Journal of Channel and Retailing
Korea Distribution Association
Research article

상권 방문특징과 상권 포지셔닝 맵에 대한 탐색적 연구: 대응일치분석과 다차원척도법의 절차적 적용

이수덕1, 이용기2, 한영위3,*
Soo-Duck Lee1, Yong-ki Lee2, Youngwee Han3,*
1세종대학교 경영전문대학원 경영학과 프랜차이즈 겸임교수
2세종대학교 경영학과 교수
3세종대학교 경영학과 박사
1Adjunct Professor, FC MBA, Graduate School of Business, Sejong University
2Professor, Graduate School of Business, Sejong University
3Ph.D., Graduate School of Business, Sejong University
*Corresponding Author: hanyw@outlook.kr

© Copyright 2022 Korea Distribution Association. This is an Open-Access article distributed under the terms of the Creative Commons Attribution NonCommercial-ShareAlike License (http://creativecommons.org/licenses/by-nc-sa/4.0) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

Received: Aug 11, 2022; Revised: Sep 22, 2022; Accepted: Oct 17, 2022

Published Online: Oct 31, 2022

국문초록

마케터가 객관적으로 분석대상의 상권특징을 파악하고 경쟁관계에 있는 상권과의 차별성을 분석하는 과정은 상권 활성화를 위한 마케팅 전략의 수립에 있어 필수적인 선행과제이다. 본 연구의 차별성과 연구목표는 다음과 같다. 첫째, 본 연구는 상권특징 분석의 객관성과 타당성을 확보하기 위해 목적지 방문자 특징분석을 위한 이론과 방법론을 적용하여 체계적인 상권 방문특징의 분석방법을 제시하고자 한다. 둘째, 경쟁상권과 대응하여 차별적인 상권 경쟁전략의 수립을 위해 상권 방문자의 지각 차이에 따른 상권 포지셔닝 맵의 작성에 필요한 절차적 방법론을 제안할 것이다. 본 연구의 목표를 달성하기 위해 분석대상 상권으로 선정된 건대입구역, 홍대입구역, 강남역 상권에 자주 또는 익숙하게 방문하는 소비자에 대한 설문조사를 통해 상권 방문자의 특징이 분석되었다. 이를 위해 카이제곱 검정을 통해 세 곳의 상권과 방문 출발지 등 8가지 범주 간의 유의적 차이가 있는지 분석된 후, 대응일치분석(CA)을 활용하여 세 곳의 상권과 각 범주 관계에서 방문자 지각과의 연관성이 도표에 시각화되었다. 그리고 CA를 확장한 다중대응일치분석(MCA)을 통해 세 곳의 상권과 성별 및 방문 동반자 유형, 성별 및 연령대 간의 관계에 대한 방문자의 지각 차이가 포지셔닝 맵에 시각화되었다. 마지막으로, 다차원척도법(MDS)의 유형의 하나인 다차원선호분석법(MDPREF)을 활용하여 세 곳의 상권과 방문목적, 주요 이용업종, 정보원천 간의 관계에 대하여 세 곳의 상권과 방문자의 지각 차이가 포지셔닝 맵에 표현되고, 이 과정을 통해 상권 포지셔닝 맵의 개발을 위한 절차적 방법론이 제시되었다. 본 연구의 결과는 상권 방문자의 관점에서 마케터에게 상권특징에 대한 객관적인 분석방법을 제시하고, 소비자의 상권 방문특징에 기반하여 적합하고 효율적인 상권 마케팅 전략 수립의 절차와 방법론을 제시해 줄 것이다. 그리고 본 연구는 유사상권과의 경쟁전략으로써 상권 포지셔닝 맵을 활용하여 차별적인 상권 마케팅 전략 개발과 상권 목표인식의 재배치 또는 개선과 관련된 상권 리포지셔닝에 관한 방법론도 함께 제안할 것이다.

ABSTRACT

The process of identifying the characteristics of the trading area to be analyzed and analyzing the difference from the competitive trading area is an essential prior task in establishing marketing strategies to revitalize a trading area.

However, most trading area studies, so far, have relied heavily on quantitative descriptive statistics of a trading area itself or the empirical insight of researchers. As a result, objective and valid research methodologies for analyzing the characteristics of trading area were very deficient and there were few research attempts to analyze differences from competing trading areas based on the perception differences of visitors.

To achieve the objectives of this study, the following procedures were carried out. First, a questionnaire survey was conducted for consumers who frequently or accustomed to visiting the trading areas of Konkuk University Station (K TA), Hongik University Station (H TA), and Gangnam Station (G TA), which were selected as the target trading areas. Next, through using the chi-square test, it was verified whether there were significant differences between the three trading areas and the eight categories, such as the origin of the visit and the type of visiting companion. The differences in the association of visitors between trading areas and categories were plotted in diagrams.

And by using the Multiple Correspondence Analysis (MCA), which is an extension of CA, the perception differences of visitors were visualized on the positioning map with respect to the relationship between the three trading areas and gender/type of visit companion, and gender/age group. In addition, by using the Multidimensional Preference Analysis (MDPREF), one of the types of Multidimensional Scale Methods (MDS), the difference in perception of visitors is analyzed through a positioning map on the relationship between three trading areas, the purpose of the visit, major use business types, and information sources. A procedural methodology for the creation of a trading area positioning map was presented.

The results are as follows. First, there were significant differences in the categories of the origin of visit, type of visiting companion, average spending amount, visiting transportation, and return transportation in the three trading areas. Second, the MCA results verified that the K TA is is favored by the female and the 20s, the H TA by the male and the 30s, and the G TA by the 40s.

Finally, the results of the MDPREF analysis are as follows. First, in terms of the perception of visitors, the H TA was recognized as a mixed trading area with multi-dimensional purposes, not specific factors, unlike the other two trading areas. Second, in the relationship between the three trading areas and the major business type used, the three trading areas were not differentiated and were found to be in fierce competition. Third, in terms of information sources, there was no difference in the information sources used by visitors to the three trading areas, and it was found that visitors preferred to obtain informations through Internet search, neighborhood recommendation, and SNS.

The results provide trading area marketers with a theoretical methodology to build effective trading area marketing strategies including market segmentation and customer targeting through the objective identification of visit characteristics and analysis of perceptual differences of trading area visitors. In addition, the results suggest a theoretical and procedural methodology for arranging the trading area positioning map that is differentiated as a competitive strategy and repositioning the specific trading area by improving the visitor's perception and reassigning on the target perception of the trading areas.

Keywords: 방문특징; 상권특징; 상권분석; 포지셔닝; 리포지셔닝; 방문자 지각; 다차원선호분석; 다중대응일치분석
Keywords: Visit Characteristics; Trading Area Characteristics; Trading Area Analysis; Positioning; Repositioning; Visitor Perception; MCA; MDPREF

Ⅰ. 서론

건대입구역 상권(이하 ‘K 상권’)은 대학가 상권인가? 홍대입구역 상권(이하 ‘H 상권’)은 유흥상권인가? 강남역 상권(이하 ‘G 상권’)은 오피스 상권인가?

K 상권은 강북지역을, H 상권은 강서지역을, G 상권은 강남지역을 대표하는 상권으로 세 곳 상권들 모두 국내를 대표하는 유동인구 중심의 대형 상권임은 분명한 사실이다(민철기, 강창덕, 2021; 채성규, 2012).

