TV홈쇼핑 이용자의 라이브 커머스로의 전환 의도에 미치는 요인 분석

Ⅰ. 서 론

국내 유통시장에서 큰 비중을 차지하는 홈쇼핑은 상품공급업체, 방송플랫폼 사업자, 소비자 등 다수의 이해관계자가 거래 관계를 형성하며, 기획, 개발, 조달, 방송 등의 일련의 과정을 거쳐 최종 소비자에게 상품을 판매하는 비대면 유통채널이다. 이러한 홈쇼핑은 TV를 통한 실시간 홈쇼핑 채널과 양방향성을 기반으로 한 데이터 홈쇼핑으로 구분되며, 1995년 유료방송 출범 당시 2개 실시간 TV홈쇼핑이 서비스를 시작한 이래 2024년 기준 실시간 TV홈쇼핑 채널 7개, 데이터 홈쇼핑 채널 10개 등 총 17개 사업자가 경쟁하고 있다.

현재 홈쇼핑 사업자 수의 증가와 유료방송 가입자 정체 등 외부적 요인으로 TV홈쇼핑의 방송 사업 매출액은 2014년 이후 정체 또는 하락 추세이며, 데이터 홈쇼핑도 성장세가 둔화하고 있다^[1]. 특히 TV홈쇼핑과 달리 댓글로 고객과 소통하고 소비자 질문에 바로 응답하면서 제품을 홍보 판매하는 인터넷 기반의 양방향 서비스인 라이브 커머스(Live commerce) 등장으로 이런 추세는 가속화되고 있다.

라이브 커머스는 중국에서 2016년부터 활성화되기 시작해 빠른 속도로 성장하고 있다. 2020년 말 기준, 중국의 라이브 커머스 이용자 규모는 약 3억 8,800만 명으로 전체 인터넷 이용자의 약 40%를 차지하고 있으며, 실제 구매하는 이용자 비중은 66.2%로 이미 주류 상거래 서비스로 자리 잡고 있다^[2]. 국내에서도 라이브 커머스 매출액 규모가 보수적으로 가정하면 2025년에는 10조 2천억 원까지 성장할 수 있다고 추정될 정도로 라이브 커머스는 급격히 성장하고 있다. 이처럼 국내에서도 가까운 미래에 라이브 커머스 시장은 TV홈쇼핑을 추월할 것으로 예상해 볼 수 있다.

따라서 본 연구에서는 TV홈쇼핑과 라이브 커머스 이용자 관점에서 방송을 기반으로 하는 기존 TV홈쇼핑 이용자들이 모바일 기반의 라이브 커머스로 전환케 하는 요인을 분석한다. 어떤 부정적인 요인들이 TV홈쇼핑 이용자를 떠나게 하고 어떤 매력적인 요인들이 라이브 커머스로 유입되게 하는지 PPM 모델로 분석한다. 이를 통해 기존 TV홈쇼핑 사업자들이 어떤 부분을 보완하여 이용자의 이탈을 막고 궁극적으로 고객을 락인(Lock-In) 할 수 있을지 확인하고, 새롭게 진출하고 있는 라이브 커머스에서 어떤 부분을 강화해야 하는지 분석한다.

Ⅱ. 이론적 검토

1. TV홈쇼핑과 라이브 커머스

TV홈쇼핑은 방송법에 근거하여 정부로부터 승인을 받고 유료방송 플랫폼으로 상품소개와 판매에 관한 전문화된 프로그램을 송출하는 사업이다. 한편 라이브 커머스는 실시간으로 인터넷 스트리밍을 통해 제품에 대한 정보를 소개하고 소비자와 실시간으로 대화하면서 제품을 판매하는 방식으로 기존 TV홈쇼핑의 속성과 이커머스(e-commerce) 속성을 모두 가진 새로운 형태의 유통방식이다^[4]. 국내 라이브 커머스 시장에는 대형 포털사로 네이버 쇼핑 라이브, 카카오 쇼핑 라이브가 있으며, 라이브 커머스 전문 플랫폼인 그립, 보고, 잼라이브 등이 있다. 기존 홈쇼핑 사업자와 이커머스 사업자들도 라이브 커머스 시장에 뛰어들어 티몬, 쿠팡, 위메프, G마켓 등의 사업자들은 자체 홈페이지에서 라이브 커머스를 진행하고 있으며, 기존 TV홈쇼핑 사업자도 라이브 커머스에 진출해 기존 사업과 시너지를 높이고 있다.

