친구 추천 vs 대중 평점: 선택에 미치는 상대적 영향력

초록

본 논문은 MTurk 실험 3건을 통해 친구의 긍정·부정 의견과 일반 사용자 평점(별점)이 온라인 선택에 미치는 영향을 비교한다. 로지스틱 회귀 분석 결과, 별점 1점 증가가 선택 확률을 약 107% 상승시키는 반면, 친구 추천 1명 증가는 약 22%만 상승한다. 부정적인 친구 의견이 긍정 의견보다 더 강하게 작용하고, 위험·비용이 낮은 상황일수록 선택이 무작위에 가까워진다. 인구통계학적 차이에 관계없이 이러한 경향은 일관된다.

상세 분석

본 연구는 “친구 추천 vs 대중 평점”이라는 두 가지 사회적 영향 요인이 사용자의 선택에 어떻게 작용하는지를 정량적으로 규명하고자 했다. 이를 위해 세 가지 실험을 설계했으며, 각각은 (1) 호텔 예약 상황에서 친구의 긍정적 추천, (2) 동일 상황에서 친구의 부정적 의견, (3) 영화 트레일러 시청 상황에서 친구의 긍정적 추천을 다룬다. 모든 실험은 Amazon Mechanical Turk에서 350명의 유효 응답자를 확보했으며, 응답자는 별점(1~5)과 친구 수(F)를 동시에 제공받은 두 옵션 중 하나를 선택하도록 했다.

데이터 분석은 옵션 1이 선택될 확률을 별점 차이(S₁‑S₂)와 친구 차이(F₁‑F₂)를 독립 변수로 하는 로지스틱 회귀 모델로 수행되었다. 모델 식은

P(choose 1)=logit(α_s·(S₁‑S₂)+α_f·(F₁‑F₂))

이며, 실험 1(긍정적 친구 의견)에서 α_s=0.735, α_f=0.205 로 추정되었다. 이 값은 별점 1점 차이가 선택 odds를 exp(0.735)≈2.07배, 즉 107% 증가시키는 반면, 친구 수 차이는 exp(0.205)≈1.22배, 즉 22% 증가시킴을 의미한다. 실험 2(부정적 친구 의견)에서도 α_f의 절대값이 양성 의견보다 크게 나타났으며, 부정적 의견이 선택을 억제하는 방향으로 더 강력하게 작용한다는 점을 확인했다. 실험 3(저위험 상황)에서는 α_f와 α_s 모두 감소했으며, 특히 α_f가 거의 무시될 정도로 낮아져 사용자가 위험·비용이 적은 경우 사회적 신호에 덜 민감해짐을 보여준다.

모델의 설명력은 pseudo‑R²=0.95로 매우 높았으며, leave‑one‑out 교차 검증에서도 평균 오차 0.021에 불과해 예측 정확도가 뛰어남을 입증한다. 또한, 인구통계학적 변수(성별, 연령, 교육 수준)를 포함한 추가 분석에서도 주요 계수들의 유의성은 변하지 않아, 결과가 다양한 사용자 집단에 일반화될 수 있음을 시사한다.

연구는 또한 시장 점유율의 동적 변화를 시뮬레이션으로 탐색했는데, 평점 변동성이 클수록 결과의 변동성도 커지고, 사용자가 더 선택적으로 친구 의견을 반영할수록 불평등(시장 점유율 편중)이 심화되는 현상을 발견했다. 이는 기존 문헌에서 다루던 단일 사회적 영향 모델(예: Bendor et al.)과 차별화되는 점이다.

실무적 시사점으로는, 전자상거래 플랫폼이나 소셜 검색 엔진이 사용자에게 보여줄 정보의 우선순위를 정할 때 별점 정보를 강조하고, 부정적 친구 의견을 별도로 표시하거나 경고 메시지로 활용하는 것이 선택을 유도하는 데 효과적일 수 있다. 또한, 위험도가 낮은 의사결정 상황에서는 과도한 사회적 정보 제공이 오히려 무작위성을 높여 효율성을 떨어뜨릴 가능성이 있다.