패널데이터를 이용한e－Business 소비자행태 분석

2002. 12

신일순/정부연/김보은

연구보고 02－15

서 언 1

서 언

국내 인터넷 비즈니스 시장은 전세계적으로도 가장 높은 초고속인터넷망의 보급

에 힘입어 빠른 속도로 성장해 나아가고 있습니다. 비록 일부의 인터넷 기업이 도

산하고 코스닥시장이 전반적으로 침체되는 등의 시장상황의 변화가 존재하지만, 이

러한 환경은 오히려 그 동안 너무 과열되었던 시장이 정비되는 과정을 제공하여 일

부 기업에서는 수익이 발생하는 등 인터넷 비즈니스 시장에 새로운 변화가 일어나

고 있습니다. 이렇듯 점차 변화하고 있는 인터넷 비즈니스 시장은 우리나라가 디지

털 경제(digital economy)시대로 진입할 수 있는 하나의 경제적 기반을 마련해 주고

있습니다. 하지만 우리나라의 인터넷 비즈니스를 위한 환경적 측면에서 볼 때 국내

의 인터넷 비즈니스는 아직도 발전의 여지가 많다고 생각됩니다.

인터넷 비즈니스가 활성화되기 위한 요소에는 여러 가지가 있겠지만 무엇보다도

소비자의 행동을 올바르게 파악하여 그에 맞게 비즈니스 활동을 이행하는 것이 가

장 중요한 요소라고 판단됩니다. 하지만 현재 다수의 인터넷 비즈니스 업체들은 그

들의 구체적인 전략이 사용자에게 어떠한 향을 미치고, 이러한 사용자의 반응이

다시 그들의 기업 성과에 어떠한 향을 미쳤는지에 대해서는 상대적으로 등한시

해 오고 있습니다. 그에 따라 인터넷 비즈니스에 대한 연구도 인터넷 비즈니스에

대한 시장규모나 단순히 시장상황을 파악하는 조사 및 연구에 치우쳐 있으며, 소비

자 행동에 대한 실증적인 연구는 매우 부족한 상황입니다.

이러한 배경 하에 본 연구에서는 그 동안 미진했던 인터넷 비즈니스 소비자의 행

동 패턴에 대한 연구를 수행하고자 하 으며, 이를 위해 보다 객관적인 자료인 인

터넷 사용자의 패널 데이터를 통해 소비자의 인터넷 활용 방식을 분석하고자 하

습니다. 보다 구체적으로는 첫째, 인터넷 사용자 패널의 클릭스트림(clickstream) 자

료를 이용하여 일반적인 인터넷 사용자의 사이트에 대한 방문정도, 충성도 및 재방

2

문의 변화정도를 파악하 습니다. 둘째, 국내에서 상위권을 유지하고 있는 사이트

의 방문율과 고착도 등을 분석하여 국내 인터넷 기업의 문제점과 이의 해결방안에

대해 분석하 습니다. 셋째, 온라인 상점을 대상으로 하여 소비자들의 방문구매 전

환비율(visit purchase conversion rate)이 어떠하고, 어떻게 변화하고 있으며, 소비자의

특성에 따라 어떠한 차별성을 나타내는지를 연구하 습니다. 넷째, 대표적인 5개의

인터넷 비즈니스 업종에 대해 사이트 전환비용(switching cost)을 살펴봄으로써 전환

비용이 인터넷 비즈니스의 향후 경쟁에 미치는 향과 인터넷 기업의 올바른 전략

이 무엇인지에 대해 분석하 습니다.

그 결과 국내 인터넷 사용자들의 행동 패턴을 파악할 수 있는 의미 있는 결과가

도출되었습니다. 또한 개별 사이트의 유지율, 재방문율, 방문구매 전환비율, 사이트

전환(switching) 행태에 대한 연구를 통해 개별 사이트에 대한 소비자의 행동 패턴을

파악하여, 그 동안 인터넷 비즈니스 업계에서 진행해 오던 비즈니스 방식의 문제점

및 향후 개별 기업들의 지향해야할 비즈니스 방향도 제시하 습니다. 이처럼 본 연

구는 다양한 분야의 연구를 통해 인터넷 비즈니스 소비자의 행태를 다각적으로 분

석함으로서 향후 인터넷 비즈니스 업계나 정부의 정책을 설계하는 데 큰 도움이 될

것으로 판단됩니다.

본 연구는 본원 정보통신산업연구실 신일순 박사의 책임 하에 정부연, 김보은 연

구원의 공동연구로 이루어졌습니다. 저자들은 자료 제공에 힘써 주신 코리안클릭의

유도현 이사님, 신선교 팀장님과 이론적 분석 토론 및 결과물에 대한 냉철한 평가

를 해주신 김홍균 교수님, 이상원 교수님께 감사함을 표하고 있습니다. 이러한 연구

가 향후 보다 심도 있는 연구에 디딤돌이 되고, 정책입안자의 정책 결정에 귀중한

자료가 되기를 바랍니다.

2002년 12월

정보통신정책연구원

원 장 윤 창 번

서 언 3

목 차

서 언·····················································································································1

요약문···················································································································11

제 1장 서 론·····································································································19

제 2장 패널 데이터를 이용한 인터넷 활용정도 분석과 향후 인터넷시장의

경쟁에 대한 시사점················································································24

제 1절 서 론··································································································24

제 2절 집계적 데이터 측면의 인터넷 활용 현황···········································27

제 3절 인터넷 활용에 대한 궤도(trajectory)분석·············································32

1. 분석방법·····································································································32

2. 자 료·········································································································34

3. 결 과·········································································································38

4. 시사점·········································································································42

제 4절 개인별 사이트 전환(churning)분석·······················································44

1. 분석방법·····································································································46

2. 결과 및 시사점···························································································47

제 5절 향후 인터넷시장의 경쟁에 대한 시사점·············································48

제 6절 결 론··································································································52

제 3장 방문율과 고착도 측면에서 본 국내 웹사이트의 문제점 및 대응방안··54

제 1절 서 론··································································································54

제 2절 사이트 방문율(dominance)과 고착도(stickiness)의 개념························56

4

제 3절 상위 50위 웹사이트 방문율(reach rate)과 고착도(stickiness)의

측정 및 분석·······················································································60

1. 측정방법·····································································································60

2. 분석 결과····································································································62

3. 미국의 HomeNet 패널과의 비교·································································68

제 4절 사이트 재방문(revisit) 행태 분석·························································69

1. 측정방법·····································································································69

2. 결 과·········································································································70

제 5절 시사점 및 논의····················································································75

제 6절 결 론··································································································78

제 4장 패널데이터를 이용한 국내 온라인 상점의 방문구매 전환비율 분석····80

제 1절 방문구매 전환비율 측정 및 결정요인 분석········································80

1. 서 론·········································································································80

2. 방문구매 전환비율에 대한 특징적 사실들(stylized facts)···························81

3. 자 료·········································································································84

4. 종합쇼핑몰과 인터넷서점의 방문구매 전환비율········································86

5. 방문구매 전환비율의 결정요인 분석························································100

6. 결 론·······································································································103

제 2절 방문구매 전환모형에 관한 연구·······················································104

1. 서 론·······································································································104

2. 전환모형의 연구배경················································································105

3. 방문구매 전환모형····················································································107

4. 자료 설명··································································································115

5. 분석 결과··································································································118

6. 결 론·······································································································122

서 언 5

제 5장 인터넷 비즈니스의 전환비용에 대한 연구···········································124

제 1절 산업별 전환 흐름(switching flow) 분석·············································124

1. 서 론·······································································································124

2. 문헌연구····································································································126

3. 자 료·······································································································129

4. 산업별 사이트 전환에 대한 흐름 분석····················································133

5. 결 론·······································································································146

제 2절 기업별 전환비용의 측정 및 결정요인 분석······································147

1. 서 론·······································································································147

2. 자 료·······································································································148

3. 기존 사용자의 사이트 유지와 신규방문자 선택······································148

4. 기업별 사이트 전환비용(switching cost) 분석···········································154

5. 전환행태(switching behavior)의 결정요인 분석··········································163

6. 결 론·······································································································167

참고문헌··············································································································169

부 록·················································································································173

6

표 목 차

<표 2－1> 주요국의 초고속 인터넷 보급 및 보급가능 범위 현황···················28

<표 2－2> 변수 정의 ························································································35

<표 2－3> 인터넷 활용 변수의 기초 통계치·····················································36

<표 2－4> 시기에 따른 인터넷 활용 변수의 기초 통계치································37

<표 2－5> 추정 결과(그룹수와 다항식 차수에 대한 BIC기준)·························38

<표 2－6> 추정 결과(최우추정법을 이용한 계수 추정)····································38

<표 2－7> 그룹별 평균 방문사이트 수 ····························································39

<표 2－8> 그룹별 인구통계학적 특성·······························································40

<표 2－9> 예시(no churning and complete churning)···········································45

<표 2－10> 그룹별 사이트 전환(churning)··························································47

<표 3－1> 사이트의 성과(performance)와 관련한 측정치···································57

<표 3－2> 국내 50위 사이트 방문율과 고착도 ················································63

<표 4－1> 데이터 산출을 위한 종합쇼핑몰 페이지 카테고리··························85

<표 4－2> 종합쇼핑몰의 구매전환비율······························································87

<표 4－3> 인터넷서점의 구매전환비율······························································87

<표 4－4> 종합쇼핑몰의 기간별 구매전환비율·················································90

<표 4－5> 인터넷서점의 기간별 구매전환비율·················································90

<표 4－6> 종합쇼핑몰 및 인터넷서점의 기간별 구매전환비율의 결정요인·····92

<표 4－7> 종합쇼핑몰 연속방문자의 기간별 구매전환비율······························93

<표 4－8> 인터넷서점 연속방문자의 기간별 구매전환비율······························94

<표 4－9> 종합쇼핑몰 및 인터넷서점의 전체방문자 및 연속방문자의

구매전환비율의 변화율·····································································97

서 언 7

<표 4－10> 종합쇼핑몰 및 인터넷서점의 방문패턴과 방문구매 전환비율·······99

<표 4－11> 인구통계학적 변수 설명·······························································100

<표 4－12> 소비자 전환행태의 결정요인 분석················································102

<표 4－13> 데이터 산출을 위한 종합쇼핑몰 페이지 카테고리·······················116

<표 4－14> 본 연구에서 사용한 구매사이트···················································117

<표 4－15> 추정 결과······················································································118

<표 4－16> 몇 가지 경우에 있어 사이트별 구매확률·····································121

<표 5－1> 본 연구의 분석 대상 인터넷 비즈니스의 기업별 순방문자 및

도달율·····························································································132

<표 5－2> 종합쇼핑몰의 방문자 흐름······························································135

<표 5－3> 종합쇼핑몰 방문자의 유지율 및 전환율·········································135

<표 5－4> 인터넷서점의 방문자 흐름······························································136

<표 5－5> 인터넷서점 방문자의 유지율 및 전환율·········································136

<표 5－6> 음악정보 사이트의 방문자 흐름·····················································138

<표 5－7> 음악정보 사이트의 유지율 및 전환율············································138

<표 5－8> 검색포탈 사이트의 방문자 흐름·····················································139

<표 5－9> 검색포탈 사이트의 유지율 및 전환율············································139

<표 5－10> 커뮤니티포탈 사이트의 방문자 흐름············································140

<표 5－11> 커뮤니티포탈 사이트의 유지율 및 전환율···································141

<표 5－12> 사이트 유지율과 신규방문자 선택율의 점유율간의 상관관계·····148

<표 5－13> 기업별 전환비용············································································157

<표 5－14> 인구통계학적 변수 설명·······························································164

<표 5－15> 인터넷서점 및 종합쇼핑몰의 사이트 속성(능률협회컨설팅)········165

<표 5－16> 소비자 전환행태의 결정요인 분석················································166

8

그 림 목 차

[그림 2－1] 국내 인터넷 이용자 수 및 KR 도메인 수····································29

[그림 2－2] 국내 초고속 인터넷 이용 가구수·················································30

[그림 2－3] 가입자 기준 초고속인터넷 접속 기술점유율 추이·······················31

[그림 2－4] 그룹별 이용 궤도(trajectory)··························································40

[그림 2－5] 인터넷 이용자수와 개인별 활용도(2001년 1월＝100)··················42

[그림 2－6] 그룹별 방문 시간(duration time)····················································43

[그림 3－1] 국내 상위 50위 웹사이트의 방문율과 고착도······························65

[그림 3－2] 잔차 분석······················································································66

[그림 3－3] 미국의 방문율과 고착도·······························································69

[그림 3－4] 재방문율 추이···············································································72

[그림 3－5] 포탈 선두업체의 재방문율····························································73

[그림 3－6] 기타 업종의 선두업체의 재방문율················································74

[그림 4－1] 종합쇼핑몰 및 인터넷서점의 기간별 구매전환비율·····················91

[그림 4－2] 종합쇼핑몰 및 인터넷서점 연속방문자의 기간별 구매전환비율··95

[그림 4－3] 모수 k에 따른 방문효과······························································111

[그림 4－4] 구매기각치 효과의 동태적 변화·················································112

[그림 4－5] 구매기각치의 변화······································································113

[그림 5－1] 방문자 흐름(flow) 분석································································133

[그림 5－2] 인터넷 비즈니스별 유지율과 전환율··········································141

[그림 5－3] 산업특징, 방문 사이트 수, 최대방문 사이트의 방문빈도 및

전환율과 유지율··········································································143

[그림 5－4] 인터넷 비즈니스별 평균 방문사이트 수·····································144

서 언 9

[그림 5－5] 인터넷 비즈니스별 최대방문 사이트의 방문빈도·······················145

[그림 5－6] 업종별 평균 사이트유지율 및 신규방문자 선택율·····················149

[그림 5－7] 점유율과 전환비용간의 관계·······················································159

[그림 5－8] 업종별 평균 사이트유지율 및 신규방문자 선택율·····················162

요약문 11

요 약 문

제 1장 서 론

본 연구에서는 그 동안 국내의 인터넷 비즈니스와 관련한 논의에서 부족하 다고

생각되는 몇 가지 이슈를 반 하여 연구 방향을 설정하 다.

현행 인터넷 비즈니스에서 필요한 논의를 몇 가지 질의에 의해 살펴보면, 첫째,

‘집계적 데이터에 기초한 인프라의 측면’보다 개별 인터넷 이용자의 측면에서, 과연

인터넷 활용이 어떠한 모습을 나타내고, 이것이 어떠한 시사점을 가지는가? 둘째,

‘인터넷’의 매체적인 특성에 걸맞은 인터넷 비즈니스 기업의 전략에는 어떠한 것이

있고, 실제로 인터넷 비즈니스 기업이 이러한 전략을 적절히 사용하며 성과를 올리

고 있는가? 셋째, 구체적인 분석에 따른 신축성은 떨어지더라도 보다 객관적이고

정확한 자료를 이용할 수 있는가? 등이다.

이를 위해 본 연구에서는 인터넷 사용자 패널의 클릭스트림(clickstream) 자료를

이용하 으며 사용자 개인적인 차원에서 인터넷 활용과 국내 인터넷 사이트들이

사용자를 얼마나 잘 誘引하고 維持하는가에 대해 살펴보았다. 또한 온라인 상점을

대상으로 한 방문구매 전환비율(visit purchase conversion rate)과 인터넷 비즈니스의

사이트 전환비용(switching cost)에 대해 분석하 다.

제 2장 패널 데이터를 이용한 인터넷 활용정도 분석과

향후 인터넷시장의 경쟁에 대한 시사점

기존의 집계적인 데이터를 근간으로 분석할 경우 국내 인터넷 인구 및 인프라의

확충은 세계적인 수준이다. 그렇다면 개별 인터넷 사용자의 인터넷 활용정도는 어

12

떠한가? 본 장에서는 인터넷 사용자들의 패널 데이터를 이용하여 개인들의 인터넷

활용정도를 분석하는 것을 목적으로 하 다. 이를 위해 인터넷 사용자 패널들이 방

문한 사이트의 수에 대한 궤도 분석(trajectory analysis)을 통해 개인 차원에서 인터

넷 활용 정도를 살펴보았으며, 인터넷 이용자의 충성도를 살펴보기 위해 사이트 전

환(churning) 분석을 하 다. 또한 이러한 분석의 결과를 이용하여 향후 국내 인터넷

시장의 경쟁에 대한 시사점을 논의하 다.

분석 결과는 다음과 같다.

첫째, 집계적(aggregate) 데이터에서는 인터넷 사용이 계속해서 증가하는 모습을

나타내는데 비해 개인적인 차원에서 인터넷 활용은 이와는 상당히 다른 모습을 띄

는 것으로 나타났다. 활용정도에 따라 저이용, 중간이용, 고이용 그룹으로 나누어

살펴보면, 저이용, 중간이용 그룹은 활용도가 거의 일정한 반면, 고이용 그룹은 초

기 활용도 상승 이후 활용도가 점차적으로 저하되는 모습을 나타냈다.

둘째, 국내 인터넷 이용자는 방문 사이트 중 70∼80%를 거의 매주 방문하여 접속

하는 사이트가 매우 집중되어 있는 것으로 나타났다. 이는 미국과 비교할 때 매우

극명하게 나타난다.

셋째, 이러한 분석 결과로부터 인터넷 초기에 주장된 온라인에서의 ‘완전경쟁’의

가설은 향후 우회될 가능성이 많고, 업종 내 및 업종간의 경쟁이 상이한 모습으로

나타날 것으로 예측되었다.

제 3장 방문율과 고착도 측면에서 본 국내 웹사이트의

문제점 및 대응방안

초기 과열되었던 인터넷붐이 사라지면서 국내 인터넷 비즈니스는 자금조달의 어

려움, 인터넷의 매체적 특징을 반 한 신규기업의 진입 및 무료서비스에 익숙한 인

터넷 사용자 등의 외부적인 환경요인을 그들의 수익부재에 대한 문제점으로 지적

하 으며, 이에 대한 해결에 대해 논의하여 왔다. 그러나 가장 근본적인 인터넷 비

요약문 13

즈니스의 성공요인으로 볼 수 있는 사용자의 유인과 유지에 대한 기업전략이 어떠

한 성과를 거두고 있는지에 대한 논의는 상대적으로 부족하 다. 본 장에서는 인터

넷 사용자들로 이루어진 패널 데이터를 이용하여 국내 웹사이트들이 이용자를 얼

마나 誘引하고 維持하는지 분석하는 것을 목적으로 하 다. 이를 위해 2000년 12

월부터 2002년 2월까지의 자료를 이용하여 사이트별 방문율(dominance)과 고착도

(stickiness) 및 재방문율(revisit rate)을 측정하 다.

분석 결과는 다음과 같다.

첫째, 국내에서 방문율과 고착도는 거의 선형관계로 나타나 양자의 관계가 타원

형으로 나타나는 미국과는 다른 특징을 보이고 있다. 後者의 경우 인터넷 비즈니스

의 사용자 유지에 대한 노력이 어느 정도 가시화되어 이에 성공한 사이트와 그렇지

못한 사이트가 존재하는 상당히 동태적인 상황을 나타낸다. 그러나 방문율과 고착

도가 선형관계로 나타나는 前者의 경우는 양 측정치가 동시에 높은 몇몇 사이트를

제외하고 특별하게 성공적인 사이트가 존재하지 않는 것으로 해석될 수 있다.

둘째, 고착도가 상대적으로 높은 몇 개의 사이트의 경우, 사이트의 노력보다는 업

종의 특성을 주로 반 하는 것으로 나타났다. 구체적으로 고착도가 높은 사이트는

방송국, 신용카드사 및 스포츠신문 등으로 나타났다.

셋째, 재방문율을 측정한 결과 사이트의 접속자가 많아지더라도 일반적으로 구매

력과 충성도가 떨어진다고 해석되어지는 신규방문자의 비중이 높아지고, 구매력과

충성도가 높은 재방문자의 비중은 시간이 지남에 따라 감소하는 것으로 나타났다.

넷째, 이러한 결과가 초래된 원인으로 국내 인터넷 기업이 기존의 고객에 비해 신

규고객에 치중한 마케팅을 하여온 점과 인터넷 사이트의 평가에서 회원수 및 방문

자수를 중시한 점 등을 지적하 고, 사이트 이용의 편이성, 개인화(personalization)

및 컨텐츠의 확충 등을 이에 대한 해결방안으로 제시하 다.

14

제 4장 패널데이터를 이용한 국내 온라인 상점의 방문구매

전환비율 분석

기존의 클릭스트림(clickstream) 자료를 이용한 분석은 대체로 방문(visit)에 대한

분석에 치중하여 왔다. 그러나 온라인 상점의 경우 단순한 방문 여부보다는 구매

여부, 또는 방문과 구매의 연관관계에 대해 살펴보는 것이 중요하다. 또한 인터넷의

매체적인 특징을 반 하여 오프라인에 비해 온라인에서 방문이 구매로 전환되는

비율이 매우 낮은 만큼 산업별로 또한 기업별로 이 비율이 어떻게 결정되고 변화하

는지를 살펴보는 것이 중요한 과제가 된다.

제 1절 방문구매 전환비율 측정 및 결정요인 분석

본 절에서는 2002년 4월부터 9월까지 인터넷 사용자의 패널 자료를 이용하여 국

내 온라인 상점 10곳에 대한 방문, 구매 자료를 추출하여 각각의 방문구매 전환비

율, 기간별 변화, 연속방문자를 대상으로 하는 경우의 방문구매 전환비율, 방문패턴

과 구매 전환비율 및 방문구매 전환비율의 결정요인 등을 살펴보았다.

주요 결과는 다음과 같다.

첫째, 온라인서점이 종합쇼핑몰에 비해 약 3.6%p 높은 방문구매 전환비율을 나타냈

고, 방문자기준 1위점유율업체(엘지이샵, 예스24)가다른 업체에비해각각약 3%p

정도 높은 방문구매 전환비율을 나타내고 있다. 이를 통해 방문자수만을 기준으로

삼는 것에 비해 방문자 당 구매횟수가 높은 1위 업체의 매출이 하위업체에 비해 상

당히 높다는 것을 추론할 수 있다.

둘째, 전체 방문자를 대상으로 하는 경우 종합쇼핑몰은 시간이 지남에 따라 방문

구매 전환비율이 대체로 감소하나, 인터넷서점은 증가하는 것으로 나타났다. 그러

나, 연속방문자만을 대상으로 한 결과 종합쇼핑몰과 인터넷서점 모두에서 시간이

지남에 따라 방문구매 전환비율이 감소하는 것으로 나타났다. 연속방문자를 대상으

요약문 15

로 방문구매 전환비율이 감소한다는 사실로부터 향후 온라인 상점의 수익성에 불

리한 여건을 작용할 가능성이 높음을 알 수 있다.

셋째, 방문패턴과 방문구매 전환비율의 관계는 다음과 같다. 방문을 많이 하는 사

람이 방문을 적게 하는 사람에 비해 방문구매 전환비율이 높게 나타난 반면, 방문

이 증가하는 그룹이 감소하는 그룹에 비해 미약하게나마 방문구매 전환비율이 높

게 나타났다.

넷째, 방문구매 전환비율의 결정요인을 분석해 본 결과, 종합쇼핑몰과 인터넷서

점 모두에서 컨텐츠 및 고객서비스 등의 변수가 유의미하게 나타났고, 종합쇼핑몰

에서는 여성이 남성에 비해 방문구매 전환비율이 높으며, 인터넷서점에서는 방문횟

수 증가에 따라 평균체류시간이 적은 사람에서 방문구매 전환비율이 높은 것으로

나타났다.

제 2절 방문구매 전환비율 측정 및 결정요인 분석

본 절에서는 클릭스트림 자료를 이용하여 방문과 구매 데이터를 상호 연결시켜

고려하며 이를 온라인 상점의 특성에 따른 차이점까지 포함함으로써 전환모형의

연구 확장을 하는데 의의를 두고 있다. 이를 위해 Moe and Fader(2001)에서의 방문

과 구매에 대한 전환모형(conversion model)을 기초로 국내의 데이터를 이용하여 실

증적으로 분석하 다.

이에 부가하여 본 연구는 Moe and Fader(2001)와 다음과 같은 점에서 차별화된다.

Moe and Fader(2001)에서는 그들이 제시한 모형이 기존에 사용하 던 모형에 비해

방문구매 전환에 대한 데이터를 얼마나 잘 설명하는가에 중점이 맞추어져 있다. 따

라서 그들은 Amazon의 자료만을 가지고 기존의 여러 가지 모형의 결과와 그들의

전환모형의 실제 데이터에 대한 적합성을 주로 검토하 다. 본 연구가 그들의 연구

와 차별화되는 점은 여러 가지 온라인 상점, 즉 인터넷 서점 2곳(yes24, 교보문고)과

종합쇼핑몰 2곳(엘지이샵, 다음쇼핑)을 대상으로 하여 각 업체간에 소비자들이 어

떻게 구매전환 행태 및 요인을 달리하고 있는지에 대한 분석을 주요 연구대상으로

16

삼았다는 점이다.

주요 결과는 다음과 같다.

첫째, 인터넷서점의 경우 방문자 기준 점유율 1위 업체인 예스24는 신규소비자의

구매 혹은 충동구매를 반 하는 기본적 구매 확률(baseline purchase probability)에서

는 교보문고보다 우위에 있으나, 방문이 누적하여 지속됨에 따라 구매가 발생하는

정태적, 동태적 방문효과(visits effect)에서는 교보문고보다 열위에 있음이 밝혀졌다.

구매기각치 효과(threshold effect)에서는 소비자들이 구매를 꺼려하는 정도가 초기에

는 예스24에서 더 낮았으나 시간이 지남에 따라 비슷해지고 있다.

둘째, 종합쇼핑몰의 경우도 인터넷서점과 대체로 유사한 결과가 도출되었다. 즉

점유율 1위 업체인 엘지이샵이 신규방문자 구매 또는 충동구매에서 다음쇼핑에 비

해 우위에 있으나 방문효과에서는 열위에 있는 것으로 밝혀졌다. 구매 기각치 효과

는 인터넷서점과는 반대로 소비자들이 구매를 꺼려하는 정도가 초기에는 엘지이샵

에서 더 낮았으나 시간이 지남에 따라 역시 비슷해지고 있다.

이를 통해 통상적으로 인지되는 것과는 달리 국내에서 소비자의 방문 유치에 가

장 성공적인 점유율 1위 업체는 그러한 소비자들을 계속적으로 유지하여 축적적으

로 구매로 유도하는 식보다는 과거의 방문경험이 없는 신규방문자들의 구매를 통

해 수익을 창출하고 있는 것으로 나타났다.

제 5장 인터넷 비즈니스의 전환비용에 대한 연구

전환비용(switching cost)은 소비자가 상품, 서비스 또는 판매자를 교체하는 경우에

발생하는 비용이다. 일반적으로 전환비용은 상품의 속성, 소비자의 특징, 기업의 전

략 등 여러 가지 요인에 의해 발생한다. 기업의 입장에서는 소비자의 전환비용을 높

이는 전략을 취함으로써 가격경쟁을 약화시키고, 선도자의 이익(first mover’s advan-

tage)을 유지하며, 이를 통해 궁극적으로 초과이윤을 누리려고 할 것이다. 그러나 인

터넷의 매체적 특징에 따라 이러한 기업의 전략에도 불구하고 소비자의 전환비용

요약문 17

이 매우 낮다면 기업의 입장에서는 그리 매력적인 시장이 되지 못할 것이다. 즉, 전

환비용과 관련하여 인터넷은 그 특성에 따라 소비자의 전환을 용이하게 하는 측면

이 기존의 거래형태와 비교하여 매우 강력해지는 데에 비해, 기업들은 광고, 판촉

등의 기업전략을 사용하여 소비자의 전환비용을 인위적으로 높이려는 유인이 존재

한다. 이렇듯 인터넷 경제에서 전환비용이 중요해짐을 반 하여 Shapiro and Varian

(1998)은 “인터넷 경제에서 전환비용(switching cost)에 대한 측정 및 이해 없이는 효

과적으로 경쟁할 수 없다”라고 말한 바 있다. 이하에서는 인터넷 사용자의 전환 행

태 및 이에 따른 인터넷 비즈니스의 전환비용에 대해 분석한다.

제 1절 산업별 전환 흐름(switching flow) 분석

본 절에서는 인터넷 경제에서 그 중요성이 더해지는 전환비용에 대해 5개 업종의

국내 인터넷 비즈니스를 대상으로 사용자 패널의 클릭스트림(clickstream) 자료를 이

용하여 실증적으로 분석하는 것을 목적으로 하 다. 산업별 전환행태를 분석하기

위해서 방문자의 흐름(flow)을 이용하여 산업내의 개별 사이트에 대한 전환율과 유

지율을 측정하 으며, 산업별 차이에 대한 절대적인 기준치를 고려하기 힘든 상황

에서 방문자의 평균 방문사이트 수 및 최대 방문사이트의 방문횟수가 산업별 차이

를 내재적으로 반 하는 변수로 판단하여 이러한 변수와 유지율 및 전환율과의 관

계를 살펴보았다.

주요 결과는 다음과 같다.

첫째, 방문자의 흐름(flow)을 이용하여 어떠한 산업에서 사용자 유지가 높은 지를 살

펴보았는데, 즉, 순유지율(유지율－전환율)을 측정한 결과, 커뮤니티 포탈(55%p), 검

색포탈(47.4%p), 음악정보사이트(23.1%p), 인터넷서점(13.6%p), 종합쇼핑몰(-15.8%p)

의 순서로 산업별 차이를 나타내었다. 이에 대해 각각의 산업별 특성을 고려한 질

적인 설명을 시도하 다.

둘째, 방문자의 평균 방문사이트 수가 적은 산업일수록, 또한 최대 방문사이트의

방문횟수가 많은 산업일수록 전환율이 작게 나타났다.

18

제 2절 기업별 전환비용의 측정 및 결정요인 분석

본절에서는소비자선택이론을근거로기업별인터넷비즈니스의전환비용(switch-

ing cost)을 측정하고, 그 결정요인에 대해 살펴보는 것을 목적으로 하 다. 전환비

용의 측정을 위해서는 확률적 효용 모형(random utility model)을 이용하 으며, 결정

요인 분석을 위해서는 로짓(logit)모형을 이용하 다.

분석의 주요 결과는 다음과 같다.

첫째, 점유율과 사이트 유지율 및 신규방문자의 선택간의 관계를 살펴본 결과, 신

규방문자의 선택은 대체로 기존의 방문자수를 기준으로 한 사이트 점유율과 접

한 연관관계가 존재하나, 사이트 유지율은 산업별로 상이한 결과가 도출되었다. 특

히 종합쇼핑몰 및 검색포탈의 경우는 점유율 하위사이트가 오히려 사용자의 유지

가 높은 결과가 도출되어 향후 사업구도에 동태적인 변화가 발생할 것으로 예측되

었다.

둘째, 확률적 효용 모형(random utility model)을 변형한 모형을 이용하여 기업별 전

환비용을 측정한 결과 점유율과 역의 관계가 있는 것으로 나타났다. 이는 산업별

상위업체가 신규방문자의 유치에 비해 기존의 방문자 유지 측면에서 실패를 거두

고 있음을 반 하거나, 신규방문자의 선택과 사이트 유지자의 선택과의 차이가 전

환비용의 존재에만 의존한다고 가정한 모형의 한계를 반 한 것으로 해석되었다.

셋째, 사용자의 전환행태를 로짓(logit) 모형을 이용하여 분석한 결과, 종합쇼핑몰

의 경우는 성별과 평균 체류시간이 유의미한 결정변수로 나타났고, 인터넷서점의

경우는 나이만이 유의미한 결정변수로 나타났다. 이러한 결과를 통해서 국내 인터

넷기업들이 의도적으로 사용자의 전환비용을 증가시키는 전략에 대체로 실패하고

있는 것으로 판단된다.

제 1장 서 론 19

제 1장 서 론

우리나라에서 인터넷 비즈니스가 시작된 지도 벌써 5년 이상이 지났다. 그 동안

인터넷 비즈니스는 초기의 어느 정도 과열된 성장기를 지나 성숙기에 접어들기도

전에 닷컴 붐의 하락과 디지털경제를 선도하던 미국의 경기침체가 겹쳐 혹독한 시

련을 맞아 왔다. 이에 따라 90년대 후반에 모든 미디어를 화려하게 장식하던 ‘디지

털경제(digital economy)’및 ‘신경제(new economy)'에 대한 논의는 더 이상 우리 사회

에 화두가 되지 못하고, 초기 장밋빛 미래가 예측되었던 인터넷 비즈니스는 거품의

붕괴에 따른 사회적 악 향 측면만이 주로 부각되고 있다. 최근 들어 각 인터넷 비

즈니스 업종별로 소수의 대표기업이 수익을 올리는 현상이 발생하는 등 변화의 조

짐이 보이고 있지만 아무래도 초기의 성장에 대한 예상치를 밑도는 게 사실이다.

그런데, 이렇게 발전해 온 국내 인터넷 비즈니스에 대해 이를 바라보는 이해당사

자의 시각에는 약간의 차이가 있고 또한 각기 문제를 내포하고 있는 것으로 판단된

다. 첫째, 정책당국은 인터넷 비즈니스 자체보다도 인터넷 사용, 특히 초고속 인터

넷서비스 제공을 위한 인프라의 확충에 초점을 두어 정책을 펴고 성과를 강조하고

있다. 즉 초고속 가입가구, 인터넷 사용인구 등의 집계적(aggregate) 자료를 이용하

여 우리나라가 세계적으로 잘 정비되고 확충된 인프라를 가지고 있음이 강조되고

있다. 이러한 정책당국의 문제점은 인터넷 사용자 개개인이 인터넷을 얼마나 잘 활

용하고 있는가에 대한 질문과 분석이 결여되고 있다는 점이다. 인프라가 잘 갖추어

져도 사람들이 잘 활용하지 않는다면 의미가 없는 투자일 것이고, 시간이 지남에

따라 인터넷 사용자 증가가 둔화되면 경제적으로 의미 있는 변수는 ‘얼마나 많은

사람’이 사용하는가보다 ‘얼마나 잘’사용하는지에 대한 여부인 바, 後者를 분석하

기 위해서는 사용자 개개인의 활용 행태를 분석하는 것이 필수적인 과제이다.

둘째, 인터넷 비즈니스 기업들은 전반적으로 퇴보하고 있는 시장상황을 버블의

20

붕괴에 따른 자금조달의 어려움 등의 외생적 환경요인에 기인하는 것으로 보는 경

향이 있다. 또한 인터넷 비즈니스 기업은 신규 기업의 진입이 쉽다는 인터넷의 매

체적인 특성에 따라 발생하는 치열한 경쟁과 국내 인터넷 사용자들이 무료 서비스

에 너무 익숙해져 있어 유료 서비스나 유료 컨텐츠를 도입하기가 어려운 점을 지적

하고 있기도 하다. 이러한 시각의 문제는 지금의 시장상황을 인터넷 비즈니스 기업

의 전략과 노력 및 이에 따른 결과라는 당연한 논리를 잊기 쉽다는 점이다. 많은 경

우에 인터넷 비즈니스 기업들은 ‘비즈니스 모델’에만 관심을 기울이며, 그들의 구체

적인 전략이 사용자에게 어떠한 향을 미치고, 이러한 사용자의 반응이 다시 그들

의 기업 성과에 어떠한 향을 미쳤는지에 대해서는 상대적으로 등한시해 왔다.

셋째, 연구계에서는 정부발주 과제의 경우 시장 규모 조사, 시장 상황 분석, 정책

방안 연구 등 매우 규범적인 이슈에 치우쳐 왔고, 일반적인 실증연구의 경우는 가

격, 상품 정보 등 객관적인 데이터의 입수가 용이한 부문과 객관적인 데이터의 입

수가 어려운 사용자 및 소비자 부문은 설문 자료를 이용하여 분석하여 왔다. 前者

의 경우 문제점은 온라인과 오프라인의 차이점에 대해 필요한 고려 없이 연구가 진

행될 가능성이 있다는 점과 인터넷 사용자 및 전자상거래 소비자들이 어떠한 행동

을 보이는지를 감안하지 못할 가능성이 있다는 점이다. 後者의 경우는 입수 가능한

객관적인 데이터가 부족하여 설문자료의 편향성에 따라 실증적인 연구의 현실성이

떨어질 수 있다는 점이다.

이러한 인터넷 비즈니스에 대한 각계의 시각에서 도출되는 사실은 현 시점에서

다음과 같은 질문과 분석이 필요하다는 것이다. 첫째, ‘집계적 데이터에 기초한 인

프라 확충의 강조’보다는 과연 개개인의 인터넷 활용이 어떠한 모습을 나타내고, 이

것이 어떠한 시사점을 가지는가? 둘째, ‘인터넷’의 매체적인 특성에 걸맞은 인터넷

비즈니스 기업의 전략에는 어떠한 것이 있고, 실제로 인터넷 비즈니스 기업이 이러

한 전략을 적절히 사용하며 성과를 올리고 있는가? 셋째, 구체적인 분석에 따른 신

축성은 떨어지더라도 보다 객관적이고 정확한 자료를 이용할 수 있는가? 등이다.

본 연구는 이러한 질문에 답하려는 목적으로 쓰여졌다. 구체적으로 첫째, 인터넷

제 1장 서 론 21

사용자 패널의 클릭스트림(clickstream) 자료를 이용하여 자료의 객관성 확보를 시도

하 다. 이러한 데이터는 인터넷 조사업체가 전체 인터넷 사용자 인구를 적절히 반

하도록 자체적으로 구성한 사용자 패널의 개개인의 컴퓨터에서 보내오는 정보를

기반으로 한다는 점에서 설문자료보다 강점이 있다고 판단하 다. 또한 이러한 클

릭스트림 데이터는 개개인의 인구통계학적인 변수와 결합되어 개인의 이질성(het-

erogeneity)을 고려한 분석에 매우 적합하다는 장점이 있다.

둘째, 이러한 자료를 이용하여 인프라의 준비성(readiness)에 대한 분석보다 사용

자 개인적인 차원에서 인터넷 활용이 어떠한 모습으로 나타나고 있고, 이를 어떻게

그룹화할 수 있으며, 이러한 모습이 집계적인 차원에서의 인터넷 활용과 어떠한 차

이점을 보이는가? 또한, 인터넷 이용자들이 시간에 따라 사이트를 방문하는 정도가

어떻게 변화하고 있으며, 인터넷 이용자의 사이트에 대한 충성도는 어떠한가? 등을

제2장에서 다루었다.

제3장에서는 인터넷 비즈니스의 측면에서 성과를 검토하 다. 즉, 국내 인터넷 사

이트들이 사용자를 얼마나 잘 誘引하고 維持하는가에 대해 살펴보기 위해 국내 상

위 50위 웹사이트에 대해 사이트 방문율(reach rate, dominance)과 고착도(stickiness)

를 분석하 고, 특정 사이트에 방문하는 사람들 중 재방문자의 비중이 시간이 지남

에 따라 어떻게 변하는지를 분석하 다.

셋째, 인터넷 비즈니스에 특유한 기업 전략적인 문제와 그러한 것이 사용자에게

어떻게 향을 미쳐 성과를 나타내는지를 분석하 다. 이를 위해 제4장에서는 클릭

스트림 데이터를 이용해 방문과 구매를 추출하여 온라인 상점을 대상으로 한 방문

구매 전환비율(visit purchase conversion rate)에 대해 분석하 다. 구매로의 전환이

자료에서 어떻게 나타나고 있고, 이 비율이 방문자의 특성과 방문 패턴과 어떠한

관계가 있는지 살펴보았으며(제1절), 구매에 대한 모형을 구매요인별로 분해하여

구성하고, 실제 데이터를 이용하여 구매요인별 확률분포의 모수값을 추정해 보았다

(제2절).

오프라인에 비해 인터넷의 매체적인 특징상 사이트 전환이 인터넷 비즈니스에 시

22

사하는 점이 매우 중요한 바, 제5장에서는 대표적인 5개의 인터넷 비즈니스 업종에

대해 사이트 전환비용(switching cost)에 대해 분석하 다. 업종별로 사이트 전환의

차이점과 기업별로 전환비용의 측정 및 사용자의 전환행태 결정요인에 대해 분석

하 다.

전반적인 분석결과는 다음과 같이 요약된다.

첫째, 집계적인 데이터에서 나타나는 인터넷 사용인구나 인프라의 확충정도에 비

해 개별 사용자의 인터넷 활용의 정도는 시간이 지남에 따라 감소하고 있는 것으로

나타났다. 더욱이 사용자의 인터넷 활용행태가 인터넷 사용 시간이 감소함에 따라

접속하는 사이트의 수가 소수의 사이트에 집중하는 현상이 발생하고 있다. 이러한

분석은 최근 발생하고 있는 업종별 대표기업의 수익성 향상 현상 및 향후 인터넷

기업의 경쟁 구도 등과 접히 연관되어 있다.

둘째, 사이트의 측면에서 사용자 유인 및 유지에 대해 어느 정도의 성과를 올리고

있는지를 살펴본 결과 상위 50위 사이트들이 대체로 사용자의 유인에는 성공을 거

두고 있지만 사용자 유지에는 만족할 만큼의 성과를 거두지 못하고 있는 것으로 나

타났다. 즉, 사용자의 재방문 유도를 성공적으로 하지 못하고 있는 것으로 나타나,

향후 국내 사이트는 구매력과 충성도가 상대적으로 높은 재방문자의 유지를 위해

사이트 편의성, 컨텐츠 보완, 개인화 등에 힘을 기울여야 할 것으로 지적되었다.

셋째, 전반적으로 국내 온라인 상점에서는 업종별 대표기업이 높은 방문구매 전

환비율이 가진다는 것과, 방문횟수가 많은 사용자나 방문횟수가 증가하는 사용자가

그렇지 않은 사람에 비해 구매할 확률이 높아지는 것이 발견되었다. 그러나 좀 더

자세히 살펴보면 대표기업의 경우 구매자 중 신규방문자나 전자상거래에 경험이

없는 사람의 충동구매가 큰 비중을 차지하고 있어, 구매전환이 재방문자에 의해 이

루어지는 통상적인 구조와는 다른 특징을 가지고 있는 것으로 나타났다. 이러한 특

징은 국내 온라인 상점의 대표기업은 구매에서도 방문에서처럼 재방문자 유지 및

이를 통한 구매 창출에 대체로 실패하고 있는 것을 반 한다.

넷째, 국내 인터넷 비즈니스는 업종별로 사용자의 사이트 전환(switching) 행태가

제 1장 서 론 23

매우 다른 것으로 나타났다. 이러한 업종별 차이를 예측할 수 있는 변수로 사용자

의 평균 방문사이트 수와 최대 방문사이트의 방문횟수를 제시하 다. 즉, 방문자의

평균 방문사이트 수가 적은 산업일수록, 또한 최대 방문사이트의 방문횟수가 많은

산업일수록 사이트 전환율이 작게 나타났다. 특징적인 사실은 기업별 전환비용이

점유율과 역의 관계가 있는 것으로 나타난 점과 온라인 상점의 전략을 표현하는 변

수가 전환행태를 결정하는 데에 거의 작용을 하고 있지 못하다는 점으로, 이러한

결과를 통해 국내 인터넷 기업들이 의도적으로 사용자의 전환비용을 증가시키는

전략에 대체로 실패하고 있는 것으로 판단된다.

24

제 2장 패널 데이터를 이용한 인터넷 활용정도 분석과

향후 인터넷시장의 경쟁에 대한 시사점

제 1절 서 론

기존의 인터넷 활용과 관련한 통계는 대부분 인터넷 이용자수, KR 도메인수 및

초고속 가입가구 등의 집계적(aggregate) 통계이다. 이러한 집계적인 통계치를 이용

하여 살펴볼 수 있는 국가 전체적인 인터넷 이용의 측면에서 우리나라는 최근 세계

적으로 매우 뛰어난 성과를 거두고 있다. 특히 초고속(broadband) 인터넷 보급율은

세계에서 1위를 기록하고 있으며, 이러한 초고속 인터넷의 성공에 대해 한국을 벤

치마킹하는 국가들도 다수 존재한다. 그런데 인터넷 활용 정도를 살펴보기 위해서

는 이러한 집계적 변수를 이용한 국가 전체적인 인터넷 이용의 모습을 분석하는 것

이외에도 개인차원에서의 인터넷 활용도를 분석하는 것이 필요하다. 극단적인 예로

인터넷 이용 인구에는 속하나 실제로 거의 인터넷을 접속하지 않거나 인터넷을 제

대로 활용하지 않는 개인이 대다수라면 보급은 매우 뛰어나나 실제 활용이 제대로

되지 않는 상태이고, 이는 집계변수에 기초한 국가 전체적인 인터넷 활용의 모습과

는 사뭇 다른 상황을 나타내는 것이다. 개인 차원에서 인터넷 활용에 대한 분석이

필요한 또 다른 이유는 인터넷 사용자수의 양적인 증가가 거의 포화상태로 접어든

현 시점에서 단순히 인터넷 사용여부보다는 인터넷 활용의 질적인 정도가 향후 인

터넷 비즈니스 및 전자상거래 등의 미래를 예측하는 데에 더욱 중요한 변수가 될

것이라고 판단되기 때문이다.