문제는 세 곳의 상권이 개별적으로 어떠한 상권특징을 나타내고 있는지, 그리고 비교 관점에서 상권 방문자들이 각 상권을 어떻게 상이하게 지각하고 있는지를 객관적이고 타당성 있는 방법으로 설명하는 것은 현실적으로 쉽지 않다는 사실에 있다. 그 이유는 지금까지 소비자의 관점을 직접적으로 살펴본 상권연구와 상권특징에 관한 연구들이 많이 진행되지 않았으며, 두 곳 이상의 상권을 대상으로 방문자들의 상이한 지각 차이를 비교분석하는 연구들은 찾아보기 어렵기 때문이다.

그러나 최근 상권연구가 정량적인 기술통계 분석에 벗어나 상권을 단순히 경제적 범위로만 제한하지 않고 연구자의 목표에 따라 다양한 차원에서 접근하는 연구 시도가 활성화되고 있는 것은 매우 고무적이다. 예를 들어, 상권연구를 배달상권과 같은 온라인 상권으로 확대 적용하고(허자연 외, 2014; Lee, 2020), 상권을 경제적 공간을 넘어 문화적 공간, 사회적 공간의 역동적인 공간으로 이해하여 소비자의 관점에서 상권방문 동기를 내적동기인 추진요인과 외적동기인 유인요인을 분석하거나(이수덕, 이용기, 2018; 이수덕, 이용기, 2019), 장소애착의 관점에서 상권과 장소성을 연계한 융합연구들이 이에 해당된다(강도원, 최창규, 2012; 이수덕, 이용기, 2020).

상권 방문자를 중심으로 한 상권연구의 성과물들은 실무적으로 노후화된 지역상권 활성화, 골목상권 활성화, 도심상권의 기능회복과 같은 국가나 지자체의 경제적, 사회적 정책의 수립과 실행에 있어 중요한 이론적 기반이 되어 가고 있다(김현철, 이승일, 2019; 류태창, 최봉문, 2012; 정영라, 2020; 정연승, 최순화, 2016; 홍상호, 신우진, 2016).

이러한 연구 경향들이 기존의 전형적인 상권연구들과 차이가 나는 이유는 상권 방문자인 소비자를 상권연구의 객체가 아니라 주체로써 설정하고 상권과의 직·간접적인 관계성을 실증분석하려는 시도를 담고 있기 때문이다.

상권 마케팅 관점에서 소비자의 일상생활과 밀접하게 관련된 상권을 바람직한 방식으로 활성화하기 위해서는 상권 방문자의 특징을 객관적으로 분석하여 그 결과를 상권 활성화 전략의 기본적 정보로 활용하는 것이 무엇보다 필요하다. 상권 방문특징은 목적지 방문특징처럼 방문자가 무슨 이유로, 어떠한 수단으로, 누구와 함께 방문하고, 방문지에서 어떠한 활동을 하는지에 대한 정보로써 마케터가 방문자 행동을 탐색적으로 이해하는 데 중요한 선행변수가 된다(Sanz-Blas et al., 2019).

이러한 맥락에서 상권 방문특징은 방문이유, 방문목적, 방문수단, 방문 동반자 유형, 방문활동 등을 의미하고, 상권 방문특징에 따라 개별상권의 특징은 다르게 나타날 것이다. 즉, 상권 방문특성 분석은 개별상권의 특징을 이해하는 데 필요한 선행과제이고, 마케터는 분석상권과 경쟁상권과의 비교를 통해 상권 방문자의 지각 차이를 분석하여 타당한 마케팅 전략 수립을 할 수 있다.

한편, 상권 방문특징 분석을 확장하여 상권 방문자가 특정 범주와의 관계에서 개별상권을 어떻게 인식하고 있는지에 대한 지각도(perceptual map)와 경쟁상권과 비교하여 방문자의 차별적인 지각을 도표에 시각적으로 표시할 수 있는 상권 포지셔닝 맵(trading area positioning map)의 작성은 비교상권과의 경쟁전략, 상권 활성화를 위한 개선된 마케팅 프로그램, 상권 재활성화 전략(revitalization strategy), 그리고 상권의 목표지각 재배치와 관련된 상권 리포지셔닝(repositioning) 전략을 수립하는 데 매우 유용하게 활용될 수 있다.

상권의 차별적 지각은 상가들과 소비자가 존재하는 개별적 상권환경이 다른 상권들과 구별되는 상대적 가치와 차별적인 장점에 대한 것으로, 상권 포지셔닝은 방문자의 지각에서 특정 상권의 차별적 가치가 무엇인가를 알려준다(김주일, 2019). 소매상권이나 대형 쇼핑센터는 경쟁적인 시장환경에서 생존하기 위해 다른 경쟁자와 차별적인 마케팅 프로그램을 개발하고 자신만의 독특한 포지셔닝을 전략적으로 실행하여 소비자의 방문을 촉진해야 하고(Arora, 1982), 마케터는 소비자의 상이한 지각을 찾아내기 위해 포지셔닝 맵을 활용하여 비교 대상과의 경쟁관계를 확인하여 마케팅적 개선과제 및 활성화 방안을 도출할 수 있다(Dibb & Simkin, 1991).

본 연구는 분석대상 상권과 경쟁상권 간의 방문자 인식의 차이를 확인하는 과정을 통해 상권 포지셔닝 맵 개발에 관한 방법과 절차에 대한 탐색적 연구이다. 이에, 본 연구는 K 상권, H 상권, G 상권에 방문한 소비자들이 세 곳의 상권을 어떻게 차별적으로 지각하고 있고 포지셔닝이 되어 있는지에 관한 연구방법론을 제시하고, 상권 포지셔닝 맵의 개발과정에 대한 절차적 방법론을 제공할 것이다.

Ⅱ. 이론적 고찰

1. 방문특징

방문특징(visit characteristics)은 특정 장소에 방문하는 소비자의 특징을 말한다. 소비자의 방문특징은 성별, 나이, 교육, 수입 등의 인구통계학적 특징과 방문빈도, 지출규모, 상품 선호도, 정보원천 등의 소비자 행동특징을 포함한다. 마케팅 전략에서 마케터는 소비자의 방문특징 분석을 통해 제품과 서비스에 대한 소비자의 인식을 파악하여 목표시장의 성과개선을 위한 효율적인 마케팅 프로그램을 제안할 수 있다(Gallons et al., 1997).

목적지 방문특징 분석은 특정 목적지에 방문한 방문자의 특징을 분석하는 것인데, 방문자의 인구특징, 방문목표, 개인적 선호도에 대한 분석을 동반한 방문자 프로파일링(visitor profiling)의 과정을 동반할 수 있다(Torbidoni et al., 2005). 방문자 특성을 구성하는 방문 출발지(origin), 연령대, 성별은 특정 목적지에 대한 방문자의 방문경험과 방문만족에 영향을 미친다(Spinks et al., 2005).

방문자 유형은 방문자 특성, 방문동기, 방문지 선택결정의 선호도에 따라 달라질 수 있고, 방문자 특성은 방문목적, 방문동기, 동반자 유형, 교통수단, 방문빈도, 체류시간, 주요한 방문활동의 변수를 통해 연구자는 방문자 유형과 방문특징을 분석할 수 있다(Torbidoni et al., 2005).

목적지 방문자 특징은 방문의도, 방문목적, 방문거리, 인구통계학적 특징, 정보원천 등의 범주로 분석이 가능하고, 방문자의 개별적인 방문평가를 파악하여 마케팅 관점에서 목적지의 차별적인 이미지를 찾아낼 수 있다(Boo & Busser, 2006). 특히 장소 마케팅에서 방문특징은 환경, 시설, 즐길거리, 음식, 교통 등 목적지 특징에 따라 다르게 나타나기에, 방문자 특징과 목적지 특징에 대한 객관적 분석은 마케팅 전략 수립에 있어 매우 중요한 선결적 과제이다(Boo & Busser, 2006).

