| Home | E-Submission | Sitemap | Editorial Office |  
top_img
Journal of the Korean Society for Quality Management > Volume 47(2); 2019 > Article
TV 홈쇼핑 모바일 애플리케이션의 고객화가 서비스 품질 및 고객충성도에 미치는 영향에 대한 연구

Abstract

Purpose

We examine the impact of Customization of TV Home Shopping Mobile Applications on Service Quality and Customer Loyalty.

Methods

We collect data by using survey and proposed relationships between latent variables using Structural Equations Modeling.

Results

We find that Customization of TV Home Shopping Mobile Applications positively affect Service Quality and Customer Loyalty. In addition, service quality work as a mediate variable between Customization with Customer Loyalty.

Conclusion

Our findings explain the significant relationships between each variables and hence it is necessary to consider Customization and Service Quality in order to achieve desired goal of enhancing business performance through mobile applications.

1. 서 론

국내 홈쇼핑 시장은 1995년 삼구쇼핑(현 CJ 오쇼핑)의 등장 이래로 지속적 성장을 해왔다. 그러나 국내 홈쇼핑 시장이 출범 초기부터 가파른 성장을 해왔던 것은 아니다. 홈쇼핑 출범 초기에는 케이블 TV 가입자 수의 부족과 생소한 구매방식 등 소비자의 호응을 크게 얻지 못해 저조한 매출 수익을 올렸다. 2000년대에 들어서면서 현대홈쇼핑, 롯데홈쇼핑, NS홈쇼핑이 새로 시장에 진입하고, 케이블 TV 가입자 수의 급격한 증가, 신용카드 이용의 확대, 택배산업 발달, 전자상거래 지급 솔루션 등의 인프라 확충을 통해 국내 TV 홈쇼핑은 급속도로 성장하기 시작한다(Kim et al.. 2014, Lee and Park 2011). 이후 2011년 홈앤쇼핑과 2015년 중소기업을 위한 공영 홈쇼핑을 표방하는 아임쇼핑이 출범하면서 현재 국내에는 7개 회사가 홈쇼핑 시장에 참가하고 있으며 국내 홈쇼핑 회사가 늘어감에 따라 시장의 동태를 예측하기 힘들어지고 있다. 일례로 그동안 지속해서 시장에서 1위의 점유율을 차지했던 GS홈쇼핑이 2011년 처음으로 1위 자리를 CJ오쇼핑에 넘겨주게 된다. 즉, 국내 TV 홈쇼핑 산업의 규모는 점점 커지고 있으며 동시에 시장에 참가하는 회사들이 늘어감에 따라 경쟁이 점점 치열해지고 있다고 할 수 있겠다.
2010년 CJ오쇼핑이 홈쇼핑 애플리케이션을 국내 최초로 선보임과 동시에 TV 방송을 통한 매출과 더불어 애플리케이션을 통한 매출액이 점차 증가함에 따라 타 회사들도 경쟁적으로 자사 애플리케이션을 출시하였다. 특히 2011년 출범한 홈앤쇼핑의 경우, 모바일 매출 비중이 TV 매출 비중보다 높고, 2015년 홈쇼핑 앱 부문 순 사용자 수 1위를 지금까지 지키고 있으며, 압도적인 이용자 수를 바탕으로 TV 매출과 모바일 애플리케이션을 통한 매출이 시너지를 이루어 짧은 시간 내에 급격한 매출 증대를 이룰 수 있었다. 다른 홈쇼핑의 경우를 살펴보더라도 모바일 애플리케이션 운영 현황을 보면, 회사마다 세부적인 비중은 다르지만, 전체 매출에서 모바일 애플리케이션으로 주문하는 금액의 비중이 점차 높아지고 있다. 이와 반대로 카탈로그, 인터넷 등 전통적인 주문 방식의 비중은 지속적으로 낮아지고 있는 상황이다. 즉, 전통적인 주문방식에서 점차 모바일 애플리케이션을 통한 주문으로 대체되고 있다고 할 수 있으며, 홈쇼핑 회사들의 매출에서 모바일 애플리케이션을 통한 매출비중이 지속해서 성장함에 따라 경쟁이 치열한 국내 홈쇼핑 시장에서 홈쇼핑 애플리케이션의 효과적인 운용은 주된 경쟁력의 원천이 될 수 있다.
최근 국내 홈쇼핑 회사들의 애플리케이션 운영 현황을 살펴보면 CJ오쇼핑은 2017년 말 모바일 전용 생방송 ‘쇼크라이브’를 런칭 하였고 NS 홈쇼핑은 애플리케이션을 통해 미디어 커머스 플랫폼 ‘샵플레이’를 론칭 예정이다. 샵플레이는 방송 진행자와 소비자 간 쌍방향 소통이 가능한 플랫폼으로서 방송 공간의 제약이나 심의 규정에서 상대적으로 자유롭다는 이점을 통해 기존 TV 홈쇼핑 방송보다 고객과 더 잘 상호작용할 수 있다는 장점이 있다. GS홈쇼핑 또한 2017년부터 모바일 애플리케이션을 통한 홈쇼핑 생방송인 ‘모바일 라이브’를 운영하고 있는데, 해당 방송은 TV홈쇼핑 방송을 만들던 PD들이 기획부터 제작까지 맡아, 고객들이 원하는 쇼핑에 충실한 생방송을 모바일로 제공한다. 지금까지 언급한 세 기업은 주로 자체 컨텐츠를 강화하는 방식으로 시장에서의 경쟁 역량을 만들고 있다. 반면 홈앤쇼핑이나 롯데홈쇼핑은 어플리케이션을 사용하는 개별 고객에게 맞춤화된 서비스를 제공하는 방향으로 경쟁력을 키우고 있다. 홈앤쇼핑의 경우 자체적인 큐레이션 서비스를 도입함으로서 기존의 구매 이력 등의 데이터에 기반한 분석에 그치는 것이 아닌 빅데이터를 기반으로 개별 고객의 선호도, 라이프 스타일 등을 종합적으로 분석하는 알고리즘을 이용하여 직접 본 상품, 관련이 있는 상품, 관심이 있을 것 같은 상품으로 세분화하여 고객에게 그 리스트를 제공하며, 롯데홈쇼핑은 인공지능 기술을 활용하여 홈쇼핑에서 방송하는 제품을 고객 개개인의 니즈에 맞게 최적의 조합으로 자동 편성하는 ‘스마트 AI 편성 시스템’을 도입하였고, 나아가 이 시스템을 방송 편성 회의에 보조지표로 활용하고 있으며 지속적으로 확대적용한다는 계획이다. GS홈쇼핑 또한 올 상반기 중으로 인공지능 기술을 활용해 고객 개개인에게 맞춤화된 서비스를 제공하려는 계획으로 고객 개개인의 구매 패턴 및 장바구니를 분석하여 선호도를 구한 후 구매 가능성이 큰 제품을 추천하는 서비스를 제공할 예정이다. 이처럼 각 홈쇼핑 기업들이 모바일 애플리케이션 사업을 운영하는 방식을 사뭇 다르지만, 공통적으로 각 기업이 보다 고객과 더 소통하고 나아가 개별 고객의 취향을 최대한 반영하여 맞춤화된 서비스를 제공함으로서 경쟁력을 확보하려는 모습을 보인다.
본 연구에서는 TV 홈쇼핑 모바일 애플리케이션의 사용자를 대상으로 홈쇼핑 모바일 애플리케이션의 고객화가 서비스 품질 및 고객 충성도에 미치는 영향을 살펴본다. 기존의 TV홈쇼핑 관련 연구들은 홈쇼핑 이용자들의 이용 동기에 대한 통계적 속성을 규명하는 연구들이 대부분이며, 홈쇼핑 모바일 애플리케이션에 관해서 다룬 연구는 찾아보기 어려운 실정이다. 또한 홈쇼핑 모바일 애플리케이션의 서비스 품질과 고객충성도간의 관계는 다양한 유사 분야의 연구가 존재하나 본 연구에서는 고객화를 서비스 품질과 고객충성도의 동인으로 설정한다. 그 이유는 이론적 배경에서 자세히 설명되겠지만 과거에는 고객화를 서비스 품질의 한 요소로서 다룬 연구가 주를 이루었으나 점차 고객화의 중요성이 부각 되면서 고객화를 서비스 품질과 독립된 요인으로 다루는 연구가 이루어져 왔으며 이러한 흐름은 일반적인 전자상거래와 모바일 상거래에서도 마찬가지로 나타나기 때문이다. 실제로 모바일 애플리케이션에 있어서 고객화는 CRM의 주요 도구로서 TV홈쇼핑이 정형화된 일방향성 방송을 근간으로 하고 있다는 점을 보완해 주는 중요한 역할을 수행하게 되며, 따라서 이를 독립적인 요인으로서 심층적으로 살펴볼 필요가 있다. 본 논문의 구성은 다음과 같다. 제2절에서는 고객화, 서비스 품질, 고객 충성도를 다룬 기존 문헌을 살펴본 후 가설을 설정하고, 제3절에서는 연구 모형을 제시하며 제4절에서는 결과를 분석한 후 제5절에서는 결론을 맺는다.