한편 인터넷에서는오프라인에서와달리탐색비용(search cost)이 매우낮고, 또한 자

신에 맞는 사이트를 옮기는 데에 ‘클릭 한번’이면 충분할 정도로 전환비용(switching

cost)이 낮다는 특징이 존재한다. 이러한 특징 때문에 인터넷 발전의 초기에는 인터

제 2장 패널데이터를 이용한 인터넷 활용정도 분석과 향후 인터넷시장의 경쟁에 대한시사점 25

넷이 ‘완전경쟁’을 야기할 것이라는 주장이 제기되기도 하 고(Kuttner; 1998, Bryn-

jolfsson and Smith; 2000), 온라인 시장에서는 오프라인 사업자가 누리던 장소적 이

점을 무력화시키고 소규모 사업자도 충분히 경쟁할 수 있도록 하므로 인터넷이 ‘위

대한 동등자(great equalizer)’라고 표현하기도 하 다(Borland; 1998). 그러나 몇몇 실

증적인 연구에서는 이러한 주장이 반박되고 있다. 온라인 시장에서 브랜드의 중요

성에 따라 가격분산이 오히려 오프라인보다 큰 경우가 흔히 발견되고(Brynjolfsson,

Bailey, and Smith; 2000), 인지도가 있는 쇼핑몰들이 적지 않은 가격 프리미엄을 누

리며(Brynjolfsson and Smith; 2000), 쇼핑몰의 구조도 가격변화에 민감하고 저가전략

을 취하는 업체와 인지도가 있는 업체의 이중구조 형태를 취하고 있는 것으로(신일

순, 조장형; 2002) 밝혀지고 있다. 이러한 연구는 주로 전자상거래 사이트를 대상으

로 하고 있으므로 좀더 광범위한 인터넷 사이트의 경쟁여부의 판단하기에는 다소

간의 미흡함이 존재한다. 물건을 구매하는 소비행위에서 온라인과 오프라인의 차이

는 판매방식의 차이일 뿐, 소비자의 입장에서는 기존의 경제원리가 동일하게 적용

된다. 오히려 인터넷이 등장함에 따라 새로이 발생한 온라인 상의 서비스에 대한

소비자의 행동을 분석함으로써 인터넷 사이트의 향후 경쟁을 예측하는 것이 필요

하다고 판단된다. 이러한 새로운 서비스의 경우 인터넷 기업의 수익이 대부분 접속

자의 수와 연관성이 높은 광고나 컨텐츠의 판매에 의존하기 때문에 이러한 분석이

필요하다. 즉, 인터넷 비즈니스의 전반적인 경쟁상황을 예측하기 위해서는 온라인

상점의 가격 데이터나 온라인 소비자의 지불 데이터뿐만 아니라 개인적인 측면에

서의 인터넷 접속 및 활용행태에 대한 데이터의 분석이 필요하다.

그런데 개인적인 차원에서 인터넷 활용행태를 분석하기 위해서는 집계적 데이터

와는 다른 형태의 자료를 필요로 한다. 기존의 집계적 데이터 중 인터넷 이용자수

와 이용시간 등의 자료는 전체 인구를 모집단으로 하여 적절한 표본추출을 통해 서

베이(survey) 방식으로 수집하고, 도메인수는 사용자가 한국인터넷정보센터에 등록

한 도메인의 합산으로 수집한다. 반면 초고속가입자수는 초고속인터넷접속서비스

를 제공하는 통신사업체가 제공한 데이터를 합산하여 발표하고 있다. 이러한 집계

26

적 통계는 인터넷 활용에 대한 국가 단위의 전반적인 모습을 그리는데는 유효한 지

표이나 개인 차원에서 인터넷 활용을 어떻게 하는지에 대해서는 응답자의 주관적

인 대답에 전적으로 의존하게 된다. 이러한 서베이의 주관성에 따라 개인적인 차원

에서 인터넷의 활용행태에 대한 연구는 대부분 인터넷 사용자들의 패널 데이터를

이용하는 것이 일반적이다.

인터넷 사용자패널데이터는인터넷 시장조사 업체에의해수집되는데, 이러한 업

체는 인구통계학적인 구성에 따라 인터넷 사용자의 패널을 구축한 뒤 이들이 가지

고 있는 PC에 특정한 조사 소프트웨어를 설치하고 웹서핑 내역을 조사업체의 서버

에전달하여저장하는방식을사용한다. 인터넷이용자의 패널 데이터는서베이 방식

에 비해 다양한 사용자의 인구통계학적인 정보를 얻을 수 있다는 점과 클릭(click)

을 통해 나타나는 객관적인 이동경로에 대한 정보를 얻을 수 있는 점이 장점으로

지적되고 있다. 이에 비해 사이트의 이동 또는 방문에 대한 자료는 쉽게 수집 가능

하나 구매 개수, 커뮤니케이션의 내용 등 사이트 내에서의 활동에 대한 자료는 입

수가 불가능하다는 단점도 가지고 있다. 온라인 패널 자료를 이용한 예로는 Mont-

gomery(1999)와 Johnson et al.(2000)을 들 수 있는데, 이들은 미국의 인터넷 조사업체

인 Media Metrix의 자료를 이용하여 각각 미래 웹 사용 정도의 예측 및 소비자들의

탐색 정도를 연구하 다. 또한 Christ et al.(2001)은 미국 카네기멜론 대학의 Home-

Net Project에서 수집된 데이터를 이용하여 인터넷활용정도에 대해 연구한 바 있다.1)

본 연구에서는 국내 인터넷 조사업체인 (주)코리안클릭으로부터 제공된 패널 데

이터(2000년 12월부터 2002년 2월까지 총 511명의 패널의 월간 및 주간자료)를 이

용하여 개별 인터넷 사용자의 측면에서 인터넷 활용행태에 대해 다음의 두 가지 질

1) 인터넷 활용 이외에도 인터넷 사용자 패널은 다양한 연구 토픽을 위해 사용되고 있

다. 예를들어, Chen and Hitt(2001)은 Media Metrix의 분기별자료를 이용하여 전환비

용(switching cost)에대해분석한바 있고, Moe and Farder(2001) 역시 Media Metrix의

일별 자료를 이용하여 방문－구매 전환 모형(visit-purchase conversion model)을 분

석한 바 있다.

제 2장 패널데이터를 이용한 인터넷 활용정도 분석과 향후 인터넷시장의 경쟁에 대한시사점 27

문을 분석하는 것을 목적으로 하 다. 첫째, 개인적인 차원에서 인터넷 활용이 어떠

한 모습으로 나타나고 있고, 이를 어떻게 그룹화할 수 있으며, 이러한 모습이 집계

적인 차원에서의 인터넷 활용과 어떠한 차이점을 보이는가의 문제이다. 둘째, 인터

넷 이용자들이 시간에 따라 사이트를 방문하는 정도가 어떻게 변화하고 있으며, 인

터넷 이용자의 사이트에 대한 충성도는 어떠한가의 문제이다. 이러한 분석을 토대

로 인터넷 시장에서의 향후 경쟁정도에 대한 예측을 수행하는 것이 본 연구의 세

번째 목적이다.

각 이슈를 분석하기 위해 사용된 방법은 다음과 같다. 첫째, 개인적 차원의 인터

넷 활용에 대한 전반적인 모습을 살펴보기 위해서는 사용자의 인터넷 이용 궤적(tra-

jectory)에 대해 준모수(semi-parametric), 그룹기반(group-based)의 추정방법을 사용하

다. 둘째, 시간에 따른 인터넷 활용의 변화 및 인터넷 이용자의 사이트 충성도를

살펴보기 위해서는 사이트 전환(churning) 분석을 이용하 다.

제 2절 집계적 데이터 측면의 인터넷 활용 현황

양적인 측면에서 볼 때 국내 인터넷은 인터넷 사용자수, 이용시간, 초고속 인터넷

보급률 등에서 괄목할 만한 성장을 이루었고, 전 세계적으로도 몇 가지 기준에서는

‘세계 1위’를 기록하고 있다.

2002년 6월현재국내인터넷이용자수는 2,565만명으로이는전체인구의약 54%

에 해당되며, 초고속 인터넷 가입가구는 921만으로 전체 가구의 약 64%가 가입한

셈이다. 과거의 인터넷 이용자와 초고속 보급률과 비교해 보면, 인터넷 이용자가

1997년 말에 163만 명이었으므로 4년여의 기간동안 15배 이상 증가한 것이고, 초고

속 가입가구가 1998년 말에 52,378가구이었으므로 3년여만에 175배 이상 폭발적으

로 증가한 것이다(한국인터넷정보센터; 2002, 정보통신부; 2002). 또한 2000년 말을

기준으로 인구 100인당 국내 ADSL의 보급률이 5.88, 케이블모뎀의 3.32 등으로, 양

서비스 모두 세계에서 가장 높은 보급률을 나타내고 있다(OECD; 2001). 이러한 현

28

상이 발생하게 된 배경에는 사업자의 적극적인 마케팅, 정보사회 발전에 대한 정부

의 강력한 의지, 소비자의 다양한 욕구, 문화적 특성, 아파트 및 연립주택의 비율이

약 60%에 육박하는 집 주거환경 등이 지적되고 있다.

<표 2－1>은 OECD에서 발표된 자료로 세계 각국별로 초고속(broadband) 인터넷

보급 및 보급가능 범위를 나타낸 것이다. 국내에서는 상대적으로 케이블 TV의 확

산이 늦게 이루어졌으므로 케이블 모뎀의 보급가능 범위는 낮지만, DSL(Digital

Subscriber Line)의 경우는 다른 나라가 50∼75%의 보급가능 범위를 가지고 있음에

비해 크게 매우 앞서 있음을 알 수 있다. 또한 전반적인 초고속 인터넷의 보급률은

2위인 캐나다와 비교하여 약 2배가 될 정도로 앞서 있다.

<표 2－1> 주요국의 초고속 인터넷 보급 및 보급가능 범위 현황

(단위: %)

국 가 인구대비 보급률(2000) DSL Coverage Cable 모뎀 Coverage

한국 9.20 92 48

캐나다 4.54 69 93

미국 2.25 50 96

오스트리아 1.70 75 53

네덜란드 1.68 40 94

벨기에 1.42 75 100

스웨덴 1.21 65

덴마크 1.05 65 70

OECD전체 1.26

출처: OECD(2001)

[그림 2－1]은 국내 인터넷 이용자수와 KR 도메인수의 1995∼2001년간의 시간별

변화추이를 나타낸 것이다.2)그림에서 나타난 특징은 집계적인 데이터를 통한 인터

넷 활용이 일반적인 기술의 확산과정(diffusion process)에서 흔히 볼 수 있는 것처럼

2) 여기서 인터넷 이용자수는 만 7세 이상의 인구 중에서 1달에 1회 이상 인터넷을 이

용한 인구를 의미한다. 2002년 6월부터는 연령층이 만 6세 이상으로 조정되었다.

제 2장 패널데이터를 이용한 인터넷 활용정도 분석과 향후 인터넷시장의 경쟁에 대한시사점 29

S자 형태의 곡선을 나타내고 있고, 현 시점은 확산속도가 점차 감소하기 시작하는

시점으로 볼 수 있다는 점이다. 인터넷 이용자수는 최근 들어 다소 증가세가 주춤한

것에 비해 KR 도메인수는 2001년들어전년대비 약 10%정도감소한 것이특징이다.

[그림 2－1] 국내 인터넷 이용자 수 및 KR 도메인 수

(단위: 천명, 백만개)

인터넷 이용자수

kr 도메인수

자료: 한국인터넷정보센터 홈페이지

1998년을 기점으로 인터넷 이용자수가 폭발적으로 증가한 것은 1998년 6월 두루

30

넷이 초고속인터넷 서비스를 시작한 것을 필두로 기존에 LAN기반의 직장 또는 PC

방 이용자에서 가정내의 이용자로 전이되어 그 증가속도가 급증한 것을 원인으로

볼 수 있다. 또한 1998년 이후의 추세는 2001년까지 계속적으로 이어짐을 알 수 있

다. 반면에 KR 도메인수는 1999년 후반의 유료화 전환에도 불구하고 2000년까지

폭발적인 증가세를 보이다가 2001년에는 감소하는 것으로 나타났다. 이는 IT 벤처

붐이 가라앉음에 따라 우후죽순으로 생겨났던 사이트들이 점차 폐쇄함에 따라 발

생한 것으로 보인다.

[그림 2－2] 국내 초고속 인터넷 이용 가구수

(단위: 가구)

자료: 정보통신부 홈페이지

[그림 2－2]는 1998년 이후(1999년의 자료는 없음)의 시간에 따른 초고속 인터넷

이용가구의 변화를 나타낸 것이다. 1998년에 두루넷이 케이블 보뎀 기반의 초고속

접속 서비스를 시작한 이래 1999년에 하나로통신과 한국통신이 ADSL기반의 초고

속 접속 서비스를 시작하 다. 그 결과 2000년 6월부터 2002년 6월간 2년 동안 초고

속 인터넷 이용가구는 5.8배로 증가하 다. 2001년 10월 현재, 국내 초고속 시장의

주요 접속방식은 ADSL로 약 56%시장 점유율을 기록하고 있으며 약 4백만 가입자

제 2장 패널데이터를 이용한 인터넷 활용정도 분석과 향후 인터넷시장의 경쟁에 대한시사점 31

를 확보하 다.

향후에도 ADSL(여타 DSL 서비스 포함)의 시장 지배력은 더욱 확대되어 2006년

경에는 최대 65%까지 점유할 것으로 예상된다.3)ADSL에 이어 주요 접속방식은 케

이블모뎀 서비스로 나타났는데, 가입자 235만 명으로 전체 시장에서 32.4%의 비중

을 차지하고 있다([그림 2－3] 참조).

[그림 2－3] 가입자 기준 초고속인터넷 접속 기술점유율 추이

위성

자료: 정보통신부 홈페이지

이러한 국내 초고속 인터넷의 급속한 보급은 정보통신분야에서 우리나라가 선도

적으로 도약하는 계기가 되고 있다. 미국 하원은 초고속통신망에 대한 한국 정부의

성공에 자극을 받아 지금까지의 민간자율 구축방침을 변경하고 정책 개입을 강화

하여, 초고속망 보급 촉진을 목표로 지역 전화사업자의 망개방 의무를 완화하는 것

을 주요골자로 하는 광대역보급법안(Internet Freedom & Broadband Deployment Act)

을 가결한 바 있다.4)

또한 Financial Times에서는 2002년 5월 “한국은 디지털 기술의

3) 정보통신정책연구원(2001)

4) Wired News, High-Speed Access Coming Soon?, 2001. 5. 11

32

실험장이라는 명성과 가장 선진화된 초고속 인터넷시장임을 자랑”하고 있다고 보

도하고 있다. 이러한 평가에 걸맞게 초고속 인터넷과 관련된 장비시장에서는 우리

나라에서 검증된 기술이 전 세계적으로 통용될 만큼 초고속관련 장비시장의 시험

무대가 되고 있기도 한다.

이와 같이 집계적인 변수에 기초한 인터넷 활용이 괄목할 만한 성장을 거둔 것은

여러 미디어를 통해 익히 알려져 있다. 이하에서는 이에 대해 좀 더 미시적으로 개

인적인 차원에서의 인터넷 활용에 대해 살펴보기로 한다.

제 3절 인터넷 활용에 대한 궤도(trajectory)분석

이 절에서는 패널데이터를 이용하여 개별 이용자들의 인터넷 활용이 어떻게 변화

하고 어떻게 유형화될 수 있는지를 살펴보기 위하여 궤도분석을 이용하 다. 여기

서 궤도(trajectory)란 개별 이용자의 인터넷 활용이 시간에 따라 어떻게 변화하고 있

는지를 나타내는 것으로, 궤도분석에서는 모집단이 그들의 궤도에 따라 서로 다른

몇 개 그룹의 조합으로 이루어져 있는 것으로 가정한다. 이러한 가정 하에 우선 이

용자의 인터넷 활용 행태가 BIC(Bayesian Information Criterion)를 기준으로, 통계적

으로 최적인 그룹의 수와 궤적의 모양을 추정한다. 다음으로 이용자가 어떠한 그룹

에 속해있는지를 분석하고 이용자의 인구통계학적 변수와의 상관관계를 살펴본 후,

마지막으로 이러한 분석에 대한 시사점을 살펴보고자 한다.

1. 분석방법

본 연구에서의 궤도분석은 Nagin(1999)에서 제시된 준모수(semi-parametric), 그룹

기반(group-based) 추정방법을 이용하 고, 구체적인 통계 프로그램은 Jones, Nagin,

and Roeder(2001)에서 제시된 SAS procedure를 이용하 다. 여기서 추정방법이 그룹

기반인 것은 모집단이 몇 개의 그룹의 조합으로 이루어졌다는 가정에 의하기 때문

이다. 또한 추정방법이 반모수인 이유는 개인의 인터넷 활용의 궤적에 대한 구체적

제 2장 패널데이터를 이용한 인터넷 활용정도 분석과 향후 인터넷시장의 경쟁에 대한시사점 33

인 함수는 시간에 대한 다항식(polynomial)으로 표현되어 추정계수의 결정을 모수추

정 방식을 따르나, 다항식의 차수(order) 및 모집단의 그룹 수는 비모수적으로 결정

되기 때문이다.

본 연구에서 이용된 구체적인 통계모형은 다음과 같다.

logλjit＝β

j0＋β

j1month

1it＋β

j2month

2it＋⋅⋅⋅＋β

jkmonth

kit (2－1)

여기서 λ: 인터넷 활용정도(여기서는 1달 간 방문한 상이한 사이트 수)

j: 그룹

i: 패널에 속한 개인

t: 시간

month: 달(t기의 시점에서)

βj0, β

j1, β

j2, β

jk: 모형의 추정계수 이다.

여기서 주의하여야 할 점은 이 모형에서 추정된 추정계수가 그룹(j)에 따라 서로

다르게 나타나는 점으로, 이 특징은 시간 및 동태적인 변화에 따라 인터넷 활용에

대한 개인적인 이질성(hetrogeneity)를 반 한다는 의미에서 매우 신축적인 구조를

가지고 있다고 볼 수 있다. 추정계수는 최우추정법(maximum likelihood estimation)에

따라 추정되었으며, 데이터에 가장 적합한 다항식의 차수 및 그룹 수는 모형의 적

합도를 표현하는 하나의 방법인 BIC(Bayesian Information Criterion)에 의해 결정하

다. BIC는 다음과 같이 표현된다.

BIC＝ log(L)-0.5⋅log (n)⋅k (2－2)

여기서 L: 모형의 최대 likelihood

n: sample size

k: 모형의 파라미터 수

식 (2－2)에 따르면 BIC는 항상 음수이기 때문에 BIC를 최대화하는 가장 적합한

34

모형은 절대값이 가장 작은 것으로 선택하 다.

BIC 기준을 적용하여 데이터에 가장 적합한 모형을 찾고 최우추정법을 이용하여

모형을 추정한 이후, 개인별(i) 인터넷 활용 패턴을 이용하여 각 개인이 어떠한 그

룹(j)에 속하는지를 살펴보았다. 이러한 과정을 통해 개인별 인구통계학적 변수가

개인의인터넷 활용에대한 그룹을결정짓는주요 요소인지에대한검증이가능하다.

2. 자 료

본 고의 실증연구에 사용된 자료는 인터넷 사용자측정 전문기관인 (주)코리안클

릭의 자료를 이용하 다. (주)코리안클릭은 TV 시청률 조사와 유사한 방법으로 인

터넷 사용자의 접속패턴을 측정하고 있는데, 이는 인터넷 사용자의 패널을 구축한

뒤 이들이 가지고 있는 PC에 iTrack이라는 조사 소프트웨어를 설치하고 웹서핑 내

역을 (주)코리안클릭의 서버에 저장하는 방식으로, Media Metrix, Nielsen Net Ratings

등 외국의 인터넷 조사업체들이 사용하는 것과 동일하다.5)

그런데 본 고의 분석목표인 개별 사용자의 인터넷 활용실태에 대한 정보를 위해

서는 분석기간 동안 지속적으로 패널에 포함되어 있는 개별 사용자들이 필요하다.

그러나, (주)코리안클릭의 패널은 시간이 지나감에 따라 특정 그룹에 패널의 감소가

존재하고 그럴 경우 새로운 패널을 충원하고 있으므로, 본 고의 분석대상은 적어도

1년 이상 패널에 속해있는 집단을 유효패널로 하 다. 그러나 이러한 유효패널은

애초에 모집단의 분포를 반 한 샘플과는 특성이 달라지기 때문에 본 고에서는 연

5) 코리안클릭의 인터넷 사용자 측정조사에 대하여 좀더 자세히 설명하면 다음과 같

다. 먼저, 패널을 구축하기 위한 모집단 선정을 위해서는 6개월에 한번씩 10세∼65

세의 인터넷 사용자 1만 명에 대해 오프라인 설문조사를 실시하고, 중간에 3개월마

다 보완조사를 실시하고 있다. 패널선정을 위해서는 무작위로 전화번호를 추출

(Random Digit Dial)하는 방식으로 패널후보를 선정하고 참여를 유도하게 된다. 그

중 참여의사를 밝히고, Windows 95 이상의 환경을 지닌 사람에 한하여 설문조사에

서 나타난 인터넷 사용자 모집단 분포에 따라 비례층화선택법(Proportionate Strati-

fied Selection)에 패널을 구성하게 된다.

제 2장 패널데이터를 이용한 인터넷 활용정도 분석과 향후 인터넷시장의 경쟁에 대한시사점 35

령을 기준으로 30대 이상과 30대 이하의 연령을 동일하게 맞추어 2000년 12월부터

2002년 2월까지 총 511명의 사용자를 유효패널로 하 다.6)

또한 본고에서는 이 유효패널의 웹 접속기록 원자료를 이용하 는데, 조사된 변

수는 <표 2－2>와 같이 개별 사용자의 인터넷 활용에 대한 변수와 사용자 개개인의

인구통계학적인 변수로 구분된다.

<표 2－2> 변수 정의

변 수 명 변수설명

인터넷 활용에 대한

변수

λ 개별 사용자가 접속한 상이한 사이트 수(월간)

d 개별 사용자의 인터넷 사용시간(월간)

사용자의 인구통계학적

변수

SEX 성별(남자＝1, 여자＝0)

AGE 나이(30대 이상＝1, 30대 이하＝0)

OCCU 직업(학생＝1, 비학생＝0)

INC 소득수준(고소득＝1, 저소득＝0)

EDU 교육수준(대졸 이상＝1, 대졸 이하＝0)

MARRY 결혼 여부(기혼＝1, 미혼＝0)

먼저 인터넷 활용에 대한 변수는 일반적으로 사용 시간(duration time), 상이한 접

속 사이트 수(number of distinct site)7)및 페이지 수(number of page hits) 등이 이용되

는데, 본 고에서 상이한 접속 사이트 수를 기준으로 하고 보조적으로 사용시간을

살펴보았다. 사용자의 인구통계학적인 변수는 511명의 패널에 대해 (주)코리안클릭

에서 제공한 성별, 나이, 직업, 소득 수준, 교육 수준 및 결혼여부에 대한 것이다.

6) 511명 중 30대 이하는 156명, 30대 이상은 155명이다. 또한 이 시기를 택한 다른 이

유로는 2000년 중반 이후에는 상대적으로 인터넷의 성장속도가 둔화되면서 시장이

안정화되고 있는 시기여서 분석 대상으로도 적합하다고 판단하 다.

7) 어느 개인이 1기에 A 사이트에 3번, B 사이트에 2번 접속할 경우, 1기의 상이한 접

속 사이트 수는 2개이다.

36

<표 2－3> 인터넷 활용 변수의 기초 통계치

(단위: 사이트 수 및 분)

변 수 명

λ

(개별 사용자가 월간 접속한

상이한 사이트 수)

평균값 103.48

median 96.47

하위 10% 45.87

상위 10% 170.07

표준편차 48.60

총 패널 수 511

d

(개별 사용자의 월간 인터넷

사용시간)

평균값 2,138.08

median 1,779.01

하위 10% 644.63

상위 10% 3,982.10

표준편차 1,530.44

총 패널 수 511

인터넷 활용에 대한 변수인 사용시간과 접속 사이트 수에 대한 기초 통계치는 <표

2－3>에 제시되어 있다. 먼저 상이한 접속 사이트 수의 경우는 월간 평균으로 103

개 사이트를 방문하 으며 상위 10%의 이용자는 170개의 사이트를, 하위 10%의 이

용자는 46개의 사이트를 방문하여 상위 10% 이용자가 하위 10%의 이용자보다 약

3.7배 정도 사이트를 더 많이 방문하는 것으로 나타났다. 접속시간별로 살펴본 경우

월간 평균으로 2,138분(하루에 1.2시간) 동안 이용하 고, 상위 10%의 이용자는

3,982분(하루에 2.2시간), 하위 10%의 이용자는 645분(하루에 0.36시간) 이용하는 것

으로 나타나, 상위 10% 이용자가 하위 10%의 이용자보다 인터넷을 약 6.2배정도 더

이용하는 것으로 나타났다. 표준편차는 방문사이트의 경우가 48.6으로 나타났고, 방

문시간의 경우가 1,530.44로 나타나 평균치 대비 비율로 방문시간이 방문사이트보

다 약간 더 산재한 분포를 가지고 있는 것으로 나타났다.

인터넷 이용시간에 대한 상·하위 10% 비율 차이가 방문 사이트수의 차이에 비

해 높다는 것으로부터 인터넷을 많이 이용하는 사람들이 적게 이용하는 사람에 비

해 상대적으로 적은 수의 사이트에 많은 시간 접속하는 현상, 즉, 접속하는 사이트

제 2장 패널데이터를 이용한 인터넷 활용정도 분석과 향후 인터넷시장의 경쟁에 대한시사점 37

가 집중되어 있다는 사실을 유추할 수 있다.

<표 2－4> 시기에 따른 인터넷 활용 변수의 기초 통계치

(단위: 사이트 수 및 분)

변수명 전반기(’00. 12∼’01. 7) 후반기(’01. 8∼’02. 2)

λ

(개별 사용자가 월간

접속한 상이한 사이트 수)

평균값 100.96 106.37

median 92.75 98.00

하위 10% 42.38 41.86

상위 10% 169.50 177.14

표준편차 50.68 53.90

d

(개별 사용자의 월간

인터넷 사용시간)

평균값 1,979.60 2319.21

median 1,643.28 1,869.41

하위 10% 556.40 574.85

상위 10% 3,855.20 4,274.87

표준편차 1,492.88 1.981.15

분석의 시기 중에 인터넷 활용정도가 어떻게변화하고 있는지를 살펴보기위해 총

15개월의 자료를 전반기의 8개월(2000년 12월∼2001년 7월)과 후반기 7개월(2001년

8월∼2002년 2월)로 나누어 각각의 기초 통계치를 살펴보았다. <표 2－4>에 따르면

평균값은 방문사이트와 방문시간에서 모두 시간이 지날수록 증가하는 것으로 나타

났고, 방문시간의 증가가 더욱 컸다. 또한 이에 따라 표준편차도 증가하고 있다.

이러한 기초 통계치로만 판단할 경우 개인의 인터넷 활용도도 시간이 지남에 따

라 개인간의 차이가 늘어나고는 있지만 평균적으로 볼 때 증가하고 있는 것으로 판

단할 수 있다. 그러나 이는 평균적인 개념으로 판단한 것으로, 예를 들어 어느 한

명이 방문사이트와 방문시간이 전반기에 비해 후반기에 크게 늘고, 다른 사람들은

동일한 가능성을 배제할 수 없다. 즉 패널 중 일부분이 인터넷 활용을 증가시키고,

다른 부분이 인터넷 활용을 감소하 는지 등 개인의 이질성(heterogeneity)에 따른

인터넷 활용도의 변화를 분석하는 데는 한계가 존재한다.

38

3. 결 과

앞에서 서술한 데이터와 추정식 (2－1)과 (2－2)를 통해 추정한 결과, 통계적으로

가장 적합한 모형은그룹의 수가 3개이고 각 그룹의다항식 차수는 첫번째 그룹(low

user)이 선형 함수, 두 번째 그룹(moderate user)이 2차 함수, 세 번째 그룹(heavy user)

이 3차 함수인 형식으로 나타났다. <표 2－5>에서는 다양한 다항식의 차수와 그룹

수의 조합에 대한 BIC 결과치가 나와 있다. <표 2－5>에서 알 수 있는 것과 같이

그룹의 수가 3개인 경우가 2개인 경우에 비해 통계적으로 적합하며, 그룹의 수가 3

개의 경우중에서도다항식의 차수가 (0, 1, 2)인 경우가 가장 적합함으로 알수 있다.

<표 2－5> 추정 결과(그룹수와 다항식 차수에 대한 BIC기준)

그룹 수 다항식의 차수 BIC

2

(1, 1) －11677.25

(1, 2) －11662.25

(2, 2) －11664.45

3

(0, 1, 2) －11526.18

(0, 2, 2) －11527.92

(1, 2, 2) －11528.58

(2, 2, 2) －11531.41

<표 2－6> 추정 결과(최우추정법을 이용한 계수 추정)

그 룹 파라미터 추정치 standard error p-value

low user 상수항 0.02759 0.03389 0.4156

moderate user상수항 0.63092 0.03236 0.0000

1차항 0.09977 0.02826 0.0004

heavy

user

상수항 0.96700 0.05284 0.0000

1차항 0.84434 0.14180 0.0000

2차항 －0.48783 0.08506 0.0000

제 2장 패널데이터를 이용한 인터넷 활용정도 분석과 향후 인터넷시장의 경쟁에 대한시사점 39

그룹의 수가 3개이고 다항식의 차수가 (0, 1, 2)인 경우에 최우추정법을 이용하여

모형의 파라미터를 추정한 결과는 <표 2－6>에 나타나 있다. 추정 결과 첫 번째 그

룹(low user)에서의 추정치를 제외하고는 모두 유의미하게 나타났다. 주목할 점은

두 번째 그룹(moderate user)에서의 선형관계에 대한 추정계수가 0.1보다 작게 나타

나 시간에 따른 인터넷 활용의 증가세가 매우 미미한 것으로 나타났고, 세 번째 그

룹(heavy user)에서 2차 항의 추정치가-0.49로 나타나 시간이 지남에 따라 인터넷

활용이 감소하고 있는 모습을 띄고 있다는 점이다.

<표 2－7> 그룹별 평균 방문사이트 수

low user moderate user heavy user

비 율 27.98% 51.47% 20.55%

평균 방문사이트 수 51 103 177

위와 같이 BIC 기준으로 그룹을 저이용, 중간이용, 고이용의 세 개로 분류한 후

각 개인이 어떠한 그룹에 속하는지를 살펴보았다. 그 결과 <표 2－7>에 나타난 것

처럼 전체의 반 정도가 중간이용 그룹에 속하 다. 전체의 약 28%가 저이용 그룹에

속하며 그들의 월간 평균 방문사이트 수는 51개로 나타났다. 중간이용 그룹은 이용

자의 51%가 속해 가장 많은 이용자들이 여기에 속했으며, 월간 평균 방문사이트 수

는 103개로 저이용 그룹의 2배 정도를 나타내고 있다. 고이용 그룹에는 전체 이용

자의 21%정도가 속했으며 이들은 저이용 그룹의 3배가 넘는 월간 177개의 사이트

를 방문하는 것으로 나타났다.

[그림 2－4]는 시간에 따른 그룹별 궤도를 나타낸다. 실선은 추정한 결과를 나타

낸 것이며, 점이 포함된 실선은 각각 실측 데이터의 그룹별 평균치를 나타낸 것이

다. 먼저, 저이용 그룹은 월별로 약 50개 사이트를 방문하는 수준에서 변화가 없으

며, 중간이용 그룹은 100개미만의 사이트에서 시간이 지날수록 경미한 증가세를 보

이고 있다. 한편 고이용 그룹에서는 150개미만의 사이트에서 시간이 지날수록 증가

40

세를 보이다가 이후 감소하는 경향을 나타내고 있다. 여기서 주목할 만한 결과는

저이용 그룹과 중간이용 그룹은 순방문 사이트의 수에 있어서 거의 변동이 없으나,

고이용 그룹은 분석기간 초기에는 방문사이트가 증가하다가 이후에는 오히려 감소

한다는 것이다. 이러한 결과가 나타난 것은 인터넷 활용 초기에 자신이 방문할 가

치가 있는 사이트를 탐색하다가 필요한 사이트를 찾은 후 방문을 필요 사이트에 집

중하기 때문이라고 판단된다.

[그림 2－4] 그룹별 이용 궤도(trajectory)

< 2－8> 그룹별 인구통계학적 특성

low user moderate user heavy user total

SEX

남자(A) 119 207 93 419

여자(B) 24 56 12 92

A/(A＋B) 0.8322 0.7871 0.8857 0.8200

AGE*

30대 이하(A) 36 148 72 256

30대 이상(B) 107 115 33 255

A/(A＋B) 0.2517 0.5627 0.6857 0.5010

제 2장 패널데이터를 이용한 인터넷 활용정도 분석과 향후 인터넷시장의 경쟁에 대한시사점 41

low user moderate user heavy user total

OCCU*

학생(A) 16 75 40 131

비학생(B) 127 188 65 380

A/(A＋B) 0.1119 0.2852 0.3810 0.2564

INC

저소득(A) 79 165 54 298

고소득(B) 64 98 51 213

A/(A＋B) 0.5524 0.6274 0.5143 0.5832

EDU

대졸 미만(A) 119 207 93 419

대졸 이상(B) 24 56 12 92

A/(A＋B) 0.1329 0.1293 0.0762 0.1194

MARRY*

미혼(A) 68 173 84 325

기혼(B) 75 90 21 186

A/(A＋B) 0.4755 0.6578 0.8000 0.6360

주: *는 ANOVA를통해두그룹이상에서 A/(A＋B)의차이가유의미하게나타난경우를표시함.

다음으로 그룹별로 인구통계학적(demographic) 변수 중에서 어떠한 것이 유의미

한지를 살펴보았다. ANOVA 분석결과 성별, 나이, 소득, 교육, 학생 여부, 결혼 여부

중에서 그룹간 특성을 나타내는 유의미한 변수는 나이, 학생 여부 및 결혼 여부로

나타났다. 즉, 나이가 적을수록, 학생일수록, 미혼일수록 상대적으로 고이용 그룹에

속할 확률이 높아짐을 알 수 있다.

여기서 인구통계학적인 변수를 인구사회적인 변수와 경제적인 변수를 구분하

을 때, 가장 중요한 경제변수인 소득은 개인별 인터넷 활용도에 별다른 향을 미

치지 못한 것으로 나타났다. 이는 미국의 HomeNet 자료를 이용하여 인터넷 활용도

를 분석한 Christ et al.(2001)의 연구 결과와 일치하다. 즉, 그들은 개인적인 인터넷

활용에 향을 주는 변수로 소득 등의 경제적 변수와 컴퓨터에 대한 인식 등의 심

리적인 변수보다 나이, 성, 인종 등의 인구사회적인 변수가 더욱 중요하다고 분석하

고 있다. 이러한 결과는 인터넷이 도입된 지 얼마 되지 않은 매체이기 때문에 소득

등의 경제적인 요소와 결부되어 사용되는 예가 많지 않아서일 수 있고, 고소득자일

수록 인터넷을 사용하는 시간이 상대적으로 적기 때문에 발생할 수도 있다. 이에

42

대한 좀더 정확한 분석을 위해서는 추후의 연구가 필요하다고 판단된다.

4. 시사점

집계적(aggregate) 데이터의 측면에서 국내 인터넷 이용 인구는 2002년 접어들어

증가율의 다소간 감소는 보이지만 전반적으로 계속적인 증가세로 표현된다. 하지만

본 연구에서처럼 개별 이용자의 인터넷 활용을 방문한 상이한 사이트 수로 살펴볼

경우 2001년 7∼9월을 정점으로 인터넷 활용이 감소하고 있음을 알 수 있다. 여기

서 인터넷의 활용도를 기존 사용자의 개인별 활용도 증가와 신규사용자 증가를 포

함한 사용자수 기준으로 판단할 경우 양 지표가 시간이 자남에 따라 어떠한 변화와

차이점을 나타내는지를 살펴보자. [그림 2－5]는 2001년 1월을 기준으로 인터넷 이

용자수, 본 연구의 패널전체의 방문사이트 수 및 고이용 그룹의 방문사이트 수를

각각 100으로 잡고 이 이후의 추세를 그린 것이다

[그림 2－5] 인터넷 이용자수와 개인별 활용도(2001년 1월＝100)

인터넷 이용을 집계변수인 인터넷 이용자수로만 판단하는 경우 [그림 2－4]에서

제 2장 패널데이터를 이용한 인터넷 활용정도 분석과 향후 인터넷시장의 경쟁에 대한시사점 43

와 같이 다소간 증가율의 감소는 있어도 인터넷이 급격히 성장한 것으로 판단된다.

그러나 인터넷 이용을 인터넷 활용도(여기서는 상이한 방문 사이트 수)로 판단할

경우 후반부로 갈수록 감소추세로 전환되고 있다. 다항식을 이용하여 추세선을 나

타낼 경우 2001년 7∼9월을 정점으로 인터넷 활용이 감소하고 있고, 이러한 추세는

향후에도 계속될 것으로 보인다. 즉, 집계변수를 기준으로 한 인터넷 활용과 패널데

이터를 이용한 인터넷 활용의 모습이 상이하게 나타남을 알 수 있다.

여기서 인터넷 활용도가 감소하는 이유를 살펴보자. 인터넷 활용도가 감소하는

이유로는 첫째, 인터넷을 사용하는 시간이 감소하기 때문에 방문하는 사이트가 감

소할 수 있고, 둘째, 인터넷 사용 시간은 일정하거나 증가하는데, 사용자의 방문이

특정 사이트로 집중되었기 때문에 방문 사이트가 감소할 수 있다.

[그림 2－6] 그룹별 방문 시간(duration time)

이를 위하여 위에서 나누어진그룹별로 방문시간을 그림으로 표현한 것이 [그림 2

－6]이다. 이 그림에 따르면 세 개의 그룹 모두에서 이용자들의 방문시간이 약간씩

증가하는 추세가나타남을알 수있다. 특히 고이용그룹에서는방문사이트가 증가하

44

다가 감소하는 추세로돌아선 것과 달리 방문시간은 꾸준히 증가함을 알 수 있다. 이

에 따라 우리는 방문사이트 수가 감소하는 것은 인터넷 사용시간이 줄었기 때문이

라기보다 특정 사이트로방문이 집중되었기때문에발생하는것으로 유추할수있다.

이렇게 개인적 측면에서 인터넷 활용도가 감소하고 그것의 원인이 특정 사이트로

접속이 집중된다는 것이 향후 전자상거래나 인터넷 비즈니스에 미치는 향은 무

엇인가? 일반적으로 전자상거래 시장에 향을 주는 변수는 인터넷 이용자 등의 양

적인 변수와 전자상거래 참여율, 평균 구매액, 인터넷 활용도 등의 질적인 변수로

구분할 수 있다. 그런데 양적인 변수의 증가추세는 시간이 지남에 따라 완만하게

변화할 것이고, 위의 분석에 따라 질적인 변수 중 인터넷 활용도는 감소하리라 예

상된다. 따라서 전자상거래 시장 증가를 위해서는 질적인 변수 중에서 참여율과 평

균구매액을 증가시키는 방향이 필요하다. 이는 전자상거래 업체의 마케팅, 온라인

과 오프라인의 가격 차이 및 이용자가 전자상거래에 대해 느끼는 불안감의 해소 등

에 의존할 것이다. 또한 개인별 인터넷 활용이 감소하는 추세라는 사실로부터 특정

전자상거래 사이트로의 이용자의 집중도가 높아져서 궁극적으로 전자상거래 업체

간 불균형적인 발전이 초래될 것으로 예측할 수 있다.

제 4절 개인별 사이트 전환(churning)분석

위에서 분석한 궤도(trajectory) 분석에서 이용자의 방문시간은 저이용, 중간이용

및 고이용 그룹에 공통적으로 약간의 증가세를 보이는데 비해 방문하는 사이트 수

는 저이용, 중간이용 그룹은 추세적인 변화없이 일정하나 고이용 그룹의 경우 초기

에 상승하 다가 나중에는 감소하는 추세를 나타났다. 이를 통해 우리는 고이용 그

룹이 방문하는 사이트가 시간이 지남에 따라 특정 사이트로 집중되는 현상을 나타

나고 있는 것을 발견할 수 있다. 그렇다면 이용자의 인터넷 사이트의 전환이 어떻

게 발생하고 있는지를 좀 더 구체적으로 살펴보자.

이러한 패턴을 구별하기 위해 이 절에서는 사이트 전환(churning)의 개념을 도입

제 2장 패널데이터를 이용한 인터넷 활용정도 분석과 향후 인터넷시장의 경쟁에 대한시사점 45

한다. 여기서 사이트 전환이란 시간에 따라 이용자들이 방문하는 사이트가 얼마나

중복적인가를 살펴보기 위한 것으로 사이트 전환(churning)이 높을수록 이용자들이

방문하는 사이트가 상이하고, 반대로 사이트 전환이 낮을수록 이용자가 자주 방문

하는 사이트가 많이 존재한다는 의미이다. 다시 말하면 사이트 전환이 낮을수록 이

용자의 충성도(loyalty)가 높다는 의미로 해석할 수 있다. 앞선 분석이 타당하다면

국내 인터넷 사용자의 사이트 전환율은 매우 낮을 것으로 예상할 수 있다. 또한 이

러한 현상은 인터넷 사용자가 주로 방문하는 사이트가 몇몇 사이트로 집중되고 있

고 다른 사이트로 전환하는 경우가 일반적이 아니라 특수한 경우임을 시사한다고

볼 수 있다.

<표 2－9> 예시(no churning and complete churning)

No churning complete churning

t＝1 t＝2 t＝3 t＝1 t＝2 t＝3

A A A A D G

B B B B E H

C C C C F I

사이트 전환(churning)분석이 앞서 이용한 궤도분석과 어떻게 차별화 되는지를 살

펴보기 위해서 먼저 두 명의 개인이 각각 <표 2－9>의 예처럼 사용행태를 보인다고

가정하여 보자. 좌, 우측 개인이 각 시점에서 방문하는 사이트의 수는 동일하나, 한

명은 시간에 따라 다른 사이트를 접속하는 경우이고, 다른 한 명은 동일한 사이트

를 계속해서 접속하는 경우이다. 이러한 예에서 앞선 궤도(trajectory) 분석은 어느

한 기간에 접속하는 상이한 사이트의 수를 중심으로 하 기 때문에 두 명이 각 시

점에서 방문하는 상이한 사이트 수가 3개로 동일하고, 따라서 결과적으로 이 두 명

이 동일한 그룹에 속하는 것으로 판단할 것이다. 그러나, 실제적으로 이 두 명이 인

터넷 활용형태에 있어 유사한 패턴을 보이고 있다고 결론짓기는 어려울 것이다. 사

이트 전환은 이러한 특징을 감안하여 시간에 따라 방문하는 사이트가 일정한 경우

46

와 그렇지 않은 경우를 차별화 할 수 있는 측정치를 이용하여 분석하는 방법이다.

1. 분석방법

사이트 전환은 일정 기간 방문한 순 웹사이트를 매 기간 방문한 총 순 웹사이트

로 나누어 측정하 다. 이를 좀더 자세히 살펴보면, 먼저 λ를 개인 i가 t기에 방문

한 웹사이트( x it) 중에서 상이한 웹사이트를 만들어주는 연산자로 정의하자. 예를

들어 어느 개인(i)이 1기에 A 사이트에 3번, B 사이트에 2번, 2기에 A 사이트에 1번,

B 사이트에 2번, C 사이트에 3번 접속한 경우에 위에서 정의한 연산자로 표현할 경

우 λ(x I 1)＝2, λ(x I 2)＝3이 되고, λ(x I 1＋x I 2)＝3이 된다. 우리는 λ를 이용하여

사이트 전환(churning)을 다음의 같이 측정하 다.

CHUi＝λ( ∑

T

t＝1x it)

∑T

t＝1λ(x it)

(2－3)

여기서 x it: 전체 방문한 웹사이트 수

λ: 상이한 웹사이트 수를 계산하는 연산자

이를 이용하여 <표 2－9>의 좌측의 예를 측정하면 churning은 3/(3＋3＋3)＝1/3이

되며, 우측 예의 경우 9/(3＋3＋3)＝1이 된다. 그런데 이러한 CHUi는 1/T와 1사이

의 값을 가지기 때문에 이를 0과 1사이의 측정치로 정규화(normalize)하면 다음과

같이 표현된다.

NCHUi＝TT－1

CHUi－1T－1

(2－4)

사이트 전환의 추정을 위한 자료는 앞서 제시한 (주)코리안클릭의 인터넷 사용자

의 전체 패널 중 2000년 12월부터 2002년 2월까지 유지된 총 511명 패널의 주간 자

료를 이용하 다.8)

제 2장 패널데이터를 이용한 인터넷 활용정도 분석과 향후 인터넷시장의 경쟁에 대한시사점 47

2. 결과 및 시사점

사이트 전환(churning)의 분석 결과는 <표 2－10>에 나와 있다. 이에 따르면 고이

용 그룹에 속해있는 개인일수록 사이트 전환(churning)이 낮게 표현되며 이는 사이

트에 대한 충성도가 상대적으로 높다는 것을 의미한다. 그러나 ANOVA로 그룹별

차이를 검정한 결과, 유의하지 않은 것으로 나타났다.

