[소비자 행동 모델] - 세 번째 이야기

사례 1. (트립어드바이저(TripAdvisor)와 옐프(Yelp) )

미국에서 가장 유명한 여행, 맛집 후기 사이트는 아마도 트립어드바이저와 엘프일 것이다. 해외여행 상품 같은 고가의 상품· 서비스를 구매하는 경우 미리 경험해본 사람들에게 물어보고 결정을 내리고 싶지만 그 상품을 구매해본 사람을 찾기 어렵고 시간을 할애해서 자기 경험을 얘기해 줄 사람을 만나기는 더욱 어렵다. 여행사가 주는 형식적인 안내문이 아니라 직접 경험해본 여행자들이 주는 진짜 정보들을 얻을 수 있다면 정말 좋겠다는 생각을 해서 창업한 트립어드바이저(TripAdvisor)는 여행자들의 가려운 곳을 긁어주며 급성장하게 된다. 결국, 매달 6000만 명 이상이 방문하는 세계에서 가장 큰 여행 커뮤니티가 되었다. 엘프(Yelp)는 지역별로 음식점, 미용실, 세탁소, 병원 등 상점을 직접 이용한 사용자의 후기를 모아서 제공한다. 옐프는 사용자 참여를 이끌어 정보를 만들고 이를 다시 사용자에게 제공하며, 지역의 매장들은 엘프를 이용해 매출을 증가시키는 윈윈(Win-Win) 상생 협력 모델을 제공하고 있다. 이처럼 온라인 사용자들의 후기가 정보탐색에 성공적으로 영향을 미친 사례에서 보다시피, 보다 많은 사람이 플랫폼을 사용할수록, 더 많은 사람이 리뷰를 작성하게 된다. 각각의 리뷰는 플랫폼의 깊이와 넓이를 증대하는 데 기여하고, 이는 더 많은 이용자를 끌어오게 된다. 이용자 트래픽의 증가는 지역 중소사업자가 필요로 하는 싸고 이용하기 편리하며 효과적인 광고 솔루션을 제공함으로써 소비자의 정보 탐색에 영향을 미치며, 결국에는 리뷰 플랫 폼과 지역 중소사업자의 가치를 더욱 향상하게 한다. 
(자료원: 네이버 블로그(2014), 유익하고 맛있는 세상.)

3. 대안의 평가 
정보탐색의 결과 소비자는 몇 개의 브랜드로 구성된 고려상표 군을 형성하고, 이들 각 브랜드를 평가하게 된다. 시중에 상표가 많다 하더라도 실제로 소비자가 고려하는 브랜드의 수는 평균 3~4개 정도로 알려져 있다. 소비자들은 이렇게 선정된 고려 상표 대안 중에서 최종 상표를 고르기 위한 대안 평가를 한다. 집이나 승용차와 같은 고관여제품의 경우 평가 기준의 수가 상대적으로 많고, 화장지, 세탁제 등의 편의품과 같은 저관여 제품의 경우 평가 기준의 수가 상대적으로 적다. 일반적으로 소비자가 대안 평가 시 사용하는 평가 기준은 6개 이하로 알려져 있다. 여러 대안을 평가할 때 소비자는 먼저 몇 개의 평가 기준을 설정한다. 예를 들면, 스테레오· 호텔· 타이어의 경우

반응형

다음과 같은 제품 속성이 소비자에게 흥미가 있을 것이다. · 스테레오: 가격, 상표, 음향의 질, 디자인, 보증기간 · 호텔: 위치, 분위기, 서비스, 청결, 가격 ·타이어: 안정도, 수명, 품질, 가격 다음에 소비자는 평가 기준이 되는 각 제품 속성의 중요성을 정한다. 거의 모든 소 비자가 가격을 평가 기준으로 쓰지만 사람에 따라서 가격의 중요성은 다르다. 상표들 간의 가격 차이가 많지 않거나 구매자가 소득이 많은 사람이면 가격의 중요성은 상대적으로 떨어진다. 끝으로 소비자는 각 상표를 제품이 가진 속성들과 각 속성의 중요성에 따라 평가하는데, 이때 소비자가 상표를 평가하는 방법은 여러 가지가 있으나 여기서는 가장 널리 알려진 피시 바인(Fishbein) 기대치 모델(expectancy value model)을 소개하기로 한다. 만약 어느 주부가 가구를 구입하려고 할 때 그녀가 중요시하는 제품의 속성과 그녀가 평가하는 각 속성에서의 각 상표의 수준이 아래 표와 같다고 하자. 여기서 한 상표의 각 속성은 0에서 10까지의 점수를 받을 수 있으며 10은 가장 높은 수준을 의미한다. 또 이 주부는 가격에 0.1 디자인에 0.3, 편리성에 0.45, 신속성에 0.1, A/S에 0.05만큼 가중치를 둔다고 하자. 그러면 그녀에게 있어 각 가구의 가치는 아래와 같다.

IKEA	(0.1) 10 + (0.3) 8 + (0.45) 7 + (0.1) 9 + (0.05) 7 = 7.8 WOOD
LAKE	(0.1) 7 + (0.3) 7 + (0.45) 9 + (0.1) 8 + (0.05) 8 = 8.05
B&Q	(0.1) 8 + (0.3) 9 + (0.45) 6 + (0.1) 8 + (0.05) 6 = 7.3

따라서 이 주부가 각 대안을 평가하는 데 기대치 모델을 적용한다면 'WOODLAKE' 를 선택할 가능성이 가장 높게 된다. 그런데 소비자들이 똑같은 평가모델을 적용하고 각 속성이 받는 가중치가 사람마다 똑같다고 하더라도 각 상표에서의 속성의 평가점수는 주관적으로 평가되기 때문에 궁극적인 평가 결과는 소비자마다 다를 수 있다. 온라인 상거래의 증가와 디지털 기술의 발달은 소비자의 구매 의사결정에서의 평가에서도 많은 변화를 가져왔다. 소비자들의 선호를 분석해서 맞춤화된 제품을 소비자에게 추천하는 개인화 마케팅과 소비자의 편의성을 극대화하는 ZEC(zero efforts commerce) 마케팅이 매우 중요하게 되었다. ZEC(zero efforts commerce)는 amazon의 고객 정책에서 가장 중요하게 여기는 amazon 혁신의 핵심 요소이다. 예를 들어 amazon은 2018년에 amazon Go라는 신개념의 완전 자동화된 오프라인 상점을 열었다. 여기에서 소비자들은 amazon Go의 인증을 모바일앱으로 다운로드하기만 하면 이 상점에 들어가서 자신이 필요로 하는 상품을 골라서 아무런 계산 없이 그냥 가면 된다. amazon의 자동화된 쇼핑 모니터링 시스템에서 고객이 어떤 상품을 골랐는지를 인식하고 자동으로 모바일앱으로 계산서를 보내준다. 또한 소비자의 구매 여정(Purchase Journey)에서 평가 단계는 디지털 기술의 도입으로 점점 더 단순화되고 있다. 고객의 개인 데이터와 고객의 이전 구매 데이터 그리고 유사한 고객의 구매 데이터를 분석하여 고객에게 제품의 맞춤 추천 프로모션을 진행하여 대안의 평가를 단순화시켜준다. 다음 포스팅에서는 소비자의 구매 여정을 단순화한 로레알의 성공 사례를 알아볼 것이다.