TV홈쇼핑과 라이브 커머스는 쇼-호스트가 상품을 설명하고 구매를 유도한다는 측면에서는 유사하나, 서비스가 제공되는 매체와 매체 사용방식에서는 상당한 차이점이 있다. TV홈쇼핑 콘텐츠는 방송사가 채널 단위로 선형 편성을 통해 시청자들에게 일방적으로 전송하고, 시청자는 편성된 채널을 재핑(Zapping)하며 원하는 채널을 TV로 시청한다. 따라서 이러한 방송의 특징은 기본적으로 수동적일 수밖에 없다. 즉, 방송시청 과정에서 시청자가 개입할 수 있는 부분은 TV를 켜고 끄는 행위와 채널 재핑이 전부이다. 반면, 라이브 커머스가 제공되는 인터넷 서비스는 기본적으로 강력한 상호작용성을 갖고 있다. 즉, 인터넷 환경에서 이용자는 원하는 정보를 능동적으로 찾아볼 수 있으며, 자유롭게 소통할 수 있고, 다양한 서비스 중 원하는 서비스를 시간과 장소에 구애받지 않고 이용할 수 있다.

또한, TV홈쇼핑 방송은 규제적 측면에서 방송법을 통해 규제를 받으며, 심의기구인 방송통신심의위원회를 통해 내용 규제도 비교적 강하게 받고 있다. 반면, 인터넷 사업자는 전기통신사업법상 부가통신사업자로서 낮은 규제를 받으며, 내용 심의도 별도의 규제가 적용되지 않아 표현의 자유도 충분히 보장돼 오락성과 즐거움을 추구할 수 있다. 이를 정리하면 표 1과 같다.

Table 1.

Difference between TV home shopping and live commerce

2. PPM(Push-Pull-Mooring) 모형

PPM 이론은 이주이론(Migration theory)에서 시작되었다. 사람들은 현 거주지에서 다른 거주지로 이주를 결정할 때 이를 통해 얻을 수 있는 편익과 소요 비용을 종합적으로 고려하며, 그때 얻을 수 있는 편익보다 발생하는 비용이 많다면 이동하지 않고, 반대의 경우라면 이동을 결정할 것이다. 이때 이주자가 현재 거주하고 있는 지역의 생활에 부정적 영향을 미치는 요인을 Push 요인, 어떤 지역으로 유입될 수 있게 하는 긍정적 요인을 Pull 요인이라 정의하며, 거주하고 있는 정착지에 대한 부정적 감정(push)과 목적지에 대한 매력(pull)을 느낀다 할지라도 실제 이주에 들어가는 비용이 크다면 이주를 주저하게 되는데, 이러한 요인을 Mooring 요인이라 정의한다^[5]. Moon(1995)은 이를 종합해 PPM 모형을 완성했고^[6], 이 모형은 이주를 설명하는 가장 전통적이고 중요한 이론의 하나로 여겨져 왔다^[7].

이러한 이주 행위는 사람이 원래 이용하던 서비스에서 다른 서비스로 전환하는 행동 사이에 유사한 부분이 많다. 따라서 PPM 모형은 경영학, 소비자 행동학 등에서 특정 서비스에서 다른 서비스로 전환하는 행동을 분석하는 방법론으로 이용되었다^[8]. PPM 모형을 적용하여 서비스 간 전환하는 행위를 검증하면 전환에 영향을 미치는 요인을 분석할 수 있다. 즉, 현재 이용 중인 서비스의 부족한 점, 전환할 서비스의 매력을 비교하여 부족한 점보다 매력이 우월하다면 전환할 것이다. 또한, 아무리 현재 서비스에 불만이 많고 전환 대상 서비스의 매력이 높다 하더라도 전환비용이 많거나 기존 서비스에 락인(lock-in) 되어 있다면, 이는 서비스 전환에 영향을 미칠 것이다. Bansal(2005)은 이런 점에 착안하여 PPM 모형으로 소비자들이 새로운 서비스로 전환하는 행위의 원인을 실증적으로 입증했다^[9]. Bansal(2005)이 정리한 PPM의 기본 모델은 그림 1과 같다^[9].

Fig. 1.

