소셜미디어의 효과적인 제품 추천 방법은 무엇인가? 인간 추천 vs. 인공지능(AI) 추천

연구 배경

디지털 경제에서 소비자들은 더 이상 ‘선택의 풍요’를 누리기보다는, 오히려 ‘선택의 피로’를 경험하고 있습니다. 클릭 한 번이면 수천 개의 옵션이 펼쳐지고, 그 순간부터 소비자의 머릿속은 가격, 후기, 브랜드, 배송, 혜택을 끊임없이 비교하는 계산기로 변하게 됩니다. 이러한 현상은 소셜커머스 환경에서 더욱 심화됩니다. 소비자들은 제품 자체뿐만 아니라, 해당 제품을 누가 추천하는지까지 동시에 고려해야 하기 때문입니다.

오늘날 소셜커머스에서는 가족, 친구, 커뮤니티, 인플루언서와 같은 ‘사람 추천’과 알고리즘 및 AI 기반의 ‘기계 추천’이 함께 작동하고 있습니다. 이처럼 추천의 출처가 복합적으로 얽힌 환경에서 추천 시스템은 더 이상 보조적 기능이 아니라, 유튜브, 넷플릭스, 아마존과 같이 소비 흐름을 좌우하는 핵심 인프라로 자리 잡고 있습니다. 실제로 YouTube 전체 시청 시간의 약 70%, Netflix 스트리밍 콘텐츠의 약 80%, Amazon 전체 매출의 약 35%가 추천 시스템에 의해 발생하고 있습니다.

그러나 소비자들이 ‘기계 추천’을 무조건적으로 신뢰하는 것은 아닙니다. 추천의 작동 원리가 불투명하거나 오류 가능성이 인식될 경우, 소비자들은 알고리즘 기반의 추천을 회피하기도 합니다. 반면, 특정 상황에서는 ‘사람 추천’보다 ‘기계 추천’을 더 신뢰하고 선호하는 모습도 나타나고 있습니다.

이러한 맥락에서 제기되는 핵심 질문은 다음과 같습니다. “사람과 기계가 생성한 추천에 대해 소비자들은 서로 다른 방식으로 반응하며, 그 수용 과정과 결과에는 차이가 존재합니까?”

Hsu et al.(2026)은 이 질문에 대한 해답을 정교화 가능성 모형(ELM: Elaboration Likelihood Model)과 미디어 풍부성 이론(MRT: Media Richness Theory)에서 찾고자 했습니다. 연구진은 인간 추천과 AI 추천 전반에 걸쳐 소비자의 추천 수용을 결정하는 핵심 요인이 무엇인지, 이러한 요인들이 어떠한 설득 메커니즘을 통해 작동하는지, 그리고 더 나아가 지각된 미디어 풍부성이 이 과정에서 어떠한 역할을 수행하는지를 체계적으로 탐구했습니다.

핵심 질문

1. 소셜커머스에서 추천이 소비자 반응을 유도하는 정보처리 과정의 핵심 요인은 무엇인가?

연구진은 소셜커머스에서 추천의 효과를 설명함에 있어, ‘무엇이 추천되었는가’보다 ‘어떤 미디어 환경을 통해 전달되었는가’가 점점 더 중요해지고 있음에 주목했습니다. 텍스트 리뷰, 이미지 기반 게시물, 영상, 라이브 스트리밍 등 다양한 미디어 형식이 공존하는 소셜커머스 환경에서는, 동일한 추천 메시지라 하더라도 지각된 미디어 풍부성의 수준에 따라 설득 효과가 달라질 수 있다고 주장합니다.

