온라인 패션 유통업자와 타 제품 유통업자 간 소비자 보호 수준에 대한 …kostat.go.kr/file_total/21-2-06.pdf · (즉, 온라인 쇼핑몰 평가 자료와

통계연구(2016), 제21권 제2호, 118-145

온라인 패션 유통업자와 타 제품 유통업자 간 소비자

보호 수준에 대한 비교 연구

심수인1)

요약

본 연구는 공공데이터를 활용하여, 온라인 패션 유통업자가 타 제품 유통업자에 비하여 소비자

보호 수준이 어떠한지 비교하는 것을 목적으로 한다. 연구 1에서는 서울시 인터넷 쇼핑몰 평가

자료를 활용하여 총 799개 쇼핑몰에 대한 평가 내용을 기술분석, 빈도분석, 독립표본 t 검정, 일

원분산분석(ANOVA), 다원분산분석(MANOVA), Tukey HSD 사후 검정의 방법으로 분석하였다. 연

구 2에서는 서울시 인터넷 쇼핑몰 현황 자료를 활용하여, 총 44,969개의 인터넷 쇼핑몰에 대한

현황 자료를 기술분석, 빈도분석, 독립표본 t 검정, 다원공분산분석(MANCOVA), Pearson 카이제

곱 검정의 방법으로 분석하였다. 그 결과, 패션 제품을 취급하는 패션 유통업체는 타 제품 유통

업체에 비해 소비자 보호 수준이 떨어지는 것으로 나타났으며, 패션 유통업체가 타 제품 유통업

체보다 낮은 평가를 받은 부분은 청약철회와 쇼핑 만족도였다. 결과에 대한 학문적, 실용적 시사

점도 논의되었다.

주요용어 : 온라인 쇼핑, 패션 유통업자, 소비자 보호

1. 서론

최근 소매유통업에서 온라인 쇼핑의 중요성이 강조되고 있다. 소매업태별 판매액

기준으로 온라인 쇼핑이 전체 소매업태에서 차지하는 비중은 2010년 9.5%에서 2015년

12.3% 수준으로 꾸준히 증가하였다(통계청, 2016a). 전통적인 오프라인 유통 채널인

백화점이 5개년 평균 8.2%의 비중을, 대형마트가 12.8%의 비중을 차지하고 있다는 수

치와 비교해 보면(통계청, 2016a), 온라인 쇼핑이 전통적인 유통 채널들과 견줄 만큼

하나의 유통 채널로서 자리매김했다고 평가할 수 있다. 또한, 온라인 쇼핑몰의 거래액

은 2011년 29조원 정도에서 2015년 53조 8천억원 정도까지 최근 5년간 전년 대비 평

균 약 17%씩 증가하는 가파른 성장세를 보였다(통계청, 2016b). 이러한 성장세에 힘

입어 전체 소매유통업에서 온라인 쇼핑이 차지하는 위상은 점점 높아지고 있다. 향후

소비 키워드로 온라인-오프라인 채널을 동시에 활용하는 ‘옴니채널 소비’, 모바일 기

기를 통한 온라인 쇼핑인 ‘모바일 쇼핑’, 해외 온라인 쇼핑몰을 이용하는 ‘글로벌 소비

(해외직구)’가 선정될 정도로(대한상공회의소, 2014), 미래 소매유통업의 성장을 견인

할 핵심 유통 채널로 온라인 쇼핑이 주목 받고 있다.

지속적으로 성장하고 있는 온라인 쇼핑 시장에서 패션 제품이 차지하고 있는 비중

은 상당하다. 패션 제품이란 제품 수명 주기가 8주에서 12주 정도로 비교적 짧으며

1) 전북 전주시 덕진구 백제대로 567, 전북대학교 의류학과 & 인간생활과학연구소, 조교수. E-mail: [email protected]

온라인 패션 유통업자와 타 제품 유통업자 간 소비자 보호 수준에 대한 비교 연구 119

한 시즌에서 다음 시즌까지의 판매 추이가 역동적인 특성을 갖는 제품으로 정의할 수

있다(Levy et al., 2004). 패션 제품의 비중이 상대적으로 많은 제품군으로는 의류, 신

발, 가방, 지갑, 액세서리 등을 꼽을 수 있다. 통계청의 온라인 쇼핑 동향 조사에 의하

면(2016b), 의복, 신발, 가방, 패션용품 및 액세서리를 포괄하는 의류패션 및 관련상품

의 거래액은 2015년 8조 4천억원 정도로, 전체 17개 제품군 중에서 여행 및 예약서비

스(18.5%)에 이어 두 번째로 큰 비중(15.6%)을 차지하는 것으로 나타났다. 여행 및

예약 서비스가 무형의 서비스에 해당한다는 점을 고려하면, 유형의 제품군 중에서 온라

인 쇼핑을 통해 가장 많이 거래되는 제품은 패션 제품인 것이다.

그러나 패션 제품의 온라인 쇼핑은 타 제품의 온라인 쇼핑에 비해 소비자가 지각

하는 위험(perceived risk)이 높다고 알려져 있다. 지각된 위험은 소비자가 온라인 쇼

핑의 결과로 예상할 수 있는 손실을 의미하며, 소비자가 제품을 직접 만져보거나 시

용해보지 못하는 온라인 쇼핑 환경에서 실제 제품의 성능이 자신의 예상에 못 미칠

가능성에 대한 염려는 제품 성능의 위험에 해당한다(Forsythe & Shi, 2003). 제품을

물리적으로 만져보지 못하는 것은 소비자의 지각된 위험을 높인다는 선행연구의 결과가

있을 뿐 아니라(Nepomuceno et al., 2014), 소비자들이 패션 제품을 온라인 쇼핑몰에서

탐색할 때 지각할 수 있는 위험으로 시각 정보에 대한 (예. 제품 사진 및 동영상) 위험,

촉각 정보의 부재에 대한 위험, 착용해보지 못하는 것에 대한 위험이 있다는 실증적

연구 결과도 보고되었다(Yu et al., 2012). 제품에 대한 불확실성이 높을수록 소비자의

만족도는 낮아지며(Luo et al., 2012), 쇼핑에 대한 불만족스러운 결과는 궁극적으로

온라인 유통업자에 대한 소비자의 태도 및 행동에 부정적 영향을 미치기 때문에(Carlson

& O'Cass, 2010), 불만족스러운 쇼핑 결과에 대응하는 유통업자의 소비자 보호 정책

이 온라인 패션 유통업에서는 특히 중요하다고 할 수 있다. 따라서 온라인 패션 유통

업자는 타 제품 유통업자들보다 소비자 보호 수준에 각별히 유의해야 할 것이다.

그러나 온라인 패션 유통업자의 소비자 보호 수준에 대한 연구는 그 중요성에 비

해 활발하게 이루어지고 있지 않다. 소비자 보호와 관련한 선행연구로, 온라인 쇼핑몰

에서의 광고가 소비자 오도의 가능성을 낮추도록 정부의 지침을 잘 따르고 있는지를

살펴보거나(김소라, 2008) 불만족스러운 쇼핑 결과에 대해 소비자가 어떻게 대응하는

지에 대해 살펴본(임서율 외, 2010) 사례가 있었다. 이러한 연구들은 패션 제품과 같

이 특정 제품군을 다루는 전문몰이 아닌 여러 제품군을 판매하는 종합몰을 대상으로

다루었기 때문에, 패션 유통업자의 소비자 보호 수준이 어떤지 파악하는 데는 한계가

있다. 패션 유통업에 초점을 맞추어 소비자 보호 수준을 살펴본 선행연구들도 있었으

나, 소비자의 불만 행동에 대해 판매원이 어떻게 대응해야 하는지 오프라인 점포의

맥락에서 살펴보았기 때문에(안민아 외, 2015; 이승연 외, 2012) 온라인 환경에서의 소

비자 보호와는 맥락이 다를 수 있다.

온라인 패션 유통업자라는 맥락 안에서 소비자 보호 수준에 대해 살펴본 선행연구

가 있다고 할지라도, 이러한 선행연구들은 거의 소비자의 응답 자료를 기반으로 했기

때문에 소비자 행동에 대해 설명할 수 있을 뿐, 온라인 패션 유통업자의 소비자 보호

수준에 대한 객관적인 평가라고 말할 수 없다. 전문성을 갖춘 평가자가 일관된 기준

을 가지고 온라인 패션 유통업자의 소비자 보호 수준에 대해 평가한 게 아니라, 소비

120 심수인

자 개인의 주관적인 지각에 근거하여 평가한 것이기 때문이다. 예를 들어, 강은정과

이규혜(2013)의 연구 결과는 유통업자가 일정 수준의 소비자 보호 노력을 기울이더라

도 소비자 불만 원인에 따라 소비자의 반응이 다르게 나타날 수 있다는 소비자 행동

의 매커니즘을 설명해주지만, 실제로 유통업자가 충분한 소비자 보호 노력을 기울이

고 있는지 설명해주지는 않는다.

소비자의 응답 자료에 의존하는 경향이 강한 선행연구의 한계를 극복하기 위해서

는 보다 공공데이터와 같은 다양한 자료 원천을 활용하여 온라인 패션 유통업자의 소

비자 보호 수준에 대해 살펴보는 것이 필요하다. 공공데이터란 “국가에서 보유하고 있

는 다양한 데이터를『공공데이터의 제공 및 이용 활성화에 관한 법률(제11956호)』에

따라 개방”한 자료로(공공데이터포털, 2016), 소비자의 응답 뿐 아니라 정부 기관에서

측정 및 평가한 자료들도 포함하고 있다. 이러한 공공데이터 중 정부 기관에서 주관

하여 온라인 유통업자들의 소비자 보호 수준을 측정하거나 평가한 자료를 분석한다

면, 소비자 응답 자료가 아닌 온라인 쇼핑몰 자료를 기반으로 한 실증적 연구가 가능

할 것이다. 뿐만 아니라, 공공데이터는 연구자 개인이 수집하는 자료보다 광범위하게

수집될 가능성이 높기 때문에 패션 유통업자와 타 제품 유통업자 간 비교 분석이 가

능하다는 장점도 있다. 공공데이터는 유통업자들을 취급 제품군별로 분류하고 일관된

항목으로 모든 종류의 유통업자들을 조사하기 때문에 유통업자의 유형별로 어떤 차이

가 있는지 분석할 수 있다. 따라서 온라인 패션 유통업자가 타 제품 유통업자들보다

실제로 소비자 보호 수준에 각별히 유의하고 있는지 알아보기 위해서는 공공데이터를

분석한 학술적 연구가 필요하다.

본 연구는 공공데이터인 서울시 인터넷 쇼핑몰 평가 자료와 서울시 인터넷 쇼핑몰

현황 자료를 활용하여, 온라인 패션 유통업자가 타 제품 유통업자에 비하여 소비자

보호 수준이 어떠한지 비교하는 것을 목적으로 한다. 각기 다른 형태의 두 자료에서

(즉, 온라인 쇼핑몰 평가 자료와 현황 자료) 일관된 결과가 도출되는지 확인함으로써

연구 결과의 일반화 가능성(generalizability)을 확보하고자 하였다. 분석 대상이 되는

자료의 형태에 따라 연구 1, 연구 2로 나누어 각각 연구 방법과 결과를 보고하였으며,

결론에서는 두 연구의 결과를 종합하고 시사점을 제시하였다.