Basic Model of PPM

현재 PPM 모형은 IT서비스 및 관련 분야로 확장 적용되어 전환 의도와 전환 행동을 설명하는 유용한 분석 틀로 활용되고 있다. 서비스의 전환행위는 특정 서비스 이용자가 동일 서비스를 제공하는 경쟁 서비스로 전환하는 행위, 그리고 새로운 기술이나 서비스가 등장할 경우 해당 서비스로 전환하는 행위, 두 가지로 크게 나눌 수 있다. 전자에 해당하는 연구로는 MMORPG 게임 서비스에서 다른 MMORPG 게임으로 전환행위에 관한 연구^[10], SNS(Social Networking Service) 서비스 간 전환에 관한 연구^[11], OTT(Over-The-Top) 서비스 간 전환에 관한 연구^[12], 이용하는 항공사 서비스 간 전환에 관한 연구^[7], 소셜미디어 서비스 간 전환에 관한 연구^[13] 등이 있다. 이 연구들은 여러 특정 서비스 카테고리 내에서 이용하는 서비스의 전환행위로서 해당 분야의 사업자들에게 어떤 부분을 개선해야 하고 어떤 부분을 강화해야 하는지 시사점을 준다는 측면에서 유용하다. 후자에 해당하는 연구로는 기존 시스템에서 클라우드 시스템으로의 전환에 관한 연구^[14], 영어교사가 기존에 이용하던 영어교육시스템에서 AR(Augmented Reality)을 이용한 영어교육시스템으로의 전환에 관한 연구^[15], 일반 게임에서 블록체인 게임으로 전환 연구^[16], 일반결제에서 간편결제 시스템으로 전환 연구^[17], 기존 방송서비스에서 MCN(Multi Channel Network)으로 전환에 관한 연구^[18] 등이 있다. 이처럼 PPM 모형은 다양한 분야의 전환행위 연구에 유용한 도구이며, 그 결과는 해당 서비스 분야에 의미 있는 통찰력을 제공한다.

Ⅲ. 연구문제와 연구방법

본 연구는 TV홈쇼핑 서비스에서 라이브 커머스 서비스로의 전환 의도에 미치는 요인들을 분석하는 것이다. 이를 위해 앞서 논의한 이론적 검토를 토대로 연구 가설을 도출하였다.

5. 연구 모형

본 연구는 Push 요인인 이용 용이성 열위와 유용성 열위가 불만족에 영향을 미치는지, 불만족이 전환 의도에 영향을 미치는지 분석한다. Pull 요인인 상호작용성과 즐거움이 몰입에 영향을 미치는지, 몰입이 전환 의도에 영향을 미치는지 분석한다. Mooring 요인으로는 전환비용을 설정했다. 전환비용은 새로운 서비스로의 전환을 막는 효과가 있다. 이에 전환비용과 전환 의도의 관계가 부정적인 관계를 갖는지 분석한다. 또한, 전환비용은 Push와 Pull 요인이 전환 의도와 관계를 갖는다 할지라도 이들과 결합해 반대 방향으로 작용시킬 수도 있다. 이를 종합적으로 분석하기 위해 그림 2와 같은 연구 모형을 제시한다.

Fig. 2.

Research model

6. 변수의 조작적 정의 및 측정항목

PPM 모형에서 사용되는 변수의 조작적 정의 및 측정항목은 앞서 서술한 내용을 통해 정리하면 표 2, 3과 같다.

Table 2.

Measurement items for variables

Table 3.

Operational definitions of variables

Ⅳ. 실증분석

본 연구에서는 선행연구를 검토하여 설문항목의 구성과 표본을 설계하고, 전문 조사업체에 의뢰하여 설문조사를 했다. 설문조사는 실증분석을 위해 TV홈쇼핑과 라이브 커머스를 이용한 경험이 있는 이용자 약 350명을 대상으로 2024년 1월에 약 2주간 진행했고, 부실한 응답을 제외한 약 239부의 응답을 가지고 분석했다.

본 연구에서는 구조화된 설문지에 응답한 유효한 설문을 대상으로 인구통계학적 분석과 탐색적 요인 분석, 확인적 요인 분석을 통해 변수의 신뢰도를 측정하였으며, 연구 모형의 검증을 위해 부트스트랩핑(Bootstrapping)을 수행하여 분석의 정확도를 기하였다.

1. 표본의 인구통계학적 특성

본 설문 응답자의 인구통계학적 특성은 표 4와 같다.

Table 4.