따라서 마케터가 방문자 특성과 목적지가 내재하고 있는 주요한 특징들과의 연관성을 밝히고, 이를 바탕으로 방문자의 방문 전 기대, 실질적 경험, 방문 후 전반적 만족을 평가하는 것은 장소 마케팅에서 매우 중요한 사안이다(Obua & Harding, 1996).

목적지 방문특징 분석처럼 상권 마케팅 영역에서도 마케터는 방문빈도, 방문 교통수단, 평균 지출금액 등 대형 할인매장 방문자의 특성을 분석하여 경쟁매장과 차별적인 경쟁전략을 마련할 수 있다(이흥우, 박원석, 2004).

상권 방문특성 분석의 변수로써 방문자의 출발지, 방문거리, 소요시간의 분석은 일반적으로 소비자 출발지 조사법(CST: customer spotting technique)과 시간민감성분법(TSM: time sensitivity measurement)이 이용된다. 마케터는 CST와 TSM을 통해 상권 방문자의 출발지, 상권범위, 방문 교통수단, 방문빈도, 지출규모를 분석할 수 있다(이상규, 2012; 이용직, 최내영, 2005; 홍상호, 신우진, 2016).

마케터는 유통형태에 따라 전통시장, 대형 할인매장, 백화점을 비교하여 상권들과 이용시간 및 지출규모 간의 차이를 분석할 수 있고(김홍빈, 김현, 2012), 유통업체에 방문하는 소비자의 인구통계학적 특성, 방문빈도, 교통수단, 평균 지출금액, 주요 구매상품에 대한 분석을 통해 방문자의 특징을 분석하여 인근 유통업체에 대항하는 경쟁전략을 마련할 수 있다(이흥우, 박원석, 2004).

2. 포지셔닝

마케팅은 제품의 싸움이 아니라 소비자의 인식의 싸움이다. 특히, 포지셔닝은 잠재고객들에게 지각되는 경쟁사와의 상대적인 자사 제품/서비스의 특징적 위치를 잡아주어, 자사의 차별적 경쟁력을 파악하는 대표적인 마케팅 기법이다(Ries & Trout, 2001).

브랜드 포지셔닝은 소비자들이 자사 브랜드를 타 브랜드와 어떻게 상대적으로 다르게 인식하고 있는가의 개념으로, 목표시장에서 타 경쟁사와 비교하여 어떠한 속성이 다르고 더 나은지에 대한 소비자와 차별적인 소통방법이다(Sujan & Bettman, 1989).

포지셔닝 전략은 시장에서 경쟁자와 차별화하기 위한 마케팅 전략이자, 브랜드의 목표 이미지 또는 목표 지각을 기업이 원하는 바대로 소비자의 지각에 심어주기 위한 전략 과제이다. 이에 마케터는 차별적인 포지셔닝 전략을 통해 소비자와 마케팅 커뮤니케이션을 하는 것이 중요한데, 이를 위해 경쟁자들의 장점과 약점을 파악하고, 경쟁 관계에서 자사의 상대적 위치를 확인하여 차별적인 포지셔닝 전략을 갖추는 것은 기업의 경쟁력 유지와 장기적 성장에 필요적 요소이다(Blankson et al., 2013; Chen & Uysal, 2002; Sujan & Bettman, 1989).

포지셔닝 전략에는 목표고객과 경쟁자 목표고객 분석은 물론, 경쟁자와 비교한 내부의 장점과 약점, 외부환경의 기회와 위협의 프로파일(SWOT)을 포함해야 한다(Blankson et al., 2013). 이러한 포지셔닝 과정을 통해 기업은 시장지향성을 바탕으로 비용우위 차별화, 브랜드에 의한 차별화, 기술혁신에 의한 차별화를 선택하여 경쟁적 포지셔닝을 구사할 수 있다(Blankson et al., 2013). 포지셔닝 전략은 장소 마케팅에서도 적극 활용되고 있다. 경쟁력 있는 목적지는 방문자에게 환경적, 문화적, 그리고 경제적 지속성을 기반으로, 다른 경쟁 목적지와는 차별적 가치를 제공한다. 목적지들은 방문자를 유인하기 위해 서로 치열하게 경쟁하므로 마케터는 경쟁에서 승리하기 위해 잠재적 방문자를 향해 차별적이고 독특한 목적지 포지셔닝을 해야 한다(Rodríguez-Díaz et al., 2017).

이러한 맥락에서 매장 포지셔닝은 주변 경쟁점과 비교되는 소비자 지각된 차별성을 뜻한다. 구체적으로 매장의 독특한 제품구성, 환경, 서비스, 커뮤니케이션의 경쟁력을 통하여 매장의 차별적인 포지셔닝을 형성할 때, 매장은 소비자들에게 방문을 유인하는 핵심적 이유를 제공할 수 있다(Arora, 1982; Devlin et al., 2003; Guan et al., 2012). 같은 관점에서 Siebers et al.(2013)은 소매점에서 가격, 상품, 시설, 환경, 이용 편리성, 매장 서비스, 결제과정, 구매 후 서비스 등은 매장 포지셔닝을 구성하는 요소가 되고, 다른 소매점과 차별적으로 지각되는 중요한 이유들이 된다고 하였다.

또한 제품, 서비스, 그리고 브랜드에 대한 소비자의 차별적 지각에 기초하여 작성되는 지각도와 포지셔닝 맵은 마케터가 목표시장에서 경쟁자들과 비교하여 소비자가 어떠한 지각의 차이가 있고, 누구와 경쟁하고 있으며, 상대적으로 어떠한 위치에 있는지를 도표를 통해 시각적으로 보여준다. 따라서 마케터는 지각도와 포지셔닝 맵을 통해 경쟁 관계 개선, 소비자 지각의 위치변경, 목표 이미지 개선을 위한 마케팅 개선점을 전략적으로 검토할 수 있다(Dibb & Simkin, 1991; Faullant et al., 2008; Moon & Kamakura, 2017).

그러나 포지셔닝은 경쟁업체의 시장침투, 시장의 성숙도 변화, 경쟁자 출현, 소비자의 선호도에 따라 변화될 수 있다. 이에 리포지셔닝(repositioning) 전략이 필요하다. 리포지셔닝은 시장에서 대상의 차별성이 약화되거나 정체성이 부정적으로 변하는 것을 막기 위해 경쟁전략을 보완 및 수정하는 능동적 대응이다(Corstjens & Doyle, 1989).

전략적 리포지셔닝 개발은 포지셔닝 개발과 같이 소비자의 방문특징 분석과 매장특징을 객관적인 방법으로 분석하고 경쟁사와 비교하여 현재의 소비자의 차별적인 지각을 포지셔닝 맵에 작성의 과정을 거친다. 다음으로, 마케터는 경쟁매장과 차별적인 새로운 위치를 결정하기 위한 대안적 지각도를 개발하고, 최종적으로 소비자의 수정된 목표인식에 대한 개선된 위치로의 재배치하는 과정을 수행한다(Van Auken & Lonial, 1991).