2. 연구 1: 온라인 쇼핑몰 평가 자료의 분석

2.1 연구 방법

연구 1의 목적은 패션 제품을 판매하는 온라인 전문 쇼핑몰이 다른 제품을 취급하

는 전문 쇼핑몰에 비하여 소비자 보호, 소비자 이용만족, 피해발생 측면에서 어떠한

평가를 받고 있는지 살펴보는 것이다. 연구 1에 활용된 서울시 인터넷 쇼핑몰 평가

자료는 서울특별시가 소비자 이용이 빈번한 약 100개의 인터넷 쇼핑몰을 대상으로 소

비자 보호에 대해 평가한 내용을 연 1회씩 발표한 것이다(서울특별시, 2013a, 2013b,

2013c, 2013d, 2013e, 2013f, 2014, 2015a). 연구 1에서는 2007년부터 2014년까지 제공된


자료를 활용하여, 2012년 99개를 제외하고 각 연도별 100개씩 총 799개 쇼핑몰에 대

한 평가 내용을 분석하였다.

구체적으로는 쇼핑몰의 이름 및 유형과 4개 영역에 대한 평가 점수, 즉 소비자 보

호, 소비자 이용 만족도, 소비자 피해 발생, 그리고 종합 평가 점수가 분석에 활용되

었다. 쇼핑몰의 유형은 12개의 범주로 측정되었는데, 본 연구의 맥락에 맞추어 이 중

의류 쇼핑몰을 패션 유통업체로, 가전, 컴퓨터, 화장품, 도서, 식품, 여행, 티켓 쇼핑몰

은 타 제품 유통업체로 조작화하였다. 소비자 보호 평가의 경우 ‘전자상거래 등에서의

소비자보호에 관한 법률’에서 요구하는 청약철회 가능여부, 구매안전장치 제공여부,

초기화면표시 필수항목 등을 이행했는지를 기준으로 총점 50점으로 평가하였으며, 소

비자 이용 만족도 평가의 경우 각 쇼핑몰을 실제로 이용해본 소비자들이 서비스, 쇼

핑의 편의성, 제품정보, 속도 등을 기준으로 총점 40점으로 평가하였다(서울시전자상

거래센터, 2015). 이 두 영역에 대한 평가는 매년 말에 약 8주간 조사되었다. 한편, 피

해발생평가는 전년도 기준 서울시전자상거래센터에 접수된 피해발생 신고 자료를 기

반으로 총점 10점으로 평가하였으며, 마지막으로 종합 평가 점수는 위의 세 항목을

모두 합산하여 총점 100점 기준으로 환산한 값이다(서울시전자상거래센터, 2015). 각

평가 항목에 대한 무응답은 존재하지 않았다.

자료 분석 방법으로는 IBM SPSS Statistics version 21 소프트웨어로 기술분석,

빈도분석, 독립표본 t 검정, 일원분산분석(ANOVA), 다원분산분석(MANOVA), Tukey

HSD 사후 검정을 사용하였다. 이 때, 소비자 보호, 소비자 이용 만족도, 소비자 피해

발생, 그리고 종합 평가 점수는 각 척도의 단위를 통일시키기 위해 표준화 점수로 변

환되었다. t 검정과 분산분석은 표본 수가 작은 경우에도 모집단에 대해 정확하게 추

정하기 위해 개발된 통계방법이므로(박광배 & 엄진섭, 2001), 각 연도별 표본 수가 약

100개 정도이며 쇼핑몰 유형별 표본 수는 더 작아질 수 있는 연구 1의 자료를 분석하

는 데 적합한 방법으로 보인다. 표본 수가 2에서 5 사이의 자료로도 t 검정을 수행하

는 데 문제가 없다는 선행연구 결과도(de Winter, 2013) 연구 1의 자료를 t 검정과 분

산분석으로 분석하는 게 적합하다는 것을 뒷받침해준다.

표본 수가 작아질 수 있는 쇼핑몰 유형별 분석에서는 효과크기 추정값도 추가적으

로 제시하여, 표본 수와 상관없이 연구 1의 결과가 유효한지 살펴보았다. 효과크기 추

정값은 표본크기의 영향을 통제했을 때 변수 간 관계 강도를 설명하는 통계치로, 효

과크기가 클수록 연구 결과가 실용적 유의성을 갖추었다고 판단할 수 있다(류성진,

2014). 본 연구에서는 회귀분석의 R2과 수정된 R2에 각각 상응할 수 있는 분산분석의

효과크기 추정값 η2과 ω2을 제시하여(류성진, 2014) 연구 결과의 실용적 유의성을 살

펴보았다. η2은 종속변수의 총변량과 독립변수의 효과에 의한 변량을 비율로 간단히

수량화한 값으로, ANOVA 결과에서 제시되는 제곱합(Sum of Squares, SS) 중 효과

제곱합을 총제곱합으로 나누어 계산한다(Fritz et al., 2012). ω2는 η2보다 독립변수의

오차변량의 평균까지 추가로 고려함으로써 모수 과대평가의 편향성을 수정한 값으로,

ANOVA 결과에서 제시되는 평균제곱합(Mean Square, MS) 중 오차평균제곱합을 아

래의 산출 공식과 같이 추가하여 구한다(Fritz et al., 2012). 이 때 오차평균제곱합은

오차제곱합을 오차자유도로 나누어 구하므로, 표본크기가 작을수록 오차자유도도 작

122 심수인

대범주a 소범주b 빈도 %

전체 318 100

종합몰종합쇼핑몰오픈마켓

해외구매대행소셜커머스

16713313138

52.541.84.14.12.5

아져 오차평균제곱합은 상대적으로 커진다. 따라서 표본크기가 작을 경우 ω2는 η2보다

작은 효과크기 추정값을 도출하여 보다 보수적인 효과크기를 제시하는 것이다. η2과

ω2의 해석은 연구 분야의 맥락에 따라 다르게 이루어질 수 있으나(Fritz et al., 2012;

류성진, 2014; Vacha-Haase & Thompson, 2004), 해당 연구 분야에서 효과크기 해석

에 대한 지침이 특별히 없는 경우에는 η2과 ω2 값이 0.01이면 작은 효과크기, 0.06이면

중간 효과크기, 0.14이면 큰 효과크기로 규정할 수 있다(Cohen, 1988).

×

2.2 결과 및 토론

2.2.1 쇼핑몰 유형 및 코딩 방법

2007년부터 2014년까지의 총 799개 쇼핑몰 중 연도에 따라 중복되는 481개의 쇼핑

몰을 제외한 318개의 쇼핑몰 유형을 빈도분석한 결과<표 2.1>, 한 유통업자가 여러

종류의 제품군을 소비자에게 판매하는 유형인 종합쇼핑몰이 41.8%로 가장 큰 비중을

보였다. 이어서 의류 제품군만을 판매하는 쇼핑몰(19.5%)이 그 다음 높은 비중을 보였

으며, 나머지 10개 유형의 쇼핑몰은 각 10% 미만의 비중으로 나타났다. 이들 유형 중

의류, 가전, 컴퓨터, 화장품, 도서, 식품, 여행, 티켓은 한 유통업자가 단일 품목을 판매

하는 쇼핑몰이라는 공통점이 있으므로, “하나 혹은 주된 특정 카테고리의 상품군만을

구성하여 운영하는 인터넷 쇼핑몰(정인희 외, 2010, p. 25)”을 의미하는 전문몰로 상위

범주화할 수 있다. 반면, 종합쇼핑몰, 오픈마켓, 해외구매대행, 소셜커머스는 여러 종

류의 제품군을 취급한다는 점에서 “각종 상품군 카테고리를 다양하게 구성하여 여러

종류의 상품을 구매할 수 있는 인터넷 쇼핑몰(정인희 외, 2010, p. 25)”을 뜻하는 종합

몰로 상위 범주화할 수 있다. 이러한 상위 범주들의 빈도는 종합몰이 167개(52.5%),

전문몰이 151개(47.5%)로 나타나, 소비자들이 취급 제품 범위가 넓은 쇼핑몰과 좁은

쇼핑몰을 골고루 이용한다고 해석할 수 있다.

<표 2.1> 표본의 특성


대범주a 소범주b 빈도 %

전문몰의류가전

컴퓨터화장품식품도서여행티켓

1516226191411766

47.519.58.26.04.43.52.21.91.9

a 본 연구에서 코딩변경한(recoding) 범주 b 원자료에서 설정된 범주

원자료에서는 대상이 되는 쇼핑몰들을 12개의 유형으로 분류하였으나, 이러한 코

딩 방법에는 개선의 여지가 있다. 12개의 유형에서 종합몰과 전문몰이라는 상위 범주

가 추출 가능할 뿐 아니라, 종합몰과 전문몰의 하위범주를 나누는 기준이 각각 다르

다. 이는 원자료에서 쇼핑몰의 유형이라는 하나의 변수를 사용했지만, 실은 두 개 이

상의 변수가 하나의 변수에 합쳐져서 코딩되었다고 할 수 있다. 다시 말하면, 원자료

에서 제시한 쇼핑몰의 유형이라는 변수는 다시 취급 제품 범위, 비즈니스 모델 혹은

취급 제품군에 따라 세분화가 가능하다.

우선 취급 제품 범위를 기준으로 종합몰과 전문몰의 2개 범주로 분류했을 때, 종

합몰의 하위 범주에 해당하는 종합쇼핑몰, 오픈마켓, 해외구매대행, 소셜커머스를 나

누는 기준은 비즈니스 모델이라고 할 수 있다. 이들은 모두 다양한 종류의 제품군을

판매한다는 공통점이 있지만, 종합쇼핑몰은 한 유통업자가 소비자들에게 제품을 직접

판매하는 Business-to-Customer(B2C) 형태인 반면 오픈마켓은 소비자간 거래(Customer-

to-Customer, C2C)를 위해 유통업자가 플랫폼만 제공하는 형태로 직접 판매에 관여

하지는 않는다는 점에서 차이가 있다(김소라, 2008). 또한, 해외구매대행은 소비자가

해외에 있는 유통업자에게 제품을 구입하는 과정 중 일부를 국내의 유통업자가 대신

해주는 서비스를 제공한다는 점에서(임서율 외, 2010) 역시 국내의 유통업자가 중간자

의 위치에 해당하는 비즈니스 모델이다. 마지막으로, 소셜커머스는 소비자들끼리 소통

할 수 있는 소셜미디어 서비스와 연관된 전자상거래로, 유통업자가 제품 및 서비스를

소비자에게 직접 판매하는 B2C 형태에 소비자들간의 상호작용이 기여할 여지가 있다

는 점이 특징이다(김인숙, 2013).

종합몰의 하위 범주를 구분할 수 있는 기준이 비즈니스 모델인 반면, 전문몰의 하

위 범주를 구분할 수 있는 기준은 취급 제품군이라고 할 수 있다. 전문몰의 하위 범

주인 의류, 가전, 컴퓨터, 화장품, 도서, 식품, 여행, 티켓은 모두 단일 제품군을 취급한

다는 공통점이 있지만 취급 제품군의 종류가 각기 다르기 때문이다.

