. Products reflecting interests 108 97 16 95 3 2 A
Reasonability 1. Lower prices compared to other channels 127 110 20 59 2 3 A
2. A lot of price discounts 157 97 9 54 3 1 A
3. Additional benefits (Coupons, memberships, etc) 158 88 6 65 1 3 A
Informational 1. Wide range of product information 94 97 43 85 1 1 O
2. Specific product information 87 106 53 68 5 2 O
3. Vivid product information 108 76 34 100 3 0 A
Interactivity 1. Active reaction from the host 113 104 27 71 6 0 A
2. Active interaction among users 100 65 21 130 3 2 I
3. Various channels of inquiry for opinions and complaints 62 102 55 96 4 2 O
Entertainment 1. Pleasure of chatting 111 66 18 120 5 1 I
2. Interesting products and content 127 67 13 111 2 1 A
3. Lively broadcast progress 132 46 18 122 1 2 A
Platform Stability 1. Uninterrupted page after entering order information 36 118 96 63 5 3 O
2. Trusted security systems 27 143 87 61 2 1 O
3. Uninterrupted broadcast 54 108 85 71 3 0 O
Platform Usability 1. Fast access 79 109 56 72 3 2 O
2. Easy to use mobile app 79 113 55 73 0 1 O
3. Simple purchase and payment procedures 68 139 48 62 3 1 O
A : Attractive Quality  O : One dimensional Quality
M : Must-be Quality  I : Indifferent Quality
R : Reverse Quality  Q : Skeptical Quality

Table 5.

Classification of Quality Attributes by Customer Satisfaction Factor

Quality Factor Satisfaction
coefficient
Dissatisfaction
coefficient
Attributes
Tangibility T1 0.25 -0.17 I
T2 0.38 -0.25 I
T3 0.52 -0.46 I
Reliability REL1 0.49 -0.78 M
REL2 0.53 -0.65 M
REL3 0.63 -0.55 O
Reactivity REA1 0.49 -0.39 I
REA2 0.67 -0.78 O
REA3 0.76 -0.75 O
Understanding U1 0.63 -0.55 O
U2 0.62 -0.53 O
U3 0.65 -0.36 A
Reasonability REAS1 0.75 -0.41 A
REAS2 0.80 -0.33 A
REAS3 0.78 -0.30 A
Informational IF1 0.60 -0.44 A
IF2 0.61 -0.51 O
IF3 0.58 -0.35 I
Interactivity IT1 0.69 -0.42 A
IT2 0.52 -0.27 I
IT3 0.52 -0.50 M
Entertainment E1 0.56 -0.27 I
E2 0.61 -0.25 A
E3 0.56 -0.20 I
Platform stability PS1 0.49 -0.68 M
PS2 0.53 -0.72 M
PS3 0.51 -0.61 M
Platform Usability PU1 0.59 -0.52 O
PU2 0.60 -0.53 O
PU3 0.65 -0.59 O

Table 6.

PCSI Calculation Results

Quality Factor Level of
satisfaction
(L)
Position of
satisfaction
(P)
PCSI Priority of
Improvement
Tangibility T1 3.44 -0.97 1.22 30
T2 3.48 -0.94 1.32 29
T3 3.49 -0.98 1.49 21
Reliability REL1 3.36 -1.18 1.67 3
REL2 3.38 -1.09 1.62 4
REL3 3.65 -0.92 1.56 12
Reactivity REA1 3.84 -0.89 1.38 27
REA2 3.62 -1.02 1.69 2
REA3 3.51 -1.00 1.75 1
Understanding U1 3.55 -0.95 1.58 8
U2 3.52 -0.95 1.57 10
U3 3.47 -0.86 1.51 19
Reasonability REAS1 3.34 -0.87 1.62 5
REAS2 3.36 -0.80 1.60 7
REAS3 3.39 -0.78 1.56 11
Informational IF1 3.69 -0.88 1.48 22
IF2 3.58 -0.93 1.54 13
IF3 3.59 -0.87 1.45 23
Interactivity IT1 3.65 -0.83 1.52 17
IT2 3.52 -0.87 1.39 26
IT3 3.36 -1.02 1.54 15
Entertainment E1 3.48 -0.86 1.42 25
E2 3.48 -0.82 1.43 24
E3 3.54 -0.82 1.38 28
Platform stability PS1 3.71 -1.05 1.54 14
PS2 3.61 -1.07 1.60 6
PS3 3.61 -1.02 1.53 16
Platform Usability PU1 3.74 -0.91 1.50 20
PU2 3.71 -0.91 1.51 18
PU3 3.70 -0.92 1.57 9