Demographic characteristics of the sample

인구통계학적 분석에서 주목할 점은 TV홈쇼핑과 라이브 커머스 이용은 여성 비중이 높으며, 주된 이용층은 20~40대까지 고루 분포되어 있었다. 구매력 측면에서는 300만 원 이상의 소득을 보이는 표본이 50%에 육박하는 것으로 확인되었다. 또한, 대졸 이상의 소비자들이 주요 구매층이며, 월평균 소비금액은 라이브 커머스보다 TV홈쇼핑이 좀 더 큰 것으로 나타나, 아직 라이브 커머스가 TV홈쇼핑 소비 행태를 완전하게 대체하지는 못했다. 라이브 커머스가 주로 이용 중인 매체에 대한 질문에서는 압도적으로 모바일이 188명(78.66%)으로 높았다.

2. 측정항목의 기술통계 분석

2.1 기술통계 분석

구조방정식 등 다변량 모형분석의 주요 가정은 샘플의 다변량 정규성과 관측변수의 연속성에 있다. 정규성은 샘플의 정규 분포를 의미하며, 전체 관측변수들은 정규 분포를 이루는 것이 다변량 정규성이다. 따라서 개별 관측변수는 정규 분포를 따라야 한다. 정규성은 왜도(skewness)와 첨도(kurtosis) 두 가지를 확인해야 하며, 왜도는 절대값 ±1.965를 초과하면 극단적으로 판단하며, 첨도는 ±2를 초과하면 극단값으로 판단한다. 정규성 검증 결과는 표 5와 같다. 그 결과 정규성에 미달되거나 경로 분석을 위한 신뢰성과 타당성을 저해하는 유용성 열위 4번 문항, 즐거움 4번 문항, 상호작용성 4번 문항, 즐거움 4번 문항, 몰입 3번과 4번 문항, 전환 의도 4번 문항은 분석에서 제외되었다.

Table 5.

A review of normality

2.2 동일방법편의 검증

동일방법편의(Common method bias)는 독립변수와 종속변수를 같은 방법으로 측정할 경우 발생할 수 있는 체계적인 오류를 의미한다. 이는 측정의 타당성에 영향을 미치며, 연구 모형 내 변수 간의 관계성을 왜곡시키는 결과를 초래할 수 있다. 따라서 동일방법편의를 감소시켜 내적 타당성을 확보하기 위해 주된 분석 전에 이를 실시하였다.

동일방법편의를 감소시키기 위해서는 연구설계 단계에서 집단을 분리하여 독립변수를 위한 응답원과 종속변수를 위한 응답원을 분리하거나, 설문 시기를 조정하여 조사하는 것이 동일방법편의를 감소시키는 최선의 방법이다^[18]. 그러나 이런 방법은 현실적으로 활용하기 어려움으로 설문 수집 단계에서 설문지의 항목 순서를 예상되지 않게 일렬로 변경하고 일부 역코딩 질문을 배치함으로써 동일방법편의를 줄일 수 있다.

따라서 본 연구에서는 설문 수집 단계에서 설문 문항을 예상하지 못하도록 설문항목을 무작위로 구성하고, 같은 개념의 질문이 반복되지 않도록 하여 항목의 점화 효과를 감소시켰으며, 본 연구에서 활용되지 않는 변수들을 설문에 추가하여 동일방법편의를 줄였다. 일반적으로 요인 분석에서 요인을 1개로 고정하고 분석을 했을 때, 분산설명력이 50% 이상이면 동일방법편의가 발생했다고 판단한다. 표 6과 같이 분산설명력이 33.774%로 도출되어 본 연구를 진행하는데 문제없다고 판단하였다.

Table 6.

Total variance described(extraction squared sum loading)

3. 신뢰성 및 타당성 검증

3.1 신뢰성 검증

신뢰성 분석의 목적은 측정하고자 하는 변수가 일관성 있게 측정되었는가를 검증하는 것이다. 본 연구에서는 크론바흐(Cronbach) α값을 활용하였다. 크론바흐 α값이 통상적으로 0.6~0.7 이상이면 신뢰성 있다고 판단한다. 신뢰성을 평가하는 또 다른 검증 방법인 DG. Rho(Dillon-Goldstins’s Rho) 값도 함께 분석하였다. DG.Rho 값도 0.7 이상이면 분석에 문제가 없다. 신뢰성을 평가한 값은 표 7과 같다.

Table 7.

Reliability analysis results

신뢰성 평가 결과, 크론바흐 α값은 불만족 0.824와 상호작용 0.884를 제외하고는 모두 0.9 이상으로 본 연구를 위한 신뢰성이 확보된 것으로 나타났다. DG.Rho 값 역시 불만족 0.896을 제외하고는 모두 0.9 이상으로 나타나 모델의 신뢰성을 확보한 것으로 나타났다.