따라서 자료 수집을 설계할 당시 쇼핑몰의 유형이라는 단일 변수에 12개의 범주를

활용하여 측정하는 대신, 3개 변수를 활용하여 취급 제품 범위를 2개 범주로, 비즈니

스 모델을 4개 범주로, 그리고 취급 제품군을 8개 범주로 측정하는 것이 보다 구체적

이고 명확한 분석 결과를 제시할 수 있다. 이에 본 연구에서는 원자료에서 제공한 변

124 심수인

수와 범주를 그대로 활용하지 않고 코딩변경한 변수와 범주를 이후 분석에 활용하였

다. 국가통계를 위한 공공데이터를 수집할 때 설문 기획 단계에서부터 해당 분야의

전문가 의견을 참고하여 변수 및 측정도구를 설계한다면, 적용 가능한 통계 기법이

다양해져 더욱 활용도 높은 분석 결과를 얻을 수 있을 것이다.

2.2.2 쇼핑몰 유형의 연도별 변화 및 표본 추출 방법

쇼핑몰 유형별 표본 수가 연도별로 어떻게 변화되었는지 빈도분석한 결과<그림

2.1-2.3>, 종합몰의 표본 수는 2007년 61개에서 2014년 39개까지 점차 감소한 반면 전

문몰의 표본 수는 2007년 39개에서 2014년 61개로 점차 증가하였다<그림 2.1>. 종합

몰 중 종합쇼핑몰이 매해 가장 많은 비중을 차지하는 것으로 나타났으나 그 수는

2007년 50개에서 2014년 25개로 지속적으로 감소하였다<그림 2.2>. 나머지 유형인 오

픈마켓, 해외구매대행, 소셜커머스는 매년 약 5개 가량의 표본 수를 유지하였으며, 소

셜커머스는 상대적으로 최근에 부각된 인터넷 쇼핑몰의 형태이기 때문에 2011년부터

평가 대상에 포함되었다. 전문몰 중 의류 전문몰의 표본 수는 2007년 10개에서 2014

년 28개로 매년 꾸준히 증가하는 것으로 나타났다<그림 2.3>. 2007년과 2008년에는

의류, 가전, 컴퓨터 전문몰이 나란히 가장 큰 비중을 차지하였으나, 의류 전문몰의 수

는 지속적으로 증가한 반면 가전과 컴퓨터 전문몰의 수는 2011년부터 급감한 추세가

대조적이다. 2011년부터는 의류, 가전, 컴퓨터, 화장품, 도서 전문몰에 더하여 식품, 여

행, 티켓 전문몰까지 그 유형이 다양화되었으나 의류 전문몰을 제외한 다른 전문몰의

표본 수는 5개 안팎에 머무르는 것으로 나타났다. 이러한 결과는 전자 상거래에서 의

류 시장이 차지하는 비중이 상당히 크다는 점을 반영하며, 패션 시장 내에서 온라인

유통 채널이 다른 유통 채널에 비해 성장세가 두드러진다는 점(고은주 외, 2012, p.

55)과 같은 맥락에 있다.

<그림 2.1> 쇼핑몰 유형별 표본 수의 연도별 변화


<그림 2.2> 종합몰 유형별 표본 수의 연도별 변화

<그림 2.3> 전문몰 유형별 표본 수의 연도별 변화

그러나 쇼핑몰 유형별 표본 수의 연도별 변화가 실제로 전자 상거래의 현황을 잘

반영하고 있는지 통계적 보완이 필요하다. 서울시는 소비자 이용이 빈번한 100개의

인터넷 쇼핑몰을 대상으로 자료를 조사했다고 하여(서울시전자상거래센터, 2016), 표

본 선정의 기준을 소비자 이용 빈도라고 밝히고 있다. 그러나 구체적으로 소비자 이

용 빈도 자료를 어떻게 수집했는지에 대한 과정을 명확하게 제시하고 있지는 않다.

통계적인 방법으로 분석에 사용할 표본을 선정했다면, 매년 100개 이상의 인터넷 쇼

핑몰을 대상으로 소비자의 이용 빈도를 조사하여 이에 따른 순위를 매기거나 소비자

들에게 최근 일정 기간 동안 이용이 빈번한 인터넷 쇼핑몰을 무엇인지 조사하여 많은

언급된 순서대로 순위를 매겨 상위 100개의 쇼핑몰을 추출하는 등의 양적 자료에 대

한 처리 과정이 공개되어야 할 것이다. 통계적인 방법으로 표본을 선정하지 않고 소

비자 이용 빈도를 고려한 연구진의 주관적 판단에 근거하여 매년 100여개의 인터넷

쇼핑몰을 선정했다면, 표본 선정의 내용 타당성을 확보되지 않은 상태에서 자료가 수

집됐을 가능성이 있다. 해당 분야의 전문가로 구성된 패널을 활용하는 등 전문가의

의견을 반영하여 자료 수집 대상을 선정하는 것이 내용 타당성의 확보에 도움이 될

126 심수인

연도 종속변수평균(원점수) Levene’s test t-test

종합몰 전문몰 F df1 df2 p t df p

2007

소비자 보호 42.87 42.77 1.470 1 98 .228 .132 98 .895

소비자 이용 만족도 26.08 26.69 .151 1 98 .698 -1.923 98 .057

소비자 피해 발생 9.93 10.00 12.409 1 98 .001 -2.052 60 .045

종합 평가 78.89 79.46 .216 1 98 .643 -.633 98 .528

2008

소비자 보호 42.20 41.58 .525 1 98 .470 .529 98 .598

소비자 이용 만족도 26.17 27.23 .343 1 98 .559 -3.238 98 .002

소비자 피해 발생 9.72 9.88 9.298 1 98 .003 -1.662 95 .100

종합 평가 78.10 78.73 .832 1 98 .364 -.485 98 .629

2009

소비자 보호 43.33 43.36 .544 1 98 .462 -.046 98 .963

소비자 이용 만족도 27.05 27.20 .838 1 98 .362 -.497 98 .621

소비자 피해 발생 9.78 10.00 21.476 1 98 < .001 -2.360 54 .022

종합 평가 80.16 80.56 .004 1 98 .952 -.556 98 .579

것이다(Hardesty & Bearden, 2004).

2.2.3 쇼핑몰 유형별 소비자 보호 수준의 차이

쇼핑몰 유형별로 소비자 보호, 소비자 이용 만족도, 소비자 피해 발생, 그리고 종

합 평가 점수에 차이가 있는지 알아보기 위해 연도별 자료를 각각 독립표본 t 검정으

로 각각 분석하였다. SPSS 통계 패키지에서는 표본의 등분산성을 검정하는 Levene’s

test의 결과에 따라 두 종류의 t 검정 결과를 제시하기 때문에(즉, 등분산이 가정됐을

때와 가정되지 않았을 때의 t 검정 결과), Levene’s test에서 p < 0.05로 등분산 가정

이 성립되지 않았을 때에는 Welch-Satterthwaite 방법으로 자유도를 보정하여 계산한

t 검정 값을 보고하였다. 그 결과<표 2.2>, 종합몰과 전문몰 간 소비자 이용 만족도는

2008년도와 2011년도에 5% 수준에서 유의한 차이를 보였다. 소비자 피해 발생은 거의

매년 종합몰과 전문몰 간의 차이를 보였는데, 5% 수준에서 유의한 차이를 보인 구체

적인 연도는 2007년, 2009년, 2011년, 2012년, 2013년, 2014년이었다. 종합 평가 점수는

2011년에만 종합몰과 전문몰 간 5% 수준에서 유의한 차이가 나타났다. 소비자 보호,

소비자 이용 만족도, 소비자 피해 발생, 그리고 종합 평가 점수의 차이가 나타난 연도

마다 종합몰과 전문몰이 평균값을 살펴본 결과, 모든 영역에서 전문몰이 종합몰보다

높은 점수를 보였다. 특히, 전문몰이 종합몰보다 소비자 피해 발생 측면에서 거의 매년

좋은 평가를 받은 이유는 전문 쇼핑몰은 한정된 제품군을 취급하기 때문에 상대적으

로 서비스 관리가 수월하여 피해가 발생하는 경우가 적게 나타났기 때문으로 보인다.

<표 2.2> 쇼핑몰 유형별 소비자 보호, 이용 만족도, 피해 발생 및 종합 평가 점수의 연도별 차이


2010

소비자 보호 43.36 43.73 .707 1 98 .402 -.220 98 .826

소비자 이용 만족도 25.55 26.73 .366 1 98 .547 -1.230 98 .221

소비자 피해 발생 9.36 9.73 2.744 1 98 .101 -1.038 98 .302

종합 평가 78.27 80.20 .574 1 98 .451 -.662 98 .510

2011

소비자 보호 44.62 45.25 12.829 1 98 .001 -1.055 74 .295

소비자 이용 만족도 26.34 27.53 .193 1 98 .661 -4.174 98 < .001

소비자 피해 발생 9.60 9.96 43.303 1 98 < .001 -2.808 50 .007

종합 평가 80.55 82.74 14.911 1 98 < .001 -3.210 76 .002

2012

소비자 보호 44.38 44.81 2.480 1 97 .119 -.343 97 .732

소비자 이용 만족도 26.52 26.77 1.470 1 97 .228 -.849 97 .398

소비자 피해 발생 9.48 9.89 31.567 1 97 < .001 -2.570 56 .013

종합 평가 80.38 81.47 .804 1 97 .372 -.845 97 .400

2013

소비자 보호 46.00 45.78 .175 1 98 .677 .449 98 .655

소비자 이용 만족도 26.89 26.72 1.302 1 98 .257 .678 98 .499

소비자 피해 발생 9.60 9.98 53.956 1 98 < .001 -2.815 42 .007

종합 평가 82.49 82.48 .011 1 98 .917 .024 98 .981

2014

소비자 보호 45.59 46.36 17.257 1 98 < .001 -1.096 50 .278

소비자 이용 만족도 26.75 26.62 4.695 1 98 .033 .599 97 .550

소비자 피해 발생 9.77 10.00 35.579 1 98 < .001 -2.160 38 .037

종합 평가 82.11 82.98 12.090 1 98 .001 -1.189 52 .240

전문몰 중에서 패션 제품 전문몰의 소비자 보호 수준이 타 제품 전문몰에 비해 어

떠한지 비교하기 위하여, 전문몰 유형별로 소비자 보호, 소비자 이용 만족도, 소비자

피해 발생, 그리고 종합 평가 점수에 차이가 있는지 연도별로 분석하였다. 전문몰의

취급 제품군별 유형을 독립변수로 설정하고 소비자 보호, 소비자 이용 만족도, 소비자

피해 발생 점수를 종속변수로 설정하여 다원분산분석(MANOVA)을 시행하였다. 종합

평가 점수는 소비자 보호, 소비자 이용 만족도, 소비자 피해 발생을 종합한 점수이기

때문에 이 세 변수와는 별도로 일원분산분석(ANOVA)을 시행하였다. 또한 집단 간

차이를 보다 구체적으로 밝히기 위하여 사후분석 중 Tukey HSD 검정을 시행하였다.

