온라인 투표에서의 앵커링 편향

초록

본 논문은 온라인 평점 시스템에서 사용자가 이전에 남긴 평점에 영향을 받아 유사한 수준의 평점을 연속적으로 부여하는 ‘앵커링 편향’ 현상을 실증적으로 규명한다. 두 실제 서비스 데이터를 분석하고 무작위 귀무모형과 비교함으로써, 저평점 뒤에 저평점이, 고평점 뒤에 고평점이 나타나는 확률이 통계적으로 유의함을 확인하였다. 편향 강도는 연속 투표 간 간격이 늘어날수록 로그 형태로 감소한다. 연구 결과는 추천 알고리즘 설계와 사용자 행동 모델링에 활용될 수 있다.

상세 분석

본 연구는 온라인 평점(예: 15점) 시스템에서 개인이 연속적으로 매긴 점수 사이에 존재하는 상관구조를 정량적으로 탐구한다. 먼저 두 개의 대규모 실서비스 데이터셋(영화·음식 리뷰 플랫폼)을 수집하고, 각 사용자의 평점 시퀀스를 시간 순서대로 정렬하였다. 이후 “이전 평점이 X일 때 현재 평점이 Y일 확률”을 조건부 확률 형태로 추정하고, 동일한 평점 분포를 유지하지만 순서를 무작위로 섞은 10,000개의 귀무모형과 비교하였다. 결과는 실제 데이터에서 동일 평점 연속 발생 확률이 귀무모형 대비 23배 이상 높으며, 특히 4점·5점 구간에서 그 차이가 두드러졌다.

편향 강도는 연속 투표 간 간격(투표 수 차이)과의 관계에서도 로그 감쇠 형태를 보였다. 즉, 직전 투표와의 간격이 1일 때 편향이 가장 강하고, 간격이 10, 100으로 늘어날수록 감소하지만 완전히 사라지지는 않는다. 이는 사용자가 과거에 경험한 ‘앵커’가 인지적 기준으로 남아, 이후 판단에 지속적인 영향을 미친다는 심리학적 메커니즘과 일치한다.

통계적 검증을 위해 χ² 검정과 부트스트랩 신뢰구간을 활용했으며, 모든 실험에서 p‑값이 0.001 이하로 나타나 귀무가설을 강력히 기각한다. 또한, 사용자별 행동 패턴을 군집화한 결과, 활발히 평가를 남기는 ‘핵심 사용자’일수록 편향 강도가 더 크게 나타났으며, 드물게 평가하는 ‘잠재 사용자’는 상대적으로 무작위에 가까운 패턴을 보였다.

연구는 기존 금융·경매 분야에서 보고된 앵커링 효과를 온라인 평점이라는 새로운 도메인에 확장함으로써, 디지털 환경에서도 인간의 인지적 편향이 시스템 전반에 구조적 영향을 미친다는 점을 실증한다. 이러한 발견은 추천 시스템에서 평점 예측 모델에 ‘시간‑가중 앵커링 변수’를 도입하거나, 편향 보정을 위한 후처리 기법을 설계하는 데 실질적인 가이드를 제공한다.