본문 바로가기
KERD
논문KCI 등재

자기해석과 인공지능 추천 메시지 유형 간의 상호작용효과가 인공지능 추천 서비스 설득효과에 미치는 영향

The Impact of Self-construal and Message Framing on the Persuasion of Artificial Intelligence Recommendations

안정용|성용준|진형록
한국소비자·광고심리학회 (Korean Society For Consumer And Advertising Psychology)|2021.08|한국심리학회지: 소비자·광고 (The Korean Journal of Consumer and Advertising Psychology)|제22권 제3호|pp. 319-342|DOI 10.21074/kjlcap.2021.22.3.319

0

조회

0

다운로드

5

인용

0

참고문헌

키워드

Artificial intelligence (AI)자기해석self-construalmessage framing설득효과인공지능 추천 서비스추천메시지recommendation agent
주제분류심리과학

초록

본 연구는 소비자의 내적 특성인 자기해석수준과 인공지능 추천 메시지 유형에 초점을 맞추어 자기해석과 인공지능 추천 메시지 유형 간의 상호작용효과가 인공지능 추천 서비스 설득효과에 미치는 영향에 대해 알아보고자 하였다. 연구 1에서는 자기해석수준을 측정하여 자기해석수준에 따른 인공지능 추천 메시지 유형 선호의 관계를 살폈다. 그 결과, 상호의존적 자기해석수준은 개인 시청이력 기반 추천에 비해 내집단 작품 선호 기반 추천 선호에 정적 영향을 미친 반면, 독립적 자기해석수준은 내집단 작품 선호 기반 추천 대비 개인 시청이력 기반 추천 선호에 유의미한 영향을 미치지 못했다. 연구 2에서는 자기해석수준 조작하여 자기해석수준과 인공지능 추천 메시지 유형 간의 상호작용 효과가 해당 추천 서비스의 설득효과에 미치는 영향을 확인하였다. 상호의존적 자기해석이 점화된 피험자들은 개인 구매이력 기반 추천 메시지보다 내집단 선호 기반 추천 메시지에 더 큰 설득효과를 보였으며, 독립적 자기해석이 점화된 피험자들은 내집단 선호 기반 추천 메시지보다 개인 구매이력 기반 추천 메시지에 부분적으로 더 큰 설득효과를 보였다. 본 연구는 인공지능 추천 서비스라는 새로운 영역에서 소비자의 내적 특성과 추천 메시지 유형의 상호작용 효과를 검증했다는 이론적 함의가 있으며, 다양한 분야에서 인공지능 추천 서비스 도입이 활발히 이뤄지고 있는 현 시점에서 유용한 실무적 시사점 또한 제공할 수 있을 것으로 기대된다.

Abstract

This research examines how an individual’s self-construal and message framing interplay in determining AI recommendation persuasiveness. In study 1, we examine the moderating role of an individual’s chronically accessible self-construal. The results show that interdependent self-construal generated more positive attitudes toward ingroup preference-based recommendation message than individual viewing history-based recommendation message. However, independent self-construal had no significant impact. Study 2 replicates this relationship, but self-construal is temporarily primed. Participants who were primed with interdependent self-construal displayed more positive attitude toward the ingroup preference-based (vs. personal purchase history) recommendations. Participants in the independent self-construal manipulation condition displayed higher preference toward the personal purchase history-based (vs. ingroup preference) recommendations. Our findings provide theoretical implications by extending the previous finding in the context of artificial intelligence recommendation. Also, some managerial implications are offered, especially for marketers and AI technology developers.