MANOVA 결과, 전문몰 유형별 소비자 보호, 소비자 이용 만족도, 소비자 피해 발

생 점수에 차이가 있는 것으로 나타난 연도는 2007년(Wilk’s λ = .574, p < .05), 2012

년(Wilk’s λ = .387, p < .01), 2013년(Wilk’s λ = .369, p < .001), 2014년(Wilk’s λ =

.458, p < .001)이었다. 2008년은 5%의 유의수준을 약간 벗어났으며, 2009년부터 2011

년까지는 유의한 차이를 보이지 않았다(2008년 Wilk’s λ = .550, p = .052; 2009년

128 심수인

연도 종속변수 SS df MS F p η2 ω2

2007

소비자 보호 5.113 4 1.278 3.188 .025 0.235 0.159

소비자 이용 만족도 6.581 4 1.645 3.800 .012 0.309 0.223

소비자 피해 발생 0.000 4 0.000 　- -　 0.000 0.000

2008소비자 보호 6.340 4 1.585 .652 .629 0.062 -0.032

소비자 이용 만족도 7.115 4 1.779 5.457 .002 0.335 0.269

소비자 피해 발생 .412 4 .103 .587 .674 0.060 -0.041

2009 소비자 보호 1.136 4 .284 1.224 .316 0.098 0.018

소비자 이용 만족도 1.201 4 .300 .491 .742 0.042 -0.043

소비자 피해 발생 0.000 4 0.000 　- 　- 0.000 0.000

2010소비자 보호 7.973 4 1.993 .931 .456 0.085 -0.006

소비자 이용 만족도 18.606 4 4.652 1.253 .305 0.111 0.022

소비자 피해 발생 9.590 4 2.397 .693 .601 0.065 -0.028

Wilk’s λ = .859, p = .629; 2010년 Wilk’s λ = .680, p = .219; 2011년 Wilk’s λ =

.585, p = .253). 이어지는 ANOVA 결과<표 2.3>, 전문몰 유형별로 유의한 점수 차이

를 보인 종속변수는 2007년, 2012년, 2014년에 소비자 보호와 소비자 이용 만족도였으

며, 2013년에는 소비자 이용 만족도만 유의차를 보인 것으로 나타났다. 피해발생 평가

에서는 2007년부터 2014년까지 전문몰 유형별 유의한 차이를 보이지 않았다. 전반적

으로, 전문몰의 유형에 따른 소비자 보호 점수의 차이보다 소비자 이용 만족도 점수

의 차이가 더 큰 효과크기 추정값을 보여, 소비자 이용 만족도가 전문몰의 유형에 의

해 큰 영향을 받는 것으로 나타났다. Tukey HSD 검정 결과, 의류 전문몰의 소비자

보호 점수 평균값은 2007년 39.80으로 나타나 43점 이상의 평균값을 보인 타 제품 전

문몰들과 다른 집단으로 분류되었다. 그러나 2012년에는 의류 전문몰의 소비자 보호

점수 평균값이 44.80으로 나타나 티켓(36.33) 전문몰을 제외한 나머지 타 제품 전문몰

들과 두드러진 차이를 보이지 않았으며, 2014년에는 모든 유형의 전문몰이 하나의 집

단으로 묶였다. 이에 따라 패션 유통업체는 과거에 타 제품 유통업체에 비해 소비자

보호에 철저하지 못했으나 시간이 지나면서 개선되었다는 것을 알 수 있다. 의류 전

문몰의 소비자 이용 만족도의 평균값은 2007년(25.60), 2012년(25.80), 2013년(25.83),

2014년(26.05) 모두 가장 낮은 것으로 나타나 타 제품 전문몰들과 다른 집단으로 분류

되었다. 이러한 결과는 소비자들이 패션 유통업체에서 쇼핑할 때 타 제품 유통업체에

서 쇼핑하는 것에 비해 만족하지 못하는 경향이 한시적으로 나타난 것이 아니라 과거

에도 나타났고 근래에도 꾸준히 나타난다는 것을 뒷받침해준다. 따라서 패션 유통업

체들은 소비자의 만족도를 제고하기 위한 방안을 강구해야 할 필요가 있다.

<표 2.3> 전문몰 유형별 소비자 보호, 이용 만족도, 피해 발생 점수의 연도별 차이


2011

소비자 보호 .363 7 .052 .251 .969 0.030 -0.087

소비자 이용 만족도 6.858 7 .980 3.295 .006 0.239 0.165

소비자 피해 발생 .187 7 .027 .445 .868 0.037 -0.046

2012

소비자 보호 13.175 7 1.882 3.231 .007 0.308 0.210

소비자 이용 만족도 11.288 7 1.613 4.877 < .001 0.408 0.321

소비자 피해 발생 1.211 7 .173 .451 .865 0.058 -0.070

2013

소비자 보호 2.831 7 .404 1.718 .126 0.136 0.056

소비자 이용 만족도 12.261 7 1.752 7.916 < .001 0.524 0.454

소비자 피해 발생 .034 7 .005 .169 .990 0.008 -0.038

2014

소비자 보호 2.352 7 .336 2.486 .028 0.109 0.065

소비자 이용 만족도 8.180 7 1.169 4.954 < .001 0.395 0.312

소비자 피해 발생 0.000 7 0.000 　- -　 0.000 0.000

연도 SS df MS F p η2 ω2

2007 5.689 4 1.422 4.271 .007 0.314 0.236

2008 6.234 4 1.558 1.104 .370 0.106 0.010

2009 1.052 4 .263 1.126 .358 0.101 0.011

2010 14.014 4 3.504 .998 .420 0.091 < 0.001

2011 1.132 7 .162 1.169 .339 0.089 0.013

2012 8.638 7 1.234 3.217 .007 0.304 0.207

전문몰의 취급 제품군별 유형을 독립변수로 설정하고 종합 평가 점수를 종속변수

로 설정하여 연도별로 ANOVA를 사용한 결과<표 2.4>, 2007년, 2012년, 2014년에 각

각 전문몰 유형별로 종합 평가 점수에 5% 수준에서 유의한 차이가 있는 반면, 나머지

연도에서는 유의차가 나타나지 않았다. 효과크기 추정값을 비교해보면, 2007년과 2012

년보다 2014년에 더 작은 효과크기 추정값이 나타나, 종합 평가 점수가 전문몰의 유

형에 의해 받는 영향력은 과거에 비해 줄었다고 해석할 수 있다. Tukey HSD 검정

결과, 의류 전문몰의 종합 평가 점수 평균값은 2007년 75.40으로 가장 낮아 타 제품

전문몰과 다른 집단으로 분류되었다. 반면, 2012년과 2014년에는 의류 전문몰의 종합

평가 점수 평균값이 각각 80.26, 82.76을 보여 타 제품 전문몰과 비슷한 수준인 것으

로 나타났다. 이러한 결과를 통해 패션 유통업체의 소비자 보호 수준은 과거에는 타

제품 유통업체에 비해 떨어졌으나 최근에는 타 제품 유통업체와 비슷한 수준으로 개

선되었다는 것을 알 수 있다.

<표 2.4> 전문몰 유형별 종합 평가 점수의 연도별 차이

130 심수인

2013 2.127 7 .304 1.837 .101 0.143 0.064

2014 1.696 7 .242 2.549 .024 0.119 0.072

3. 연구 2: 온라인 쇼핑몰 현황 자료의 분석

3.1 연구 방법

연구 2의 목적은 패션 제품을 판매하는 온라인 전문 쇼핑몰이 다른 제품을 취급하

는 전문 쇼핑몰에 비하여 사업자 정보 및 소비자보호 관련 정보를 제공하는 수준에서 어떠한 차이가 있는지 살펴보는 것이다. 연구 1과 유사한 주제지만 다른 형태의 자료

를 분석함으로써, 연구 1에서의 결과가 재현되는지 확인하고 연구 결과의 일반화가

가능한지 가늠해 볼 수 있다. 연구 2에 활용된 서울시 인터넷 쇼핑몰 현황 자료는 서울특별시가 2015년 12월에 최종 수정하여 제공하였으며 서울시에 등록된 44,969개의

인터넷 쇼핑몰을 대상으로 한다(서울특별시, 2015b). 이 자료는 각 쇼핑몰의 대표자,

통신판매신고번호, 사업자등록번호, 소재지, 연락처 등을 포함한 사업자 정보와 청약철회 관련, 결제방법, 이용약관, 구매안전서비스 실시 여부 등에 대한 소비자보호 관

련 정보를 제공한다. 또한 이러한 정보를 종합하여 0점부터 3점까지의 4점 Likert 척

도로 측정한 사업자정보표시평가, 청약철회평가, 결재방법평가, 이용약관평가, 개인정보보안평가, 전체평가 점수도 이 자료에 포함되어 있다. 각 평가 항목에 대한 무응답

은 존재하지 않았으며, 청약철회 관련, 결제방법, 이용약관, 구매안전서비스 실시 여부

등에 대한 유목변수는 빈도분석을 통해 무응답의 비중을 제시하였다. 자료 분석에는 IBM SPSS Statistics version 21로 기술분석, 빈도분석, 독립표본 t 검정, 다원공분산

분석(MANCOVA), Pearson 카이제곱 검정이 사용되었다.

3.2 결과 및 토론

3.2.1 표본의 특성

총 44,969개의 인터넷 쇼핑몰은 영업형태에 따라 13가지 유형으로 나뉘었는데, 각

유형별 비중은 일반쇼핑몰(81.5%)이 가장 높았고 이어서 컨텐츠서비스(14.0%), 청약유인(7.7%), 온라인학습(2.3%), 해외구매대행(1.7%), 오픈마켓(1.1%), 공동구매(1.1%),

중개(0.7%), 기타(0.5%), 홈페이지제작(0.5%), 경매역경매(0.2%), 다단계(< 0.1%), 가

격비교(< 0.1%) 순이었다. 취급 제품/서비스의 수를 기준으로 빈도분석한 결과, 1개 제품/서비스만 취급하는 쇼핑몰은 25,807개(57.4%)로 가장 높은 비중을 차지하였으며,

이어서 2개 제품/서비스(13,418개, 29.8%)과 3개 제품/서비스(3,109개, 6.9%) 순으로 높

은 비중을 보였다. 가장 많은 수의 제품/서비스를 취급하는 쇼핑몰은 22개까지 취급하고 있는 것으로 나타났으나, 대다수의 인터넷 쇼핑몰은 1-2개의 제품/서비스만을 취


급하는 전문 쇼핑몰에 해당하였다. 주요 취급 제품/서비스에 따라 빈도분석한 결과, 패션 제품에 해당하는 신발/가방/패션잡화/귀금속(32.6%)과 의류(25.8%)가 가장 높은

비중을 차지하는 것으로 나타났으며, 이어서 가구/생활/주방(15.7%), 물품서비스(9.3%),

화장품/향수(7.5%), 식품(7.3%), 건강용품/의료기기(6.6%), 기타(6.6%), 출산/유아동/완구(6.0%), 가전용 전기제품/영상(5.7%), 생활(5.7%), 서적/음반/악기(5.6%), 예매예약서

비스(5.0%), 사무용전기제품/사무용기기(4.4%), 컴퓨터 및 주변기기/소프트웨어(4.4%),

레져/문화(4.2%), 기타서비스(4.0%), 인터넷학습(3.3%), 자동차/자동차용품(2.5%), 휴대폰(2.5%), 상담 및 정보제공(1.5%), 카메라(1.4%), 인터넷게임(1.2%), 홈페이지 제작 및

컨설팅(0.8%), 이동통신서비스(0.4%), 성인용품(0.3%), 유가증권(0.3%), 금융/보험/대출

(0.1%), 판매금지품목(0.1%), 기타인터넷학습(< 0.1%), 성인사이트(< 0.1%), 의료서비스(< 0.1%) 순으로 나타났다.