2. 이론적 배경

2.1 고객화

고객화에 관한 연구는 초기 일대일 마케팅에 관한 관심으로부터 시작하여 마케팅 이론의 한 분야로 이어졌다(Peppers and Rogers 1995). 고객화는 초기에는 “제품을 고객의 개별적인 요구에 맞춰 제작하거나 기존 제품 사양을 고객 요구에 맞게 변경하는 것”으로 정의되었으며(Webster 2017, Medina and Duffy 1998) 현재 미국 마케팅협회(American Marketing Association)의 정의에 따르면 “상품을 고객의 특별한 요구에 맞춰서 제공하는 것으로 개별 고객들이 고유의 세그먼트(Segment)를 가질 수 있다”이다. 기존 문헌들은 서비스의 고객화가 기업의 경쟁우위를 위한 하나의 도구로 보았으며 다양한 산업에서 고객화를 통해 고객이 느끼는 서비스 품질 수준이 높아질 수 있다고 보았다. (Lewis and Entwistle 1990, Bettencourt and Gwinner 1996). 초기에는 고객화의 효과를 정량적으로 측정하는 연구는 부족하였고 고객화가 고객 만족도에 긍정적으로 이바지할 것이라는 수리적 모형에 기초한 가정만이 있었다(Rust and Oliver 2000).
고객화를 부각한 초창기 연구로는 Solomon et al.(1985) 의 연구를 들 수 있는데, 이 연구에서는 서비스 프로세스 상에서 전방 직원(Frontline Employee)이 고객과 상호작용함으로써 고객 만족도를 개선할 수 있음을 발견하였다. Gronroos(1988)는 서비스품질은 고객이 기대하는 품질(Expected Quality)과 고객이 경험한 품질(Experienced Quality) 수준의 차이(Gap)를 통해 측정되며, 이 차이가 클수록 고객이 느끼는 서비스 품질이 높다고 하였는데, 이때 고객의 개별적인 요구(Needs)에 부합하는 정도가 기대 품질 수준에 긍정적인 영향을 미쳐 기대 품질과 경험한 품질의 차이를 크게 함으로서 고객이 느끼는 서비스 품질 수준을 높일 수 있다고 하였다. Fornell et al.(1996)Gronroos(1988)의 연구를 발전시켜 고객의 기대 품질이 미국 소비자 만족도 지수(ACSI)에 긍정적인 영향을 미친다는 것을 제시했으며 고객의 기대 품질을 측정하는 문항 중 고객화 된 경험(Customization experience), 즉 고객의 개별적 요구를 만족하는 정도를 측정 문항에 포함시킴으로서 고객화의 중요성을 강조하였다.
고객화를 독립적인 요인으로 본 연구를 살펴보면 Ostrom and Iacobucci(1995)는 가격, 품질, 직원의 친절도, 고객화가 서비스 품질 및 고객 만족도에 긍정적인 영향을 미침을 보였다. Coelho and Henseler(2012)는 고객화가 인지된 품질, 고객 만족도, 고객 신뢰도 그리고 고객 충성도에 긍정적인 영향을 미침을 보였다. 전자상거래 서비스를 대상으로 한 연구를 살펴보면 Srinivasan et al.(2002) 은 전자 상거래 환경에서 Customization(고객화), Contact interactivity(상호작용), Cultivation(관계구축), Care(관리), Community(커뮤니티), Choice(선택), Convenience(편리성) 그리고 Character(특징)로 이루어진 8개의 C 중 Convenience(편리성)를 제외한 7가지가 고객 충성도에 긍정적인 영향을 미침을 밝혀내어 많은 연구에서 인용되었다. Devaraj et al.(2006)은 전자 상거래 환경에서의 온라인고객 만족도와 채널 선호도에 영향을 미치는 요인들에 구조 방정식 모형을 통해 고객화가 반응성, 웹사이트 디자인 그리고 보안에 대한 신뢰성과 함께 고객 만족에 긍정적인 영향을 미침을 보였고, 나아가 고객 만족은 해당 인터넷쇼핑 채널에 대한 선호도의 증가로 이어짐을 밝혀내었다. 스마트 폰 등 모바일기술의 발달로 전자 상거래가 모바일기기를 통해 이루어지는 M-Commerce가 개발되면서 이에 관한 연구가 진행되었다. Choi et al.(2008)은 전자 상거래와 모바일 상거래(M-commerce)에서 어떤 요인이 고객 충성도에 영향을 미치는지 살펴보았다. 이러한 일련의 연구 결과 전자 상거래에서는 가시성, 보안성, 편리성이, 모바일 상거래에서는 콘텐츠 신뢰성, 가용성, 인지한 가격 수준이 고객 충성도에 영향을 미쳤으며, 이 외에 거래 프로세스, 고객화 및 고객 서비스 수준은 전자 상거래와 모바일 상거래 모두에서 고객 충성도에 영향을 미치는 것으로 선정되었다.
