--- type: paper slug: changjun-lee-2014-charged-contents title: >- The Determinants of purchasing the Charged Contents in the Smart-media environment authors: - '[[changjun-lee]]' - '[[ahreum-hong]]' - '[[junseokhwang]]' year: 2014 venue: '[[picmet]]' doi: '' categories: - '[[innovation-economics]]' - '[[ict-policy]]' methods: - '[[probit-model]]' - '[[heckman-selection]]' - '[[factor-analysis]]' themes: - '[[digital-content]]' - '[[smart-media]]' - '[[paid-content]]' last_updated: '2026-05-17T20:00:00+09:00' --- # The Determinants of purchasing the Charged Contents in the Smart-media environment *[[changjun-lee]], [[ahreum-hong]], [[junseokhwang]] (2014)* · [[picmet]] > 한국 smart-media 환경에서 유료 콘텐츠 구매 비율이 12.56% 에 머무는 paradox 를 진단한다. KISDI Media Panel 2012 (N=10,319) 로 [[probit-model]] 1 차 분석과 [[heckman-selection]] 2 단계로 sample selection bias 보정 후, smart-pad 사용 빈도 (+0.051), opinion leader 역할 (블로그 +0.260, 카페 +0.278, SNS +0.360, cloud +0.440) 가 유료 구매 가능성을 강하게 높임을 보인다. 콘텐츠 type (앱·뉴스·영상·방송·음악) 별로 결정 요인이 분기. - **RQ**: smart-media 환경에서 어떤 소비자 특성 (device 선택, 혁신성, 라이프스타일, opinion leader 역할) 이 유료 콘텐츠 구매 의사를 결정하며, 콘텐츠 type 별로 어떻게 다른가 - **방법론**: [[probit-model]] (1 차 구매 결정), [[heckman-selection]] (2 단계 sample selection bias 보정), [[factor-analysis]] - **데이터**: KISDI Media Panel 2010~2012, 2012 personal data + media diary, N=10,319 stratified sample - **주요 발견**: (i) 유료 앱 사용률 12.56% vs smart-phone 보급률 54.43%, (ii) Probit 에서 smart-pad 사용 빈도 +0.051 (p<0.05) > smart-phone +0.036 (p<0.01), (iii) Opinion leader 역할 변수가 가장 강한 효과: 블로그 +0.260, 인터넷 카페 +0.278, SNS +0.360, cloud 서비스 +0.440 (모두 p<0.01), (iv) Heckit 결과 콘텐츠 type 별 결정요인 분기: 영상/방송은 smart-pad (+0.107~+0.129), 뉴스/책은 smart-phone (+0.009, 모빌리티), (v) 연령 −0.112 (p<0.01) - **시사점**: à la carte VOD 형 서비스 도입 + opinion leader 역할자 (블로그·SNS 운영자) 타겟 마케팅 + smart-pad 사용자 영상 콘텐츠 차별화 — 콘텐츠 산업 진흥의 micro-segmentation 단서 ## 요약 본 conference 논문은 한국 ICT ecosystem (Content-Platform-Network-Device) 의 vitality 가 device 보급 속도 (smart-phone 54.43%) 에 비해 유료 콘텐츠 부문 (12.56%) 에서 부진한 paradox 를 진단한다. 콘텐츠 산업의 sustainable revenue 는 광고 의존이 아닌 *consumer-paid* 모델로 전환되어야 하고, 글로벌 경쟁력 확보를 위해서도 유료 소비 문화의 정착이 핵심. [[changjun-lee]] · [[ahreum-hong]] · [[junseokhwang]] 는 *어떤 소비자가 왜 유료 구매를 하는가* 를 KISDI Media Panel 의 대규모 micro data 로 식별한다. Brandtzæg et al. (2011) 의 user typology (network user vs advanced user vs entertainment user), Cacioppo et al. (1984) 의 Need for Cognition (NFC) 척도, Rogers-Shoemaker (1971) 의 innovative user 정의를 차용해 독립변수 구성. [[probit-model]] 로 1차 구매 결정 요인 추정 후, [[heckman-selection]] 2 단계 모형으로 sample selection bias 보정 — 1 단계 구매 여부 → 2 단계 유료 금액 (콘텐츠 type 별). 핵심 발견: smart-pad 사용 빈도 (+0.051) 가 smart-phone (+0.036) 보다 강한 효과. *Opinion leader* 역할 변수가 매우 강한 효과 — 블로그 운영 (+0.260), 인터넷 카페 운영 (+0.278), SNS 사용 (+0.360), cloud 서비스 사용 (+0.440), 모두 p<0.01. 콘텐츠 type 별 결정요인 분기. (a) 앱: CHAR9 (분노 잘 안 함) −0.393, CONBEHV4 (인터넷 평판 중요) +0.236 — 신중·careful 소비자. (b) 뉴스/책: smart-phone 빈도 +0.009 (모빌리티) + 블로그·SNS·cloud·카페 모두 양 — opinion leader 효과. (c) 영상/영화: smart-pad +0.107 (스크린 사이즈), 연령 −0.056. (d) 방송: smart-pad +0.129 + smart-phone +0.042 + opinion leader 변수들 양 — 모빌리티 + 시간민감성. (e) 음악: CHAR8 (감정 변화) +0.096, LIFESTY7 (스포츠 관람) +0.051. [[junseokhwang]] author page 의 2 기 (도구 확산기, 2007~2013) 의 디지털 콘텐츠 라인의 *consumer demand side empirical baseline* 작업. 