기술 수용 모델을 활용해 가상 인플루언서의 사용자 채택을 이해하기: 인지된 진정성과 의인화의 역할

요약

이 연구는 확장 기술 수용 모델을 적용하여 단편 동영상 플랫폼에서 가상 인플루언서 채택을 조사하며, PLS-SEM으로 분석된 설문 데이터를 사용하여 인지된 유용성, 사용 편의성, 진정성, 의인화가 사용자 태도와 행동 의도에 유의미한 영향을 미친다는 것을 입증하였습니다.

초록

가상 인플루언서(VI)는 틱톡, 유튜브 쇼츠, 인스타그램 릴스와 같은 단편 영상 애플리케이션에서 점점 더 중요한 역할을 하고 있습니다. 이전 연구들은 VI를 의인화, 진정성, 소비자 상호작용 측면에서 탐구했지만, 대부분의 연구는 체계적인 행동 프레임워크를 채택하지 않고 인스타그램 데이터셋이나 콘텐츠 분석에 집중해 왔습니다. 이러한 한계를 해결하기 위해 본 연구는 기술 수용 모델(TAM)을 활용하여 인지된 유용성(PU)과 인지된 사용 편의성(PEOU)이 단편 동영상 플랫폼에서 VI를 따르거나 상호작용하려는 사용자의 태도와 행동 의도에 어떤 영향을 미치는지 조사합니다. 이 연구는 인지된 진정성과 의인화를 조절 변수로 제안하며, TAM을 확장하여 심리적·사회적 역학을 포착할 수 있게 합니다. TAM과 이 모더레이터들을 통합하는 개념적 프레임워크가 개발되었습니다. 데이터는 편집된 VI 콘텐츠에 노출된 350명의 단편 영상 사용자를 대상으로 온라인 설문조사를 통해 수집되었으며, 검증된 리커트 척도 도구를 사용해 측정했습니다. 참가자들은 먼저 표준화된 가상 인플루언서 비디오 자극에 노출되었고, 이후 온라인 설문 플랫폼을 통해 실시된 구조화된 설문지를 작성했습니다. 데이터셋은 부분 최소제곱 구조 방정식 모델링(PLS-SEM)을 사용하여 측정 신뢰도, 구조적 관계 및 조절 효과를 평가하였습니다. 분석 전에 데이터셋은 불완전한 응답, 누락된 값, 응답 불일치를 선별하였습니다. 결과는 TAM이 VI 맥락에서 적용 가능함을 확인시켜 줍니다. PEOU는 PU에 긍정적인 영향을 미쳤고(β = 0.46, p < 0.001), PU는 태도에 유의미한 영향을 미쳤으며(β = 0.39, p < 0.001), Attitude는 행동 의도를 강하게 예측했다(β = 0.58, p < 0.001). 인지된 진정성은 PU와 태도, 태도와 행동 의도 간의 관계를 강화했으며, 의인화는 PU와 PEOU가 태도에 미치는 영향을 강화했다. 모델 적합 지수(R² = 0.64는 자세; 행동 의도의 R² = 0.57)는 강한 설명력을 나타냅니다. 이러한 결과는 짧은 동영상 플랫폼에서 가상 인플루언서 채택을 설명하는 확장된 TAM을 뒷받침합니다.

서론

최근 몇 년간 소셜 미디어 인플루언서(SMI)는 커뮤니티 방송 플랫폼 ^1,2에서 자신의 삶, 지식, 제품, 브랜드를 공유하며 상당한 팔로워를 확보했습니다. 가상 인플루언서(VI)는 인스타그램, 페이스북, 틱톡³와 같은 플랫폼에서 상품과 서비스를 홍보하는 새로운 접근법으로 학계와 비즈니스 커뮤니티 모두로부터 상당한 관심을 받고 있습니다. 인간 인플루언서(HI)와 달리, VI는 실제 인물이 아니라 디자이너 팀이 인간의 외모와 행동을 재현하거나 애니메이션 페^르소나를 닮기 위해 개발한 컴퓨터 생성 캐릭터입니다. 강력한 참여 능력 덕분에 많은 브랜드가 협업이나 독자적인 VI를 만들어 인플루언서 마케팅에 활용하고^{있습니다.} 따라서 BMW와 같은 유명 브랜드는 릴 미켈라 같은 VI와 협력하여 고객 참여를 촉진하고 구매 결정에 영향을 미치고 있습니다.