기존의 연구 동향을 정리해보면, 초기에는 고객화를 서비스 품질의 한 요소로서 다룬 연구가 주를 이루었으나 점차 고객화의 역할이 강조되면서 고객화를 서비스 품질과 독립된 요인으로 다루는 연구들이 이루어졌으며 고객화가 서비스 품질 및 고객 충성도에 긍정적인 영향을 미친다는 연구들이 많이 진행되었다. 이러한 흐름은 전자상거래와 모바일 상거래에서도 공통적인 추세로 발견된다. 이를 토대로 다음의 가설을 제시한다.
가설 1. 고객화는 홈쇼핑 애플리케이션 서비스 품질에 정의 영향을 미칠 것이다.
가설 2. 고객화는 홈쇼핑 애플리케이션 사용자의 고객 충성도에 정의 영향을 미칠 것이다

2.2 서비스 품질

서비스 품질에 대해서는 다양한 정의가 있지만, 초기에는‘서비스 제공자로부터 제공된 서비스의 품질 수준과 고객이 기대한 서비스의 기대 수준과의 일치 정도’로 정의되었다 (Lewis and Booms 1983). Gronroos(1984)는 서비스 품질을 지각할 때 고객들이 그들이 기대한 서비스의 수준과 실제 고객이 받은 서비스의 수준과 비교하며, 그 과정에서 기업의 기술적 품질과 기능적 품질을 종합적으로 평가한다고 하였다. Parasuraman et al.(1985)Gronroos(1984)의 연구를 확장하여 고객이 기대하는 서비스 수준과 실제로 인지하는 서비스 수준 간의 차이를 통해 서비스 품질을 측정하는 SERVQUAL 척도를 개발하였으며 신뢰성, 확신성, 보증성, 공감성, 유형성을 서비스 품질을 평가하는 요소로 제시하였다. Cronin and Taylor(1992)는 기존의 SERVQUAL 모형에서 고객의 기대수준과 지각 수준을 동시에 두 번 측정함으로써 생기는 비효율성을 비판하며, 고객의 기대수준이 아닌 실제 지각한 서비스 수준만 이용하는 SERVPERF 모델을 제안하였으며 실증연구를 통해 SERVPERF 모형으로도 충분히 타당한 결과를 얻을 수 있음을 보였다.
온라인 상거래를 대상으로는, Ribbink et al.(2004)은 확신성(Assurance), 사용편리성(Ease of Use), E-스케이프(E-scape), 반응성(Responsiveness) 그리고 고객화(Customization)를 전자 상거래 서비스 품질 요소로 소개하며 이들이 고객 만족을 거쳐 고객 충성도에 긍정적인 영향을 미침을 보였다. Parasuraman et al.(2005)은 기존의 SERVQUAL에서 다루었던 오프라인업체에서 벗어나 전자 상거래 업체를 대상으로 효율성, 유용성, 주문처리속도, 개인정보보호라는 네가지 요소로 이루어진 서비스 품질 평가 모형 E-S-QUAL과 서비스 실패 상황에서 복구(Service recovery)의 질을 측정하는 E-RecS-QUAL을 제안했다. Kim et al.(2006)은 모바일 상거래의 특성(유용성, 사용성, 시스템 품질, 편의성)과 개인적 특성(사회적 영향, 신뢰성, 가격 적정성)이 사용자 만족도에 어떤 영향을 주는지 실증 분석하였고, 모바일 상거래 에서는 유용성과 편의성이, 개인적 특성에서는 사회적 영향이 사용자 만족도에 유의한 양의 효과를 미침을 보였다. Yeh and Li(2009)는 모바일상거래에서 고객 신뢰를 증진하는 방안에 관한 실증연구를 진행하였으며, 웹 사이트 품질, 모바일 품질 그리고 중간상의 서비스 품질이 고객 만족도에 긍정적인 영향을 미쳤고 고객 만족도는 고객 신뢰도에 긍정적인 영향을 미쳤다. Liebana-Cabanillas et al.(2017)의 연구에서는 모바일 상거래환경에서 신뢰성, 지각된 유용성, 이동성 그리고 지각된 용이성이 고객 만족도에 긍정적인 영향을 미쳤으며, 이동성과 신뢰성이 가장 높은 만족을 주는 것으로 나타났다. Kasiri et al.(2017)은 말레이시아 내의 병원, 대학, 호텔 서비스를 경험해본 이들을 대상으로 고객화와 표준화가 서비스 품질에 미치는 영향을 분석하고 서비스 품질이 고객 만족도, 나아가 고객 충성도에 미치는 영향을 구조방정식을 이용해서 분석하였다. 연구 결과, 고객화와 표준화 둘 다 서비스 품질에 긍정적인 영향을 미쳤으며, 고객 만족도가 서비스 품질과 고객 충성도 간을 매개함을 발견하였다.
기존의 연구 동향을 요약하면, SERVQUAL 등의 선행연구를 바탕으로 산업별로 서비스 품질을 측정하는 모형을 개발하며, 다양한 산업에서 서비스 품질이 고객 충성도에 긍정적인 영향을 미친다는 것을 실증적으로 밝혀냈다. 이를 바탕으로 다음의 가설을 설정한다.
가설 3. 홈쇼핑 애플리케이션의 서비스 품질은 고객 충성도에 정의 영향을 미칠 것이다.