3.2 타당성 검증

구조모형방정식의 검증은 경로계수의 크기와 방향성, 통계적 유의성과 원인변수를 통해 설명되는 최종 종속변수의 경로계수(β)값을 통해 이뤄진다. 모든 경로의 유의성을 통계적으로 검증하기 위해서 모든 경로계수 추정은 부트스트랩 재샘플링(bootstrap re-sampling)을 활용하였다. 그리고 연구 모형의 적합성을 파악하기 위해 집중 타당성은 하나의 구성개념에 두 개 이상의 측정변수가 상관관계를 갖는 정도에 관한 것으로 CR(Composite Reliability), AVE(Average Variance Extracted) 값으로 판정했다.

표 8과 같이 전환비용을 제외하는 CR 값은 권장치 0.7 이상으로 나타났다. 다만 전환비용의 CR 값은 0.695로 나타났으나, 사회과학적 특성상 0.005는 양해할 수 있는 수준으로 판단되어 연구를 진행하였다. AVE 값 역시 모두 0.5 이상으로 집중 타당성이 확보된 것으로 나타났다. 구조방정식 모형의 검증을 위해서 먼저 구조모형의 전체적인 적합성을 평가한 후에 각 경로계수에 대한 유의성을 평가하였다.

Table 8.

Model fit of PLS structural model

표 8과 같이 PLS 구조모형에 대한 적합성은 구조모형에 적합도, 경로모형의 적합도, 그리고 구성개념의 분산설명력(R2)에 대해 평가했다. 첫째, 구조방정식 모형의 전체적인 적합도는 Stone-Geisser Q2 test 통계량으로서 교차 검증된 중복성 값으로 판단할 수 있다. 이 지표는 구조모형의 통계추정량으로서 구조모형의 적합성을 나타내며, 기준치는 중복성 값이 모두 양수이면 된다. 중복성 값이 모두 양수로 나타났기 때문에 구조모형의 전체 적합도는 유의하다. 둘째, PLS의 경로모형의 전체 적합도는 모든 내생변수의 분산설명력(R2) 값의 평균과 공통성의 평균값을 곱한 뒤에 제곱근으로 산출한다. 이 적합도의 크기는 최소 0.1 이상이면 되는데, PLS 경로모형의 전체 적합도 지수가 0.560으로 나타나 경로모형의 적합도는 유의한 수준이다. 셋째, 각 구성개념의 분산설명력은 종속변수가 되는 변수들이 각각 0.3 이상으로 나타났다. 이는 사용된 모든 구성개념(잠재변수)의 분산에 대한 설명력이 임계치인 0.1을 초과하므로 구성개념의 설명력에 대한 조건을 충족시켰다.

판별 타당성의 경우 평균분산추출의 제곱근이 구성개념 간의 상관계수보다 높아야 한다. AVE의 제곱근 값이 상관계수보다 큰 것으로 나타났으며, 모든 요인 간의 상관계수의 값보다 AVE 값 중 가장 작은 숫자가 더 크므로 다중공성선 문제가 발생하지 않는 것으로 판단됨으로 전반적으로 잠재변수 간의 판별 타당성이 확보되었다. 분석 결과는 모든 조건을 만족해 판별 타당도를 확보한 것으로 나타났다.

Table 9.

Correlation matrix between constituent concepts

4. 연구 가설의 검증

가설을 검정한 결과는 표 10과 같다. 먼저, 가설 1-1인 불만족과 전환 의도와의 관계는 양(+)의 효과(β=0.632, t-value=4.780)를 나타내 가설이 채택되었다. 가설 1-2의 이용 이용성 열위와 불만족 간의 가설도 채택된 것으로 나타났다. 이용 용이성 열위는 불만족에 높은 양(+)의 영향(β=0.522, t-value=9.210)을 나타내 이용이 편하지 않다고 판단되면 불만족이 매우 높게 나타나는 것을 알 수 있다. 특히 20~30대의 경우는 정도가 덜하나 고연령층으로 갈수록 모바일 사용에 불편함을 느낌에도 불구하고, TV홈쇼핑 사업자들은 모바일 사용을 유도하고 있어 TV홈쇼핑 서비스에 대한 불만족을 높이는 결과를 초래하고 있다. 표 11은 전환 의도와 연령과의 관계를 나타내는 결과이다. 연령이 높아질수록 전환 의도가 높아지는 결과가 나타났다.