Ⅲ. 연구과제

1. 연구과제 선행연구 고찰

상권과 방문자 출발지 및 방문 수단과의 관계에서 지남석과 지규현(2010)은 출발지로부터 대형 할인점과의 거리는 방문빈도 등 방문특성에 유의한 영향을 미친다고 하였다. 이용직과 최내영(2005)은 대형 할인마트에 방문한 고객을 CST로 분석한 결과, 방문수단, 평균 지출규모, 방문빈도 면에서 자가용 이용자가 가장 많으므로 자가용 이용자에 대한 마케팅이 필요하다고 하였다.

또한, 홍상호와 신우진(2016)은 소비자가 자가용으로 전통시장에 방문할 경우 출발지로부터 적절하다고 지각하는 거리의 한계는 2.3km이고, 소요시간은 14-19분 정도라고 하였다. 이흥우와 박원석(2004)은 대구지역의 이마트는 홈플러스보다 뛰어난 주차능력을 보유하고 있어 자가용 방문고객이 많고 다양한 상품들로 방문자의 평균 지출금액이 높은데, 이는 이마트가 홈플러스보다 상권범위를 광역적으로 설정하는 경쟁전략을 채택했기 때문이라고 설명하였다.

상권과 방문 동반자 유형의 관계에서 정영라(2020)는 전통시장의 동반자 유형을 혼자, 친구, 연인, 가족, 직장동료로 분류하고, 전통시장은 친구, 연인, 가족과의 방문비율이 높기에 동반자 집단에 대한 마케팅 노력이 필요하다고 하였다. 문소연 외(2018)는 음식특화거리의 방문자 군집분석에서 가족, 친구, 직장동료로 구성된 동반자 범주는 군집 간에 유의한 차이가 있다고 하였으며, 특히 가족 단위에게 방문지 선택의 가장 중요한 요인은 청결과 위생이라고 하였다.

상권과 평균 지출규모 간의 관계에서 김홍빈과 김현(2012)은 지출규모 면에서 백화점이 141,166원, 대형 할인매장 86,083원, 전통시장 41.378원의 순으로 전통시장의 평균 지출금액이 가장 낮으며, 그 원인을 주요한 상품들이 낮은 가격대로 형성되어 있고 점포구성과 배치의 효율성이 다른 곳에 비해 떨어지는 약점이 있기 때문이라고 하였다. 이상규(2012)는 자가용 이용자가 지출규모가 가장 크기 때문에, 전통시장은 충분한 주차시설을 확보하여 가족 단위의 방문촉진을 통해 방문자의 지출규모를 늘려야 한다고 주장하였다.

상권과 교통수단, 방문 소요시간, 그리고 방문빈도와의 관계에서 신일진과 정준호(2020)는 건대입구역 상권 방문자의 약 66%가 평균 3.2km의 거리 내에 있고, 방문 교통수단은 지하철이 가장 많았으며, 방문빈도는 월 평균 7.5회, 평균 소요시간은 17분, 연령대는 평균 26세로 분석하였다.

한편, 상권과 주요 방문시간과의 관계에서 김홍빈과 김현(2012)은 유통형태별로 월 평균 방문빈도는 대형 할인매장이 4.07회, 전통시장 2.75회, 백화점이 1.92회로 대형 할인마트가 가장 많으며, 주요 방문시간은 전통시장과 백화점은 모두 오후 15-18시에 많지만, 대형 할인매장은 오후 시간보다 저녁 19-21시에 더 붐비는 사실을 확인하였다.

김현철과 이승일(2019)은 상권특징에서 연령대별과 시간대별 매출비율, 소매업 점포 수, 음식점 및 주점업 점포 수, 업종 수, 상권면적, 상가밀도, 유동인구 수의 변수들이 골목상권의 매출액 변화와 유의한 관계에 있다고 주장하였다.

이종원 외(2018)는 방문자 특징에 기초하여 대응일치분석을 통하여 전통시장의 방문자는 연령대가 높고 소득수준이 낮고 단독주택 거주하는 소비자일수록 전통시장을 선호한다는 사실을 확인을 통해 유통형태에 따라 방문자 특성이 달라진다고 분석하였다.

장흥섭과 김광석(2007)은 대구지역 전통시장을 대상으로 속성별 만족도-중요도 간의 차이 검증과 대응일치분석을 통해 소비자는 전통시장의 교환, 위생, 카드 사용 등 소프트웨어적인 서비스 측면을 중시하는 반면, 상인은 주차시설, 상품 가격 등 하드웨어 측면을 중시하는 지각의 차이가 있음을 보여주었다.

상권과 정보원천 간의 관계에서 김윤정 외(2016)는 사회 네트워크 분석을 통해 상권특징을 추론하면서 온라인 및 SNS의 정보원천의 중요성을 강조하였으며, 박민숙(2014)은 특정 소매점에 방문경험이 없는 소비자는 강한 유대감이 있는 지인이 추천할 때 구전효과가 높다고 하였다. 이애리와 이주원(2018)은 인스타그램을 활용하여 이태원 상권의 관련 게시글에서 다수 발생하는 해시태그들의 분석을 통해 이태원 상권의 급격한 성장한 이유를 설명하였다.

상권과 성별과의 관계에서 정영라(2020)는 전통시장에서 남성보다 여성이 방문빈도가 높고 방문목적이 분명하기에, 시장세분화의 관점에서 여성 방문자를 유인하는 마케팅 전략에 대한 중요성을 주장하였다. 반면 오흥록 외(2017)는 서울시 골목상권들의 특성을 군집분석한 결과, 성별과 연령별 거주인구, 성별과 연령별 직장인구의 요인은 골목상권 매출액에 유의한 영향을 미치지 않는다라는 상반된 결과를 제시하였다.

소비자의 지각의 차이와 관련된 지각도와 포지셔닝의 연구에서 정영우(2006)는 소비자의 특징분석을 통해 커피 맛, 분위기, 인테리어, 방문 편리성 등의 차원에서 커피 브랜드별 선호도를 평가할 수 있다고 하였다. 이광옥(2016)은 패스트푸드 브랜드들의 물리적 서비스, 메뉴, 부가서비스, 인적서비스의 속성평가를 통하여 각 차원별 브랜드 선호도를 평가할 수 있다고 하였다. 이처럼 브랜드별 선호도 차이는 브랜드 간의 유사성, 경쟁관계, 그리고 차별적인 소비자 지각의 차이를 포지셔닝 맵을 통해 시각적으로 확인할 수 있다.

강선아와 이은용(2013), 장하원과 이수범(2019)은 커피전문점 포지셔닝 분석에서 소비자는 프랜차이즈 브랜드인 할리스, 탐앤탐스, 엔제리너스는 서로 유사하게 지각하고 있어 각 브랜드가 고유한 브랜드 정체성을 확보하지 못하는 있거나 또는 서로 경쟁대상으로 이해할 수 있고, 이와 달리 스타벅스는 도표에서 이들과 멀리 떨어져 위치하여 있기에 소비자는 스타벅스를 다른 브랜드들과 차별적인 지각을 하고 있다고 분석하였다.

2. 연구과제의 설정

본 연구에서는 방문자 특성을 방문목적, 빈도, 동반자, 체류기간, 지출규모 등을 통해 분석한 Obua and Harding(1996)의 연구를 바탕으로 상권 방문특징은 '인구통계학적 특징을 포함하여 상권 방문자의 방문목적, 이동수단, 다양한 방문활동과 그 결과를 포함한 특징적 활동'이라고 정의되었다. 또한, 본 연구에서는 상권 방문특성 분석을 위해 방문 출발지, 방문 동반자 유형, 평균 지출금액, 방문 교통수단, 귀가 교통수단, 평균 방문빈도, 주요 방문시간, 방문 평균 소요시간의 8가지 범주가 선정되었다.

