DOI QR코드

DOI QR Code

The Effects of Perceived Netflix Personalized Recommendation Service on Satisfying User Expectation

지각된 넷플릭스 개인화 추천 서비스가 이용자 기대충족에 미치는 영향

  • 정승화 (강남대학교 한영문화콘텐츠학과)
  • Received : 2022.05.09
  • Accepted : 2022.06.27
  • Published : 2022.07.28

Abstract

The OTT (Over The Top) platform promotes itself as a distinctive competitive advantage in that it allows users to stay on the platform longer and visit more often through a Personalized Recommendation Service. In this study, the characteristics of the Personalized Recommendation Service are divided into three categories: recommendation accuracy, recommendation diversity, and recommendation novelty. Then proposed a research model which affects the usefulness of users to recognize recommendation services by each characteristics and leads to satisfaction of expectations. The result of conducting an online survey of 300 people in their 20s and 30s who subscribe Netflix shows that the perceived usefulness increased when the accuracy, variety, and novelty of Netflix's Recommendation Service were high. It was also confirmed that high perceived usefulness leads to satisfaction of expectations before and after Netflix use. The derived research results can confirm the importance of evaluating the personalized recommendation service in terms of user experience and provide implications for ways to improve the quality of recommendation services.

OTT(Over The Top) 플랫폼은 개인화된 추천 서비스가 이용자들을 플랫폼에 더 오래 머물게 하고, 더 자주 방문하게 한다는 점에서 차별적 경쟁우위 특성을 강화하기 위해 노력하고 있다. 본 연구에서는 개인화된 추천 서비스의 특성을 추천 정확성과 추천 다양성, 추천 신기성의 3가지로 구분하고, 각 특성이 이용자가 추천 서비스에 대해 인지하는 유용성에 영향을 미치고, 기대충족으로 이어지는 연구모형을 제안하였다. 넷플릭스를 정기구독 결제하는 20, 30대 300명을 대상으로 온라인 설문조사를 진행한 결과, 추천 서비스의 정확성과 다양성, 신기성이 높았을 때 지각된 유용성이 높아짐을 확인하였다. 높은 지각된 유용성은 넷플릭스 이용 전후의 기대충족으로 이어진다는 점 역시 확인하였다. 도출된 연구 결과는 개인화된 추천 서비스 평가에서 이용자 경험 측면의 중요성과 추천 서비스 품질 개선 방안에 대한 시사점을 제공할 수 있을 것이다.

Keywords

l. 서론

1. 연구 배경 및 목적

동영상 콘텐츠, 특히 과거 텔레비전 서비스는 타임슬롯 편성을 통해 채널로 송출되는 선형적 구조를 지닌다. 편성'은 시청자 생활시간을 토대로 구성되는 "계획된 흐름(planned flow)"의 개념이다[1]. 그러나, 디지털 미디어 기술의 발전으로 다양한 미디어 플랫폼과 디바이스 간 조합과 호환이 이루어져 시간 구속력이 있었던 "약속기반모델(appointrnent-based model)"에서 "참여기반모델(engagement-based model)"로 구조가 변화하고 있다[2].

이러한 구조 변화의 배경엔 OTT(Over The Top) 서비스 확산이 있다. OTT 서비스는 시간과 장소의 제약을 받지 않는 편의성, 콘텐츠의 다양성, 복수 기기에서도 이용할 수 있는 N-스크린, 즉 비 동시성과 저렴한 가격을 장점으로 동영상 콘텐츠 분야의 새로운 킬러 서비스로 자리매김하였다[3]. OTT 서비스에 대한 전 세계수요 증가로 인해 업계 1위 넷플릭스(Netflix)를 포함한 글로벌 OTT 플랫폼 사업자들이 관련 산업의 발전을 견인하고 있다.

이 중 넷플릭스는 2021년 기준 190개국에 진출, 약 2억 명의 가입자를 보유한 대표 OTT 서비스이다[4]. 넷플릭스는 자체 오리지널 콘텐츠 제작에서부터 인터렉티브 스토리텔링 콘텐츠, 각국의 드라마, 영화, 예능, 다큐멘터리 등을 확보하여 콘텐츠 다각화 전략을 구사하고 있다15]

콘텐츠의 양적, 질적 성장은 다양한 이용자 취향 충족에 긍정적이나, 한편으로 이용자의 콘텐츠 선택 시 고민에 빠지게 할 수도 있다. 이러한 고객 상황을 고려하여 넷플릭스는 개인 맞춤형 추천 알고리즘을 통해 현재의 공고한 위치를 만들어내었다. 2000년 처음 공개된 넷플릭스 추천 알고리즘인 씨네매치(Cinematch) 는 지금의 OTT 서비스뿐만 아니라 DVD 대여 사업에서부터 DVD 회전율을 높이고 가입자를 유지하는 중요한 수단으로 활용하였다[6]

이후 넷플릭스는 알고리즘 성능을 높이기 위해 콘텐츠와 관련된 다양한 데이터를 수집했다. 특히, 스트리밍 서비스가 시작되면서 이용자의 평점 외에도 세세한 시청행태의 정보 수집도 가능했다. 구독자가 자체적으로 만들어 둔 콘텐츠 즐겨찾기 목록이나 영상 시청 날짜 및 시간, 시청 중단 시점, 빨리 감기나 건너뛰기 등의 개인적 행동 정보들이 고스란히 데이터셋에 포함되었다.

이용자 정보뿐만 아니라 감독이나 출연진, 제작 연도및 국가 등의 콘텐츠 정보 수집에도 주의를 기울였다. 2018년까지 30명 규모의 태거(Tagger)들을 고용, 넷플릭스 유통 콘텐츠들을 감상한 후 다양하고 세세한 태그를 달도록 하였다. 이처럼 수작업으로 입력된 태그들은 다양하게 조합되어 각 콘텐츠를 설명한다. 흔히 분류하는 '로맨스 영화', `공 영화'가 아닌 '껄끄럽고 긴장감 넘치는 추리극'이라던가 '시각적 효과가 뛰어난 노스탤지아 드라마' 등으로 나타난다. 이렇게 조합된 장르는 'alt genre'로 관리되며, 약 8만 개 이상의 조합이 존재한다[6].

