---
type: paper
slug: seungwook-park-2024-ott-fittest-choice-model
title: >-
  Exploring the Fittest Choice Model for Consumer Preference Analysis on
  Over-the-Top Service
authors:
  - '[[seungwook-park]]'
  - '[[jongsulee]]'
  - '[[junghun-kim]]'
year: 2024
venue: '[[technology-in-society]]'
volume: '76'
pages: '102458'
doi: 10.1016/j.techsoc.2024.102458
categories:
  - '[[ict-policy]]'
methods:
  - '[[mixed-logit]]'
  - '[[reference-dependent-choice-model]]'
  - '[[behavioral-economics]]'
  - '[[discrete-choice-experiment]]'
themes:
  - '[[ott-services]]'
  - '[[loss-aversion]]'
  - '[[model-comparison]]'
  - '[[reference-points]]'
  - '[[diffusion-of-innovations]]'
aliases: []
last_updated: '2026-05-17T21:30:00+09:00'
---
# Exploring the Fittest Choice Model for Consumer Preference Analysis on Over-the-Top Service

*[[seungwook-park]], [[jongsulee]], [[junghun-kim]] (2024)* · [[technology-in-society]] 76:102458 · [DOI ↗](https://doi.org/10.1016/j.techsoc.2024.102458)

> 한국 OTT 시장의 소비자 선호 분석에서 *neoclassical* [[mixed-logit]] (MXL) vs *behavioral* [[reference-dependent-choice-model]] (RDM) 의 *모형 적합도* 를 정량 비교. 3 가지 reference point 정의 (개인 status quo, peer status, market leader). N=665, 8 attribute. *MXL 의 AIC 6972 vs 최고 RDM (peer-based) 6981* — 차이 1% 미만, *전통 MXL 이 marginal 더 적합* — early-diffusion 시장에서는 RDM 의 우위 미관측. 그러나 *gain > loss sensitivity* (λ < 1) 라는 *기존 prospect theory 와 반대* 의 비대칭 관찰.

- **RQ**: OTT 같은 early-diffusion 시장에서 (i) reference point 의 선택 (status quo, peer, market leader) 이 RDM 적합도에 어떻게 영향, (ii) RDM 이 traditional MXL 보다 더 적합한가, (iii) 한국 OTT 소비자의 *loss aversion* 패턴은?
- **방법론**: [[discrete-choice-experiment]] (face-to-face survey, 2,916 조합 → orthogonal 24 alt → 8 sets × 3 alt + no-choice), 4 model 비교: (1) MXL baseline (normal 계수), (2) RDM 1: SQ reference, (3) RDM 2: peer reference, (4) RDM 3: market-leader (Netflix) reference. Model fit metrics: log-likelihood, AIC, BIC. Gain-loss asymmetry T-test (loss aversion λ).
- **데이터**: Korea Gallup Research Institute, 2019 face-to-face, N=665 (Male 50.7%, 20-59 세). OTT 유료 가입자 20.7% (foreign 6.1%, domestic 14.6%), 미가입자 79.4%. 한국 OTT 시장이 Netflix dominant (4월 2022 10.55M users, Tving/Wavve 각 3.2M).
- **주요 발견**: (i) **MXL (Table 4)**: 가장 큰 utility 변동: subscription fee $\beta = -5.119^{***}$ (USD 10), content diversity $\beta = +2.189^{***}$ (1%), UHD vs HD $\beta = +1.293^{***}$, livestream+download vs streaming only $\beta = +1.424^{***}$. AIC 6972.376, BIC 6993.087. (ii) **RDM 가장 적합한 것은 peer-based (RDM 2)**: AIC 6980.991 — MXL 보다 0.12% *나쁨* (marginal). (iii) **SQ-based RDM 1 가장 부적합**: AIC 7006.625 — content diversity 의 gain-loss asymmetry T-test p=0.13 (대칭, 의미 없음). (iv) **Loss aversion λ < 1** (모든 RDM 에서 — RDM 1 content λ=1.045, exclusive λ=0.889; RDM 2 content λ=0.615, exclusive λ=0.569) — *기존 prospect theory 와 반대*: 한국 OTT 소비자는 *loss 보다 gain 에 더 민감*. (v) Service provider: platform > telecom > broadcast. Smart TV + simultaneous viewing 선호 강.
- **시사점**: (a) Early-stage 시장 (Rogers 1962 의 *chasm* 이전) 에서 소비자가 *outsourced reference points* 사용 — 본인 경험 부족 → *peer / market leader* 의 영향 큼. (b) Marketing 전략: *recommendation, multi-profile plans, social media* 활용 — peer-based reference 강화. (c) Loss aversion 부재 → OTT 가 *복수 가입 + 저렴 + 무료 cancellation* 환경 → *substitution 보다 complementarity* 인식 — pay TV 와 OTT 의 *complementary 관계* 발견 ([[sangheon-kim-2021-ott-bundled-services]]) 재확인. (d) MXL vs RDM 선택 기준: WTP 추정만 필요 → MXL, gain-loss 비대칭 분석 → RDM.

