TEMEP Wiki

An Analysis of Different Types of Advertising Media and Their Influence on Consumer Preferences and Purchase Intentions for Digital Cameras

Joongha Ahn, changwon-lee, 이종수, michael-paik (2012) · Journal of Global Scholars of Marketing Science 22(4):356-369 · DOI ↗

4 가지 광고 매체 (인쇄 · 인터넷 · 영업사원 · 새로운 매체) 의 소비자 선호 + 구매의도 영향을 2 단 분석 으로 풀어낸 컨조인트 분석 paper. 1 단 혼합 로짓 으로 매체별 utility 추정, 2 단 multinomial-logit-ols-two-stage 로 매체 노출 전후 구매의도 변화 분석. 서울 가전매장 182 명 face-to-face survey, 3 종 디지털 카메라 (low/mid/high-end). 핵심 발견: 인터넷 가장 선호 (βINT\beta_{INT}=15.05**) → 새로운 매체 (Microsoft multi-touch screen 기반 Universal Frame) 2 위, 인쇄 음(−), 영업사원 음(−). 고급 카메라 (camera 2·3) 에서 internet + 새로운 매체 가 구매의도 에 유의한 양 효과 — 복잡한 high-end 제품일수록 user experience 강화 매체 의 영향이 크다.

  • RQ: 4 종 광고 매체 (인쇄·인터넷·영업사원·새로운 매체) 가 소비자 선호와 구매의도에 어떻게 차별적으로 영향을 미치는가? 제품 복잡도 (low/mid/high-end 카메라) 에 따라 매체 효과가 어떻게 달라지는가?
  • 방법론: 컨조인트 분석 (5-attribute orthogonal design, 432 → 16 cards), 혼합 로짓 (Train 2003, 매체 utility 추정), multinomial-logit-ols-two-stage (Lee 1983, discrete-continuous choice), random-utility-theory (McFadden 1974)
  • 데이터: 서울 전자 매장 face-to-face survey, 2012, 182 명 adult (170 명 유효 분석, 12 명 소득/학력 미응답 제외). 매체 attribute: 매체 종류, 전달 시간 (2/5/10 min), 정보량 (0~10), 업데이트 빈도 (1/3/6 month), 접근성 (30/50/100%). 카메라 3 종: 기능 적음·저가·초보용 → 기능 많음·고가·전문가용
  • 주요 발견: (i) Mixed logit 매체 효용: INTERNET 15.05**, PAPER −6.40*, STAFF −9.13* (baseline = 새로운 매체); INFOR 17.05** (가장 큰 영향), NEW (업데이트 빈도) −1.71**, ACCESS 0.50**; (ii) Camera 1 (low-end): 매체 종류 영향 거의 없음 — 기본 기능 → 광고로부터 새 정보 학습 X; (iii) Camera 2·3 (mid·high-end): PAPER 음(−31.6***, −54.0***), INTERNET 양(+14.8***, +19.0***), 새로운 매체 양 (baseline) — 복잡한 제품일수록 Internet + 새로운 매체 가 구매의도 ↑
  • 시사점: high-tech 제품 마케팅 전략에 interactive new media (Universal Frame 류 multi-touch + hands-on experience) 가 인쇄·영업사원 대비 압도적. user experience 강화 → brand loyalty 연결. 본 모델은 다른 제품군에도 일반화 가능

Fig. 1. 광고 매체별 정보 전달 채널 비교 (인쇄·인터넷·영업사원·새로운 매체). 새로운 매체는 Microsoft multi-touch screen + single-touch sensor bar 기반 Universal Frame 으로 hands-on user experience 를 제공하는 유일한 매체. 본 paper 의 핵심 비교 대상.

요약

이 paper 는 이종수 의 consumer preference + marketing 라인 sub-branch 로, 광고 매체별 차별적 영향 이라는 새 응용 영역을 컨조인트 분석 + 혼합 로짓 도구 위에 올린 작업이다. motivation 은 ICT 발달에 따른 정보 과잉 환경에서 기업의 광고 매체 선택이 어떤 매체가 어떤 제품에 가장 효과적인가 라는 결정 문제로 환원된다는 인식. 기존 연구 (Haynes 1991, Hung et al. 2005, Reid et al. 2005, Li-Leckenby 2004, Ko-Mok 2001, Pergelova et al. 2010, Zentner 2010) 는 매체 종류별 효과를 각각 측정했지만, 4 가지 매체를 동일 setting 에서 conjoint design 으로 직접 비교한 시도는 부재했다.