이렇게 수집된 객관적이고 주관적인 콘텐츠 정보들을 바탕으로 넷플릭스는 이용자에게 적합한 추천 시스템으로 발전시켜왔다. 2006년부터 넷플릭스 프라이즈 (Netflix Prize) 대회를 열어 추천 알고리즘 정확도를 10% 높인 개발진에게 100만 달러의 상금을 주는 등 추천 알고리즘 기술 향상에 주력하고 있다[7].

여러 선행연구에서 개인화 추천 서비스는 이용자의 정보 탐색 비용을 절감하고, 기업 매출에도 긍정적 영향을 미치는 것으로 나타났다[8]. 유사한 연구에서는 추천 서비스가 구독자 참여 증가와 함께 구독 취소 감소효과도 있음을 확인하였다[9. 이처럼 개인화 추천 서비스는 이용자의 이용 및 검색, 좋아요 등을 바탕으로 화면 정보 또는 검색 결과를 달리 구성하여 콘텐츠를 추천하는 것이며, 이를 통해 이용자는 자신이 더욱 흥미롭고 선호하는 콘텐츠를 쉽고 빠르게 접할 수 있다.

IT 분야의 수용 후 행동에 관한 연구에 주로 적용되는 기대일치 이론(Expectation Confirmation Theory) 은 인지된 성과(Perceived Performance)와 결합한 기대(Expectation)가 구매 후의 만족(Satisfaction)으로 이어진다고 가정한다. 즉, 제품에 대한 성과가 처음 기대를 초과할 때 구매 후 만족하며, 반대로 제품 성과가 구매가의 기대에 미치지 못할 때 불만족할 가능성이 높았다[10].

따라서, 본 연구에서는 넷플릭스가 제공하는 개인화 추천 서비스를 통해 접하는 콘텐츠의 기대일치 정도가 사용자의 만족도에 어떠한 영향을 미치는지에 대해 심층적으로 연구하고자 한다

Ⅱ. 이론적 배경

1. OTT 플랫폼의 선행연구 분석

OTT(Over-The-Top)는 원래 유료방송 셋톱박스를 통한 동영상 서비스의 한정적 개념이었으나 현재는 온라인 동영상 서비스를 총칭하는 용어로 확대되었다 [11].

OTT 플랫폼에 관한 선행연구는 크게 3가지로 분류할 수 있다. 첫째, OTT 플랫폼 사업자의 전략을 분석한 연구이다[12-15]. 둘째, OTT 서비스의 규제 및 정책적 함의에 관한 연구이다[16-18). 마지막으로, OTT 서비스 이용자 만족과 이용 동기와 관련된 연구이다 [19-21]

오늘날 통신 기술의 발전에 따라 언제 어디서나 콘텐츠를 소비할 수 있게 됨에 따라 최근 학계에서는 이용자들의 콘텐츠 소비 현상에 중점을 둔 연구들이 진행되고 있다.

이용자들이 OTT 서비스 선택 시 상대적으로 중요하게 고려하는 속성을 살펴보기 위해 계층분석과정 (Analytic Hirearchy Process)을 활용한 연구[22]에서는 1단계 속성으로 '콘텐츠', '비용', 서비스 품질', `이용 편의성'이며, 2단계 평가요인은 1단계 속성의 하위평가요인으로 구성됨을 확인하였다. '콘텐츠'에는 '국내/외 콘텐츠 양', '오리지널 콘텐츠 양', '장르 다양성'이, '비용'에는 '이용가격의 합리성', '요금제의 다양성' 프로모션'이 하위 항목으로 묶였다. '서비스 품질'에는 화 질', '음질', '안정성', '광고 없음'이, '이용 편의성'은 '맞춤형 콘텐츠 추천', 'UI 및 검색 정확성', '다중기기 활용', '콘텐츠 업로드 실시간성', '콘텐츠 정보'가 포함됨을 확인하였다.

OTT 시장 경쟁의 치열화로 다양한 OTT 서비스 등장과 복수 구독(Multi-homing)하는 이용자 특성에 관한 연구에서는 연령이 낮을수록, TV VOD 시청 비중이 높을수록, 오리지널 콘텐츠를 주로 소비하는 경향일수록 복수의 OTT 서비스를 여러 개 이용할 확률이 높은 것으로 확인되었다[11].

넷플릭스 이용자의 지속 이용 의도를 살펴본 연구[20]에서는 기술 수용 모델을 통해 서비스 특성에 대한 이용자 만족을 확인하였다. 완전성, 정확성, 포맷, 시의성과 같은 정보 품질과 안정성, 유연성, 통합성 등의 시스템 품질이 이용자 만족에 영향을 미치는 요인임을 확인하였다. 또한, 연구결과로 넷플릭스가 제공하는 방대한양의 콘텐츠에 대해 이용자는 선택의 어려움을 겪는다고 판단했으며, OTT 서비스의 영상 추천, 검색, 영상정보와 같이 이용자의 편의를 돕는 편의 기능에 대한 사용자 만족이 궁극적으로 이용자의 지속 이용 의도에 영향을 미칠 수 있는 중요한 변인으로 판단하였다.

따라서, 콘텐츠 추천 서비스가 OTT 서비스의 핵심적기능 중 하나로 판단하였으며, 본 연구에서는 추천 서비스에 대한 세부 속성에 대한 변인을 탐색하고자 한다.

2. 개인화 추천 서비스

개인화(Personalization)는 소비자 또는 이용자에 대한 분석 지식을 바탕으로 콘텐츠, 서비스, 제품 추천 등을 개인에게 맞춤화하여 제공하는 것을 의미한다 [23]. 상품 추천이 오프라인 대면 서비스에 집중되었던 과거와는 달리 현재는 온라인과 오프라인에서 고객에게 필요한 가치와 경험을 전달하고자 하는 고객지향적마케팅으로 활용하고 있다.