Table 10.

Hypothesis test results

Table 11.

Causal relationship between switching intention and age

또한, 유용성도 경쟁 매체보다 열위를 인지하게 되면, 불만족(β=0.127, t-value=2.250) 경향을 나타낸다. 이는 기술수용모델의 완벽히 반대되는 경로를 검정한 것으로서 이용 용이성과 유용성이 이용 의도에 미치는 영향이 양(+)의 관계인 것처럼 반대되는 논리에서도 양(+)의 영향을 나타낸다. 이에 따라 가설 1-3은 채택된 것으로 나타났다.

가설 2-1의 몰입과 전환 의도의 관계는 양(+)의 효과(β=0.352, t-value=2.040)를 나타내 가설이 채택되었고, 가설 2-2의 상호작용성과 몰입 간의 관계도 양(+)의 효과(β=0.209, t-value=3.740)를 나타내 가설이 채택되었다. 라이브 커머스의 가장 큰 특징은 소비자와 인플루언서 간의 상호작용으로 참여와 소통이 몰입에 높은 영향을 미치는 결과를 나타냈다. 가설 2-3의 즐거움과 몰입 간의 관계는 모든 가설 경로 중 가장 높은 양(+)의 관계(β=0.511, t-value=9.260)가 나타나 가설이 채택되었다. 라이브 커머스는 TV홈쇼핑과 달리 오락적인 요소가 매우 높다. 특히 앞선 상호작용성과 함께 오락성이 매우 높고, 이는 몰입을 강하게 느끼게 하는 효과를 나타낸다.

가설 3-1인 전환비용과 전환 의도 간의 관계는 음(β=-0.163, t-value=-2.380)의 관계를 나타내 가설이 채택되었다. 즉, TV홈쇼핑의 다양한 마일리지와 우대 조건이 사라지는 것에 대해서는 라이브 커머스로의 전환 의도에 부정적인 영향을 미치는 것으로 나타났다.

전환비용은 전환 의도에 직접적인 영향을 미치기도 하지만, Push 및 Pull 요인과 결합하여 그 효과를 변화시킬 수도 있다. 전환비용이 불만족에 대한 조절 효과는 음(-)의 관계(β=-0.0.447, t-value=-2.620)를 나타냈다. 가설 1-1에서 TV홈쇼핑 서비스에 대해서 느끼는 불만족은 전환 의도에 높은 영향을 미쳤으나, 그동안 적립한 마일리지 등을 고려하면 불만족이 전환 의도로 가는 경로를 역으로 변화시킨다. 또한, 몰입에 대한 전환비용의 조절 효과 결과(β=0.0234, t-value=0.628)는 기각으로 나타났다. 즉, 몰입으로 인한 TV홈쇼핑에서 라이브 커머스로의 전환 의도를 없앤 것으로 전환비용이 전환 의도를 막는 가장 핵심적인 요인으로 조절되는 것을 알 수 있다.

이러한 결과들을 정리하면, 첫째, TV홈쇼핑에 대한 불만족은 라이브 커머스로 전환케 하는 중요한 요인이고, 이러한 불만족에 영향을 미치는 것은 유용성 열위와 이용 용이성 열위임이 확인되었다. 둘째, 라이브 커머스의 몰입 요소가 전환 의도에 긍정적인 영향을 미치고 이러한 몰입에 라이브 커머스의 특징인 상호작용성과 즐거움이 긍정적인 영향을 미치는 것으로 확인되었다. 셋째, 전환비용은 전환 의도에 부정적인 영향을 미치는 중요한 변수이며, Push 요인인 불만족에도 반대 방향으로 조절 효과를 미치고, Pull 요인인 몰입과 전환 의도 간의 관계도 사라지게 만드는 강력한 영향력을 갖는 변수로 확인되었다. 다만, 전환비용이 종속변수인 전환 의도와 Push 요인인 불만족, Pull 요인인 몰입과의 관계에 미치는 영향은 다르게 나타났다. 전환비용은 Push 요인인 불만족과 전환 의도와의 관계를 음(-)의 효과로 나타냈지만, Pull 요인인 몰입과 같이 투입되었을 때에는 원래 양(+)의 관계에 영향을 미치지 않았다.

