---
type: paper
slug: jongroul-woo-2015-media-channels-purchasing-decisions
title: Media Channels and Consumer Purchasing Decisions
authors:
  - '[[jongroul-woo]]'
  - '[[joongha-ahn]]'
  - '[[jongsulee]]'
  - '[[yunmokoo]]'
year: 2015
venue: '[[industrial-management-and-data-systems]]'
volume: '115'
issue: '8'
pages: 1510-1528
doi: 10.1108/IMDS-02-2015-0036
categories:
  - '[[ict-policy]]'
  - '[[consumer-choice-research]]'
methods:
  - '[[multivariate-probit-model]]'
  - '[[bayesian-inference]]'
  - '[[principal-component-analysis]]'
themes:
  - '[[media-channels]]'
  - '[[information-search]]'
  - '[[marketing-communication]]'
  - '[[purchase-decision]]'
  - '[[cross-media-synergy]]'
aliases: []
last_updated: '2026-05-17T21:30:00+09:00'
---
# Media Channels and Consumer Purchasing Decisions

*[[jongroul-woo]], [[joongha-ahn]], [[jongsulee]], [[yunmokoo]] (2015)* · [[industrial-management-and-data-systems]] 115(8):1510-1528 · [DOI ↗](https://doi.org/10.1108/IMDS-02-2015-0036)

> 9 개 product category (우유 · 라면 · 샴푸 · 모바일 · TV · 자동차 · 모바일 통신서비스 · 신용카드 · 생명보험) 별로 어떤 *media channel* (지상파 · 유료 TV · 라디오 · 신문 · 잡지 · 인터넷 광고 · 인터넷 검색 · WOM · 기타) 이 구매결정에 영향을 미치는지 [[multivariate-probit-model]] (MVP) 로 식별. 한국 KOBACO MCR 6,000 명 표본 분석. 결과: WOM 과 지상파 TV 가 *category 무관 universal* 영향 채널 (ASC 가장 큰 두 매체). 인터넷 광고·검색은 *청년·고학력* 표적, 신문은 *고연령*, 잡지는 *여성·brand-loving*. Early-adopter 는 모든 매체 (특히 지상파 + 유료 TV + WOM) 에 양수 반응.

- **RQ**: 다중 미디어 채널 중 어떤 채널이 어떤 *product category × 소비자 segment* 조합에서 가장 효과적인가? cross-channel substitution / complementarity 패턴은 어떠한가?
- **방법론**: [[multivariate-probit-model]], [[bayesian-inference]], [[principal-component-analysis]]
- **데이터**: KOBACO MCR 2011-10~11 한국 41 도시 13~64 세 N=6,000; 9 product category × 9 media channel × 8 covariate (age, gender, education, household income, early-adopter tendency, brand-loving tendency, impulse-buying tendency); lifestyle 변수는 11 Likert 문항 PCA 합성 (Cronbach $\alpha$ = 0.872 · 0.788 · 0.765)
- **주요 발견**: ASC 절댓값 최소 (가장 효과적 universal 채널) — 지상파 TV (-0.14 ~ -0.99) 과 WOM (-0.27 ~ +0.17); 인터넷 광고/검색 age 계수 모든 category 음수 *** (청년 효과); 신문 age 계수 거의 모든 category 양수 *** (고연령); 인터넷 검색 education 계수 durable goods 양수 *** (고학력); WOM income 계수 durable goods 양수 *** (고소득); early-adopter tendency 는 지상파 TV (0.083~0.374 ***) · 유료 TV (0.155~0.248 ***) · WOM (0.083~0.170 ***) 전 category 양수 ***
- **시사점**: 마케팅 media mix 는 *product × segment* 별 다른 채널 조합 필요. 청년 표적 — 인터넷 광고+검색; 고연령 — 신문+WOM; 여성 표적 (잡지) ; 남성 표적 (라디오·신문). Early-adopter 표적은 TV 와 WOM 의 *결합*

![Fig. 3. 10 매체의 contact ratio (주 1 회 이상 사용 비율) 와 일일 평균 사용 시간. 지상파 TV 가 압도적 1 위, 모바일 인터넷·유료 TV·인터넷이 그 다음. 매체별 reach 와 engagement 의 비대칭이 9 product category MVP 분석의 baseline.](/papers/201509_WooJ_Media_channels_and_consumer_purchasing_decisions/fig3.jpeg)

## 요약

기업은 광고비를 *cross-media* 로 배분 (2012 년 전세계 광고비 4,920 억 USD, 인터넷 +18%/년 vs 인쇄 -3%/년) 하지만, *어느 매체가 어느 product 의 어느 소비자 segment 의 구매결정에 가장 효과적인가* 는 marketing 경험과 직관에 의존하는 영역이었다. 기존 cross-media synergy 연구 (Naik and Raman 2003; Dijkstra et al. 2005; Naik and Peters 2009; Voorveld 2011; Lim et al. 2015) 는 채널 간 시너지를 확인했지만 *category 별 차별화* 는 다루지 않았다. 본 논문은 [[jongsulee]] · [[yunmokoo]] 연구진의 *마케팅 + 미디어 산업* 라인 안에서, [[multivariate-probit-model]] 의 marketing media planning 적용 첫 사례로 — *category 9 × media channel 9 × covariate 8* 의 3 차원 grid 에 대해 채널 간 상관까지 동시 추정한 가장 정교한 분석이다.