개인화 서비스 방식은 사용자가 사전에 자신의 기호나 요구를 설정한 설정형 개인화와 사용자 개인 정보와 구매 패턴의 데이터를 기반으로 사용자가 선호할 것으로 판단되는 서비스를 자동으로 추천하는 학습형 개인화로 구분할 수 있다[24]. 개인화 서비스의 유형은 고객맞춤화 서비스와 추천 서비스로 구분된다[25]. 이처럼 개인화 추천 서비스는 방문한 고객에 대한 정보를 바탕으로 고객에게 필요하다고 예측되는 정보를 개별적으로 추천하는 서비스다[24].

OTT 서비스의 개인화 추천 서비스와 관련된 선행연구로는 UTAUT모델을 바탕으로 한 연구[26]에서는 OTT 서비스 이용자에게 최적화된 콘텐츠 추천 서비스가 제공된다면 OTT 서비스 이용 전에 가졌던 기대를 충분히 충족시킬 수 있고 지속 이용 의도 또한 높아진다고 하였다. 기대일치 모델을 적용해 OTT 서비스 특성이 지속 이용 의도에 미치는 영향을 살펴본 연구[27] 에서는 이용자들이 생활 스타일과 취향에 적합한 콘텐츠를 추천할 것이라는 특성에 큰 기대를 하고 있으며, 실제 OTT 서비스는 그러한 기대를 충족시켜줌을 확인하였다.

디지털 동영상 플랫폼 유튜브의 개인화 서비스에 관한 연구에서는 개인화 서비스가 인지된 용이성과 인지된 유용성에 정의 영향을 미친 것으로 나타났고, 궁극적으로 지속적인 이용의도에도 영향을 미치는 것으로 검증되었다[28].

선행연구 결과를 바탕으로 본 연구에서는 OTT 플랫폼인 넷플릭스의 추천 서비스에 대한 이용자의 사용 경험등 주관적 인식을 형성하는 세부 항목을 탐색하는데 초점을 맞췄다.

이용자 사용 경험을 바탕으로 추천시스템 평가를 진행하는 것에 SOR(Stimulus-Organism-Response) 의사결정 모델을 활용하기도 하였다[29]. 자극에 해당하는 추천 서비스 품질 평가에 대해 량 외 연구자 (Liang et al.)[3이]들은 정확하게 이용자가 원하는 정보를 제공했는지, 원하지 않는 결과를 잘 걸러내었는지, 원하는 범주의 결과를 유의미하게 제시했는지 등이 추천품질 측정항목으로 활용할 수 있다고 봤다.

추천 정확성은 이용자가 플랫폼의 추천 콘텐츠가 자신의 관심사와 선호도에 일치한다고 느끼는 정도이다. 다시 말해 추천시스템이 이용자의 선호도와 취향을 얼마나 잘 이해했는지에 대한 평가로, 대부분의 추천시스템 평가 연구들은 대부분 정확성 평가에 중점을 두고 있다.

넷플릭스에 한정하여 추천시스템의 정확성이 높다는 의미는 이용자가 관심 있어 하는 영화, 드라마 등의 동영상 콘텐츠 위주로 추천 대안들을 제시하는 것을 의미한다. 선행연구에서 이용자의 관심 및 선호에 부합하는 추천이 지각된 추천 품질을 높인다고 인식[31]하며, 이용자의 긍정적 정서를 유발[32]할 수 있다고 나타났다. 추천시스템의 정확도는 넷플릭스가 다른 OTT 서비스와 경쟁하여 이용자를 확보하는 매우 중요한 요인 중 하나이다.

인간의 욕구를 5가지 층위로 구분한 매슬로우에 따르면 사람은 원하는 욕구가 충족되면 다시 새로운 욕구를 갈망한다고 말했다[33]. 본능적으로 새로운 것을 추구하는 인간의 욕구는 쇼핑 등 소비 행동에서 잘 드러난다. 다양한 소비를 하는 소비자는 본인 스스로 자신의 선호를 정확히 알지 못하기 때문에 다양한 제품을 구매한다는 연구 결과도 있다[34]. 이는 소비자가 본인이 가장 선호하는 것이 불확실할 경우 다양성을 선호하여 고정된 구매에 대한 리스크를 감소시켜 만족감을 높일 수 있음을 지적한다.

추천 다양성이란 얼마나 다양한 선택의 폭을 제공하는가에 대한 평가를 의미한다. 추천시스템 품질로서의 다양성은 많은 수의 선택 대안만을 의미하는 것이 아니며 이용자가 하나의 주제, 장르에만 편향되지 않는 다양성을 누릴 수 있는 것을 의미한다고 볼 수 있다[35].

만약 추천받는 콘텐츠가 항상 비슷하거나 동일한 콘텐츠라면, 이용자는 추천 다양성의 폭이 좁다고 느낄 가능성이 크며, 이는 추천시스템에 대한 부정적 평가로 이어질 수 있다[36]. 추천 콘텐츠의 다양성이 충족되지 않는다면 이용자들은 해당 OTT 플랫폼에서 추천하거나 제공하지 않는 콘텐츠를 찾아 다른 서비스로 이탈할 가능성 역시 존재한다.

넷플릭스는 개인 취향 기반 알고리즘뿐만 아니라 전체 이용자들이 즐겨 찾는 취향과 이용 패턴을 활용하여 지금 뜨는 콘텐츠', 인기 콘텐츠 등의 추천 콘텐츠 목록을 제공하고 있다.

추천 신기성은 추천시스템을 통해 예상하지 못했거나, 생각하지 못했던 새롭고 흥미로운 대안을 제시받는지의 정도를 의미한다. 동영상 플랫폼을 이용하는 주요 동기 중 하나는 즐거움의 추구로 여가를 즐기기 위함이다[37].