이러한 결과는 연구 1에서 밝힌 결과를 재확인할 뿐 아니라, 연구 1에서 표본으로

선정된 쇼핑몰의 특성이 서울시에 등록된 인터넷 쇼핑몰의 특성을 상당히 잘 반영하

고 있다는 것을 뒷받침해준다. 연구 1의 결과로 전문몰의 비중이 증가하는 추세와 전

문몰 중에서도 의류 전문몰의 비중이 가장 높다는 것을 확인할 수 있었는데, 연구 1

의 자료는 소비자의 이용 빈도가 높은 상위 100개 쇼핑몰만 대상으로 하기 때문에 이

러한 결과가 이용 빈도가 높은 쇼핑몰에만 해당하는 것인지 아니면 서울시의 전체 쇼

핑몰을 대상으로 일반화가 가능한 것인지 확신할 수 없었다. 반면 연구 2의 자료는

서울특별시에 등록된 모든 쇼핑몰을 대상으로 하기 때문에 연구 1의 표본에 비해 모

집단에 더 가까운 표본이라고 할 수 있다. 연구 2의 결과에서도 대부분의 쇼핑몰이

전문몰의 형태를 띄고 있으며 패션 제품을 취급하는 비중이 가장 높았다는 것을 보여

주어, 연구 1의 결과를 재현하였다. 따라서 연구 1의 표본은 서울시의 전체 쇼핑몰에

대한 대표성이 있다고 여길 수 있으며, 두 연구 결과를 종합했을 때 패션 제품을 취

급하는 온라인 유통업이 전체 온라인 유통업에서 큰 비중을 차지하는 것으로 나타나

본 연구의 의의를 강조해준다.

패션 유통업체와 타 제품 유통업체를 비교하기 위해, 전체 쇼핑몰 중 주요 취급

품목이 신발/가방/패션잡화/귀금속 혹은 의류라고 응답한 17,214개(38.3%)의 쇼핑몰을

패션 유통업체, 나머지 쇼핑몰을 타 제품 유통업체라고 조작적 정의를 내렸다(Levy

et al., 2004). 이 패션 유통업체들의 취급 제품/서비스의 수를 살펴보면, 2개 제품/서

비스(8,154개, 47.4%)와 1개 제품/서비스(5,868개, 34.1%)를 취급하는 쇼핑몰이 가장

높은 비중을 보였고, 3개 제품/서비스(1,570개, 9.1%)와 4개 제품/서비스(620개, 3.6%)

가 뒤를 이었다. 이들의 취급 제품/서비스를 살펴보면, 신발/가방/패션잡화/귀금속을

취급하는 쇼핑몰은 14,641개(85.1%)였으며 의류를 취급하는 쇼핑몰은 11,603개(67.4%)

로 나타나, 상당 수의 패션 유통업체가 신발/가방/패션잡화/귀금속과 의류를 함께 취

급하고 있다는 것을 알 수 있다. 패션 제품 외에 추가로 취급하는 제품/서비스로는 가

구/생활/주방(11.3%), 출산/유아동/완구(6.5%), 레져/문화(6.4%), 화장품/향수(5.4%) 순

이었다.

132 심수인

3.2.2 패션 유통업체와 타 제품 유통업체간 소비자 보호 수준의 차이

패션 유통업체와 타 제품 유통업체 간 사업자정보표시평가, 청약철회평가, 결재방법평가, 이용약관평가, 개인정보보안평가, 전체평가 점수에 차이가 있는지 알아보기 위해 독립표본 t 검정을 시행하였고, Levene’s test에서 p < 0.05로 등분산 가정이 성립되지 않았기 때문에 Welch-Satterthwaite 방법에 의해 자유도가 수정된 t 검정 값을 보고하였다. 그 결과<표 3.1>, 개인정보보안평가 점수를 제외한 나머지 점수에서 모두 패션 유통업체와 타 제품 유통업체 간 5% 수준의 유의차가 나타났다. 구체적으로, 사업자정보표시 및 청약철회의 측면에서는 패션 유통업체가 타 제품 유통업체보다 유의하게 낮은 평가를 받았다. 반면, 결제방법 및 이용약관 측면에서는 패션 유통업체가 타 제품 유통업체보다 유의하게 높은 평가를 받았다. 개인정보보안과 관련하여 두 유통업체 간 차이는 유의한 수준이 아니었으나, 전체평가에서는 패션 유통업체가 타 제품 유통업체보다 유의하게 낮은 평가를 받은 것으로 나타났다.

<표 3.1> 패션 유통업체와 타 제품 유통업체 간 사업자정보표시평가, 청약철회평가,

결재방법평가, 이용약관평가, 개인정보보안평가, 전체평가 점수의 차이

종속변수평균(원점수) Levene’s test t-test

패션

유통업체

타제품

유통업체F df1 df2 p t df p

사업자정보표시평가 1.89 1.95 860.249 1 44967 < .001 5.710 34174 < .001

청약철회평가 1.61 2.11 275.911 1 44967 < .001 43.807 34654 < .001

결재방법평가 2.21 2.06 305.596 1 44967 < .001 -13.371 37239 < .001

이용약관평가 2.57 2.49 31.487 1 44967 < .001 -10.328 37992 < .001

개인정보보안평가 2.03 2.05 281.704 1 44967 < .001 1.764 34863 .078

전체평가 1.69 1.79 30.427 1 44967 < .001 12.739 36139 < .001

독립표본 t 검정에서 나타난 유통업체 유형별 소비자 보호 수준의 차이가 다른 외생변수의 영향을 통제했을 때도 여전히 유의하게 나타나는지 확인하기 위하여 다원공분산분석(MANCOVA) 추가적으로 실시하였다. 유통업체 유형을 독립변수로 설정하고 최초신고연도를 공변수로 추가한 후, 사업자정보표시평가, 청약철회평가, 결재방법평가, 이용약관평가, 개인정보보안평가, 전체평가 점수를 종속변수로 설정하였다. 이 때, 최초신고연도와 종속변수들의 척도를 통일하기 위해 이들 모두 표준화된 점수로 변환하여 분석에 사용하였다. 그 결과, 공변수가 미치는 영향을 통제하고도 패션 유통업체와 타 제품 유통업체 간 소비자 보호 수준의 차이는 여전히 유의한 것으로 나타났다(Wilk’s λ = .946, p < .001). 공변수로 추가한 최초신고연도(Wilk’s λ = .698, p < .001)도 소비자 보호 수준에 유의한 영향을 미치는 것으로 나타나, 소비자 보호 수준에 영향을 미칠 수 있는 변수가 유통업체 유형 외에도 더 존재할 수 있다는 점을 시사한다. 이어지는 ANOVA 결과<표 3.2>, 최초신고연도의 효과를 통제했을 때 모든


평가 점수에서 패션 유통업체와 타 제품 유통업체 간 5% 수준의 유의차가 나타났다. 개인정보보안평가는 독립표본 t 검정 결과에서 p = .078로 5%의 유의 수준을 충족시키지 못했으나<표 3.1>, 다원공분산분석 결과에서는 유의한 차이를 보였다[표 3.2]. 공변수로 추가된 최초신고연도가 개인정보보안평가의 오차에 해당했던 상당 부분을 설명하여 오차평균제곱합이 감소함으로써, 상대적으로 유통업체 유형에 따른 개인정보보안평가의 F값이 커지고 p값 역시 유의 수준 5%를 충족하게 된 것으로 볼 수 있다. 최초신고연도는 청약철회평가를 제외한 모든 평가 점수에 유의한 영향을 미치는 것으로 나타났다. 효과크기 추정값을 보면, 유통업체 유형은 청약철회평가에 미치는 효과가 가장 큰 것으로 나타났으며 나머지 평가 점수들에 대한 효과크기는 상당히 미미한 것으로 보인다. 반면, 최초신고연도는 개인정보보안평가에 미치는 효과가 가장 컸으며, 이용약관평가나 전체평가에 미치는 효과도 상당한 것으로 판단할 수 있다. 패션 유통업체와 타 제품 유통업체 간 소비자 보호 수준에는 유의한 차이가 나지만 다른 외생변수가 소비자 보호 수준에 미치는 효과와 비교하면 유통업체 유형의 효과 크기는 그리 크지 않을 수 있다. 이는 소비자 보호 수준을 설명하는 다양한 외생변수를 탐색하고 그 효과를 추가적으로 검증할 필요가 있다는 점을 시사한다.

<표 3.2> 최초신고연도의 통제 시, 패션 유통업체와 타 제품 유통업체 간

사업자정보표시평가, 청약철회평가, 결재방법평가, 이용약관평가, 개인정보보안평가,

전체평가 점수의 차이

독립/공

변수종속변수 SS df MS F p η2 ω2

유통

업체

유형

사업자정보표시평가 25.451 1 25.451 25.887 < .001 0.001 0.001

청약철회평가 1894.489 1 1894.489 1977.797 < .001 0.042 0.042

결재방법평가 150.892 1 150.892 155.443 < .001 0.003 0.003

이용약관평가 79.603 1 79.603 83.353 < .001 0.002 0.002

개인정보보안평가 25.584 1 25.584 35.954 < .001 0.001 0.001

전체평가 207.347 1 207.347 224.689 < .001 0.005 0.005

최초

신고

연도

사업자정보표시평가 726.567 1 726.567 739.033 < .001 0.016 0.016

청약철회평가 < 0.001 1 < 0.001 < 0.001 .993 < 0.001 < 0.001

결재방법평가 1142.799 1 1142.799 1177.270 < .001 0.025 0.025

이용약관평가 1920.931 1 1920.931 2011.409 < .001 0.043 0.043

개인정보보안평가 12968.406 1 12968.406 18225.094 < .001 0.288 0.288

전체평가 3310.060 1 3310.060 3586.915 < .001 0.074 0.074

타 제품 유통업체에 비해 패션 유통업체의 사업자정보표시, 청약철회, 결재방법, 이용약관 정보 제공이 구체적으로 어떠한 수준인지 알아보기 위해 12개 세부사항을 (즉, 청약철회 가능 여부, 철회 시 배송비 부담 여부, 초기화면 필수항목 중 표시 사