SMI에 영향을 받는 개인의 수가 계속 증가함에 따라 인플루언서 마케팅도⁶명으로 확대되고 있습니다. 인플루언서 마케팅 허브는 2021년에 인플루언서 마케팅 서비스를 전문으로 하는 기업 수가 26% 증가했으며, 전 세계적으로 18,900개에 이를 것으로 전망한다고 보고합니다. 가장 주목할 만한 신흥 SMI 카테고리 중 하나는 인간의 행동과 외모를 모방할 수 있는 "3D 컴퓨터 생성 캐릭터"입니다 ^8,9,10. VIs는 소비자들 사이에서 빠르게 인기를 얻었으며, 인간 인플루^언서와 견줄 만한 신뢰할 만한 트렌드세터로 인식되고 있습니다. 2017년부터 2019년 사이에 소셜 플랫폼에 있는 VI 수는 27명에서 125명으로 증가^{했습니다.} 인기가 높아지면서 VIs는 국제 브랜드¹²와 협업하기 시작했습니다. VIs는 인간 인플루언서의 장점과 외모 및 메시지에 대한 더 큰 통제력을 결합한 매력적인 대안입니다¹³.

이 분야에서 특히 혁신적인 발전은 가상 인플루언서가 등장한 것입니다. 이들은 부분적 또는 전적으로 인공적이면서(예: 컴퓨터 생성 3D 아바타) 소셜 미디어 존재이면서도 인간 인플루언서와 유사한 콘텐츠를 제작할 수 있습니다. 이들의 급격한 부상은 학계의 관심을 끌었으나, 기존 연구^{는 여전히 제한}적입니다. 이 격차를 해소하기 위해 본 연구는 미디어에 대한 인지적, 정서적, 행동적 반응으로 정의되는 준사회적 상호작용(parasocial interactions, PSI)을 고려한다¹⁵. 이전 연구들은 유사한 특성을 가진 휴머노이드와 가상 인플루언서의 청중 반응을 비교하여 PSI를 조사한 바 있습니다.

최근 연구들은 특히 소셜 비디오 환경에서 VI와 인간 인플루언서 간의 사용자 인식 형성에 있어 차이를 조사했습니다. 증거에 따르면 VI 추천은 제품 인식에 영향을 미칠 수 있으며(예: 럭셔리 연관 강화), 인간 인플루언서와 인지된 유용성과 신뢰성을 두고 경쟁할 수 있습니다. 하지만 인간 인플루언서와의 동일시는 여전히 더 강하게 남아 있어, 짧은 영상 맥락에서 채택 결정에 영향을 미치는 진정성 격차를 부각시킵니다^{16, 17, 18}. 정량적 연구는 PU와 PEOU가 행동 의도의 주요 예측 변수로 일관되게 확인되며, 즐거움, 사회적 존재감, 공동체 참여와 같은 개념과 함께 보완되어 TAM의 적용 가능성을 강화합니다^19,20.

VI 맥락에서 진정성을 직접적으로 다루는 연구가 점점 더 많아지고 있습니다. 질적 및 정량적 연구 모두 인지된 진정성이 신뢰, 참여, 설득에 큰 영향을 미친다는 것을 보여줍니다. AI 공개와 인간 초상도 같은 요인들이 신뢰도와 사용자 반응에 영향을 미칩니다^21,22. 추가 연구에 따르면, 사용자가 AI 기원을 인식할 때 '기계 휴리스틱' 단서가 인지된 진정성을 감소시킬 수 있으며, 이는 진정성이 수용의 중요한 경계 조건임을 강화합니다^23–25. 의인화에 대한 리뷰는 사회적 존재감과 신뢰와 같은 메커니즘을 통해 TAM 관계를 강화하거나 약화시킬 수 있는 이론적 역할을 강조합니다²⁶.

마찬가지로, 자극-유기체-반응(SOR) 모델은 인간화된 단서와 사회적 자극이 AI 기반 시스템의 사용자 수용에 어떤 영향을 미치는지 연구하는 데 적용되었습니다²⁷. SOR은 기술적 자극에 대한 실시간 감정 반응과 행동 형성에 있어 상황적 변수의 역할을 포착하는 데 특히 효과적입니다²⁸. 이는 빠른 시스템-사용자 피드백이 역동적인 감정 반응을 생성하는 AI 기반 상호작용 환경과 일치합니다²⁹. SOR 프레임워크는 또한 여러 정서 및 인지 자극의 통합을 가능하게 합니다. 그러나 TAM과 UTAUT와 같은 모델은 널리 사용되면서도 미리 정의된 개념(예: 인지된 유용성 및 사용 편의성)에 집중하여 사용자 행동에 대한 다차원적 영향을 포착하는 데 제한이 있을 수^{있습니다.} 이러한 모델들은 일반적으로 동적 의사결정 맥락보다는 정적 분석에 더^{적합합니다.} 예를 들어, 메가 인플루언서는 전 세계 청중에게 다가가고 브랜드 인지도를 높이며 상당한 참여를 생성할 수 있지만, 그 효과는 상황에 따라^{다릅니다.} SOR은 정서 과정에 대한 보완적 통찰을 제공하는 반면, TAM은 행동 의도를 모델링하기 위한 간결하고 예측적인 틀을 제공합니다.