추천 정확성에 중점을 둔 추천시스템은 이용자에게 노출되는 콘텐츠의 동질화에 빠지기 쉽고, 새로운 콘텐츠를 발견하기 어려울 수 있다. 따라서 지금까지 이용자가 시청한 콘텐츠의 취향과는 무관하나 새로운 콘텐츠를 발견할 기회를 제공하는 것도 필요하다. 이처럼 흥미로운 콘텐츠 제안 역시 이용자가 기대하고 있는 것으로 추천시스템 인식에 긍정적으로 기여할 수 있다.

3. 기대일치 이론

기대일치 이론(Expectation Confirmation Theory) 은 소비자 행동 연구 중에서도 IT 기술 및 서비스 수용 후 행동 분석에 널리 사용하는 이론이다. 인지된 성과 (Perceived Performance)와 결합한 기대(Expectation) 가 구매 후의 만족(Satisfaction)에 영향을 미친다는 것이 기대일치 이론의 핵심이다[38].

기대일치 이론은 고객이 사용 경험을 통해 인지된 성과를 바탕으로 합리적인 사후 행동을 채택하는 과정을 설명할 때 유용하다. 따라서, 이 이론의 주요 구성요소는 가용 전 기대, 성과, 일치(혹은 불일치)이다.

지각된 유용성은 제시되는 정보를 이용자들이 어떻게 주관적이고 인지적인 판단을 내리는가와 관련되어 있다. 여기서 유용성은 해당 정보를 사용하거나 수용하는 것이 이용자의 요구나 과업 해결에 적절히 부합될 것이라고 믿는 정도를 의미한다[39]. 유용성은 소비자가 제품의 효능, 외형, 사용 편리성, 가격 등 실용적 가치가 기존 제품 대비 얼마나 효과적인지를 인식하는 상대적 이점뿐만 아니라 자아를 강화하는 욕구의 만족, 즉 쾌락적 가치까지로 포함하는 것으로 정보 품질에 상당한 영향을 미친다[40].

따라서 기대충족은 실제가 기대치를 능가(긍정적 불일치)하거나 기대와 같은 수준으로 인지(단순한 일치) 하는 것으로 구매/이용 후 만족감으로 이어지는 정도에 대한 개념이다.

바타체르지(Bhattacherjee)는 정보시스템의 지속사용의도를 명확히 설명하기 위해 올리버(Oliver)의 기대일치 모델을 이용자 기반으로 발전시킨 후기 수용모델 (Post-Adapation Model)을 제안하였다[41]. 이후 OTT 플랫폼에서 지속사용의도에 미치는 영향관계를 살펴본 연구[42]에서 인지된 유용성과 기대충족이 지속사용의도의 매개 변인이며, 인지된 유용성이 기대충족에 유의한 영향을 미친다는 것을 확인하였다.

따라서, 본 연구는 넷플릭스의 차별화된 주력 전략 중 개인 맞춤형 알고리즘 시스템을 활용한 개인화 추천서비스의 정확성, 다양성, 신기성 인식, 그리고 추천 콘텐츠 시청이 지각된 유용성과 기대충족에 미치는 영향과 효과에 대해 알아보고자 한다.

Ⅲ. 연구방법

1. 연구가설

본 연구는 개인화 추천 서비스와 기대일치 이론을 바탕으로 넷플릭스 개인화 추천 서비스가 지각된 유용성과 기대충족에 어떠한 영향을 미치는지 살펴보고자 한다. 이를 바탕으로 다음의 구체적인 연구가설을 도출하였다.

H1. 넷플릭스 개인화 추천 서비스는 지각된 유용성에 정(+)의 영향을 미칠 것이다.

H1-1. 넷플릭스 개인화 추천 정확성은 지각된 유용성에 정(+)의 영향을 미칠 것이다.

H1-2. 넷플릭스 개인화 추천 다양성은 지각된 유용성에 정(+)의 영향을 미칠 것이다.

H1-3. 넷플릭스 개인화 추천 신기성은 지각된 유용성에 정(+)의 영향을 미칠 것이다.

H2. 넷플릭스의 지각된 유용성은 이용자의 기대충족에 정(+)의 영향을 미칠 것이다.

2. 분석방법

전문 조사 업체인 마켓링크를 통해 현재 본인이 직접 넷플릭스 정기 구독료를 결제하고 있으며, 최근 일주일내 2편 이상의 넷플릭스 영상을 시청한 20대와 30대 성인남녀를 대상으로 온라인 설문 조사를 실시하였다. 조사는 2022년 1월 20일부터 26일까지 총 7일간 진행 되었으며, 불성실한 응답을 제외하고 최종 300명의 응답 결과를 분석하였다. 객관적인 연구결과 검증을 위해 이용자의 성별, 연령대는 동일 비율로 임의 할당 추출 (Quota Sampling)하였으며, 수집된 자료의 통계 처리는 SPSS 22.0과 Amos 22.0 통계패키지를 사용하여 분석하였다.

3. 주요 변인 측정

주요 변인에 대한 조작적 정의와 구체적 질문 문항은 [표 1]에 제시하였다.

표 1. 주요 변인의 조작적 정의와 질문 문항

각 변인들은 선행연구에서 신뢰성과 타당성이 입증된 측정 문항을 기본적으로 사용하였고, 필요에 따라 일부 문항은 조정하였다. 주요 변인의 문항들은 '전혀 그렇지 않다', '그렇지 않다', '보통이다', '그렇다', '매우그렇다'로 구성된 리커트(Likert) 5점 척도로 구성하였다.

IV. 연구결과

1. 표본의 특성

연구문제 검증을 위해 분석에 활용된 최종 샘플 성인 남녀 300명의 세부 인구통계 정보는 아래 표와 같다.

표 2. 인구통계 빈도분석표

먼저 성별을 살펴보면, 남성은 152명(50.7%), 여성은 148명(49.3%)으로 나타났다. 연령은 5세 연령별 임의할당으로 추출하였고, 연령 평균은 29.73세, 표준편차(SD)는 5.65로 나타났다.

직업으로는, 직장인이 160명(53.3%)으로 가장 많았고, 다음으로 대학(원)생이 67명(22.3%), 파트타이머/ 프리랜서가 26명(8.7%), 전업주부가 16명(5.3%) 순이었다.