134 심수인

변수 유목패션 유통업체 타 제품 유통업체

빈도 % 유효%a 빈도 % 유효%a

청약 철회 가능 여부

청약철회 안됨 2695 15.7 15.9 2738 9.9 11.3

가능하나 일부품목 제외, 기간축소

5239 30.4 30.9 4977 17.9 20.5

가능 6812 39.6 40.1 12514 45.1 51.6

약관과 실제 청약철회 내용이 다름

1850 10.7 10.9 408 1.5 1.7

소비자 피해보상 기준 제시

6 < 0.1 < 0.1 893 3.2 3.7

미확인 345 2.0 2.0 2526 9.1 10.4

항, 결제방법, 이용약관 준수 정도, 개인정보 취급 방침, 구매안전 서비스, 보안서버 설치, 인증마크, 배송예정일 표시, 고객불만 게시판 운영, 회원 탈퇴 방법) 빈도분석한 결과, 청약철회 가능 여부와 철회 시 배송비 부담 여부에서 온라인 패션 유통업자들이 상대적으로 소극적인 서비스를 제공하고 있다는 것을 알 수 있었다<표 3.3>. 이러한 결과는 패션 유통업체가 청약철회평가에서 타 제품 유통업체에 비해 낮게 평가된 결과<표 3.1>와 일치한다. 먼저 청약철회 가능 여부에서 패션 유통업체는 타 제품 유통업체에 비해 청약철회 가능의 비중이 낮았고, 가능하더라도 제약 사항이 붙는 경우가 많았다. 약관에 비해 실제 청약철회 내용이 다른 경우도 타 제품 유통업체에 비해 높은 비중으로 나타나, 소비자가 구매한 제품을 반품하거나 환불을 요청했을 때 상대적으로 비협조적 태도를 취하고 있는 것으로 보인다. 패션 유통업체와 타 제품 유통업체 간 청약철회 가능 여부의 차이를 알아보기 위해 추가적으로 실시한 Pearson 카이제곱 검정 결과, 두 종류의 유통업체가 청약철회 가능 여부의 차이가 5% 수준에서 유의한 것으로 나타났다(χ2 = 5969.851, df = 8, p < .001). 철회 시 배송비 부담 여부에서도 역시 패션 유통업체는 타 제품 유통업체에 비해 청약철회와 관련하여 소극적인 서비스를 제공하고 있었다. 패션 유통업체는 청약철회가 불가한 비중이 높았고 가능하더라도 소비자가 왕복 택배비를 부담해야 하는 비중이 높았다. 반면, 타 제품 유통업체는 소비자에게 반품 택배비만 부담하는 비중이 높았다. Pearson 카이제곱 검정 결과, 패션 유통업체와 타 제품 유통업체 간 철회 시 배송비 부담 여부의 차이는 유의한 것으로 나타났다(χ2 = 7324.975, df = 5, p < .001). 따라서 패션 유통업체가 청약철회와 관련한 소비자 보호 수준을 높이기 위해서는 소비자의 반품이나 환불 요구에 적극적으로 대응할 뿐 아니라 소비자의 배송비 부담을 줄여야 할 필요가 있다. 소비자가 청약철회를 요청하는 경우가 단순히 소비자의 변심 때문만이 아니라 제품 성능에 대해 확신할 수 없는 온라인 쇼핑의 특성 때문일 가능성도 있기 때문에, 반품 배송비 부담을 전적으로 소비자에게 지우는 것은 소비자의 불만으로 이어질 수 있다. 이러한 정황을 고려하여, 온라인 쇼핑의 위험을 유통업자와 소비자가 분담하는 것이 소비자 불만족을 줄이는 데 효과적일 것이다.

<표 3.3> 패션 유통업체와 타 제품 유통업체 간 청약철회 가능여부 및 철회 시 배송비 부담 여부 비교


기타 20 0.1 0.1 203 0.7 0.8

미해당 247 1.4 3496 12.6

전체 17214 100 　 27755 100

철회 시 배송비 부담 여부

철회 안됨 3266 19.0 19.2 2599 9.4 13.2

소비자(왕복 택배비 부담)

7484 43.5 44.1 5746 20.7 29.1

소비자(반품 택배비만 부담)

5677 33.0 33.5 9353 33.7 47.4

판매처 53 0.3 0.3 103 0.4 0.5

부담자 알 수 없음 488 2.8 2.9 1933 7.0 9.8

미해당 246 1.4 　 8020 28.9 　

무응답 　　　 1 < 0.1 　

전체 17214 100 　 27755 100

변수 유목a 패션 유통업체 타 제품 유통업체

빈도 % 빈도 %

초기화면 필수항목 중 표시 사항

대표자 16748 97.3 26341 94.9

사업자등록번호 16920 98.3 26966 97.2

a 전체 응답에서 미해당과 무응답을 제외했을 때의 백분율

청약철회 외의 다른 10개 세부사항에 대해서는 온라인 패션 유통업체가 타 제품

유통업체에 비해 비교적 잘 운영하고 있거나 두드러진 차이를 보이지 않았으며[표 3.4-3.5], 이러한 결과는 결재방법과 이용약관과 관련하여 패션 유통업체가 비교적 높

은 평가를 받은 결과<표 3.1>와 일치한다. 먼저 초기화면 필수항목 중 표시 사항에

대해서는, 패션 유통업체와 타 제품 유통업체가 모두 대부분의 초기화면 필수항목을 표시하고 있었으며 그 중 가장 큰 차이를 보인 사이버몰 이용약관의 표시는 패션 유

통업체가 타 제품 유통업체보다 더 높게 나타났다. 결제방법은 패션 유통업체가 타

제품 유통업체보다 무통장입금, 신용카드, 휴대폰, 기타 방법을 많이 활용하는 것으로 나타났으며, ARS, 상품권, 전자화폐의 비중은 패션 유통업체가 상대적으로 적었다. 인

증마크는 패션 유통업체와 타 제품 유통업체 모두 사용하지 않는 경우가 압도적이었다.

이용약관 준수 정도에서는 패션 유통업체가 타 제품 유통업체보다 표준약관을 사용한다는 응답률이 높아 잘 준수하고 있는 것으로 나타났으며, 개인정보 취급 방침을 초

기화면에 표시한다는 응답률도 패션 유통업체가 더 높았다. 또한, 패션 유통업체는 타

제품 유통업체에 비해 구매안전 서비스의 제공, 배송예정일의 표시, 고객불만 게시판의 운영에서도 높은 응답률은 보였으며, 회원 탈퇴도 비교적 자유로운 것으로 나타났다.

<표 3.4> 패션 유통업체와 타 제품 유통업체 간 초기화면 필수항목 중 표시 사항,

결제방법, 인증마크 비교

136 심수인

사이버몰 이용약관 14656 85.1 21667 78.1

상호 17165 99.7 27615 99.5

소재지 16908 98.2 27220 98.1

전자우편주소 14789 85.9 22989 82.8

전화번호 16868 98.0 27362 98.6

통신판매신고번호 16382 95.2 25870 93.2

결제방법

ARS 14 0.1 478 1.7

기타 5021 29.2 5797 20.9

무통장 입금 17108 99.4 27086 97.6

상품권 62 0.4 364 1.3

신용카드 15268 88.7 21748 78.4

전자화폐 18 0.1 35 0.1

휴대폰 3284 19.1 4181 15.1

인증마크

ASP 1 < 0.1 1 < 0.1

E-PRIVACY 137 0.8 308 1.1

E트러스트 131 0.8 212 0.8

I-SAFE 21 0.1 49 0.2

기타 58 0.3 74 0.3

없음 16968 98.6 27288 98.3

변수 유목패션 유통업체 타 제품 유통업체

빈도 % 유효%a 빈도 % 유효%a

이용 약관 준수 정도

약관없음 499 2.9 2.9 2082 7.5 7.5

약관과 실제 이용 내용이 다름

2033 11.8 11.8 427 1.5 1.5

자체약관 사용 1164 6.8 6.8 7108 25.6 25.6

개정전 이용약관 사용 665 3.9 3.9 2329 8.4 8.4

소비자피해보상기준 제시 6 < 0.1 < 0.1 321 1.2 1.2

표준약관 사용 (준수) 12845 74.6 74.6 15472 55.7 55.8

a 중복응답 가능

<표 3.5> 패션 유통업체와 타 제품 유통업체 간 이용약관 준수 정도, 개인정보 취급 방침,

구매안전 서비스, 보안서버 설치, 배송예정일 표시, 고객불만 게시판 운영, 회원 탈퇴 방법

비교


미해당 2 < 0.1 　 16 0.1 　

전체 17214 100 　 27755 100

개인 정보 취급 방침

없음 348 2.0 2.0 1538 5.5 5.6

정보관리자만 지정 29 0.2 0.2 210 0.8 0.8

초기화면 이외에 표시 (초기화면 미표시, 이용약관에 표시)

1642 9.5 9.5 2677 9.6 9.7

초기화면 표시 15186 88.2 88.3 23239 83.7 84.0

해당되지 않음 9 0.1 　 90 0.3 　

무응답 　　　 1 < 0.1 　

전체 17214 100 　 27755 100

구매 안전

서비스

구매안전 서비스 없음 5443 31.6 31.9 8028 28.9 37.2

소비자 보상 보험 197 1.1 1.2 342 1.2 1.6

에스크로 제도 11281 65.5 66.2 13111 47.2 60.7

채무지급 보증 계약 106 0.6 0.6 6 < 0.1 < 0.1

후불제 5 < 0.1 < 0.1 72 0.3 0.3

기타 17 0.1 0.1 28 0.1 0.1

미해당 165 1.0 　 6168 22.2 　

전체 17214 100 　 27755 100

보안 서버 설치

없음 2266 13.2 17.3 6389 23.0 27.9

있음 10567 61.4 62.0 14581 52.5 67.5

회원가입 없음 290 1.7 1.7 1914 6.9 8.9

무응답 4091 23.8 　 4871 17.5 　

전체 17214 100 　 27755 100

배송 예정일 표시

없음 476 2.8 2.8 1543 5.6 7.0

있음 16709 97.1 97.2 20381 73.4 93.0

미해당 29 0.2 　 5831 21.0 　

전체 17214 100 　 27755 100

고객 불만

게시판 운영

게시판 없음 330 1.9 1.9 1471 5.3 5.3

있음 (비공개) 2133 12.4 12.4 4083 14.7 14.7

있음 (공개) 14729 85.6 85.6 22178 79.9 79.9

138 심수인

기타 22 0.1 0.1 22 0.1 0.1

무응답 　　　 1 < 0.1 　

전체 17214 100 　 27755 100

회원 탈퇴 방법

회원탈퇴 불가능 327 1.9 1.9 1314 4.7 5.2

약관에만 있고 탈퇴방법 확인 불가능

1353 7.9 8.0 2531 9.1 10.0

업체 확인 후 탈퇴처리 828 4.8 4.9 990 3.6 3.9

회원탈퇴 가능 14241 82.7 84.3 20182 72.7 79.4

미확인 137 0.8 0.8 414 1.5 1.6

미해당 328 1.9 　 2324 8.4 　

전체 17214 100 　 27755 100 a 전체 응답에서 미해당과 무응답을 제외했을 때의 백분율

그러나 이러한 결과는 사업자정보표시평가에서 패션 유통업체가 타 제품 유통업체

에 비해 유의하게 낮은 점수를 얻었다는 결과<표 3.1>와 일치하지 않는다. 초기화면

필수항목 중 표시 사항 현황을 보면<표 3.4>, 패션 유통업체는 타 제품 유통업체에

비해 대표자, 사업자등록번호, 상호, 소재지, 전자우편주소, 전화번호, 통신판매신고번

호와 같은 사업자 정보를 표시한 비중이 대체로 높게 나타났다. 그럼에도 불구하고

사업자정보표시평가 점수는 오히려 낮았다는 상반된 결과는 자료의 신뢰성에 의문을

제기할 여지가 있다는 점을 시사한다. 원자료를 제공하는 서울시 전자상거래센터에서

는 사업자정보표시 등의 평가 점수들이 어떤 과정을 거쳐 산출되었는지 구체적으로

밝히지 않았기 때문에, 왜 이런 상반된 결과가 도출되었는지 본 연구에서 논하기에는

한계가 있다. 이에 따라 본 연구의 결과만으로는 사업자 정보의 표시와 관련하여 패

션 유통업체가 타 제품 유통업체에 비해 어떻다고 결론짓기 어렵다. 자료 제공 기관

에서 원자료의 신뢰성에 대한 충분한 합리화가 선행된다면, 사업자 정보 표시에 대한

정확한 비교가 가능할 것이다.