<표 2－10> 그룹별 사이트 전환(churning)

low user moderate user heavy user total

비 율 27.98% 51.47% 20.55% 100%

churning 0.2783 0.2565 0.2376 0.2576

여기서 평균적으로 1/4정도의 사이트 전환(churning)을 갖는다는 의미는 대략적으

로 3/4 정도의 충성도를 가지고 있다는 의미로 해석할 수 있다. 즉, 10개의 사이트를

방문하는 경우 7∼8개 사이트는 매주 방문한다는 의미를 내포하고 있는 것으로 이는

상당한 정도의 충성도로 해석된다. 본 연구 결과와의 비교를 위하여 Christ et al.

(2001)이 미국의 HomeNet 데이터로 사이트 전환(churning)을 측정한 연구결과에 따

르면 평균적인 사이트 전환비율이 0.7∼0.8 정도로 나타났다. 이로부터 국내 인터넷

이용자의 충성도가 외국에 비해서 매우 높은 것으로 판단할 수 있다.9)

그렇다면 사이트 전환비율이 낮은 이유는 무엇인가? 첫째, 본 연구의 분석기간에

8) 월간자료보다 주간자료를 사용한 이유는 사용자의 사이트 전환 행태를 좀더 짧은

기간동안에 측정할 수 있기 때문이다.

9) 여기서 비교 시 주의할 점은 Christ et al.(2001)의 연구는 미국에서 초고속 인터넷이

가능하기 이전 시점인 1996년과 1997년의 데이터라는 점과 본 연구의 데이터는 초

고속 인터넷의 보급이 증가하는 시점인 2000∼2002년의 데이터라는 점이다. 일반

적으로 속도가 늦어서 충분히 인터넷을 활용하지 못하는 경우에 사용자의 실망감

이 발생하고 이는 다시 인터넷 사이트의 충분한 마케팅 노력의 저하로 나타나 사

이트 전환(churn)이 높게 나타날 수 있다.

48

따른 사용자의 일반적인 특징에 기인한다고 해석할 수 있다. 본 연구는 국내에서

인터넷 사용과 초고속 인터넷 보급이 급속하게 증가하고 안정화되는 2000년 말부

터 2002년 초까지를 분석기간으로 삼았다. 인터넷 사용자들은 사용의 초기에는 어

떠한 사이트가 자신에게 가장 적절한 서비스와 효용을 제공하는 지를 알지 못해 여

러 사이트를 탐색하다가 일정 시점에 지난 이후에 가장 적절한 사이트를 찾는 경향

이 있다. 그리고 일단 일정한 사이트를 자주 방문하기 시작하면 그 사이트가 제공

하는 부가적인 편익과 익숙함 등으로 그 사이트에 고착(lock-in)되어 다른 사이트로

전환하는 전환비용(switching cost)이 높아지게 된다. 따라서 본 연구 결과가 사이트

전환율이 낮고 충성도가 높은 것으로 나타난 것이다.

둘째, 이 시기에는 인터넷 비즈니스 붐이 시작되었다가 막 거품이 없어지는 시기

와 일치한다. 이에 따라 우후죽순처럼 만들어진 사이트가 계속해서 없어지기 시작

하 으므로 특정 사용자가 자주 방문하고 싶어도 방문하는 사람이 적거나 사이트

운 에 문제가 있었던 인터넷 사이트가 폐쇄함으로써 소비자의 선택의 폭이 줄어

들어 이러한 결과가 나타났다고 볼 수 있다.

제 5절 향후 인터넷시장의 경쟁에 대한 시사점

인터넷 붐에 이은 2∼3년간의 침체기를 지나 최근 인터넷 기업 중에서 각 부문

대표기업들은 적자에서 흑자로 반전되거나, 업손실폭을 축소하는 등 실적개선이

급진전되고 있다. 구체적으로는 다음, NHN(네이버, 한게임)등 포털업체와 옥션, 인

터파크 등 전자상거래 업체들에서 실적이 호전된 것으로 나타났다. 다음커뮤니케이

션은 2002년 상반기 흑자를 13배 이상 늘렸으며, NHN은 지난해 상반기 업손실에

서 올 상반기 무려 137억 1,400만원의 업이익을 거뒀다. 옥션과 인터파크 역시 사

업개시 처음으로 적자경 에서 탈피하여 흑자원년을 기록하 다.10)

10) 다음커뮤니케이션은 올 상반기 911억 원의 매출을 올려 지난해 같은 기간 매출

제 2장 패널데이터를 이용한 인터넷 활용정도 분석과 향후 인터넷시장의 경쟁에 대한시사점 49

이러한 현상은 위에서 분석한 인터넷 사용자의 인터넷 활용도와 접하게 연관된

다. 즉 시간이 지남에 따라 개별 인터넷 사용자가 접속하는 사이트가 특정 사이트

로 집중되고 그들의 사이트 전환이 빈번하지 않음에 따라, 분야별로 이러한 사용자

의 접속이 집중되는 대표기업들은 컨텐츠를 유료화하고, 광고 유치와 단가의 측면

에서 다른 사이트에 비해 커다란 장점을 가지게 되며, 사용자 및 회원을 기반으로

다른 서비스를 제공하는 것이 가능해져 업의 실적이 개선된 것으로 해석된다.

이론적으로는 온라인에서 사용자의 탐색비용과 전환비용이 매우 작아져서 경쟁

이 치열하게 전개될 가능성이 존재하지만, 현실적으로는 사용자들이 특정 사이트로

집중되고 있고 사이트 전환이 매우 고착적으로 나타나고 있다. 이러한 인터넷 사용

자의 행태가 현실적으로 나타나는 이유로는 인터넷 사이트가 제공하는 서비스에

대해서 네트워크 외부성이 존재하기 때문이라고 판단된다. 각종 동호회, 게시판, 메

신저, 채팅뿐만 아니라 경매, 공동구매 등의 서비스에서도 개인들이 누리는 효용이

사이트에 참여하는 사람들의 수에 의존하여 증가하기 때문이다. 국내 포탈사이트에

는 여러 가지 서비스를 복합적으로 제공하는 다수의 기업이 존재하나, 상위 3개 기

업인 다음, 야후, 네이버의 경우 이용시간의 지배력을 분석하기 위해 2000년 11월에

서 2002년 5월까지의 누적 방문시간을 기준으로 전체 포탈사이트에서 차지하는 비

중을 조사한 결과 55%에서 65%로 증가하 으며, 순방문자, 페이지뷰(pageview) 등

에서도 꾸준한 증가세를 나타내고 있다.11)또한 경매사이트인 옥션의 경우에도 전체

345억 원에 비해 164% 성장했으며 업이익은 42억 원으로 지난해 상반기 3억

원에 비해 무려 13배 이상 상승했다. NHN도 올 상반기 296억 원의 매출을 올려

지난해 같은 기간 59억 원에 비해 399% 성장했다. 업이익 역시 지난해 상반기

21억 원 적자에서 올 상반기 137억 원으로 흑자로 전환되었으며 매출의 50%에

육박하는 이익률을 기록했다. 인터파크는 올 상반기 매출 593억 원, 업손실 11

억 8,000만원을 기록했으나 2분기 중에는 매출 300억 원, 업이익 6,000만원을

달성하면서 서비스 개시 6년만에 첫 분기흑자를 실현했다. 옥션의 지난 2분기 매

출은 분기 기준으로 사상 최대 규모인 87억 8,000만원에 달했으며 9억 6,000만원

의 업이익을 실현했다. 순이익 역시 지난 1분기 10억 3,500만원의 적자에서 2분

기 1억 5,900만원의 흑자로 돌아섰다.

50

인터넷 사용자 중 점유율이 2001년 중반까지 25∼30%에 머물다가 2001년 후반 이

후 45∼50%를 기록하고 있다.

인터넷 사용자의 활용행태의 추세가 이런 식으로 지속적으로 될 경우 인터넷 비

즈니스의 경쟁여건에도 향을 미칠 것으로 판단된다. 개인별로 방문이 특정 사이

트로 집중됨에 따라 컨텐츠 유료화 및 다른 부가서비스의 제공 등으로 수익을 올릴

수 있는 사이트와 그렇지 못한 사이트로 인터넷 비즈니스의 발전이 구분될 것으로

보인다. 이러한 발전양상은 향후 인터넷 비즈니스의 신규진입에 따른 이용자 유치

비용을 매우 높이게 되어 인터넷 초기에 흔히 이야기되어졌던 진입비용이 존재하

지 않는 완전경쟁 시장의 모습과는 매우 다른 식으로 발전되리라 판단된다.

주목할 점은 개별 인터넷 사용자의 인터넷 활용정도가 업종내 경쟁과 업종간 경

쟁에 미치는 향이 상이하게 나타날 수 있다는 점이다. 위의 분석에서 나타난 것

처럼 인터넷 사용자의 접속 사이트가 소수의 특정 사이트로 집중되고, 그들의 사이

트 전환 행태가 매우 고착적이라면 인터넷 사용자가 거의 포화상태로 접어드는 상

황을 감안할 때, 업종 내의 경쟁을 위한 사용자의 확보를 위해서는 시간이 지날수

록 많은 비용이 소요될 것이다. 이는 신규진입자뿐만 아니라 기존의 사업자들도 마

찬가지로 적용되는 현상으로, 기존에 사용자를 많이 확보한 대표기업들의 독점력이

향후 강화될 가능성이 높다고 볼 수 있다.

이에 비해 이러한 사용자의 인터넷 활용상의 특징이 업종간의 경쟁에서는 다른

모습으로 나타날 수 있다는 것이다. 일반적으로 온라인에서는 새로운 업종에 진출

하기 위한 비용이 오프라인보다 작다고 볼 수 있다. 예를 들어 채팅사이트를 개설

한 기업이 동호회나 게시판을 운 하는 것은 서버 확충과 관련한 시스템의 보완으

로 충분히 가능한 일이다. 이 경우 단순히 새로운 업종에 진출하는 것보다 더욱 중

요한 것은 기존 서비스의 사용자들이 새로운 서비스를 사용하도록 하는 유인을 제

공하는 것이라고 볼 수 있다. 따라서, 어떠한 업종에 이미 많은 사용자를 확보한 대

11) 코리안클릭(2002)

제 2장 패널데이터를 이용한 인터넷 활용정도 분석과 향후 인터넷시장의 경쟁에 대한시사점 51

표기업이 존재하더라도, 더 많은 사용자들을 확보한 다른 업종의 대표기업이 진출

하는 경우 독점력 유지가 위험하게 된다. 즉 업종간의 경쟁의 측면에서는 인터넷

사용자의 사이트 집중과 사이트 고착이 업종내의 경쟁과는 달리 경쟁 심화의 요인

으로 작용하게 된다. 몇 가지 예를 살펴보자.

미국의 아마존은 인터넷 서점으로 출발하여 1999년 중반기에 CD, DVD, 비디오,

장난감, 온라인 약국 등의 업종에 기존에 해당업종의 비대표기업을 인수·합병하

여 진출하 다. 이들의 진출 배경은 ‘전문화 전략’에서 탈피하여 일명 ‘백화점식 전

략’을 취하는 것이나, 그 기저에는 기존의 아마존 고객 및 사용자가 있었다는 것은

주지의 사실이다. 아마존 진출이전에 업종 내에서 선두기업들은 심각한 타격을 입

게 되었는데 아마존의 진출이후, CD부문에서 선두를 달리고 있던 CDNow는 주가

가 폭락하고 판매순위가 뒤쳐졌으며, 화 비디오, DVD를 전문으로 하 던 Reel.

com 및 온라인 장난감 전문점인 eToys.com이 도산하 다.

국내에서는 다음(daum)을 예로 들 수 있다. 이메일 서비스로 출발하여 커뮤니티

전문 포탈로 성장한 다음의 2000년 상반기의 전자상거래 매출은 10억 원대에 불과

했다. 이에 비해 국내 온라인 쇼핑몰의 대표기업이라고 볼 수 있는 인터파크12)의 매

출은 100억 원대 다. 이러한 추세가 2001년 상반기에는 다음 242억 원, 인터파크

233억 원을 비슷한 수준을 기록하다가 2002년 상반기에는 다음 669억 원, 인터파크

593억 원으로 다음이 오히려 국내 쇼핑몰 대표기업인 인터파크를 앞지르기 시작하

다.

국내 인터넷 비즈니스의 역사는 1998∼99년의 ‘발아 및 성장기’에 이은 2000∼

2001년의 ‘침체기’를 거쳐 2002년에 들어서 ‘소수 대표기업의 약진기’를 맞고 있는

12) 국내에서 오프라인에 기반을 둔 쇼핑몰은 전자상거래로 인한 수익의 제고보다는

이들이 이미 가지고 있는 오프라인에서의 위치에 대한 보조적인 수단 및 주가를

인식한 전략적 사업운 으로서 쇼핑몰을 운 한다는 지적이 존재하며, 이들의 고

객은 자사 및 대리점인 경우가 많기 때문에 순수한 의미의 인터넷 기업으로 보기

에는 무리가 있다.

52

모습이다. 향후 인터넷 비즈니스의 경쟁상황은 업종 내에서는 소수의 대표기업이

독점력을 강화시키는 방향이 지속적으로 전개되리라 보이지만, 오프라인에서는 희

귀한 현상인 사용자 및 고객을 기반으로 한 업종간의 진입이 활발해질 것으로 예측

된다.

제 6절 결 론

본 연구는 패널데이터를 이용하여 국내 인터넷 활용 정도를 분석하는 것을 목적

으로 하 다. 본 고에서는 패널들이 방문한 사이트의 수에 대한 궤도 분석(trajectory

analysis)을 통해 개인적인 차원에서 인터넷 활용 정도를 살펴보았으며, 인터넷 이용

자의 충성도를 살펴보기 위해 사이트 전환(churning)분석을 수행하 다.

분석 결과는 다음과 같다. 첫째, 개인적인 차원에서 인터넷 활용은 계속적인 증가

를 보이는 집계 데이터 분석과 상당히 다른 모습을 띄는 것으로 나타났다. 저이용,

중간이용 그룹은 활용도가 거의 일정한 반면, 고이용 그룹은 초기 활용도 상승이후

활용도가 점차적으로 저하되는 모습을 나타냈다. 또한 그룹을 결정하는 요인에 대

해서는 인구통계학적(demographic) 변수 중에서 나이, 학생 여부 및 결혼 여부가 유

의미한 것으로 나타났다.

둘째, 국내 인터넷 이용자는 방문 사이트 중 70∼80%를 거의 매주 방문하여 접속

하는 사이트가 매우 집중되어 있는 것으로 나타났다. 이러한 경향에 따라 향후 특

정 사이트로 접속이 집중되어 컨텐츠 유료화 및 다른 부가서비스의 제공 등으로 수

익을 올릴 수 있는 사이트와 그렇지 못한 사이트로 인터넷 비즈니스의 발전이 구분

될 것으로 판단된다.

위의 분석을 토대로 인터넷 초기에 주장된 온라인에서의 ‘완전경쟁’의 가설은 향

후 우회될 가능성이 많은 것으로 예측된다. 이론적으로는 온라인에서 사용자의 탐

색비용과 전환비용이 매우 작아져서 경쟁이 치열하게 전개될 가능성이 존재하지만,

위의 분석에 따르면 사용자들이 특정 사이트로 집중되고 있고 사이트 전환이 매우

제 2장 패널데이터를 이용한 인터넷 활용정도 분석과 향후 인터넷시장의 경쟁에 대한시사점 53

고착적으로 나타나고 있다. 이에 따라 업종 내의 경쟁은 소수 대표기업의 독점력

강화에 따른 수익성 향상이 지속되리라 예측된다. 주목할 점은 이러한 경향이 업종

간의 경쟁에는 업종내의 경쟁과는 다른 시사점을 갖는다는 것이다. 즉 사용자 및

고객을 기반으로 대표기업이 다른 업종으로 진출하는 경우 개별 업종의 대표기업

의 독점력을 약화시키는 방향으로도 작용할 수 있고 실제로 이러한 몇 가지의 사례

가 존재한다.

발아·성장기로부터 침체기를 거쳐 소수 대표기업의 약진기로 표현되는 인터넷

비즈니스의 역사에서 향후 경쟁상황에 대한 자세한 분석은 오프라인의 경쟁과 온

라인의 경쟁과의 차이점, 인터넷 사용자의 활용행태 분석, 인터넷 기업의 전략 분석

등의 점에서 추후적인 연구를 필요로 한다.

54

제 3장 방문율과 고착도 측면에서 본 국내 웹사이트의

문제점 및 대응방안

제 1절 서 론

인터넷붐이 발생하여 인터넷 비즈니스의 설립 및 운 자금 조달이 상대적으로 용

이했던 인터넷 비즈니스의 초기에 비해 시간에 지남에 따라 발생한 버블의 붕괴는

많은 인터넷 비즈니스들에게 수익성의 문제를 야기하 다. 이에 대응하여 인터넷

기업들은 온라인 상에서 신규 기업의 진입이 쉬움에 따라 발생하는 심한 경쟁을 지

적하기도 했고, 국내 인터넷 사용자들이 무료 서비스에 너무 익숙해져 있어 유료

서비스나 유료 컨텐츠를 도입하기가 어렵다고 지적하기도 하 다. 그러나 온라인의

특성상 사용자의 사이트에 대한 탐색비용(search cost)과 사이트를 바꾸는 전환비용

(switching cost)이 오프라인에 비해 급격히 감소하기 때문에, 사용자 유지(retention)

에 대한 적절한 전략과 노력없이 온라인의 심화된 경쟁만을 지적하는 것은 적절한

대응방법이 아니다. 또한 최근 인터넷 기업 중 분야별로 몇몇 대표기업들이 이익을

기록하고 있는 상황임을 감안할 때 이러한 지적은 너무 성급한 것이라고 판단된다.

인터넷 비즈니스의 입장에서는 우선 인터넷 사용자의 질적인 사용행태와 관련하

여 다음과 같은 질문이 의미 있을 것이다. 즉, 특정 사이트에 방문하는 사용자가 어

느 정도인가? 방문자가 증가추세인가 혹은 감소추세인가? 방문자가 증가추세인 경

우라면 신규로 방문하는 사용자가 많은 비중을 차지하는가? 혹은 재방문자가 많은

비중을 차지하는가? 특정 사이트에 한번 방문했던 사람들의 방문행태가 시간이 지

남에 따라 어떠한 변화를 보이고 있는가? 등의 문제이다. 이러한 질문에 답하기 위

해서는 집계(aggregate) 데이터의 분석으로는 불가능하고 실제로 개별 인터넷 사용

자의 이용행태를 알 수 있는 자료를 필요로 한다.

제 3장 방문율과 고착도 측면에서 본 국내 웹사이트의 문제점 및 대응방안 55

기존에 인터넷 사용자 및 전자상거래 소비자의 행태를 알기 위한 자료로는 판매

자 자료(retailer data), 샵봇 자료(shopbot data), 실험 자료(experimental data) 및 인터

넷 사용자 패널 자료(panel data) 등이 사용되어 왔다. 먼저 판매자 자료13)는 특정 판

매자의 서버에 존재하는 로그 파일을 분석하여 제품정보, 가격정보 및 사용자의 사

이트 이동 및 구매에 대한 자료를 얻는 경우이다. 이러한 데이터는 해당 사이트 내

에서 이루어진 사용자의 이용행태를 가장 자세히 알 수 있으나, 판매자의 도움 없

이는 자료의 수집이 불가능하며 해당 사이트 이외의 사이트에 대해서는 사용자의

이용행태에 대한 어떠한 정보도 가질 수 없다는 점이 단점으로 지적된다. 샵봇 자

료(shopbot data)14)는 가격비교 사이트에서는 정리된 다양한 쇼핑몰의 제품정보, 가

격정보 및 이에 접속하여 특정 쇼핑몰로 이동한 소비자의 궤적에 대한 자료를 의미

한다. 이러한 자료 역시 가격비교 사이트가 구매의 중개 역할만 하고 실제 소비자

의 구매는 쇼핑몰에서 이루어지기 때문에 소비자의 실제 구매 여부를 알기 어렵고,

쇼핑몰의 입장에서는 가격비교 사이트를 통해 접속하는 사람이 일부분이므로 판매

자 데이터에 비해 포괄범위는 넓으나 데이터의 정확성이 떨어진다는 단점이 존재

한다. 실험 자료(experiment data)15)는 특정한 연구의 목적에 맞게 인위적인 실험 설

13) 이러한 자료를 이용한 예로 Degeratu, Rangaswamy, and Wu(1998)를 들 수 있는데,

그들은 1996년∼1997년 동안 인터넷 식료품점인 피포드(Peapod)로부터 자료 협조

를 받아 인터넷과 전통적인 판매 채널에서 식료품의 가격탄력성을 비교하여 온라

인의 가격탄력성이 낮다는 결론을 얻었다.

14) Brynjolfsson and Smith(2000)는 쇼핑 에이전트인 EvenBetter.com을 이용하여 서적을

구입하는소비자들의 쿠키자료(cookie data)를사용하 는데, 마지막 클릭(last click-

through)을 소비자가 그 상품을 선택하여 구매한 것으로 가정하 으며 Ellison and

Ellison(2001)을 들 수 있는데, 이들은 샵봇 자료와 그중 하나의 판매자의 판매액에

대한 자료를 혼합하여 사용하 다.

15) Lynch and Ariely(1998)은 포도주 온라인 시장에서의 실험을 통해 소비자들에게 가

격정보만 제공할 때보다 제품에 대한 다양한 정보들을 함께 줄 때 가격탄력성이

낮으며 소비자들이 자신의 기호에 더욱 합치하는 최적의 상품을 골라내는 경향이

있음을 밝혔다.

56

계에 의해 얻어진 자료를 가지고 분석하는 것을 의미한다. 따라서 데이터의 자의성

이라는 측면에서 역시 문제가 존재한다.

이에 비해 인터넷 사용자 패널 데이터는 인터넷 시장조사 업체에 의해 수집되는

데, 이러한 업체는 인구통계학적인 구성에 따라 인터넷 사용자의 패널을 구축한 뒤

이들이 가지고 있는 PC에 특정한 조사 소프트웨어를 설치하고 웹서핑 내역을 조사

업체의 서버에 전달하여 저장하는 방식을 사용한다. 따라서 인터넷 이용자의 패널

데이터는 다양한 사용자의 인구통계학적인 정보를 얻을 수 있다는 점과 클릭(click)

을 통해 나타나는 객관적인 이동경로에 대한 정보를 얻을 수 있는 점이 장점으로

지적되고 있다. 이에 비해 사이트의 이동 또는 방문에 대한 자료는 쉽게 수집 가능

하나 구매 개수, 커뮤니케이션의 내용 등 사이트 내에서의 활동에 대한 자료는 입

수가 불가능하다는 단점도 가지고 있다.16)

본 연구의 목적은 개별적인 인터넷 이용행태에 대한 인터넷 사용자들의 패널데이

터를 근거로 국내 인터넷 사이트들이 어느 정도로 사용자 방문에 있어서 성과를 올

리고 있는지를 분석하는데 있다. 이를 위해 본 고에서는 첫째, 인터넷 사이트들이

얼마나 사용자를 유인(誘引)하고 유지(維持)하는가에 대해 살펴보기 위해 국내 상

위 50위 웹사이트에 대해 사이트 방문율(reach rate, dominance)과 고착도(stickiness)

를 분석하고, 둘째, 특정 사이트에 방문하는 사람들 중 재방문자의 비중이 시간이

지남에 따라 어떻게 변하는지를 분석하고자 한다.

제 2절 사이트 방문율(dominance)과 고착도(stickiness)의 개념

인터넷이 상업적인 용도로 사용되기 시작한 이후에 온라인에서는 웹사이트에 접

속하는 사용자의 방문 및 구매 등의 궤적(trace)에 대한 정보 습득의 용이성 때문에

16) 그러나 이러한 내용의 자료를 판매자의 도움 없이 제3자가 관찰하는 것은 거의

불가능하다.

제 3장 방문율과 고착도 측면에서 본 국내 웹사이트의 문제점 및 대응방안 57

웹사이트의 성과를 측정하기 위하여 매우 다양한 측정치가 사용되어 왔다. <표 3－

1>은 일반적으로 이용되는 웹사이트의 성과에 대한 측정치를 요약한 것이다. 이러

한 측정치는 크게 방문과 관련된 측정치, 광고와 관련된 측정치 및 구매와 관련된

측정치로 나누어볼 수 있는데, 먼저 방문과 관련해서는 순방문자수, 도달율, 방문

수, 페이지뷰, 평균 재방문일수, 평균 방문시간 등이 이용된다. 이러한 자료는 인터

넷 조사업체들이 인터넷 사용자 패널로부터 생성된 자료를 토대로 정리하여 일정

기간의 기준으로 발표하고 있다.

<표 3－1> 사이트의 성과(performance)와 관련한 측정치

측정치 설 명

방문

관련

측정치

Unique Visitors

(순방문자수)

측정 기간 중 1회 이상 해당 사이트에 방문한 중복되지 않은

방문자.

예를 들어, 어떤 사람이 특정 달에 야후코리아에 1회 방문하거

나 100회를 방문해도 순방문자는 한 사람으로 계산함.

Reach Rate

(도달율)

국내 네티즌 중 일정기간 동안 특정한 웹사이트에 방문한 순방

문자수의 비율. 즉, (순방문자 수/전체네티즌 수)

Visits

(방문수)

측정기간 중 해당 사이트의 방문자가 성공적으로 방문한 총횟

수. 1회 방문(visit)의 기준은 체류시간 30분 이하임

Pageview

(페이지뷰)측정기간 중 해당사이트에 방문한 방문자들의 총페이지 조회수

Avg. Frequency

(평균 재방문 일수)

측정기간 중 해당사이트에 방문한 순방문자 1인당 평균 재방문

한 일 수. 즉, (총 재방문일수/순방문자 수)

Avg. Duration

(평균 방문시간)

측정기간 중 해당사이트에 방문한 순방문자 1인당 체류한 평균

시간을 분 단위로 나타냄. 즉, (총 체류시간/순방문자 수)

광고

관련

측정치

Click Through Ratio

(클릭율)

배너 하나가 노출될 때 클릭되는 횟수. 즉 CTR＝(클릭수/임프

레션)×100.

여기서 임프레션(impression)은 광고 노출 횟수를 의미

구매

관련

측정치

Visit-Purchase

Conversion Rate

(방문－구매 전환비율)

일정 기간 동안 특정 웹사이트에 방문한 순방문자 중에서 해당

웹사이트에서 구매한 사람들의 비율

58

광고와 관련한 측정치도 다양하게 존재하는데, 이의 가장 기본적인 측정치는 광

고노출 대비 클릭수를 나타내는 클릭율(click through rate)이다. 통상적으로 광고주

들은 특정 웹사이트에 따라 클릭 수 및 광고노출 수(impression)에 따라 비용을 지불

하고 이를 CPM(Cost Per Mila), CPC(Cost Per Click) 등의 개념으로 나타내고 있다.

이에 비해 특정 사이트의 구매와 관련한 측정치로는 방문－구매 전환비율(conver-

sion rate)이 존재한다. 이는 일정기간 중 방문한 순방문자 중에서 구매자로 전환한

비율이 어느 정도인지를 측정하는 개념이다.

그런데, 이렇게 다양한 측정치 중 웹사이트의 관점에서 가장 기본적인 것은 사용

자를 얼마나 誘引(attraction)하고 維持(retention)하는가의 문제이다. 사용자 유인은

웹사이트가 존재하기 위한 가장 근본적인 조건이다. 아무리 웹사이트가 훌륭해도

누구도 방문하지 않는다면 웹사이트의 가치는 존재하지 않는다. 또한 사용자의 유

지가 부족하다면 그만큼 사이트에 대한 매력도가 떨어진다는 의미일 것이다. 어떤

웹사이트가 사용자의 유인과 유지의 측면에서 실패한다면 이는 양자의 토대 위에

서 가능한 광고, 전자상거래 판매, 컨텐츠 및 부가서비스 판매 등을 통한 웹사이트

의 생존과 수익이 불가능하기 때문이다.

본 연구에서는 사용자의 유인을 측정하기 위한 개념으로 사이트의 방문율(domi-

nance)을 사용하고, 사용자의 유지를 측정하기 위한 개념으로 사이트의 고착도(stick-

iness)를 이용하 다. 먼저 사용자의 유지에 대한 척도로 사용한 특정 인터넷 사이

트에 대한 방문율은 전체 인터넷 인구 중에서 해당 사이트를 방문한 순방문자

(unique visitor)의 비율을 의미한다. 그런데 전체 인터넷 인구를 모집단으로 하는 조

사는 실행하기 어렵기 때문에, 이러한 측정치는 대부분의 경우 인터넷 조사업체에

서 발표하는 도달율(<표 3－1> 참조)을 사용한다.

이에 비해 인터넷 사이트의 고착도(stickiness)에 대한 개념은 매우 다양하게 정의

되고 있다. 기존의고착도에 대한개념은크게다음의세가지정도로정의되고있다.

첫째는 웹사이트의 방문시간(duration)으로 정의하는 경우이다. 이 개념에 따르면

사용자가 웹사이트를 오래 방문할수록 높은 고착도를 나타낸다고 해석한다. 이러한

제 3장 방문율과 고착도 측면에서 본 국내 웹사이트의 문제점 및 대응방안 59

개념을 사용하는 예로는 미국의 인터넷 조사업체의 선두회사인 Media Metrix를 들

수 있는데, 이들은 특정 사이트의 고착도를 한달 동안 해당 사이트의 평균 방문시

간으로만 정의하고 있다. 이 개념에 따른 측정을 위해서는 인터넷 패널 자료를 이

용하는 경우가 대부분이다. 그러나 이 경우 사용자가 실제로 해당 사이트에 접속하

여 활동을 했는지 혹은 사이트에 접속한 후 컴퓨터를 일정 시간 떠나있어 방문시간

이길어졌는지에대해정확한판단을 하기어렵다는점이문제점으로지적되고있다.

둘째는 고착도를 사용자가 해당 사이트에 얼마나 깊이(deep) 간여하는 지로 정의

하는 방법이다. Wired News에 따르면 ‘고착도는 한 사이트가 사용자를 유지하고 그

들을 사이트 더욱 깊숙이 간여하게 하는 능력이다’라고 정의하고 있다(IMCP; 2000).

이러한 개념은 실제로 측정된 바는 없으나 상기한 인터넷 패널 데이터를 이용하여

사용자가 특정 사이트에 얼마나 많은 페이지를 방문했는지 혹은 초기접속화면과

웹사이트의 디렉토리 구조를 가지고 측정할 수 있을 것으로 판단된다. 그러나 이러

한 개념의 경우에도 사용자 간여도의 깊이(depth)라는 추상적·주관적 개념을 어떻

게 구체적·객관적으로 측정하는가의 문제가 존재한다.

셋째는 고착도를 특정 사이트에 대한 사용자의 재방문 정도로 정의하는 방법이

다. Bankrate에 따르면 ‘고착도는 특정 사이트가 방문자를 재방문하도록 하는 능력

이다’라고 정의하고 있고, About.com은 고착도를 ‘웹사이트가 재방문자를 끌어들이

고 유지하는 능력’이라고 정의하고 있다(IMCP; 2000).

본 고에서는 특정 사이트에 대한 사용자의 재방문의 정도를 기준으로 고착도를

정의하기로 한다. 보다 구체적으로 고착도의 측정 및 사이트 재방문에 대한 측정은

이하에서 다루어진다.

한편 재방문의 행태는 인터넷 사이트에게 매우 중요한 의미를 부여한다. 일반적으

로 특정 사이트의 방문자는 신규방문자와 재방문자로 구성된다. 신규방문자는 사이트

를 충분한 탐색의 결과가 아니라 다른 사람의 권유나 우연히 방문한 경우가 많기 때

문에 사이트가 제공하는 서비스에 대해 충성도(loyalty)가 떨어지고 이에 따라 유료

컨텐츠나 유료 서비스를 이용하는 데에 있어서 재방문자에 비해 중요성이 감소한다.

60

그런데 기존의 몇몇 연구에 따르면 시간이 지날수록 재방문자의 방문 빈도 및 방

문 지속시간이 감소한다는 연구가 존재한다.

Moe and Farder(2001) 패널 데이터를 이용하여 인터넷 사용자의 Amazon과 CDNow

에 대한 방문행태를 모형화하여 분석한 결과 전반적인 방문율은 증가하나, 이는 신

규 방문자들이 증가하는 것을 주로 반 하고 기존 사용자들은 시간이 지남에 따라

방문정도가 감소한다고 결론을 내리고 있다.

Johnson et al.(2001)에서도 수십 개의 여행, 도서, CD판매 사이트에 대한 소비자의

패널데이터를 이용하여 사이트 재방문에 따른 방문 지속시간(duration)을 조사한 결

과, 방문횟수가 늘어날수록 방문 지속시간이 감소하는 것을 발견하 다.

국내에서 인터넷 사용자의 방문행태에 대한 조사가 이루어진 예로는 김소 외

(2002)를 들 수 있다. 이들은 2000년 10월, 11월 2달 동안의 국내 한 커뮤니티 사이

트의 로그파일을 분석하여 방문빈도(visit frequency)의 고저로 두 개의 그룹을 분리

한 후, 각각의 그룹에서 방문당 평균 체류시간(duration)과 방문당 평균 페이지뷰

(pageview)를 조사하 다. 조사 결과 방문빈도가 높을수록 평균 체류시간(duration)과

페이지뷰(pageview)가 감소한다는 사실을 밝혔다.

제 3절 상위 50위웹사이트방문율(reach rate)과고착도(stickiness)의

측정 및 분석

1. 측정방법

이 절에서는 인터넷 사이트의 관점에서 사이트의 성과를 분석하기 위해 인터넷

사이트가 어느 정도로 사용자를 유인(誘引)하고, 또한 그들을 유지(維持)하고 있는

가에 초점을 두어 분석한다. 이를 위하여 국내 인터넷 사이트의 방문율(reach rate,

dominance)과 고착도(stickiness)의 개념에서 상기 질문에 답해보고, 이에 대한 원인

을 분석하고 해결방향을 제시하는 것을 목적으로 한다.

제 3장 방문율과 고착도 측면에서 본 국내 웹사이트의 문제점 및 대응방안 61

국내 인터넷 사이트의 이용자 유인과 유지 정도를 살펴보기 위해 순방문자(unique

visitor) 기준 상위 50위 사이트에 대한 사이트 방문율과 고착도를 측정해 보았다.17)

여기서 방문율은 특정 사이트가 어느 정도의 순방문자를 끌어들 는지에 대한 측

정치로서 주어진 패널에 속한 개인이 각 주에 특정 사이트에 방문하 으면 1, 그렇

지 않으면 0으로 처리하여 사이트별로 합계하여 평균비율을 구한 것이다.

DOMs＝1T1N(∑t∑ixsi,t) s＝1,2,...,50 (3－1)

여기서 xsi,t: i번째패널이 t기에 s사이트를방문하 으면 1, 그렇지않으면 0인변수임

T: 총 기간 수

N: 총 패널 수

반면에 특정 s사이트에 대한 고착도는 측정된 전 기간에 걸쳐서 정의되는 개념이

기 때문에 다음과 같이 측정하 다. 즉, 어떤 개인이 최초에 특정 사이트를 방문한

이후부터 계산하여 분석기간의 끝까지 재방문한 횟수를 기준으로 하 다. 예를 들

어 총 기간이 10주이고 어떤 사람이 3주에 A사이트를 최초로 방문한 후 10번째 주

까지 2번 방문하 다면 이 사람의 고착도는 2/7이다. 특정사이트의 고착도는 이러

한 개인별 고착도의 평균치로 정의하 다.18)이를 수식으로 표현하면 다음과 같다.

17) 상위 50위만을 살펴보는 것이 전체 사이트의 성과를 보는 데에는 한계가 존재하

지만, 사용자의 방문 및 방문시간이 상위사이트에 집중되어 있기 때문에 전반적

인 모습을 파악하기 위해서는 충분하다고 판단된다. 예를 들어 1위인 다음의 전체

방문시간은 51위인 삼성전자에 비해 약 200배가 높다. 그 차이를 100배로 계산하

더라도 상위8개 사이트의 방문시간과 51위부터 850위까지의 방문시간이 거의 동

일하다. 참고로국내사이트 중 방문율이 2%이상인 사이트가약 780개에 불과하다.

18) 고착도 측정에 있어 위에서 정의한 측정치를 사용한 경우 다소간의 문제점은 존

재한다. 예를 들어 어떤 두 사람이 각각 특정 사이트를 초기에 한번 접속하고 말

기에 한번 접속한 경우와 말기 이전과 말기에 접속한 경우를 비교하면 전자는 고

착도가 매우 적게 측정되는 반면에 후자는 매우 크게 측정되는 경향이 있다. 그러

나 실제 데이터를 살펴본 결과 3∼4번 접속한 사이트는 대부분 시기적으로 집중

62

STCs＝1N∑iSTC

si＝1N∑i

s iT－t i

(3－2)

여기서 t i: i번째 패널이 s사이트를 처음 방문한 주

T: 총 기간 수

s i : i번째 패널이 s사이트를 처음 방문한 이래 마지막 주까지 s사이트를

방문한 횟수

자료는 (주)코리안클릭의 인터넷 사용자 전체패널 중 2000년 12월부터 2002년 2

월까지 유지된 총 511명 패널의 주간자료를 이용하 다. 만일 511명 모두가 사이트

A를 방문하 고, 최초 방문 후 매주 사이트 A를 재방문 하 다면 사이트 A의 방문

율과 고착도는 모두 1이다.

2. 분석 결과

2002년 2월을 기준으로 국내 상위 50위 사이트는 <표 3－2>에 나타난 것처럼 다

음과 같이 구성되어 있다. 즉, 종합 포탈 5개, 검색 포탈 7개, 커뮤니티 포탈 4개, 인

터넷접속(ISP) 포탈 6개 등 포탈 사이트 22개,19)신문사 7개, 방송사 3개 등 신문·

방송사이트 10개, 쇼핑몰·경매 사이트 2개, 카드·은행 사이트 4개, 음악정보 사

이트 2개, 기타 게시판, 무료 이메일 등의 사이트 10개 등이다. 이 중 포탈의 성격이

강한 무료 이메일, 게시판, 웹호스팅 등의 사이트를 포탈에 합산할 경우 포탈 성격

의 사이트가 총 32개로 전체의 절반이 넘는다.

순위 면에서도 이러한 포탈이 상위권을 점하고 있다. 포탈 성격의 사이트가 상위

10위권을 모두 점하고 있으며, 옥션, 조선일보, 한국일보를 제외하고 20위권중 17개

사이트가 포탈 성격의 사이트이다.

되어 접속한 것으로 나타났다.

19) 여기서 포탈 사이트의 구분은 코리안클릭의 구분을 따랐다. 현재 포탈사이트가

제공하는 서비스가 어느 정도 중복됨을 감안할 때 이러한 구분의 자의성은 존재

한다.

제 3장 방문율과 고착도 측면에서 본 국내 웹사이트의 문제점 및 대응방안 63

<표 3－2> 국내 50위 사이트 방문율과 고착도

사이트명 업 종 방문율 고착도

daum.net 종합포탈사이트 0.672 0.689

naver.com 검색엔진 및 검색포탈 0.527 0.543

yahoo.co.kr 검색엔진 및 검색포탈 0.596 0.604

microsoft.com 전자, 컴퓨터, 인터넷기업 0.278 0.282

hanmir.com 검색엔진 및 검색포탈 0.404 0.414

dreamwiz.com 종합포탈사이트 0.429 0.437

lycos.co.kr 검색엔진 및 검색포탈 0.461 0.467

netian.com 커뮤니티 포탈 0.415 0.422

msn.com 종합포탈사이트 0.323 0.350

msn.co.kr 종합포탈사이트 0.222 0.256

empas.com 검색엔진 및 검색포탈 0.345 0.372

chosun.com 종합일간지 0.317 0.345

chollian.net 인터넷접속포털(ISP) 0.284 0.294

auction.co.kr 경매, 역경매, 공동구매 0.152 0.227

hankooki.com 종합일간지 0.258 0.289

hananet.net 인터넷접속포털(ISP) 0.246 0.266

com.ne.kr 무료홈페이지 및 이메일 0.195 0.215

freechal.com 커뮤니티 포탈 0.278 0.324

dreamx.net 인터넷접속포털(ISP) 0.203 0.219

hihome.com 무료홈페이지 및 이메일 0.190 0.206

superboard.com 게시판 및 카운터 제공 0.314 0.327

imbc.com 방송국 0.171 0.190

joins.com 종합일간지 0.178 0.204

kbs.co.kr 방송국 0.141 0.169

wo.to 도메인, 웹호스팅, 웹사이트 0.187 0.205

stoo.com 종합일간지 0.157 0.218

sportsseoul.com 종합일간지 0.172 0.264

samsungcard.co.kr 카드 0.148 0.208

okcashbag.com 종합 포털사이트 0.140 0.179

netsgo.com 인터넷접속포털(ISP) 0.160 0.170

iloveschool.co.kr 커뮤니티 포털 0.256 0.293

64

사이트명 업 종 방문율 고착도

bugsmusic.co.kr 음악정보 0.133 0.225

soribada.com 음악정보 0.136 0.215

korea.com 인터넷접속포털(ISP) 0.163 0.198

simmani.com 검색엔진 및 검색포탈 0.131 0.160

sbs.co.kr 방송국 0.170 0.188

lgcard.com 카드 0.116 0.179

cafe24.com 커뮤니티 포탈 0.067 0.128

donga.com 종합일간지 0.106 0.138

kookmincard.co.kr 카드 0.109 0.168

mk.co.kr 경제지 및 전문지 0.137 0.209

shinbiro.com 인터넷접속포털(ISP) 0.201 0.204

kookminbank.com 은행 0.114 0.238

passport.com 다양한 인터넷 무료서비스 0.101 0.153

mycgi.co.kr 게시판 및 카운터 제공 0.112 0.184

ce.ro 도메인, 웹호스팅, 웹사이트 0.081 0.136

new21.com 도메인, 웹호스팅, 웹사이트 0.076 0.111

lgeshop.com 종합쇼핑몰 0.073 0.129

hompy.com 무료홈페이지 및 이메일 0.078 0.111

yahoo.com 검색엔진 및 검색포탈 0.228 0.240

또한 <표 3－2>에서는 이들 사이트의 방문율과 고착도가 나타나 있다. 일반적으

로 양자는 비례관계가 있고, 방문율이 높아 인터넷 사용자의 유인에 성공적인 사이

트가 고착도, 즉 사용자의 재방문 및 유지에서도 성공적임을 알 수 있다.

방문율과 고착도의 관계를 좀더 상세히 살펴보기 위해 [그림 3－1]은 방문율과

고착도의 평균을 기준으로 4사분면으로 나누어 표현한 것이다. 상위 50위 사이트

중에서 방문율과 고착도가 모두 평균보다 높은 사이트는 17개, 모두 평균보다 낮은

사이트는 31개이고, 방문율은 평균보다 낮으나 고착도가 높은 사이트는 1개, 방문

율은 평균보다 높으나 고착도가 낮은 사이트는 1개로 구성되어 있다. 또한 양 측정

치가 모두 0.5를 넘는 사이트는 다음, 네이버, 야후 등의 종합포탈 사이트이다.

제 3장 방문율과 고착도 측면에서 본 국내 웹사이트의 문제점 및 대응방안 65

[그림 3－1] 국내 상위 50위 웹사이트의 방문율과 고착도

방문율과 고착도의 측면에서 성공적인 인터넷 사이트를 어떻게 판단할 것인가?

위에서 가장 기본적인 인터넷 사이트의 성공적인 측정 단위로 사용할 수 있는 개념

으로 사용자의誘引과維持를 들 수 있음을 지적하 다. 즉, 많은 사용자를 끌어들

이고 또한 그들을 그 사이트에 유지시키는 것이 향후 사이트의 서비스에 대한 사용

자들의 구매력을 높이는 방법으로 가장 기본적인 능력이라고 판단할 수 있다. 이

중에서 물론 유인과 유지 측면에서 모두 성공적이어서 방문율과 고착도가 높은 사

이트가 최선이지만, 사이트의 특성상 방문율은 낮더라도 고착도가 높은 사이트를

만드는 것이 차선책일 것이다. 왜냐하면 방문율에 비해 고착도가 상대적으로 높은

사이트는 사용자에게 가치있는 정보나 서비스를 충분히 제공하고 있으므로 이러한

사이트들은 향후 컨텐츠의 유료화나 다른 부가서비스의 제공 등을 통해 성공적인

인터넷 비즈니스의 토대를 마련한 것으로 볼 수 있기 때문이다.

[그림 3－1]을 언뜻 보면 이러한 관계가 나타나는 것처럼 보인다. 방문율과 고착

도가 동시에 상위인 사이트도 존재하며, 방문율이 낮은 몇몇 사이트의 경우는 상대

적으로 높은 고착도를 보이고 있기도 하다. 방문율과 고착도의 관계를 좀더 자세히

살펴보기 위해 방문율을 고착도에 회귀분석 한 이후 잔차(residual)를 그려보았다.

66

DOMs＝α0＋α1STC

s＋e

s (3－3)

여기서 DOMs: s 사이트의 방문율

STCs: s 사이트의 고착도

[그림 3－2]의 각 점들은 식 (3－3)의 회귀분석 결과 잔차를 나타내며, 실선은 잔

차의 95% 신뢰구간을 나타낸다. 따라서 어떠한 점이 신뢰구간보다 상위에 있는 경

우는 다른 사이트에 비해 상대적으로 고착도가 높은 사이트를 의미하고, 하위에 있

는 경우는 다른 사이트에 비해 상대적으로 고착도가 낮은 사이트를 의미한다.