실증 연구에 따르면 메가 인플루언서는 더 강한 참여도, 제품 태도, 정보 획득을 생성한다고 합니다. 하지만 하위 레벨의 인플루언서는 인지도와 진정성을 높일 수 있으며, 때로는 타겟^{광고보다 더} 좋은 성과를 낼 수 있습니다. 다른 연구 결과는 메가 인플루언서들이 더 넓은 참여를 이끌어내는 반면, 소규모 인플루언서가 더 강한 진정성과 신뢰를 보인다는 것을 보여줍니다³⁵. 이러한 혼합된 결과는 맥락별 인플루언서 효과의 불일치를 부각^시키며, 가상 인플루^{언서를 포함한} 추가 인플루언서 유형을 탐색할 필요성을 강조합니다.

VI에 대한 관심이 증가했음에도 불구하고, 기존 연구는 여전히 범위가 제한적입니다. 대부분의 연구는 인스타그램 기반 데이터셋과 콘텐츠 분석에 의존해 참여 지표(예: 좋아요, 댓글, 언어적 특징)를 평가하므로, 행동 관점에서 채택 의도를 이해하는 데 공백이 있습니다. 또한, 제한된 연구에서는 알고리즘 기반 노출, 빠른 콘텐츠 소비, 강화된 파라소셜 상호작용 등 독특한 사회기술적 특성을 가진 단편 동영상 플랫폼에서의 VI 도입을 조사했습니다.

이러한 격차를 해소하기 위해 본 연구는 기술 수용 모델(TAM)을 적용하여 단편 동영상 플랫폼에서 VI 채택에 영향을 미치는 요인들을 체계적으로 조사합니다. TAM은 강력한 설명력, 간결함, 디지털 맥락 전반에 걸친 광범위한 실증적 검증으로 선정되었습니다. SOR과 UTAUT와 같은 대안적 프레임워크가 귀중한 통찰을 제공하지만, 이들은 이 연구의 인지적 초점을 넘어선 정서적 또는 제도적 요인을 강조합니다. 따라서 TAM은 신념 형성 단계에서 인지된 진정성과 의인화를 포함하도록 확장됩니다.

구체적으로, 본 연구는 인지된 사용 편의성(PEOU)이 인지된 유용성(PU)에 어떤 영향을 미치는지, 그리고 이러한 개념들이 VI에 대한 사용자 태도와 행동 의도를 어떻게 형성하는지 살펴봅니다. 또한 이러한 관계를 형성하는 데 있어 인지된 진정성과 의인화가 조절하는 역할을 더 탐구합니다. 실증적으로 이 연구는 단편 동영상 사용자를 대상으로 한 정량적 설문조사를 활용하고, 확장 모델을 PLS-SEM으로 테스트합니다. 콘텐츠 분석에서 행동 채택 프레임워크로 전환함으로써 본 연구는 중요한 격차를 해소하고 신흥 디지털 환경에서의 VI 채택 이해에 기여합니다.

이 연구는 세 가지 핵심 기여를 합니다. 첫째, TAM을 단편 영상 플랫폼의 가상 인플루언서에게까지 확장하여 AI 생성 개체에 적용할 수 있음을 보여줍니다. 둘째, TAM의 신념-형성 단계에 의인화와 인지된 진정성을 통합하여 믿음-태도-의도 경로를 강화합니다. 셋째, 설문 데이터와 PLS-SEM을 활용한 정량적 행동 접근법을 사용하여 측정 타당성, 구조적 관계, 조절 효과를 평가함으로써 방법론을 발전시킨다.

전반적으로 이 연구는 진정성과 인간과 유사한 디자인이 VI 채택에 어떤 영향을 미치는지에 대한 이론적·실질적 통찰을 제공합니다. 이 연구는 PEOU와 PU가 태도(ATT)와 행동 의도(BI)에 미치는 영향을 조사하며, 인지된 진정성(PA)이 PU–ATT 및 ATT–BI 관계에 미치는 조절 역할과 PEOU–ATT 및 PU–ATT 관계에 대한 의인화(ANTHROPOMORPHISM)의 조절 역할을 검증합니다. 이러한 관계를 바탕으로 다음과 같은 가설들이 제안됩니다:

H1:P인지된 사용 편의성(PEOU)은 인지된 유용성(PU)에 긍정적인 영향을 미칩니다.
H2: 인지된 유용성(PU)이 가상 인플루언서에 대한 태도(ATT)에 긍정적인 영향을 미칩니다.
H3: 태도(ATT)가 가상 인플루언서를 활용하는 행동 의도(BI)에 긍정적인 영향을 미칩니다.
H4: 인지된 사용 편의성(PEOU)은 가상 인플루언서에 대한 태도(ATT)에 긍정적인 영향을 미칩니다.
H5: 인지된 진정성(PA)은 PU와 ATT 간의 관계를 긍정적으로 조절합니다.
H6: 인지된 진정성(PA)은 ATT와 BI 간의 관계를 긍정적으로 완화합니다.
H7: 의인화(ANTHROPOMORPHISM)는 PEOU와 ATT 간의 관계를 긍정적으로 조절합니다.
H8: 의인화(ANTHROPOMORPHISM)는 PU와 ATT 간의 관계를 긍정적으로 완화합니다.

그림 1 은 확장 기술 수용 모델(TAM)을 기반으로 한 개념적 프레임워크를 제시하며, 단편 동영상 플랫폼에서 가상 인플루언서 채택을 지원합니다. 이 모델은 핵심 TAM 구성요소와 함께 두 가지 조절 변수인 인지된 진정성과 인지된 의인화를 포함하여 관련 사회적·심리적 영향을 포착합니다. 직접적인 관계는 실선 화살표로 표현되며, 감속 효과는 해당 구조 경로를 겨냥한 점선으로 표현됩니다. 이 표현은 개념 모델을 제안된 가설과 일치시키고, 직접 효과와 상호작용 효과를 구분하여 명확성을 향상시킵니다.

프로토콜

이 연구는 말레이시아 쿠알라룸푸르에 위치한 말레이시아 공과대학교 아즈만하심 국제경영대학원 연구 윤리 위원회의 승인을 받았습니다(승인 번호: UTM. AHIBS/REC/2025/012). 모든 절차는 제도적 윤리 기준과 헬싱키 선언의 원칙을 준수했다. 데이터 수집 전에 모든 참가자로부터 사전 동의를 받았습니다. 참가자들은 연구의 목적, 자발적 참여성, 답변의 비밀 유지, 그리고 언제든 불이익 없이 철회할 수 있는 권리에 대해 안내받았습니다. 익명화된 설문 데이터 사용에 대해서는 서면 동의도 확보했습니다. 이 원고에는 개인 식별 가능하거나 민감한 정보가 포함되어 있지 않습니다.

이 연구에서 단편 동영상 플랫폼에서 가상 인플루언서의 소비자 수용도를 조사하기 위해 사용한 방법론적 연구 과정은 그림 2에 나와 있습니다. 연구 절차는 자극 준비, 참가자 노출, 설문 시행, 데이터 전처리, 통계 분석 등 순차적으로 진행되었습니다. 사용자는 틱톡, 유튜브 쇼츠, 인스타그램 릴스와 같은 짧은 동영상 플랫폼에서 신중하게 선별된 가상 인플루언서 자극을 먼저 접하게 됩니다. 인지된 사용 편의성(PEOU), 인지된 유용성(PU), 태도(ATT), 행동 의도(BI) 등 주요 기술 수용 모델(TAM) 구성 요소를 포착하기 위해, 검증된 리커트 척도 도구를 사용하여 설문 응답을 수집합니다. 수집된 데이터는 데이터 정제, 타당성 및 신뢰도 평가를 포함한 사전 처리를 거쳐 데이터 품질을 보장합니다.

조정 변수를 포함하는 확장 TAM 프레임워크가 정제된 데이터셋에 적용됩니다. 구체적으로, 의인화(ANTHROPOMORPHISM)는 PEOU → ATT와 PU → ATT 간의 관계를 조절하는 반면, 인지된 진정성(Perceived Authenticity, PA)은 PU→ ATT 및 ATT → BI 간의 관계를 조절합니다. 이러한 조절 효과는 구조적 경로에서의 상호작용으로 명시적으로 모델링됩니다. 마지막으로, 측정 모델, 구조적 관계 및 조절 효과를 부분 최소제곱 구조 방정식 모델링(PLS-SEM)을 사용하여 평가합니다. 이 연구 결과는 단편 동영상 플랫폼에서 가상 인플루언서에 대한 사용자 수용 행동을 포괄적이고 체계적으로 분석하며, 직접적인 관계(PEOU, PU → ATT → BI)와 완화 효과를 모두 강조합니다.

학습 방법론 및 설계
이 방법론은 개념적 틀 개발, 데이터 수집, 실증적 분석의 세 단계로 개발되었습니다.

개념적 틀 개발
이 단계는 가상 인플루언서와 관련된 두 가지 사회심리적 조절자인 인지된 진정성과 의인화를 적용하여 기술 수용 모델(TAM)을 확장하여 이론적 틀을 개발하는 것을 포함했습니다. 이 모델은 PEOU가 PU에 영향을 미치고, PU와 PEOU가 함께 태도에 영향을 주며, 태도는 다시 행동 의도에 영향을 준다고 가정합니다(그림 3).