거주지는 서울 및 수도권이 162명(54.0%)으로 절반이상을 차지하였고, 138명(46.0%)은 그 외 지역에서 거주하는 것으로 나타났다.

소득수준을 살펴보면, 300만 원 미만이 23.3%, 300-500만 원 미만이 33.6%, 500-700만 원 미만이 21.7%, 700만 원 이상이 21.3%였다.

2. 문항 정제 및 요인 구조 탐색

본 연구에서는 수집된 요인의 타당성 및 신뢰성 검증을 위해 크론바흐 알파 계수 분석과 탐색적 요인분석 (Exploratory Factor Analysis)을 실시하였다. 회전방식은 자료 손실이 적고 해석이 용이한 배리맥스 (Varimax) 기법을 채택하였다. 요인적재량(Factor Loading)은 0.4 이상이면 유의한 변수로 판단하였다 [43].

표 3. 주요 연구 변인 요인분석 결과

넷플릭스의 개인화 추천 서비스에 대한 평가 측정항목에 대한 탐색적 요인분석을 진행한 결과 추천 정확성과 추천 다양성, 추천 신기성의 3가지 요인으로 나타났다. 각 차원의 아이겐값(Eigen value)은 모두 1.0 이상으로 나타났으며, 신뢰도는 0.8 이상으로 만족할만한 수준이었다.

측정 도구의 타당성과 적합성 여부를 검증하는 KMO(Kaiser-Meyer-Olkin) 척도와 바틀릿 구형성 검정(Bartlett's test)의결과를 확인하였다. KMO는 0.9 이상으로 매우 좋았고, 바틀릿 구형성 검증 수치는 0.01 이하의 유의한 수준으로 나타나 양호하였다. 즉, 넷플릭스 개인화 추천 서비스의 평가 척도의 타당도와 신뢰도 모두 통계적으로 유의했다.

지각된 유용성에 대한 탐색적 요인 분석결과, 단일요인으로 나타났고, 아이겐값은 2.366으로 나타났다. 측정 도구의 타당성 검증은 KMO가0.7 이상으로 적당한 편이었으며, 바틀릿 구형 검증은 0.01 이하 유의수준으로 나타났다.

마지막으로 종속변수인 기대충족에 대한 탐색적 요인분석을 진행하여 단일 요인임을 확인하였다. 아이겐값 2.979, KMO 0.7 이상, 바틀릿 구형 검증은 0.01 이하로 모든 주요 연구 변인의 측정항목 타당성과 신뢰성은 적합하다고 할 수 있다.

3. 상관관계 분석

변수들의 상관관계를 보기 위해 피어슨(Pearson) 상관관계 분석을 진행하였다. 그 결과는 [표 4]에 제시하였다.

표 4. 피어슨(Pearson) 상관관계 분석결과

**p<0.01

넷플릭스 개인화 추천 서비스의 추천 정확성, 다양성 신기성은 지각된 유용성과 기대충족에서 유의한 정의상관관계를 보인다. 넷플릭스의 지각된 유용성은 기대 충족(r =.683. p(0.01)과 정적 상관관계가 유의하였다.

즉, 가설적 이론에 사용된 주요 변인들에서 유의한 상관관계가 있음을 확인하였다.

4. 연구가설 검증

연구가설의 채택 여부 확인을 위하여 경로 분석을 진행하였다. 다수의 인과관계를 동시에 검증이 필요한 본 연구에 적합한 분석 방법이라고 판단하였다.

연구가설 검증에 앞서, 모형 적합도를 살펴보았다. 모형 채택하기 위한 적합도 지수는 CMIN/DF=1.986으로 나타났고, GHI(Goodness of Fit Index)=.976, AGFI(Adjusted Goodness of Fit Index)=.900, CFI(Comparative Fit Index)=.981, NFI(Normed Fit Index)=.978, RMSEA(Root Mean Square Error of Approximation)=.033으로 나타났다.

모형 적합도의 각 지수는 일반적으로 수용할 수 있는 기준(CMIN/DF < 2, GFI/AGFI[/CFI/NFI > 0.9, RMSEA < 0.08)[28]을 충족하여 연구 모형이 전반적으로 적합하다고 판단한다.

경로 모형 분석결과는 표 5]와 같다.

표 5. 경로 모형 분석 세부 결과

먼저, 넷플릭스 개인화 추천 서비스 요인과 관련하여 추천 정확성은 지각된 유용성에 긍정적으로 유의미한 영향을 미치는 것으로 확인하였다(S=353, p=.000). 넷플릭스 추천 콘텐츠가 관심사와 취향에 맞을수록 지각된 유용성이 높아짐을 의미한다.

다음으로, 추천 다양성은 지각된 유용성에 유의미한 정적 영향을 미치는 것으로 나타났다(6=323, p-. 000). 넷플릭스 이용자는 추천 콘텐츠가 다양하다고 느낄수록 추천 서비스 유용성을 높다고 인식하는 것으로 확인되었다.

추천 신기성은 지각된 유용성에 긍정적으로 유의미한 영향을 미치는 것으로 확인되었다((6=1177, p= .008). 넷플릭스의 추천 콘텐츠가 기대하지 못했거나 새로웠다면 지각된 유용성이 높음을 의미한다.

따라서, 연구가설 1-1과 1-2, 1-3 모두 채택되었다. 유의미한 변인 중 추천 정확성이 가장 높은 표준화 계수를 보였으며, 다음으로 추천 다양성, 추천 신기성 순으로 나타났다.

지각된 유용성은 기대충족에 정적으로 유의미한 영향을 미치는 것으로 나타나, 가설 2 역시 채택되었다(5 =.683, p=.000). 이용자가 넷플릭스 추천 서비스가 제안한 콘텐츠를 이용 후 느끼는 실용적 가치 또는 쾌락적 가치의 만족이 넷플릭스 이용 전후 기대충족이 높아진다는 것을 의미한다.