이 그림에서 상대적으로 고착도가 작은 사이트는 존재하지 않으며, 고착도가 방

문율에 비해 크고 그 정도가 95%의 신뢰구간을 벗어나는 경우는 SBS(방송국), 스포

츠서울(전문지) 및 삼성카드(카드사) 등이다.

이러한 분석을 가지고 방문율과 고착도를 좀더 자세히 살펴볼 경우 국내 인터넷

사이트들이 그리 낙관적이지만은 않음이 발견된다.

[그림 3－2] 잔차 분석

제 3장 방문율과 고착도 측면에서 본 국내 웹사이트의 문제점 및 대응방안 67

첫째, 상위 50개 사이트의 방문율과 고착도가 거의 선형(linear)관계로 나타나고

있다. 이는 국내 주요 사이트를 전반적으로 볼 경우에는 사용자를 계속해서 유지시

키는 데에 별다른 성과를 거두고 있지 못하고 있음을 의미한다.

본 연구의 분석 대상 사이트가 상위 50위에 한정되나 그 이하 순위의 사이트에

대한 접속이 미미함을 고려할 때 방문율과 고착도의 그림은 직선의 형태 또는 점들

이 이산된 타원형의 형태가 될 것으로 예측된다. 만일 이산된 타원형의 그림으로 표

현되는 경우는 어느 사이트는 방문율에 비해 고착도가 높아 사용자의 유지에 성공

적인 반면, 그렇지 않은 사이트는 사용자의 유지에 실패하고 있는 것으로 해석될

수 있다. 즉 이 경우는 웹사이트의 사용자 유지에 대한 노력이 어느 정도 가시화되

어 이에 성공한 사이트와 그렇지 못한 사이트가 존재하는 상당히 동태적인 상황을

나타낸다. 그러나 직선의 형태로 나타나는 경우 양 측정치가 동시에 높은 몇몇 사이

트를 제외하고 특별하게 성공적인 사이트가 존재하지 않는 것으로 해석될 수 있다.

둘째, 방문율과 고착도가 모두 상위인 업체는 거의 대부분 포탈 사이트로 이루어

져 있다. 위에서 지적한 대로 양 측정치가 모두 0.5를 넘는 사이트는 다음, 네이버,

야후 등의 종합포탈 사이트이다. 그런데, 포탈 사이트는 그 자체의 업무적 정의상

사람들이 자주 그리고 계속적으로 방문하는 사이트이므로 이러한 현상은 지극히

당연하다.

셋째, 방문율에 비해 충성도가 높게 나타난 몇몇 사이트는 [그림 3－2]처럼 업

종이 신용카드, 전문지, 방송국 등인 것으로 나타났다. 그런데 신용카드의 경우 카

드명세서 발송 및 카드 사용조회 등 오프라인의 특정 신용카드 회원인 사람이 재방

문하는 경우가 많은 것이 보통이다. 자신이 소지하고 있지 않은 신용카드의 사이트

를 방문하는 일은 거의 존재하지 않는다. 스포츠신문 등의 전문지 및 방송국의 경

우도 다루는 내용의 전문성 때문에 방문자들이 고착도가 높은 편이다. 즉 이러한

업종에서 고착도가 높게 나타난 것은 사이트의 노력보다는 업종의 속성을 반 한

것으로 판단된다.

68

3. 미국의 HomeNet 패널과의 비교

여기서는 방문율과 고착도에 있어 미국의 경우와 우리나라의 경우를 비교하여 보

자. 미국의 경우 인터넷 사이트의 방문율과 고착도는 Christ et al.(2001)의 자료를 이

용하 다. 그들은 미국 카네기멜론 대학의 HomeNet Project에서 수집된 1996∼1997

년 패널데이터를 이용하여 상위 30개 사이트에 대한 방문율과 고착도를 분석하 다.

그러나 직접적인 비교를 위해서는 몇 가지 주의해야 할 사항이 존재한다. 첫째,

그들의 연구는 미국에서 초고속 인터넷이 시작되기 이전 시점의 데이터라는 점과

본 연구의 데이터는 초고속 인터넷의 보급이 증가하는 시점인 2000∼2002년의 데

이터라는 점이다. 둘째, 그들의 패널 데이터는 지역적으로 집중된(미국의 피츠버스

지역) 데이터로 패널의 지역적인 특성, 예를 들어 지역 대학의 접속 등이 높게 나타

날 수 있다는 점이다.

먼저 양 측정치 모두 0.5를 넘는 사이트는 yahoo 하나만 존재하 다. 또한 [그림

3－3]에 따르면 미국의 경우에는 한국처럼 사이트의 방문율과 고착도가 선형관계

를 보이지 않고 있음을 알 수 있다. 전체적인 방문율과 고착도 군집의 모양이 선형

관계라기보다는 이산된 타원형의 모양으로 나타나고 있다. 방문율이 평균보다 낮지

만 고착도가 높은 사이트들도 다수(7개) 존재하고 있으며, 그 반대인 사이트도 3개

존재한다.

전반적으로 방문율과 고착도가 동시에 높은 사이트로는 yahoo, excite, lycos 등의

상위권 포탈이 차지하고 있다. 특별히 방문률에 비해 고착도가 높은 사이트는 espn-

net, usatoday 등의 신문·방송 사이트와 disney 등의 엔터테인먼트 사이트, shareware

등의 다운로드 사이트 및 xmission 등의 ISP 사이트 등으로 나타났다. 특히 Home-

Net 데이터가 피츠버그 지역에서 패널을 수집하 으므로 pitt, edu, pittsburg.net 등의

지역적인 성향이 강한 사이트도 상대적으로 고착도가 높은 것으로 나타났다. 상대

적으로 고착도가 높아 사용자의 유지에 성공하고 있는 사이트들이 다양한 업종에

서 나타나고 있다는 점 역시 우리나라의 경우와 구별되는 특징이라고 볼 수 있다.

반면에 방문율이 고착도에 비해 상대적으로 높은 사이트는 infoseek, webcrawler,

제 3장 방문율과 고착도 측면에서 본 국내 웹사이트의 문제점 및 대응방안 69

nando 등의 하위권 포탈로 나타났다. 우리나라에서 하위권 포탈에서도 사용자의 유

지에 일정 정도 성공하고 있는 상황과는 상이한 특징이다.

[그림 3－3] 미국의 방문율과 고착도

미국의 사례에서 알 수 있는 점은 사이트들의 성패가 비교적 뚜렷하게 나타나고

있다는 점이다. 업종에 관계없이 어떠한 사이트는 상당한 정도로 인터넷 사용자의

유지 측면에서 성공을 거두고 있는데 비해, 다른 사이트에는 인터넷 사용자들이 재

방문을 하지 않는 경향이 존재하 다.

제 4절 사이트 재방문(revisit) 행태 분석

1. 측정방법

위에서는 사이트 유인과 유지에 대한 개별적인 측정치로 방문율과 고착도를 이용

하 다. 그러나 이 두 가지 측정치는 재방문에 대한 행태를 이용하여 하나의 방법

으로도 연결될 수 있다. 이하에서는 사이트 재방문의 행태를 살펴보자.

70

일반적으로 특정 사이트의 방문자는 신규방문자와 재방문자로 구분된다. 신규방

문자는 재방문자에 비해 사이트가 제공하는 각종 서비스나 컨텐츠의 구입에 있어

구매력이 떨어지고, 사이트에 대한 충성도도 검증이 되지 않은 그룹이라는 점을 유

의하여야 한다. 미국의 몇 개의 전자상거래 사이트에 대해 방문－구매 전환비율

(visit-purchasing conversion rate)을 연구한 Moe and Fader(2001)에 따르면 사용자가

사이트에 방문하는 빈도가 높을수록, 또한 방문이 증가하는 추세일수록, 구매로의

전환비율이 높다는 것을 발견한 바 있다. 이러한 분석은 전자상거래 사이트만이 아

니라 다른 인터넷 비즈니스를 수행하는 사이트에도 적용될 것으로 판단된다. 즉 일

정한 방문이 축적되어야 인터넷 사용자가 그들에게 적합한 서비스나 컨텐츠를 파

악하게 되고, 이후 이에 대한 구매로 이어진다는 논리이다. 이것이 구매로 이어질

경우 다시 인터넷 사용자의 재방문을 유도하게 되고 이러한 관계는 계속적으로 이

루어질 것이다.

한편, 인터넷 사이트의 입장에서는 단순히 방문자가 증가하는 것이 자신이 성공

적인 운 에 의해 이루어진 낙관적인 신호로 받아들일 수 있기 쉬우나, 방문자의

증가가 상당 부분 신규방문자에 의할 경우, 이들의 재방문을 유도하고 자신의 고객

으로 유지시키는 데에 추가적인 비용이 소요되므로 단순히 낙관적인 상황으로 해

석하는 것은 무리가 있다. 즉 사이트의 성공여부는 단순히 방문자수나 회원수에 의

존하는 것이 아니라 어느 정도의 방문자가 재방문 하 는지 혹은 처음으로 방문하

는지 등의 방문자의 질적인 구성과 더욱 접한 관련성이 있을 것이다.

2. 결 과

특정 사이트를 방문하는 사람을 그 사이트를 호기심 혹은 우연한 기회에 방문하

는 사람들과 자신이 그 사이트가 제공하는 서비스가 적절하다고 판단하여 방문하

는 사람들로 구분하면 다음과 같이 표현된다.

TVst＝NVst＋RV

st (3－4)

제 3장 방문율과 고착도 측면에서 본 국내 웹사이트의 문제점 및 대응방안 71

여기서 TVst , NV

st , RV

st 는 각각 t 기에 s 사이트의 총방문자, 신규방문자 및 재

방문자를 나타냄.

그런데 본 연구의 자료가 511명의 패널자료로 한정되어 있기 때문에 신규방문자

를 추가하는 데에 문제가 존재한다. 따라서 코리안클릭의 홈페이지에 존재하는 사

이트별 실제 순방문자(unique visitor)의 증가추세를 반 하여 총방문자를 다시 측정

하 다. 즉 다음과 같이 조정하 다.

TVst＝TV

st×g

st (3－5)

여기서 gst 는 t 기에 s 사이트에 대한 실제 순방문자의 증가율을 나타냄.

재방문자는 누구를 대상으로 하는가와 어떠한 행위를 재방문으로 정의하는가에

따라 다양하게 정의될 수 있다. 기간이 t에서 T인 경우, 예를 들어 재방문자의 대상

으로는 t기에 방문한 사람만을 대상으로 하는 경우와 이전에 사이트를 한번이라도

방문한 사람을 대상으로 하는 경우가 존재한다. 또한 재방문 행위로는 한번 방문하

고 그 이후에 언제든지 방문하는 행위로 정의하는 경우와 한번 방문한 이후에 특정

시점(예를 들어 4주 이내)까지 방문한 사람만을 재방문으로 하는 경우가 존재한다.

본 연구에서 사용된 패널 자료는 2000년 12월을 기준으로 2002년 2월까지 계속해

서 패널에 포함된 511명로 구성된 패널이므로 ‘이전에 사이트를 한번이라도 방문했

던 사람’으로 정의될 경우 측정이 불가능하다. 따라서, 본 연구에서의 재방문자는

‘2000년 12월에 방문했던 사람이 그 이후에 시기에 방문한 사람’으로 정의하여 측정

하 다. 이러한 방법이 재방문자를 과소평가하는 경향이 존재하기 때문에 재방문행

위는 가장 넓은 범위로, 즉 ‘한번 방문한 이후에 분석기간 중 언제든지 다시 방문한

행위’로 정의하 다. 이러한 정의 하에 재방문율을 (RV

st

TVst )으로 측정하 다.

20)

20) 재방문 계산시 비교적 최근에 생겨난 사이트인 hompy, mycgi, cafe24는 제외하 다.

72

[그림 3－4] 재방문율 추이

전체 웹사이트의 재방문율의 평균을 기간에 따라 나타낸 것이 [그림 3－4]이다.

이 그림으로 판단하면 초기 재방문율이 65%이었다가 1년 정도가 지난 이후에 50%

정도로 약 15%p가 감소하 다. 동기간에 이들 전체 웹사이트의 총방문자가 96%(이

하 모두 순증가율) 정도 증가한 것을 감안하면, 1년 동안 재방문자는 약 51% 증가

한 반면, 신규방문자는 180%가량 증가한 것을 의미한다. 즉 신규방문자의 증가가

재방문자의 증가에 비해 훨씬 많은 것을 알 수 있다.

업종별로 이러한 재방문율이 어떠한 변화를 보이고 있는지 살펴보기 위해 업종별

대표업체의 재방문율 추이를 살펴보았다. [그림 3－5]와 [그림 3－6]은 업종별로

선두업체들의 재방문율을 나타낸 것이다. 포탈업체의 경우 종합포탈의 선두업체인

다음, 검색포탈의 선두업체인 네이버, 커뮤니티 포탈의 선두업체인 네띠앙, ISP 포

탈업체의 선두업체인 천리안의 재방문율을 살펴보았다. [그림 3－5]에서 나타난

것처럼 포탈업체는 전체적으로 재방문율이 상당히 감소하고 있음을 알 수 있다. 70

∼90%의 수준이던 초기 재방문율이 약 1년 이후에는 50∼60%로 감소하고 있음을

알 수 있다. 평균적으로는 초기 81.9%의 방문율이 1년 후에 55.4%로 약 27%p 정도

감소하 다. 또한 동기간에 이들 포탈의 평균적인 방문자수의 증가가 85% 정도 증

제 3장 방문율과 고착도 측면에서 본 국내 웹사이트의 문제점 및 대응방안 73

가하 으므로 이를 간단히 계산하면 1년 동안 재방문자가 약 24% 증가한 반면, 신

규방문자는 356% 증가하여 4배 이상 증가한 것을 의미한다.

[그림 3－5] 포탈 선두업체의 재방문율

이에 비해 [그림 3－6]에서 포탈을 제외한 다른 업체의 경우는 포탈과는 다른 모

습을 보이고 있다. 조선일보를 제외하고 옥션(경매사이트), KBS(방송국), 벅스뮤직

(음악전문 사이트) 등은 분석기간 동안 다소간의 변화는 있지만 재방문율이 하향추

세를 나타내고 있지는 않다. 이들 사이트 평균적으로는 재방문율에서 64.4%에서

51.5%로 하락하여, 전체 사이트의 재방문율의 하락보다는 하락세가 미약한 것으로

나타났다. 이들 사이트의 평균 재방문율의 변화와 총방문수의 증가율을 이용하여

계산한 결과 1년 동안 재방문자가 약 106% 증가한 반면, 신규방문자는 244% 증가

하 다.

그렇다면 다른 사이트에 비해 포탈사이트의 재방문율 하락이 두드러지게 나타나

는 이유는 무엇인가? 재방문율이 감소하는 원인은 다음의 두 가지로 파악할 수 있

다. 첫째는 다른 업종의 사이트에 비해 신규방문이 상대적으로 많은 경우이다. 본

연구에서 정의한 재방문율과 신규방문율을 합치면 1이 되기 때문에 재방문과 신규

74

[그림 3－6] 기타 업종의 선두업체의 재방문율

방문율은 역의 관계를 가진다. 위에서 간단히 계산한 결과에서도 포탈의 주요 사이

트의 신규방문자가 1년간에 4.5배정도 증가한 반면 다른 업종의 대표사이트는 3.5

배정도 증가한 것으로 나타났다. 이는 포탈의 사용자 유인(attraction)이 다른 업종에

비해 강하다는 것으로 해석된다. 위에서 살펴본 방문율의 분석에서도 알 수 있듯이

신규사용자의 유인을 포괄하는 방문율에서 포탈 성격의 사이트가 상위 10위권을

모두 점하고 있다. 논리적으로 재방문자의 증가가 일정한 두 사이트가 존재할 때

신규방문이 많아서 방문율이 낮아진 경우는 그리 큰 문제가 되지 않는다. 구매력과

충성도에 강점이 있는 재방문자는 다른 사이트와 동일하고, 게다가 향후에 재방문

자화할 수 있는 신규방문자가 증가하기 때문이다.

두 번째 원인으로는 다른 업종에 비해 재방문자의 증가가 떨어져서 재방문율이

감소하는 경우이다. 포탈사이트의 경우 다른 업종의 선두기업의 평균인 재방문자의

106% 증가의 1/4도 채 되지 않는 24%의 재방문자 증가를 나타내고 있다. 상위 50위

권에서 비교적 업 시작이 짧은 기업을 이미 제외하 고, 2001년은 인터넷 사이트

및 인터넷 사용자가 어느 정도 성숙단계에 있으므로, 이러한 현상이 시기적인 편향

성(bias) 때문에 발생하는 것은 아닌 것으로 판단된다. 따라서 포탈사이트의 재방문

제 3장 방문율과 고착도 측면에서 본 국내 웹사이트의 문제점 및 대응방안 75

율이 다른 사이트에 비해 하락하는 것은 신규방문자의 증가에도 향이 있지만 다

른 사이트에 비해 재방문자의 증가가 적은 것에 의한 것으로 나타났다.

한편, 다른 업종에 비해 재방문율이 떨어지는 것은 한편으로 업종 전체의 재방문

자가 감소하기 때문에 발생할 수 있고, 다른 한편으로는 포탈 사용자의 이용행태가

다른 업종에 비해 사이트 전환이 심하기 때문에 발생할 수 있다. 前者의 경우에는

재방문이 포탈사이트에서부터 다른 업종으로 업종간에 변화하는 모습을 띄는 것이

고, 後者의 경우에는 사용자가 포탈사이트 업종 내부에서 자주 사이트를 바꾸는 업

종내의 특성을 나타내는 것이다. 먼저 업종내의 변화모습에 대해서는 사용자의 포

탈사이트 전환에 대한 행태를 살펴보아야 하기 때문에 본 고의 논의의 대상을 벗어

나 분석이 불가능하지만, 포탈사이트가 다수 존재하고 대체 가능한 서비스를 제공

하는 웹사이트를 찾기 쉽기 때문에 사이트 전환을 용이하게 하는 측면과 포탈사이

트에서 제공하는 서비스에서 이메일, 체팅, 메신저 등은 잠금효과(lock-in effect)를

가지는 서비스이므로 사이트 전환을 어렵게 하는 측면이 모두 존재한다.21)이에 비

해 업종간 변화모습은 자료에서 어느 정도 나타나고 있는 것으로 보인다. 전체 포

탈사이트를 대상으로 1년간 재방문자의 증가율은 약 26%가 증가한 것으로 나타나

는데, 앞서 지적한대로 전체 사이트를 대상으로 재방문자의 증가율이 약 51%를 나

타내고 있는 것과 비교하면, 인터넷 사용자의 재방문이 포탈사이트로부터 다른 업

종으로 전환되고 있는 것으로 분석된다.

제 5절 시사점 및 논의

국내 상위 50위 웹사이트를 대상으로 한 앞서의 분석에서는 사이트 고착도가 특

별히 높은 사이트가 거의 발견되지 않고, 발견되는 소수의 사이트는 사이트의 전략

과 노력보다는 업종의 특성을 반 하는 것으로 나타났다. 그 결과 방문율과 고착도

21) 따라서 이에 대한 보다 자세한 결론은 추후에 연구될 필요가 있다.

76

와의 관계가 선형으로 나타나, 이산된 타원형으로 나타나는 미국의 경우와 상이한

결과가 도출되었다. 또한 재방문율의 분석에서도 구매력과 충성도가 낮은 신규방문

자의 증가가 두드러지며, 이에 비해 재방문자의 증가는 상대적으로 낮은 것으로 나

타났다.

그렇다면 이러한 결과가 나타난 원인은 무엇인가? 온라인의 특성－고객이 어떠

한사이트에만족하지않으면거의비용을들이지않고다른사이트로옮길수 있는,

즉 오프라인에 비해 온라인에서는 전환비용(switching cost)이 훨씬 적게 든다－을

제외하고 다음의 세 가지 정도의 원인이 지적될 수 있다.

첫째, 기존에 국내 인터넷 기업들은 고객의 충성도를 높이기 위해서 마케팅을 사

용하는 것이 아니라 그와 반대인 경우가 많았다.22)인터넷 기업의 초기에 방문자 및

회원의 확대에만 신경을 썼고, 실제로 그들에게 더 많은 이득을 가져다줄 대상인

재방문자에게는 상대적으로 혜택 부여가 부족하 다. 즉 인터넷 기업들이 신규 가

입자를 확대하기 위한 판촉에 집중하다 보니 기존 회원들을 계속 유지하는 데에는

신경을 쓰지 못한 점이 지적될 수 있다.

둘째, 앞에서 지적한 인터넷 기업의 행동에 대한 원인으로도 지적될 수 있는 문제

로 웹사이트를 평가하는 데에 있어 고객수 및 순방문자수가 주로 이용되어 왔고,

재방문율, 고착도 및 재구매율과 같은 실제 웹사이트의 수익과 더욱 접한 측정치

가 자주 이용되지 못하 다. 인터넷붐 초기에 웹사이트에 대한 평가를 소위 ‘회원 1

인당 얼마’식으로 되어온 이래, 이러한 문제는 상존해 있다고 판단된다. 적절한 측

정치가 부족한 다른 이유로는 재방문율, 고착도 등의 측정치가 단일하게 정의되지

않았고, 측정도 간단하게 이루어지지 않는다는 점을 들 수 있다.

셋째, 국내 웹사이트들에서는 디자인과 솔루션 위주로 되어 있고 고객위주로 되

어있지 않은 것이 다수 발견된다. 즉 원하는 목적지를 찾기도 힘들고 사이트에 접

속하기에 불편하게 되어 있으며, 고객들이 중요하게 생각하는 이용의 편리성, 상호

22) 이 철(2000) 참조

제 3장 방문율과 고착도 측면에서 본 국내 웹사이트의 문제점 및 대응방안 77

의사소통 등의 반 이 부족하다.

이러한 몇 가지 원인에 따라 고객들이 신규 가입에 대한 인센티브를 얻기 위해

자주 사이트를 바꾸는 경향이 나타났다. 그 결과 고객들의 사이트에 대한 충성도가

떨어지고 사이트의 활동에 적극적으로 참여하지 않게 되며, 사이트의 입장에서는

이러한 이탈 회원을 보충하기 위하여 또 다시 신규 회원을 유치하기 위한 막대한

판촉 행사를 벌여 수익성은 점점 악화되었다.

인터넷 이용자의 양적 증가가 거의 포화상태에 다다른 현실에서 향후 인터넷 사

이트는 단순히 시장점유율을 확대하는 전략으로부터 고객의 충성도를 높여서 기업

의 수익성을 높이는 고객유지 전략을 사용해야 한다. 회원확대 전략에서 벗어나 고

객 충성도를 높이는 전략과 사이트 내에서 고객들이 적극적으로 참여할 수 있도록

다양하고 풍부한 컨텐츠를 확보하는 등 고객유지 전략에 초점을 맞추는 것이 필요

하다. 이를위해서는국내인터넷사이트가다음의몇가지점을 염두에두어야한다.

첫째, 사이트 이용의 편의성(usability)에 대한 제고가 필요하다. 편의성을 위해서

는 사이트의 디자인과 전체적인 구성에 있어 온라인 환경에서 사용자가 어떤 식으

로 사이트를 탐색하고, 전환하며, 물건을 구매하는지에 대한 보다 깊은 이해를 토대

로 하여야 한다.

둘째, 개인화(personalization) 제고이다. 웹사이트의 개인화는 특정 웹사이트의 사

용자에 대한 데이터를 수집, 축적, 분석하여 그 사용자에게 가장 알맞은 정보를 가

장 적절한 방법으로 제공하는 것을 의미하는 것으로, 그 요체는 사용자가 다른 사

람과 차별화되고 자신의 니즈에 맞는 서비스를 제공받고 있다고 느끼는 하는 것이

다. 이러한 개인화를 위해서는 흔히 기술적인 방법이 사용되는데,23)온라인 서점인

23) 흔히 사용되는 방법으로 사건－조건－행동 룰(event-condition-action rule)과 col-

laborative filtering이 존재한다. 전자는 특정한 ‘조건’에 부합하는 사용자가 특정한

‘사건’을 원할 때 웹사이트에서 적절한 ‘행동’을 하도록 미리 규칙을 만들어 놓는

것을 말한다. 이 방법은 그룹별로 차별화된 개인화에 도움을 주지만, 사건, 조건,

행동을 폭넓게 정의하는 경우는 개인화가 부족하고 좁게 정의하는 경우는 사이트

이용에 시간이 소요된다는 단점이 존재한다. 후자의 경우는 어떠한 제품을 구매

78

Amazon과 온라인 약국인 Drugstore.com은 각각 8.3%와 7.9%의 방문－구매 전환비

율을 나타내고 있는 반면, 온라인 CD 판매점 Reel.com과 의류업체인 J. Crew의 경

우 3.5%정도의 전환비율을 가지고 있는 주요 원인으로 Filtering 기술의 도입 여부가

지적되고 있다(IMCP; 2000).

셋째, 무엇보다도 중요한 것이 컨텐츠이다. 내용이 충실하고 양적으로 풍부한 컨텐

츠를 가진 사이트가 그렇지 않은 사이트에 비해 사용자 유지 및 구매 전환비율이

높은 사례는 온라인 환경에서 흔히 발견된다. 등산용품을 판매하는 미국의 REI는

상당히 높은 재방문율과 방문－구매 전환비율을 나타내고 있는데, 이의 중요한 원

인은 등산 및 레저에 대한 다양한 컨텐츠의 제공이라고 분석되고 있다(IMCP; 2000).

제 6절 결 론

본 장에서는 개별적인 인터넷 이용행태에 대한 인터넷 사용자들의 패널데이터를

근거로 국내 인터넷 사이트들이 어느 정도로 사용자 방문에 있어서 성과를 올리고

있는지를 분석하 다. 보다 구체적으로는 첫째, 인터넷 사이트들이 얼마나 사용자

를 유인(誘引)하고 유지(維持)하는가에 대해 살펴보기 위해 국내 상위 50위 웹사이

트에 대해 사이트 방문율(reach rate, dominance)과 고착도(stickiness)를 분석하 다.

둘째, 특정 사이트에 방문하는 사람들 중 재방문자의 비중이 시간이 지남에 따라

어떻게 변하는지를 분석하 다. 자료로는 인터넷 조사업체인 (주)코리안클릭으로부

터 제공된 패널 데이터(2000년 12월부터 2002년 2월까지 총 511명의 패널의 주별

및 월별자료)를 이용하 다.

분석 결과, 국내에서 인터넷 사이트 운 은 전반적으로 부족한 것으로 나타났다.

한 집단에게 ‘권유(recommendation)'에 대한 의견을 취합한 후, 이와 비슷한 선호를

가지는 사람들을 하나의 그룹으로 구성하여 그룹에 속하는 사람의 구매나 방문행

태를 예측하여 정보를 보여주는 경우이다. 이 방법도 사용자의 의견제시가 활발

하지 못할 때 작동이 어렵다는 단점이 존재한다.

제 3장 방문율과 고착도 측면에서 본 국내 웹사이트의 문제점 및 대응방안 79

첫째, 방문율과 고착도는 거의 선형관계로 나타나 주요 사이트에서 전반적으로 사

용자의 유지 측면에 별다른 성과를 거두고 있지 못하고 있음을 반 하 다. 특히

미국의 경우 양자의 관계가 타원형으로 나타나 사용자의 고착도 증진 노력이 동태

적으로 나타난 것과는 상이하게 나타났다. 둘째, 고착도가 상대적으로 높은 몇몇 웹

사이트는 자신의 노력보다는 업종의 특성(전문지, 카드, 방송국 등)을 주로 반 하

는 것으로 나타났다. 셋째, 재방문율에 대한 측정 결과 양적으로 사이트 접속자가

많아지더라도, 구매력과 충성도가 떨어지는 신규방문자의 비중이 높아지고, 재방문

자의 비중은 시간이 지남에 따라 감소하는 것으로 나타났다. 이러한 문제점이 나타

난 이유에 대해 간단히 살펴보고, 이를 극복하기 위해 사이트 이용의 편이성, 개인

화(personalization) 및 컨텐츠의 확충 등을 이에 대한 해결방안으로 제시하 다.

80

제 4장 패널데이터를 이용한 국내 온라인 상점의

방문구매 전환비율 분석

제 1절 방문구매 전환비율 측정 및 결정요인 분석

1. 서 론

온라인 상점의 방문구매 전환비율(visit-purchase conversion rate)은 특정 사이트에

이루어지는 사용자의 방문(visits)중에서 구매(purchase)로 이어지는 비율을 의미한

다. 인터넷 비즈니스의 성과에 대한 척도(measure) 중에서 기존의 대부분의 경우는

집계하기 쉬운 순방문자(unique visitors), 평균 방문시간(average duration time), 페이

지뷰(pageview) 등의 방문과 관련된 척도를 사용하 다. 이는 방문과 관련된 척도가

사용자 패널을 유지하고 있는 조사기관에 의해 쉽게 수집되고 또한 비교된다는 장

점을 가지기 때문에 널리 이용된 것으로 판단된다. 그러나 방문과 관련한 자료는

전자상거래를 매개하거나 위하지 않는 사이트에는 의미 있는 데이터일지 모르지

만 상거래 사이트의 경우는 구매와 관련한 자료가 성과 판단에 필수적이다. 극단적

인 예로 방문자는 매우 많고, 또한 재방문 등의 측면에서 충성도가 높을지라도 그

들의 전혀 구매를 하지 않는다면 사이트의 생존 여부에 심각한 문제가 발생할 수

있기 때문이다. 즉, 온라인 상점의 성과 측정을 위해서는 방문에 대한 자료와 함께

구매에 대한 자료의 분석이 필수적이다. 그러나 기본적으로 구매에 대한 자료는 사

이트 내부의 로그(log) 자료를 통해 분석하여야 하며, 이에 따라 방문구매 전환비율

을 온라인 상점에서 제공하는 자료가 없이는 측정과 분석이 불완전할 수밖에 없다

는 단점을 가지고 있다.

이렇듯 의미상으로 중요하나 측정이 어려운 방문구매 전환비율의 특징을 반 하

여 국내에서는 대부분의 온라인 구매 전환에 대한 연구가 설문 자료를 통한 응답자

제 4장 패널데이터를 이용한 국내 온라인 상점의 방문구매 전환비율 분석 81

의 특정 성향 및 특정 요인에 대한 태도와 구매의도와 연결시켜서 분석하 다. 예

를 들어 박 철(2000)에서는 정보검색을 효용적(utilitarian) 차원과 쾌락적(hedonic) 차

원으로 나누어, 이들 가치가 방문빈도 및 구매의도에 미치는 향을 살펴보았다. 또

한 박준철, 이웅규, 윤태석(2002)에서는 가격의식, 집단주의 및 혁신성 등에 대한 개

인적인 성향이 온라인 공동구매 태도 및 의도에 미치는 향을 서베이 자료를 통해

살펴보았다.

학술적 연구 측면에서 자료 빈곤에 의한 문제와 함께 기존에 발표된 방문구매 전

환비율도 분석에 한계가 존재한다. 온라인 상점의 구매 전환비율에 대한 자료는 몇

몇 온라인 상점의 자체 발표 또는 전자상거래와 관련한 잡지에 단편적인 숫자의 형

태로만 나타내어 왔다. 그러나 선험적으로 인터넷 사용자와 온라인 상점의 이질성

(heterogeneity)을 고려할 경우 방문구매 전환비율은 단편적인 하나의 숫자로만 표현

되는 것이 아니라 개인의 특성에 따라 혹은 사이트의 특성에 따라 매우 다른 비율

의 평균적인 개념으로 이해될 수 있다.

본 고에서는 위에서 지적한 기존의 연구가 가지는 두 가지 문제점, 즉 구매에 대

한 자료 획득의 부족 때문에 실제 구매가 아니라 구매의사만을 설문조사를 통해 다

룬다는 점과 사이트와 소비자의 특성을 반 하지 못하는 단편적인 방문구매 전환

비율을 제시하는 점을 해결하기 위해 다음과 같은 연구방향을 설정하 다. 우선, 종

합쇼핑몰 5개와 인터넷서점 5개를 선택하여 국내 온라인 상점의 방문구매 전환비

율이 어떠한지를 살펴보고, 둘째, 방문구매 전환비율이 시간에 따라 어떻게 변하는

지를 분석하 으며, 셋째, 방문패턴(visits pattern)과 방문구매 전환비율과의 관계 및

마지막으로 방문구매 전환비율의 결정요인에 대해 살펴보고자 한다.

2. 방문구매 전환비율에 대한 특징적 사실들(stylized facts)

방문구매 전환비율은 온라인상점의 성공 및효율성을 측정하는 지표로 널리 사용

되어 왔다. 여기서는 구매 전환비율에 대해 기존의 연구 논문 및 관련 문헌 등에서

수집한 자료를 토대로 특징적 사실들(stylized facts)에 대해 몇 가지로 정리해 보자.

82

첫째, 온라인 상점의 방문구매 전환비율은 오프라인에 비해 상당히 낮다. 온라인

상점은 수요자가 상점을 전환하는 데에 거의 비용이 들지 않고, 온라인 상점 방문

의 기회비용도 오프라인에 비해 적으며, 구매를 목적으로 하지 않고 상품 및 가격

정보 획득 및 비교를 위해 방문하는 경우가 많기 때문에 방문구매 전환비율에 대해

측정한 대부분의 연구는 온라인 상점이 매우 낮은 방문구매 전환비율을 가지고 있

는 것으로 보고하고 있다. Brownlow(2001)에 따르면 대부분의 온라인 상점의 방문

구매 전환비율이 1∼3%에 불과하고, Andrews(2001)는 70% 이상의 온라인 상점이

2% 미만의 방문구매 전환비율을 나타내고 있다고 분석하고 있다. 이렇게 온라인

상점이 이처럼 낮은 방문구매 전환비율을 가지고 있는 반면 IMCP(2000)에 따르면

오프라인 상점은 평균적으로 48% 정도의 구매 전환비율을 가지고 있다고 한다.

또한 관련 연구들은 방문자 점유율 및 상품별로 방문구매 전환비율에 차이를 보

이고 있는 점을 밝히고 있다. Moe and Fader(2001a)는 인터넷서점인 Amazon을 대상

으로 Media Metrix의 패널데이터를 이용하여 1998년 3월부터 10월까지 10개월 동안

방문구매 전환비율이 13.92%로 계산되어, 점유율 상위의 온라인 상점이 통상적인

온라인 상점보다 높은 방문구매 전환비율을 가지고 있다고 분석하고 있다. 또한 비

교적高價인 자동차는 방문구매 전환비율이 작게 나타나는데, 미국의 자동차 판매

사이트인 Autobytel의 경우 2000년 8월부터 12월까지 90만 명의 순방문자가 방문한

반면, 1,700대의 자동차가 구매되어, 이를 전환비율로 환산하면 0.18%에 불과하다

(UK-Netmarketing; 2001). 이에 비해 미국에서 판매연계 프로그램(affiliate program)을

제공하고 있는 Commission Junction의 경우 2001년 1월부터 9월 사이에 1.9%의 CTR

(Click Through Rate, 광고클릭율)을 보 고, 3.2%의 방문구매 전환비율을 보 다고

발표하 다(Markneting; 2001).

둘째, 온라인 상점의 재구매 비율이 시간이 지남에 따라 감소하는 추세이다. 미국

의 경우 1999년 1사 분기때 52%의 소비자가 이전 6개월에 구매한 적이 있는 사이

트에서 재구매를 한 반면, 2000년 1사 분기의 경우 재구매 비율이 35%로 감소하

다는 결과가 존재하며, 위에서 제시한 Moe and Fader(2001a)의 연구에서 전체 기간

제 4장 패널데이터를 이용한 국내 온라인 상점의 방문구매 전환비율 분석 83

을 전반기와 후반기로 나누어 각각의 기간에 연속적으로 방문한 방문자만을 대상

으로 방문구매 전환비율을 구한 결과, 전반기의 26%에서 후반기에는 20.8%로 감소

한다고 분석하 다.

셋째, 구매완료 시점(쇼핑 카트에 구매물품을 담은 이후 또는 지급결제 화면 등)

에서의 쇼핑 포기가 매우 높다. Buystream의 조사에 따르면 실제 구매 프로세스를

시작한 사람 중 53∼66%만이 구매를 완료하 다(UK-Netmarketing; 2001)고 분석하

고 있고, Boston Consulting은 쇼핑카트에 물건을 담은 구매자 중 65%는 이후 구매

를 포기하 고, Forrester에 따르면 지급결제 화면에서 27%의 구매자가 구매를 포기

하 다(IMCP; 2000)고 분석하고 있다. 이는 오프라인과 달리 온라인 쇼핑의 특성

상 구매 포기에 대한 외적인 제약이 존재하지 않으며, 최종 구매에서 신용카드 및

개인정보 제시에 대한 불안과 염려 등이 작용한 탓으로 보인다.

넷째, 특정 사이트에 사용자의 방문 빈도가 많을수록 단위 방문구매 전환비율이

높으며, 사용자의 방문 빈도가 증가추세일수록 방문－구매 전환비율이 높다. Media

Metrix의 자료를 근거로 아마존과 CDNow에 대한 구매자의 방문행태와 구매행태를

분석한 Moe and Fader(2001b)의 연구에 따르면 구매가 방문패턴에 유의미하게 향

을 받는 것으로 나타났다. 방문이 많은 그룹이 그렇지 않은 그룹에 비해, 방문이 증

가하는 그룹이 감소하는 그룹에 비해 구매 전환비율이 높은 것으로 나타났다.

다섯째, 탐색 기능 제고, Filtering 기술 도입 등의 기술적 요소, 구매 물품과 관련

된 컨텐츠의 충분한 제공, 마케팅의 개인화(personalization) 등 구매－전환비율을 증

가시킨 사례가 존재한다. 타워레코드의 경우 검색 기능의 강화로 방문구매 전환비

율을 2.5%에서 7.5%로 향상시켰다고 보고된 바 있다(IMCP; 2000). 온라인 서점인

Amazon과 온라인 의약품 소매상인 Drugstore.com은 각각 8.3%와 7.9%의 전환비율

을 나타내고 있는 반면, 온라인 CD 판매점 Reel.com과 의류업체인 J. Crew의 경우

3.5%정도의 전환비율을 가지고 있는데, Filtering 기술의 도입 여부가 이러한 차이의

중요한 원인 중 하나로 지적되고 있다(IMCP; 2000). 또한 등산용품을 판매하는 REI

는 약 10%의 높은 전환비율을 나타내고 있는데, 이의 중요한 원인은 등산 및 레저

84

에 대한 다양한 컨텐츠의 제공이라고 분석되고 있다(IMCP; 2000).

이하에서는 주로 미국의 이러한 결과가 국내에서는 어떻게 나타나는지를 살펴보

기 위해 인터넷 사용자패널 자료에 대해 설명하고, 국내에서 방문구매 전환비율을

측정하여 본다.

3. 자 료

본 연구에서는 쇼핑몰을 방문한 고객이 구매자로 전환되는 방문구매 전환비율(visit

purchase conversion rate)을 산출하기 위한 목적으로 (주)코리안클릭의 인터넷 사용

자 패널 데이터를 사용하 다. 본 연구에서 사용하고 있는 패널은 코리안클릭의 전

체 패널 중 2002년 4월부터 2002년 9월까지 6개월 동안 지속적으로 데이터를 보내

온 사람들을 일차적으로 유효표본으로 하 으며, 이 들을 대상으로 동 기간에 본

고에서 대상으로 하고 있는 종합쇼핑몰 및 인터넷서점에 방문한 횟수 및 그 기간에

구매 횟수를 각각 추출하 다.

본 연구의 목적상 구매행위가 발생하는 인터넷 비즈니스를 선정하여야 하므로,

상품 판매를 위주로 하는 종합쇼핑몰과 전문몰 사이트를 각각 조사 대상 사이트로

정했다. 종합쇼핑몰 중에는 일반적인 종합쇼핑몰인 인터파크, 엘지이샵, 롯데닷컴

외에 대형 포탈사이트에서 운 하는 쇼핑몰인 다음 쇼핑, 라이코스 쇼핑을 포함하

여 조사하 다. 전문쇼핑몰 사이트는 서적을 전문적으로 판매하는 업체를 대상으로

하 으며, 순수 온라인 서점인 예스24, 알라딘, 와우북 외에 오프라인과 온라인을

동시에 운 하고 있는 교보문고, 풍문고를 포함하여 조사하 다.

방문자 및 방문횟수를 측정하는 데에 있어 기준이 되는 근거는 사이트의 특성이

비슷하여야 한다는 점이다. 인터넷서점은 특별한 어려움 없이 해당 기업의 도메인

에 접속한 경우를 모두 측정하 다. 그러나, 종합몰의 경우는 각 사이트별로 판매하

는 상품의 종류에 따른 특성이 매우 다양하 다. 이에 따라 종합쇼핑몰의 방문자와

방문횟수의 측정을 위해서 각 사이트별로 어느 정도의 제약을 두었다. 첫째, 기본적

으로 경매나 공동구매, 소호 등은 포함시키고 컨텐츠, B2B, 링크서비스는 제외시켰

제 4장 패널데이터를 이용한 국내 온라인 상점의 방문구매 전환비율 분석 85

<표 4－1> 데이터 산출을 위한 종합쇼핑몰 페이지 카테고리

구 분 포함 카테고리 제외 카테고리

일반

종합

쇼핑몰

인터파크

Shop, Electronics, PC, Kid, Living, Fashion, Beauty,

Book, Leisure, Food, Ticket, Game, Tour, CD, DVD,

Buy&Sell(옥션),

Contents,

Showbiz Fund, B2B

엘지이샵

테마 eShop(가전, 식품, 가구, 의류, 화장품, 보석 등),

이코노 eShop(경매, 공동구매), 전문 eShop(레저,

문구, 여행 등), 서비스 eShop(gift Shop, 꽃배달,

상품권, 인터넷 카드)

서비스 eShop

(도서, 음반, 티켓)

롯데닷컴

가전, 컴퓨터, 정보/통신/사무, 패션잡화, 패션의류,

화장품, 아동/유아/완구, 레저/건강, 생활/주방, 가구/

인테리어, 식품, 여행, 도서, 음반/ DVD, 상품권/

꽃배달/케이크, 자동차용품/e슈퍼/복권, 패션명품관/

브랜드 매장, 포장이사/법인단체 매장, 호텔롯데예약/

찬스경매

종합

포탈내

쇼핑몰

다음쇼핑 쇼핑, 경매, 공동구매, 상품권 아바타몰

라이코스쇼핑, 소호몰, 공동구매, 명품관, 면세점, 경매, 해외

쇼핑, 도서, CD몰도메인, 패션 B2B

다. 이에 따라 인터파크의 컨텐츠몰, B2B몰, ShowBiz 제외시켰으며, 엘지이샵의 링

크서비스도 제외됐다. 둘째, 다음과 라이코스의 경우는 종합포탈이므로 전체 사이

트를 대상으로 방문을 측정할 경우 다른 사이트에 비해 매우 과대하게 계산되므로

쇼핑사이트에 접속한 사람만 방문자로 계산하 으며, 이들이 방문한 횟수만을 측정

하 다. 셋째, 다음과 라이코스는 다른 종합쇼핑몰에서는 다루지 않는 디지털재화

를 판매하고 있는데, 이들을 파는 페이지를 찾아 역시 제외시켰다. 즉, 다음의 아바

타몰과 라이코스의 패션B2B, 도메인 부문은 제외되었으며, 라이코스의 경우 티켓이

나 여행부문은 카테고리가 쇼핑으로 되어있지 않고 링크서비스이므로 제외하 다.

종합쇼핑몰의 페이지 중 포함된 카테고리와 제외된 카테고리는 <표 4－1>에 기

술되어 있다.

다음으로구매데이터의측정에 대해 살펴보자. 구매데이터는각 사이트의 보안상

86

의 문제와 구매자의 개인정보보호 문제로 인해 정확하게 추출하는데 많은 어려움

이 있었다. 본 연구에서는 고객이 상품 구매 확인, 결제, 보안, 주문 완료 등 다양한

형태의 구매 데이터 페이지를 추출하여 한 가지라도 포함되면 구매한 것으로 간주

하고 구매 데이트를 추출하 다. 본 연구에서 사용된 구매데이터의 페이지는 <부록

표 1, 2>에 기술되어 있다.

그런데, 보다 정확한 조사가 이루어지기 위해서는 단순히 일회성 이벤트에 방문

하여 구매한 고객의 방문구매 전환비율을 추출하는 것보다 해당 사이트에 꾸준히

방문한 ‘회원’의 전환비율을 구하기 위한 로그인 데이터가 필요하다. 하지만 일부

종합쇼핑몰의 경우는 비회원 판매가 활성화되어 로그인 데이터를 구하기 어렵고,

다음(daum)과 같은 종합포탈 사이트의 경우 상거래(쇼핑)에 관한 부문만 로그인 데

이터로 포함시켜야 하는데, 쇼핑몰과 기타 서비스를 이용하는 로그인 데이터가 분

리되어 있지 않아 정확한 로그인 데이터를 추출하기가 어렵다. 그러므로 본 연구에

서는 로그인 데이터를 사용하지 않고, 방문자의 방문횟수와 구매 횟수만을 분석 데

이터로 이용하 다.