참고문헌 (61)

  1. 김수민, "자기해석(Self-construal)이 제품 구색에 대한 선호와 다양성 추구 행동(Variety Seeking Behavior)에 미치는 효과 연구", 한국심리학회지: 소비자·광고, 16(3), pp.499~518 (2015), 한국소비자·광고심리학회[DOI]
  2. "세계 인공지능 시장 급성장…2025년까지 연평균 38% 성장" (2020)[URL]
  3. 김정원, "사용자 인식을 기반으로 한 디지털 개인 정보 유형 연구", 한국심리학회지: 소비자·광고, 22(1), pp.1~24 (2021), 한국소비자·광고심리학회[DOI]
  4. "코로나 특수 주춤한 Netflix, 한국이 살렸다" (2020)[URL]
  5. "코로나19에 2명 중 1명 OTT 활용…압도적 1위 ‘Netflix’" (2021)[URL]
  6. "어느새 생활 속에 스며든 AI...취향 저격 서비스 인기" (2019)[URL]
  7. 배현진, "콘텐츠 특성에 따른 개인화 추천서비스 플랫폼에 대한 사용자 인식 연구", 한국방송학보, 34(3), pp.5~42 (2020), 한국방송학회[DOI]
  8. "Netflix는 어떻게 최고의 추천시스템을 만들었나" (2016)[URL]
  9. 안은미, "혁신적 신제품(Innovative new product)의 혁신유형이 소비자의 제품태도에 미치는 영향:소비자의 자기해석 수준의 조절효과를 중심으로", 한국심리학회지: 소비자·광고, 13(2), pp.121~136 (2012), 한국소비자·광고심리학회[DOI]
  10. "글로벌 강자 스포티파이 韓 상륙… 이통사 음원 플랫폼 ‘긴장’" (2021)[URL]
  11. 유지훈, "글로벌 OTT 서비스 이용자의 지속적 이용 의도에 미치는 요인 연구 넷플릭스 사례를 중심으로", 방송통신연구, (102), pp.46~79 (2018), 한국방송학회[DOI]
  12. "AiTEMS, SME의 새로운 발견을 위한 AI기술. D-커머스 리포트 2020, Part 4" (2020), 이건웅[URL]
  13. 정지윤, "사용자의 음악 선호요인 분석을 통한 개인 맞춤형 음악추천모델 연구", 디지털콘텐츠학회논문지, 19(11), pp.2041~2047 (2018), 한국디지털콘텐츠학회[DOI]
  14. 조성은, "사용자의 검색 키워드 특징에 기반한 상품 추천 시스템에 관한 연구", 디지털콘텐츠학회논문지, 20(2), pp.315~320 (2019), 한국디지털콘텐츠학회[DOI]
  15. 탁현아, "개인의 자기 해석 성향이 선물 소비에 미치는 영향", 한국심리학회지: 소비자·광고, 18(4), pp.587~607 (2017), 한국소비자·광고심리학회[DOI]
  16. Aaker, J. L., "“I” seek pleasures and “we” avoid pains: The role of self-regulatory goals in information processing and persuasion", Journal of Consumer Research, 28(1), pp.33~49 (2001)
  17. Aaker, J., "Culture-dependent assimilation and differentiation of the self : Preferences for consumption symbols in the United States and China", Journal of cross-cultural psychology, 32(5), pp.561~576 (2001)
  18. Aaker, J. L., "Empathy versus pride : The influence of emotional appeals across cultures", Journal of consumer research, 25(3), pp.241~261 (1998)
  19. Adomavicius, G., "Toward the next generation of recommender systems : A survey of the state-of-the-art and possible extensions", IEEE transactions on knowledge and data engineering, 17(6), pp.734~749 (2005)
  20. Agrawal, N., "The effects of self-construal and commitment on persuasion", Journal of Consumer Research, 31(4), pp.841~849 (2005)
  21. Ahluwalia, R., "How far can a brand stretch? Understanding the role of self-construal", Journal of Marketing Research, 45(3), pp.337~350 (2008)
  22. Arnocky, S., "Self-construal predicts environmental concern, cooperation, and conservation", Journal of Environmental Psychology, 27(4), pp.255~264 (2007)
  23. Balabanović, M., "Fab : content-based, collaborative recommendation", Communications of the ACM, 40(3), pp.66~72 (1997)
  24. Bearden, W. O., "Reference group influence on product and brand purchase decisions", Journal of consumer research, 9(2), pp.183~194 (1982)
  25. Bernritter, S. F., "‘We’are more likely to endorse than ‘I’ : the effects of self-construal and brand symbolism on consumers’ online brand endorsements", International Journal of Advertising, 36(1), pp.107~120 (2017)
  26. Bostandjiev, S., "TasteWeights: a visual interactive hybrid recommender system", Proceedings of the sixth ACM conference on Recommender systems, pp.35~42 (2012)
  27. Bruner, G. C., "Web commercials and advertising hierarchy-of-effects", Journal of advertising research, 40(1-2), pp.35~42 (2000)
  28. De Campos, L. M., "Combining content-based and collaborative recommendations : A hybrid approach based on Bayesian networks", International journal of approximate reasoning, 51(7), pp.785~799 (2010)
  29. Duclos, R., "Prosocial behavior in intergroup relations : How donor self-construal and recipient group-membership shape generosity", Journal of Consumer Research, 41(1), pp.93~108 (2014)
  30. Escalas, J. E., "Self-construal, reference groups, and brand meaning", Journal of consumer research, 32(3), pp.378~389 (2005)
  31. Gardner, W. L., "“I” value freedom, but “we” value relationships: Self-construal priming mirrors cultural differences in judgment", Psychological science, 10(4), pp.321~326 (1999)
  32. Gunawardana, A, "A unified approach to building hybrid recommender systems", Proceedings of the third ACM conference on Recommender systems, pp.117~124 (2009)
  33. Guo, Y, "Industrial Management & Data Systems" (2017)
  34. Hakim, C., "Erotic capital", European sociological review, 26(5), pp.499~518 (2010)