자료 수집
실증적 데이터는 틱톡, 유튜브 쇼츠, 인스타그램 릴 등 짧은 동영상 플랫폼의 350명 사용자에게 실시된 온라인 설문지를 통해 수집되었습니다. 참가자들은 인기 있는 가상 인플루언서들이 등장하는 표준화된 영상을 시청하도록 요청받았습니다. TAM 구성과 조절 변수에 대한 데이터가 수집되었습니다. 통제 변수에는 인구통계학적 특성과 사용 특성이 포함되었습니다. 윤리적 고려가 이루어졌습니다.

경험적 분석
데이터는 2단계 편소제곱구조방정식 모델링(PLS-SEM) 절차를 통해 분석되었습니다. 신뢰도와 타당성은 인자 부하, 크론바흐 알파, 복합 신뢰도, 평균 분산 추출(AVE), 포넬–라커 기준, 그리고 이종특성-단일 특성 비율(HTMT)을 사용하여 평가하였습니다. 5,000개의 재샘플을 이용한 부트스트래핑을 통해 구조 경로와 조절 효과를 테스트하였으며, TAM 모델이 진정성과 의인화를 조절자로 인정하는 데 검증되었습니다.

구조 모델 수립
이 연구는 TAM 모델을 확장하여 단편 동영상 플랫폼에서 가상 인플루언서의 사회적·정서적 측면을 포함시켰습니다. 전통적인 구성요소들(PU, PEOU, 태도, 행동 의도) 외에도, 두 가지 조절 변수인 인지된 진정성과 의인화가 각각 신뢰성과 인간 유사성의 심리적 차원을 나타내도록 포함된다.

측정 수준에서는 모든 잠재 구성(PEOU, PU, ATT, BI, PA, ANTH)이 반성적으로 정의되며, 각 잠재 요인³⁹에 여러 설문조사 항목이 적재됩니다. 측정 모델은 다음과 같이 표현됩니다:

(1)

여기서 x_j는 관측된 지표, η는 잠재 구성, λ_J는 팩터 하중, ε_J는 측정 오차였다. 이는 인과 경로를 검증하기 전에 사전 신뢰성, 수렴 합리성, 판별적 합리성을 제공했다.

구조적 수준에서는 기본 TAM 방정식이^{트레일 40}으로 정의되었습니다. 인지된 유용성은 인지된 사용 편의성에 의해 예측되었습니다:

(2)

자세는 PU와 PEOU의 함수로 지정되었습니다:

(3)

마지막으로, 행동 의도는 태도로 설명되었으며, PU는 선택적 직접적인 예측 변수로 사용되었습니다:

(4)

중재를 포함하기 위해 상호작용 용어가 도입됩니다. 의인화(ANTHROPOPICISM, ANTHROPOPICISM)는 PU와 PEOU가 ATT에 미치는 영향을 완화하는 반면, 인지된 진정성(Perceived Authenticity, PA)은 PU가 ATT에 미치는 영향을, ATT가 BI에 미치는 영향을 완화합니다. 감속된 구조 방정식은 다음과 같습니다:

(5)

상호작용 계수(β₆, β₇, β₈, β₉)는 TAM 관계가 의인화와 진정성의 수준에 따라 달라지는지를 나타냅니다. 예를 들어, PU가 ATT에 미치는 조건부 효과는 다음과 같습니다:

β₂ + β₆· ANTH + β₈· PA

마찬가지로, ATT가 BI에 미치는 조건부 효과는 다음과 같습니다:

β₄ + β₉· PA

이 프레임워크는 중재와 조정 중재도 고려합니다. 기본 모델에서 PU를 통한 PEOU가 ATT에 미치는 간접 효과는 다음과 같습니다:

(6)

조정자를 포함하면, 이것은 조건부 간접 효과가 되었습니다:

(7)

여기서 a와 p는 각각 의인화와 인지된 진정성의 가치를 나타낸다.

이를 통해 PU의 중재적 성격이 VI의 사회적 속성에 의존하는지 검토할 수 있어, 조정된 중재의 증거를 제공합니다.

인지된 진정성(PA)과 의인화(ANTHROPOMORPHISM)는 그림 3에서 볼 수 있듯이 단편 동영상 플랫폼에서 가상 인플루언서의 사용자 수용을 조절하는 중재자 역할을 합니다. 실선은 직접적인 TAM 관계를 나타내며, 점선은 감속 효과를 나타냅니다. 전반적으로 이 모델은 기술적 요인과 사회-심리적 요인을 통합하여 가상 인플루언서 채택에 대한 포괄적인 설명을 제공합니다.