![Figure 1: 4-model comparison framework — MXL vs 3 RDM variants with different reference points](/papers/202403_ParkS_Exploring_the_fittest_choice_model_for_consumer_preference_analysis_on_over_the_top_service/fig1.jpeg)

## 요약

이 paper 는 [[jongsulee]] 의 *consumer preference 도구 라인* 의 *방법론 자체에 대한 비판적 평가*다. 기존 paper 가 *MXL 또는 RDM* 중 하나를 선택해 분석한 반면, 본 paper 는 *같은 데이터 + 같은 attribute* 에 두 모형을 동시 적용하고 4 가지 model (MXL + 3 RDM variants) 의 적합도를 비교한다. 이는 [[jongsulee]] 그룹의 *RDM 핵심 paper* (Kim, Lee, Ahn 2016 *CHB*; Kim, Lee, Lee 2020 *J Retailing Consumer Services*; Kim, Park, Lee 2018 *Energy Policy*; Kim, Seung, Lee, Ahn 2020 *Energy Economics*) 의 누적 위에서 *언제 RDM 이 MXL 을 능가하는가* 의 메타-question 을 던진다.

방법론 핵심은 *reference point 의 3 가지 정의*. RDM 1 (status quo): 가입자는 본인 SQ, 비가입자는 IPTV (한국 가정의 93.2% pay-TV 가입 중 IPTV 45%). RDM 2 (peer): 비가입자는 *3 명 peer 중 1 명 이상 foreign 서비스* → foreign reference, 아니면 domestic. RDM 3 (market leader): 비가입자는 *시장 dominator 인 Netflix* (foreign) reference. Utility specification (Eq. 5):

$$
U_{nj} = \sum_k \beta_{n,k}^{\text{noref}} x_{j,k} + \beta_n^{\text{gain}} (x_{j,\text{cd}} - r_{n,\text{cd}}) + \beta_n^{\text{loss}} |x_{j,\text{cd}} - r_{n,\text{cd}}|^- + \cdots
$$

Loss aversion parameter $\lambda = -\beta^{\text{loss}} / \beta^{\text{gain}}$, $\lambda > 1$ 이 *standard loss aversion*.

결과의 conceptual surprise 는 *두 가지*. 첫째, RDM 이 MXL 보다 fit 가 *나쁨* — AIC 차이 9 (1% 미만). 둘째, λ < 1 — *gain > loss sensitivity*. 두 결과 모두 *early-diffusion 시장의 특수성*. 시장 경험 부족한 소비자 (79.4% 미가입) 가 *reference point 자체를 형성하지 못함* — RDM 의 핵심 가정 부재. 또한 *complementary substitution* (OTT 가 pay-TV 의 대체가 아닌 추가) 환경에서 *loss 자체가 작음* — switching cost ≈ 0, 멀티 가입 가능. SQ-based RDM 1 의 *content diversity asymmetry 부재* (T-test p=0.13) 는 *체험 없는 비가입자의 status-quo reference 가 무의미함* 을 직접 증명. Peer 와 market-leader reference 가 더 효과적 — *information cascade* 가 reference 역할.

함의는 (a) Diffusion 단계별 모형 선택 — early 시장 MXL, mature 시장 RDM. (b) Reference point 의 *외부화 (outsourcing)* — Rogers 의 *chasm* 극복 전략에서 *experienced minority → inexperienced majority* 정보 흐름이 critical. (c) Marketing 의 *peer-network 활용 우선* (recommendation, multi-profile, social media promotion). 한계: (i) 2019 survey 후 COVID 로 시장 급변, 재조사 필요, (ii) Content diversity 의 attribute level (% of pay-TV 대비) 이 직관적이지 못함, (iii) Foreign service 가입자 6.1% 만으로 reference 다양성 부족.

## 핵심 결과

| Variable | MXL Mean | RDM 1 | RDM 2 | RDM 3 |
|---|---:|---:|---:|---:|
| Telecomm. (vs Platform) | -0.299 | -0.286 | -0.197 | -0.203 |
| Broadcast (vs Platform) | -0.333** | -0.332** | -0.269* | -0.272* |
| FHD (vs HD) | +0.903*** | +0.900*** | +0.881*** | +0.868*** |
| UHD (vs HD) | +1.293*** | +1.249*** | +1.218*** | +1.201*** |
| Stream+Download | +1.020*** | +1.008*** | +0.944*** | +1.942*** |
| Stream+Download+Live | +1.424*** | +1.426*** | +1.273*** | +1.279*** |
| Mobile+PC+TV (vs Mobile) | +0.523** | +0.517** | +0.396* | +0.395* |
| Simultaneous Viewing | +0.511*** | +0.519*** | +0.424*** | +0.427*** |
| Content Diversity (1%) | +2.189*** | gain +2.063 / loss -2.156 | gain +2.554 / loss -1.571 | gain +2.552 / loss -1.649 |
| Exclusive Content | +0.419*** | gain +0.423 / loss -0.376 | gain +0.515 / loss -0.293 | gain +0.471 / loss -0.350 |
| Subscription Fee (USD 10) | -5.119*** | -5.096*** | -5.351*** | -5.351*** |
| **Loss aversion λ (content)** | — | 1.045 | **0.615** | 0.646 |
| **Loss aversion λ (exclusive)** | — | 0.889 | **0.569** | 0.743 |
| **Log-likelihood** | -3474.188 | -3475.313 | -3462.496 | -3468.875 |
| **AIC** | **6972.376** | 7006.625 | 6980.991 | 6993.750 |
| **BIC** | 6993.087 | 7215.917 | 7190.283 | 7203.042 |

