제품의 동등속성이 지니는 선호이행 효과: 결정속성과의 관계에 따른 기대불일치를 중심으로

박희찬; 김재휘

추천

검색

자료유형: 학술저널

저자정보: 박희찬 (중앙대학교 심리학과) 김재휘 (중앙대학교)

저널정보: 한국심리학회 한국심리학회지: 소비자·광고 한국심리학회지: 소비자·광고 제20권 제1호

발행연도: 2019.1

수록면: 107 - 126 (20page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

이 논문의 연구 히스토리 (2)

2019

제품의 동등속성이 지니는 선호이행 효과 : 결정속성과의 관계에 따른 기대불일치를 중심으로

박희찬 심리학과 2019.01 학위논문

제품의 동등속성이 지니는 선호이행 효과: 결정속성과의 관계에 따른 기대불일치를 중심으로

박희찬 , 김재휘 한국심리학회지: 소비자·광고 2019.01 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

본 연구는 두 제품이 지니는 동등속성(Common Attribute)에 초점을 두었다. 동등속성이란 두 제품이 공통적으로 지니면서도 그 수준까지 동등한 속성을 의미한다. 전통적 관점에서 동등속성은 소비자의 선택에 영향을 미칠 수 없다는 견해가 지배적이었으나 최근 연구들은 동등 속성도 소비자의 선호와 선택에 영향을 미칠 수 있음을 증명하였으며 기대불일치라는 기제를 통해 동등속성의 효과를 검증하였다. 본 연구는 이러한 결과를 더욱 확장하여 기대불일치의 방향성에 따른 동등속성의 효과를 살펴보았다. 구체적으로, 제품에는 구매에 결정적인 역할을 하는 결정속성이 존재하는데, 결정속성과의 관계에 따라서 기대불일치가 다른 방향으로 나타날 수 있다. 두 제품의 비교 상황에서, 소비자들은 결정속성과 공변적인 관계에 있는 속성에 대해 결정속성에서 우월한 대안이 이 역시 비교적 우월할 것이라는 기대가 존재하지만, 공변적 속성이 동등속성으로 주어질 경우 이에 대한 기대의 불일치가 일어나며 따라서 우월한 대안의 선택률이 낮아질 수 있다. 마찬가지 이유로 상보적 속성이 동등속성으로 주어질 경우 우월한 대안의 선택률이 높아질 수 있다. 이를 검증하기 위해 동등속성의 유형을 달리 제시함으로써 제품 선택률의 변화를 확인하였으며 동등성을 제시하지 않는 경우에 비해 유의미한 차이가 발생함을 교차분석을 통해 확인할 수 있었다. 또한, 속성 간에 상관관계가 존재할 것이라는 소비자의 기대를 억제함으로써 이러한 효과가 사라짐을 확인할 수 있었다. 본 논문의 결과는 제품에 대한 소비자의 선택을 유도해야 하는 마케터의 입장에서 유용한 전략적 단서를 제시해줄 수 있으며, 동등 속성을 활용할 때 각 속성 간의 관계에 대한 소비자의 지각을 활용하여 어떠한 속성을 제시해야 할지를 제안해줄 수 있다. 또한, 동등속성이 선택률에 미치는 효과의 방향성을 속성 간 관계에 기반하여 확인했다는 점에서 이론적 함의점이 존재한다.

This research focused on the common attribute of two products. Common attribute is a word for attribute that belongs to both products which also are identical in their level. Traditional view of common attribute was that it cannot influence choice. However, recent studies have proved that common attribute could, in fact, influence consumer’s choice through expectation disconfirmation. Current research attempts to broaden this result and find robustness. For this, current research has examined the effect of common attribute according to the direction of expectation-disconfirmation. Particularly, each product contains a determinant attribute which plays the biggest role on consumer’s purchase. If an attribute that is covariant with the determinant attribute appears to be the same, because consumers expect the alternative with higher determinant attribute to be better on covariant attribute, this will bring negative expectation-disconfirmation. On the other hand, if an attribute that is complementary to the determinant attribute appears to be common, this will deliver positive expectation-disconfirmation. This direction of expectation disconfirmation can predict the change of preferences. To testify this effect, we presented different types of common attribute to participants and examined their choice among two products. The result of chi-square test indicated there are significant difference according to the type of common attribute. Also, it was able to observe decrease in the effect of common attribute when expectations consumers held were aggregated through messages. Result of this paper can be useful for marketers who tries to establish strategies to promote their products. This result indicates that not only unique attributes, but also common attributes can play a role of increasing choice share. Additionally, this result shows that which kind of attributes should be used as common attribute. This result also has theoretical implications in that it showed context effect and expectation-disconfirmation played a role in attribute domain.

#동등속성 #제품 선택 #제품 속성 #기대불일치 #속성 간 관계 #맥락효과

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

박희찬

소속기관 중앙대학교 심리학과

주요연구분야 사회과학 > 심리과학

논문수 2 이용수 53

김재휘

소속기관 중앙대학교

주요연구분야 사회과학 > 심리과학 TOP 10% 사회과학 > 사회학 > 여성학

논문수 89 이용수 2,077

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)