V. 결론 및 시사점

본 연구는 구독형 OTT 플랫폼인 넷플릭스의 개인화추천 서비스에 대한 평가가 이용자의 지각된 유용성과 기대충족에 미치는 영향을 살펴보았다. 개인화 추천서비스의 특성을 추천 정확성과 추천 다양성, 추천 신기성으로 구분하고 각 요인이 지각된 유용성에 미치는 직접 효과와 기대충족에 미치는 간접 효과를 고찰하였다.

넷플릭스 정기구독자 300명을 대상으로 온라인 정량조사를 진행하여 얻게 된 최종 연구결과를 [그림 1]로 요약하였다.

그림 1. 경로 모형 분석결과

이용자에게 맞춘 개인화 서비스가 OTT 플랫폼 시장의 경쟁우위를 위한 차별적 특성으로 부각하면서 개인화 추천 서비스 알고리즘의 연구 및 개발이 활발히 진행되고 있다. 이러한 상황에서 본 연구는 넷플릭스의 개인화 추천 서비스 특성으로 추천 정확성과 추천 다양성, 추천 신기성과 기대일치 이론의 지각된 유용성과 기대충족 간의 관계 및 효과를 확인하였다. 선행연구를 참고해 연구가설과 연구모형을 설정하고 요인분석, 상관관계 분석, 경로 분석을 통해 실증적인 검증을 진행하였다.

추천 서비스의 정확성은 추천 서비스에서 이용자에게 제공하는 핵심적인 편익 특성임을 재차 확인[44]할 수 있었고, 지각된 유용성에도 유의한 영향을 미쳤다 (H1-1). 고객 성향 및 취향의 맞춤 정확성을 높이기 위해서는 추천 서비스의 알고리즘을 보완할 수 있는 콘텐츠에 대한 서비스 평가 기능 추가 등을 포함하여 개선을 지속하여야 할 것이다.

추천 서비스의 다양성은 추천목록을 통해 하나의 장르와 콘텐츠를 고집하지 않고 이용자의 취향에 맞는 카테고리들의 영상 추천을 제공해줄 수 있을 때 지각된 유용성이 향상될 수 있다(H1-2). 그러나 다양한 콘텐츠를 제공하는 것으로 인해 이용자의 의사결정 시간과 노력을 과도하게 소비하지 않아야 한다. 또한, 다양한 콘텐츠 제공을 위해 이용자가 선호하지 않는 콘텐츠가 추천되는 빈도를 줄이는 방안을 고민해야 한다.

신기성에 대한 평가가 높을수록 지각된 유용성이 높게 나타날 수 있음이 확인되었다(H1-3).

추천목록을 구성할 때 일정 수 이상은 이용자가 새롭거나 흥미를 느낄 수 있는 콘텐츠를 일부 포함하는 것도 추천 서비스 유용성을 높이는 방법이 될 수 있으나, 가장 중요한 추천 서비스 속성인 이용자의 취향을 만족시키는 것에 중점을 두어야 하겠다.

마지막으로, 넷플릭스의 개인화 추천 서비스에 대한 지각된 유용성이 기대충족에 직접적인 영향을 미치고 있음을 확인하였다(H2). 이는 IT 서비스 수용 후 행동에 관한 기대일치 이론이 넷플릭스 개인화 추천 서비스에서도 동일하게 적용될 수 있음을 시사한다. 개인화된 콘텐츠 추천 서비스의 유용성은 OTT 서비스 이용 전후의 기대감을 충족하는 중요 요인이 될 수 있으므로 서비스 만족도를 지속해서 관리해야 할 것이다.

본 연구는 학문적으로 OTT 서비스(넷플릭스)의 개인화된 추천 서비스에 대한 이용자의 수용 및 행동에 관한 통합적 관점에서 진행된 연구라는 점에서 의의가 있다. 추천시스템에 대해 통합적으로 진행된 선행연구들과 달리 추천 서비스의 특성을 정확성, 다양성, 신기성으로 나누어 지각된 유용성에 영향을 미친다는 사실을 확인하였다.

넷플릭스는 그동안 사용자 계정별로 첫 페이지 구성을 개인화된 콘텐츠 추천(Personalized Video Ranker, PVR)으로 구성하는 추천 정확성에 중요성을 두고 이용자에게 자연스럽게 콘텐츠를 추천해왔다

그뿐만 아니라 이용자의 시청 콘텐츠를 기반으로 비슷한 콘텐츠 추천(Video-Video Similarity)을 제공하여 본인의 취향과 잘 맞는 콘텐츠를 이용할 수 있도록 한다.

또한, 이용자들의 시청기록을 기반으로 콘텐츠 유형 (영화, 시리즈), 장르(스릴러&미스터리, 애니메이션, 코미디, 다큐멘터리 등), 테마(작가, 수상작, 어워드 등)등의 다양한 유형의 추천목록을 제공하고 있어 추천 서비스의 다양성 제공에도 노력하고 있다.

마지막으로, 인기 콘텐츠(TOP-N Video Ranker), 지금 뜨는 콘텐츠(Trending Now) 등 이용자의 취향과 동떨어져 있지만 호기심과 흥미를 유발할 수 있는 콘텐츠 추천도 놓치지 않고 있다.

본 연구는 이러한 넷플릭스의 개인화 추천 서비스의 속성을 유형화하고, 각 요인이 사용자의 실제 사용 경험을 어떻게 이끄는가를 명확하게 파악하며 실증적인 근거를 제공하였다. 따라서, 추천 서비스 알고리즘의 설계 및 재구성 시에 사용자에 대해 추천 서비스의 세부항목을 추천하는 척도로 활용할 수 있겠다. 마지막으로 OTT 플랫폼 추천 서비스의 지각된 유용성이 기대충족에 미치는 영향을 살펴 봄으로써 기대일치이론을 기반으로 한 OTT 서비스 이용 연구의 저변을 확대하고자 하였다.