2.3 서비스 품질의 매개효과

Ball et al.(2006)은 고객화가 서비스 품질과 더불어 고객 충성도에도 영향을 미치는지 검증했다. 그들은 서비스 품질이 고객 충성도에 영향을 미침에 있어서 고객화를 포함한 모델과 포함하지 않은 모델을 비교 검증함으로써, 고객화의 효과가 고객 만족, 충성도, 고객 신뢰도에 모두 긍정적인 영향을 미침을 보였다. 그리고 고객화가 고객 만족도에 직접적인 효과 외에 간접 효과를 함께 가지고 있음을 보였다. Liebana-Cabanillas et al.(2017)의 연구에서는 고객화가 신뢰성, 이동성과 고객 만족도 사이에서 조절 효과가 있음을 보였다. 서비스 품질을 매개 효과로 다룬 연구를 살펴 보면 Bloemer et al.(1998)은 네덜란드 시중 은행 고객들을 대상으로 은행의 서비스 품질이 이미지와 고객충성도 간을 매개함을 통계적으로 밝혔고, Park and Huh(2011)는 최근 5년 이내 냉장고를 구매한 고객들을 대상으로 기업의 사회적 책임(CSR) 활동이 브랜드 자산 가치에 미치는 영향을 분석하면서 제품 품질과 서비스 품질이 그 관계를 매개하는 지 살펴보았으며 제품 품질과 서비스 품질 모두 매개 효과가 있음을 밝혔다. 이 외에 다양한 문헌에서 서비스 품질이 다양한 산업에서 매개효과로 작용할 수 있음을 밝혔다.(Park and Park 2015, Ramayah et al. 2011, Kaliappen et al. 2017). 이처럼 기존 문헌을 살펴보면 고객화와 서비스 품질을 매개 변인으로 다룬 연구들이 나뉘지만 서비스 품질을 매개 변인으로 다룬 연구들이 더 일반적이며, 다양한 산업에서 서비스 품질을 매개 변수로 넣고 영향력을 분석한 연구들이 이루어졌으나 홈쇼핑 연구에서 서비스 품질을 매개효과로 다룬 연구는 없다. 그렇기에 급성장하는 TV 홈쇼핑 모바일 애플리케이션 시장에서 고객화, 서비스 품질, 고객 충성도 간의 더 자세한 관계규명은 관련 학계와 산업계의 관련 지식 축적에 필수불가결하다.
가설 4. 홈쇼핑 애플리케이션의 서비스 품질은 고객화와 고객 충성도 사이를 매개할 것이다.

3. 연구 모형 및 설계

3.1 연구 모형

본 연구에는 선행연구들을 중심으로 TV 홈쇼핑 모바일 애플리케이션의 고객 충성도에 어떠한 요인이 유의한 관계를 갖는지 탐색한다. 연구 모형은 Figure 1 과 같다.

3.2 변수의 측정

측정항목들은 선행연구에서 사용된 문항들을 TV 홈쇼핑 모바일 애플리케이션에 맞도록 수정하였으며 사용된 척도는 Likert 7점 척도이며 고객화는 Srinivasan et al.(2002)에서 사용된 고객화를 측정한 5개 문항을 활용하였으며, 서비스 품질은 Parasuraman et al.(2005)의 연구에서 사용된 E-S-Qual 모형 중 12개 문항을 활용하였다. 고객 충성도는 Parasuraman et al.(2005)의 연구에서 사용된 5개 문항을 활용하였다.

3.3 자료 수집 및 분석 방법

본 연구에서 사용된 자료들은 2017년 8월 14일부터 16일까지 3일 동안 설문조사를 통해 수집되었다. 설문 대상은 TV 홈쇼핑 모바일 애플리케이션을 사용해서 구매를 경험해본 사람들로서, 회사가 보유하고 있는 온라인 패널들을 통해 총 326부를 회수하여 분석에 사용하였다. 분석에 사용된 프로그램은 SPSS 23.0과 R 3.4.2다.

