소비자교육 피추천자의 참여도에 영향을 미치는 사회적 네트워크 특성에 관한 연구

Abstract

본 연구는 소비자교육 피추천자를 중심으로 사회적 네트워크에서 피추천자의 피추천여부와 피추천자의 참여의도에 영향을 미치는 사회적 네트워크 특성을 살펴보고자 하는 것이다. 즉, 소비자들이 형성하고 있는 사회적 네트워크에서 어떤 특성을 나타내는 소비자들이 추천을 받아 피추천자가 되며, 또 추천을 수용하여 소비자교육에 참여하는지를 분석하고자 하는 것이다. 이를 위해 먼저 네트워크 도출 프로그램인 Pajek과 Ucinet을 이용하여 대학생들의사회적 네트워크를 도출하고 이를 시각화하였다. 그 결과, 조사대상자들은 사회적 네트워크에 있는 다른 사람들과 모두 관계를 형성하고 있는 것이 아니라, 보다 강한 유대로 연결된 가까운 사람들을 중심으로 동료그룹(peer group)을 형성하고 있으며, 이 네트워크에서의 연결은 상호 매우 밀접하게 이루어져 있었다. 이렇게 추출한 사회적 네트워크에서 나타나는 소비자 간의 관계를 바탕으로 내향연결성, 외향연결성, 연결중앙성, 매개중앙성, 인접중앙성, 구조적공백 등의 네트워크 특성을 산출하였다. 또한 이러한 네트워크 특성들이 소비자교육 피추천여부에 어떤 영향을미치는 지를 살펴보기 위해 종속변수를 피추천여부로 한 로지스틱 회귀분석을 실시하였다. 그 결과, 사회적 네트워크에서 연결중앙성이 높고 외향연결성 보다는 내향연결성이 높으며, 매개중앙성이 높은 소비자가 추천 받을 가능성이 높은 것으로 나타났다. 마지막으로 피추천자의 소비자교육에 대한 참여에 영향을 주는 사회적 네트워크의 특성을 분석하기 위해 피추천자의 소비자교육 참여여부를 종속변수로 한 로지스틱 회귀분석을 실시한 결과, 연결중앙성이 높고 외향연결성 보다는 내향연결성이 높은 피추천자가 소비자교육에 참여할 가능성이 더 높은 것으로 나타났다. 이상의 연구결과를 통해 마케팅에서 네트워크연구가 가지는 시사점을 도출하였으며, 한계점도 제시하였다.

In this study, we attempt to explore how a consumer’s social network influence to joining consumer education of recommendee. For the purpose, we explore two research questions;(1) How present recommend process in consumer’s social network? What is the important structural property of the consumer’s social network for recommend? (2) How the structural properties of the consumer’s social network influence to join consumer education of Recommendee?Using data, we first visualized a consumer’s social network, and we found that the network form many small cluster and they have strong tie within the cluster. And then we analyzed demographic characteristics and network properties which are in-degree, out-degree, degree centrality, betweenness centrality, closeness centrality, and structural hole for examining influence of the properties to join consumer education of recommendee. We found degree centrality of the network is 0.03, betweenness centrality is 0.004, closeness centrality is 0.054,and structural hole is 0.756. In order to analyze the relation between consumer’s social network properties and being recommendee by recommender, we did logistic regression. From the analysis, we found the degree centrality, in-degree, and betweenness centrality strongly influence to being recommendee by recommender in the social network. Also we analyzed logistic regression for searching the relation between consumer’s social network properties and joining consumer education of recommendee. Then we found the degree centrality and in-degree influence to joining consumer education of recommendee in the social network.