상권 포지셔닝은 Brooksbank(1994)Faullant et al.(2008) 등의 연구에 따라 ‘상권특징에 기반하여 상권이 원하는 목표 이미지 또는 목표지각을 경쟁상권과 차별적으로 잠재적 상권 방문자에게 심어주기 위한 상권 마케팅적 노력’으로 정의되었다.

또한 상권 포지셔닝 맵은 ‘경쟁상권과의 관계에서 목표고객이 대상상권을 어떻게 지각하고 있고, 경쟁상권은 누구이며, 경쟁관계는 어떠한 위치에 있는지를 시각적으로 보여주는 도표'로 정의되었다.

상권 리포지셔닝은 Corstjens and Doyle(1989)Van Auken and Lonial(1991)의 연구에 기초하여 ‘경쟁상권의 출현, 상권 내외부 환경의 변화, 그리고 방문자의 선호도 변화로 발생하는 상권 유인력의 약화 또는 부정적 변화에 능동적으로 대응하기 위해, 상권 방문자의 지각의 현재 위치나 방문자를 향한 상권 목표인식을 수정, 개선, 또는 재배치를 하는 전략적 활동'으로 정의되었다.

이러한 정의를 바탕으로 본 연구에서는 K 상권, H 상권, G 상권에 자주 또는 익숙하게 방문하는 소비자를 대상으로 세 곳의 상권과 8가지 범주가 서로 유의한 차이가 있는지, 그리고 세 곳의 상권과 범주 간에 방문자 지각의 차별적인 연관성을 분석하기 위해 아래의 연구과제들이 설정되었다.

연구과제 1 (RQ 1): 방문 출발지는 세 곳의 상권에서 서로 유의미한 차이가 있는 것인가?

연구과제 2 (RQ 2): 방문 동반자 유형은 세 곳의 상권에서 서로 유의미한 차이가 있는 것인가?

연구과제 3 (RQ 3): 평균 지출금액은 세 곳의 상권에서 서로 유의미한 차이가 있는 것인가?

연구과제 4 (RQ 4): 방문 교통수단은 세 곳의 상권에서 서로 유의미한 차이가 있는 것인가?

연구과제 5 (RQ 5): 귀가 교통수단은 세 곳의 상권에서 서로 유의미한 차이가 있는 것인가?

연구과제 6 (RQ 6): 평균 방문빈도는 세 곳의 상권에서 서로 유의미한 차이가 있는 것인가?

연구과제 7 (RQ 7): 주요 방문시간은 세 곳의 상권에서 서로 유의미한 차이가 있는 것인가?

연구과제 8 (RQ 8): 방문 평균 소요시간은 세 곳의 상권에서 서로 유의미한 차이가 있는 것인가?

그리고 세 곳의 상권과 범주들에 대한 방문자의 지각의 차이를 포지셔닝 맵에서 시각화하여 세 곳의 상권이 방문자들에게 어떠한 지각의 차이가 있고 특정 범주와의 관계에서 어떻게 포지셔닝이 되어 있는지 확인하기 위해 아래와 같이 연구과제들도 함께 설정되었다.

연구과제 9 (RQ 9) : 세 곳의 상권과 성별 및 방문 동반자 유형, 성별 및 연령대 간 관계에 대한 방문자의 지각의 차이에 따른 포지셔닝은 어떠한 차이가 있는가?

연구과제 10 (RQ 10) : 세 곳의 상권과 방문목적, 주요 이용업종, 정보원천 간 관계에 대한 방문자의 지각의 차이에 따른 포지셔닝은 어떠한 차이가 있는가?

Ⅳ. 연구설계와 연구방법

1. 표본의 설계

본 연구에서는 건대입구역 상권(K 상권), 홍대입구역 상권(H 상권), 강남역 상권(G 상권)을 중심으로 자주 또는 익숙하게 방문한 소비자를 대상으로 온라인 설문이 실시되었다. 수집결과, 총 1,343부가 회수되어 응답에 불성실하거나 일관성이 없다고 판단되는 186부가 제외된 1,157부가 최종분석에 사용되었다. 상권별 응답자들은 K 상권 336명, H 상권 393명, G 상권 398명이다.

2. 분석대상 상권의 개요

K 상권은 기존의 상권에 아파트 등 대규모 공동주택과 복합 상업시설이 결합하여 개발된 광역상권으로, 2000년대『광진구 도시기본계획 및 건대상권 일대 지구단위계획』에 의거하여 건국대학교 외부 학교부지를 수익용 부지로 전환하고 인접한 건대병원과 연계하여 복합적 용도의 상업시설인 스타시티로 함께 개발된 후, 현재 강남과 강북을 잇는 핵심 상권이 되었다(Kim, 2015).

H 상권은 1984년 지하철 2호선 개통과 더불어 상업지구 개발이 본격화되었으며, 1990년대부터 2000년대에는 홍대 예술의 거리와 수많은 클럽 등과 함께 젊음의 거리로 성장하였다. H 상권은 2010년대 공항철도와 경의 중앙선이 개통되고 인근 상수동, 합정동, 연남동 상권이 결합하여 성장하였고, 현재에는 연리단길, 경의선숲길, 아날로그 감성 문화, 골목상권의 이슈와 함께 이국적인 문화, 젊음, 자유, 새로움을 상징하는 독특한 상권문화를 형성하고 있다(민철기, 강창덕, 2021).

G 상권은 배후지역에 밀집된 업무시설이 있고 대규모 지하상가 및 도로변에 많은 패션, 화장품, 외식 브랜드 등이 상권을 형성하고 있다. G상권은 70년대부터 80년대에 대규모 아파트가 들어서면서 주거기능과 근린상업시설이 함께 발전하였고, 이후 업무시설과 상업시설들이 확충되면서 상권이 폭발적으로 성장하였다. 1982년 대규모 지하 상가권이 개발되고 2009년 9호선 신논현역과 2011년 신분당선의 개통되면서 우수한 교통 접근성을 확보되어 현재에는 평균 유동인구가 가장 많은 국내 최고의 상권의 하나로 발전하였다(채성규, 2012).

본 연구에서는 이러한 선행연구를 바탕으로 세 곳의 상권을 표본의 대상으로 설정하였다. 특히, 이 세 곳의 상권은 규모나 형태의 면에서 서울지역을 대표하는 유동인구 중심의 대형상권이라 할 수 있다. 구체적으로, K 상권은 건국대와 세종대가 배후에 있는 대학가 중심 상권, H 상권은 이국적이면서 유흥적 요소가 강한 문화 중심 상권, 그리고 G 상권은 비즈니스 중심 지역이자 쇼핑을 위한 매장이 밀집된 오피스 중심 상권으로 설명될 수 있다. 이들 상권은 서로 다른 외형적 이미지를 보이고 있기에, 상권 방문특성과 방문자의 각 상권에 대한 인식이 서로 차별적일 수 있다.

3. 분석방법

본 연구에서는 K 상권, H 상권, G 상권과 방문 출발지, 방문 동반자 유형, 평균 지출금액, 방문 교통수단, 귀가 교통수단, 평균 방문빈도, 주요 방문시간, 방문 평균 소요시간의 8가지 범주들과의 관계를 살펴보기 위해 아래에 제시한 방법론을 활용하여 순차적으로 분석되었다.

첫째, 빈도분석 및 교차 분석을 이용하여 세 곳의 상권들의 일반적 특징이 분석되었다.