Ⅴ. 결 론

본 연구는 TV홈쇼핑 이용자들이 라이브 커머스로 전환케 하는 요인이 무엇인지 총 239명의 설문을 통해 PPM 모델을 적용하여 실증적으로 분석했다. 이를 위해 PPM 모델에 해당하는 세부 요인들을 다양한 선행연구들을 통해 가설을 수립했고, 설문을 대상으로 인구통계학적 분석과 탐색적 요인 분석, 확인적 요인 분석을 통해 변수의 신뢰도를 측정했으며, 연구 모형의 검증을 위해 부트스트랩핑(Bootstrapping)을 수행하였다.

이를 통해 Push 요인인 이용 용이성 열위와 유용성 열위가 불만족에 영향을 미치는지 분석한 결과, 이용 용이성 열위와 유용성 열위가 불만족에 양(+)의 영향을 미치는 것을 확인하였다. 이는 서비스 이용자가 TV홈쇼핑의 유용성이 낮고 이용하기 어렵다고 판단하면, TV홈쇼핑 서비스에 불만족을 느끼게 되고, 결국 라이브 커머스로 전환하게 된다.

Pull 요인인 상호작용성과 즐거움이 몰입에 영향을 미치는지와 몰입이 전환 의도에 영향을 미치는지 분석한 결과, 몰입 요소가 전환 의도에 긍정적인 영향을 미치고 이러한 몰입에 라이브 커머스의 특징인 상호작용성과 즐거움이 긍정적인 영향을 미치는 것을 확인하였다. 이는 TV홈쇼핑에서 구현하기 어렵고 차별화되는 상호작용성과 표현의 자유가 보장된 인터넷 환경에서 구현되는 오락성이 만드는 즐거움이 라이브 커머스로 전환하게 만드는 요인이 된다.

Mooring 요인으로 전환비용을 설정했고, 전환비용과 전환 의도의 관계가 부정적인 관계를 갖는지 분석한 결과, 전환비용은 전환 의도에 부정적인 영향을 미치며, Push 요인인 불만족에도 반대 방향으로 조절 효과를 미치고, Pull 요인인 몰입과 전환 의도 간의 관계도 사라지게 만드는 변수임이 확인되었다.

다만, 본 연구의 한계점으로는 이용 용이성 열위, 유용성 열위, 불만족, 전환비용, 즐거움, 상호작용성, 몰입 등 다양한 변수를 분석했지만, 전환 의도를 모두 설명하기에는 분명히 한계가 존재한다. 향후 연구에서는 지금보다 많은 응답자를 통해 다양한 그룹 간의 차이를 분석하는 연구가 필요하며, 라이브 커머스와 TV홈쇼핑 간의 전환 의도에 관한 이론적 연구를 보편화할 수 있도록 다양한 연구방법론으로 연구를 수행할 필요가 있다.