4. 실증 분석

4.1 인구통계학적 특성

본 설문에 참여한 표본들의 특성은 다음과 같다.
성별 분포는 남성이 162명(49.7%), 여성이 164명(50.3%)이며, 연령대는 20대가 55명(16.9%), 30대는 82명(25.2%), 40대는 95명(29.1%), 그리고 50대는 94명(28.8%)으로 이루어져 있다. 거주 지역은 서울특별시가 117명(35.9%), 경기도가 99명(30.4%)으로서 서울, 경기 두 지역의 표본 분포가 가장 높았으며, 그 외에 강원도는 6명(1.8%), 충청북도 2명(0.6%), 충청남도 24명(7.4%), 전라북도 4명(1.2%), 전라남도 9명(2.8%), 경상북도 23명(7.1%), 경상남도 41명(12.6%) 그리고 제주특별자치도 1명(0.3%)으로 이루어져 있다. 소득 수준은 월 200만 원 미만이 51명(15.6%), 200~400만 원 미만이 117명(35.9%), 400~600만 원 미만이 91명(27.9%), 600~800만 원 미만이 40명(12.3%), 800~1000만 원 미만이 14명(4.3%) 그리고 1000만 원 이상이 13명(4.0%)으로서, 200~400만원 사이의 월 소득 수준이 가장 높은 빈도를 보였다. 애플리케이션의 사용빈도는 한 달에 3회 이하가 210명(64.4%), 4~6회가 74명(22.7%), 7~9회가 15명(4.6%), 10~12회가 7명(2.1%) 그리고 13회 이상이 20명(6.1%)으로 구성되어 있다. 그리고 최근 홈쇼핑 애플리케이션을 이용한 기간은 3개월 이내가 257명(78.8%)으로 가장 높은 빈도를 보였으며, 4~6개월 이내가 40명(12.3%), 7~12개월 이내가 13명(4.0%), 1년 이상이 16명(4.9%)을 이루고 있다.

4.2 신뢰도와 타당도 분석

측정 문항들의 신뢰도와 타당도를 검정하기 위해 Table 2와 같이 확인적 요인분석을 시행하였다.
확인적 요인분석 결과 Table 2와 같이 각 요인의 결합 타당도(Composite Reliability)와 Cronbach’s a가 모두 0.8 이상이며 AVE가 모두 0.5 이상이기 때문에 해당 모형의 신뢰성은 확보되었다(Fornell and Larcker 1981).표준화된 요인 적재량이 모두 0.7 이상이므로 집중 타당도가 만족하였으며, 동시에 요인 적재치 들은 각 잠재 변수들을 설명하는데 적합한 설명력을 가지고 있음을 알 수 있다(Hulland 1999). 마지막으로 판별 타당성은 Fornell and Larcker(1981)가 제시한 바와 같이 AVE의 제곱근과 다른 요인 간 상관 계수를 비교하여 검증하였다.
분석 결과, 효율성을 제외한 나머지 영역에서 모두 AVE의 제곱근이 상관 계수들에 비해서 더 큰 값을 가지고 있었으며, 모두 0.7보다 큰 값을 가지고 있었다. 그러나 효율성 부분에서 AVE의 제곱근이 다른 상관계수에 비교해 낮았으므로 해당 모형의 판별 타당성이 부족함이 한계로 남는다.

4.3 가설 검정

가설 검정을 위해 Figure 2와 같이 구조방정식 모형을 사용하여 경로계수를 추정하였으며 결과를 Table 4로 정리하였다.
모형의 적합도를 살펴보면 카이제곱(Chi-square) 지수는 366.785로서 유의확률이 0이므로 데이터가 추정된 모형을 강하게 지지한다. 이 외에 CFI, NFI, TLI, GFI, AGFI 등은 일반적으로 0.9 이상이면 좋은 모형으로 판단한다. 그리고 RMSEA는 0.05 이하면 매우 좋고, 0.08 이하이면 양호하며 0.1 이하면 보통이라 판단한다(Lim 2014). 이 중 CFI, NFI, TLI는 일반적인 기준을 만족하였으나 GFI와 AGFI는 소폭이지만 0.9를 넘지 못하였다. 그러나 적합도지수에 대해서 국내외 선행연구들은 적합도가 0.8정도의 수준에서도 어느 정도 적합성을 가지고 있다고 판단하여 인과관계 분석에 대한 결과를 제시하고 있다(Achrol and Stern 1988, Anderson and Narus 1990, Choi 2006). 그리고 RMSEA는 0.076이므로 양호하다고 할 수 있다. 가설 검정 결과, 고객화가 서비스 품질 및 고객 충성도에 유의한 양(+)의 영향을 미쳤으며, 이로써 가설 1, 2는 채택되었다. 서비스 품질 또한 고객 충성도에 유의한 양(+)의 영향을 미쳤으며, 가설 3은 채택되었다. 더불어 서비스 품질이 고객화와 고객 충성도 간 매개 역할을 수행하는지 검증하기 위해 Baron and Kenny(1986)가 제시한 3단계 회귀분석방법을 실시하였다.
분석 결과 Table 5와 같이 우선 독립 변수인 고객화가 매개 변수인 서비스 품질에 미치는 영향 (β=0.776, p=0.000)이 유의하므로 매개효과 검증을 위한 첫 번째 조건을 만족했으며, 고객화가 종속 변수인 고객 충성도에도 유의한 영향을 미쳤으므로 (β=0.796, p=0.000) 두 번째 조건을 충족 하였다. 마지막으로 고객화와 서비스 품질을 동시에 고려하여 고객 충성도와의 관계를 살펴봤을 때 서비스 품질이 고객 충성도에 유의한 영향(β=0.655, p=0.000)을 미쳤고, 서비스 품질을 동시에 고려했을 때 고객화가 고객 충성도에 미친 영향(β=0.261, p=0.000)이 고객화가 고객 충성도에 미친 영향(β=0.796, p=0.000) 보다 낮으므로 고객화와 고객 충성도 간에 서비스 품질이 부분 매개 효과가 있다.