둘째, 세 곳의 상권과 각 범주 간의 관계가 서로 통계적으로 유의한 차이가 있는지를 밝히기 위해 카이제곱 검정(x2, chi-square)이 실시되었다.

셋째, 대응일치분석(corresponding analysis, CA)을 활용하여 세 곳의 상권과 8가지 범주 간의 연관성 분석을 통해 방문자의 지각 차이가 도표로 시각화되었다.

넷째, 다중대응일치분석(multiple corresponding analysis, MCA)을 활용하여 두 개의 범주를 결합하여 세 곳의 상권과 성별 및 방문 동반자 유형, 그리고 세 곳의 상권과 성별 및 연령대 간의 관계에 대한 방문자들의 지각의 차이가 포지셔닝 맵에서 시각화되었다.

다섯째, 다차원척도법(multidimensional scaling analysis, MDS) 유형 가운데 다차원선호분석법(multidimensional analysis of preference, MDPREF)을 활용하여 세 곳의 상권과 복수응답의 질문인 방문목적, 주요 이용업종, 정보원천 간의 관계에 대해 방문자들의 차별적인 지각의 차이가 포지셔닝 맵에 시각화되었다(Cox & Cox, 2008).

CA는 두 가지의 범주형 변수들 간 상호관계를 통계적으로 알아보기 위한 방법으로, 2차원 도표로 범주 간의 연관성을 나타낼 수 있다(Benzécri, 1973; Goodman, 1986). CA는 교차표 또는 분할표(cross tabulations)에 있는 분석대상들의 범주 간의 상관관계를 축소·단순화하여 도표에 표현함으로써, 범주 간의 연관성을 쉽게 파악할 수 있는 탐색적 다변량 분석기법이다(Greenacre & Hastie, 1987; Yelland, 2010).

또한, CA는 범주 간의 연관성을 거리행렬(distance matrix)을 통해 도표에 시각화하여 보여주며, 거리행렬은 동시 발생하는 빈도를 거리로 변환한 유클리디안 거리(euclidean)로 이를 근접행렬(proximity) 또는 유사성 행렬(similarity)이라고도 부른다. 거리 해석은 도표에서 시각화된 범주들의 좌표 간의 거리가 가까울수록 서로 연관성이 높고, 멀리 떨어질수록 상관관계가 낮다고 판단된다(Glynn & Robinson, 2014). CA는 범주 간의 독립성을 확인하기 위해 카이제곱 검정(χ2)을 실시하고 카이제곱 값은 범주 간의 거리를 나타내며, 그 거리는 동일한 변수의 범주 간의 연관성을 분석하는데 사용된다(Doey & Kurta, 2011).

CA에서 Inertia는 기대된 동시 발생빈도와 실제 발생빈도가 계산된 것으로 변화(variation)의 정도(분산: variance)를 의미하면서 각 차원(dimension)의 설명력으로 해석된다. Inertia가 높을수록 설명력이 좋은 것으로 판단하고 Inertia의 설명력은 그들의 평균으로부터 높은 편차를 가질 때 높게 나타난다(Glynn & Robinson, 2014).

MCA는 동질성 분석(homogeneity analysis)이라고도 하며, 범주와 표본 간 관계적 수치를 적용하여 범주형 데이터를 수량화하는 분석법으로 다차원 교차표로 나타낼 수 있다(Abdi & Valentin, 2007; Greenacre & Blasius, 2006).

MCA는 CA와 마찬가지로 분석대상들의 동일한 범주에 대한 관계를 거리행렬로써 유사성을 도표에 나타내어 연관성의 정도를 나타내며(Abdi & Valentin, 2007), 다차원 측정과 지점 간의 거리를 최소화하는 비선형 다변량 분석으로 특정 범주에 대해 서로 다른 변수에 존재하는 동질한 특성을 묶어 MCA 맵에 시각적으로 표현된다(Hoffman & De Leeuw, 1992; Lin & Lin, 2016).

한편, MDS는 비교대상과 범주 간의 관계를 연관성에 기반하여 상대적 거리(comparative distance)로 측정하는 분석방법으로, 객체들의 특성을 다차원 척도를 통해 도표에 시각적으로 나타내는 통계기법이다(Torgerson, 1952).

MDS는 CA나 MCA와 마찬가지로 객체 간의 근접성 또는 유사성을 유클리드 거리행렬을 시각화를 통해 변수들과 범주 간의 연관성을 나타낸다. MDS는 데이터 세트의 복잡성을 줄이고 변수들과 범주 간의 유사성에 대한 정량적인 추정치를 MDS 맵을 통해 시각적으로 표현되며, 유사항목은 서로 근접하게 위치하고 유사하지 않은 항목은 비례적으로 더 멀리 떨어져 나타난다(Hout et al., 2013).

MDS 분석과정에서 데이터 분석이 모델에 의해 얼마나 잘 표현되고 설명되고 있는지를 나타내는 적합도(goodness-of-fit)는 예측한 값과 실제 측정된 값과의 거리를 기반으로 측정한 stress 값으로 평가된다. stress 값은 낮을수록 모델의 적합도가 높다고 할 수 있다. 구체적으로 stress값이 20%를 넘을 경우 모델은 타당하지 않고, 15-20%의 범위는 유의해야 하고(cautious), 10-15%의 범위는 개선되어야 하며(better), 5-10%는 만족스럽고(satisfactory), 5% 아래는 모델이 인상적(impressive)이라고 판단할 수 있다(Kruskal, 1964).

일반적으로 MDS는 제품, 서비스, 브랜드, 기업, 매체, 여행 목적지 등 다양한 객체들에 대한 소비자의 유사성과 차별적 지각, 그리고 선호도를 지각도 또는 포지셔닝 맵에 시각적으로 표시하여 마케터의 시장세분화, 경쟁관계 분석, 리포지셔닝 등을 편리하게 지원하는 통계기법이다(Moon & Kamakura, 2017; Van Auken & Lonial, 1991).

특히 MDS의 유형의 하나인 MDPREF는 주어진 주제, 대상, 키워드에 대한 선호도 순서를 백터공간(vetor space)에 나타내는 다차원적인 분석기법으로, 특정 대상과 범주 간의 관계에 대하여 응답자의 상대적 선호도와 연관관계를 도표에서 쉽게 식별할 수 있게 하는 MDS의 한 형태이다(Carroll & Chang, 1970; Marketo et al., 1994).

본 연구의 목적은 경쟁상권의 특성과 방문자들의 상권에 대한 지각, 그리고 방문자의 방문특성을 다각적으로 분석하여 신규 상권의 개발 및 기존 상권의 활성화 프로그램을 개발하는 것이다. 특히 본 연구는 기존의 데이터가 아닌, 세 곳의 상권들을 방문한 경험이 있는 방문자의 지각된 상권 특성을 직접 수집 및 분석하였다. 이때, 해당 상권의 다차원 속성에 대한 방문자들의 상대적 선호도를 파악하는 것은 비교분석만으로는 부족하다. 따라서 본 연구는 제시된 범주들과 세 곳 상권 방문자의 차별적인 지각과 선호도를 파악하고, 이를 포지셔닝 맵으로 쉽게 표현하기 위하여 단순 차이검정, CA, MCA, MDS의 MDPREF 등의 방법론을 단계적으로 수행하였다.