설문은 [[jongroul-woo-2014-new-media-consumer-usage]] 와 동일 KOBACO MCR 6,000 명 face-to-face. 9 product category 를 (i) 비내구재 (우유·라면·샴푸), (ii) 내구재 (모바일·TV·자동차), (iii) 서비스 (모바일통신·신용카드·생명보험) 로 grouping. 응답자에게 *"어떤 매체 channel 이 구매결정에 영향을 미쳤는가"* 의 multiple-yes 질문. Lifestyle 변수 3 종 — early-adoption tendency · brand-loving tendency · impulse-buying tendency — 는 11 개 6-pt Likert 문항을 [[principal-component-analysis]] 로 합성 (Cronbach $\alpha$ 0.872 / 0.788 / 0.765, Varimax rotation).

[[multivariate-probit-model]] (MVP) 의 핵심 utility:

$$
U_{ij} = V_{ij} + \varepsilon_{ij} = \alpha_j + \sum_k \beta_{ijk} X_{ik} + \varepsilon_{ij}
$$

$\varepsilon_i = (\varepsilon_{i1}, \ldots, \varepsilon_{iJ}) \sim MVN[0, \Sigma]$ 의 variance-covariance matrix $\Sigma$ 가 *unobserved 채널 간 상관* 을 캡처해 substitution/complementarity 식별. 추정은 [[bayesian-inference]] Gibbs sampler (R `bayesm`).

핵심 결과 패턴은 5 갈래. (1) **ASC** — 모든 category 에서 지상파 TV 와 WOM 이 절댓값 최소 (즉 가장 강한 baseline 채널). 신문·잡지는 절댓값 가장 큰 (baseline 약함). (2) **Age** — 인터넷 광고 (-0.011 ~ -0.028 ***) 와 인터넷 검색 (-0.009 ~ -0.032 ***) 이 모든 category 음수 → 청년 효과; 신문은 거의 모든 category 양수 *** → 고연령. WOM 도 모든 category 양수 → 고연령 효과. (3) **Gender** — 신문이 모든 category 양수 *** → 남성; 잡지는 내구재 음수 *** → 여성. WOM 은 모바일·TV·서비스에서 음수 → 여성. (4) **Education** — 인터넷 검색이 내구재·서비스에서 양수 *** → 고학력. WOM 은 TV·생명보험 음수 → 저학력. (5) **Income** — 유료 TV·신문 양수 *** → 고소득; 인터넷 광고 자동차·통신서비스 음수 → 저소득. *Lifestyle 효과* — early-adopter 는 지상파 TV + 유료 TV + WOM 모든 category 강한 양수 *** (위 3 매체가 early-adopter 의 universal 진입로); brand-loving 은 신문·잡지·지상파 TV 양수 (전통 brand 매체); impulse-buying 은 지상파+유료 TV 모든 category 양수 (충동구매와 TV 의 강한 연결). 채널 간 상관 ($\Sigma$): 지상파 ↔ 유료 TV +0.50 *** (강한 complementarity), 신문 ↔ 잡지 +0.58~0.61 *** (인쇄 매체 cluster), WOM ↔ 지상파 -0.32 ~ -0.46 *** (substitution).

## 핵심 결과

**ASC (절댓값 작을수록 baseline 강한 채널, 9 category 평균 패턴)**

| Media | 비내구재 ASC | 내구재 ASC | 서비스 ASC |
|---|---:|---:|---:|
| **지상파 TV** | −0.19 ~ −0.29* | −0.14 ~ −0.46** | −0.33 ~ −0.99** |
| 유료 TV | −0.97 ~ −1.54** | −1.05 ~ −1.50** | −1.02 ~ −1.52** |
| 라디오 | −1.38 ~ −1.91** | −1.86 ~ −2.52** | −1.01 ~ −2.24** |
| 신문 | −1.87 ~ −3.27** | −2.86 ~ −3.00** | −1.67 ~ −2.81** |
| 잡지 | −1.75 ~ −2.90** | −1.95 ~ −2.23** | −1.62 ~ −1.89** |
| 인터넷 광고 | −1.34 ~ −1.96** | −1.36 ~ −1.76** | −0.75 ~ −1.53** |
| 인터넷 검색 | −1.03 ~ −1.87** | −0.95 ~ −2.38** | −0.61 ~ −1.10** |
| **WOM** | −0.47 ~ −0.77** | +0.08 ~ −0.59** | +0.17 ~ −0.39* |