5. 결론 및 토의

5.1 연구 결과 및 시사점

본 연구는 TV 홈쇼핑 회사의 모바일 애플리케이션의 가용 빈도가 높아지는 현 상황을 고려하여 사용자 관점에서 고객화의 중요성을 검증하기 위해 출발하였다. 이를 위해 온라인 설문을 통해 326부의 응답을 수집하였고 고객화, 서비스 품질 그리고 고객 충성도 간의 관계를 구조방정식을 통해 세워진 가설들을 검증하였다. 연구 결과는 다음과 같다. 첫째, 제시한 연구모형의 모든 경로는 유의하다. 고객화는 서비스 품질 및 고객 충성도에 유의한 정(+)의 영향을 미쳤다. 즉, 홈쇼핑 애플리케이션 사용자들이 느끼는 고객화 수준이 높아질수록 서비스 품질 수준 및 고객 충성도는 높아진다. 이는 고객화가 서비스 품질과 고객 충성도에 긍정적인 영향을 미친다는 기존의 연구 흐름에 부합한다. 그리고 서비스 품질 또한 고객 충성도에 유의한 정(+)의 영향을 미쳤다. 즉, 홈쇼핑 애플리케이션 사용자들이 느끼는 서비스 품질 수준이 높아질수록 고객 충성도는 높아진다. 둘째, 서비스 품질은 고객화와 고객 충성도를 매개한다. Baron and Kenny(1986)의 방법을 이용하여 서비스 품질이 고객화와 고객 충성도 간 매개 여부를 검정한 결과 고객화가 서비스 품질과 고객 충성도를 부분 매개 함이 드러났다. 즉, 고객화가 고객 충성도에 직접적인 영향 외에 서비스 품질을 통해 고객 충성도에 간접적인 영향을 함께 미친다는 것으로, 만일 두 기업이 같은 수준의 서비스 품질을 제공하더라도 고객이 고객화 수준을 더 높게 느끼는 기업은 고객들이 상대적으로 서비스 품질 수준을 더 높게 인식하여 고객 충성도에 더 긍정적인 영향을 미친다는 것이다.
본 연구의 이론적, 실무적 시사점은 다음과 같다. 첫째, 본 연구는 TV 홈쇼핑 모바일 애플리케이션의 고객 충성도를 다룬 첫 번째 연구이다. 기존의 연구들은 TV 홈쇼핑을 연구하거나 홈쇼핑이 아닌 순수 모바일 애플리케이션의 품질을 연구하는 것으로 양분되어 있었으나, 본 연구는 TV홈쇼핑 회사에서 경쟁적으로 도입하고 있는 자사의 모바일 애플리케이션의 사용자를 대상으로 TV 홈쇼핑 모바일 애플리케이션의 고객 충성도를 다루었으며 고객화와 서비스 품질이 고객 충성도에 긍정적인 영향을 미쳤고, 서비스 품질이 고객화와 고객 충성도를 매개하고 있음을 발견함으로써 추후 관련 연구의 방향을 제시한다. 둘째, 홈쇼핑 애플리케이션 시장에서 고객화와 서비스 품질의 역할이 강조되었다. 연구 결과, 고객화가 고객 충성도에 직접적인 영향을 미쳤으며, 서비스 품질을 통해 간접적인 영향 또한 함께 미침을 발견하였다. 반면, 고객화가 고객 충성도에 미치는 직접적인 효과보다 서비스 품질이 고객 충성도에 미치는 직접적인 효과가 더 컸다. 즉, 고객화가 고객 충성도에 정(+)의 영향을 미치더라도, 그 크기가 서비스 품질이 고객 충성도에 미치는 영향보다 낮았으며, 서비스 품질이 고객화와 고객 충성도 사이를 매개 하는 것을 발견함으로써 궁극적으로 두 요인 모두 고객 충성도에 영향을 미치는 주된 요인임을 확인하였다. 따라서 기업들의 경쟁이 심화하는 TV홈쇼핑 시장에서 모바일 애플리케이션을 통해 경영성과를 높이려는 소기의 목적을 달성하기 위해서는 모바일 애플리케이션의 서비스 품질과 고객화 전략을 잘 고려해야 한다는 점을 시사한다. 셋째, TV 홈쇼핑 애플리케이션 산업에서 서비스 품질이 매개 효과가 있음을 밝힘으로서 다양한 산업에서 서비스 품질이 매개 효과가 있음을 밝혔던 기존의 연구들의 결과를 새롭게 뒷받침 하였으며 경쟁이 심화되는 현 홈쇼핑 애플리케이션 시장에서 서비스 제공자들에게 고객화와 서비스 품질 전략을 병행하는 새로운 전략적 방향을 제공할 수 있다.

5.2 연구의 한계점 및 향후 연구 방향

연구의 한계점과 향후 연구 방향은 다음과 같다. 첫째, 서비스 품질에 관해 본 연구는 정량 분석을 함으로써 대략적인 효과를 파악하기엔 쉽지만 고객이 실제로 느끼는 고객화와 서비스 품질 수준에 대하여 정밀하게 파악하기 어렵다. 그러므로 향후 연구에서 TV 홈쇼핑 모바일 애플리케이션 사용자들이 느끼는 고객화와 서비스 품질 수준에 관해 정성적 연구를 통해 더 많은 합의를 끌어내는 것이 좋을 것이다. 둘째, 연구에서 사용된 데이터들은 신뢰성과 측정타당도는 확보되었으나 판별 타당도는 확보되지 않았다. 따라서 향후 연구에서 더 정교한 모형을 설계하거나 데이터를 더 수집함으로써 신뢰도와 타당도를 보강한 후 가설을 검정하는 것도 의미 있을 것이다.

REFERENCES

Achrol, RS, and Stern, LW 1988. "“Environmental determinants of decision-making uncertainty in marketing channels.”." Journal of marketing research 25(1):36-50.
crossref
Aju Business Daily 2019. "“[Distributor ‘e-commerce’ War 2] It can survive to read ‘consumer mind’using AI, Big Data ”." Last modified March 6, https://www.ajunews.com/view/20190305150641761.

Anderson, JC, and Narus, JA 1990. "“A model of distributor firm and manufacturer firm working partnerships.”." Journal of Marketing 54(1):42-58.
crossref
Ball, D, Coelho, PS, and Vilares, MJ 2006. "“Service personalization and loyalty.”." Journal of services marketing 20(6):391-403.
crossref
Baron, RM, and Kenny, DA 1986. "“The moderator-mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations.”." Journal of personality and social psychology 51(6):1173-1182.
crossref pmid pdf
Bettencourt, LA, and Gwinner, K 1996. "“Customization of the service experience: the role of the frontline employee.”." International journal of service industry management 7(2):3-20.
crossref
Bloemer, J, De Ruyter, K, and Peeters, 1998. "“Investigating drivers of bank loyalty: the complex relationship between image, service quality and satisfaction.”." International Journal of bank marketing 16(7):276-286.
crossref
Bridgenews 2019. "“Trend is Mobile.. TV Homeshopping, find a way by‘Phone Shopping’.”." Last modified February 18, http://www.viva100.com/main/view.php?key=20190218010004148.