데이터셋 수집
이 연구는 설문 데이터셋(N = 350명 참가자)을 기반으로 합니다. 참가자들은 틱톡, 유튜브 쇼츠, 인스타그램 릴스 같은 단편 동영상 플랫폼의 정기 사용자였습니다. 이들은 편집된 가상 인플루언서 클립을 보여주고, 검증된 리커트 척도 측정을 이용한 TAM 구성체(PEOU, PU, ATT, BI)와 모더레이터(PA, ANTH)에 대해 구조화된 설문지를 작성하도록 요청받았습니다. 데이터는 공개 데이터베이스에서 얻지 않은 자가 보고된 것이었습니다; 그러나 측정 구조는 기술 도입과 가상 인플루언서 연구에서 확립된 척도를 참고하여 조정되었습니다.

표 1은 행동 채택 데이터셋의 구조를 설명합니다. 각 행은 확장 TAM 모델에서 측정 항목, 척도 유형, 분석 역할과 함께 구성물을 나타냅니다. PEOU와 PU는 각각 7점 리커트 척도의 네 개 항목을 사용해 측정되었습니다.

표 2는 응답자들의 인구통계학적 프로필을 보여줍니다. 응답자의 인구통계학적 프로필(N = 350)은 남성이 50.86%, 여성이 45.43%, 소수(3.71%)가 기타로 정체성을 나타내는 비교적 균형 잡힌 성별 분포를 보여줍니다. 연령 기준으로 참가자 대다수는 25–34세 연령대(44.57%)에 속하며, 그 다음으로 18–24세(29.43%), 35–39세(26.00%)가 이어져 데이터셋이 주로 젊은 층에서 중년층으로 구성되어 있음을 시사합니다. 학력 수준에 관해서는 응답자가 다양한 수준에 상당히 분포되어 있으며, 대학원 학위 소지자(23.14%)가 가장 높고, 그 다음이 고등학교(22.86%), 학부(20.29%), 디플로마(17.43%), 박사 학위(16.29%)입니다. 이는 참가자들의 다양한 교육 배경을 반영합니다. 플랫폼 사용 행동 측면에서 응답자의 상당 다수(61.71%)가 일일 사용을 보고했으며, 29.14%는 주간, 9.14%는 가끔 사용했습니다. 이는 표본 대상 집단에서 플랫폼에 대한 높은 참여도를 나타냅니다. 이러한 특성들은 해당 샘플이 짧은 동영상 플랫폼의 적극적인 사용자를 대표함을 나타냅니다.

데이터 분석
자료 수집 후, 이론 확장, 예측 지향 연구, 조절 변수를 가진 복잡한 모델에 적합한 부분 최소제곱 구조 방정식 모델링(PLS-SEM)을 사용하여 350개의 유효 응답을 분석하였습니다. 분석에는 측정 모델 평가, 구조 모델 평가, 중재 분석, 전체 모델 추정이 포함되었습니다.

측정 모델 검증
첫 단계는 모든 개념의 신뢰성과 합리성을 측정하는 것이었습니다. 내부 신뢰성은 크론바흐의 알파(α)와 복합 신뢰성(CR)을 통해 테스트되었으며, 0.70 이상의 기준이 만족스럽다고 여겨졌습니다. 수렴 합리성은 추출된 평균 분산(AVE ≥ 0.50)으로 결정되었습니다. 판별적 코건시는 Fornell–Larcker 표준에 의해 검증되었으며, 이 표준에서는 각 구성의 AVE의 제곱근이 추가 개념과의 연관성보다 더 컸다. 구성 요소 j의 AVE는 다음과 같이 계산되었다:

(8)

여기서 λ_ij는 구성 요소 j에 대한 항목 i의 표준화된 인자 하중, 는 측정 오차입니다.

현재 연구의 측정 모델은 그림 4에 나타났습니다. 각 장기 TAM 프레임워크의 잠재 구조는 여러 반사 지표에 의해 작동화되었습니다. 특히, 인지된 사용 편의성(PEOU)과 인지된 유용성(PU)은 4개의 문항으로 측정되었고, 태도(ATT)와 행동 의도(BI)는 3개의 문항으로 측정되었습니다. 조정자인 인지된 진정성(PA)과 의인화(ANTHROPOMORPHISM)는 각각 세 가지 지표를 사용해 평가되었습니다. 모든 경로는 개념에서 각각의 포인터로 이어졌으며, 측정 모델의 반영적 성격을 반영했습니다. 개념의 신뢰성과 타당성은 인자 부하, 크론바흐 알파, 복합 신뢰도(CR), 평균 분산 추출(AVE)을 사용하여 확인되었습니다. 이로 인해 측정 모델과 개념이 단편 동영상 플랫폼에서 가상 인플루언서에 대한 사용자 태도와 행동 의도의 원하는 차원을 측정한다는 통계적 타당성이 입증되었습니다.

