Exploring the Fittest Choice Model for Consumer Preference Analysis on Over-the-Top Service

Seungwook Park, 이종수, Junghun Kim (2024) · Technology in Society 76:102458 · DOI ↗

한국 OTT 시장의 소비자 선호 분석에서 neoclassical 혼합 로짓 (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 (Over-the-Top Bundled Services in the Korean Broadcasting and Telecommunications Market: Consumer Preference Analysis Using a Mixed Logit Model) 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

요약

이 paper 는 이종수 의 consumer preference 도구 라인 의 방법론 자체에 대한 비판적 평가다. 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 이종수 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

혼합 로짓 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) 이종수 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) Over-the-Top Bundled Services in the Korean Broadcasting and Telecommunications Market: Consumer Preference Analysis Using a Mixed Logit Model 의 OTT complementary 발견, (f) Rogers (1962) 의 diffusion of innovations + chasm 이론을 결합한다. TEMEP 내 sibling: 이종수 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.