연구 2의 결과를 종합해보면, 온라인 패션 유통업자들이 쇼핑몰을 어떻게 이용할

수 있는지 혹은 결제를 어떻게 해야 하는지 등 쇼핑 과정에 대해서는 타 제품 유통업

자들보다 비교적 잘 안내하고 있지만, 교환 혹은 환불에 대한 쇼핑 이후 단계의 정보

는 비교적 낮은 수준으로 제공된다고 평할 수 있다. 즉, 구매 결정 단계까지는 타 유

통업체보다 정보 제공 수준이 높지만 구매 이후 단계에서는 정보 제공에 소홀한 경향

을 볼 수 있다. 또한, 사업자정보표시평가, 청약철회평가, 결재방법평가, 이용약관평가,

개인정보보안평가가 종합된 전체평가에서 패션 유통업체가 유의하게 낮은 점수를 받

았다는 결과를 통해, 결제방법 및 이용약관 측면에서 긍정적 평가를 받은 것보다 청

약철회 측면에서 부정적 평가를 받은 것이 전체평가에 더 큰 영향을 미쳤다는 것을

알 수 있다. 따라서 온라인 패션 유통업자들이 타 제품 유통업자에 비해 소비자 보호

수준이 상대적으로 낮다고 할 수 있다. 온라인 패션 유통업자들은 소비자 보호 수준


에 각별히 유의하여 제품 성능에 대해 지각하는 위험이 높아서 발생할 수 있는 부정

적인 결과를 미연에 방지해야 할 필요성이 있음에도 불구하고, 이에 대한 대응이 미

비한 것이다. 따라서 관련 분야의 연구자들은 유통업자에 대한 신뢰 및 소비자와의

장기적 관계가 얼마나 중요한지를 뒷받침할 수 있는 연구를 활발히 진행하고 그 결과

를 산업 관계자들과 공유함으로써, 온라인 패션 유통업자가 소비자 보호의 필요성에

대해 자각하고 소비자의 청약철회에 대해 위험을 분담하는 적극적인 태도로 대응하도

록 해야 할 것이다.

4. 결론

본 연구에서는 온라인 패션 유통업자가 타 제품 유통업자들보다 소비자 보호 수준

을 강화하여 소비자의 높은 지각된 위험을 낮춰야 할 필요성이 있다는 문제 의식을

갖고, 실제로 온라인 패션 유통업자가 타 제품 유통업자보다 소비자 보호 수준이 어

떠한지 공공데이터를 분석하여 비교하였다. 연구 결과를 요약하면, 소수의 제품군만

전문적으로 취급하는 전문몰이 여러 개의 제품군을 한 유통업자가 취급하는 종합몰보

다 소비자 보호 수준이 높은 것으로 나타났으나, 전문몰 중에서도 패션 제품을 취급

하는 패션 유통업체는 타 제품 유통업체에 비해 소비자 보호 수준이 떨어지는 것으로

나타났다. 패션 유통업체가 타 제품 유통업체보다 낮은 평가를 받은 부분은 청약철회

와 쇼핑 만족도를 꼽을 수 있다. 즉, 패션 유통업체는 상대적으로 소비자의 교환/환불

요구에 소극적으로 응대할 뿐 아니라 반품 시 배송비를 소비자에게 전적으로 부담시

키는 경우가 많았으며, 만족도 점수는 상대적으로 낮았다. 특히, 온라인 패션 유통업

체에 대한 소비자의 쇼핑 불만족 경향이 과거부터 지속적으로 나타난 고질적인 문제

라는 점을 고려하면, 관련 학계 및 업계에서는 어떻게 온라인 패션 유통업체의 소비

자 보호 수준을 강화하여 소비자의 쇼핑 만족도를 제고할 것인지에 대한 방안을 우선

적으로 모색하여 이러한 문제를 해결하는 데 힘을 모아야 할 것이다.

본 연구가 학문적으로 기여한 측면으로는 첫째, 패션 제품의 온라인 쇼핑 시 소비

자가 지각하는 위험을 낮출 수 있는 하나의 방법으로 소비자 보호 수준을 강화하는

것을 본 연구의 결과를 통해 제안할 수 있다. 관련 학계에서는 온라인 쇼핑 환경에서

특히 패션 제품을 쇼핑할 때 지각된 위험이 높을 수 있다는 것에 주목하고 지각된 위

험을 낮추기 위한 방안으로 제품의 전시(product presentation)를 어떻게 할 것인지에

대한 연구를 활발히 진행해왔지만(예. Jiang & Benbasat, 2007; Park et al., 2005;

Park et al., 2008; Song & Kim, 2012; Yoo & Kim, 2014; Yu et al., 2012), 지각된

위험과 소비자 보호 수준과의 관계에 대해서는 밝혀진 바가 많지 않다. 본 연구의 결

과로 온라인 패션 유통업자가 타 제품 유통업자에 비해 소비자 보호 수준이 낮다는

것을 알게 되었으니, 이것이 높은 지각된 위험에서 비롯된 것인지 혹은 소비자 보호

수준을 개선하면 높은 지각된 위험으로 인한 부정적인 결과를 피할 수 있을 것인지

등의 문제를 제기할 수 있는 이론적 근거가 마련되었다고 할 수 있다. 따라서 관련

연구의 범위를 확장시킬 수 있는 새로운 변수를 제시했다는 점에서 본 연구는 학문적

140 심수인

의의를 갖는다.

둘째, 소비자의 응답 자료에 근거하여 결론을 도출하는 선행연구들과는 달리, 본

연구는 기관에서 제공하는 공공데이터를 활용함으로써 보다 객관적으로 산업의 현황

과 문제점에 대해 파악하고 산업에서 필요로 하는 연구 주제가 무엇인지 제안했다는

점에게 학문적으로 의미가 있다. 특히, 동일 주제에 대한 두 가지 형태의 자료(즉, 온

라인 쇼핑몰 평가 자료와 현황 자료)를 분석했을 때도 일관된 결과가 나타나, 온라인

패션 유통업자가 타 제품 유통업자에 비해 소비자 보호에 소홀하다는 것이 타당하고

신뢰할 수 있으며 일반화 가능성이 높은 결과라고 말할 수 있다. 또한, 온라인 쇼핑몰

평가 자료는 한시적으로 수집된 자료가 아니라 몇 년에 걸쳐 장기적으로 수집된 자료

이기 때문에 온라인 패션 유통업자에 대한 소비자 불만족이 고질적인 문제라는 것도

알 수 있었다. 사회과학 분야에서 종단 연구가 횡단 연구보다 부족한 현실을 고려해

보면, 본 연구의 결과는 희소 가치를 갖는다고 할 수 있으며 관련 후속 연구를 설계

할 때 참고할만한 이론적 근거를 제공해준다.

본 연구가 실용적으로 기여한 측면으로는 첫째, 본 연구의 결과로 온라인 패션 유

통업자들이 소비자 보호 수준을 강화해야 한다는 시사점을 업계 관계자들에게 제공할

수 있다. 전체 온라인 유통업에게 패션 유통업체가 차지하는 비중은 크지만 타 제품

유통업체에 비해 소비자 보호 수준을 떨어지는 것으로 나타나, 전체 시장을 모범적으

로 선도하고 있다고 말하기 어렵다. 온라인 패션 유통업체는 타 제품 유통업체보다

쇼핑 과정에 대해서는 소비자들에게 비교적 잘 안내하고 있지만, 청약철회와 같은 쇼

핑 후 단계에 대해서는 상대적으로 소홀한 면모를 보이고 있다. 소비자에게 제품을

판매하는 것에 치중하고 이후의 소비자와의 관계를 신경 쓰지 않는다면 단기적인 사

업 성과는 좋을 수 있으나 장기적으로 성장하는 것은 쉽지 않을 것이다. 따라서 온라

인 패션 유통업자들은 소비자 보호 수준의 강화를 통해 소비자가 지각하는 위험을 분

담하고 소비자와 장기적으로 호의적인 관계를 유지해야 할 필요가 있다.

둘째, 본 연구의 결과는 온라인 유통업과 같은 산업 관계자뿐 아니라 공공데이터

를 수집하고 제공하는 주관 기관에게도 실용적 시사점을 제공한다. 자료 수집을 설계

할 당시 쇼핑몰의 유형을 더 세분화된 변수로 코딩해야 한다는 점, 표본 선정 과정이

체계적으로 이루어졌는지에 대한 정보와 평가 점수가 어떻게 측정되었는지에 대한 정

보가 명확히 공개되어야 한다는 점이 본 연구 결과를 통해 원자료에 대한 개선책으

로 제시되었다. 또한 소비자 보호 수준에 영향을 줄 수 있는 다양한 외생변수를 측정했

더라면 소비자 보호 수준에 가장 큰 효과를 주는 독립변수는 무엇인지 고급 통계 기

법을 활용하여 밝힐 수 있을 것이다. 예를 들어, 업체의 규모가 패션 유통업체와 타

제품 유통업체의 소비자 보호 수준을 비교할 때 또 다른 독립변수로 작용할 수 있을

것이다. 패션 산업에서 영세한 규모의 업체들이 상당수라는 점을 고려해볼 때, 패션

유통업체가 청약철회와 쇼핑 만족도에서 낮은 평가를 받은 이유가 산업의 특성 뿐 아

니라 업체의 규모에 기인할 수도 있기 때문이다. 본 연구에서 밝힌 패션 유통업체와

타 제품 유통업체 간 소비자 보호 수준의 차이가 산업의 특성 때문에 나타난 것인지

아니면 업체의 규모 때문에 나타난 것인지 보다 타당하게 검증하기 위해서는, 업체의

규모와 같은 외생변수의 측정하여 이원분산분석이나 카이제곱분석을 수행하는 것이


필요하다. 추가적으로, 변수를 측정할 때 범주형 변수보다 연속형 변수의 형태로 자료

를 수집한다면, 빈도분석이나 평균 비교 통계뿐 아니라 보다 다양한 통계 방법을 활

용하여 보다 통찰력 있는 시사점을 제공할 수 있을 것이다. 이러한 제안들이 공공데

이터에 반영된다면 보다 양질의 자료가 공공의 이익을 위해 활용될 것으로 기대된다.