구조 모델 테스트
측정 타당성이 확립된 후, 확장된 TAM 모델의 구조적 경로를 검토하였습니다. 가정된 직접적 관계는 다음과 같습니다:

(9)

(10)

(11)

여기서: β₁은 PEOU → PU의 효과를 조사했고, _{β 2},_{β 3}은 PU와 PEOU의 효과를 →, β₄는 ATT→ BI의 효과를 포착했다. 경로 계수(β)는 부트스트래핑 방법(5000 재샘플)으로 계산되었고, 유의성은 t-값과 p-값을 통해 계산되었습니다.

감속 분석
상호작용 효과를 조사하기 위해 감속 분석이 수행되었습니다. TAM 확장에는 인식된 진정성(PA)과 의인화(ANTHROPOMORPHISM)가 중재자로 포함되었습니다. 모듈레이션은 독립 변수와 모듈레이터 간의 상호작용 항을 생성하여 테스트하였다. 확장된 모델은 다음과 같이 묘사되었습니다:

(12)

여기: PU × PA: 진정성이 태도에 대한 유용성이 수행하는 역할을 강화하는지 검증했습니다. PEOU × ANTHs: 의인화가 태도에 대한 인지된 사용 편의성 결과를 향상시키는지 평가함. TT × PA: 진정성이 행동 의도에 대한 태도 결과를 강화하는지 평가함. β₇, β₈, 또는 _{β 10}의 중요한 계수가 조절 발생을 확인했습니다.

모델 평가
모델 전체는 설명력과 예측력의 측면에서 평가되었습니다:

결정계수 (R²): 내인성 구성(ATT 및 BI)의 명확한 변화를 의미한다. 행동 연구에서는 R² ≥ 0.50이 큰 것으로 간주되었습니다.

예측 관련성 (Q²): 눈가리개를 통해 결정되었으며, Q² > 0은 예측 타당성을 나타냅니다.

효과 크기 (f²): 모델에 대한 모든 구성의 효과를 파악하는 데 사용되었으며, 다음과 같이 계산됩니다:

(13)

여기서 분산은 예측 변수를 포함했을 때 설명되었고, 예측 변수를 제외했을 때 분산은 설명되었습니다. 결론적으로, 데이터 분석은 처음에 구성의 신뢰성과 타당성을 확인하고, TAM의 구조적 관계를 검증하며, 의인화와 진위성의 조절 효과를 평가하고, 마지막으로 전형의 기술적 및 외삽적 통제 여부를 점검합니다. 이러한 철저한 접근법은 결과의 신뢰성을 보장하며, TAM을 단편 동영상 플랫폼의 가상 인플루언서 사례에도 적용할 수 있게 합니다.

가설 검정
확장 TAM 프레임워크를 확인하기 위해 PLS-SEM과 부트스트래핑(5000개의 재샘플)을 사용해 8가지 가설을 검증하였습니다. 부트스트래핑 과정은 트레일 상수(β), t-값, p-값을 생성했으며, 이들은 임계값(p < 0.05)에 맞춰 설정되었습니다.

직접 효과 (H1–H4)
먼저 고전적 TAM의 직접적인 영향이 평가되었다. 연구 결과, 인지된 사용 편의성(PEOU)이 인지된 유용성(PU)에 중요한 영향을 미친다는 것이 확인되었습니다. 추정 방정식은 다음과 같습니다:

(14)

여기서 β₁=0.46, t=8.72, p < 0.001. 따라서 H1도 지원됩니다.

둘째, 인지된 유용성(PU)과 PEOU도 태도(ATT)에 긍정적인 영향을 미치는 것으로 나타났습니다:

(15)

β₂=0.39, T=7.64, P < 0.001, β₃=0.21, T=2.14, P < 0.05. 이 결과들은 H2와 부분적으로 H4를 지지하며, 인지된 사용 편의성과 유용성이 태도를 변화시킨다는 점을 강화합니다.

마지막으로, ATT가 행동 의도(BI)에 미친 영향은 상당했습니다:

(16)

β₄=0.58, t=10.12, p < 0.001. 따라서 H3는 긍정적인 태도가 가상 인플루언서 사용 의도를 강하게 이끈다는 점을 강조하며 강력히 지지받고 있습니다.

조절 효과 (H5–H8)
상호작용 용어를 포함시켜 인지된 진정성(PA)과 의인화(ANTH)의 조절 효과를 검증하였다.