**Demographic 효과 (대표 부호)**

| Variable | 인터넷 광고 | 인터넷 검색 | 신문 | 잡지 | WOM |
|---|---|---|---|---|---|
| Age (고연령 ↑) | − *** | − *** | + *** | n.s. | + ** |
| Gender (남성 ↑) | + (자동차·통신만) | + (자동차) | + *** all | − ** (내구재) | − (모바일·TV) |
| Education (고학력 ↑) | + (서비스) | + *** (내구재·서비스) | + ** (내구재) | n.s. | − (TV·생명보험) |
| Income (고소득 ↑) | − (자동차·통신) | + (우유·샴푸·생명보험) | + (여러 category) | n.s. | + (내구재·통신) |
| Early-adopter ↑ | + (내구재) | + *** all | n.s. | n.s. | + *** all |
| Brand-loving ↑ | + (모바일·자동차) | + (모바일·자동차·통신) | + *** (대부분) | + (대부분) | + (우유·라면·모바일) |
| Impulse-buying ↑ | n.s. | − ** (내구재·통신) | + (4 category) | + (라면·자동차·신용카드) | n.s. |

**채널 간 상관 (비내구재 표본 $\Sigma$)**

| | 지상파 | 유료 TV | 신문 | 잡지 | WOM |
|---|---:|---:|---:|---:|---:|
| 지상파 | 1.00 | +0.50*** | +0.25*** | +0.15** | **−0.46*** |
| 유료 TV | | 1.00 | +0.24*** | +0.15** | −0.11*** |
| 신문 | | | 1.00 | +0.61*** | −0.13*** |
| 잡지 | | | | 1.00 | −0.12** |
| WOM | | | | | 1.00 |

## 방법론 노트

[[multivariate-probit-model]] (Chib and Greenberg 1998) 의 핵심은 (i) 응답자가 *복수 alternative 를 동시에 선택* 하는 multivariate yes/no, (ii) IIA (independence of irrelevant alternatives) 가정 *없음*, (iii) error term variance-covariance $\Sigma$ 가 unobserved 상관을 캡처해 substitutability/complementarity 식별. Utility:

$$
U_{ij} = \alpha_j + \sum_k \beta_{ijk} X_{ik} + \varepsilon_{ij}, \quad \varepsilon_i \sim MVN[0, \Sigma]
$$

Choice function:

$$
Y_{ij} = \begin{cases} 1 & \text{if } U_{ij} > 0 \\ 0 & \text{if } U_{ij} \leq 0 \end{cases}
$$

Multiple-choice probability (Chib-Greenberg 1998):

$$
\Pr(Y_i | \beta, \Sigma) = \int_{S_J} \cdots \int_{S_1} \Phi(\varepsilon_1, \ldots, \varepsilon_J | 0, \Sigma) d\varepsilon_1 \cdots d\varepsilon_J
$$

여기서 $S_j$ 는 $Y_{ij} = 0$ 이면 $(-\infty, \sum_k \beta'_{ijk} X_{ik})$, $Y_{ij}=1$ 이면 $(\sum_k \beta'_{ijk} X_{ik}, \infty)$ 의 truncation. MLE 는 likelihood 의 J 차원 적분이 복잡하고 global maximum 어려워 [[bayesian-inference]] Gibbs sampler (R `bayesm` package, Rossi et al. 2005). 식별은 (i) 9 category × 9 channel 의 grid 가 across-category variation 제공, (ii) 8 covariate 의 between-respondent variation, (iii) MVP 의 $\Sigma$ 추정으로 channel 간 unobserved 상관 분리. Lifestyle 변수는 11 Likert 문항 PCA Varimax 4 iteration converged 의 3 factor.

## 연구 계보

본 paper 의 직접 selling point 는 *MVP 의 marketing media planning 첫 적용*. Method 조상은 Chib and Greenberg (1998) · Edwards and Allenby (2003) · Rossi et al. (2005) 의 MVP framework. TEMEP 내 MVP 적용 선례는 [[koo-2014-sns-multivariate-probit]] (Koo, [[jongsulee]], ... 의 SNS 서비스 선택). Cross-media synergy 라인은 Naik and Raman (2003, *Marketing Science*) · Naik and Peters (2009, *Journal of Interactive Marketing*) · Voorveld (2011) · Lim et al. (2015). Consumer information search 라인은 Moorthy et al. (1997) · Bhatnagar and Ghose (2004, *Journal of Retailing*) · Wendel and Dellaert (2005). 직접 자매 작업 — [[jongroul-woo-2014-new-media-consumer-usage]] (동일 KOBACO MCR 표본, MDCEV 로 미디어 시간 배분). [[jongsulee]] author page 의 *제2기 demand-side econometrics 확장* 라인에서, 본 paper 는 미디어 산업 시리즈 의 *MVP-based marketing planning* 확장.

## See also

- [[multivariate-probit-model]]
- [[bayesian-inference]]
- [[principal-component-analysis]]
- [[media-channels]]
- [[information-search]]
- [[marketing-communication]]
- [[cross-media-synergy]]
- [[jongroul-woo]]
- [[joongha-ahn]]
- [[jongsulee]]
- [[yunmokoo]]
- [[jongroul-woo-2014-new-media-consumer-usage]]