구체적으로 본 연구에서는 K 상권, H 상권, G 상권별 방문 출발지, 방문 동반자 유형, 평균 지출금액, 방문 교통수단, 귀가 교통수단, 평균 방문빈도, 주요 방문시간, 방문 평균 소요시간의 8가지 범주들과의 관계를 살펴보기 위해 위에서 제시한 방법론을 적용하여 순차적으로 분석되었다.

4. 상권 포지셔닝 개발의 절차적 방법

마케팅의 포지셔닝 전략 수립은 일반적으로 외부·내부 환경분석(SWOT), 시장세분화, 목표고객 설정, 포지셔닝 개발, 그리고 포지셔닝 계획을 수행할 적절하고 효율적인 마케팅 믹스(marketing mix) 개발의 과정을 거친다(Brooksbank, 1994; Dibb & Simkin, 1991).

그러나 본 연구에서는 신규 상권개발을 위해 일반적으로 논의될 수 있는 새로운 포지셔닝 개발이 아닌, 이미 형성되어 있는 세 곳의 상권에 대하여 소비자의 지각 차이를 분석하여 상권 포지셔닝 개발의 절차적 방법론을 아래와 같이 논의하였다.

첫 단계로 K 상권, H 상권, G 상권을 분석상권으로 선정하고, 두 번째 단계로 세 곳의 상권의 자주 또는 익숙하게 방문하는 소비자에 대한 설문을 정리하였다. 세 번째 단계로 세 곳의 분석대상 상권과 상권 방문특성을 구성하는 방문 출발지, 방문 동반자 유형, 평균 지출금액, 방문 교통수단, 귀가 교통수단, 평균 방문빈도, 주요 방문시간, 방문 평균 소요시간의 8가지 범주와의 차이검정을 통해 통계적으로 유의한 차이가 있는지를 분석하였다.

네 번째 단계로 카이제곱 검정을 통해 유의하게 나타난 세 곳의 상권과 범주들을 추출하여 CA를 활용하여 상권과 범주 간의 차별적인 연관성을 도표에 시각화하고, 다섯 번째 단계로 CA의 확장연구로써 MCA를 활용하여 세 곳의 상권과 성별 및 방문 동반자, 성별 및 연령대 간의 관계에 대한 방문자들의 지각의 차이를 상권 포지셔닝 맵을 통해 확인하였으며, 여섯 번째 단계로 MDS의 MDPREF를 활용하여 세 곳의 상권과 방문목적, 주요 이용업종, 정보원천 간의 방문자 지각의 차이를 상권 포지셔닝 맵에 시각화하였다.

본 연구에서는 이 과정의 적용을 통해 상권 포지셔닝 맵과 상권 리포지셔닝 맵 개발에 있어 유용한 통계방법과 그에 따른 절차적 적용을 순차적으로 제안하였다. 그 절차 과정은 <그림 1>과 같다.

jcr-27-4-63-g1
그림 1. 상권 방문특징 분석 기반의 포지셔닝 맵 개발 절차도
Download Original Figure

Ⅴ. 실증분석

1. 표본의 특성

표본의 일반적 특성은 다음과 같다. 성별은 남성 50.6%(585명), 여성 49.4%(572명)로 유사한 비율을 보였다. 연령대는 20-24세 15.6%(180명), 25-29세 16.5%(190명), 30-34세 17.5%(202명), 35-39세 16.8%(194명), 40-44세 16.0%(185명), 45-49세 7.9%(91명), 50세 이상 9.9%(114명)로 30-34세 17.5%(202명)가 상대적으로 많았다.

학력은 고등학교 졸업 이하 18.6%(100명), 대학교 재학 중 11.2%(130명), 대학교 졸업 67.8%(784명), 대학원 이상 12.4%(143명)로 대학교 졸업자가 압도적으로 많았다. 직업은 회사원 47.9%(554명), 학생 12.8%(148명), 판매/서비스업 8.9%(103명), 농업/어업/임업 7.9%(91명), 자영업/프리랜서 7.1%(83명), 자격사 전문직 5.4%(62명), 기타 5.3%(61명), 주부 4.8%(55명)로 회사원 비율이 가장 높았다.

한편, 월소득은 100만 원 미만 13.6%(157명), 100-200만 원 미만 13.1%(152명), 200-300만 원 미만 23.0%(266명), 300-400만 원 미만 17.4%(201명), 400-500만 원 미만 13.3%(154명), 500-600만 원 미만 8.6%(100명), 600만 원 이상 11.1%(127명)로 200-300만 원 미만이 상대적으로 많았다.

2. CA를 통한 상권과 범주 간의 관계 실증

<표 1>은 세 곳의 상권과 방문 출발지, 방문 동반자 유형, 평균 지출금액, 방문 교통수단, 귀가 교통수단, 평균 방문빈도, 주요 방문시간, 방문 평균 소요시간을 정리한 교차분석표이다.