연구결과가 가지는 한계와 후속 연구를 위한 제언은 다음과 같다. 첫째, OTT 플랫폼의 개인화된 추천 서비스 중 넷플릭스에만 집중하여 조사하였다는 점에서 한계가 있다. 향후에는 다양한 OTT 플랫폼의 추천 서비스에도 본 연구의 연구모형을 검증할 필요가 있다. 둘째, 개인화된 추천 서비스 특성에 선정된 변수가 한정적이었다는 점이다. 정확성, 다양성, 신기성의 3가지 요인 외에도 추천 서비스 특성을 설명할 수 있는 세부요인을 탐색할 필요가 있다. 셋째, 종속변인은 기대충족변인의 측정으로 넷플릭스 이용 후 기대 대비 변화에 대해 문항을 구성하였다. 플랫폼 이용 전에 가지고 있는 기대감에 대한 평가와 플랫폼 이용 후 기대감에 대한 만족도 평가로 진행한다면 보다 심층적인 연구결과를 도출할 수 있을 것으로 판단된다. 마지막으로 본 연구는 OTT 사용률이 많은 20, 30대와 직접 구독료를 지불하고 있는 응답자로 연구대상을 한정했다는 점이다. 이후에는 다양한 세대, 구독료 지급 여부로 표본을 추출하여 연구를 진행할 필요가 있다.