References

• SeungJun Kwak, JooSuk Lee, EunChul Choi, “The Current State of TV Home-shopping Industry and Market Size,” Journal of The Korean Data Analysis Society, Vol. 20, No. 3, pp. 1369-1380, 2018. [https://doi.org/10.37727/jkdas.2018.20.3.1369]
• Geng Jiaxuan, Analysis of Chinese live commerce success stories and suggestions for the domestic market, Master’s Thesis of university of Seoul, Korea, 2023.
• Hyun Suk Kim, Gyeong-Seok Lee, “The Effect of Live Commerce Broadcasting Characteristics on Purchase Intention,” Journal of Next-generation Convergence Technology Association, Vol. 6, No. 10, pp. 2000-2018, 2022. [https://doi.org/10.33097/JNCTA.2022.06.10.2000]
• Ye Young Hwang, “A Study on the Characteristics of Live Commerce and Causality of Purchase Intention: Focused on the Mediation Effect of Flow and Usefulness,” Journal of management & economics, Vol. 44, No. 2 pp. 75-98, 2022. [https://doi.org/10.22828/meri.2022.44.2.004]
• Bogue, D. J., A Migrant's-Eye View of the Costs and Benefits of Migration to a Metropolis, in Internal migration, Academic Press, NY, pp. 167-182, 1977.
• Moon, B., “Paradigms in migration research: exploring moorings as a schema,” Progress in human geography, Vol. 19, No. 4, pp. 504-524, 1995.
• Hyo Won Seo, “A Research on the conversion intention Of Airlines Customers applied to the PPM Model: Moderating Effect of the Status Quo Bias,” Event & Convention Research, Vol. 18, No. 1, pp. 179-202, 2022. [https://doi.org/10.31927/asec.18.1.9]
• Chang, H. H., Wong, K. H., Li, S. Y., “Applying push-pull-mooring to investigate channel switching behaviors: M-shopping self-efficacy and switching costs as moderators,” Electronic Commerce Research and Applications, Vol. 24, No. 4, pp. 50-67, 2017.
• Bansal, H. S., Taylor, S. F., St. James, Y., “Migrating to new service providers: Toward a unifying framework of consumers’switching behaviors,” Journal of the Academy of Marketing Science, Vol. 33, No. 1, pp. 96-115, 2005.
• Hou, A. C., Chern, C. C., Chen, H. G., Chen, Y. C., “Migrating to a new virtual world: Exploring MMORPG switching through human migration theory,” Computers in Human Behavior, Vol. 27, No. 5, pp. 1892-1903, 2011.
• Chang, I. C., Liu, Chen, K., “The push, pull and mooring effects in virtual migration for social networking sites,” Journal of Information Systems, Vol. 24, No. 4, pp. 323-346, 2014.
• Yoo Jung Kim, “A Study on the Determinants of OTT Service Users’Switching Intention: From the Perspective of Pull-Push-Mooring Framework,” The Journal of Internet Electronic Commerce Research, Vol. 21, No. 1, pp. 179-200, 2021.
• Jeyoung Son, Inwon Kang, “A Study on Consumers' Switching Behavior of New Social Media : Focusing on PPM Model,” The e-business studies, Vol. 19, No. 5, pp. 231-249, 2018. [https://doi.org/10.20462/TeBS.2018.10.19.5.231]
• Jung In Hong, Young Wok Seo, “Effects of Push, Pull, Mooring Factors on Cloud Switching Intention of Organization’s IT Systems: Based on PPM framework,” korean management review, Vol. 51, No. 6, pp. 1535-1567, 2022. [https://doi.org/10.17287/kmr.2022.51.6.1535]
• Jung, Hee-Jung, “Empirical investigation of determinants influencing English teachers’ intention to switch augmented reality: Based on the PPM framework,” Multimedia-Assisted Language Learning, Vol. 24, No. 2, pp. 106-129, 2021. [https://doi.org/10.15702/mall.2021.24.2.106]
• Sang Jun Lee, “A Study on the Intention of Switching to a Blockchain Game Based on PPM Migration Theory,” The Journal of Information Technology and Architecture, Vol. 19, No. 4, pp. 285-298, 2022. http://dx.doi.org/10.22865/jita.2022.19.4.285
• Eun Ji Yoo, “A Study on Switching Intention to Platform-Based Simple Payment Service: Focusing on PPM Model,” Journal of Marketing Studies, Vol. 30, No. 4, pp. 51-81, 2022.
• Yong Hee Kim, “A Study on Switching Intention of Broadcasting Service to MCN Service by Migration Theory,” The Journal of Industrial Distribution & Business, Vol. 10, No. 1, pp. 59-67, 2019.
• Yong min Kim, “Relationship between Purchase Decision Factors, Trust and Purchase Intention in TV Home Shopping,” Korea Research Academy of Distribution and Management Review, Vol. 25, No. 1, pp. 139-149, 2022.
• Ji-hyuk Joo, Myung-Il Choi, Bong-chul Kim, “Effect of TV Home-shopping Attributes on the Viewing Intention and Purchase Intention: Focused on Perceived Usefulness, Perceived Ease of Use, and Perceived Risk,” The Korean Journal of Advertising, Vol. 19, No. 1, pp. 37-53, 2008.
• Davis, F. D., A technology acceptance model for empirically testing new end-user information systems: Theory and results, Doctoral dissertation of Massachusetts Institute of Technology, USA, 1985.
• Jae Won Kang, Chang Hoan Cho, “Determinants of Online Purchasing Intention: Converged Flow-TPB(Theory of Planned Behavior) Model,” Journal of Communication Science, Vol. 6, No. 1, pp. 5-42, 2006.
• Kyuhee Joo, Xu Zhang, Ahyoung Nam, “The Effect of Information and Entertainment on the Intention to Continue Using the Live Commerce: Focusing on Gender Differences,” Journal of Product Research, Vol. 40, No. 5, pp. 81-87, 2022.
• Ko Eun Noh, “The effect of usage motivation for use through live commerce for food purchase on purchase intention: focusing on the mediating effects of flow and the moderating role of food purchase experience,” Journal of Hospitality and Tourism Studies, Vol. 24, No, 5, pp. 19-35, 2022. [https://doi.org/10.31667/jhts.2022.10.94.19]