4. 종합쇼핑몰과 인터넷서점의 방문구매 전환비율

가. 방문구매 전환비율의 측정

종합쇼핑몰 및 인터넷서점에 대해 방문구매 전환비율을 계산한 결과는 다음의 <표

4－2>, <표 4－3>에 표현되어 있다.

먼저 인터넷서점과 종합쇼핑몰 모두에 있어 일반적인 온라인상점의 방문구매 전

환비율인 1∼3%보다 높은 비율을 나타내고 있다. 이는 본 연구의 분석대상이 해당

산업에서 상위업체로 구성되었기 때문이라 생각된다. 해외에서도 해당 인터넷 비즈

니스의 상위업체의 경우에 높은 방문구매 전환비율을 보이고 있는데, 예를 들어 미

국의 아마존은 약 13% 정도의 구매 전환비율을 보이고 있다(Moe and Fader, 2001).

제 4장 패널데이터를 이용한 국내 온라인 상점의 방문구매 전환비율 분석 87

<표 4－2> 종합쇼핑몰의 구매전환비율

종합쇼핑몰(4∼9월) 엘지이샵 인터파크 라이코스 다음 롯데

방문자 수(A) 2,046 1,882 787 2,285 1,688

구매자 수(B) 294 195 73 390 7

방문횟수(C) 8,844 6,462 2,572 14,809 5,670

구매횟수(D) 622 280 111 595 7

방문구매 전환비율

(visit-purchase conversion rate; D/C)7.03% 4.33% 4.32% 4.02% 0.12%

방문자당 방문횟수(C/A) 4.3226 3.4336 3.2681 6.4810 3.3590

구매자당 구매횟수(D/B) 2.1156 1.4359 1.5205 1.5256 1.0000

방문자당 구매횟수(D/A) 0.3040 0.1488 0.1410 0.2604 0.0041

<표 4－3> 인터넷서점의 구매전환비율

인터넷서점(4∼9월) 예스24 와우북 알라딘 교보 풍

방문자 수(A) 1,303 692 567 949 407

구매자 수(B) 252 86 75 120 20

방문횟수(C) 4,153 1,670 1,264 2,051 670

구매횟수(D) 447 126 101 160 25

방문구매 전환비율

(visit-purchase conversion rate; D/C)10.76% 7.54% 7.99% 7.80% 3.73%

방문자당 방문횟수(C/A) 3.1873 2.4133 2.2293 2.1612 1.6462

구매자당 구매횟수(D/B) 1.7738 1.4651 1.3467 1.3333 1.2500

방문자당 구매횟수(D/A) 0.3431 0.1821 0.1781 0.1686 0.0614

둘째, 인터넷쇼핑몰의 방문구매 전환비율의 평균(7.56%)이 종합쇼핑몰의 평균

(3.96%)에 비해 약 3.6%p 정도 높은 것으로 나타났다. 이는 단일 품목을 다루는 인

터넷서점의 특성상 여러 가지 상품을 다루는 종합몰에 비해 방문으로부터 구매로

의 전환이 용이하다는 것을 의미한다. 즉, 여러 가지 제품을 다루는 종합쇼핑몰의

경우는 비교적 구매에 신중을 기하는 고가품도 존재하며, 종합쇼핑몰을 단순히 가

88

격정보의 수집을 위한 목적으로 방문하는 사용자도 존재하기 때문에 이러한 현상

이 나타난 것으로 보인다.

셋째, 인터넷서점과 종합쇼핑몰에서 공통적으로 나타난 점으로, 순방문자를 기준

으로 한 점유율 1위인 업체가 다른 업체에 비해 약 3%p 정도 높은 방문구매 전환비

율을 나타내고 있다. 이로부터 종합쇼핑몰 및 인터넷서점에서 점유율 1위 업체는

점유율과 구매 전환비율이 동시에 높기 때문에 구매 당 구매단가가 평균적으로 비

슷하다면 매출액이 점유율에 비해 월등히 높을 것이라고 예측할 수 있다.

예를 들어, 종합쇼핑몰 1, 2위업체인 엘지이샵(LGeshop)과 인터파크(interpark)는

2002년 7월을 기준으로 순방문자 점유율 상위 9개 업체 중 순방문자의 비중이 각각

16.74%, 16.43%를 차지하고 있다. 이렇게 방문자의 수는 비슷하지만 <표 4－2>에서

나타난 것처럼 방문자당 구매횟수가 각각 30%, 15%로 차이가 나기 때문에 (구매

당 단가가 평균적으로 동일하다고 가정한다면) 실제 매출은 엘지이샵이 인터파크

의 약 2배에 이른다고 볼 수 있다. 동일한 경우가 인터넷서점에도 적용된다. 역시

2002년 7월을 기준으로 순방문자 기준 점유율 1위인 예스24(yes24)가 2위인 교보문

고에 비해 약 2배 가량 방문자가 많았다. 그러나 <표 4－2>에서 나타난 것처럼 방

문자당 구매횟수가 각각 34%, 17%이므로 실제 매출액은 (구매당 단가가 평균적으

로 동일하다고 가정한다면) 예스24가 교보문고의 약 4배 가량 될 것으로 예상된다.

따라서 국내 전자상거래 업종에서 점유율 1위 업체가 누리는 이득을 단순히 방문자

수로만 계산할 경우 정확한 실태를 파악하지 못하는 단점이 발생할 수 있다. 그렇

다면 점유율 1위인 업체가 방문구매 전환비율 및 방문자 당 구매비율이 다른 업체

보다 월등히 높은 이유는 무엇인가? 이하의 분석에서 다루어지겠지만 양 업체 모두

연속방문자의 방문구매 전환비율이 전반기에 비해 후반기에 감소하고 있다. 또한

양 업체 모두 방문이 증가하는 소비자에 비해 방문이 감소하는 소비자가 더욱 높은

방문구매 전환비율을 나타내고 있다. 이를 통해 유추할 수 있는 것은 다른 업체에

비해 신규로 방문한 사람들 또는 빈번히 방문하지 않는 사람들을 대상으로 구매 유

도의 비율이 높다는 사실이다. 즉, 전자상거래에 별로 익숙하지 못하거나 평소에 자

제 4장 패널데이터를 이용한 국내 온라인 상점의 방문구매 전환비율 분석 89

주 전자상거래를 이용하지 않는 사람들이 전자상거래를 하는 경우에는 주로 해당

업종에서 가장 이름이 있는 점유율 1위 업체에 방문하여 구매를 하는 경향이 있다

는 것을 반 한다.

넷째, 종합쇼핑몰에서 관측치수가 너무 적은 롯데의 경우를 제외하면 포탈에서

출발하여 온라인 상점으로 진출한 다음과 라이코스는 다른 기업에 비해 낮은 방문

구매 전환비율을 나타내고 있고, 인터넷서점에서 오프라인에 기반을 둔 교보 및

풍문고도 역시 다른 기업에 비해 낮은 방문구매 전환비율을 나타내고 있다.

종합쇼핑몰의 경우 포탈업체로부터 출발한 경우는 실제 구매를 의도하지 않고,

우연한 기회 또는 배너광고로부터 쇼핑사이트로 접속한 방문자가 많기 때문에 이

러한 현상이 발생하는 것으로 해석될 수 있고, 인터넷서점에서 오프라인에 기반을

둔 곳들은 다양한 종류의 책의 구비가 순수 온라인에 비해 충실하고, 서지 정보 등

에 강점으로 가지나, 가격측면에서 약점을 가지기 때문에 구매로의 전환이 낮게 나

타나는 것으로 보인다.

다섯째, 방문구매 전환비율을 분해하면 방문자당 구매횟수를 방문자당 방문횟수

로 나눈 것으로 볼 수 있다. <표 4－2>, <표 4－3>을 살펴보면 방문구매 전환비율이

높은 기업들(엘지이샵, 예스24)은 그렇지 않은 기업에 비해 약간 높은 방문자당 방

문횟수를 나타내고, 약 2배 가량의 방문자당 구매횟수를 보이고 있다. 즉, 이러한

기업들이 방문구매 전환비율이 높은 것은 방문자당 구매횟수가 월등히 높기 때문

이다. 이러한 일반적인 현상에 유일한 예외는 종합쇼핑몰의 다음(daum)이다. 다음

(daum)은 방문자당 구매횟수가 26%로 엘지이샵의 30%와 별다른 차이가 없다. 그러

나 결정적으로 방문자당 방문횟수가 6.5회로 엘지이샵의 4.3회에 비해 높아서 낮은

방문구매 전환비율을 나타내게 되었다.

나. 기간별 방문구매전환비율의 추이

다음으로는 방문구매 전환비율이 시간이 지남에 따라 어떠한 변화를 보이는지를

살펴보기로 하자. 이를 위해 전체의 기간(2002년 4월∼9월)을 전반기(2002년 4월∼

6월)와 후반기(2002년 7월∼9월)로 나누어 각각 사이트별로 방문구매 전환비율의

90

변화를 살펴보았다. <표 4－4>, <표 4－5>는 이를 나타낸 것이고, [그림 4－1]은 방

문구매 전환비율의 기간별 차이를 나타낸 것이다.24)

<표 4－4> 종합쇼핑몰의 기간별 구매전환비율

엘지이샵 인터파크 라이코스 다 음

전반기

(4∼6월)

후반기

(7∼9월)

전반기

(4∼6월)

후반기

(7∼9월)

전반기

(4∼6월)

후반기

(7∼9월)

전반기

(4∼6월)

후반기

(7∼9월)

방문자 수(A) 1,489 1,513 1,421 1,219 498 566 1,859 1,824

구매자 수(B) 204 166 97 121 41 39 227 218

방문횟수(C) 4,386 4,458 3,581 2,881 1,293 1,279 7,676 7,133

구매횟수(D) 357 265 120 160 61 50 317 278

방문－구매 전환비율(D/C) 8.14% 5.94% 3.35% 5.55% 4.72% 3.91% 4.13% 3.90%

방문자당 방문횟수(C/A) 2.95 2.95 2.52 2.36 2.60 2.26 4.13 3.91

구매자당 구매횟수(D/B) 1.75 1.60 1.24 1.32 1.49 1.28 1.40 1.28

방문자당 구매횟수(D/A) 0.24 0.18 0.08 0.13 0.12 0.09 0.17 0.15

<표 4－5> 인터넷서점의 기간별 구매전환비율

예스24 와우북 알라딘 교 보

전반기

(4∼6월)

후반기

(7∼9월)

전반기

(4∼6월)

후반기

(7∼9월)

전반기

(4∼6월)

후반기

(7∼9월)

전반기

(4∼6월)

후반기

(7∼9월)

방문자 수(A) 903 845 459 424 329 359 606 587

구매자 수(B) 160 151 47 56 46 37 58 75

방문횟수(C) 2,196 1957 858 812 627 637 1,024 1,027

구매횟수(D) 235 212 53 73 55 46 72 88

방문－구매 전환비율(D/C) 10.70% 10.83% 6.18% 8.99% 8.77% 7.22% 7.03% 8.57%

방문자당 방문횟수(C/A) 2.43 2.31 1.86 1.91 1.90 1.77 1.68 1.74

구매자당 구매횟수(D/B) 1.46 1.40 1.12 1.30 1.19 1.24 1.24 1.17

방문자당 구매횟수(D/A) 0.26 0.25 0.11 0.17 0.16 0.12 0.11 0.14

24) 인터넷서점에서 풍문고와 종합쇼핑몰에서 롯데는 관측치의 수가 너무 적어 이

분석에서 제외하 다.

제 4장 패널데이터를 이용한 국내 온라인 상점의 방문구매 전환비율 분석 91

[그림 4－1]에 따르면 종합쇼핑몰의 경우는 인터파크를 제외하고는 방문구매 전

환비율이 전반기에서 후반기로 갈수록 감소하고 있다. 이에 비해 인터넷서점은 알

라딘(aladdin)을 제외하고는 방문구매 전환비율이 후반기로 갈수록 증가하고 있다.

이로부터 종합쇼핑몰에 비해 인터넷서점의 향후 시장발전이 앞설 것이라는 결론을

[그림 4－1] 종합쇼핑몰 및 인터넷서점의 기간별 구매전환비율

92

내릴 수 있으나, 일반적으로 방문구매 전환비율의 방문과 구매 결정 양자에 의존하

므로 어떠한 상황이 바람직한지는 일률적으로 말할 수 없다. 예를 들어 기존방문자

들의 방문구매 전환비율은 매우 높으나 구매를 하지 않는 신규방문자들이 급증해

서 전체적인 방문구매 전환비율이 낮게 나타나는 경우도 존재하기 때문이다. 보다

구체적인 방문자 특성별 방문구매 전환비율에 대해서는 다음절에서 다룬다.

앞서 방문구매 전환비율(이하 CR로 표기)은 방문자당 구매횟수(이하 PV로 표기)

를 방문자당 방문횟수(이하 VV로 표기)로 나눈 것으로 볼 수 있다. 따라서 다음의

식이 성립한다.

CRCR

＝PVPV

－VVVV

(4－1)

식 (4－1)에 따라 계산하면 방문구매 전환비율이 시간이 지남에 따라 바뀌는 데에

방문자당 구매횟수 변화가 중요한 원인인지 혹은 방문자당 방문횟수 변화가 중요한

원인인지 살펴볼 수 있다. <표 4－6>은 기업별 방문구매 전환비율의 변화율을 방문

자당 구매횟수의 변화율과 방문자당 방문횟수의 변화율로 분해하여 계산한 표이다.

<표 4－6> 종합쇼핑몰 및 인터넷서점의 기간별 구매전환비율의 결정요인

CRCR

PVPV

VVVV

(인터넷서점)

예스24 0.0123 －0.0360 －0.0477

와우북 0.4554 0.4911 0.0245

알라딘 －0.1768 －0.2335 －0.0689

교 보 0.2187 0.2618 0.0354

(종합쇼핑몰)

엘지이샵 －0.2697 －0.2695 0.0003

인터파크 0.6573 0.5543 －0.0622

라이코스 －0.1714 －0.2788 －0.1297

다 음 －0.0563 －0.1062 －0.0529

제 4장 패널데이터를 이용한 국내 온라인 상점의 방문구매 전환비율 분석 93

방문구매 전환비율의 변화가 미미한 예스24와 다음을 제외한 모든 기업에서 방문

구매 전환비율의 주요한 결정요인이 방문자당 구매횟수의 변화로 나타났다. 즉, 방

문구매 전환비율이 상승한 기업은 방문자당 구매횟수가 반드시 상승하 으며, 방문

구매 전환비율이 하락한 기업은 방문자당 구매횟수가 역시 하락하고 있다. 또한 방

문자당 방문횟수의 변화율은 거의 10%미만으로 변동하고 있어 방문구매 전환비율

의 결정에 그다지 큰 향을 주지 못하고 있다. 이러한 사실은 위에서 분석한 것과

함께 방문구매 전환비율과 그 변화를 결정하는 데에 방문자당 평균 구매횟수가 가

장 중요한 요소로 작용하고 있음을 알 수 있다.

다. 연속방문자와 비연속방문자의 방문구매전환비율

이하에서는 방문자의 특성에 따라 연속방문자와 비연속방문자로 나누어 기간별

방문구매 전환비율에 대해 살펴보기로 한다. 여기서 연속방문자는 종합쇼핑몰 및

인터넷서점의 카테고리별로 전반기 2개월(4, 5월) 및 후반기 2개월(8, 9월)에 연속적

으로 한 사이트라도 방문한 사람들로 정의하 다. 이러한 연속방문자만을 대상으로

방문구매 전환비율을 나타낸 것이 <표 4－7>, <표 4－8> 및 [그림 4－2]이다.

<표 4－7> 종합쇼핑몰 연속방문자의 기간별 구매전환비율

엘지이샵 인터파크 라이코스 다 음

전반기

(4∼6월)

후반기

(7∼9월)

전반기

(4∼6월)

후반기

(7∼9월)

전반기

(4∼6월)

후반기

(7∼9월)

전반기

(4∼6월)

후반기

(7∼9월)

방문자 수(A) 625 625 481 481 181 181 1,037 1,037

구매자 수(B) 136 130 50 75 20 17 170 166

방문횟수(C) 2,661 2,795 1,768 1,693 694 678 5,395 5,378

구매횟수(D) 265 221 65 109 32 25 243 223

방문－구매 전환비율(D/C) 9.96% 7.91% 3.68% 6.44% 4.61% 3.69% 4.50% 4.15%

방문자당 방문횟수(C/A) 4.26 4.47 3.68 3.52 3.83 3.75 5.2 5.19

구매자당 구매횟수(D/B) 1.95 1.7 1.3 1.45 1.6 1.47 1.43 1.34

방문자당 구매횟수(D/A) 0.42 0.35 0.14 0.23 0.18 0.14 0.23 0.22

94

<표 4－8> 인터넷서점 연속방문자의 기간별 구매전환비율

예스24 와우북 알라딘 교보

전반기

(4∼6월)

후반기

(7∼9월)

전반기

(4∼6월)

후반기

(7∼9월)

전반기

(4∼6월)

후반기

(7∼9월)

전반기

(4∼6월)

후반기

(7∼9월)

방문자 수(A) 286 286 134 134 69 69 138 138

구매자 수(B) 98 84 31 32 19 13 23 27

방문횟수(C) 1,095 1,047 388 390 244 226 332 349

구매횟수(D) 157 135 37 44 26 18 31 32

방문－구매 전환비율(D/C) 14.34% 12.89% 9.54% 11.28% 10.66% 7.96% 9.34% 9.17%

방문자당 방문횟수(C/A) 3.83 3.66 2.9 2.91 3.54 3.28 2.41 2.53

구매자당 구매횟수(D/B) 1.6 1.61 1.19 1.38 1.37 1.38 1.35 1.19

방문자당 구매횟수(D/A) 0.55 0.47 0.28 0.33 0.38 0.26 0.22 0.23

이 분석에서 특징적인 점은 다음과 같다. 첫째, 방문자 전체를 대상으로 한 기간

별 분석보다 연속방문자를 대상으로 한 경우에 방문구매 전환비율이 대체로 높게

나타났다. 즉, 연속방문자가 그렇지 않은 집단에 비해 구매를 더 많이 하는 경향이

있는 것을 알 수 있다.

둘째, 방문자 전체를 대상으로 한 경우에 대체로 인터넷서점은 시간이 지날수록

방문구매 전환비율이 증가하나 종합쇼핑몰은 감소하는 것으로 나타났다. 그러나 연

속방문자만을 대상으로 하는 경우에는 종합쇼핑몰과 인터넷서점 모두에서 방문구

매 전환비율이 감소하는 것으로 나타났다. 이는 제2장에서 서술한 시간이 지남에

따라 방문구매 전환비율이 감소한다는 미국에서의 연구와 매우 유사한 결과이다.

온라인 상점의 재방문(revisit)으로 이용자의 충성도(loyalty)를 측정하고, 충성도가

높은 고객이 구매가 높은 성향이 있다는 것이 일반적으로 받아들여지는 명제임을

감안할 때 이러한 결과는 국내 온라인 상점에 그리 긍정적인 미래를 제시해 주지

못하는 것이다.

제 4장 패널데이터를 이용한 국내 온라인 상점의 방문구매 전환비율 분석 95

[그림 4－2] 종합쇼핑몰 및 인터넷서점 연속방문자의 기간별 구매전환비율

다음으로 방문자 그룹간의 구매 전환비율을 좀 더 세분화하여 살펴보자. 일반적

으로 방문자 전체의 방문구매 전환비율은 연속방문자와 비연속방문자의 방문구매

전환비율과는 다음과 같은 관계를 갖는다.

CR＝α cCRc＋α nCRn (4－2)

96

여기서 CR: 전체방문자의 방문구매 전환비율

CRc : 연속방문자의 방문구매 전환비율

CRn : 비연속방문자의 방문구매 전환비율

α c : 전체방문자 중 연속방문자의 비율

αn : 전체방문자 중 비연속방문자의 비율

식 (4－2)를 간단히 변형하면 다음과 같은 관계가 성립한다.

CR＞CRc ⇔ CRn＞CRc, CR＜CRc ⇔ CRn＜CRc (4－3)

식 (4－3)의 의미는 연속방문자의 방문구매 전환비율이 전체의 방문구매 전환비

율보다 높으면(낮으면) 연속방문자의 방문구매 전환비율이 비연속방문자의 방문구

매 전환비율보다 높다(낮다)는 의미이다. 이에 대한 비교를 위해 <표 4－3>, <표 4

－4>와 <표 4－5>, <표 4－6>을 이용해 본 결과, 라이코스를 제외하고는 연속방문

자의 방문구매 전환비율이 전체방문자의 방문구매 전환비율보다 높은 것을 알 수

있다. 이를 통해서 연속방문자들이 일반적으로 비연속방문자들에 비해 높은 방문구

매 전환비율을 보이는 것을 알 수 있다. 라이코스의 경우는 포탈업체로부터 종합쇼

핑몰로 확장한 경우이므로 방문자들이 계획적인 구매보다 의도하지 않은 접속으로

방문하여 충동적으로 구매하는 경우가 많기 때문에 이러한 결과가 발생한 것으로

보인다.

또한 식 (4－2)에서 연속방문자와 비연속방문자의 비율이 일정하기 때문에 전체

방문자의 방문구매 전환비율의 변화는 다음과 같이 표현된다.

CR＞CRc ⇔ CRn＞CRc, CR＜CRc ⇔ CRn＜CRc (4－4)

여기서 CR은 전후반기의 방문구매 전환비율의 차이를 의미한다.

<표 4－9>는 전체방문자의 방문구매 전환비율과 연속방문자만의 방문구매 전환

비율을 기업별로 표현한 것이다.

제 4장 패널데이터를 이용한 국내 온라인 상점의 방문구매 전환비율 분석 97

<표 4－9> 종합쇼핑몰 및 인터넷서점의 전체방문자 및 연속방문자의

구매전환비율의 변화율

CR CRc CR-CRc

(인터넷서점)

예스24 0.0013 -0.0145 0.0158

와우북 0.0281 0.0174 0.0107

알라딘 -0.0155 -0.0270 0.0115

교 보 0.0154 -0.0270 0.0424

(종합쇼핑몰)

엘지이샵 -0.0220 -0.0205 -0.0015

인터파크 0.0220 0.0276 -0.0056

라이코스 -0.0081 0.0276 -0.0357

다 음 -0.0023 -0.0035 0.0012

<표 4－9>에 따르면 인터넷서점의 경우 모든 사이트에서 전체방문자의 방문구매

전환비율의 증가율이 연속방문자만을 대상으로 한 경우보다 높게 나타났다. 이는

식 (4－4)에 따르면 비연속방문자의 방문구매 전환비율의 증가율이 연속방문자보

다 높게 나타난 것을 나타낸다. 일반적으로 연속적으로 방문하는 사람이 해당 사이

트에 대해 충성도(loyalty)를 보이는 고객임을 감안할 때 이들의 구매 전환비율이 시

간이 지남에 따라 상대적으로 낮아진다는 결과는 매우 이례적이라고 해석된다. 이

러한 결과는 다음의 두 가지 정도에 연유하는 것으로 추정된다. 첫째, 인터넷서점이

매우 정형화된 사이트이고 사이트간의 가격차도 미미하기 때문에 초기 사이트의

특성을 파악한 이후에는 서적을 구매하려는 의도가 없을 경우에는 거의 방문을 하

지 않는 경향이 있다. 따라서 실제 구매가 반드시 몇 달에 걸친 방문을 필요로 하지

않는 경향이 있다. 즉, 연속방문과 실제의 구매와의 상관관계가 다른 사이트에 비해

낮다. 둘째, 연속방문자와 비연속방문자가 다른 목적으로 가지고 사이트를 방문할

수 있다. 예를 들어 연속방문자의 경우는 서지 정보나 어떠한 책이 발간되었는지

등 정보획득의 목적으로 계속해서 방문하는 사람이고, 실제 구매를 하는 사람은 비

98

연속적으로 방문하는 경우는 위와 같은 결과가 발생할 수 있다.25)

이에 비해 종합쇼핑몰에서는 다음(daum)을 제외하고는 연속방문자의 방문구매

전환비율의 증가율이 전체방문자에 비해 높게 나타나고 있다. 즉, 종합쇼핑몰에서

는 연속방문자의 구매전환이 비연속방문자의 구매전환에 비해 시간이 지남에 따라

더 높게 증가하는 것으로 나타난다. 인터넷서점에 비해 종합쇼핑몰에 비해 이러한

결과가 초래된 것은 종합쇼핑몰이 구매를 유도하기 위해 일정정도의 방문의 축적

이 필요한 여러 가지 종류의 물품을 다루기 때문이라고 판단된다.

라. 방문패턴(visit pattern)과 방문구매 전환비율

이하에서는 방문패턴과 방문구매 전환비율과의 관계를 살펴보고자 한다. 방문이

구매로 이어지는 것은 다양한 관계에서 기인할 수 있는데, 예를 들어 충동구매는

방문과 독립적인 구매로 생각할 수 있으며, 계획적인 구매는 가격 및 상품정보와

다른 온라인 상점과의 비교 등이 필요하므로 방문빈도가 누적될수록 구매의 가능

성이 높다고 생각할 수 있다. 여기서는 방문이 구매로 이어지는 유인에 대한 특정

한 이론적인 모형을 전제하지 않고 방문패턴과 실제 구매사이의 관계에 대해 살펴

보았다. 이를 위해서 방문패턴을 두 가지로 나누어 살펴보았다. 먼저 방문횟수의

高低에 따라 구분하 는데, 특정 방문자가 전체 기간에 걸쳐 방문횟수가 중위수

(median)보다 큰 경우를 ‘방문高’로 분류했고, 그렇지 않은 경우를 ‘방문 低’로 분류

하 다. 다음으로 전체기간을 전반기와 후반기로 나누어 전반기에 비해 후반기에

방문횟수가 증가하는 방문자를 ‘방문 增加’로, 방문횟수가 감소하는 경우를 ‘방문

減少’로 분류하 다(<표 4－10> 참조).

종합쇼핑몰과 인터넷서점 각각 4개의 사이트에 대해 위에서 지적한대로 방문패턴

을 구분하여 2×2 행렬 형태로 나누고, 각각의 그룹에 대해 방문구매 전환비율을 계

산하 다. 계산결과, 라이코스의‘방문 증가’그룹을제외하고는모든 15가지의 경우

에 있어 ‘방문 低’그룹에 비해 ‘방문 高’그룹에서 방문구매 전환비율이 높게 나타났

25) 그러나 실제 정확한 이유에 대해서는 추가적인 분석을 필요로 한다.

제 4장 패널데이터를 이용한 국내 온라인 상점의 방문구매 전환비율 분석 99

다. F-test를 이용하여 8개 사이트의 ‘방문 低’그룹과 ‘방문 高’그룹의 방문구매 전환

비율의 차이를 검정한 결과, 라이코스와 교보를 제외한 6개 사이트에서 ‘방문 高’그

룹의 방문구매 전환비율이 1% 유의수준에서 유의하게 높게 나타났다. 따라서, 이를

통해 방문횟수가 많은 사람일수록 방문구매 전환비율이 높다는 사실이 도출되었다.

이에 비해 알라딘의 ‘방문 低’그룹, 엘지이샵의 ‘방문 高, 低’그룹, 인터파크의 방

문 高’그룹 및 라이코스의 ‘방문 低’그룹 등 5개를 제외한 10개 그룹에서 ‘방문 증

가’그룹에 방문구매 전환비율이 높게 나타났다. F-test를 이용하여 8개 사이트 그룹

간 방문구매 전환비율의 차이를 검정한 결과, 와우북과 인터파크에서만 ‘방문 增

加’그룹의 방문구매 전환비율이 1% 및 5% 수준에서 유의하게 높게 나타났다. 이러

한 결과는 방문빈도에 비해서는 약간 미약하지만 시간에 따라 방문을 증가시키는

그룹이 감소시키는 그룹에 비해 구매할 확률이 높은 것을 나타낸다.

<표 4－10> 종합쇼핑몰 및 인터넷서점의 방문패턴과 방문구매 전환비율

예스24 엘지이샵

방문 減少 방문 增加 방문 減少*** 방문 增加***

방문 低*** 4.28%(388명) 6.10%(346명) 방문 低*** 3.12%(555명) 1.10%(561명)

방문 高*** 12.74%(257명) 11.09%(191명) 방문 高*** 9.05%(330명) 7.54%(365명)

와우북 인터파크

방문 減少*** 방문 增加*** 방문 減少** 방문 增加**

방문 低*** 0.00%(198명) 2.31%(173명) 방문 低*** 2.10%(523명) 1.18%(401명)

방문 高*** 7.41%(135명) 12.31%(121명) 방문 高*** 4.06%(452명) 5.70%(289명)

알라딘 라이코스

방문 減少 방문 增加 방문 減少 방문 增加

방문 低*** 6.21%(161명) 2.60%(192명) 방문 低 2.26%(179명) 4.53%(258명)

방문 高*** 9.62%(88명) 11.51%(80명) 방문 高 5.73%(144명) 4.01%(118명)

교보 다음

방문 減少 방문 增加 방문 減少 방문 增加

방문 低 6.27%(255명) 8.03%(249명) 방문 低*** 1.38%(516명) 2.16%(494명)

방문 高 8.28%(168명) 9.12%(182명) 방문 高*** 4.34%(538명) 4.49%(481명)

주: ***는 양 그룹간의 차이가 1%수준에서 유의한 경우이며, **는 양 그룹간의 차이가 5%수

준에서 유의한 경우임

100

5. 방문구매 전환비율의 결정요인 분석

가. 방법론

다음에는 사용자의 방문구매 전환비율의 결정하는 요인을 회귀분석을 통해 살펴

보기로 하자. 이를 위해 사용자의 방문구매 전환비율은 사용자의 인구통계학적(demo-

graphic) 특성 및 기업 속성(attributes)에 의존하는 것으로 가정하 다. i, j는 각각

개인과 사이트를 나타내며, i∈{1,2,⋅⋅⋅,N}, j∈{1,2,⋅⋅⋅,M}이다.

CRij＝α ij＋βχ j＋λz i＋ε ij (4－5)

여기서 CR은 사용자 i의 온라인 상점 j에 대한 방문구매 전환비율이고, x는 가

격, 비용, 인지도 등 사이트의 속성(attributes)을 나타내는 변수이며, β는 개인이 이

러한 특성에 대해 부여하는 상대적 가중치이다. 여기서 x는 사이트의 속성과 관련

되므로 하첨자는 j만 이용하여 나타내었다. 이에 비해 z는 관찰가능한 개인의 특

징을 나타내는 변수이고, λ는 개인적 특징에 대응하는 상대적 가중치이다.

이러한 분석을 위하여 추가적인 자료가 필요한 바, 사용자의 인구통계학적인 특

성에 대한 자료는 (주)코리안클릭에서 제공한 개별 사용자의 정보를 이용하 다. 사

용된 인구통계학적인 변수는 나이, 성별, 직업, 소득, 학력 및 교육수준 등이다. <표

4－11>은 본 회귀분석에 사용된 인구통계학적 더미변수를 설명한 것이다.

<표 4－11> 인구통계학적 변수 설명

AGE 나이(26세 이하＝1, 27세 이상＝0)

SEX 성별(여자＝1, 남자＝0)

INC 소득수준(저소득＝1, 고소득＝0)

JOB 직업(학생＝1, 비학생＝0)

EDU 교육수준(대졸 이하＝1, 대졸 이상＝0)

다음으로 사이트의 속성에 대한 변수로는 두 가지를 사용하 다. 첫 번째는 능률

제 4장 패널데이터를 이용한 국내 온라인 상점의 방문구매 전환비율 분석 101

협회컨설팅에서 매년 실시하는 ‘대한민국 1위 웹사이트 인증’에 대한 평가자료를

이용하 다. 이 자료는 분야별로 인지도, 이용도 및 만족도 등에 대해 네티즌의 평

가를 종합한 후 지수화하는 방법이다. 이를 위하여 능률협회컨설팅은 국내 인터넷

인구 구성비와 동일하게 구성한 네티즌 패널을 대상으로 유효응답을 이용하 다.

여기서 특정 웹사이트의 인지도는 웹사이트 비보조 인지율(spontaneous awareness)로

측정하 으며, 이용도는 최근 3개월 이용율, 방문자 수, 사이트 체류시간 및 이용

금액 등을 기준으로 하 다. 만족도는 시스템, 컨텐츠, 고객서비스 등의 요소로 측

정하 다. 이 세 가지 요소를 기준으로 웹사이트 평가지수는 ‘0.2×인지도＋0.3×

이용도＋0.5×만족도’로 지수화한 값이다.

두 번째 자료로는 사이트별 순방문자와 평균 체류시간을 이용하 다. 이 자료는

코리안클릭의 홈페이지를 통해 입수하 다. 사이트 속성에 대한 변수는 각기 단위

가 다르기 때문에 평균과 표준편차를 이용, 표준화하여 이용하 다.

종합쇼핑몰 및 인터넷서점 부문에서 능률협회에서 평가된 사이트와 본 연구에서

다루는 인터넷 비즈니스의 사이트가 일치하지 않기 때문에 풍문고 및 롯데쇼핑

을 제외하고 사이트 전환행태의 결정요인을 분석하 다.

나. 분석결과

분석결과는 <표 4－12>에 나타나 있다. 능률협회컨설팅의 인지도지수, 이용도지

수, 만족도지수 및 방문자수와 평균체류시간간의 다중공선성(multicolliearity) 문제

때문에 여기서는 가장 중요하다고 판단되는 요소 만족도와 평균 체류시간만을 이

용하 다.

먼저 종합쇼핑몰의 경우에 사용자의 인구통계학적인 변수 중에서 성별(sex)만이

유의하게 나타났다. 즉, 여성이 남성에 비해 방문구매 전환비율이 높은 경향이 있는

것으로 나타났다. 이는 여성이 남성에 비해 정보검색을 위한 방문보다는 구매를 위

한 방문에 집중하기 때문이거나 일반적으로 여성이 남성에 비해 구매성향이 높기

때문인 것으로 풀이된다. 사이트 속성변수 중에는 요소 만족도가 유의미하게 나타

났다. 요소 만족도는 시스템, 컨텐츠, 고객서비스 등의 사이트의 특징을 종합한 것

102

으로 이를 통해 사이트의 노력이 소비자의 방문구매 전환비율에 대해 양의 효과를

가지고 있는 것으로 나타났다.

<표 4－12> 소비자 전환행태의 결정요인 분석

변수명 종합쇼핑몰 인터넷서점

상수3.1263***

(0.3804)

0.0566***

(0.0113)

age0.2983

(0.3459)

-0.0001

(0.0100)

sex0.7231***

(0.2674)

0.0072

(0.0075)

job-0.6551

(0.4497)

-0.0111

(0.0123)

edu-0.2421

(0.3724)

0.0077

(0.0110)

income-0.2728

(0.2505)

0.0002

(0.0070)

요소만족도0.37683***

(0.1349)

0.0244***

(0.0073)

평균 체류시간-0.1221

(0.1295)

-0.0135**

(0.0067)

주) －괄호의 숫자는 표본오차를 나타냄

－**는 5%의 유의수준에서 유의한 경우이며, ***는 1%의 유의수준에서 유의한 경우를

의미함

인터넷 서점의 경우는 사용자의 인구통계학적인 변수 중에서 유의미한 것은 나타

나지 않은 반면, 사이트의 속성변수 중에서는 평균 체류시간과 요소 만족도가 유의

미하게 나타났다. 특이한 사실은 요소 만족도의 방문구매 전환비율의 향이 종합

쇼핑몰에 비해 작게 나타난 점으로 여러 가지 상품을 다루는 종합쇼핑몰에서 컨텐

츠나 고객서비스의 중요성이 더욱 부각됨을 알 수 있다. 평균 체류시간이 적을수록

구매로의 전환비율이 증가하는 것으로 나타났는데, 이는 특정 사이트에 대한 방문

제 4장 패널데이터를 이용한 국내 온라인 상점의 방문구매 전환비율 분석 103

횟수가 증가할수록 일종의 학습효과(learning effect)에 따라 그 사이트를 검색하는데

드는 시간이 감소하기 때문에 발생하는 현상으로 보인다. 즉, 방문횟수가 증가하여

평균 체류시간이 감소하는 사람들이 구매로 전환하는 가능성이 높음을 반 한다.

6. 결 론

본 고에서는 2002년 4월부터 9월까지 인터넷 사용자의 패널 자료를 이용하여 국

내 온라인 상점 10곳에 대한 방문, 구매 자료를 추출하여 다음과 같은 분석을 하

다. 첫째, 종합쇼핑몰 5개와 인터넷서점 5개를 선택하여 국내 온라인 상점의 방문구

매 전환비율이 어떠한지를 살펴보았다. 여기서 주로 설문 자료를 이용하던 기존의

접근방법과의 차이점은 실제 방문과 구매가 일어난 것을 인터넷 조사기관의 사용

자 패널의 자료를 사용한 것으로, 구매의 경우는 각 사이트마다 상품 구매 확인, 결

제, 보안, 주문 완료 등 다양한 형태의 구매 데이터 페이지를 추출하여 한 가지라도

포함되면 구매한 것으로 간주하고 구매 데이터를 추출하 다. 둘째, 방문구매 전환

비율이 시간에 따라 어떻게 변하는지를 살펴보았다. 여기서 중요한 점은 시간에 따

른 변화를 방문자 전체를 대상으로 한 경우와 연속방문자만을 대상으로 한 경우로

나누어 분석하여, 연속 및 비연속방문자라는 방문자의 이질성에 따라 방문구매 전

환비율이 어떻게 변하는 지를 살펴보았다는 점이다. 셋째, 방문패턴(visits pattern)과

방문구매 전환비율과의 관계에 대해 살펴보았다. 여기서 방문패턴이란 소비자를 방

문빈도 및 시간에 따른 방문횟수의 변화에 따라 구분한 것이다. 마지막으로 방문구

매 전환비율의 결정요인에 대해 살펴보았다.

주요 결과는 다음과 같다. 첫째, 온라인서점이 종합쇼핑몰에 비해 약 3.6%p 높은

방문구매 전환비율을 나타냈고, 방문자 기준 1위 점유율 업체(엘지이샵, 예스24)가

다른 업체에 비해 각각 약 3%p 정도 높은 방문구매 전환비율을 나타내고 있다. 둘

째, 전체방문자를 대상으로 하는 경우 종합쇼핑몰은 시간이 지남에 따라 방문구매

전환비율이 대체로 감소하나, 인터넷서점은 증가하는 것으로 나타났다. 그러나, 연

속방문자만을 대상으로 한 결과 종합쇼핑몰과 인터넷서점 모두에서 시간이 지남에

104

따라 방문구매 전환비율이 감소하는 것으로 나타났다. 셋째, 방문패턴과 방문구매

전환비율의 관계는 다음과 같다. 매우 확실하게 방문을 많이 하는 사람이 방문을

적게 하는 사람에 비해 방문구매 전환비율이 높게 나타난 반면, 방문이 증가하는 그

룹이 감소하는 그룹에 비해 미약하게나마 방문구매 전환비율이 높게 나타났다. 넷째,

방문구매 전환비율의 결정요인으로는 종합쇼핑몰과 인터넷서점 모두에서 컨텐츠 및

고객서비스 등을 반 하는 변수가 유의미하게 나타났고, 종합쇼핑몰에서는 여성이

남성에 비해 방문구매 전환비율이 높은 것으로, 인터넷서점에서는 방문횟수 증가에

따라 평균체류시간이 적은 사람에서 방문구매 전환비율이 높은 것으로 나타났다.

제 2절 방문구매 전환모형에 관한 연구

1. 서 론

국내 외적으로 인터넷 사용자 패널들의 클릭스트림(clickstream) 데이터를 이용한

분석은 주로 특정 웹사이트의 소비자방문 행동에 대한 연구에 초점을 두고 있다.

이와 관련된 연구를 대략적으로 살펴보면 다음과 같다. 김소 , 한상만, 박세환

(2001)은 국내 커뮤니티 사이트의 웹 로그(web log) 자료를 이용하여 전체 방문자를

사이트에 대한 고착도(stickiness) 및 방문자의 방문빈도(visit frequency)를 기준으로

세분화하여 특성을 비교 분석하고 있으며, Johnson, Bellman and Lohse(2001)은 사이

트 충성도가 방문빈도의 증가 및 방문시간의 증가로 이어진다고 제안하 다. Lee,

Zufrydren and Dreze(2001)는 인터넷상의 방문빈도에 대한 연구에서 웹사이트의 방

문과 재방문은 NBD(Negative Binominal Distribution)모형을 따르며, 이 모형을 확장

하여 방문행태를 연구하 다. 이에 비해 Heijden, Verhagern and Creemer(2001)는 특

정사이트에 재방문하는 요인을 분석하 으며, 신뢰성과 접촉의 용이성과 유용성이

주된 요인이라고 주장하고 있다.

따라서 클릭스트림 데이터를 이용하여 소비자 방문에 대한 연구에서 부족한 사항

제 4장 패널데이터를 이용한 국내 온라인 상점의 방문구매 전환비율 분석 105

은 사이트에 결정적으로 중요한 구매에 대한 언급이 존재하지 않는다는 점이다. 기

존의 구매에 대한 연구는 설문 자료를 통한 응답자의 특정 성향 및 특정 요인에 대

한 태도와 구매의도와 연결시켜서 분석하 다. 예를 들어 박 철(2000)에서는 정보검

색을 효용적(utilitarian) 차원과 쾌락적(hedonic) 차원으로 나누어, 이들 가치가 방문

빈도 및 구매의도에 미치는 향을 살펴보았다. 또한 박준철, 이웅규, 윤태석(2002)

에서는 가격의식, 집단주의 및 혁신성 등에 대한 개인적인 성향이 온라인 공동구매

태도 및 의도에 미치는 향을 여기 서베이 자료를 통해 살펴보았다.

본 연구의 목적은 클릭스트림 데이터를 이용하여 방문과 구매 데이터를 상호 연

결시켜, 이를 온라인 상점의 특성에 따른 차이점까지 포함함으로써 전환모형의 연

구 확장을 하는데 있다. 본 연구에서는 Moe and Fader(2001a)에서의 방문과 구매에

대한 전환모형(conversion model)을 기초로 국내의 데이터를 적용하여 실증적으로

분석하고자 한다.

2. 전환모형의 연구배경

온라인 상점에 대한 소비자의 방문구매 전환모형을 도입하기 위해 구매와 방문의

특성을 대해 몇 가지 경우를 나누어 설명하기로 한다. 먼저, 방문횟수를 나타내는

변수인 t ij는 패널 i가 j번째 해당 쇼핑몰 사이트에 방문한 것으로 정의를 하고, 이

때 특정 방문시점인 t ij에서 구매가 이루어 졌다면, 그 시점을 P라고 정의하자. 다

음은 세 가지 유형을 토대로 설명해보기로 하자.

P P ?

tA1 tA2 tA3 tA4 tA5 tA6

C:

P P ?

tA4tA1 tA2 tA3 tA5 tA6

A:

B:

P P ?

tA4tA1 tA2 tA3

106

본 연구에서 방문 구매패턴별로 연구내용을 정리하면 다음과 같다. 첫째, 방문 구

매유형에 따른 패널들의 특성으로 인한 기본적인 구매확률을 사이트마다 상이하지

않는가? 즉, 쇼핑몰 사이트의 특성은 여러 요인에 향을 받아 구매행위가 이루어

지는데, 그 중에 사이트의 충성도, 인지도, 정보습득의 용이성과 같은 신뢰성에 의

해 구매행태 성향을 보이게 된다. 그러나, 사이트마다 구미에 맞는 컨텐츠, 아이템

혹은 이벤트성 행사와 같은 서비스로 인해 충동구매와 즉흥적인 구매결과가 나타

나 사이트마다 서로 상이한 특성치을 보일 것이다. 즉, 쇼핑몰사이트간에 기본적인

구매확률이 달라 서로 비교 및 설명할 수 있을 것이다.

둘째, 일련의 방문이 미래의 구매에 어떤 향을 주었는가? Putsis and Sringvan-

sans(1994)의 논문에서 정보수집과 사전구매 정보탐색이 구매가 발생된 이후로부터

정보가 축척 된다고 제안했다. 이러한 비구매 방문은 잠재된 구매 기각치에서 특별

한 상품/서비스가 인터넷 쇼핑몰이용자의 흥미를 자극하는데 도움을 준다. 위의 유

형을 기초로 다시 설명하자면, 패널 A가 쇼핑몰 사이트를 방문한 두 시점 tA4와

tA5은 구매가 발생하기 전까지 누적된 방문효과 결과로 나타나게 된다. 그러므로,

이러한 누적방문효과는 방문시점 tA6에서 구매 확률을 크게 하는 반면에, 과거의

특정 쇼핑몰사이트 방문은 미래의 구매행위와는 전혀 관계가 없을 수도 있다. 예를

들어, 충동구매는 과거의 방문이나 구매성향의 향에도 불구하고 쇼핑몰사이트의

컨텐츠에 자극 받아 즉흥적인 구매결과로 나타난 것이지 의도한 구매는 아니다. 또

한 어떤 구매는 일정기간 반복구매 사이클을 가진 쇼핑이용자의 정상적인 구매과

정일수도 있다.

셋째, 과거의 방문횟수가 방문시점의 구매확률에 어떠한 향을 주는가? 위의 또

다른 유형의 패널B와 패널A는 약간 다른 형태의 방문과 구매 경향을 가지고 있다.