H5의 경우, PU가 ATT에 미치는 영향은 PA에 의해 조절되었습니다:

(17)

β₅=0.15, t=3.21, p < 0.01. 이는 VI가 진정성으로 여겨질 때 그 유용성이 태도에 더 큰 영향을 미친다는 것을 시사한다.

H6에서는 PA에 의한 ATT → BI 조정도 중요했습니다:

(18)

β₆=0.12, t=2.94, p<0.01. 이는 진정성이 긍정적인 태도와 행동 의도 사이에 더 강한 연관성을 가진다는 것을 의미합니다.

H7의 경우, 의인화 ANTH는 PEOU가 ATT에 미치는 영향을 완화합니다:

(19)

β₇=0.14, t=3.08, p < 0.01. 따라서 VI가 더 인간적일 때, 사용 편의성은 긍정적인 태도로 더 강력하게 작용합니다.

H8의 경우, 의인화는 ANTH(인격화)를 완화하는 PU→ ATT 경로도 강화시켰습니다:

(20)

β₈=0.11, t=2.21, p < 0.05.

모델 성능은 설명력에 R² , 예측 관련성에 Q² , 각 예측 변수의 기여도를 평가하기 위해 효과 크기(f²)를 사용하여 평가하였다.

결과

짧은 동영상 애플리케이션(인스타그램 릴스, 유튜브 쇼츠, 틱톡)의 활발한 사용자들로부터 총 350개의 유용한 응답을 얻었습니다. 데이터는 전처리와 불완전 응답 제외 후 SmartPLS 4.0의 부분 최소제곱 구조 방정식 모델링(PLS-SEM)을 사용해 분석되었습니다. 이 접근법은 측정 모델과 구조 모델, 그리고 감속 효과 모두를 평가할 수 있게 했습니다.

결과는 제안된 확장 TAM 프레임워크의 타당성을 확인해 주었습니다. 신뢰도 분석 결과 모든 구성어가 권장 임계값을 초과했다(Cronbach의 α > 0.70, 복합 신뢰도> 0.80, AVE > 0.50). 구조적 관계는 통계적으로 유의미했으며, 인지된 사용 편의성(PEOU)은 인지된 유용성(PU)(β = 0.46, p< 0.001), PU가 태도(ATT)에 긍정적인 영향을 미쳤으며(β = 0.39, p< 0.001), ATT는 행동 의...

토론

구성 개념을 검증하기 위해 측정 모델은 신뢰성, 수렴 타당성, 판별적 타당도를 평가했다^39,40. 연구 결과는 단편 동영상 플랫폼에서 가상 인플루언서(VI) 사용자 채택에 영향을 미치는 중요한 요인들을 제공합니다. 결과는 기술적 요인(인지된 유용성 및 인지된 사용 편의성)과 심리적 요인(인지된 진정성 및 의인화) 모두가 사용자 태도와 행동 의도에 큰 영향을 미친다는 것을 보여줍니다.

인지된 유용성은 지배적인 예측 변수로 등장하며, 사용자가 콘텐츠가 가치 있다고 인식할 때 VI에 더 많이 참여할 가능성이 높다는 것을 나타냅니다. 예를 들어, 오락, 정보, 사회적 관련성 등으로 19,20,21.<...

재료

이 논문에 사용된 재료 목록

이름	회사	카탈로그 번호	댓글
컴퓨터 시스템 (PC/노트북)	일반 (HP/Dell/Lenovo 또는 동등)	N/A	데이터 수집 및 분석에 사용
Google Forms	Google LLC	N/A / https://forms.google.com	설문 설계 및 데이터 수집에 사용
Instagram Reels	Meta Platforms Inc.	N/A / https://www.instagram.com/reels/	가상 인플루언서 비디오 자극을 위한 플랫폼
인터넷 연결	로컬 인터넷 서비스 제공업체	N/A	설문조사 및 플랫폼에 액세스하는 데 필요
Microsoft Excel	Microsoft Corporation	365 / https://www.microsoft.com/excel	데이터 사전 처리 및 구성에 사용
Python	Python Software Foundation	3.x / https://www.python.org	선택적 사전 처리 및 데이터 처리에 사용
SmartPLS	SmartPLS GmbH	4.0 / https://www.smartpls.com	PLS-SEM 분석을 위해 사용, 포함 HTMT, Q² (블라인드폴딩), 및 f² 효과 크기
TikTok	TikTok Inc.	N/A / https://www.tiktok.com	가상 인플루언서 비디오 자극을 위한 플랫폼
가상 인플루언서 비디오 클립	저자 생성 데이터 세트	N/A	참가자에게 제시되는 표준화된 비디오 자극
YouTube Shorts	Google LLC	N/A / https://www.youtube.com/shorts	가상 인플루언서 비디오 자극을 위한 플랫폼