References

  1. R. Williams, E. Williams, and R. Silverstone, Television: Technology and cultural form, Routledge, 2004.
  2. 최선영, "넷플릭스의 한국 진출을 계기로 본 OTT 시장의 변화," 신문과 방송, 제543권, 제3호, pp.13-18, 2016.
  3. 김영주, "OTT 서비스 확산이 콘텐츠 생산, 유통, 소비에 미친 영향에 관한 연구," 방송문화연구, 제27권, 제1호, pp.75-102, 2015. https://doi.org/10.22854/SBC.2015.27.1.75
  4. 이슬기, "넷플릭스 유료 가입자 2억명 넘었다," 조선비즈, 20210120, https://biz.chosun.com/site/data/html_dir/2021/01/20/2021012002522.html
  5. H. Kim, S. M. Chan-Olmsted, K. H. Hwang, and B. H. Chang, "Examining the Use, Perception, and Motivation of Cord-Cutting: A Consumer Segment Approach," Journalism & Mass Communication Quarterly, Vol.98, No.1, pp.126-147, 2021. https://doi.org/10.1177/1077699020946442
  6. 리테일온, "[지식정보] 넷플릭스의 경쟁 성공 요인", 20201027, http://www.retailon.kr/on/bbs/board.php?bo_table=r1_02&wr_id=1180
  7. M. Taghavi, J. Bentahar, K. Bakhtiyari, and C. Hanachi, "New insights towards developing recommender systems," The Computer Journal, Vol.61, No.3, pp.319-348, 2018. https://doi.org/10.1093/comjnl/bxx056
  8. 이청용, 이병현, 이흠철, 김재경, "CNN 기반 리뷰 유용성 점수 예측을 통한 개인화 추천 서비스 성능 향상에 관한 연구," 지능정보연구, 제27권, 제3호, pp.29-56, 2021. https://doi.org/10.13088/JIIS.2021.27.3.029
  9. 최선영, 고은지, "넷플릭스 미디어 구조와 이용자 경험: 행동경제학 관점에서 본 이용자와의 관계 맺기," 방송문화연구, 제30권, 제1호, pp.7-42, 2018. https://doi.org/10.22854/SBC.2018.30.1.7
  10. R. L. Oliver, "A Cognitive Model of the Antecedents and Consequences of Satisfaction Decisions," Journal of Marketing Research, Vol.17, No.4, pp.460-469, 1980. https://doi.org/10.2307/3150499
  11. 변은지, 백현미, "OTT 서비스 복수 구독 현황 및 이용자 특성에 관한 탐색적 연구," 방송통신연구, 2021년 겨울호, pp.43-69, 2021.
  12. 한광섭, "N-/멀티스크린 및 OTT 서비스 시대의 미디어 생태계 변환의 여섯가지 특징과 함의," 한국콘텐츠학회논문지, 제14권, 제8호, pp.342-364, 2014. https://doi.org/10.5392/JKCA.2014.14.08.342
  13. 김영환, 정회경, "한국방송 콘텐츠의 뉴미디어 플랫폼 비즈니스 모델," 디지털융복합연구, 제14권, 제10호, pp.431-438, 2016. https://doi.org/10.14400/JDC.2016.14.10.431
  14. J. Sujata, S. Sohag, D. Tanu, D. Chintan, P. Shubham, and G. Sumit, "Impact of Over the Top (OTT) services on telecom service providers," Indian Journal of Science and Technology, Vol.8, No.S4, pp.145-160, 2015.
  15. M. Lukas, V. Mollica, M. Noeth, and S. Trueck, "Over the Top? Overpricing and advertising effectiveness," Macquarie University Faculty of Business & Economics Research Paper, Available at https://ssrn.com/abstract=3277443, 2018.
  16. 허민영, 오수진, OTT(Over-The-Top) 콘텐츠 시장의 거래개선 방안 연구, 한국소비자원 정책연구보고서, 2018.
  17. 권형둔, "헌법상 방송개념과 OTT 서비스의 방송법적 규제의 정당성," 언론과 법, 제18권, 제1호, pp.1-36, 2019.
  18. A. D. Lotz, "The multifaceted policy challenges of transnational Internet-distributed television," Journal of Digital Media & Policy, Vol.10, No.1, pp.27-31, 2019. https://doi.org/10.1386/jdmp.10.1.27_1
  19. 김대한, 박남기, "OTT 서비스 이용자의 이용 동기가 이용 만족과 지속 사용 의사에 미치는 영향," 방송통신연구, 제93권, pp.77-110, 2016.
  20. 유지훈, 박주연, "글로벌 OTT 서비스 이용자의 지속적 이용 의도에 미치는 요인 연구 : 넷플릭스(Netflix) 사례를 중심으로," 방송통신연구, 제102권, pp.46-79, 2018.
  21. Tran, Thi-Thanh-Quy, Quoc-Tuan Tran, and Hoanh-Su Le, "An empirical study on continuance using intention of OTT apps with young generation," Advanced Multimedia and Ubiquitous Engineering, Springer, Singapore, pp.219-229, 2019.
  22. 곽은아, 최진호, "OTT 서비스 속성에 대한 이용자 인식 및 사업자 경쟁관계 분석," 방송과 커뮤니케이션, 제20권, 제2호, pp.121-169, 2019. https://doi.org/10.22876/BNC.2019.20.2.004
  23. J. Dyche, The CRM handbook: A business guide to customer relationship management, Boston, USA: Addison-Wesley Professional, 2002.
  24. 김용수, "개인화 서비스를 위한 추천 시스템의 연구동향," ie매거진, 제19권, 제1호, pp.37-42, 2012.
  25. K. R. Chellappa and G. R. Sin, "Personalization versus Privacy: An Empirical Examination of the Online Consumer's Dilemma," Information Technology and Management, Vol.6, No.2-3, pp.181-202, 2005. https://doi.org/10.1007/s10799-005-5879-y
  26. 이용준, 김원제, "OTT 이용자의 큐레이션 서비스 지속 이용의도에 영향을 미치는 요인 연구," 디지털융복합연구, 제19권, 제4호, pp.217-225, 2021. https://doi.org/10.14400/JDC.2021.19.4.217
  27. 박현선, 김상현, 손창용, "Over The Top (OTT) 의 지속이용의도에 대한 이해: OTT 특성과 가격공정성의 영향," 지식경영연구, 제23권, 제1호, pp.203-225, 2022. https://doi.org/10.15813/KMR.2022.23.1.011
  28. 마리야오, 권상희, "개인화 서비스요인이 사용자의 지속적인 이용의도영향에 미치는 연구: 유튜브의 기술수용모델을 중심으로," 한국언론정보학보, 제99권, pp.65-95, 2020.
  29. Xu, Jingjun, Izak Benbasat, and Ronald T. Cenfetelli, "The Nature and Consequences of Trade-off Transparency in the Context of Recommendation Agents," MIS Quarterly, Vol.38, No.2, pp.379-406, 2014. https://doi.org/10.25300/MISQ/2014/38.2.03
  30. Liang, Ting-Peng, Hung-Jen Lai, and Yi-Cheng Ku, "Personalized Content Recommendation and User Satisfaction: Theoretical Synthesis and Empirical Findings," Journal of Management, Information Systems, Vol.23, No.3, pp.45-70, 2006. https://doi.org/10.2753/MIS0742-1222230303
  31. M. Nilashi, D. Jannach, O. bin Ibrahim, M. D. Esfahani, and H. Ahmadi, "Recommendation quality, transparency, and website quality for trust-building in recommendation agents," Electronic Commerce Research and Applications, Vol.19, pp.70-84, 2016. https://doi.org/10.1016/j.elerap.2016.09.003
  32. B. P. Knijnenburg, M. C. Willemsen, Z. Gantner, H. Soncu, and C. Newell, "Explaining the user experience of recommender systems," User modeling and user-adapted interaction, Vol.22, No.4, pp.441-504, 2012. https://doi.org/10.1007/s11257-011-9118-4
  33. A. H. Maslow, "A theory of human motivation," Psychological Review, Vol.50, No.4, pp.370-396, 1943. https://doi.org/10.1037/h0054346
  34. I. Simonson, "The effect of purchase quantity and timing on variety-seeking behavior," Journal of Marketing research, Vol.27, No.2, pp.150-162, 1990. https://doi.org/10.2307/3172842
  35. 이윤재, "온라인 동영상 플랫폼에서의 추천품질이 추천시스템 만족과 충성도에 미치는 영향 연구," 마케팅 논집, 제28권, 제4호, pp.1-18, 2020.
  36. N. Jones and P. Pu, "User technology adoption issues in recommender systems," In Proceedings of Networking and Electronic Commerce Research Conference, pp.379-394, 2007.
  37. Klobas, Jane E., Tanya J. McGill, and Sedigheh Moghavvemi, Tanousha Paramanathan, "Compulsive YouTube Usage: A Comparison of Use Motivation and Personality Effects," Computers in Human Behavior, Vol.87, pp.129-139, 2018. https://doi.org/10.1016/j.chb.2018.05.038
  38. 방성택, 백진현, 문재영, "공연장의 언택트 공연서비스의 지속사용의도에 미치는 영향요인 연구," 한국콘텐츠학회논문지, 제22권, 제1호, pp.283-291, 2022.
  39. 김상조, 정선미, "SNS 정보속성이 유용성지각과 확산의도에 미치는 영향 - 마켓메이븐경향(Market Mavenism)의 조절효과," 경영과 정보연구, 제36권, 제1호, pp.95-114, 2017.
  40. Qutaishat, Fadi Taher, "Users' Perceptions towards Website Quality and Its Effect on Intention to Use E-government Services in Jordan," International Business Research, Vol.6, No.1, pp.97-105, 2013.
  41. A. Bhattacherjee, "Understanding Information Systems Continuance: An Expectation Confirmation Model," MIS Quarterly, Vol.5, No.3, pp.351-370, 2001. https://doi.org/10.2307/3250921
  42. 한소울, 권상희, "개인화 추천 서비스와 기대일치가 OTT 플랫폼 지속사용의도에 미치는 영향 연구: 유튜브와 넷플릭스 섬네일을 중심으로," 한국언론정보학보, 제111권, pp.151-180.
  43. E. Goodman, L. M. Dolan, J. A. Morrison, and S. R. Daniels, "Factor analysis of clustered cardiovascular risks in adolescence: obesity is the predominant correlate of risk among youth," Circulation, Vol.111, No.15, pp.1970-1977, 2005. https://doi.org/10.1161/01.CIR.0000161957.34198.2B
  44. Benlian, Alexander, "Web Personalization Cues and Their Differential Effects on User Assessments of Website Value," Journal of Management Information Systems, Vol.32, No.1, pp.225-260, 2015. https://doi.org/10.1080/07421222.2015.1029394