또한 연구진은 추천에 대한 소비자 반응을 자동적이고 즉각적인 반응이 아니라, 정보의 해석과 평가를 거친 결과로 이해했습니다. 정교화 가능성 모델(ELM)은 설득 메시지가 두 가지 정보처리 경로, 즉 중심 경로와 주변 경로를 통해 태도 변화로 이어진다고 설명합니다. 중심 경로에서는 개인이 메시지의 논리성, 타당성, 그리고 정보의 질을 깊이 숙고하는 반면, 주변 경로에서는 메시지의 내용보다는 출처의 신뢰성, 평판, 정서적·사회적 단서와 같은 휴리스틱에 의존하여 판단이 이루어집니다.

이에 따라 연구진은 미디어 풍부성을 특정 정보처리 경로를 강제로 선택하게 만드는 요인으로 보지 않았습니다. 대신, 중심 경로에서는 풍부한 미디어가 정보의 이해 가능성과 명확성을 높여 논거 평가를 강화하고, 주변 경로에서는 풍부한 미디어가 사회적 실재감과 감정적 단서를 제공함으로써 평판, 신뢰, 규범적 단서를 강화하는 방식으로 작동한다고 개념화했습니다. 즉, 미디어 풍부성은 중심 경로와 주변 경로가 동시에 작동하는 설득 과정을 증폭시키는 요인으로 이해되었습니다.

2. ‘사람 추천’과 ‘기계 추천’ 사이의 설득 효과 및 설득 과정의 차이가 있는가?

연구진은 ‘사람 추천’과 ‘기계 추천’ 즉 추천원 유형에 따른 추천 메시지를 처리하는 방식이 달라질 것으로 보았습니다. 다시 말해, 추천원에 따라 소비자가 활용하는 정보처리 경로의 상대적 비중이 달라질 수 있다고 판단하였습니다.

정교화 가능성 모델(ELM)에 따르면, 추천원에 대한 신뢰는 설득 과정에서 중요한 조절 역할을 수행할 수 있습니다. 연구진은 ‘사람 추천’이 일반적으로 개인적 경험과 사회적 상호작용에 기반하는 반면, ‘기계 추천’은 알고리즘과 빅데이터에 기반한다는 점에 주목했습니다. 이러한 차이로 인해 추천원 유형에 따라 소비자가 형성하는 신뢰의 성격이 달라지고, 그 결과 추천 메시지를 처리하는 정보처리 경로의 비중 역시 서로 다르게 나타날 것이라고 예측했습니다.

즉, 연구진은 추천원을 설득력을 단순히 강화하거나 약화시키는 요인으로 보지 않았습니다. 오히려 추천원이 “어떤 경로를 통해 설득이 이루어지는가”라는 설득 구조 자체를 재구성하는 기능을 수행한다고 보았습니다.

[연구 모형]

연구 핵심 결과

연구의 주장을 확인하기 위하여 연구진은 대만 소비자를 대상으로 온라인 현장 설문조사를 수행하였습니다.

1. 추천 메시지에 대한 소비자 반응을 결정하는 요인 및 경로

연구 결과, 소셜커머스에서 추천 메시지에 대한 소비자 반응은 하나의 요인이나 단일한 인지 과정으로 설명될 수 없으며, 서로 다른 요인들이 중심 경로와 주변 경로로 구성된 이중 정보처리 과정을 통해 복합적으로 작동한 결과로 나타났습니다.

첫째, 중심 경로에서는 추천 메시지의 논거의 질과 지각된 유용성이 핵심적인 역할을 했습니다. 추천원이 사람인지 기계인지와 관계없이, 논거의 질이 높게 지각될수록 추천의 유용성이 높아졌으며, 이러한 지각된 유용성은 추천 수용으로 이어지는 것으로 나타났습니다.

둘째, 주변 경로에서는 평판과 규범적 단서가 추천 수용에 영향을 미쳤으며, 특히 규범적 단서는 추천 수용으로 직접 이어지는 핵심 사회적 신호로 작동했습니다. 이는 소셜커머스 환경에서 소비자가 개인적 판단보다는 타인의 선택과 집단 규범에 민감하게 반응함을 시사합니다. 다만 신뢰는 전체 표본 수준에서는 추천 수용과 직접적으로 연결되지 않는 것으로 나타났습니다.