즉, tA4에서 패널B는 tA6시점에서 패널A보다 구매확률이 크거나 혹은 구매확률이

작다고 말할 수 있다. 왜냐하면 패널A에 비해 패널B는 구매가 발생한 후 방문 횟수

가 적어 다음 방문에서 구매확률은 작다고 설명을 할 수 있다. 반면에 비구매 방문

은 구매에 전혀 향을 주지 못할지도 모른다. 즉 이러한 연속적인 비구매 방문은

제 4장 패널데이터를 이용한 국내 온라인 상점의 방문구매 전환비율 분석 107

패널A의 숨어 있는 구매거부 효과를 보여주고 있을 수 있다. 따라서 패널 B에 대한

이런 비구매 방문횟수의 감소는 소비자의 잠재된 구매성향을 보여주는 것으로, 베

이지안 업데이팅(Bayesian updating)을 통해 동태적 방문효과를 고려해야 할 것을 보

여주고 있다.

마지막으로, 과거의 구매빈도는 구매확률에 어떤 관계가 있는가? 패널A와 패널B

와 다른 유형을 가진 패널 C는 과거의 구매 시점에서 이전에 소개된 두 패널과는

다른 형태를 띄고 있는데, 이때 패널C는 방문시점 tA6에서 구매사이클이 전 두 패

널과는 다르기 때문에 방문시점 tA6에서 구매가 쉽지 않게 된다. 따라서, 방문시점

tA5시점에서 구매가 발생하 기 때문에 미래의 구매확률에 부정적인 효과(negative

effect)을 주는 반면에, 최근에 구매로 인한 두려움(anxiety)을 줄일 수 있는 긍정적인

효과도 내포하고 있다. 또한 이러한 방문과 구매 사이클에 따라서 진화(evolving)행

태를 보일 것이다.

위에서 설명되어진 것처럼 전환모형에서 몇 가지 중요한 문제를 언급할 수 있다.

첫째는 미래의 구매행위에 대해 과거의 방문 횟수효과는 무엇인가? 이러한 방문횟

수의 효과가 방문횟수에 비례하는가 혹은 방문횟수와 독립적인가? 둘째는 미래의

구매행위에 대한 과거의 구매 효과는 무엇인가? 이하에서는 구매의 요인에 대해 좀

더 자세히 살펴보고 이를 방문구매 전환모형으로 설정한 후 국내의 데이터를 이용

하여 각 요인에 대해 살펴볼 것이다.

3. 방문구매 전환모형

가. 구매전환 요인

여기서는 Moe and Fader(2001a)의 모형을 기초로 온라인 상점 이용자가 방문에서

구매로 전환하는 요인을 네 가지로 구분하여 각각에 대해 살펴보고자 한다. 이 모

형에서는 방문 및 구매에 대한 온라인 상점 이용자의 이질성(heterogeneity)을 반

하여 각 요인을 일정한 모수(parameter)하의 확률분포로 가정한다. 세분화된 구매전

108

환 요인을 합쳐서 전반적인 구매전환 모형을 구성한 후, 방문과 구매에 대한 사용

자 패널의 클릭스트림(clickstream) 데이터를 이용하여 모수를 추정한다. 구매 전환

요인은 크게 정태적 요인과 시간에 따라 변동하는 동태적 요인으로 나눌 수 있는

데, 먼저 정태적인 요인은 다음과 같다.

첫째, 기본적 구매 확률(baseline probability of purchasing)이다. 온라인 상점의 이용

자는 특정사이트에 방문할 때마다 과거의 방문 또는 구매와는 독립적(independent)

으로 구매할 확률을 가진다. 이러한 기본적 구매에 해당하는 것으로 아무런 계획이

나 과거의 경험과 관련 없는 충동적 구매를 들 수 있다. 즉, 개별 온라인 상점의 이

용자는 기존의 방문 및 구매에 상관없이 특정 방문시점에 구매할 확률을 일정한 확

률분포의 형태로 가진다.

둘째, 방문 효과(visit effect)이다. 이는 온라인 상점의 이용자가 특정 사이트에 대

한 방문이 계속됨에 따라 누적적으로 구매에 대해 陽의 효과를 갖는 것을 의미한

다. 이러한 방문효과는 이용자의 방문이 그 자체로 구매에 양의 효과를 가진다는

것을 현실화한 것으로, 방문횟수가 많아질수록 구매의 확률이 높아지는 성향 또는

구매를 하기 위해서는 이전 구매 시점으로부터 방문이 어느 정도 축적되어야 한다

는 사실을 반 한다. 이에 따라 특정한 방문시점에서 구매가 이루어진다면, 이 시점

에서 방문효과는 零의 값으로 다시 초기화되어 방문효과는 다시 시작하게 된다.

셋째, 구매기각치 효과(threshold effect)이다. 일반적으로 온라인 상점의 이용자는

특정 사이트에서 구매가 확실하게 성사될 것이라는 믿음이 있기 이전에는 해당 사

이트에서 구매를 꺼리는 경향이 있다. 예를 들어, 새로운 사이트를 방문한 경우 온

라인 상점 이용자는 해당 사이트에 대한 신뢰성을 축적할 기회가 적었기 때문에 구

매에 필요한 신용카드 정보, 집 주소, 전화번호 등의 개인정보를 해당 사이트에 제

공하기를 꺼리게 된다. 이렇듯 구매를 위해서는 온라인 상점 이용자들이 해당 사이

트에서 구매가 발생하기 전까지 극복해야 할 효과가 존재하는데, 이를 구매기각치

(threshold)로 표현하 다. 구매기각치 효과는 기각치가 높을수록 구매전환에 陰의

효과를 나타내는 것으로, 방문횟수에 따라 일정하게 유지된다고 가정하 다.26)

제 4장 패널데이터를 이용한 국내 온라인 상점의 방문구매 전환비율 분석 109

다음으로 동태적인 효과를 살펴보자. 여기서 동태적인 효과란 위에서 지적한 방

문효과 및 구매기각치 효과가 시간이 지나고 인터넷 상점 이용자의 방문과 구매에

대한 경험이 축적됨에 따라 변화하는 효과를 말한다. 방문효과는 이전 구매시점 이

후에 축적되는 효과로 방문이 지속됨에 따라 개별 방문의 구매에 대한 효과는 증가

할 수도 있고 감소할 수도 있다. 예를 들어 특정 인터넷 상점에서 대부분 이용자의

구매간 방문횟수가 줄어드는 경향이 있다면, 이는 시간이 지남에 따라 개별 방문이

구매에 미치는 효과가 증가하기 때문이라고 해석된다. 구매기각치 효과의 경우에는

과거의 구매횟수에 따라 향을 받을 수 있다. 일례로 Beatty와 Ferrell(1998)은 소비

자가 과거에 특정 벤더에서 구매경험이 있다면, 미래 구매에 대한 저항이 덜해진다

고 분석한 바 있다.

나. 구매 전환모형

이러한 네 가지 구매전환 요인을 기초로 전환모형을 유도하기 위해 각 요인별로

가정된 확률분포 및 이러한 요인을 합친 구매전환 모형에 대해 살펴보자.

먼저 Vij를 i번째 개인이 j번째 방문에서 가지는 전체 방문효과로 표기하자. 이

는 기본적 구매확률과 방문효과의 합으로 표현할 수 있다. 또한 후자의 방문효과는

개별 방문효과를 누적적으로 더한 것으로 표현할 수 있다. 즉, 전체 방문효과는 다

음과 같이 표현된다.

Vij ＝ v i0＋mi1＋mi2＋�＋mij (4－6)

여기서 v io : 기저 구매확률

mij : j번째 방문의 방문효과

다음으로 기본적 구매확률과 개별 방문효과가 각각 gamma분포를 따른다고 가정

26) 현실적으로는 구매지각치 자체가 방문횟수에 따라 감소하는 경향이 존재하나, 모

형의 구성 상 방문에 비례하는 구매기각치 감소분은 위의 방문효과(visit effect)로

구분한다면 문제가 없을 것으로 판단된다.

110

하자. 이는 지난 구매 후 경과시간이 이번 기의 구매확률에 대한 효과를 gamma분포

로 가정한 Gupta(1991)을 경과시간과 방문횟수를 비슷한 개념으로 판단하여 사용한

것이다. 또한 뒤에 표현되는 구매확률을 다루기 쉬운 beta분포로 만들기 위한 목적

도 존재한다.

v i0 ∼ gamma (rv , γ )

mij ∼ gamma (μ , γ ) (4－7)

구매기각치 효과는 τ ij로 표기하 고, 이 효과도 역시 shape parameter를 r t로 갖

고, scale parameter를 γ로 갖는 gamma분포로 가정하 다.

τ ij∼ gamma (r t , γ ) (4－8)

이러한 방문효과 및 구매기각치 효과를 이용하여 i번째 개인이 j번째 방문에서

구매할 확률 p ij를 다음과 같이 정의하자.

p ij＝Vij

V ij＋τ ij(4－9)

이 경우 구매확률은 식 (4－6)에 따라 다음의 식 (4－10)처럼 표현되며, 식 (4－7),

(4－8)에 따라 gamma확률변수의 비율로서 표현된다.

p ij＝v i0＋mi1＋mi2＋�＋mij

v i0＋mi1＋mi2＋�＋mij＋τ ij(4－10)

다음으로 방문효과 및 구매기각치 효과에 대한 동태적인 변화를 추가하여 보자.

먼저, 식 (4－7)에서 정의한 개별 방문의 효과는 방문횟수에 상관없이 일정한 모수

를 갖게된다. 그러나 현실적으로는 그렇지 않은경우가 많다. 예를 들어 소비자들은

방문을 지속할수록 학습(learning)을 통해 효과적으로 정보에 대한 프로세싱 능력을

습득할 경우, 구매를 위한 방문횟수가 시간이 지남에 따라 감소한다는 의미이고, 따

라서 개별 방문효과는 시간이 지남에 따라 증가할 것이다(Alba and Hutchinson 1987,

제 4장 패널데이터를 이용한 국내 온라인 상점의 방문구매 전환비율 분석 111

Johnson and Russo, 1984). 반면에 Park, Iyer, and Smith(1989)은 소비자들의 구매가

쇼핑환경에 대한 민감도에 의해 좌우되는 경우에 방문횟수가 많아질수록 쇼핑환경

에 의해 덜 향을 받으므로 구매를 유도하기 위해 필요한 방문수가 시간이 지남에

따라 증가한다고 분석하 다. 따라서 식 (4－7)를 동태적인 변화의 가능성을 부여

하여 다음의 형태로 바꾸는 것이 필요하다.

mij∼ gamma (μ j ,γ) , μ j＝ μ0 kj (4－11)

이 경우 전체 방문효과는 다음과 같이 변경된다.

Vij∼ gamma (rv ,γ)＋gamma (μ0 k1,γ)＋gamma (μ0 k

2,γ)

＋�＋gamma (μ0 kj,γ) (4－12)

여기서 모수 k의 의미를 살펴보자. 만약 k> 1인 경우에는 방문효과가 점점 증가

하는 형태로 나타나고, 반면에 0< k<1사이의 값을 갖는 경우에 방문효과가 감소하

게 된다. 즉 모수에 따라 방문효과는 다음의 [그림 4－3]과 같은 유형을 띄게 된다.

[그림 4－3] 모수 k에 따른 방문효과

ⅰ) 0＜ k＜ 1인 경우

1회 방문기대값 방문효과

방문자수(j)

112

ⅱ) k＞ 1인 경우

방문효과

방문자수(j)

1회 방문기대값

다음으로 구매기각치 효과의 동태적인 변화에 대해 살펴보자. 앞서 지적한 Beatty

and Ferrell(1998)처럼 소비자의 구매기각치가 과거의 구매경험에 의존하게 된다면

구매기각치 효과는 다음처럼 표현되어진다.

τ ij ∼ gamma (r τ exp { PUR ij Ψ }, r ) (4－13)

여기서, 추가된 모수 Ψ는 과거의 구매횟수에 향을 받는 모수이며, PURij는

소비자 i가 각각 j번째 방문이전까지 구매한 횟수이다. 변형된 구매기각치 효과는

[그림 4－4] 구매기각치 효과의 동태적 변화

E(purchase threshold)

과거의 구매경험

제 4장 패널데이터를 이용한 국내 온라인 상점의 방문구매 전환비율 분석 113

[그림 4－5] 구매기각치의 변화

구매가 발생한 시점τ ij (purchase threshold)

tA1 tA2 tA3 tA4 tA5 tA6

과거 구매횟수의 함수로서 나타나며, 이때 모수 Ψ에 따라 구매함수가 변화를 한다.

구매 전환확률이 증가하는 경우 Ψ <0이면, 구매기각치 효과는 [그림 4－4]처럼 시

간에 지남에 따라 아래로 감소하며, 구매기각치는 [그림 4－5]처럼 구매 발생시점

을 기준으로 감소한다.

마지막으로 이러한 구매확률은 소비자가 방문을 축적함에 따라 추가적으로 획득

한 정보를 반 하여 다음과 같은 베이즈정리(Bayes theorem)에 따라 업데이트된다

고 가정한다. 즉,

E[p ij∣x ij, n ij ]＝a＋x ija＋b＋n ij

(4－14)

이 되며, 여기서 x ij는 첫 구매이후의 구매횟수이고, n ij는 첫 방문이후의 방문횟

수이다.

다. 전환모형의 모수추정

여기서는 전환모형의 모수추정 과정을 살펴보자. 앞에서 살펴본 유형 중 패널A를

대상으로 설명하고자 한다. 먼저, 위에서 행해진 네 가지 구매전환 요인의 분포에

대한 가정 하에 사전 정보(prior information)가 없다면, 방문초기 시점인 tA1의 구매

확률 추정치는 다음과 같은 분포 및 기대치를 갖는다.

114

PA1 ∼ beta( QA1 , RA1 ), E [PA1 ] ＝QA1

QA1＋ RA1. (4－15)

여기서 QA1＝rv＋μ0k 이고 RA1＝rv 이다.

첫 번째 방문에서 구매가 이루어졌다면, 두 번째 방문에서 구매확률은 모수의 동

태적 변화가 발생하고, 베이지안 업데이트를 추가한 경우는 다음의 형태일 것이다.

PA2 ∼ beta( QA2 , RA2 ), E [PA2 ] ＝QA2＋1

QA2＋ RA2＋1. (4－16)

여기서 QA2＝rv＋μ0k2이고, 전기의 구매횟수가 한번이므로 RA2＝rv exp(1 Ψ )이

된다.

만약 두 번째 방문에서 구매가 이루어지지 않았다면, 세 번째 방문에서의 구매확

률은 다음과 같다.

PA3 ∼ beta( QA3 , RA3 ), E [PA3 ] ＝QA3＋1

QA3＋ RA3＋2. (4－17)

여기서 QA3＝rv＋μ0k2＋μ0k

3이고 RA3＝rv exp(1 Ψ )이 된다. 결론적으로 우도함

수(likelihood function)은 다음과 같이 표현된다.

L＝∏N

i＝1

⌠⌡⌠⌡�

⌠⌡∏

J i

i＝1PIijij ⋅( 1－Pij )

(1－I ij )

＝∏N

i＝1∏J i

j＝1E[Pij]

I ij⋅(1－E[Pij])

(1－I ij ). (4－18)

여기서 쇼핑몰사이트에서 어떤 소비자가 방문시점 j에서 실제로 구매했는지 아

닌지에 대한 지시변수인 I ij는 0/1을 값을 갖는다.

구매확률( p ij )은 모수 Q,R을 따르는 베타분포라고 가정하고 있어, 소비자의 이

질성을 반 하고 있다. 즉, 소비자의 구매확률은 자주 구매하는 소비자와 한번도 구

매하지 않는 소비자로 구성되어있다. 따라서 구매확률은 모든 소비자가 동일하게

제 4장 패널데이터를 이용한 국내 온라인 상점의 방문구매 전환비율 분석 115

베타분포를 따른다고 가정하자. 그때 구매가 이루어진 방문시점을 기준으로 하여 구

매확률을 계산하 다. 전환모형에서 “한번도 구매하지 않는 소비자(hard-core never

buyers)”에 대한 모수를 전환모형에 포함하면, 어떤 구매 충동이나 욕구를 가지지

않는 인터넷 쇼핑몰 소비자집단(fraction: 1－ π )이 존재할지도 모른다. 이러한 모수

가 만약 어떤 인터넷 소비자의 과거의 구매행위에서 전혀 구매( x ij＝ 0 )하지 않는

다는 가정 하에 구매확률 p ij의 기대값으로 표현될 수 있을 것이다. 즉,

E [ p ij∣x ij＝0 ]＝ ( 1－π )＋ πQij

Qij＋Rij＋n ij. (4－19)

반면에 어떤 쇼핑몰 이용자가 과거에 구매를 했고, 그리고 나서 전혀 구매하지 않

았다 하더라도, 그때 해당기간 동안에 구매할 기대 확률값은 다음과 같이 표현될

수 있을 것이다. 즉,

E [ p ij∣x ij > 0 ]＝Qij＋x ij

Qij＋Rij＋n ij(4－20)

이러한 일련의 과정을 통해 모수 추정은 일반적인 maximum likelihood 방법에 의

해 모수 추정량을 얻을 수 있다.

4. 자료 설명

본 연구과제인 전환모형의 패널자료는 (주)코리안클릭부터 자료를 수집하 다.

본 연구를 위해 코리안클릭으로부터 획득한 패널자료는 2002년 4월부터 9월까지 6

개월동안 총 26주에 걸쳐 조사하 으며, (주)코리안클릭에서 소프트웨어를 설치한

패널중 데이터를 보내온 유효패널을 대상으로 하여 그들의 로그파일 자료(Log file

data)27)

를 기초로 하여 수집, 분석하 다. 본 고의 목적상 구매행위가 발생하는 인터

27) 로그 데이터는 웹서버에대한모든방문객들의접근을 기록한데이터로 HTTP 프로

토콜(protocol)의 일부의명시된일반적인로그형식(Common Log Format)에 대한내

116

넷 비즈니스를 선정하여야 하므로, 상품 구매 위주의 종합쇼핑몰과 전문몰 사이트

를 각각 조사 대상 사이트로 정했다. 종합쇼핑몰 중에는 일반적인 종합쇼핑몰 중에

서는 점유율 1위 업체인 엘지이샵을 조사하 고, 포탈 1위 사이트인 다음(daum)에

서 운 하는 쇼핑몰인 다음쇼핑을 포함하 다. 전문쇼핑몰 사이트는 서적을 전문적

으로 판매하는 업체를 대상으로 하 으며, 점유율 1, 2위 업체 순수 인터넷서점인

예스24와 오프라인과 온라인을 동시에 운 하고 있는 교보문고를 조사하 다.

<표 4－13> 데이터 산출을 위한 종합쇼핑몰 페이지 카테고리

구 분 포함 카테고리 제외 카테고리

일반

종합

쇼핑몰

엘지이샵

테마 eShop(가전, 식품, 가구, 의류, 화장품, 보석 등),

이코노 eShop(경매, 공동구매), 전문 eShop(레저, 문구,

여행 등), 서비스 eShop(gift Shop, 꽃배달, 상품권,

인터넷 카드)

서비스 eShop

(도서, 음반, 티켓)

종합

포탈내

쇼핑몰

다음쇼핑 쇼핑, 경매, 공동구매, 상품권 아바타몰

방문자 및 방문횟수를 측정하는 데에 있어 기준이 되는 근거는 사이트의 특성이

비슷하여야 한다는 점은 앞서 제4장 제1절에서 언급한 바 있다. 본절에서도 이러한

점을 고려하여 인터넷서점은 특별한 어려움 없이 해당 기업의 도메인에 접속한 경

우를 모두 측정하 다. 그러나, 종합몰의 경우는 각 사이트별로 판매하는 상품의 종

류에 따른 특성이 매우 다양하 다. 이에 따라 종합쇼핑몰의 방문자와 방문횟수의

측정을 위해서 각 사이트별로 어느 정도의 제약을 두었다. 첫째, 기본적으로 경매나

용이 저장된다. 저장된 로그 데이터는 웹서버에 접속한 방문객IP(Internet Pro- tocol)

주소, 접근시간, 접근방법, 대상URL, 전송 프로토콜, 에러코드, 전송바이트수와 같

은 방문객 자료를 인식할 수 있는 정보와 웹페이지에 대한 정보를 포함하고 있다.

따라서유용한정보를얻기위해서로그데이터를할당하여로그파일을처리하여분

석에 적절한 자료를 수집을 하게 된다(김석기·안정용·한경수, 2001 참조).

제 4장 패널데이터를 이용한 국내 온라인 상점의 방문구매 전환비율 분석 117

공동구매, 소호 등은 포함시키고 컨텐츠, B2B, 링크서비스는 제외시켰다. 이에 따라

엘지이샵의 링크서비스는 제외시켰다. 둘째, 다음(daum)의 경우는 종합포탈이므로

전체 사이트를 대상으로 방문을 측정할 경우 다른 사이트에 비해 매우 과대하게 계

산되므로 쇼핑사이트에 접속한 사람만 방문자로 계산하 으며, 이들이 방문한 횟수

만을 측정하 다. 셋째, 다음쇼핑에서는 다른 종합쇼핑몰에서는 다루지 않는 디지

털재화를 판매하고 있는데, 이들의 구매 페이지를 찾아 역시 연구대상에서 제외시

켰다. 종합쇼핑몰의 페이지 중 포함된 카테고리와 제외된 카테고리는 <표 4－13>에

기술되어 있다.

구매 데이터는 각 사이트의 보안상의 문제와 구매자의 개인정보가 보호 문제로

인해 정확하게 추출하는데 많은 어려움이 있었다. 본 연구에서는 고객이 상품 구매

확인, 결제, 보안, 주문 완료 등 다양한 형태의 구매 데이터 페이지를 추출하여 한

가지라도 포함되면 구매한 것으로 간주하고 구매 데이터를 추출하 다. 본 연구에

서 사용된 구매데이터의 페이지는 <표 4－14>에 기술되어 있다.

<표 4－14> 본 연구에서 사용한 구매사이트

사이트 구매 페이지

엘지이샵

http://www.lgeshop.com/jsp/jseio_placeOrder.jsp%

http://www.lgeshop.com/jsp/jseia_AucTenderOk.jsp%

http://www.lgeshop.com/jsp/jseie_LGeShopSuccess.jsp%

http%://www.lgeshop.com/jsp/jseio confirmOrder.jsp%

다 음

http://shop－book.daum.net/security/orders/order_end.asp%

https://shopadmin.daum.net/jsp/front/order/OrdCompleteList.jsp%

http://auction.daum.net/item/confirm.jsp%

https://soho9.daum.net/thrunet/html/front/order/OrderComplete.jsp%

http://wizwid.daum.net/wizshop/ShopCart/pay_card_confirm.asp%

http://shop-music.daum.net/pocket/card_finish.asp%

http://shop-music.daum.net/pocket/online finish.asp%

예스24 http%://www.yes24.com/home/orderstep4.asp%

교 보http%://iwebs%.kyobobook.co.kr/is-bin/INTERSHOP.enfinity/eTS/Store/en/-/USD/PL_get

OrderList-Continue%

118

그런데, 보다 정확한 조사가 이루어지기 위해서는 단순히 일회성 이벤트에 방문

하여 구매한 고객의 방문구매 전환비율을 추출하는 것보다 해당 사이트에 꾸준히

방문한 ‘회원’의 전환비율을 구하기 위한 로그인 데이터가 필요하다. 하지만 일부

종합쇼핑몰의 경우는 비회원 판매가 활성화되어 로그인 데이터를 구하기 어렵고,

다음(daum)과 같은 종합포탈 사이트의 경우 상거래(쇼핑)에 관한 부문만 로그인 데

이터로 포함시켜야 하는데, 쇼핑몰과 기타 서비스를 이용하는 로그인 데이터가 분

리되어 있지 않아 정확한 로그인 데이터를 추출하기가 어렵다. 그러므로 본 연구에

서는 로그인 데이터를 사용하지 않고, 방문자의 방문횟수와 구매 횟수만을 분석 데

이터로 이용하 다.

5. 분석 결과

제2절 3에서 설명된 방문구매 전환모형과 패널 데이터를 이용하여 최대우도 추정

치(MLE; Maximum Likelihood Estimator)를 구한결과는 다음의 <표 4－15>와 같다. 최

대우도추정치를 구하는데에있어 π는 실제 데이터의 방문자 대비 구매자의 비율을

적용하여 계산하 다. 또한, 최대우도 추정을 위한 프로그램은 엑셀의 ‘해 찾기’기능

을 이용하 으며, 변수의 p값은 우도비 검정(Likelihood Ratio Test) 방법을 이용하여

구하 다.

<표 4－15> 추정 결과

rv μ0 k r t Ψ Log Likelihood

예스24 0.23** 0.08** 1.09** 2.16** 0.43* -2868.31

교보문고 ＜0.01 0.6 1.15 4.80** 0.29** -634.61

엘지이샵 0.43 0.13** ＜0.01** 8.46** 0.06 -7696.09

다음(daum) ＜0.01** 0.29** 1.07** 2.17** 0.74* -12177.78

주: **는 추정계수가 1%수준에서유의한 경우이며, *는추정계수가 5%수준에서 유의한경우임

결과를 해석하기 위해 동일한 업종에서의 기업끼리 비교하여 보자. 먼저, 인터넷

제 4장 패널데이터를 이용한 국내 온라인 상점의 방문구매 전환비율 분석 119

서점의 경우는 다음과 같다.

첫째, 기본적 구매확률의 gamma 확률분포28)

의 shape parameter인 rv는 위에서 설

명한 것처럼 방문횟수와 독립적으로 모든 방문에서 구매할 확률을 의미하는 바, 예

스24의 경우가 0.23으로 교보문고의 경우보다 높은 것으로 나타났다. 기본적 구매

확률이 방문에 상관없이 이루어지는 충동구매에 대한 정도를 반 하므로 교보문고

보다 예스24에서 사람들이 과거 방문과 구매에 무관한 충동적인 구매가 많이 일어

나고 있음을 알 수 있다. 이러한 결과가 발생한 것은 과거의 방문 경험이 없는 사람

들, 즉 전자상거래에 별로 익숙하지 못하거나 평소에 자주 전자상거래를 이용하지

않는 사람들이 전자상거래를 하는 경우에는 주로 해당 업종에서 가장 이름이 있는

점유율 1위 업체에 방문하여 구매를 하는 경향이 있다는 것에 기인한다고 볼 수 있

다.29)<표 4－16>는 각 사이트별로 소비자들이 구매할 확률의 비조건부 기대치를 몇

가지의 경우에서 살펴본 것이다. 이에 따르면 과거의 방문 및 구매가 축적되지 않

은 방문 초기에 소비자가 교보문고에서 구매할 확률은 0인 반면에 예스24에서 구매

할 확률은 9% 정도로 나타난다.

둘째, 방문효과(visit effect)의 확률분포를 결정하는 두 가지 모수인 μ0와 k의 경

우를 살펴보면, 정태적인 효과와 시간이 지남에 따라 변하는 동태적인 효과에서 모

두 교보문고가 예스24에 비해 높게 나타난다. 즉, 방문이 지속될수록 소비자들이 예

스24에 비해 교보문고에서 구매할 확률이 더욱 높다는 의미이다. <표 4－16>에 의

하면, 과거에 구매를 한 경험이 없는 소비자가 2번의 방문이 축적된 경우에 그 다음

3번째 방문시 교보문고에서 구매할 확률은 23.6%이나, 예스24의 경우는 16%에 불

28) shape parameter R을 가지는 gamma 확률분포의 기대치는 역시 R이다.

29) 방문구매 전환비율을 측정할 경우 yes24가 교보에 비해 3%p 정도 높은 구매 전환

비율을 가지고 있다. 그럼에도 불구하고 yes24의 경우 연속방문자의 방문구매 전

환비율이 전반기에 비해 후반기에 감소하고 있으며 방문이 증가하는 소비자에 비

해 방문이 감소하는 소비자가 더욱 높은 방문구매 전환비율을 나타내고 있다. 이

러한 사실을 통해 유추할 수 있는 것은 다른 업체에 비해 신규로 방문한 사람들

또는 빈번히 방문하지 않는 사람들을 대상으로 구매 유도의 비율이 높다는 것이다.

120

과하다. 또한 6번째 방문 시 구매할 확률은 교보문고가 45.7%로 큰 폭으로 증가하

나, 예스24의 경우는 16.4%로 소폭 상승하고 있다. 그렇다면 이러한 결과는 어떻게

해석될 수 있는가? 방문효과의 정태적, 동태적 효과가 높다는 것은 교보문고에서

구매하는 소비자 중에서 계획적으로 구매하는 사람의 비중이 예스24에 비해 높다

는 의미이다.

위의 두 가지 결과를 종합하여 보면 구매자를 구매 이전의 방문이 축적된 사람과

그렇지 않은 사람들로 구분할 때 상대적으로 교보문고는 구매 이전에 방문이 축적

된 사람들이 구매할 확률이 예스24에 비해 높고, 반대로 예스24는 신규방문자가 구

매할 확률이 교보문고에 비해 높게 나타난다. 이는 방문빈도와 구매 및 전반적인

사이트의 점유율 등과 관련하여 매우 흥미로운 결과를 제공한다. 일반적으로는 점

유율이 높은 사이트가 재방문에 따른 고객의 구매율이 높아 다른 사이트에 비해 비

교우위를 유지한다는 식으로 논의되고 있다. 그러나, 분석에서 드러난 것은 점유율

1위인 예스24는 일반적으로 인지도가 높아 신규방문자의 구매에서 우위를 점하고

있으나, 방문빈도에 따른 구매 전환효과는 점유율 2위 업체인 교보문고에 미치지

못한다는 사실을 알 수 있다. 간단하게 표현하면 소비자의 방문 유치에 가장 성공

적인 점유율 1위 업체는 그러한 소비자들을 계속적으로 유지하여 축적적으로 구매

로의 유도를 하는 식보다는 과거의 방문경험이 없는 신규방문자들의 구매를 통해

수익을 창출하고 있다.

시간이 지남에 따른방문효과가 교보문고에서 증가하는것은 동일한 데이터로 2002

년 4∼6월과 7∼9월을 나누어 방문자당 구매횟수를 측정할 경우에도 나타난다. 전

반기에 비해 후반기에 yes24가 약 0.01%p 정도 감소한 반면, 교보문고는 0.03%p 정

도 증가하고 있다.

셋째, 구매기각치 효과의 확률분포를 결정하는 두 가지 모수인 r t와 Ψ의 경우를

살펴보자. 초기 구매기각치 값으로 해석할 수 있는 r t는 교보문고가 높게 나타나,

소비자들이 예스24에 비해 교보문고에서 구매를 꺼리는 경향이 존재하나, 시간이

지날수록 구매기각치의 증가가 예스24에 비해 교보문고에서 낮게 나타나, 이전 구

제 4장 패널데이터를 이용한 국내 온라인 상점의 방문구매 전환비율 분석 121

매가 많을수록 이러한 성향이 없어지고 있음을 알 수 있다. 특이한 사실은 모든 경

우에 있어 구매기각치의 효과가 이전의 구매가 축적될수록 감소하는 것이 아니라

증가한다는 사실이다. 이는 위에서 설명한 구매기각치의 효과뿐만 아니라 이전의

구매가 많아질수록 가격 및 품질 때문에 다른 사이트로 전환하는 등의 해당 사이트

에서 구매를 줄이려는 요인이 존재한다는 것을 반 한다.

이러한 사실 역시 앞에서 구분한 신규방문자와 재방문자로 구분하여 설명할 수

있다. 즉, 신규방문자의 방문 초기의 구매에 대한 거부감은 예스24에 비해 교보문고

에서 높게 나타나, 방문이 지속되어 구매를 할수록 이러한 거부감의 감소는 교보문

고에서 빠르게 나타나고 있다.

<표 4－16> 몇 가지 경우에 있어 사이트별 구매확률

initial visit

kyobo yes24 daum lgeshop

0.0000 0.0962 0.0000 0.0484

after 2 visits with no purchase

kyobo yes24 daum lgeshop

0.2361 0.1603 0.2284 0.0484

after 2 visits next to the purchase

kyobo yes24 daum lgeshop

0.1878 0.1104 0.1237 0.0457

after 5 visits with no purchase

kyobo yes24 daum lgeshop

0.4573 0.1643 0.4017 0.0151

after 5 visits next to the purchase

kyobo yes24 daum lgeshop

0.3867 0.1134 0.2426 0.0143

종합쇼핑몰의 경우에도 인터넷서점과 대체적으로 비슷한 결과가 나왔다. 첫째, 기

본적 구매확률에서 점유율 1위 업체인 엘지이샵이 다음쇼핑에 비해 높게 나와 충동

122

구매 혹은 신규방문자의 구매에 있어 우위를 점하고 있는 것을 알 수 있다. <표 4－

16>에 따르면 초기 구매 확률이 엘지이샵의 경우 5% 정도이지만 다음쇼핑은 존재

하지 않는다.

둘째, 방문효과에 있어 엘지이샵의 경우는 거의 존재하지 않는 것으로 나타난 반

면, 다음은 상당한 정도로 존재하는 것으로 나타났다.

셋째, 구매기각치 효과에 있어서는 인터넷서점과 다른 양상이 발견되었다. 점유

율 1위 업체인 엘지이샵의 초기 구매기각치가 다음쇼핑에 비해 매우 높으나 시간이

지날수록 증가세가 감소하고 있음이 발견되었다. 이러한 결과는 구매에 대한 거부

감이 사이트에 대한 인지도에 좌우하고 있는 것을 전제할 때 다음(daum)이 누리는

포탈사이트로서의 이점에 기인하는 것으로 판단된다.

6. 결 론

본 고에서는 클릭스트림 자료를 이용하여 방문과 구매 데이터를 상호 연결시켜

고려하며 이를 온라인 상점의 특성에 따른 차이점까지 포함함으로써 전환모형의

연구 확장을 하는데 의의를 두고 있다. 이를 위해 Moe and Fader(2001)에서의 방문

과 구매에 대한 전환모형(conversion model)을 기초로 국내의 데이터를 이용하여 실

증적으로 분석하 다.

이에 부가하여 본 연구는 Moe and Fader(2001)와 다음과 같은 점에서 차별화된다.

Moe and Fader(2001)에서는 그들이 제시한 모형이 기존에 사용하 던 모형에 비해

방문구매 전환에 대한 데이터를 얼마나 잘 설명하는가에 중점이 맞추어져 있다. 따

라서 그들은 Amazon의 자료만을 가지고 기존의 여러 가지 모형의 결과와 그들의

전환모형의 실제 데이터에 대한 적합성을 주로 검토하 다. 본 연구가 그들의 연구

와 차별화되는 점은 여러 가지 온라인 상점, 즉 인터넷 서점 2곳(yes24, 교보문고)과

종합쇼핑몰 2곳(엘지이샵, 다음쇼핑)을 대상으로 하여 각 업체간에 소비자들이 어

떻게 구매전환 행태 및 요인을 달리하고 있는지에 대한 분석을 주요 연구대상으로

삼았다는 점이다.

제 4장 패널데이터를 이용한 국내 온라인 상점의 방문구매 전환비율 분석 123

주요 결과는 다음과 같다. 첫째, 인터넷서점의 경우 방문자 기준 점유율 1위 업체

인 yes24는 신규소비자의 구매 혹은 충동구매를 반 하는 기본적 구매 확률(baseline

purchase probability)에서는 교보문고보다 우위에 있으나, 누적적으로 방문이 지속됨

에 따라 구매가 발생하는 정태적, 동태적 방문효과(visits effect)에서는 교보문고보다

열위에 있음이 밝혀졌다. 구매기각치 효과(threshold effect)에서는 소비자들이 구매

를 꺼려하는 정도가 초기에는 yes24에서 더 낮았으나 시간이 지남에 따라 비슷해지

고 있다. 둘째, 종합쇼핑몰의 경우도 인터넷서점과 대체로 유사한 결과가 도출되었

다. 즉 점유율 1위 업체인 엘지이샵이 신규방문자 구매 또는 충동구매에서 다음쇼

핑에 비해 우위에 있으나 방문효과에서는 열위에 있는 것으로 밝혀졌다. 구매기각

치 효과는 인터넷서점과는 반대로 소비자들이 구매를 꺼려하는 정도가 초기에 엘

지이샵에서 더 낮았으나 시간이 지남에 따라 역시 비슷해지고 있다. 이를 통해 통

상적으로 인지되는 것과는 달리 국내에서 소비자의 방문 유치에 가장 성공적인 점

유율 1위 업체는 그러한 소비자들을 계속적으로 유지하여 축적적으로 구매로의 유

도를 하는 식보다는 과거의 방문경험이 없는 신규방문자들의 구매를 통해 수익을

창출하고 있는 것으로 나타났다.

124

제 5장 인터넷 비즈니스의 전환비용에 대한 연구

제 1절 산업별 전환 흐름(switching flow) 분석

1. 서 론

검색 기술 및 에이전트 기술 등의 등장으로 인터넷에서는 오프라인에서와 달리

탐색비용(search cost)이 매우 낮고, 물리적인 이동이 아니라 자신에 맞는 사이트를

옮기는 데에 ‘클릭 한번’이면 충분하기 때문에 사이트를 전환하는 것도 매우 용이하

다는 특징이 존재한다. 이러한 인터넷의 매체적 특징은 오프라인의 물리적 제약 때

문에 발생하는 소비자의 탐색비용과 전환비용에 기인하여 전통적인 판매자가 누리

던 ‘국지적인 독점’의 위치를 위태롭게 만들 것으로 예측되었다. 즉, 인터넷 발전의

초기에는 인터넷의 기술적, 매체적 특징에 따라 판매자의 경쟁이 치열하게 되어 경

제 전반적으로 인터넷이 ‘완전경쟁’을 야기할 것이라는 주장이 제기되었다(Kuttner;

1998, Brynjolfsson and Smith; 2000). 또한 온라인 시장에서는 오프라인 사업자가 누

리던 장소적 이점을 무력화시키고 소규모 사업자도 충분히 경쟁할 수 있도록 하므

로 인터넷이 ‘위대한 동등자(great equalizer)’라고 표현되기도 하 다(Borland; 1998).

반면에 인터넷에서는 신규기업의 진입에 따른 비용이 일반적으로 오프라인에 비해

낮은 것으로 지적되고 있다. 이러한 온라인 상의 특징에 따라 온라인의 초기에는

인터넷 비즈니스가 베르트랑(Bertrand) 경쟁을 유발하며, 경쟁을 심화시키고 궁극적

으로 가격을 하락시킬 것으로 기대되었다.

그러나 최근에 등장하는 몇 가지 실증적인 연구에서는 이러한 주장이 반박되고

있다. 초기의 예측과는 달리, 온라인 시장에서 판매자의 브랜드(brand)의 중요성이

증가하여 온라인 시장의 가격분산이 오히려 오프라인보다 큰 경우가 흔히 발견되

고 있으며(Brynjolfsson, Bailey, and Smith; 2000), 인지도가 있는 쇼핑몰들이 적지 않

제 5장 인터넷 비즈니스의 전환비용에 대한 연구 125

은 가격 프리미엄을 누리며(Brynjolfsson and Smith; 2000), 쇼핑몰의 구조도 가격변

화에 민감하고 저가전략을 취하는 업체와 인지도가 있는 업체의 이중구조 형태를

취하고 있는 것으로(신일순·조장형; 2002) 밝혀지고 있다. 또한 사용자 패널의 클

릭스트림(clickstream) 자료를 이용한 분석에서도 특정 사이트로의 집중도가 높아지

고 있다는 분석이 존재한다(본 연구 2장 참조).

이러한 실증적인 분석에 부합하는 사실중의 하나는 웹사이트들이 새로운 고객을

유치하고 또한 그들을 유지하기 위해 막대한 금액의 마케팅비용을 사용하고 있다

는 점이다. 그런데, 인터넷 기업이 단기적인 손실을 감수하면서도 이러한 마케팅비

용을 부담하는 근거는 무엇인가? 인터넷 기업은 고객 획득과 유지를 위해 지불하는

비용이 장기적으로 그들에게 이익을 가져다 줄 것으로 기대하기 때문에 이러한 전

략을 사용할 것이다. 이러한 논의의 근거에는 인터넷 기업의 마케팅 비용지출이 고

객이 다른 사이트를 전환하는 데에 상당한 비용을 지불해야 하는 상황, 즉 전환비

용(switching cost)을 높일 것이라는 기대에 의한다고 볼 수 있다.

전환비용(switching cost)은 소비자가 상품, 서비스 또는 판매자를 교체하는 경우에

발생하는 비용이다. 일반적으로 전환비용은 상품의 속성, 소비자의 특징, 기업의 전

략 등여러 가지 요인에 의해발생한다. 기업의입장에서는 소비자의전환비용을 높이

는전략을취함으로써가격경쟁을약화시키고, 선도자의 이익(first mover's advantage)을

유지하며, 이를 통해 궁극적으로 초과이윤을 누리려고 할 것이다. 그러나 앞서 지적

한 인터넷의 매체적 특징에 따라 이러한 기업의 전략에도 불구하고 소비자의 전환

비용이 매우 낮다면 기업의 입장에서는 그리 매력적인 시장이 되지 못할 것이다.

즉, 전환비용과 관련하여 인터넷은 그 특성에 따라 소비자의 전환을 용이하게 하는

측면이 기존의 거래형태와 비교하여 매우 강력해지는 데에 비해, 기업들은 광고, 판

촉 등의 기업전략을 사용하여 소비자의 전환비용을 인위적으로 높이려는 유인이

존재한다. 이렇듯 인터넷 경제에서 전환비용이 중요해짐을 반 하여 Shapiro and

Varian(1998)은 “인터넷 경제에서 전환비용(switching cost)에 대한 측정 및 이해 없이

는 효과적으로 경쟁할 수 없다”라고 말한 바 있다.

126

본 연구의 목적은 인터넷 경제에서 그 중요성이 더해지는 전환비용에 대해 다섯

가지 국내 인터넷 비즈니스를 대상으로 사용자 패널의 클릭스트림(clickstream) 자료

를 이용하여 실증적으로 분석하는 것이다. 인터넷 경제에서 전환비용과 관련한 선

구적인 연구로는 Chen and Hitt(2001)가 존재한다. 그들은 온라인 증권거래사이트를

대상으로 기업별로 전환비용을 측정하고, 그 결정요인을 분석하 다. 본 연구는 다

음의 측면에서 그들과 차별화된다. Chen and Hitt(2001)가 온라인 증권거래사이트만

을 대상으로 하여 전반적인 인터넷 비즈니스의 전환비용에 대한 모습을 그리기 어

려운데 비해, 본 연구는 인터넷 비즈니스를 구성하는 가장 중요한 카테고리라고 판

단되는 전자상거래 업체(종합쇼핑몰, 인터넷서점), 컨텐츠 업체(음악정보사이트) 및

포탈업체(검색포탈, 커뮤니티포탈) 등을 선정하여 분석함으로써 산업별 전환행태의

차이점 및 전반적인 인터넷 비즈니스의 전환비용의 특성을 분석하고자 하 다.

분석을 위한 자료는 인터넷 조사업체인 코리안클릭의 사용자패널을 사용하 는

데, 조사기간을 2001년 3/4 분기부터 2002년 2/4 분기까지 1년(12개월)으로 하고 3개

월씩 4개 분기로 나누어(Q301, Q401, Q102, Q202) 이 기간에 계속적으로 방문한

2,568명을 대상으로 삼았다.

산업별 전환행태를 분석하기 위해서는 방문자의 흐름(flow)을 이용하여 산업내의

개별 사이트에 대한 전환율과 유지율을 측정하 으며, 산업별 차이에 대한 절대적

인 기준치를 고려하기 힘든 상황에서 방문자의 평균 방문사이트 수 및 최대 방문사

이트의 방문횟수가 산업별 차이를 내재적으로 반 하는 변수로 판단하여, 이와 유

지율 및 전환율과의 관계를 살펴보고자 한다.

2. 문헌연구

전환비용(switching cost)은 소비자가 상품, 서비스 또는 판매자를 교체하는 경우에

발생하는 비용이다.30)일반적으로 어떠한 구매관계의 경우에도 거래 관계의 유지를

30) Kim et al.(2001)

제 5장 인터넷 비즈니스의 전환비용에 대한 연구 127

위해서는 구매자의 전환비용이 존재한다. 예컨대, 구매자들은 기존의 특정한 판매

자와 거래하고 있는 경우에 거래절차(transaction process)와 협상(negotiation)에 관해

상호 인정되는 수준의 양식을 미리 개발해 놓고 있다. 따라서 새로운 거래자를 탐

색하는 경우, 이러한 관례화된 절차를 포기하고 새로운 관계를 수립하는 비용을 부

담하여야 한다. 따라서 이러한 전환비용은 구매자가 새로운 판매자를 찾는데 저항

요인의 역할을 하게 된다. 즉, 모든 조건이 동일하다면 구매자는 전환비용을 절약하

기 위해 현재의 관계를 유지시키려고 노력할 것이다.