> **Gain-loss asymmetry T-test (H₀: |β_gain| = |β_loss|):**
> - RDM 1 content: p = 0.13 (대칭, H₀ 채택 — SQ reference 의 비실효)
> - RDM 2 content: p = 7.3e-55 (강하게 비대칭, gain > loss)
> - RDM 3 content: p = 4.4e-55 (강하게 비대칭)
> - RDM 1 exclusive: p = 1.1e-8 (비대칭)
> - RDM 2 exclusive: p = 7.1e-78 (강하게 비대칭)

> **Model ranking (좋은 순):** MXL > RDM 2 > RDM 3 > RDM 1 — *MXL 이 가장 적합*

## 방법론 노트

[[mixed-logit]] utility (Eq. 1):

$$
U_{nj} = V_{nj} + \varepsilon_{nj} = \beta_n' X_j + \varepsilon_{nj}, \quad \beta_n \sim \mathcal{N}(b, W)
$$

[[reference-dependent-choice-model]] utility (Eq. 2):

$$
U_{nj} = \beta_{n,\text{noref}}' x_{j,\text{noref}} + \beta_{n,\text{ref}}^{\text{preference}} (x_{j,\text{ref}} - r_{n,\text{ref}}) + \beta_{n,\text{ref}}^{\text{non-preference}} (r_{n,\text{ref}} - x_{j,\text{ref}}) + \varepsilon_{nj}
$$

여기서 $r_{n,\text{ref}}$ 는 응답자 $n$ 의 attribute $\text{ref}$ 에 대한 reference point. $x_{j,\text{ref}} \geq r_{n,\text{ref}}$ → preference space (gain), $x_{j,\text{ref}} < r_{n,\text{ref}}$ → non-preference space (loss). Loss aversion (Eq. 3):

$$
\lambda = -\frac{\beta^{\text{non-preference}}}{\beta^{\text{preference}}}
$$

$\lambda > 1$ 이 *standard prospect theory* (Tversky-Kahneman 1991): loss > gain sensitivity. 본 paper 의 RDM 2-3 에서 $\lambda < 1$ — *역방향*. Identification: (i) orthogonal fractional factorial 의 attribute 직교성, (ii) 3 가지 reference 정의의 별도 likelihood 추정 후 fit 비교, (iii) gain-loss 별 별도 coefficient 의 T-test. RDM 의 한계: 동일 preference direction attribute (e.g. price) 만 적용 가능 — heterogeneous direction attribute (e.g. screen size) 는 [[junghun-kim-2016-reference-dependent-smartphone]] 의 advanced spec 필요.

## 연구 계보

본 paper 는 (a) Kahneman & Tversky (1979, 1991, 1992) 의 prospect theory + loss aversion, (b) Hardie, Johnson, Fader (1993 *Marketing Science*) 의 brand choice RDM, (c) Hess, Rose, Hensher (2008) 의 asymmetric preference in trip route, (d) [[jongsulee]] 그룹의 RDM 누적 — Kim-Lee-Ahn (2016 *CHB*, smartphone), Kim-Park-Lee (2018 *Energy Policy*, renewable), Kim-Lee-Lee (2020 *J Retailing*, smartphone loyalty), Kim-Seung-Lee-Ahn (2020 *Energy Economics*, EV), (e) [[sangheon-kim-2021-ott-bundled-services]] 의 OTT complementary 발견, (f) Rogers (1962) 의 diffusion of innovations + chasm 이론을 결합한다. TEMEP 내 sibling: [[jongsulee]] 의 *consumer preference 도구* 의 *meta-methodology* paper — 다른 paper 들이 *어떤 method 가 적합한가* 의 결정 근거 제공. 직접 후속 가능성 — OTT 시장이 mature 화된 시점 (2025+) 의 재조사로 *동일 모형 비교* 시 RDM 우위 가설 검증.

## See also

- [[jongsulee]]
- [[seungwook-park]]
- [[junghun-kim]]
- [[mixed-logit]]
- [[reference-dependent-choice-model]]
- [[behavioral-economics]]
- [[discrete-choice-experiment]]
- [[loss-aversion]]
- [[ott-services]]
- [[diffusion-of-innovations]]
- [[technology-in-society]]
- [[sangheon-kim-2021-ott-bundled-services]]