셋째, 지각된 미디어 풍부성이 중심 경로와 주변 경로 모두에 영향을 미치는 상위 환경 요인으로 작동함이 확인되었습니다. 풍부한 미디어 환경은 중심 경로에서는 정보의 명확성과 이해 가능성을 높여 논거 평가를 강화하고, 주변 경로에서는 사회적 실재감과 감정 단서를 증폭시켜 평판과 규범적 단서의 영향을 강화했습니다. 즉, 미디어 풍부성은 특정 경로를 선택하게 만드는 요인이 아니라, 이미 작동 중인 설득 경로의 효과를 증폭시키는 역할을 수행하는 것을 밝혔습니다.

2. 추천원의 조절 효과 확인

연구 결과, 추천원은 설득 효과의 크기 자체를 단순히 변화시키기보다는, 설득이 이루어지는 경로의 구조를 조절하는 역할을 수행함이 확인되었습니다. 즉, ‘사람 추천’과 ‘기계 추천’은 동일한 요인들이 작동하더라도, 그 상대적 중요성과 작동 방식이 서로 다르게 나타났습니다.

첫째, ‘사람 추천’ 환경에서는 신뢰가 누적된 상호작용과 경험을 통해 형성되는 관계적 신뢰의 성격을 보였습니다. 기대와 달리, 평판 신호(예: 팔로워 수, 가시적 인기 등)는 신뢰 형성과 직접적으로 연결되지 않았으며, 대신 규범적 단서와 사회적 영향이 상대적으로 더 중요한 설득 메커니즘으로 작동했습니다.

둘째, ‘기계 추천’ 환경에서는 신뢰가 정서적·관계적 신뢰가 아닌 인지적·기능적 신뢰의 성격을 보였습니다. 플랫폼의 평판은 신뢰와 규범적 단서의 지각에는 영향을 미쳤으나, 추천 수용으로 직접 연결되지는 않았습니다. 대신 소비자들은 추천 수용 여부를 정보의 질과 지각된 유용성이라는 중심 경로 요인을 중심으로 판단하는 경향을 보였습니다.

[추천원 별 설득 경로]

실무자를 위한 Action Plan

결론: AI 시대의 추천 경쟁력, 기술이 아닌 설득 설계

AI가 추천의 중심으로 자리 잡은 오늘날의 소셜미디어 환경에서, 연구진은 추천의 성과가 알고리즘의 정확성 자체 보다 ‘어떤 경로로 소비자를 설득하느냐’에 의해 좌우된다는 점을 제시합니다. 영상, 라이브, 시각 정보 등 미디어가 풍부해질수록 정보의 논리성과 유용성을 평가하는 중심 경로와 평판·집단 선택에 반응하는 주변 경로가 동시에 강화되며, 그 결과 소비자는 추천을 보다 수월하게 수용하게 됩니다. 특히 사람 추천은 규범적 단서와 사회적 맥락을 통해 설득력이 증폭되는 반면, 기계 추천은 정보의 유용성과 논리적 명확성이 확보될 때 효과가 극대화됩니다. 이에 따라 기업의 마케팅 담당자는 ‘사람 추천’과 ‘기계 추천’을 동일한 방식으로 운영하기보다, ‘사람 추천’에는 사회적 신호와 집단 반응을, ‘기계 추천’에는 명확한 근거와 설명 가능한 추천 논리를 결합하는 전략적 분업 구조를 설계해야 합니다. 이제 소셜미디어 추천의 경쟁력은 더 정교한 알고리즘이 아니라, 설득 구조를 이해하고 미디어 환경을 전략적으로 활용하는 역량에 의해 결정됩니다.

귀사는 현재 ‘사람 추천’과 ‘기계 추천’을 동일한 설계 논리로 운영하고 있지는 않으십니까?

비엑스컨설팅 드림