  35. Kalyanaraman, S., "The psychological appeal of personalized content in web portals : Does customization affect attitudes and behavior", Journal of Communication, 56(1), pp.110~132 (2006)
  36. Kampmeier, C., "Individuality and group formation : The role of independence and differentiation", Journal of personality and social psychology, 81(3), pp.448~ (2001)
  37. Kouki, P., "Hyper: A flexible and extensible probabilistic framework for hybrid recommender systems", Proceedings of the 9th ACM Conference on Recommender Systems, pp.99~106 (2015)
  38. "The history of Amazon’s recommendation algorithm" (2019)[URL]
  39. Lee, A. Y., "The pleasures and pains of distinct self-construals : the role of interdependence in regulatory focus", Journal of personality and social psychology, 78(6), pp.1122~ (2000)
  40. Liang, T. P., "Personalized content recommendation and user satisfaction : Theoretical synthesis and empirical findings", Journal of Management Information Systems, 23(3), pp.45~70 (2006)
  41. Lin, J. C. C., "Towards an understanding of the behavioural intention to use a web site", International journal of information management, 20(3), pp.197~208 (2000)
  42. Lin, Y. C., "Self-construal and regulatory focus influences on persuasion : The moderating role of perceived risk", Journal of Business Research, 65(8), pp.1152~1159 (2012)
  43. Lu, J., "Recommender system application developments : a survey", Decision Support Systems, 74, pp.12~32 (2015)
  44. Markos, E., "A new information lens : The self-concept and exchange context as a means to understand information sensitivity of anonymous and personal identifying information", Journal of Interactive Marketing, 42, pp.46~62 (2018)
  45. Markos, E., "Information sensitivity and willingness to provide continua : a comparative privacy study of the United States and Brazil", Journal of Public Policy & Marketing, 36(1), pp.79~96 (2017)
  46. Markus, H. R., "Culture and the self : Implications for cognition, emotion, and motivation", Psychological review, 98(2), pp.224~ (1991)
  47. Park, Y. J., "The adaptive clustering method for the long tail problem of recommender systems", IEEE Transactions on Knowledge and Data Engineering, 25(8), pp.1904~1915 (2012)
  48. Pazzani, M. J., "A framework for collaborative, content-based and demographic filtering", Artificial intelligence review, 13(5), pp.393~408 (1999)
  49. Phelps, J., "Privacy concerns and consumer willingness to provide personal information", Journal of public policy & marketing, 19(1), pp.27~41 (2000)
  50. Rauhofer, J., "Privacy is dead, get over it! Information privacy and the dream of a risk-free society", Information & Communications Technology Law, 17(3), pp.185~197 (2008)
  51. Sharma, A., "Do social explanations work? Studying and modeling the effects of social explanations in recommender systems", Proceedings of the 22nd international conference on World Wide Web, pp.1133~1144 (2013)
  52. Singelis, T. M., "The measurement of independent and interdependent self-construals", Personality and social psychology bulletin, 20(5), pp.580~591 (1994)
  53. Sung, Y., "Increasing power and preventing pain", Journal of Advertising, 40(1), pp.71~86 (2011)
  54. Sung, Y., "Brand-situation congruity : The roles of self-construal and brand commitment", Psychology & Marketing, 29(12), pp.941~955 (2012)
  55. Swaminathan, V., ""My"brand or"our"brand : The effects of brand relationship dimensions and self-construal on brand evaluations", Journal of consumer research, 34(2), pp.248~259 (2007)
  56. Tam, K. Y., "Understanding the impact of web personalization on user information processing and decision outcomes", MIS quarterly, pp.865~890 (2006)
  57. Tang, E., "A quantum-inspired classical algorithm for recommendation systems", Proceedings of the 51st Annual ACM SIGACT Symposium on Theory of Computing, pp.217~228 (2019)
  58. Tran, T., "Hybrid recommender systems for electronic commerce", Proc. Knowledge-Based Electronic Markets, Papers from the AAAI Workshop, 40 (2000), AAAI Press
  59. "Netflix rules in customer satisfaction survey, followed by vue" (2019)[URL]
  60. Van Baaren, R. B., "Self-construal and values expressed in advertising", Social Influence, 2(2), pp.136~144 (2007)
  61. Zhang, Y., "The influence of self-construal on impulsive consumption", Journal of Consumer Research, 35(5), pp.838~850 (2009)