방법론은 2 단 분석 의 결합이다. 1 단 혼합 로짓 은 응답자에게 카드 4 장 중 1 장을 선택하게 해서 매체별 utility coefficient 와 consumer heterogeneity (Std. Dev.) 를 동시 추정 — random utility framework Unj=βnXnj+εnjU_{nj} = \beta_n X_{nj} + \varepsilon_{nj} 의 βn\beta_n 을 random parameter 로 둔다. 2 단 multinomial-logit-ols-two-stage (Lee 1983) 는 선택 + 연속 outcome (구매의도 변화) 을 동시 모델링 — 1 단에서 매체 선택 확률을 추정하고, 2 단에서 그 확률을 도구로 써서 매체 노출 후 구매의도 변화 (0~100 점) 를 OLS 회귀. selection bias 보정 (Heckman 류). 광고 매체 attribute 는 종류 (PAPER/INTERNET/STAFF, baseline = 새로운 매체), 전달 시간 (TIME), 정보량 (INFOR), 업데이트 빈도 (NEW), 접근성 (ACCESS) — 16 conjoint card (432 full factorial 에서 orthogonal subset).

실증 결과는 세 층위로 정리된다. 첫째, Mixed logit (Table 6): INTERNET β=15.05** (가장 강한 양), 새로운 매체 baseline, PAPER −6.40*, STAFF −9.13* — 인터넷 > 새로운 매체 > 인쇄 > 영업사원. INFOR (정보량) 가 가장 영향력 큰 속성 (β=17.05**) — 매체 종류보다 정보의 양 이 1 차 결정요인. NEW (업데이트 빈도) 음 (−1.71**) — 응답자는 덜 자주 바뀌는 정보 를 선호 (정보 안정성). 둘째, Camera 1 (low-end, 기본 기능): 모든 매체 계수 거의 무의미. 응답자는 이미 아는 제품 에 대해 광고로부터 새 정보 학습 못 함 — 광고 효과 흡수 안 됨. 셋째, Camera 2·3 (mid·high-end, 복잡): PAPER 강한 음 (−31.6***, −54.0***), INTERNET 강한 양 (+14.8***, +19.0***) — 복잡 제품일수록 hands-on / interactive 매체 우위. socio-demographic 변수 (EDU, SEX, AGE, INCOME) 모두 유의 — 교육 ↑ 구매의도 ↑, 남성 > 여성, 연령 ↑ 구매의도 ↓.

한계는 명시적이다. 첫째, 단일 제품군 (디지털 카메라) 만 분석 — IT 외 일반 소비재로 일반화 추가 검증 필요. 둘째, 새로운 매체 (Universal Frame) 의 접근성 이 본질적으로 낮음 (특정 매장에만 설치) — best-case scenario 위주 평가, 일상 노출 시나리오와 괴리. 셋째, 매장 내 face-to-face survey 의 selection bias (전자 매장 방문자 자체가 high-tech 친화). 본 paper 의 contribution 은 4 가지 매체 직접 비교 + 제품 복잡도와 매체 효과의 interaction 을 정량 확인한 점.

핵심 결과

Mixed Logit 매체 효용 (Table 6, baseline = 새로운 매체, N=170)

VariableMean βStd. Dev.
PAPER (인쇄)−6.398*15.486*
INTERNET15.047**50.525**
STAFF (영업사원)−9.130*51.422**
TIME (전달 시간)−0.349 (n.s.)4.851
NEW (업데이트 빈도)−1.712**2.780**
ACCESS (접근성)0.503**0.823**
INFOR (정보량)17.054**11.670**

Multinomial Logit-OLS 구매의도 변화 (Table 7)

VariableCamera 1 (low)Camera 2 (mid)Camera 3 (high)
PAPER−5.10 (n.s.)−31.63***−54.02***
INTERNET−1.96 (n.s.)+14.78***+19.02***
STAFF−6.85***−14.42***−7.23***
INFOR+0.133***+0.134***+0.133***
EDU+4.98***+6.23***+3.70***
AGE−1.14***−1.35***−1.70***

핵심 정량 발견

  • 매체 선호 순위: 인터넷 > 새로운 매체 > 인쇄 > 영업사원
  • 정보량 (INFOR) 이 매체 속성 중 가장 강한 효용 driver (β=17.05)
  • low-end 제품 (Camera 1): 광고 매체 효과 거의 없음
  • mid/high-end (Camera 2·3): 인터넷 + 새로운 매체 가 구매의도 유의하게 ↑

*** p<0.01, ** p<0.05, * p<0.10.

방법론 노트

혼합 로짓 (random parameter logit) 은 응답자별 taste heterogeneity 를 βn\beta_n 의 분포로 모델링. random utility:

Unj=βnXnj+εnjU_{nj} = \beta_n X_{nj} + \varepsilon_{nj}

여기서 βn\beta_n 은 random coefficient, εnj\varepsilon_{nj} 는 i.i.d. extreme value. 선택 확률은 logit 을 β\beta 의 density f(β)f(\beta) 로 적분:

Pni=∫(eβXni∑j=1JeβXnj)f(β)dβP_{ni} = \int \left(\frac{e^{\beta X_{ni}}}{\sum_{j=1}^{J} e^{\beta X_{nj}}}\right) f(\beta) d\beta

simulation 추정 (R draws): P^ni=(1/R)∑r=1RLni(βr)\hat P_{ni} = (1/R) \sum_{r=1}^{R} L_{ni}(\beta^r). log-likelihood: LL=∑n∑jdnjln⁡PnjLL = \sum_n \sum_j d_{nj} \ln P_{nj}.

multinomial-logit-ols-two-stage (Lee 1983) 는 category 선택 + 연속 outcome 을 동시에. 1 단: ys∗=zsγs+ηsy_s^* = z_s \gamma_s + \eta_s (latent utility), category ss 가 선택되는 조건 ys∗>max⁡j≠syj∗y_s^* > \max_{j \neq s} y_j^*. 2 단: ys=xsβs+σsusy_s = x_s \beta_s + \sigma_s u_s (선택된 category 의 outcome). 결합 log-likelihood:

ln⁡L=∑i=1N∑s=1M{Dsiln⁡gs ⁣(ysi−xsiβsσs)−Dsiln⁡σs+Dsiln⁡Φ ⁣(J1s(zsiγs)−ρsJ2s(ysi−xsiβs)1−ρs2)}\ln L = \sum_{i=1}^{N} \sum_{s=1}^{M} \Big\{ D_{si} \ln g_s\!\left(\tfrac{y_{si} - x_{si}\beta_s}{\sigma_s}\right) - D_{si} \ln \sigma_s + D_{si} \ln \Phi\!\left(\tfrac{J_{1s}(z_{si}\gamma_s) - \rho_s J_{2s}(y_{si} - x_{si}\beta_s)}{\sqrt{1-\rho_s^2}}\right) \Big\}

여기서 J1s=Φ0−1FsJ_{1s} = \Phi_0^{-1} F_s, J2s=Φ0−1GsJ_{2s} = \Phi_0^{-1} G_s. ρs\rho_s 는 selection equation 과 outcome equation 의 error 상관 (Heckman 류 selection correction). 식별 가정: ηs\eta_s 가 Gumbel (i.i.d.) → 1 단 multinomial logit, us∼N(0,1)u_s \sim N(0,1) → 2 단 정규 outcome.

연구 계보

본 paper 는 random utility theory (McFadden 1974) + Train (2003) 의 mixed logit 표준화 + Lee (1983 Econometrica) 의 generalized econometric models with selectivity + Wittink-Cattin (1989), D’Souza-Rao (1995), Stanton et al. (1983) 의 conjoint analysis 광고 분야 적용 traditions 의 결합. 이종수 그룹의 koo-yunmo-2012-energy-efficiency-grades (Energy Economics), Choi-Shin-Lee (2012, Behaviour & IT) 등 같은 mixed-logit-conjoint 도구 라인의 sibling. 이종수 의 author page 분류상 consumer preference / discrete choice 라인의 2010년대 marketing 응용 가지 — 핵심 가족은 Evaluation of Technological Innovation in the Cellular Phone Display (2003) → IT 서비스 jongsulee-2006-mobile-internet-dcm (2006) → 자동차 koo-yunmo-2012-energy-efficiency-grades → 본 paper (광고 매체) → A forecast of household ownership and use of alternative fuel vehicles: A multiple discrete-continuous choice approach 등으로 이어지는 DCM 도구의 multi-product 확장 흐름.

Joongha Ahn (Joongha Ahn) 은 이종수 의 박사과정 제자 군. jiwoon-ahn slug 와 본 paper 의 joongha-ahn 은 영문 transliteration 차이 (안중하 vs 안지운) 일 가능성도 있으나 본 raw 의 byline 은 “Joongha Ahn”. 본 paper 의 changwon-lee · michael-paik 은 Cube Consulting & Communications 소속 산업체 공저자 — TEMEP 의 산학협력 패턴.

See also

인접 그래프

1-hop 이웃 8개
  • 인물 2
  • 방법론 2
  • 수록처 1
  • 분류 1
  • 논문 2
휠 = 확대/축소 · 드래그 = 이동 · hover = 강조 · 클릭 = 페이지 이동