이처럼다수의시장에서고객들은서비스또는제품브랜드의차이에의해서무시하

지 못할 전환비용에 직면하게 된다. Klemperer(1987)는 전환비용을 거래비용(transaction

cost), 학습비용(learning costs), 인위적 또는 계약적(artificial or contractual) 비용의 세

가지 유형으로 분류하 다. 거래비용은 공급자와 새로운 관계를 성립하기 시작하면

서 발생하는 비용을 말하며, 때때로 기존 관계를 종료하기 위한 필요한 비용이 포

함되기도 한다. 학습비용은 고객이 이전에 사용하던 제품에서처럼 신규 제품에 대

한 편안함, 사용의 편의성이 동일한 수준에 이르기까지 요구되어지는 노력이다. 인

위적 전환비용은 공급자의 의도적인 전략에 의해 발생하는 것으로서, 대표적인 예

로는 사용빈도에 따라 혜택이 누적되는 마일리지 프로그램, 반복구매 할인, 방문 수

에 비례하여 고객에게 보상을 해주는 것 등이다. 이와 같은 명백한 비용을 제외하

더라도 전환비용은 고객이 위험(risk)을 감수할 의사가 없는 경우, 특히, 고객이 다

른 제품 및 브랜드의 질에 대한 불확실성(uncertainty)을 가지고 있을 경우에도 존재

한다.

기존의 경제학적인 문헌에서는 전환비용이 경쟁 현상의 다양성에 향을 줄 수

있다는 것에 주목해왔다. 이를테면전환비용은 가격, 진입 결정, 새로운 상품의 확산

유형, 가격 전쟁 등과 관련이 있다(Klemperer, 1987, 1995; Beggs and Klemperer, 1992;

Farrell and Shapiro, 1988). 그런데 경제학 문헌에서는 전환비용의 측정이나 특정 기

업이경쟁력강화를위해서전환비용을높이는현상에대한분석보다도일반적인전환

비용의 향, 특정한산업에서의전환비용의존재및제품의적합성(compatibility), 네트

128

워크 외부성 등이 원인이 된 특별한 전환비용에 대해 연구하고 있다(Katz and Shapiro,

1985). 즉, 경제학 문헌이 전환비용의 중요성을 역설하고 있기는 하지만 마케팅 문

헌에서 동등하게 강조되고 있는 전환비용 또는 브랜드 충성도에서의 고객유지를

위한 투자, 고객의 이질성을 통해서 다양한 전환 비용이 발생할 수 있음을 강조하

지는 못했다.

이에 비해 마케팅 문헌은 전환비용에 대해서 직접적으로 초점을 맞추지 않았으

나, 공급자 또는 제품을 전환시키기 위한 선택 행동을 포함하는 고객의 상품 선택

행동에 초점을 맞추어 연구하고 있다. 이와 같은 문헌은 고객이 일정기간 이상 같

은 브랜드를 반복하여 구매하는 경향을 나타내는 브랜드 충성도(brand loyalty)의 개

념에 초점을 맞추어 왔다. 브랜드 충성도는 고객의 관성(inertia), 의사결정 성향, 다

른 브랜드의 질적 불확실성 또는 심리적인 이슈 등을 포함한다. 이와 같은 광범위

한 문헌들 중 다수는 조사나 포커스 그룹내의 선호도를 표현하거나 반복구매를 하

는 것과 같은 개인적 행동에 의해 충성 고객들의 동일시(identification) 현상을 강조

한다. 즉, 마케팅 문헌에서는 충성도를 소비자의 내재된 성향으로 다루는 것이 일반

적이었다. 결과적으로 이와 같은 연구는 기업내의 전략 및 투자, 회사간의 변수 또

는 전환비용의 변화 사이의 연계관계 등을 주요 연구 대상으로 삼고 있지 않다.

정보시스템과 관련된 문헌들은 일반적으로 계약적 책임, 관계중심적(relationship

specific) 투자, 적합성, 네트워크 외부성과 같은 경제적 접근방식과 비슷하며, 시장

확대를 위한 전환비용 및 전환비용의 유형적인 형식(tangible forms)에 초점을 맞추

고 있다. 그러나 이와 같은 연구 중 다수는 특이한 기술 투자보다는 IT기반 서비스

중심으로 이루어지고 있다. 또한 소비자의 최초의 선택 및 획득에 향을 미치는 정보

시스템 특성에 대한 광범위한 연구가 진행되어 왔다(DeLone and McLean, 1992). 그러

나 이에 비해 유지 및 전환에 향을 주는 이용자 변수 및 시스템 질에 대한 문헌

은 상대적으로 매우 적은 상황이다.

전자상거래 시장에서는 일반적으로 오프라인에 비해 상대적으로 전환비용이 낮

다라는 의견이 많다. 최근의 연구 결과에서는 전자상거래에서의 브랜드 충성도에

제 5장 인터넷 비즈니스의 전환비용에 대한 연구 129

대한 뚜렷한 증거가 나타나고 있는데 Brynjolfsson and Smith(2000)는 샵봇(shopbot)

을 통한 가격 비교 서비스의 데이터를 이용하여 고객이 인지도가 있는 소매상으로

부터 도서를 구입할 때 프리미엄 가격을 지불할 수 있음을 발견하 다. Johnson, et

al.(2000)에 따르면 온라인으로 도서 및 음반을 구입하는 이용자의 70%가 단일한 사

이트에 충성하고 있으며, 온라인 쇼핑을 위해 소비자가 보다 다양한 경험을 할 수

있는 사이트 검색은 미미한 것으로 나타났다. 이와 같은 결과가 나타나게 된 배경

중의 하나로 기업이 온라인 채널에서 고객을 유지할 수 있는 새로운 방법을 통해

검색 및 비교의 어려움을 제거하게 되었다는 것이다. 예를 들어 빈도 구매 프로그램

(frequent-purchaser programs), 개인화를위한사용자프로파일의사용, 클릭수(clickthrough)

보상 및 제휴 프로그램이 포함된다(Varian, 1999; Smith et al. 1999; Bakos, 2001).

이하에서는 인터넷 비즈니스에서 전환비용이 어떻게 적용되는지를 살펴보기 위

해 종합몰, 인터넷서점, 음악정보사이트, 커뮤니티 중심 포탈 및 검색 중심 포탈에 대

해 산업별, 기업별 전환비용을 측정해보고, 전환비용의 결정요인에 대해 살펴본다.

3. 자 료

기업별 전환비용(switching cost)을 분석하기 위한 자료는 (주)코리안클릭의 인터넷

사용자 패널(panel)의 클릭스르림(clickstream)자료를 근거로 하 다. 본 연구를 위한

조사기간으로는 2001년 3/4 분기부터 2002년 2/4 분기까지 1년(12개월)을 선정하 으

며, 3개월씩 4개 분기로 나누어(Q301, Q401, Q102, Q202) 데이터를 분석하 다. 유

효샘플은 조사기간인 4개의 분기동안 한번이라도 조사기관에 데이터를 보낸 사용자

로 제한하 으며, 연구기간 내에 인구통계학적으로 인터넷 사용자 인구를 대표할 수

있고, 계속적으로방문한 2,568명을대상으로삼았다. 개별사용자의특성변수는나이,

성별, 직업, 소득, 학력 및 교육수준으로 구분하 다.

사용자의 전환비용 또는 전환 행태를 편리하게 살펴보기 위해서는 특정 기간에

사용자의 주요사이트(major site)에 대한 측정이 필수적이다. 본 연구에서는 주요사

이트를 당해 분기에서 방문횟수가 가장 많은, 즉 최다방문 사이트로 정의하 다. 주

130

요사이트의 정의가 필요한 이유는 다음과 같다. 사용자의 방문이 특정 기간 중 어

느 한 사이트로 집중되는 경우도 존재하지만, 다수의 사이트로 분산되는 경우도 존

재한다. 그런데 後者의 경우에 전환행태의 측정을 위해서는 전기에서 선택한 다수

사이트의 분포(distribution)가 다음 기에 어떠한 분포로 전환하 는지를 분석하여야

하기 때문에매우다루기어렵다. 따라서특정기간에 사용자가방문하는주요사이트

를 정의하는 경우 전환행태는 점 대 점의 문제가 되므로 다루기 편리한 장점이 있다.

분석 대상이 되는 인터넷 비즈니스의 산업 선정을 위해서는 국내 인터넷 사용자

가 보편적으로 사용하고 산업인 쇼핑몰업체, 컨텐츠업체, 포탈업체를 우선적으로

선정하 다. 이후 (주)코리안클릭의 웹사이트 측정보고서(2002년 6월)를 참고로 하

여, 이를 세분화하여 종합쇼핑몰, 인터넷서점, 음악정보 사이트, 검색 포탈 사이트,

커뮤니티 포탈 사이트 등 5개를 선정하 다. 업체 선정의 기준은 각 기업이 해당 산

업에서 제공하는 서비스가 동질적 성격을 띄는 것과 순방문자수31)및 도달율

32)이 높

은 업체를 선정하 다. 산업 내의 모든 업체를 조사하는 것은 물리적, 시간적 비용

이 크기 때문에 순방문자수 및 도달율이 높은 상위 7∼10개 업체만을 선정하여 분

석하 다.

우선 가장 보편적이고 불특정 다수가 방문하는 쇼핑몰 업체는 종합몰과 전문몰을

구분하여 선정하 는데 종합쇼핑몰은 엘지이숍, 인터파크, 롯데닷컴, 삼성몰, e-현

대, 한솔, CJ몰, 바이첼, SK디투 등 9개 업체를 선정하 고, 전문몰은 온라인서점인

예스24, 교보문고, 와우북, 알아딘, 모닝365, 북클럽, 풍문고 등 7개 업체를 선정하

다.

컨텐츠 제공업체 중에서는 음악정보사이트를 선정하 는데 벅스뮤직, maxmp3,

31) 순방문자수(Unique Visitors)는 측정 기간 중 1회 이상 해당 사이트에 방문한 중복

되지 않은 방문자를 의미한다. 따라서, 어떤 사람이 특정 달에 야후코리아에 1회

방문하거나 100회를 방문해도 순방문자는 한사람으로 측정된다.

32) 도달율(Reach Rate)은 국내 네티즌 중 일정기간 동안 특정한 웹사이트에 방문한

순방문자수의 비율로서 즉 순방문자수/전체네티즌수로 산정한다.

제 5장 인터넷 비즈니스의 전환비용에 대한 연구 131

아이뮤페, 아시아뮤직, 뮤직캐스트, 펑키, 소리바다 7개 업체를 선정하 다. 소리바

다를 제외한 업체들은 일반 음악파일을 스트리밍 해주는 사이트이며, 소리바다는

음악파일을 P2P 방식으로 공유하여 다운 받는 서비스하는 사이트로서, 서비스 방식

에 차이가 있으나 음악파일이라는 컨텐츠를 제공한다는 점에서 동질적 성격을 띠

고 있어서 따로 구분하지 않고 한 산업에 포함시켰다.

도달율이 다른 사이트에 비해 훨씬 높은 포탈사이트는 제공하는 중심 서비스에

따라 종합포탈, 검색포탈, 커뮤니티포탈, ISP 포탈 등으로 구분할 수 있는데, 본 연

구에서는 이중 검색포탈, 커뮤니티 포탈사이트를 분석하 다. 그런데 국내 포탈사

이트의 경우 다수가 종합 포탈을 지향하고 있어서 전체 사이트의 방문자를 분석할

경우 전환율에 향을 미치는 사이트 특성을 파악하기 어렵다는 문제가 존재한다.

따라서 선정된 포탈업체의 전체방문자 중에서 본 연구에서 대상으로 하는 서비스

인 순수 검색 및 커뮤니티 섹션을 사용하는 방문자만을 측정하는 것이 필요하다.

이를 위해 코리안클릭에서 제공하는 온라인 섹션 리포트인 사이트의 섹션별 트래

픽을 이용하 다. 여기서 사이트의 섹션 트래픽(site section traffics)이란 특정사이트

를 구성하는 섹션별 트래픽 정보를 세분한 것으로, 포탈사이트의 경우는 검색, 커뮤

니티, 뉴스, 메신저 등으로 서비스를 세분화한 후 포탈사이트의 해당 서비스에 대응

하는 사이트의 하위주소를 정하고, 이를 방문한 사람들의 방문행태를 독립적으로

분석할 수 있다. 본 연구에서 다루는 검색 및 커뮤니티 포탈사이트의 경우는 이러

한 색션별 트래픽 정보를 토대로 사업자를 선정하고, 이 기준을 통해 데이터도 추

출하 다.

검색포탈은 야후, 엠파스, 네이버, 심마니, 라이코스, 구 , 한미르 총 7개 업체, 커

뮤니티포탈은 다음, 프리챌, 드림위즈, 코리아닷컴, 라이코스, 네띠앙, 신비로, 심마

니 8개 업체를 선정하 다.

다음의 표는 본 연구에서 분석한 인터넷 비즈니스에 대한 (주)코리안클릭의 웹사

이트 측정보고서(2002년 6월)에 나타나는 기업별 순방문자와 도달율에 대한 통계치

이다.

132

<표 5－1> 본 연구의 분석 대상 인터넷 비즈니스의 기업별 순방문자 및 도달율

산 업 Domain 순방문자 도달율(%)

종합

쇼핑몰

(9개)

buychal.com 2,204,992 10.25

cjmall.com 2,782,075 12.94

csclub.com 2,912,037 13.54

e-hyundai.com 2,481,562 11.54

interpark.com 4,850,917 22.56

lgeshop.com 4,940,899 22.98

lotte.com 4,034,227 18.76

samsungmall.co.kr 2,667,843 12.41

skdtod.com 2,644,701 12.3

인터넷

서점

(7개)

aladdin.co.kr 898,872 4.18

kyobobook.co.kr 1,457,628 6.78

morning365.co.kr 1,149,214 5.34

thebookclub.co.kr 552,606 2.57

wowbook.com 992,296 4.61

yes24.com 2,678,290 12.45

ypbooks.co.kr 560,395 2.61

음악정보

사이트

(7개)

bugsmusic.co.kr 8,841,016 41.11

imufe.com 4,427,277 20.59

kr.asiamusic.net 1,030,732 4.79

maxmp3.co.kr 6,554,748 30.48

muzcast.com 1,810,311 8.42

puckii.com 1,886,434 8.77

soribada.com 6,981,986 32.47

검색포탈

(7개)

empas.com 5,877,339 27.33

google.com 2,154,613 10.02

hanmir.com 11,683,439 54.33

lycos.co.kr 13,206,344 61.41

naver.com 17,277,196 80.34

simmani.com 12,879,951 59.89

yahoo.co.kr 17,971,088 83.57

커뮤니티 포탈

(8개)

daum.net 15,641,051 72.73

dreamwiz.com 710,251 3.30

freechal.com 6,427,606 30.55

korea.com 1,038,826 4.83

lycos.co.kr 2,461,276 11.45

netian.com 1,194,720 5.56

shinbo.com 752,732 3.50

simmani.com 699,391 3.25

제 5장 인터넷 비즈니스의 전환비용에 대한 연구 133

4. 산업별 사이트 전환에 대한 흐름(flow) 분석

가. 측정 방법

산업별 분석을 위해서는 [그림 5－1]의 방문자 흐름(flow)을 통하여 살펴보았다.

먼저 분석의 가장 초기 분기에 전체 패널(모든 분기에 인터넷 사이트를 한번이상

방문한 2,568명) 중 특정 산업(예를 들어 인터넷서점)을 방문하 던 사람과 그렇지

않은 사람으로 구분된다. 그 다음 기에는 前期에 방문했던 사람 중 계속해서 동일

한 인터넷서점 사이트를 주요사이트(major site)로 방문한 사람(유지자)과 다른 인터

넷서점 사이트를 주요사이트로 전환한 사람(전환자) 및 전혀 인터넷서점을 방문하

지 않은 사람(비방문자)으로 구분될 것이다. 또한 前期에 방문하지 않은 사람은 다

시 다음 기에 인터넷서점을 방문한 사람(신규방문자)과 계속해서 방문하지 않은 사

람으로 구분된다.

[그림 5－1] 방문자 흐름(flow) 분석

인터넷서점을 예로 들 경우, 전체 패널 2,468명 중 2001년 3/4 분기의 방문자 1,282

명 중, 2001년 4/4 분기에 주요사이트를 유지한 사람이 484명, 주요사이트를 전환한

Q301 Q401

유지자(stayer)

전환자

(switcher)

비방문자(non-user)

신규방문자(new comer)

방문자(user)

비방문자

(non-user)

총 패널(total panel)

134

사람이 322명, 인터넷서점을 방문하지 않은 사람이 478명으로 나타났고, 2001년 3/4

분기의 비방문자 1,286명 중, 신규로 2001년 4/4 분기에 인터넷서점을 방문한 사람

이 275명으로 나타났다.

이러한 사용자의 흐름자료를 기초로 각 산업별로 유지율(stay rate; 前期 방문자 중

유지자의 비율), 전환율(switch rate; 前期 방문자 중 전환자의 비율) 및 순 신규방문

자(前期 비방문자 중 신규방문자에서 前期 방문자 중 비방문자를 차감한 숫자)를

구하 다.

나. 분석결과

개별사용자가 특정 사이트에 방문한 결과를 이용하여 산업별 전환율 및 유지율을

산출하 다. 산업별로 조사기간 중 첫 번째 분기 2001년 3/4분기를 기준으로 하여

그 분기의 총방문자와 비방문자를 구분한 후 2001년 4/4분기부터 전분기의 총방문

자를 기준으로 유지자(stayer), 전환자(switcher), 비방문자(non-visitor)를 추출하고, 전

분기의 비방문자 중 신규진입자(new adopters)를 추출하 다.

1) 종합쇼핑몰

조사기간에 데이터를 보내온패널은 2,568명 중종합쇼핑몰 사용자는 Q301에 1,925

명, Q401에 2,047명, Q102에 2,050명, Q202에 1,990명으로 조사기간 내 종합쇼핑몰

순 방문자(unique visitors)는 2,493명이었다. 종합쇼핑몰의 방문자의 흐름을 살펴보

면 다음 <표 5－2, 5－3>과 같다. 조사기간 내 종합쇼핑몰의 방문자의 평균 전환율

은 50.6%, 평균 유지율 34.8%로 전환율이 유지율보다 약 15%p가량 높게 나타났다.

종합쇼핑몰의 경우 전환율이 다른 인터넷 비즈니스에 비해 매우 높게 나타나고

있다. 이하에서 제시되는 다른 인터넷 비즈니스와 비교할 경우, 전환율이 유지율보

다 높은 유일한 업종으로 나타났다. 이러한 현상이 발생한 근거로는 종합쇼핑몰의

정의상 여러 가지 상품을 판매하는 곳이기 때문에 소비자들이 구매하고자 하는 특

정한 상품 및 낮은 가격을 찾아 여러 곳을 비교하는 행태가 존재하고, 이에 따라 사

이트를 자주 바꾸기 때문이라고 판단된다. 또한 공급 측면에서도 종합쇼핑몰이 여

러 가지 상품을 다루기 때문에 특정한 쇼핑몰이 다른 쇼핑몰에 비해 상대적인 우위

제 5장 인터넷 비즈니스의 전환비용에 대한 연구 135

를 가질만한 전략을 사용하기가 매우 어렵다는 산업적 특징도 존재한다. 이에 부가

하여 종합쇼핑몰은 빈번히 판촉(promotion) 프로그램을 제공하기 때문에 이에 따른

소비자의 전환이 높은 것으로 해석된다.

<표 5－2> 종합쇼핑몰의 방문자 흐름

분 류 Q301 Q401 Q102 Q202

조사기간내

총 패널 수

2,568

총 방문자

1,925

유지자

702

유지자

717

유지자

676

전환자

957

전환자

1,043

전환자

1,051

비방문자

266

비방문자

287

비방문자

323

비방문자

643

신규 진입자

388

신규 진입자

290

신규 진입자

263

총 방문자

2,047

총 방문자

2,050

총 방문자

1,990

<표 5－3> 종합쇼핑몰 방문자의 유지율 및 전환율

분 류 Q301∼Q401 Q401∼Q102 Q102∼Q202 평 균

유지율 36.5% 35.0% 33.0% 34.8%

전환율 49.7% 51.0% 51.3% 50.6%

순 신규방문자 122 3 -60

한편 순 신규방문자의 경우는 쇼핑몰의 계절적인 요인을 반 하는 것이라 판단된

다. 즉, 매해년도 연말 또는 연초에 쇼핑시즌 또는 선물시즌이 겹칠 경우 쇼핑몰의

이용빈도가 높아지고 여름시즌에는 이용빈도가 감소하는 바, 이를 반 하여 순 신

규방문자가 연말에 집중되고, 시간이 지날수록 감소하는 모습을 띄는 것으로 해석

된다.

136

2) 인터넷서점

조사기간에 데이터를 보내온 패널 2,568명 중 인터넷서점 사용자는 Q301에 1,091

명, Q401에 1,176명, Q102에 1,282명, Q202에 1,181명으로 조사기간 내에서 인터넷

서점을 방문한 순 방문자(unique visitors)는 2,018명이었다. 기간별 방문자는 종합쇼

핑몰에 비해 약 1/2의 수준으로 전문몰의 특성을 반 하고 있다. 그러나 이에 비해

전기간에 걸친 순 방문자수는 종합쇼핑몰의 80% 수준으로, 인터넷서점에의 방문이

시기별로 집중되어 나타남을 알 수 있다.

인터넷 서점의 방문자의 흐름을 살펴보면 다음 <표 5－4, 5－5>와 같다. 조사기

간 내 인터넷서점의 방문자의 평균 전환율은 26.5%, 평균 유지율 40.1%로 나타났는

<표 5－4> 인터넷서점의 방문자 흐름

분 류 Q301 Q401 Q102 Q202

조사기간내

총 패널 수

2,568

총 방문자

1,091

유지자

430

유지자

507

유지자

484

전환자

296

전환자

322

전환자

322

비방문자

365

비방문자

347

비방문자

476

비방문자

1,477

신규 진입자

450

신규 진입자

453

신규 진입자

375

총 방문자

1,176

총 방문자

1,282

총 방문자

1,181

<표 5－5> 인터넷서점 방문자의 유지율 및 전환율

분 류 Q301∼Q401 Q401∼Q102 Q102∼Q202 평 균

유지율 39.4% 43.1% 37.8% 40.1%

전환율 27.1% 27.4% 25.1% 26.5%

순 신규방문자 85 106 -101

제 5장 인터넷 비즈니스의 전환비용에 대한 연구 137

데, 종합쇼핑몰에 비해 약 5%p가량 유지율이 높았고, 전환율이 매우 낮아, 전환율

이 유지율보다 13.6%p 낮은 것으로 나타났다.

종합쇼핑몰에 비해 유지율은 비슷하나 전환율이 낮은 것은 인터넷서점이 서적이

라는 단일한 제품만을 대상으로 하기 때문에 인터넷서점의 입장에서 사용자의 전

환을 어렵게 하는 전략을 세우기가 쉽기 때문인 것으로 해석된다. 예를 들어 대부

분의 국내 인터넷서점에서 이용하는 포인트적립제도 등이 이러한 전략의 하나로

볼 수 있다. 물론 종합몰에서도 포인트적립이 존재하지만 서적은 가격이 대동소이

하여 포인트 사용에 대한 예측이 용이하나 종합몰은 다루는 상품이 방대하여 가격

대가 차이가 나기 때문에 포인트 사용을 염두에 둔 구매는 인터넷서점보다 덜할 것

으로 판단된다. 간단히 비교해볼 경우에도 종합쇼핑몰에 비해 인터넷서점의 판촉

(promotion)이 훨씬 덜하다고 판단할 수 없으므로 전환율의 차이는 양 산업에서 다

루는 상품의 차이에 의해 발생하는 것으로 판단된다. 순 신규방문자의 추이는 종합

쇼핑몰의 경우와 마찬가지로 연말과 연초에 사용자가 증가하는 반면 여름시즌이

됨에 따라 사용자가 감소하고 있다.

3) 음악정보 사이트

조사기간에 데이터를 보내온 패널 2,568명 중 음악정보사이트 사용자는 Q301에

1,898명, Q401에 2,051명, Q102에 2,087명, Q202에 2,125명으로, 조사기간 내 음악정

보 사이트를 방문한 순 방문자(unique visitors)는 2,463명이었다. 음악정보사이트의

방문자의 흐름을 살펴보면 다음 <표 5－6, 5－7>과 같다. 조사기간 내 음악정보사

이트의 방문자의 평균 전환율은 33.4%, 평균 유지율 56.5%로 전환율이 유지율보다

약 23%p가량 낮게 나타났다.

음악정보 사이트는 인터넷서점보다는 전환율과 유지율이 모두 높고, 종합쇼핑몰

에 비해서는 유지율은 높으나 전환율이 낮은 것으로 나타났다. 유지율이 쇼핑사이

트에 비해 높은 것은 직접적인 구매를 수반하지 않는 음악정보 사이트의 특성에 따

라 익숙해진 사이트를 계속해서 유지하는 성향이 강하기 때문에 나타난 것으로 해

석된다. 즉, 쇼핑사이트에 비해 사이트 유지에 대한 기회비용이 작기 때문에 유지율

138

이 높게 나타났다고 판단된다.

<표 5－6> 음악정보 사이트의 방문자 흐름

분 류 Q301 Q401 Q102 Q202

조사기간내

총 패널 수

2,568

총 방문자

1,898

유지자

1,156

유지자

1,177

유지자

1,066

전환자

576

전환자

659

전환자

787

비방문자

166

비방문자

215

비방문자

234

비방문자

670

신규 진입자

319

신규 진입자

251

신규 진입자

272

총 방문자

2,051

총 방문자

2,087

총 방문자

2,125

<표 5－7> 음악정보 사이트의 유지율 및 전환율

분 류 Q301∼Q401 Q401∼Q102 Q102∼Q202 평 균

유지율 60.9% 57.4% 51.1% 56.5%

전환율 30.3% 32.1% 37.7% 33.4%

순 신규방문자 153 36 38

4) 검색포탈

조사기간에데이터를보내온패널 2,568명중검색포탈사이트사용자는 Q301에 2,499

명, Q401에 2,540명, Q102에 2,531명, Q202에 2,516명으로, 조사기간 내 검색포탈 사

이트를 방문한 순 방문자(unique visitors)는 전체 패널 중 2명을 제외한 2,566명으로

거의 대부분의 인터넷 사용자가 검색포탈 사이트를 이용하고 있음을 알 수 있다.

또한 다른 사이트에 비해 분기별 순 신규방문자 수의 변화도 상대적으로 적게 나타

났다. 검색포탈사이트의 방문자의 흐름을 살펴보면 다음 <표 5－8, 5－9>와 같다.

제 5장 인터넷 비즈니스의 전환비용에 대한 연구 139

조사기간 내 검색포탈사이트의 방문자의 평균 전환율은 25.7%, 평균 유지율 73.1%

로 전환율이 유지율보다 약 48%p가량 작게 나타났다.

앞선 쇼핑 업종 및 컨텐츠 업종(음악정보사이트)에 비해 검색포탈 사이트는 본

고에서 다루는 패널이 거의 모두 사용하고 있으며, 유지율이 매우 높고, 전환율이

낮은 것으로 나타났다.

<표 5－8> 검색포탈 사이트의 방문자 흐름

분 류 Q301 Q401 Q102 Q202

조사기간내

총 패널 수

2,568

총 방문자

2,499

유지자

1,848

유지자

1,839

유지자

1,846

전환자

632

전환자

669

전환자

643

비방문자

19

비방문자

32

비방문자

42

비방문자

69

신규 진입자

60

신규 진입자

23

신규 진입자

27

총 방문자

2,540

총 방문자

2,531

총 방문자

2,516

<표 5－9> 검색포탈 사이트의 유지율 및 전환율

분 류 Q301∼Q401 Q401∼Q102 Q102∼Q202 평 균

유지율 73.9% 72.4% 72.9% 73.1%

전환율 25.3% 26.3% 25.4% 25.7%

순 신규방문자 41 -9 -15

검색포탈에서 상대적인 유지가 높은 이유로 다음과 같은 것들이 지적될 수 있다.

첫째, 검색포탈은 국내인터넷 역사에서 가장먼저등장한 서비스로조사기간인 2001

∼2002년에는 그 사용이 매우 안정적으로 접어들었으며, 각 업체마다 별다른 차이

가 없이 비슷한 서비스를 제공하는 상황이라고 볼 수 있다. 이에 따라 다른 검색포

140

탈의 서비스를 이용하여도 비슷한 결과가 초래되기 때문에 사용자는 굳이 사용자

인터페이스(user interface)를 다시 익혀야 하는 검색서비스의 전환 행동을 위하지 않

은 것으로 해석된다. 둘째, 시간이 지남에 따라 검색서비스를 제공하는 거의 모든

포탈업체가 게시판, 게임 등의 컨텐츠, 이메일 등 다른 서비스를 도입하고 있다. 여

기서 측정한 방문자는 해당 사이트의 ‘검색’세션에 접속한 방문자만을 나타내고 있

기는 하지만, 다른 서비스가 검색포탈에 부가됨에 따라 특정 사이트의 검색 이외의

서비스에 잠금(lock-in)되어 해당 사이트의 검색서비스를 사용하게 되는 현상도 존

재한 것으로 보인다.

5) 커뮤니티포탈

조사기간에 데이터를 보내온 패널 2,568명 중 커뮤니티포탈 사이트 사용자는

Q301에 2,275명, Q401에 2,352명, Q102에 2,363명, Q202에 2,314명으로, 조사기간 내

커뮤니티포탈 사이트를 방문한 순 방문자(unique visitors)는 전체 패널 중 37명을 제

외한 2,531명으로 나타났다. 커뮤니티포탈 사이트의 방문자의 흐름을 살펴보면 다

음 <표 5－10, 5－11>과 같다. 조사기간 내 커뮤니티포탈 사이트의 방문자의 평균

전환율은 19.7%, 평균 유지율 74.7%로 전환율이 유지율보다 약 55%p가량 낮으며,

조사된 개별 산업 중 가장 낮은 전환율을 보이고 있다.

<표 5－10> 커뮤니티포탈 사이트의 방문자 흐름

분 류 Q301 Q401 Q102 Q202

조사기간내

총 패널 수

2,568

총 방문자

2,275

유지자

1,701

유지자

1,767

유지자

1,754

전환자

466

전환자

469

전환자

442

비방문자

108

비방문자

116

비방문자

167

비방문자

293

신규 진입자

185

신규 진입자

127

신규 진입자

118

총 방문자

2,352

총 방문자

2,363

총 방문자

2,314

제 5장 인터넷 비즈니스의 전환비용에 대한 연구 141

<표 5－11> 커뮤니티포탈 사이트의 유지율 및 전환율

분 류 Q301∼Q401 Q401∼Q102 Q102∼Q202 평 균

유지율 74.8% 75.1% 74.2% 74.7%

전환율 20.5% 19.9% 18.7% 19.7%

순 신규방문자 77 11 -49

커뮤니티포탈 사이트가 가장 높은 상대적 유지율을 나타내는 것, 즉 유지율과 전

환율의 차이가 많은 것은 네트워크 외부성(network externality)으로 설명될 수 있다.

한 사이트의 커뮤니티는 다른 사이트에서는 대체할 수 없는 서비스임과 동시에, 특

정 커뮤니티의 구성원이 많을수록 개인들의 편익이 증대하는 것이 일반적이다. 또한

커뮤니티 구성원들은 다른 서비스 이용자에 비해 일반적으로 높은 충성도(loyalty)를

가지고 있는 것으로 판단된다. 이에 따라 상대적인 유지율이 가장 높게 나타난 것

으로 해석된다.

[그림 5－2] 인터넷 비즈니스별 유지율과 전환율

142

다. 의미 및 시사점

앞선 분석에서 산업별로 사이트 전환의 행태에 차이가 있는 점이 발견되었다. 사

이트를 유지하는 사람에서 전환하는 사람을 차감한 개념, 즉 유지율과 전환율의 차

이로 판단하면 종합몰, 전문몰(인터넷서점), 컨텐츠업체(음악정보 사이트), 포탈 사

이트(검색 포탈 및 커뮤니티 포탈)의 순서로 그 차이가 컸다. 이는 판촉(promotion)

활동이 빈번하고, 다른 업종에 비해 직접적인 구매와 관계되기 때문에 유지에 대한

기회비용이 큰 쇼핑사이트들에서 전환이 상대적으로 높고, 서비스에 네트워크 외부

성(network externality)이 존재하여 특정 사이트에 잠금(lock-in) 효과가 존재하리라

판단되는 포탈 사이트들이 사이트 유지가 상대적으로 매우 적을 것이라는 직관적

인 설명에 부합된다.

일반적으로 전환행태는 사용자의 특성과 특정 인터넷 비즈니스의 특성에 따라 달

라질 것이다. 그런데 5개 산업 모두에서 전체 분석기간의 순 방문자가 전체 패널의

80% 이상이므로 사용자의 특성에 좌우되는 정도는 낮을 것으로 판단된다. 그렇다

면 특정한 인터넷 비즈니스가 다루는 상품, 서비스 등의 특성에 따라 산업별 전환

율 및 유지율이 달라지는가? 이에 대해 답하기 위해 단일한 기준으로 산업별로 다

루고 있는 상품, 서비스 및 기업 전략 등의 특성을 비교하는 것은 매우 어려운 일이

다. 따라서 사용자의 인터넷 사이트 방문의 행태가 산업별 차이점으로 간접적으로

나타낸다고 가정하고, 이에 대해 살펴보았다.

분석을위해 [그림 5－3]과같은구조를가정하 다. 즉, 인터넷비즈니스별특성(상

품, 서비스, 산업내기업의전략, 판촉활동등)이궁극적으로산업별전환율과유지율을

결정하나이를일률적으로비교할수있는관찰가능한변수를찾아내기가어렵기때문

에 이러한 인터넷 비즈니스별 특성이 사용자의 방문사이트 수 및 주요사이트(major

site)의 방문빈도수에 향을 미쳐 전환율과 유지율을 결정한다고 상정하 다.

먼저 특정 산업에서 사용자가 방문하는 사이트의 수가 적을수록, 다시 말해서 주

요사이트(major site)가 일률적으로 결정되는가의 여부를 살펴보았다. 여기서 사용자

들이 1∼2개의 사이트만 집중적으로 방문하는 것은 그 산업에 특유한 상품, 서비스

제 5장 인터넷 비즈니스의 전환비용에 대한 연구 143

[그림 5－3] 산업특징, 방문 사이트 수, 최대방문 사이트의 방문빈도 및

전환율과 유지율

및 기업의 전략을 이미 사용자들이 반 하여 나타난 결과라고 해석할 수 있다. 이

경우 일정 기간 동안 특정산업에서 방문하는 사이트가 적다는 것은 방문하는 소수

의 사이트가 존재한다는 것을 의미하고, 이러한 산업별 특징을 반 하는 사용자의

전환행태에 따라 그렇지 않은 다른 산업에 비해 전환비용이 높은 특징을 의미하는

것으로 볼 수 있다. 이렇게 판단하는 근거로는 방문 사이트가 집중된 경우 방문하

지 않는 사이트에 대해 정보를 얻는 것이 제한적이기 때문에 다른 사이트로의 전환

이 용이하지 않은 반면, 방문사이트가 여러 개일 경우는 사용자의 판단에 따라 어

떠한 사이트도 주요사이트가 될 확률이 높기 때문이다.

다음으로 특정 사업에서 사용자가 주요사이트(major site)를 방문하는 빈도수를 살

펴보았다. 평균 사이트 방문 수와 마찬가지로 주요사이트의 방문 빈도수를 특정 인

터넷 비즈니스의 특징을 반 하는 개념으로 해석하면, 우리는 주요사이트의 방문

빈도수가 많을수록 해당 사이트의 유지가 높아질 가능성이 많다고 해석할 수 있다.

왜냐하면 주요사이트의 방문 빈도수가 높다는 것은 그 사이트에 대한 사용자의 집

중도가 높다는 의미이고, 이에 따라 그러한 사이트가 속해있는 인터넷 비즈니스의

e-biz 특징

(상품, 서비스)

e-biz 특징

(promotion)

e-biz 특징(기업별 전략)

사용자의 방문

사이트 수

사용자의 주요

사이트의 방문 빈도

산업별 전환율

산업별 유지율

144

유지율이 높게 나타날 것으로 예측할 수 있기 때문이다.

[그림 5－4]는 이러한 기준에 따라 인터넷 비즈니스별로 평균 방문사이트수를 해

당 인터넷비즈니스의 총 사이트수로 나눈 것이다. 결과가 산업별로 차이를 보이므

로 전자상거래와 컨텐츠 업체를 한 그룹으로 묶고, 포탈업체를 다른 그룹으로 묶어

서 표현하 다. 또한 산업별로 본 연구에서 다루는 기업 수에 차이가 존재하기 때

문에 변수를 표준화하여 사용하 다.

[그림 5－4] 인터넷 비즈니스별 평균 방문사이트 수

제 5장 인터넷 비즈니스의 전환비용에 대한 연구 145

총 분석기간에 평균적으로 인터넷서점이 종합쇼핑몰 및 음악정보 사이트에 비해

약 1/2 가량의 방문사이트 수를 나타내고 있다. 반면에 종합쇼핑몰과 음악정보 사이

트는 별다른 차이점을 나타내지 못하고 있다. 포탈 사이트만을 보면 검색포탈이 커

뮤니티 포탈에 비해 약 2배 가량 방문하는 사이트의 수가 많은 것을 알 수 있다. 즉,

인터넷서점을 방문하는 사람들의 방문하는 사이트가 종합쇼핑몰이나 음악정보 사

이트, 또한 커뮤니티 포탈사이트를 방문하는 사람들의 방문사이트가 검색포탈의 방

[그림 5－5] 인터넷 비즈니스별 최대방문 사이트의 방문빈도

146

문사이트에 비해 2배정도 집중되어 있는 것으로 나타났다. 이러한 방문사이트수의

차이가 내재하고 있는 인터넷 비즈니스별 특징에 따라 산업별 전환율에 대한 위의

분석에서 인터넷서점의 전환율이 가장 낮게 나타난 것으로 해석된다.

반면에 최대 접속사이트(주요(major) 사이트)의 방문빈도를 살펴보면 앞서 제시한

방문사이트의 수와는 역의 관계를 가지고 있음을 알 수 있다. 즉, 인터넷서점에서

주요사이트의 방문빈도가 종합쇼핑몰 및 음악정보사이트에 비해 2∼3배 가량 높

고, 커뮤니티 포탈사이트에서 주요사이트의 방문빈도가 검색사이트의 방문빈도에

비해 2∼4배 가량 높게 나타났다.

요약하면, 어떠한 산업에서 사용자들이 평균적으로 방문하는 사이트 수가 많을수

록, 또한 최대방문 사이트의 방문빈도가 적을수록 사용자의 사이트의 전환이 용이

한 산업임을 의미한다.

5. 결 론

본 연구는 인터넷 경제에서 그 중요성이 더해지는 전환비용에 대해 5개의 국내

인터넷 비즈니스를 대상으로 사용자 패널의 클릭스트림(clickstream) 자료를 이용하

여 실증적으로 분석하는 것을 목적으로 하 다.

산업별 전환행태를 분석하기 위해서 방문자의 흐름(flow)을 이용하여 산업내의

개별 사이트에 대한 전환율과 유지율을 측정하 으며, 산업별 차이에 대한 절대적

인 기준치를 고려하기 힘든 상황에서 방문자의 평균 방문사이트 수 및 최대 방문사

이트의 방문횟수가 산업별 차이를 내재적으로 반 하는 변수로 판단하여 이와 유

지율 및 전환율과의 관계를 살펴보았다.

주요 결과는 다음과 같다. 첫째, 방문자의 흐름(flow)을 이용하여 어떠한 산업에서

사용자 유지가 높은 지를, 즉, 순유지율(유지율－전환율)을 측정한 결과, 커뮤니티

포탈(55%p), 검색포탈(47.4%p), 음악정보사이트(23.1%p), 인터넷서점(13.6%p), 종합

쇼핑몰(-15.8%p)의 순서로 산업별 차이를 나타내었다. 이에 대해 각각의 산업별 특

성을 고려한 질적인 설명을 시도하 다. 둘째, 방문자의 평균 방문사이트 수가 적은

제 5장 인터넷 비즈니스의 전환비용에 대한 연구 147

산업일수록, 또한 최대 방문사이트의 방문횟수가 많은 산업일수록 전환율이 작게

나타났다.

제 2절 기업별 전환비용의 측정 및 결정요인 분석

1. 서 론

본 연구의 목적은 다섯 가지 국내 인터넷 비즈니스를 대상으로 사용자 패널의 클

릭스트림(clickstream) 자료를 이용하여 사이트 전환비용을 기업수준에서 실증적으

로 분석하는 것이다. 기업별 전환비용을 측정하기 위해 확률적 효용 모형(random

utility model)을 확장, 이용하 다. 또한 기업별 전환행태의 결정요인은 사용자의

인구통계학적인 특성과 사이트 평가자료 및 특성을 독립변수로 한 로짓(logit) 모델

을 이용하여 분석하 다.

주요결과는 다음과 같다. 첫째, 점유율과 사이트 유지율 및 신규방문자의 선택간

의 관계를 살펴본 결과, 신규방문자의 선택은 대체로 기존의 방문자수를 기준으로

한 사이트 점유율과 접한 연관관계가 존재하나, 사이트 유지율은 산업별로 상이

한 결과가 도출되었다. 특히 종합쇼핑몰 및 검색포탈의 경우는 점유율 하위사이트

가 오히려 사용자의 유지가 높은 결과가 도출되어 향후 사업구도에 동태적인 변화

가 발생할 것으로 예측되었다. 둘째, 확률적 효용 모형을 변형한 모형을 이용하여

기업별 전환비용을 측정한 결과 점유율과 역의 관계가 있는 것으로 나타났다. 이는

산업별 상위업체가 신규방문자의 유치에 비해 기존의 방문자 유지 측면에서 실패

를 거두고 있음을 반 할 수 있고, 본 연구에서 이용한 모형이 신규방문자의 사이

트 선택과 사이트 유지자의 선택과의 차이가 전환비용의 존재에만 의존한다고 가

정한 것이 기인할 수 있다. 셋째, 사용자의 전환행태를 로짓(logit) 모형을 이용하여

분석한 결과, 종합쇼핑몰의 경우는 성별과 평균 체류시간이 유의미한 결정변수로

나타났고, 인터넷서점의 경우는 나이만이 유의미하게 나타났다. 이러한 결과를 통

해서 국내 인터넷기업들이 의도적으로 사용자의 전환비용을 증가시키는 노력에 대

148

체로 실패하고 있는 것으로 판단된다.

2. 자 료

본 절의 분석에 이용된 자료는 제5장 제1절에서 제시된 것과 동일하다. 다만 전환

행태의 결정요인 분석에서 사이트의 특징을 나타내는 자료가 추가적으로 사용된

바 이에 대해서는 후술하겠다.

3. 기존 사용자의 사이트 유지와 신규방문자 선택

위에서 제시된 자료를 이용하여 먼저 기업별로 기존 사용자의 사이트 유지와 신

규방문자의 사이트 선택을 살펴보았다. 여기서 사이트 유지율은 前期에 특정 사이

트를 최다방문사이트, 즉, 주요사이트(major site)로 선택한 사람들 중에서 다음 기에

도 동일한 사이트를 주요사이트로 유지하는 사람들의 비율이다. 신규방문자 선택율

은 前期에 해당 산업의 인터넷 사이트를 전혀 방문하지 않았던 비방문자 중에서

신규로 진입한 사람들 중 특정 사이트를 선택한 사람의 비율이다.

<표 5－12> 사이트 유지율과 신규방문자 선택율의 점유율간의 상관관계

산 업상관계수

(신규방문자 선택율－점유율)

상관계수

(사이트유지율－점유율)

종합쇼핑몰 0.9178 0.4603

인터넷서점 0.9718 0.7372

음악정보 사이트 0.9684 0.7972

검색포탈 0.3617 -0.1404

커뮤니티 포탈 0.9750 0.9522

[그림 5－6]은 종합쇼핑몰, 인터넷서점, 음악정보사이트, 검색포탈 및 커뮤니티포

탈 업체에 대해서 기업별로 세 기간 동안(Q301∼Q401, Q401∼Q102, Q102∼Q202)

제 5장 인터넷 비즈니스의 전환비용에 대한 연구 149

의 사이트 유지율 및 신규방문자의 평균을 기업별 점유율(순방문자의 비율)과 함께

나타낸 것이다. 업종별로 차이점은 존재하지만 5개 업종에 동일한 특징은 기업별

사이트 유지율과 신규방문자의 선택율이 상당히 다른 모습을 나타내고 있다는 점

이다. 이를 이하에서 좀더 상세히 살펴보자.

[그림 5－6] 업종별 평균 사이트유지율 및 신규방문자 선택율

(종합쇼핑몰)

(인터넷서점)

150

(검색포탈)

(커뮤니티포탈)

제 5장 인터넷 비즈니스의 전환비용에 대한 연구 151

(음악정보사이트)

먼저 신규방문자의 선택과 사이트별 점유율과는 상당히 접한 관계를 가지고 있

는 것으로 나타났다. 양자의 상관관계는 검색포탈에서 0.36을 나타낸 것을 제외하

고33)다른 산업에서는 모두 0.9이상을 나타내고 있다. 이는 새로이 사이트를 선택하

는 사람들이 대체로 기존에 순방문자수가 많은 사이트를 높은 비율로 선택하고, 순

방문자가 적은 기업은 방문을 낮게 하는 경향이 있는 것을 반 한다. 신규방문자는

해당 업종에 대한 자세한 이해나 관심이 없었던 사람으로 해석될 수 있는 바, 이들

이 신규로 사이트를 선택하는 데에 있어서 개별 사이트의 가격이나 특징 등의 상세

한 정보를 기준으로 하기보다는 기존의 방문자가 많아 상위업체로 알려진 기업을

방문하는 것으로 나타나고 있다.

