소셜 네트워크가 온라인 쇼핑에 미치는 영향: 정보 전달, 신뢰 프리미엄, 소비자 선택

초록

본 논문은 중국 최대 전자상거래 플랫폼인 타오바오의 1백만 사용자 데이터를 활용해, 즉시 메신저와 거래 기록이 결합된 소셜‑커머스 네트워크를 분석한다. 삼각형 폐쇄(트라이어드 클로저)와 정보 전달 메커니즘을 정량화하고, 판매자 평점이 가격에 미치는 ‘신뢰의 가격’ 효과를 측정한다. 마지막으로 사회적 그래프 기반 특징을 이용해 구매자가 동일 상품을 제공하는 여러 판매자 중 누구를 선택할지 예측한다.

상세 분석

이 연구는 세 가지 핵심 질문에 답한다. 첫째, 구매자가 상품을 구매한 뒤 친구에게 메시지를 보낼 경우, 그 친구가 동일 판매자로부터 같은 상품을 구매할 확률은 얼마나 되는가? 이를 ‘정보 전달(information passing)’이라 정의하고, 트라이어드(3-노드) 구조와 시간적 순서를 고려한 동적 네트워크 분석을 통해 정량화하였다. 결과는 메시지 강도가 클수록, 제품 가격이 낮을수록, 그리고 구매와 추천 사이의 시간 간격이 짧을수록 정보 전달 확률이 크게 증가함을 보여준다. 특히, 구매‑구매자 간 메시지가 트레이드 엣지를 형성하는 주요 동인으로 작용한다는 점이 강조된다.

둘째, 판매자 평점이 실제 거래 가격에 미치는 영향을 ‘신뢰의 가격(price of trust)’이라는 개념으로 측정하였다. 10,000여 개 제품에 대해 평균 평점과 거래 가격을 회귀 분석한 결과, 평점이 1점 상승할 때 평균 가격이 약 0.5%~1% 상승하는 초과 수익이 존재함을 확인했다. 이 효과는 제품 카테고리별로 차이가 나며, 고가 제품일수록 신뢰 프리미엄이 더 크게 나타난다.

셋째, 소비자 선택 모델링에서는 구매자가 동일 상품을 제공하는 여러 판매자 중 어느 판매자를 선택할지를 예측한다. 피처는 크게 네 종류로 구분된다: (1) 사회적 그래프 기반 피처(공통 연락처 수, 메시지 교류 빈도, 트라이어드 클로저 확률 등), (2) 판매자 메타데이터(평점, 판매량, 가격), (3) 제품 특성(카테고리, 가격대), (4) 거래 이력(과거 구매 빈도). 랜덤 포레스트와 로지스틱 회귀를 포함한 여러 머신러닝 모델을 테스트했으며, 10개의 후보 판매자 중 정답을 맞출 확률이 42%에 달했다. 이는 무작위 선택(10%) 대비 4배 이상이며, 특히 사회적 그래프 피처만 사용했을 때도 35% 수준으로 높은 예측력을 보였다.

전체적으로, 이 논문은 소셜 네트워크와 전자상거래가 단순히 병행 존재하는 것이 아니라, 메시징 활동이 거래 형성에 직접적인 촉매 역할을 함을 실증한다. 또한, 신뢰(평점)와 가격 사이의 비선형 관계를 정량화함으로써 플랫폼 설계자가 신뢰 메커니즘을 어떻게 활용할지에 대한 실용적 인사이트를 제공한다. 마지막으로, 사회적 연결성을 활용한 소비자 선택 예측 모델은 향후 맞춤형 마케팅 및 추천 시스템에 적용 가능성이 크다.