Choi, J, Seol, H, Lee, S, Cho, H, and Park, Y 2008. "“Customer satisfaction factors of mobile commerce in Korea.”." Internet research 18(3):313-335.
crossref
Choi, Jongmin 2006. "“The Causal Relationships among Culture, Strategy, Technology and Management Accounting Information”." Journal of Business Research 21(2):79-116.

Coelho, PS, and Henseler, J 2012. "“Creating customer loyalty through service customization.”." European Journal of Marketing 46(3/4):331-356.
crossref
Cronin, JJ Jr, and Taylor, SA 1992. "“Measuring service quality: a reexamination and extension.”." Journal of Marketing 56(3):55-68.
crossref
Devaraj, S, Fan, M, and Kohli, R 2006. "“Examination of online channel preference: using the structure-conduct-outcome framework.”." Decision Support Systems 42(2):1089-1103.
crossref
Fornell, C, and Larcker, DF 1981. "“Structural equation models with unobservable variables and measurement error: Algebra and statistics.”." Journal of marketing research 18(3):382-388.
crossref
Fornell, C, Johnson, MD, Anderson, EW, Cha, J, and Bryant, BE 1996. "“The American customer satisfaction index: nature, purpose, and findings.”." Journal of Marketing 60(4):7-18.
crossref
Gronroos, C 1984. "“A service quality model and its marketing implications.”." European Journal of Marketing 18(4):36-44.
crossref
Gronroos, C 1988. "“Service quality: The six criteria of good perceived service.”." Review of business 9(3):10.

Hulland, J 1999. "“Use of partial least squares (PLS) in strategic management research: A review of four recent studies.”." Strategic Management Journal 20(2):195-204.
crossref
Kasiri, LA, Cheng, KTG, Sambasivan, M, and Sidin, SM 2017. "“Integration of standardization and customization: Impact on service quality, customer satisfaction, and loyalty.”." Journal of Retailing and Consumer Services 35: 91-97.
crossref
Kim, Bongchul, Moon, Joowon, and Choi, Myungil 2014. "“Effects of TV Viewing Motivation of Home Shopping on Viewing Satisfaction and Purchase Intention”." Advertising Research, No. 100. 264-291.

Kim, Sanghoon, Jin, Dongwook, and Choi, Jeomki 2006. "“An Empirical Study on Influencing Factors of Mobile Commerce User Satisfaction.”." The e-Business Studies 7(1):3-27.

Lee, Jongwon, and Park, Minsung 2011. A Study on Policy Improvement Strategy in the Home Shopping Market. Korea Information Society Development Institute.

Lewis, BR, and Entwistle, TW 1990. "“Managing the service encounter: a focus on the employee.”." International Journal of Service Industry Management 1(3):41-52.
crossref pmid pmc
Lewis, R, and Booms, B 1983. Emerging Aspect of service Quality in Emerging Perspectives on Services Marketing. Chicago. American Marketing Association En. p 100.

Liebana-Cabanillas, F, Marinkovic, V, and Kalinic, Z 2017. "“A SEM-neural network approach for predicting antecedents of m-commerce acceptance.”." International Journal of Information Management 37(2):14-24.
crossref
Lim, Donghoon 2014. Structural Equations Modeling using AMOS. Freedom Academy.

Medina, JF, and Duffy, MF 1998. "“Standardization vs globalization: a new perspective of brand strategies.”." Journal of Product & Brand Management 7(3):223-243.
crossref
Munhwa Daily 2019. "“Lotte Homeshopping, lead media commerce by differentiating AI services and Mobile contents”." Last modified February 27, http://m.munhwa.com/mnews/view.html?no=2019022701032203000007..

Narentheren, Kaliappen, Hilman, Haim, and Abubakar, Ahmed 2017. "“Market Orientation and Performance: The Mediating Effect of Service Quality and Moderating Effect of Star Rating System.”." Journal of Business and Retail Management Research. 11(3).

Newsis 2017. "“Home&Shopping “Lead Smart Shopping by Mobile Shopping””." Last Modified November 24, http://www.newsis.com/view/?id=NISX20171123_0000157271&cID=13001&pID=13000..

Ostrom, A, and Iacobucci, D 1995. "“Consumer trade-offs and the evaluation of services.”." Journal of Marketing 59(1):17-28.
crossref
Parasuraman, A, Zeithaml, VA, and Berry, LL 1985. "“A conceptual model of service quality and its implications for future research.”." Journal of Marketing 49(4):41-50.
crossref pmid pmc
Parasuraman, A, Zeithaml, VA, and Malhotra, A 2005. "“ES-QUAL: A multiple-item scale for assessing electronic service quality.”." Journal of service research 7(3):213-233.
crossref pmid pmc
Park, Jungwoo, and Park, yongmin 2015. "“The Study on the Hotel Employee”s Empoerment Effect on Job Performance : Focused on Intermediating Effect of Service Quality and Job Commitment,”." Journal of Tourism and Leisure Research 27(10):453-468.
pmid pmc
Park, Seungbae, and Huh, Jongho 2011. "“Influence of CSR Activity on Brand Equity : Mediation Effect of Product and Service Quality Evaluation,”." JOURNAL OF THE KOREA CONTENTS ASSOCIATION 11(12):395-402.
crossref
Peppers, D, and Rogers, M 1995. "“A new marketing paradigm: share of customer, not market share.”." Planning review 23(2):14-18.
crossref
Ramayah, T, Samat, N, and Lo, MC 2011. "“Market orientation, service quality and organizational performance in service organizations in Malaysia.”." Asia-Pacific Journal of Business Administration 3(1):8-27.
crossref
Ribbink, D, Van Riel, AC, Liljander, V, and Streukens, S 2004. "“Comfort your online customer: quality, trust and loyalty on the internet.”." Managing Service Quality: An International Journal 14(6):446-456.
crossref
Rust, RT, and Oliver, RL 2000. "“Should we delight the customer?”." Journal of the Academy of Marketing Science 28(1):86-94.
crossref pmid pmc
Shao Yeh, Y, and Li, YM 2009. "“Building trust in m-commerce: contributions from quality and satisfaction.”." Online Information Review 33(6):1066-1086.
crossref
Solomon, MR, Surprenant, C, Czepiel, JA, and Gutman, EG 1985. "“A role theory perspective on dyadic interactions: the service encounter.”." Journal of Marketing 49(1):99-111.
crossref
Srinivasan, SS, Anderson, R, and Ponnavolu, K 2002. "“Customer loyalty in e-commerce: an exploration of its antecedents and consequences.”." Journal of retailing 78(1):41-50.
crossref
Statistics Korea, Sales of Program Provider (2008–2014).