이에 비해 사이트 유지율은 다른 특성을 띄고 있다. 우선 사이트 유지율과 점유율

간의 상관관계는 커뮤니티 포탈에서만 0.9이상이며, 대체로 낮게 나타났다. 각 업종

별로 좀 더 자세히 살펴보면 다음과 같은 특징이 발견된다. 첫째, 종합쇼핑몰의 경

33) 검색포탈이 특이하게 나타나는 이유로는 신규방문자들이 점유율 4위인 심마니를

거의 선택하고 있지 않으며, 점유율 5위인 엠파스에 집중됨에 따라 발생하는 것으

로 보인다.

152

우는 선두업체 및 하위업체의 사이트 유지율이 중간 수준의 업체에 비해 높게 나타

나고 있다. 이에 따라 점유율과 사이트 유지율의 상관관계가 다른 업종보다 낮은

0.46을 나타내고 있다. 이러한 현상은 종합쇼핑몰의 특성상 상품구색이 완벽할 수

없어, 가격 및 머천다이징(merchandising)에서 강점을 가지는 상품군이 차별화되는

상황에 기인한다고 해석될 수 있다. 또한 하위업체의 유지율이 높다는 점으로부터

종합쇼핑몰의 판촉(promotion)이 사용자 유지에 어느 정도 효과적인 수단이 되고 있

다는 것을 간접적으로 알 수 있다. 또한 이러한 현상으로부터 구매행위가 어느 정

도 재방문이 축적된 사람들에 의하여 이루어지고,34)유지율이 이러한 형태를 보인다

는 점으로부터 향후 종합쇼핑몰 업계의 변화가 예상된다. 종합쇼핑몰 중 순수 온라

인 기업인 인터파크와 buychal은 오프라인에 기반을 둔 종합쇼핑몰에 비해 평균적

으로 사이트 유지율이 높게 나타났다.

둘째, 인터넷서점의 경우 종합쇼핑몰과는 달리 와우북 및 모닝365 등의 중간수준

의 업체에서 사이트 유지가 높은 것이 특징적으로 나타나고 있다. 이는 가격정가제

가 특징인 서점업계에서 시장점유율의 확보를 위한 온라인 서점간 치열한 판촉의

결과라고 해석된다. 특히 인터넷서점의 경우는 대규모 판촉행사가 존재하는 시기에

방문자가 몰리는 현상이 자주 발생하는데, 이러한 대규모 판촉이 주로 순수 온라인

서점에서 이루어지고 있다. 전통적 오프라인 서점인 교보 및 풍문고의 경우 오프

라인에서 카탈로그 업방식을 운 해온 북클럽 또는 순수 온라인 서점들에 비해

사용자의 유지가 낮은 것으로 나타났다. 전통적인 오프라인 서점의 경우 서적에 대

한 정보에서는 강점으로 가지고 있을 지 모르지만 오프라인과의 이해관계 상충에

따라 다른 순수 온라인 서점에 비해 가격측면에서 강점으로 가지지 못하기 때문에

이러한 현상이 발생하는 것으로 생각된다.

34) 미국의 몇 개의 전자상거래 사이트에 대해 방문－구매 전환비율(visit-purchasing con-

version rate)을 연구한 Moe and Fader(2001)에 따르면 사용자가 사이트에 방문하는

빈도가 높을수록, 또한 방문이 증가하는 추세일수록, 구매로의 전환비율이 높다는

것을 발견한 바 있다.

제 5장 인터넷 비즈니스의 전환비용에 대한 연구 153

셋째, 음악정보사이트에서는 점유율 최하위업체인 asiamusic을 제외하고는 대체로

50∼60%의 유지율을 나타내고 있어 본 고에서 분석 대상으로 삼은 업종 중 사이트

유지와 점유율간의 상관관계가 가장 높은 편에 속하 다. 이러한 결과는 음악정보

사이트가 음악파일을 다운받거나 스트리밍(streaming) 서비스를 받는 경우에 회원가

입 이외의 가격을 지불하는 경우가 거의 없기 때문에 사이트전환의 기회비용이 쇼

핑사이트에 비해 낮기 때문이라고 생각된다. 사이트 유지율이 매우 유사하다는 점

으로부터 음악정보사이트가 비교적 최근에 생격난 비즈니스이므로 사이트간의 차

별화가 덜 되어 있는 상태라고도 해석된다. 이렇듯 상위 4∼5개의 기업이 일정정도

의 유지율을 지속적으로 유지하고 있는 산업의 경우 비록 인터넷의 매체적인 특성

상 신규진입이 용이할지라도 신규진입 이후 실제적인 고객의 확보가 다른 업종보

다 매우 힘든 상황을 보이고 있다고 해석된다.

넷째, 검색포탈의 경우는 종합쇼핑몰의 특성과 마찬가지로 상위 1∼2개 및 하위 1

∼2개의 유지율이 중간 수준의 기업에 비해 높은 것으로 나타났다. 이에 따라 타

업종에 비해 유일하게 점유율과 가입자 유지율이 음(－)으로 나타나고 있다. 이는

다른 인터넷 비즈니스에 비해 비교적 역사가 오래된 검색포탈에서 신규진입 기업

이 예전에 비해 우월한 검색기능을 바탕으로 사용자의 유지의 측면에서 성공을 거

두고 있음에 기인한다고 판단된다. 이러한 예로는 구 (google) 및 엠파스(empas)를

들 수 있다. 종합쇼핑몰에서처럼 하위 업체의 사용자 유지율이 높음에 따라 향후에

는 시간이 지남에 따라 검색포탈 업체의 동태적인 변화가 예상된다. 이를 반 하여

포탈업체를 다룬 보고서(코리안클릭, 2002)에 따르면 엠파스의 성장세가 두드러지

는 반면에 라이코스 및 심마니 등의 사이트는 하락세가 두드러지게 나타나고 있음

이 밝혀지고 있다.

다섯째, 커뮤니티 포탈의 경우는 상위 1, 2의 업체의 유지율이 다른 업체보다 월

등히 높다. 1위업체인 다음의 경우는 유지율이 84%이고, 2위업체인 프리첼의 경우

63%를 기록하고 있는데 비해 다른 업체는 고작 30%대의 유지율을 나타내고 있다.

이러한 현상의 이유로는 다음의 몇 가지를 들 수 있다. 첫째, 검색 및 구매의 경우

154

사이트간의 서비스가 일정정도의 대체성(substitutability)을 가지고 있다고 생각할 수

있으나, 커뮤니티의 경우 사이트간의 대체성이 매우 희박하다. 즉, 예를 들어 여행

동우회를 생각할 경우 이는 마치 오프라인에서 존재하는 여러 가지 커뮤니티처럼

온라인 커뮤니티에 속해있는 사람들이 서로 다르기 때문에 사이트간에 동일한 주

제의 커뮤니티라고 하더라도 사이트 전환의 기회비용이 매우 크다고 볼 수 있다.

둘째, 커뮤니티포탈이 내포하고 있는 ‘네트워크 외부성’적인 특징을 들 수 있다. 일

반적으로 커뮤니티는 기존에 회원이 많을수록 참여자가 누리는 혜택이 큰 것이 일

반적이다. 어느 한 커뮤니티에서 정보제공자의 비율이 일정하다고 가정하는 경우

회원수가 많을수록 많은 정보를 제공받을 가능성이 커지기 때문이다.

4. 기업별 사이트 전환비용(switching cost) 분석

가. 기업별 전환비용 측정 방법

기업별 전환비용의 측정을 위해서 McFadden(1974a)의 확률적 효용모형(random util-

ity model)을 이용하 다. 이 모형은 다수의 상품 중에서 소비자선택을 분석하는 용도

로널리 사용되는 모형이다. 이하에서 이를 간단히 살펴보자. 먼저 소비자의 효용은

체계적(systematic) 요소와 확률적(random) 요소, 두 가지 부분으로 구성된다. 즉, 개인

i∈{1,2,⋅⋅⋅,N}가 어떠한 사이트 j∈{1,2,⋅⋅⋅,M}를 선택하는 경우의 효용은

다음과 같이 표현된다고 가정한다.

uij＝v

ij+ε

ij＝γ

ij+Xjβ

ij+ε

ij (5－1)

여기서 효용 중에서 v는 체계적인 요소를 나타내며, 이는 다시 관찰 불가능한 부

분인 사이트에 특유한(site-specific) γ와 관찰 가능한 부분인 Xβ로 구성된다. 여기

서 X는 가격, 비용 등 사이트의 속성(attributes)을 나타내는 변수이고, β는 개인이

이러한 특성에 대해 부여하는 상대적 가중치이다. ε은 확률적 요소로 개인에 특유

한(idiosyncratic) 부분을 나타낸다.

제 5장 인터넷 비즈니스의 전환비용에 대한 연구 155

이러한 모형에 개인들이 확률적으로 동일하고 독립적(statistically identical and inde-

pendent)이라고 가정하면, 식 (5－1)은 모든 개인 i에 대해 동일하게 성립하므로 식

(5－1)은 상첨자 i가 없이도 성립하게 된다. 여기서 만일 확률적 요소가 Weibull 분

포를 따른다면, 즉 Pr(ε j≤ ε)＝exp(－e－ε)인 경우 선택확률을 다음과 같이 간단

하게 구할 수 있다.

p j≡Pr(uj≥ uk, ∀k≠ j)＝evj

∑M

l＝1evl

(5－2)

다음으로는 기본적인 확률적 효용모형을 약간 발전시켜서 다음의 2기 모형을 상

정하여 보자. 이해를 돕기 위해 전자상거래 사이트를 선택하는 개인의 행동을 상정

하자. 이 경우 1기에 어떠한 소비자는 사이트를 선택하고, 다른 소비자는 선택을 하

지 않을 것이다. 반면 2기에 도달해서는前期에 사이트를 선택한 사람은 동일한 사

이트에 머무르거나, 다른 사이트로 전환하거나, 사이트를 이용하지 않을 것이고, 前

期에 선택하지 않은 사람은 특정 사이트를 선택하거나 계속해서 이용을 하지 않을

것이다. 1기에 k사이트를 선택한 사람이 계속해서 그 사이트에 머무를 경우의 효용

은 다음과 같다.

u k∣k＝vk+ε k (5－3)

여기서 u a∣b는 1기에 b를 선택한 소비자가 2기에 a를 선택한 경우의 효용이다.

반면에 1기에 k사이트를 선택한 사람이 계속해서 사이트를 전환하여 j사이트를

선택한 경우에는 s k만큼의 전환비용(switching cost)을 지불하는 것으로 가정하자.

즉 여기서 전환비용은前期에 선택했던 사이트로부터 전환한 비용이다. 이 경우 사

이트를 전환한 사람의 효용은 다음과 같다.

u j∣k＝v j－s k+ε j , ∀j≠ k (5－4)

156

이에 비해 1기에 아무런 사이트를 선택하지 않은 소비자(n으로 표시)는 어떠한

사이트를 선택하던지 간에 어떠한 전환비용도 지불하지 않을 것이다. 즉,

u j∣n＝v j+ε j (5－5)

이러한 2기 모형 및 전환비용에 대한 가정과 식 (5－2)를 이용하면,

p k∣kp j∣k

＝evk

evk+ ∑

l≠kevl⋅evk+ ∑

l≠kevl

ev j－sk

＝evk

ev j－s k

(5－6)

과 같이 표현된다. 여기서 2기에 새로이 진입한 소비자가 전환비용을 지불하지 않

는다는 가정을 이용하면

p k∣np j∣n

＝evk

∑M

l＝1evl⋅∑M

l＝1evl

ev j＝evk

ev j

(5－7)

과 같이 표현된다. 따라서 식 (5－6)과 (5－7)을 이용하면 전환비용은 다음과 같이

표현된다.

s k＝ log

p k∣kp j∣kp k∣np j∣n

＝ log

p k∣k1－p k∣kp k∣n1－p k∣n

(5－8)

만일 전환비용이 존재하지 않는다면 기존의 방문자나 신규방문자의 선호의 분포

가 동일할 경우, 동일한 사이트를 선택하게 된다. 그러나 위에서 가정한 것처럼 전

환비용이 존재하는 경우 이는 기존의 방문자들이 지불하여야 하는 비용이고 신규

방문자는 전환비용을 지불할 필요가 없기 때문에 식 (5－7)에서처럼 이 양자의 비

율을 가지고 전환비용을 측정할 수 있는 것을 의미한다.

제 5장 인터넷 비즈니스의 전환비용에 대한 연구 157

나. 분석 결과

식 (5－7)을 이용하여 종합쇼핑몰의 기업별 전환비용을 계산한 결과는 <표 5－

13>에 기술되어 있다. <표 5－13>의 두 번째 행은 사이트의 도달율을 나타낸 것으

로 전체 표는 이 도달율의 순서에 따라 기업별로 나타나 있다. 다음으로 표의 세 번

째부터 다섯 번째의 행은 각각 시기별 전환비용을 나타내고 있으며 마지막 행에는

분석기간 전체 평균치가 표시되어 있다.

산업별로 검색 및 커뮤니티 포탈의 전환비용이 높은 반면, 쇼핑몰 및 음악정보사

이트는 낮은 전환비용을 보이고 있다. 시기별로는 대부분 안정적인 전환비용을 보

이고 있으나, 종합쇼핑몰 중 cjmall, 음악정보 사이트 중 maxmp3, imufe, 커뮤니케이

션 포탈 중 daum은 시간이 흐름에 따라 전환비용이 낮아지는 것을 알 수 있다. 이에

비해음악정보사이트의 asiamusic은시간이지날수록전환비용이높아짐을알수있다.

<표 5－13> 기업별 전환비용

사이트명 점유율(%) 전환비용(Q401) 전환비용(Q102) 전환비용(Q202)전환비용(평균)

(종합쇼핑몰)

lgeshop 16.74 0.9072 0.8635 1.0602 0.9436

interpark 16.43 0.9876 0.8942 0.5611 0.8143

lotte 13.67 0.9518 1.3161 1.5388 1.2689

csclub 9.86 1.7865 1.8148 1.7286 1.7767

cjmall 9.42 2.6338 0.3878 0.8929 1.3048

samsungmall 9.04 1.0025 1.4957 0.5903 1.0295

skdtod 8.96 0.7447 0.4877 0.2585 0.4969

ehyundai 8.41 3.3713 2.1890 2.1932 2.5845

buychal 7.47 1.8842 2.0577 2.5560 2.1660

(인터넷서점)

yes24 32.31 0.2831 0.4558 0.3563 0.3651

kyobobook 17.58 0.6559 0.7395 0.4132 0.6029

morning365 13.86 1.4380 2.8136 2.1594 2.1370

wowbook 11.97 1.8374 1.3767 1.0716 1.4286

aladdin 10.84 1.6582 1.4992 1.5267 1.5614

ypbooks 6.76 1.3372 1.6603 1.9281 1.6418

thebookclub 6.67 2.1073 2.3873 1.6487 2.0477

158

사이트명 점유율(%) 전환비용(Q401) 전환비용(Q102) 전환비용(Q202)전환비용(평균)

(음악정보)

bugsmusic 28.04 1.1012 1.469 1.5247 1.365

soribada 22.14 1.6602 1.4493 1.4649 1.5248

maxmp3 20.79 2.1801 2.5718 0.9957 1.9159

imufe 14.04 4.2327 1.9639 1.3339 2.5102

puckii 5.98 3.0890 2.4955 2.9141 2.8329

muzcast 5.74 2.1000 2.5379 3.1776 2.6052

asiamusic 3.27 0.2925 2.1665 2.1297 1.5296

(검색포탈)

yahoo 22.17 3.4140 1.7795 1.7685 2.3207

naver 21.32 3.8593 2.7834 2.3086 2.9838

lycos 16.29 4.0930 2.3514 3.3036 3.2493

simmani 15.89 3.4489 － － 3.4489

hanmir 14.42 4.1255 2.9624 1.4722 2.8534

empas 7.25 3.0669 1.4877 2.4761 2.3436

google 2.66 － － 4.5109 4.5109

(커뮤니티포탈)

daum 54.07 1.2852 1.0275 0.2575 0.8567

freechal 22.22 2.3290 2.2989 2.6768 2.4349

lycos 8.51 1.6454 2.1410 2.6294 2.1386

netian 4.13 3.2734 2.5386 1.9810 2.5977

korea com 3.59 1.6991 2.4324 2.9146 2.3487

shinbiro 2.60 2.9257 3.1658 3.6170 3.2362

dreamwiz 2.46 3.1950 2.9087 2.7300 2.9446

simmani 2.42 － － － －

그런데 <표 5－13>에서 산업 전반적으로 점유율과 전환비용은 역의 관계가 있

는 것으로 나타나고 있다([그림 5－7] 참조). 전 업종에 걸쳐서 양자의 상관계수는

-0.4정도로 나타났다. 즉, 거의 예외 없이 각 산업별 점유율 1, 2위 업체가 그 산업

에서 가장 낮은 전환비용을 가진 것으로 분석되었다. 본 연구에서 정의 된 기업별

전환비용이 그 기업으로부터 다른 기업으로 전환하는 경우에 사용자들이 지불하는

전환비용이므로 이 비용이 낮다는 것은 그만큼 다른 기업으로 사이트를 전환하는

것이 용이하다는 것을 의미한다.

제 5장 인터넷 비즈니스의 전환비용에 대한 연구 159

이러한 결과는 저자들이 초기에 예상했던 결과와 상반되는 것으로, 일반적으로

점유율 또는 순방문자 수를 기준으로 인터넷 비즈니스의 업계별 순위를 메기는 것

이 일반적인 현상임을 반 할 때, 전환비용이 높아서 해당 사이트로부터 다른 사이

트로의 전환이 힘든 사이트가 점유율이 높을 것으로 예측하 다. 그러나, 분석 결과

는 이와는 반대되는 것으로 나타났다.

[그림 5－7] 점유율과 전환비용간의 관계

이러한 결과가 초래된 것은 다음의 몇 가지 이유에 의한 것으로 생각된다.

첫째, 앞서 제2절 3에서 살펴보았듯이 전환비용의 측정이 기존방문자의 유지와

신규방문자의 선택의 비율로 나타나는 바, 이러한 결과가 초래된 것은 산업별 상위

업체가 신규방문자의 유치에 비해 기존의 방문자 유지 측면에서 실패를 거두고 있

음을 반 한 것이라고 해석된다. 양자의 관계를 그린 [그림 5－7]에 따르면 신규방

문자의 선택은 사이트별로 차별적이나 사이트의 유지는 하위 순위의 사이트도 높

은 경우가 다수 존재하고 있다. 따라서 상위 순위의 업체가 이 산업에 방문한 경험

이 없는 사람을 방문하게 하는 데에는 강점이 있지만 기존 사용자를 계속 유지하는

160

데에는 대체로 실패하고 있기 때문에 이러한 결과가 초래된다고 해석할 수 있다.

둘째, 본 연구에서 이용한 모형의 가정 상의 문제일 수 있다. 측정상의 편의를 위

하여 본 연구에서는 신규방문자 및 기존방문자의 효용이 동일한 구조를 가진다고

가정함으로써 신규방문자의 사이트 선택과 사이트 유지자의 선택과의 차이가 전환

비용의 존재에만 의존한다고 가정하 다. 그런데 이 가정에 문제가 존재할 수 있다.

일반적으로 신규방문자는 기존의 이용자에 비해 사이트를 선택하기 위해 고려하는

변수가 제약적이므로, 즉 직접 사이트를 이용한 경험이 없는 상태에서 자신에 맞는

최선의 사이트를 선택하는 것이 어렵기 때문에 이미 점유율이 높은 사이트, 즉 상

위 순위의 사이트에 방문할 가능성이 많다. 이러한 선택시 고려하는 정보의 차이가

존재하는 사실은 고려할 경우 신규방문자와 기존방문자의 효용구조가 동일하다고

가정하는 것은 무리한 가정이라고 볼 수 있다. 그런데 양자의 효용구조가 다르다고

가정하면 전환비용을 측정하는 것이 불가능하기 때문에 이하에서는 다음과 같이

기본모형을 약간 변형시켰다.

먼저, 식 (5－5)를 다음과 같이 변형시켜 보자. 즉, 신규방문자는 기존의 사이트를

선택한 사람과 동일한 효용을 누리는 것이 아니라, 추가적으로 점유율이 상위인 사

이트를 선택할수록 효용이 증가하는 형태를 가정해 보자.

u j∣n＝v j+ζaj+ε j (5－9)

여기서 ζ는 일정한 상수이고, aj는 j사이트의 점유율이다.

이 경우 k를 선택한 신규진입자와 j를 선택한 신규진입자의 확률의 차이는 다음

의 식 (5－10)과 같이 표현된다.

p k∣np j∣n

＝evk+ζak

∑M

l＝1evl+ζal

⋅∑M

l＝1evl+ζal

evj+ζaj

＝evk

ev j⋅eζa k

eζaj

(5－10)

이를 이용하면 신규방문자의 효용이 사이트의 점유율에 의존할 경우 전환비용은

다음과 같이 표현된다.

제 5장 인터넷 비즈니스의 전환비용에 대한 연구 161

s k＝ log

p k∣kp j∣kp k∣np j∣n

+ζ(ak－aj) (5－11)

식 (5－8)과 식 (5－11)을 비교하여 보면 식 (5－11)의 두 번째 항만큼의 차이가

발생한다. 이 항은 위에서 변형한 대로 신규방문자의 효용이 기존방문자와 다르기

때문에 존재하는 사이트의 점유율을 반 하는 것으로 j사이트보다 점유율이 큰 기

업의 경우는 전환비용이 증가하게 되고, 반대의 경우는 전환비용을 낮추는 역할을

한다. 즉, 신규방문자와 기존방문자의 효용 차이를 반 하여 그렇지 않은 경우에 비

해 상위기업의 전환비용을 높이는 작용을 하게 된다.

실제 계산을 위해서는 j 사이트를 가장 점유율이 높은 사이트로 표준화하고, ζ

의 값에 대해서는 事前的인 지식이 없기 때문에 여러 가지의 값을 대입하여 보았

다. 식 (5－9)에서 볼 수 있듯이 ζ의 값이 커질수록 신규방문자들이 상위 업체를

선택할 때의 효용이 증가하기 때문에 이는 식 (5－11)에 의한 전환비용의 계산에

있어 상위업체의 전환비용을 증가시키게 된다. ζ의 값을 1부터 10까지 여러 가지

값을 이용하여 계산해 본 결과 ζ＝5인 경우에 전 업종에 걸친 점유율과 전환비용

의 상관계수가 양으로 나타나기 시작하 다.

다음의 [그림 5－8]은 커뮤니티 포탈을 제외한 업종의 전환비용을 ζ＝5인 경우

에 표현한 그림이다. 커뮤니티 포탈의 경우 가장 점유율이 높은 daum과 다른 사이

트의 점유율 차이가 너무 커서 ζ＝5일 때 전환비용이 음수로 나오는 경우가 많아

제외하 다.

[그림 5－8]에 따르면 재계산된 전환비용의 경우 인터넷 서점에서 yes24가 낮은

수준을 낮는다는 것을 제외하고 다른 업종에서는 상위 1, 2위 업체가 중간정도의

전환비용을 보이고 있다.35)

35) 새로운 파라미터인 ζ에 대한 적정한 값을 결정할 수 없으므로 이러한 결과는 단

지 전환비용 계산에 대한 예시로 해석되어야 한다.

162

[그림 5－8] 업종별 평균 사이트유지율 및 신규방문자 선택율

(종합쇼핑몰)

(인터넷서점)

제 5장 인터넷 비즈니스의 전환비용에 대한 연구 163

(음악정보사이트)

(검색사이트)

5. 전환행태(switching behavior)의 결정요인 분석

가. 방법론

이하에서는 사용자의 사이트 전환 행태를 결정하는 요인에 대해 살펴보기로 한다.

이를위해확률적효용모형(random utility model)에입각하여사용자의사이트전환은사

용자의인구통계학적(demographic)특성 및기업 속성(attributes)에의존하는것으로가정

164

하 다. i, j는각각개인과사이트를나타내며, i∈{1,2,⋅⋅⋅,N}, j∈{1,2,⋅⋅⋅,M}

이다.

Pr(y ij＝1)＝ γsij+β

sχ j+λ

sz i+ε ij (5－12)

여기서 y는 사용자 i가 사이트 j로 전환하는 경우 1, 그렇지 않으면 0인 변수를

의미한다. 또한 γ는 관찰 불가능한 부분인 사이트에 특유한(site-specific) 부분이고,

x는 가격, 비용 등 관찰가능한 사이트의 속성(attributes)을 나타내는 변수이며, β는

개인이 이러한 특성에 대해 부여하는 상대적 가중치이다. x는 사이트의 속성과 관

련되므로 하첨자는 j만 이용하여 나타내었다. 이에 비해 z는 관찰가능한 개인의

특징을 나타내는 변수이고, λ는 개인적 특징에 대응하는 상대적 가중치이다. ε은

확률적 요소로 개인에 특유한(idiosyncratic) 부분을 나타낸다.

이러한 분석을 위하여 추가적인 자료가 필요한 바, 사용자의 인구통계학적인 특

성에 대한 자료는 (주)코리안클릭에서 제공한 개별 사용자의 정보를 이용하 다. 사

용된 인구통계학적인 변수는 나이, 성별, 직업, 소득, 학력 및 교육수준 등이다. <표

5－14>는 본 로짓분석에 사용된 인구통계학적 더미변수를 설명한 것이다.

<표 5－14> 인구통계학적 변수 설명

AGE 나이(26세 이하＝1, 27세 이상＝0)

SEX 성별(여자＝1, 남자＝0)

INC 소득수준(저소득＝1, 고소득＝0)

JOB 직업(학생＝1, 비학생＝0)

EDU 교육수준(대졸 이하＝1, 대졸 이상＝0)

다음으로 사이트의 속성에 대한 변수로는 두 가지를 사용하 다. 첫 번째는 능률

협회컨설팅에서 매년 실시하는 ‘대한민국 1위 웹사이트 인증’에 대한 평가자료를

이용하 다. 이 자료는 분야별로 인지도, 이용도 및 만족도 등에 대해 네티즌의 평

제 5장 인터넷 비즈니스의 전환비용에 대한 연구 165

가를 종합한 후 지수화하는 방법이다. 이를 위하여 능률협회컨설팅은 국내 인터넷

인구 구성비와 동일하게 구성한 네티즌 패널을 대상으로 유효응답을 이용하 다.

여기서 특정 웹사이트의 인지도는 웹사이트 비보조 인지율(spontaneous awareness)로

측정하 으며, 이용도는 최근 3개월 이용율, 방문자 수, 사이트 체류시간 및 이용

금액 등을 기준으로 하 다. 만족도는 시스템, 컨텐츠, 고객서비스 등의 요소로 측

정하 다. 이 세 가지 요소를 기준으로 웹사이트 평가지수는 ‘0.2×인지도＋ 0.3×

이용도＋ 0.5×만족도’로 지수화한 값이다.

다음의 <표 5－15>는 종합쇼핑몰과 인터넷서점에 대한 평가결과를 요약한 것이다.

<표 5－15> 인터넷서점 및 종합쇼핑몰의 사이트 속성(능률협회컨설팅)

site 인지도지수 이용도지수 요소만족도 웹사이트평가

(종합쇼핑몰)

csclub 41.6 26 68.2 50.2

interpark 40.6 28 68.1 50.6

lgeshop 67.6 64.8 72.1 69

lotte 17.6 13.5 69.4 42.3

samsungmall 51.8 23.4 70.3 52.5

(인터넷서점)

aladdin 19.6 14.7 68.6 42.63

kyobobook 47.2 24.5 70.8 52.19

morning365 16.2 17 68.7 42.69

wowbook 45.4 34.2 69.2 53.94

yes24 83 76.8 72.8 76.04

두 번째 자료로는 사이트별 순방문자와 평균 체류시간을 이용하 다. 이 자료는

코리안클릭의 홈페이지를 통해 입수하 다. 사이트 속성에 대한 변수는 각기 단위

가 다르기 때문에 평균과 표준편차를 이용, 표준화하여 이용하 다.

능률협회에서 평가된 사이트와 본 고에서 다루는 인터넷 비즈니스의 사이트가 일

치하지 않기 때문에 종합쇼핑몰과 인터넷서점에 한정하여 사이트 전환행태의 결정

166

요인을 분석하 다. 또한 능률협회컨설팅의 자료가 상위 5개 기업만을 대상으로 하

기 때문에 우리의 자료도 이에 맞추어 조정하 다.

나. 분석결과

분석결과는 <표 5－16>에 나타나 있다. 능률협회컨설팅의 인지도지수, 이용도지

<표 5－16> 소비자 전환행태의 결정요인 분석

변수명종합쇼핑몰 인터넷서점

reg-1 reg-2 reg-3 reg-4

상수0.0393

(0.3889)

0.0714

(0.3881)

-0.6065

(0.5501)

-0.6058

(0.5497)

age-0.0463

(0.1991)

-0..557

(0.1034)

-0.2694**

(0.1278)

-0.2691**

(0.1277)

sex-0.2516***

(0.0853)

-0.2464***

(0.0851)

0.1851

(0.1098)

0.1845

(0.1096)

income0.0292

(0.0725)

0.0195

(0.0723)

0.0857

(0.0966)

0.0855

(0.0966)

job0.2072

(0.1351)

0.2112

(0.1350)

0.0785

(0.1833)

0.0783

(0.1831)

edu0.0194

(0.1083)

0.0189

(0.1081)

0.0816

(0.1639)

0.0816

(0.1638)

인지도지수-0.2663

(0.1560)

-0.1736

(0.5075)

이용도지수0.5001

(0.4046)

-0.0751

(0.4077)

요소만족도-0.1974***

(0.0755)

-0.0005

(0.2944)

KWPI-0.1666

(0.1254)

-0.2415

(0.2226)

순 방문자수-0.1529

(0.1071)

-0.1116

(0.0923)

-0.1557

(0.3775)

-0.1606

(0.2255)

평균 체류시간0.2373

(0.3824)

0.4829***

(0.1696)

-0.0347

(0.1447)

-0.0140

(0.0621)

주: 1) 괄호의 숫자는 표본오차를 나타냄

2) **는 5%의 유의수준에서 유의한 경우이며, ***는 1%의 유의수준에서 유의한 경우를

의미함

제 5장 인터넷 비즈니스의 전환비용에 대한 연구 167

수, 만족도지수가 상관관계가 높기 때문에 다중공선성(multicolliearity) 문제 때문에

세 가지 지표를 모두 독립변수로 한 로짓분석과 이 세 가지 지표를 가중 평균한

KWPI를 독립변수로 한 로짓분석을 하 다.

먼저 종합쇼핑몰의 경우에 사용자의 인구통계학적인 변수 중에서 성별(sex)만이

유의하게 나타났다. 즉, 여성이 남성에 비해 사이트 전환을 작게 하는 경향이 있는

것으로 나타났다. 이는 여성이 남성에 비해 구매하는 사이트에 대한 충성도가 높아

서 사이트 전환을 덜 하거나, 여성이 남성에 비해 물품 및 가격정보의 획득에 덜 민

감하기 때문에 나타난 결과로 해석된다. 사이트 속성변수 중에는 요소만족도가 유

의미하게 나타났으나 그 계수가 음으로 나타나 논리적으로 적절한 결과로 해석되

지 못하 다.

인터넷서점의 경우는 모든 변수 중에서 사용자의 나이(age)만이 사이트 전환 결

정에 유의미한 변수로 나타났다. 즉, 나이가 어릴수록 사이트 전환을 덜 하는 것으

로 나타났다. 이는 인터넷 사용에 익숙한 나이가 어린 계층이 대부분 구매액에 비

례적으로 마일리지 프로그램을 운 하고 있는 인터넷서점의 이점을 사이트 전환을

적게 함으로써 누리고 있는 것으로 보인다.

6. 결 론

본 연구는 인터넷 비즈니스의전환비용에 대해 기업별로 전환비용을 측정할 수 있

는 방법 모색 및 측정 시도와 그 결정요인에 대해 살펴보는 것을 목적으로 하 다.

이를 위해 전환비용의 측정방법을 위해서는 확률적 효용모형(random utility model)

을 이용하 으며, 결정요인 분석을 위해서는 로짓(logit)모형을 이용하 다.

분석의 주요 결과는 다음과 같다. 첫째, 점유율과 사이트 유지율 및 신규방문자의

선택간의 관계를 살펴본 결과, 신규방문자의 선택은 대체로 기존의 방문자수를 기

준으로 한 사이트 점유율과 접한 연관관계가 존재하나, 사이트 유지율은 산업별

로 상이한 결과가 도출되었다. 특히 종합쇼핑몰 및 검색포탈의 경우는 점유율 하위

사이트가 오히려 사용자의 유지가 높은 결과가 도출되어 향후 사업구도에 동태적

168

인 변화가 발생할 것으로 예측되었다. 둘째, 확률적 효용모형을 변형한 모형을 이용

하여 기업별 전환비용을 측정한 결과 점유율과 역의 관계가 있는 것으로 나타났다.

이는 산업별 상위업체가 신규방문자의 유치에 비해 기존의 방문자 유지 측면에서

실패를 거두고 있음을 반 할 수 있고, 본 연구에서 이용한 모형이 신규방문자의

사이트 선택과 사이트 유지자의 선택과의 차이가 전환비용의 존재에만 의존한다고

가정한 것이 기인할 수 있다. 셋째, 사용자의 전환행태를 로짓(logit) 모형을 이용하

여 분석한 결과, 종합쇼핑몰의 경우는 성별과 평균 체류시간이 유의미한 결정변수

로 나타났고, 인터넷서점의 경우는 나이만이 유의미하게 나타났다. 이러한 결과를

통해서 국내 인터넷기업들이 의도적으로 사용자의 전환비용을 증가시키는 노력에

대체로 실패하고 있는 것으로 판단된다.

참고문헌 169

참 고 문 헌

김석기·안정용·한경수(2001), “웹로그(Web Log) 데이터 분석 방법에 관한 연구,”

응용통계연구, 제14권, pp.161∼271

김소 ·한상만·박세환(2002), “웹사이트 평가요인과 고객방문행동의 관계에 관

한 연구”, 경 학연구, 제31권, pp.485∼506

신일순·조장형(2001), “쇼핑에이전트가 인터넷 쇼핑몰의 가격경쟁과 전략에 미치

는 향,”국제경제연구, 제8권 1호

이 철(2000), “인터넷 비즈니스에서의 고객로열티 경 의 중요성,”Digital CS Journal

정보통신정책연구원(2001), 정보통신산업동향: 정보통신서비스편.

코리안클릭(2002), 국내 인터넷 포탈사이트 이용 행태분석.

한국인터넷정보센터(2002), 인터넷 이용자수 및 이용 행태조사

Alba, Joseph W. and J. Wesley Hutchinson, “Dimensions of Customer Expertise,”Jounal

of Customer Research, 13(March), pp.411∼454

Andrews, Katherine Zoe(2001), “Capturing visit behavior over time,”MSI.

(http://www.msi.org/msi/insights/ins01s-d.cfm)

Bakos, Y. The Emerging Landscape for Retail E-Commerce, Journal of Economic Per-

spectives, Jan.(2001).

Beggs, A and P. Klemperer(1992), “Multi-Period Competition with Switching Costs,”

Econometrica (60:3).

Borland, Jim(1998), “Move Over Megamalls, Cyberspace Is the Great Retailing Equalizer,”

Business Week.

Brownlow, Mark(2001), “Conversion Rate,”bizbasics.com.

(http://www.ibizbasics.com/ecom012301.htm)

170

Brynjolfsson, E., and M. Smith(2000), “Frictionless Commerce? A Comparison of Internet

and Conventional Retailers,”Management Science, Volume 46, Number 4.

Brynjofsson, E. and Michael D. Smith(2000), “The Great Equalizer? Consumer Choice

Behavior at Internet Shopbots,”Working paper.

Chen, Pei-Yu and Lorin M. Hitt(2001), “Measuring the Determinants of Switching Costs:

A Study of the On-Line Brokerage Industry,”Working Paper.

Christ, M., Krishnan, R., Nagin, D., Kraut, R., Gunther, O.(2001), “Trajectories of in-

dividual WWW usage: implications for electronic commerce”, Proc.34th Hawaii

International Conference on System Science(HICSS-34).

Delone, William H. and Ephraim R. McLean(1992), “Information Systems Success: The

Quest for the Dependent Variable,”Information Systems Research, 3, 1, March, 60

∼95, pp.651∼666.

Degeratu, A., A. Rangaswamy, and J. Wu(1998), “Consumer choice behavior in online

and regular stores: The effects of brand name, price, and other search attributes,”

Marketing Science and the Internet, INFORMS College on Marketing Mini-

Conference, Cambridge, MA.

E. J. Johnson, S. Bellman and G. L. Lohse(2002), “Cognitive Lock-in and the Power

Law of Practice”. (http://www.cebiz.org/research/clickstream/index.htm)

Farrell, J. and C. Shapiro(1988), “Dynamic Competition with Switching Costs,”Rand

Journal of Economics(19:1), pp.123∼137.

George Casella and Roger L. Berger, “Statistical Inference”, Dyxbury.

IMCP(2000), “Stickiness in an e-tailing Environment”.

(http://www.medill.northwestern.edu/imc/studentwork/projects/Sticky/)

Johnson, E. J., Wendy Moe, Peter S. Fader, Steven Bellman, and Jerry Lohse(2000), “On

the Depth and Dynamics of Online Search Behavior,”Working Paper, The Whar-

ton School.

참고문헌 171

Johnson, Norman L., Samuel Kots,and N. Balakishman(1995), Continuous Univariate

Distributions, 2nd edition, Vol. 1, John Wiley & Sons, Inc., New York

Jones, B. L., Nagin, D. S., and Roeder, K.(2001), “A SAS Procedure Based on Mixture

Models for Estimating Developmental Trajectories,”Sociological Methods &

Research, 29: pp.374∼393.

Katz, M. L. and C. Shapiro(1985), Network Externalities, Competition, and Compatibility,

The American Economic Review(75:3), pp.424∼440.

Kim, M., D. Kliger and B. Vale(2001), “Estimating Switching Costs And Oligopolistic

Behavior,”Working Paper, The University of Haifa and the Wharton School.

Klemperer, P.(1987), Markets with Consumer Switching Costs, The Quarterly Journal of

Economics(102:2), pp.375∼394.

(1995), Competition when Consumers have Switching Costs: An Overview

with Applications to Industrial Organization, Macroeconomics, and International

Trade, The Review of Economic Studies(62), pp.515∼539.

Lynch, John G., Jr., Dan Ariely(2000), “Wine online: Search cost and competition on

price, quality, and distribution,”Marketing Science, Volume 19, Number 1, pp.83

∼103.

Nagin, D.(1999), “Analyzing Developmental Trajectories: A Semi-parametric, Group-

Based Approach? Psychological Methods”, Vol.4, No.2, pp.139∼157.

Markneting(2001) “Now What?”(http://www.markneting.com/nowwhat/10-01.htm)

Moe, Wendy and Peter Fader(2001a), “Dynamic Conversion Behavior at e-Commerce

Sites,”manuscript, Wharton School.

(2001b), “Capturing Evolving Visit Behavior in Clicks-

tream Data,”Working Paper, Wharton School.

OECD(2001), The Development of Broadband Access in OECD countries, www.oecd.org

Park, C. Whan, Easwar S. Iyer, and Daniel C. Smith(1989), “The Effects of Sityaltional

172

Factors on In Store Grocery Shopping Behavior: The Role of Store Environment

and Time Available for Shopping,”Journal of Customer Research, 15(4), pp.422∼433.

Peter S. Fader(2000), “Forecasting Repeat Sales at CDNOW-A Case Study”.

(http:// www.brucehardie.com)

Smith, Michael D., Joseph Bailey, Erik Brynjolfsson(2000), “Understanding Digital Mar-

kets: Review and Assessment,”Brynjolfsson and Kahin eds. Understanding the Di-

gital Economy, MIT Press, Cambridge, MA, pp.99∼136.

Rovert V. Hogg and Allen T. Craig, Introduction to mathematical statistics, 5th. Prentice

Hall.

Shapiro, C. and H. R. Varian.(1998), Information Rules. Harvard Business School Press,

Boston, MA.

Smith, M. D., J. Bailey, and E. Brynjolfsson. Understanding Digital Markets: Review and

Assessment, in Understanding the Digital Economy, E. Brynjolfsson and B. Kahin,

eds. 2000, MIT Press. Cambridge MA.

S. Lee, F. Zufryden and X. Dreze(2001), “Modeling Consumer Visit Frequency on the

Internet,”IEEE

UK-Netmarketing Weekly Round-up(2001), “Successful Conversion Rates”

(http://www.chinwag.com/uk-netmarketing/roundup-26-01-2001.shtml)

Varian, H. Market Structure in the Network Age, Working paper, UC-Berkeley, 1999.

Wendy W. Moe and Peter S. Pader(2001), “Which Visit Lead to Purchase? Dynamic Con-

version Behavior at e-Commerce Sites”. (http://www.brucehardie.com)

http://www.stat.cmu.edu/~bjones/

http://stat.nic.or.kr/

http://www.mic.go.kr

부 록 173

<부록> 본 연구에서 사용한 사이트의 구매 관련 페이지

<부록표 1> 본 연구에서 사용한 종합쇼핑몰의 구매사이트

사이트 구매 페이지

엘지이샵

http://www.lgeshop.com/jsp/jseio_placeOrder.jsp%

http://www.lgeshop.com/jsp/jseia_AucTenderOk.jsp%

http://www.lgeshop.com/jsp/jseie_LGeShopSuccess.jsp%

http%://www.lgeshop.com/jsp/jseio_confirmOrder.jsp%

인터파크

http%://auctionpark.interpark.com/auctionPark/sitemap/order/OrderFinish.jsp%

http://interpark.ectotal.com/ReserveBidding/reservebidding_confirm.asp%

http%://www.ticketpark.com/reserve/Confirm.asp%

http://tour.interpark.com/reservation_clubmed_result.asp%

http%://www.interpark.com/sitemap/OrderConfirm.jsp%

라이코스

https://ec-tx.lycos.co.kr/lycos/sitemap/CSfConfirmOrder%.jsp%

http://auction.lycos.co.kr/myitem/mysell/BidItem2.jsp%

http://soho.lycos.co.kr/INIpay/settleSecurepay.jsp%

http://soho1.lycos.co.kr/%/goods/order_regist.jsp%

http://soho.lycos.co.kr/INIpay/cobuySecurepay.jsp%

http://soho.lycos.co.kr/cobuy/orderRegistMain.jsp%

https://ec-tx.lycos.co.kr/lycos/sitemap/CSfGpConfirmOrder%.jsp%

http://buycd.lycos.co.kr/shopping/checkout03.as%

https://ec-tx.lycos.co.kr/lycos/sitemap/COdAddDirectOrder%.jsp%

http://xcomics-check.lycos.co.kr/comics-check/payend.asp%

다 음

http://shop-book.daum.net/security/orders/order_end.asp%

https://shopadmin.daum.net/jsp/front/order/OrdCompleteList.jsp%

http://auction.daum.net/item/confirm.jsp%

https://soho9.daum.net/thrunet/html/front/order/OrderComplete.jsp%

http://wizwid.daum.net/wizshop/ShopCart/pay_card_confirm.asp%

http://shop-music.daum.net/pocket/card_finish.asp%

http://shop-music.daum.net/pocket/online_finish.asp%

롯 데http%://%.lotte.com/club/ord/H2cos_PreOrderFinalConf.jsp%

http%://%.lotte.com/servlet/H2sss_OnlineServlet%

174

<부록표 2> 본 연구에서 사용한 인터넷서점의 구매사이트

사이트 구매 페이지

예스24 http%://www.yes24.com/home/orderstep4.asp%

와우북

https://www.wowbook.com/security/orders/order/ord_end.asp%

http://ebook.wowbook.com/danal_www/CPCGI.asp%

http://shop.wowbook.com/club/pay/success.asp%

http://ebook.wowbook.com/wisebook/inicis/result.asp%

알라딘 http%://www.aladdin.co.kr/order/ordercomplete.asp%

교 보http%://iwebs%.kyobobook.co.kr/is-bin/INTERSHOP.enfinity/eTS/Store/en/-/USD/PL

_getOrderList-Continue%

풍

http%://www.ypbooks.co.kr/cgi-bin/db2www/ordjumn3_son.d2w/inform%

http%://www.ypbooks.co.kr/cgi-bin/db2www/ordjumn3_1.d2w/inform%

http://www.ypbooks.co.kr/ypmall/WebHome/shopping/NewShopping/wwjumng.jsp%

저 자 소 개

신 일 순

·서울대학교 경제학과 졸업

·Univ. of Rochester 경제학 박사

·현 정보통신정책연구원 연구위원

정 부 연

·동덕여자대학교 경 학과 학사

·현 정보통신정책연구원 연구원

김 보 은

·한신대학교 통계학 학사

·동국대학교 통계학 석사

·현 정보통신정책연구원 위촉연구원

연구보고 02-15

패널데이터를 이용한 e-Business 소비자행태 분석

2002년 12월 일 인쇄

2002년 12월 일 발행

발행인 윤 창 번

발행처 정 보 통 신 정 책 연 구 원

경기도 과천시 주암동 1-1

TEL: 570-4114 FAX: 579-4695∼6

인 쇄 인 성 문 화

ISBN 89-8242-224-2 93320

보급가 10,000원