개인화 추천 방식에 따른 사용자 경험 분석 - 플랫폼 유형에 따른 차이 비교 -
Analyzing User Experience of Personalized Recommendation Systems - A Comparative Study Based on Platform Types -
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
연구배경 추천 시스템은 다양한 플랫폼에서 맞춤형 경험을 제공하지만, 고도화된 환경에서도 피로감과 신뢰 저하, 설득력 부족 문제가 반복되고 있다. 이는 기술적 정밀성 외에 사용자 맥락과 기대의 정합성이 중요함을 보여준다. 본 연구는 추천 방식과 플랫폼 소비 맥락 간 상호작용을 실증 분석하여 사용자 수용 구조를 규명하고자 한다. 연구방법 콘텐츠 기반, 협업 기반, 컨텍스트 기반 추천을 독립변인으로, 플랫폼 유형을 소비 성향에 따라 조절변인화하고, 만족도·유용성·피로도·지속이용의도를 측정하였다. 200명 대상의 반복측정분산분석과 Bonferroni 검정을 실시하고, 정성 인터뷰를 병행하였다. 연구결과 콘텐츠 기반 추천이 가장 긍정적 평가를 받았고, 협업 기반은 추천 근거의 불투명성과 피로도 유발로 낮은 수용도를 보였다. 컨텍스트 기반은 기능적·상징적 플랫폼에서 효과적이었으나 감성 중심 플랫폼에서는 제한적이었다. 결론 추천 수용이 성능보다 해석 가능성과 신뢰 형성에 좌우됨을 보여주며, 플랫폼 맥락과의 정합성이 개인화 UX 설계의 핵심 조건임을 시사한다. 본 연구는 추천 방식과 플랫폼 간 교차 반응을 분석함으로써, 향후 윤리적 설계 및 AI 기반 UX 전략에 기초자료를 제공한다.
Abstract
Background Recommender systems provide personalized experiences across various platforms. However, even in advanced algorithmic environments, issues such as user fatigue, diminished trust, and lack of persuasive recommendation logic persist. These challenges suggest that contextual alignment with user expectations is as important as technical precision. This study empirically examines the interaction between recommendation types and platform consumption contexts to identify user acceptance patterns. Methods Three recommendation types—content-based, collaborative, and context-aware—were used as independent variables. Platform types were categorized according to consumption orientation (hedonic, exploratory, functional, symbolic) and used as moderating variables. Four user experience factors—satisfaction, perceived usefulness, fatigue, and continuance intention—were measured. A repeated measures ANOVA with Bonferroni post-hoc analysis was conducted with 200 participants, and in-depth interviews were performed to supplement the quantitative data. Result Content-based recommendations received the most favorable evaluations across all platforms. Collaborative recommendations showed low acceptance due to unclear rationale and increased fatigue. Context-aware recommendations were effective on functional and symbolic platforms, but less so on emotion-driven platforms. Conclusion The findings suggest that recommendation acceptance is influenced more by interpretability and trust than by performance alone. This highlights the importance of contextual alignment in personalized UX design. By analyzing cross-effects between recommendation approaches and platform types, this study provides a practical framework for future ethical design and AI-based UX strategies.