본 연구의 한계점과 후속 연구에 대한 제언은 다음과 같다. 첫째, 본 연구에서는 2

차 자료를 활용했기 때문에 자료의 형태에 의해 분석 방법이 제한될 수밖에 없었으며

일부 상반되는 결과가 도출된 원인에 대해 명확히 밝히지 못했다. 타당성과 신뢰성을

검증할 수 있는 자료로도 본 연구의 결과가 재현되는지 확인하는 후속 연구가 진행된

다면 의미 있을 것이다. 둘째, 본 연구에서는 온라인 패션 유통업자가 타 제품 유통업

자에 비해 소비자 보호 수준이 떨어진다는 것은 밝혔으나 왜 떨어지는지에 대한 원인

은 규명할 수 없었다. 선행연구의 결과를 고려하면, 온라인 환경에서 패션 제품을 쇼

핑할 때 소비자가 지각하는 위험이 높다는 것이 유력한 원인으로 사료되지만, 지각된

위험과 소비자 보호의 관계를 통계적으로 입증한 것은 아니다. 후속연구에서는 본 연

구 결과를 활용하여 지각된 위험과 소비자 보호와의 관계를 설명할 수 있는 이론적

모형을 수립하고 이를 검증하는 실증적 연구가 이루어져야 할 것이다. 셋째, 본 연구

에서 분석에 사용된 서울시 제공 자료는 서울시에 등록된 인터넷 쇼핑몰을 대상으로

하기 때문에 연구 결과의 해석이 제한될 수 있다. 전국 인터넷 쇼핑몰의 약 3/4 가량

이 서울시에 밀집되어 있다는 점을 고려하면(공정거래위원회, 2012), 서울시의 표본이

우리나라 모집단의 특성을 대표할 가능성이 높다. 그렇지만 서울시 표본의 대표성에

대한 타당한 검증 없이는 본 연구 결과의 해석과 일반화에 주의해야 할 것이다. 후속

연구에서는 모집단을 대표할 수 있도록 확률표본추출법을 사용하여 자료를 수집하거

나 서울시뿐 아니라 전국 각지에 등록된 인터넷 쇼핑몰의 자료를 활용하여 표본의 대

표성 문제를 해결할 수 있을 것이다. 마지막으로, 본 연구 결과에서 온라인 패션 유통

업자가 특히 취약한 소비자 보호 영역 중 하나로 청약철회가 나타났는데, 이와 관련

하여 반품 배송비 부담이 소비자 행동에 어떤 영향을 미치는지에 대한 후속연구가 진

행된다면 온라인 패션 유통업자들이 소비자 보호 수준을 강화하기 위해서 구체적으로

무엇을 해야 하는지에 대해 보다 실용적인 시사점을 제안할 수 있을 것이다.

(2016년 5월 2일 접수, 2016년 5월 30일 수정, 2016년 6월 20일 채택)

감사의 글

이 논문은 2015년도 전북대학교 연구기반 조성비 지원에 의하여 연구되었음.

142 심수인

참고문헌

강은정, & 이규혜 (2013). 온라인 의류쇼핑에서 서비스 실패 경험 후 쇼핑채널의

회복노력에 따른 채널만족도, <디지털정책연구 (한국디지털정책학회)>,

11(2), 115-125.

고은주, 이미아, & 이미영 (2012). <패션브랜드와 커뮤니케이션>, 교문사, 파주.

공공데이터포털 (2016). https://www.data.go.kr/

공정거래위원회 (2012). 불량 쇼핑몰 이제 그만, 공정위 전국 온라인 쇼핑몰 일제점검!

- 청약철회 방해, 구매안전 서비스 미가입 등 일제점검 실시-,

http://www.ftc.go.kr/news/policy/competeView.jsp?news_div_cd=2&news_

no=1432

김소라 (2008). 인터넷 쇼핑몰 사이트에서의 정보성과 소비자 오도가능성, <한국가정

관리학회>, 26(1), 15-29.

김인숙 (2013). 소셜커머스 소비자보호 자율준수 가이드라인 개선 방안 연구, <정책연

구보고서>, 1-126, 한국소비자원.

대한상공회의소 (2014). 2015년 소매유통업 전망 조사. <대한상공회의소 유통산업조

사․연구>.

류성진 (2014). 분산분석의 효과크기 추정값 분석결과 보고에 대한 가이드라인 제안,

<한국언론학보>, 58(6), 475-502.

박광배, 엄진섭 (2001). 변량분석사용의 잘못된 관행, <한국심리학회: 임상>, 20(1),

179-194.

서울시전자상거래센터 (2015). 쇼핑몰평가100,

https://ecc.seoul.go.kr/DR4001/FN4002LS.asp

서울시전자상거래센터 (2016). 인터넷쇼핑몰 만족도 조사결과 발표,

https://ecc.seoul.go.kr/DR2001/FN2002VE.asp

서울특별시 (2013a). 서울시 인터넷 쇼핑몰 100 평가 정보 (2007년),

http://data.seoul.go.kr/openinf/sheetview.jsp?infId=OA-2257&tMenu=11

서울특별시 (2013b). 서울시 인터넷 쇼핑몰 100 평가 정보 (2008년),


서울특별시 (2013c). 서울시 인터넷 쇼핑몰 100 평가 정보 (2009년),


서울특별시 (2013d). 서울시 인터넷 쇼핑몰 100 평가 정보 (2010년),


서울특별시 (2013e). 서울시 인터넷 쇼핑몰 100 평가 정보 (2011년),


서울특별시 (2013f). 서울시 인터넷 쇼핑몰 100 평가 정보 (2012년),


서울특별시 (2014). 서울시 인터넷 쇼핑몰 100 평가 정보 (2013년),



서울특별시 (2015a). 서울시 인터넷 쇼핑몰 100 평가 정보 (2014년),


서울특별시 (2015b). 서울시 인터넷 쇼핑몰 현황,

http://data.seoul.go.kr/openinf/openapiview.jsp?infId=OA-2256&tMenu=11

안민아, 이미아, 추호정 (2015). 서비스 실패유형에 따른 대응방안이 공정성 지각에 미

치는 영향, <한국유통학회>, 20(1), 1-34.

이승연, 황미연, 손정민 (2012). 서비스실패 원인 및 서비스회복 대응방법 간의 부합여

부가 고객만족도에 미치는 영향력에 관한 연구, <대한경영학회>, 25(6),

2871-2893.

임서율, 류미현, 이승신 (2010). 20-30대 해외 구매대행 인터넷 쇼핑몰 소비자의 대응

행동, <한국가정관리학회>, 28(3), 81-95.

정인희, 채진미, 김지연, 문희강, 이미아, 지혜경, 주윤황. (2010). <패션 상품의 인터넷

마케팅>, 교문사, 경기도: 파주.

통계청 (2016a). 소매업태별 판매액, <서비스업동향조사>,

http://kosis.kr/statHtml/statHtml.do?orgId=101&tblId=DT_1K21003&conn_p

ath=I2

통계청 (2016b, Apr. 4). 온라인쇼핑몰 취급상품범위/상품군별 거래액,

<온라인쇼핑동향조사>,

http://kosis.kr/statHtml/statHtml.do?orgId=101&tblId=DT_1KE1004&conn_

path=I2

Carlson, J., & O'Cass, A. (2010). Exploring the relationships between e-service

quality, satisfaction, attitudes and behaviours in content-driven e-service

web sites. Journal of Services Marketing, 24(2), 112-127.

Cohen, J. (1988). <Statistical power analysis for the behavioral sciences (2nd

ed.)>, Hillsdale, NJ: Erlbaum.

de Winter, J.C. (2013). Using the Student’s t-test with extremely small sample

sizes. Practical Assessment, Research & Evaluation, 18(10), 1-12.

Forsythe, S., & Shi, B. (2003). Consumer patronage and risk perceptions in

Internet shopping. Journal of Business Research, 56(11), 867-876.

Fritz, C.O., Morris, P.E., & Richler, J. J. (2012). Effect size estimates: current use,

calculations, and interpretation. Journal of Experimental Psychology: General, 141(1), 2-18.

Hardesty, D.M., & Bearden, W. O. (2004). The use of expert judges in scale

development: Implications for improving face validity of measures of

unobservable constructs. Journal of Business Research, 57(2), 98-107.

Jiang, Z., & Benbasat, I. (2007). The effects of presentation formats and task

complexity on online consumers' product understanding. MIS Quarterly, 31(3), 475-500.

Levy, M., Grewal, D., Kopalle, P. K., & Hess, J. D. (2004). Emerging trends in

144 심수인

retail pricing practice: implications for research. Journal of Retailing,

80(3), xiii-xxi.

Luo, J., Ba, S., & Zhang, H. (2012). The effectiveness of online shopping characteristics

and well-designed websites on satisfaction. MIS Quarterly, 36(4), 1131-

A1139.

Nepomuceno, M.V., Laroche, M., & Richard, M.-O. (2014). How to reduce perceived

risk when buying online: The interactions between intangibility, product

knowledge, brand familiarity, privacy and security concerns. Journal of Retailing and Consumer Services, 21(4), 619-629.

Park, J., Lennon, S.J., & Stoel, L. (2005). On-line product presentation: Effects on

mood, perceived risk, and purchase intention. Psychology and Marketing, 22(9), 695-719.

Park, J., Stoel, L., & Lennon, S.J. (2008). Cognitive, affective and conative

responses to visual simulation: The effects of rotation in online product

presentation. Journal of Consumer Behaviour, 7(1), 72-87.

Song, S.S., & Kim, M. (2012). Does more mean better? An examination of visual

product presentation in e-retailing. Journal of Electronic Commerce Research, 13(4), 345-355.

Vacha-Haase, T., & Thompson, B. (2004). How to estimate and interpret various

effect sizes. Journal of counseling psychology, 51(4), 473-481.

Yoo, J., & Kim, M. (2014). The effects of online product presentation on consumer

responses: A mental imagery perspective. Journal of Business Research, 67(11), 2464-2472.

Yu, U.-J., Lee, H.-H., & Damhorst, M.L. (2012). Exploring multidimensions of

product performance risk in the online apparel shopping context: visual,

tactile, and trial risks. Clothing and Textiles Research Journal, 30(4),

251-266.


A Study of Comparing the Levels of Consumer

Protection Between Online Retailers Selling Fashion

Products and the Other Products

Soo In Shim1)

Abstract

This study aims to examine the differences in consumer protection between online fashion

retailers and non-fashion retailers, by using public data provided by Korean government. In

Study 1, the Seoul Internet Shopping Mall Evaluation Data (n=799) is analyzed by descriptive

statistics, independent samples t-test, ANOVA, MANOVA, and Tukey HSD test. In Study 2,

the Seoul Internet Shopping Mall Current State Data (n=44969) is analyzed by descriptive

statistics, independent samples t-test, MANCOVA and Pearson Chi-square test. As results,

online fashion retailers are found to offer a significantly lower level of consumer protection to

than non-fashion retailers. Specifically, fashion retailers are underscored in terms of order

cancellation and shopping satisfaction. Theoretical and practical implications are further

discussed.

Key words : Online Shopping, Fashion Retailers, Consumer Protection

1) Assistant Professor, Dept. of Fashion Design & Research Institute of Human Ecology, Chonbuk National University, 567, Baekje-daero, Deokjin-gu, Jeonju -si, Jeollabuk-do, 54896, Korea. E-mail: [email protected]

Documents

온라인 패션 유통업자와 타 제품 유통업자 간 소비자 보호 수준에 대한 …kostat.go.kr/file_total/21-2-06.pdf · (즉, 온라인 쇼핑몰 평가 자료와