관련 논문AI추천

넷플릭스 추천 서비스 유형에 따른 고객 사용의도: 자아해석수준의 조절효과이준섭서비스마케팅학회 · 서비스마케팅저널2022 · 제15권 제2호AI 추천에 대한 소비자 우려가 심리적 반발에 미치는 영향과 독립적 자기해석의 조절효과이진명한국소비자원 · 소비자문제연구2024 · 제55권 제2호인공지능의 추천이 소비자의 심리적 반발에 미치는 영향구지은한국소비자학회 · 소비자학연구2021 · 제32권 제5호자기해석유형과 모바일 상품추천유형, 패션제품유형이 구매의도에 미치는 영향전태준, 최동은, 황선진한국패션비즈니스학회 · 패션 비즈니스2021 · 제25권 제5호AI의 개입 수준과 사회적 증거의 상호작용이 AI 기반 추천 콘텐츠의 수용도에 미치는 영향: 인지적 부담과 처리유창성의 순차적 매개효과김한구, 정혁진한국전략마케팅학회 · 마케팅논집(Journal of Marketing Studies)2025 · 제33권 제2호제품유형과 제품지식에 따른 인공지능 상품추천의 효과서상윤한국전략마케팅학회 · 마케팅논집(Journal of Marketing Studies)2021 · 제29권 제4호

이 간행물의 다른 논문 (4건)

금융상품정보의 용이한 이해를 위한 정보전달방식의 효과성 검증김종흠pp. 343-36545일 vs. 1달 15일:단일단위와 복합단위의 기간 제시와 소비자 자기통제김선영, 윤세정, 석관호pp. 367-395소비자는 3개월과 90일을 다르게 지각할까 동일하게 지각할까?양윤, 최하나pp. 397-415경쟁브랜드 플러팅(Brand flirting)이 선호브랜드 선택에 미치는 효과: 선택장면에서 예상된 만족 평가의 조절효과를 중심으로김선민, 김재휘pp. 417-441
원문 보기