Webster’s Dictionary 2017. "“Customization.”." Accessed July 19, https://www.merriam-webster.com/dictionary/customization..

Figure 1.
Research Model
jksqm-47-2-255f1.jpg
Figure 2.
Path Analysis Result
jksqm-47-2-255f2.jpg
Table 1.
Demographic Analysis
Profile Category Frequency Proportion(%) Profile Category Frequency Proportion(%)

Gender Male 162 49.7% Monthly Income Less than 2 million won 51 15.6%
Female 164 50.3% 2–4 million won 117 35.9%

Age 20–29 55 16.9% 4–6 million won 91 27.9%
30–39 82 25.2% 6–8 million won 40 12.3%
40–49 95 29.1% 8–10 million won 14 4.3%
50–59 94 28.8% More than 10 million won 13 4.0%

Region Seoul 117 35.9% Monthly number of uses Less than 3 times 210 64.4%
Gyeonggi-do 99 30.4% 4–6 times 74 22.7%
Gangwon-do 6 1.8% 7–9 times 15 4.6%
Chungcheongbuk-do 2 0.6% 10–12 times 7 2.1%
Chungcheongnam-do 24 7.4% More than 13 times 20 6.1%

Jeollabuk-do 4 1.2% Recent Application Usage Period Within 3 months 257 78.8%
Jeollanam-do 9 2.8% 4–6 months 40 12.3%
Gyeongsangbuk-do 23 7.1% 7–12 months 13 4.0%
Gyeongsangnam -do 41 12.6% Over 1 year 16 4.9%
Jeju-do 1 0.3%
Table 2.
Confimatory Factor Analysis Result
Construct Indicator Standardized loading S.E P-value C.R AVE Cronbach’s a
Customization C1
C2
C3
0.723
0.825
0.902
-
0.084
0.083
-
0.000
0.000
0.859 0.672 0.855
Efficiency E1
E2
E3
0.786
0.756
0.772
-
0.069
0.068
-
0.000
0.000
0.815 0.595 0.816
System Availability A1
A2
A3
0.725
0.841
0.835
-
0.095
0.089
-
0.000
0.000
0.847 0.652 0.835
Fulfillment F1
F2
F3
0.762
0.816
0.800
-
0.069
0.076
-
0.000
0.000
0.835 0.628 0.834
Privacy P1
P2
P3
0.792
0.768
0.839
-
0.075
0.067
-
0.000
0.000
0.839 0.636 0.841
Customer Loyalty L1
L2
L3
0.840
0.873
0.821
-
0.058
0.060
-
0.000
0.000
0.882 0.713 0.881

Chi square = 366.785(p=0.000), GFI = 0.889, AGFI = 0.852, CFI = 0.937, NFI=0.908, TLI=0.925, RMSEA =0.076

Table 3.
Correlation Analysis and Discriminant Validity Test between Latent Variables
Construct Customization Efficiency System Availability Fulfillment Privacy Customer Loyalty

Customization (0.819)
Efficiency 0.666 (0.771)
System Availability 0.563 0.757 (0.807)
Fulfillment 0.635 0.853 0.721 (0.792)
Privacy 0.578 0.777 0.657 0.741 (0.798)
Customer Loyalty 0.722 0.794 0.671 0.756 0.689 (0.845)

The parenthesized diagonal element are the square roots of the average variance extracted.

Table 4.
Hypothesis Test
Hypothesis Causal Path Coefficient Z-value P-value Hypothesis Supported

H1 Customization -> Service Quality 0.704 9.954 0.000 Supported
H2 Customization -> Customer Loyalty 0.261 4.024 0.000 Supported
H3 Service Quality -> Customer Loyalty 0.655 8.798 0.000 Supported

Chi square = 366.785(p=0.000), GFI = 0.889, AGFI = 0.852, CFI = 0.937, NFI=0.908, TLI=0.925, RMSEA =0.076

Table 5.
Mediation Test
Step Causal Path Coefficient Z-value P-value Hypothesis Supported

Step 1 Customization -> Service Quality 0.776 10.589 0.000 Supported
Step 2 Customization -> Customer Loyalty 0.796 11.877 0.000 Supported
Step 3 Customization -> Customer Loyalty 0.261 4.024 0.000 Supported
Service Quality -> Customer Loyalty 0.655 8.798 0.000 Supported
TOOLS
PDF Links  PDF Links
PubReader  PubReader
ePub Link  ePub Link
Full text via DOI  Full text via DOI
Download Citation  Download Citation
  E-Mail
  Print
Share:      
METRICS
0
Crossref
133
View
19
Download
Related article
Editorial Office
13F, 145, Gasan digital 1-ro, Geumcheon-gu, Seoul 08506, Korea
TEL: +82-2-2624-0357   FAX: +82-2-2624-0358   E-mail: ksqmeditor@ksqm.org
About |  Browse Articles |  Current Issue |  For Authors and Reviewers
Copyright © Korean Society for Quality Management. All rights reserved.                 developed in m2community
Close layer
prev next