한계: (i) PICMET conference paper 의 robustness 검증 한계, (ii) KISDI Media Panel 의 self-report bias, (iii) panel 단년 분석. ## 핵심 결과 **Probit 결과 (1 차 구매 결정, 표 3)** | 변수 | Coefficient | Std. Error | p-value | |---|---:|---:|:---:| | Fre.Phone (스마트폰 빈도) | +0.036 | 0.005 | 0.000*** | | Fre.Pad (스마트패드 빈도) | +0.051 | 0.025 | 0.039* | | LIFESTY6 (공연 관람) | +0.061 | 0.017 | 0.000*** | | LIFESTY7 (스포츠 관람) | +0.075 | 0.021 | 0.000*** | | CONBEHV10 (인터넷 가격 탐색) | +0.151 | 0.027 | 0.000*** | | BLOG (블로그 운영) | +**0.260** | 0.070 | 0.000*** | | iN.CAFE (카페 운영) | +**0.278** | 0.056 | 0.000*** | | SNSU (SNS 사용) | +**0.360** | 0.059 | 0.000*** | | CLOUD (cloud 사용) | +**0.440** | 0.080 | 0.000*** | | Game (게임 1순위 앱) | +0.348 | 0.086 | 0.000*** | | Bank (뱅킹 1순위 앱) | +0.545 | 0.164 | 0.001*** | | AGE | −0.112 | 0.020 | 0.000*** | **Heckit (2 단계) 결과 — 콘텐츠 type 별 핵심 결정 요인** | Type | 핵심 요인 (계수) | |---|---| | 앱 | CHAR9 (분노 안 함) −0.393, CONBEHV4 (인터넷 평판) +0.236 | | 뉴스/책 | Fre.Phone +0.009, SNSU +0.148, CLOUD +0.161, iN.CAFE +0.102 | | 영상/영화 | Fre.Pad +0.107, LIFESTY4 (종교) +0.055, AGE −0.056 | | 방송 | Fre.Pad +0.129, Fre.Phone +0.042, BLOG +0.405, SNSU +0.518, CLOUD +0.739 | | 음악 | CHAR8 +0.096, LIFESTY7 +0.051 | ## 방법론 노트 [[probit-model]] 은 이산 종속변수 (유료 구매 여부 0/1) 의 결정 요인 추정. [[heckman-selection]] 은 sample selection bias 보정 — 1 단계에서 구매 여부 selection equation 추정 후, 2 단계 outcome equation (구매 금액) 에 Inverse Mills Ratio 를 추가해 selectivity 보정. Probit 1단계: $$ P(y_i = 1 | X_i) = \Phi(X_i \beta) $$ 여기서 $\Phi$ 는 표준정규 CDF, $y_i$ = 유료 앱 구매 경험 더미, $X_i$ = 디바이스·라이프스타일·opinion leader 변수. Heckit 2단계 (콘텐츠 type 별): $$ y_i^{cost} = X_i \gamma + \rho \sigma_\epsilon \cdot \lambda(X_i \beta) + \eta_i $$ 여기서 $\lambda(\cdot)$ 는 Inverse Mills Ratio, $\rho$ 는 selection·outcome equation 의 error correlation. 식별 전략: (a) 1 단계 selection equation 의 exclusion restriction (구매 여부에는 영향을 주지만 구매 금액에는 영향을 안 주는 변수), (b) 콘텐츠 type 별 분리 추정으로 type-specific 결정 요인 식별, (c) 5 점 Likert 척도의 lifestyle/character 변수로 latent trait 측정. ## 연구 계보 본 paper 는 (a) Brandtzæg et al. (2011) 의 internet user typology, (b) Cacioppo-Petty-Feng Kao (1984) 의 Need for Cognition 척도, (c) Agarwal-Prasad (1998), Zhong (2013) 의 ICT innovativeness 측정, (d) Rogers-Shoemaker (1971) 의 innovative user 정의, (e) Lin (2004), Kang (2002) 의 디지털 미디어 early adopter 분석, (f) Leonard-Barton (1985) 의 opinion leader 이론 의 결합. [[junseokhwang]] author page 의 2 기 (도구 확산기, 2007~2013) 의 *디지털 콘텐츠·smart-media* 라인의 demand-side empirical baseline. 같은 해 supply-side 분석 [[changjun-lee-2014-platform-openness]] (platform openness 와 콘텐츠 사업자 productivity) 와 보완 관계. [[changjun-lee]] · [[ahreum-hong]] 콤비의 첫 paper. ## See also - [[junseokhwang]] - [[changjun-lee]] - [[ahreum-hong]] - [[picmet]] - [[probit-model]] - [[heckman-selection]] - [[digital-content]] - [[smart-media]] - [[paid-content]] - [[changjun-lee-2014-platform-openness]]