표 1. 교차분석표
출발지 K 상권 H 상권 G 상권 Total
174(15.0%) 204(17.6%) 152(13.1%) 530(45.8%)
직장 136(11.8%) 117(10.1%) 192(16.6%) 445(38.5%)
학교 18(1.6%) 11(1.0%) 9(.8%) 38(3.3%)
일상적 주활동지역 19(1.6%) 30(2.6%) 27(2.3%) 76(6.6%)
불규칙 19(1.6%) 31(2.7%) 18(1.6%) 68(5.9%)
방문 동반자 K 상권 H 상권 G 상권 Total
혼자 36(3.1%) 42(3.6%) 65(5.6%) 143(12.4%)
연인 50(4.3%) 72(6.2%) 50(4.3%) 172(14.9%)
친구 187(16.2%) 205(17.7%) 187(16.2%) 579(50.0%)
직장동료 42(3.6%) 25(2.2%) 56(4.8%) 123(10.6%)
가족 49(4.2%) 35(3.0%) 29(2.5%) 113(9.8%)
지인 2(.2%) 14(1.2%) 9(.8%) 25(2.2%)
비즈니스 파트너 0(0%) 0(0%) 2(.2%) 2(.2%)
평균 지출금액 K 상권 H 상권 G 상권 Total
1만 원 미만 (a) 6(.5%) 2(.2%) 9(.8%) 17(1.5%)
1만 원-3만 원 미만 (b) 96(8.3%) 92(8.0%) 80(6.9%) 268(23.2%)
3만 원-5만 원 미만 (c) 155(13.4%) 182(15.7%) 162(14.0%) 499(43.1%)
5만 원-7만 원 미만 (d) 82(7.1%) 84(7.3%) 92(8.0%) 258(22.3%)
7만 원–9만 원 미만 (e) 17(1.5%) 21(1.8%) 25(2.2%) 63(5.4%)
9만 원 이상 (f) 10(.9%) 12(1.0%) 30(2.6%) 52(4.5%)
방문 교통수단 K 상권 H 상권 G 상권 Total
지하철 254(22.0%) 248(21.4%) 255(22.0%) 757(65.4%)
버스 38(3.3%) 92(8.0%) 78(6.7%) 208(18.0%)
택시 8(.7%) 14(1.2%) 10(.9%) 32(2.8%)
자가용 35(3.0%) 17(1.5%) 27(2.3%) 79(6.8%)
도보 31(2.7%) 20(1.7%) 28(2.4%) 79(6.8%)
기타 0(0%) 2(.2%) 0(0%) 2(.2%)
귀가 교통수단 K 상권 H 상권 G 상권 Total
지하철 221(19.1%) 222(19.2%) 240(20.7%) 683(59.0%)
버스 51(4.4%) 96(8.3%) 75(6.5%) 222(19.2%)
택시 44(3.8%) 39(3.4%) 47(4.1%) 130(11.2%)
자가용 24(2.1%) 20(1.7%) 27(2.3%) 71(6.1%)
도보 26(2.2%) 14(1.2%) 9(.8%) 49(4.2%)
기타 0(0%) 2(.2%) 0(0%) 2(.2%)
방문빈도 K 상권 H 상권 G 상권 Total
주 1회 이상 98(8.5%) 85(7.3%) 120(10.4%) 303(26.2%)
2주 1회 이상 83(7.2%) 94(8.1%) 99(8.6%) 276(23.9%)
월 1회 이상 94(8.1%) 122(10.5%) 107(9.2%) 323(27.9%)
3개월 1회 이상 75(6.5%) 70(6.1%) 50(4.3%) 195(16.9%)
6개월 1회 이상 13(1.1%) 15(1.3%) 15(1.3%) 43(3.7%)
연 1회 이상 3(.3%) 7(.6%) 7(.6%) 17(1.5%)
주요 방문시간 K 상권 H 상권 G 상권 Total
오전 6시-오전 11시 1(.1%) 2(.2%) 1(.1%) 4(.3%)
오전 11시-오후 2시 25(2.2%) 19(1.6%) 24(2.1%) 68(5.9%)
오후 2시-오후 5시 51(4.4%) 55(4.8%) 56(4.8%) 162(14.0%)
오후 5시-저녁 8시 146(12.6%) 178(15.4%) 160(13.8%) 484(41.8%)
저녁 8시-자정 143(12.4%) 138(11.9%) 157(13.6%) 438(37.9%)
자정-새벽 6시 0 (0%) 1(.1%) 0(0%) 1(.1%)
방문 평균 소요시간 K 상권 H 상권 G 상권 Total
15분미만 39(3.4%) 28(2.4%) 51(4.4%) 118(10.2%)
15-30분 118(10.2%) 114(9.9%) 106(9.2%) 338(29.2%)
30-45분 111(9.6%) 135(11.7%) 136(11.8%) 382(33.0%)
45-1시간 71(6.1%) 77(6.7%) 66(5.7%) 214(18.5%)
1시-1시간 30분 24(2.1%) 34(2.9%) 31(2.7%) 89(7.7%)
1시간 30분-2시간 2(.2%) 3(.3%) 4(.3%) 9(.8%)
2시간 이상 1(.1%) 2(.2%) 4(.3%) 7(.6%)
방문목적 K 상권 H 상권 G 상권 Total
단순만남 72(6.2%) 75(6.5%) 72(6.2%) 219(18.9%)
식사/먹거리 272(23.5%) 314(27.1%) 291(25.2%) 877(75.8%)
술자리/유흥 183(15.8%) 186(16.1%) 208(18.0%) 577(49.9%)
쇼핑 103(8.9%) 107(9.2%) 139(12.0%) 349(30.2%)
볼거리/즐기기 59(5.1%) 129(11.1%) 73(6.3%) 261(22.6%)
영화/문화생활 88(7.6%) 62(5.4%) 84(7.3%) 234(20.2%)
목표 없이 시간보내기 21(1.8%) 41(3.5%) 40(3.5%) 102(8.8%)
주요 이용업종 K 상권 H 상권 G 상권 Total
카페/디저트 190(16.5%) 257(22.3%) 24(21.1%) 690(59.8%)
식사중심 음식점 211(18.3%) 232(20.1%) 222(19.2%) 665(57.6%)
식사/술 혼합 음식점 180(15.6%) 192(16.6%) 210(18.2%) 582(50.4%)
전문주점 123(10.7%) 119(10.3%) 112(9.7%) 354(30.7%)
패션판매점 79(6.8%) 96(8.3%) 108(9.4%) 283(24.5%)
일반판매점 30(2.6%) 30(2.6%) 33(2.9%) 93(8.1%)
극장/공연장 69(6.0%) 54(4.7%) 76(6.6%) 199(17.2%)
클럽/노래방/유흥시설 49(4.2%) 51(4.4%) 37(3.2%) 137(11.9%)
엔터테인먼트 18(1.6%) 21(1.8%) 20(1.7%) 59(5.1%)
정보원천 K 상권 H 상권 G 상권 Total
인터넷검색 203(17.5%) 234(20.2%) 235(20.3%) 672(58.1%)
SNS 134(11.6%) 175(15.1%) 161(13.9%) 470(40.6%)
대중매체 52(4.5%) 73(6.3%) 70(6.1%) 195(16.9%)
인쇄매체 34(2.9%) 25(2.2%) 35(3.0%) 94(8.1%)
주변 추천 172(14.9%) 177(15.3%) 204(17.6%) 553(47.8%)
자연스럽게 알게 됨 90(7.8%) 81(7.0%) 89(7.7%) 260(22.25%)
Download Excel Table
2.1 상권과 방문 출발지 간의 관계

<표 1>에서 나타나듯이, 전체 응답자 중에 K 상권과 H 상권은 집에서 출발하는 방문자(15.0%, 17.6%)가 가장 많았고, 그 다음이 직장(17.6%, 10.1%)으로 나타났다. 한편 G 상권에서는 특이하게도 다른 두 곳의 상권과 달리 직장에서 출발하는 비율(16.6%)이 집에서 출발하는 비율(13.0%)보다 상대적으로 뚜렷하게 높았다.

상권과 출발지 간의 관계를 설명하기 위하여 CA가 실시되었다. 그 결과, <표 2>에서 보는 바와 같이, 상권과 출발지 간에 유의한 차이가 있는 것으로 나타났다(χ2=36.78, df=8, p<.01). 차원 1의 Inertia는 .026, 차원 2의 Inertia는 .006으로 총 Inertia는 .03이며, 차원1과 차원2의 설명력은 각각 82.1%과 17.9%로 충분한 것을 알 수 있다. 따라서 세 곳 상권별로 방문 출발지가 유의한 차이가 있는 것으로 나타났다.

표 2. 대응분석 결과
Dimension Singular value Inertia Proportion of inertia accounted for SD r
상권과 방문 출발지
1 .16 .026 .82 .03 .02
2 .08 .006 .18 .03
Total .03 1.00
χ2=36.78, df=8, p<.01
상권과 동반자 유형
1 .15 .02 .60 .03 .02
2 .13 .02 .40 .03
Total .04 1.00
χ2=44.92, df=12, p<.01
상권과 평균 지출금액
1 .13 .02 .85 .03 -.08
2 .05 .00 .15 .03
Total .02 1.00
x2=22.63, df=10, p<.01
상권과 방문 교통수단
1 .17 .03 .94 .03 -.05
2 .04 .00 .06 .02
Total .03 1.00
χ2=36.25, df=10, p<.01
상권과 귀가 교통수단
1 .14 .02 .75 .03 .12
2 .08 .01 .25 .02
Total .03 1.00
χ2=28.65, df=10, p<.01
상권과 방문빈도
1 .10 .01 .65 .03 -.03
2 .07 .01 .35 .03
Total .02 1.00
χ2=17.14, df=10, p=.07
상권과 주요 방문시간
1 .74 .01 .97 .30 .02
2 .13 .00 .03 .30
Total .01 1.00
χ2=6.613, df=10, p=.76
상권과 방문 평균 소요시간
1 .09 .01 .64 .03 -.06
2 .07 .00 .36 .03
Total .01 1.00
χ2=14.21, df=12, p=.29
Download Excel Table

<그림 2>는 상권과 방문자의 출발지와의 관계를 나타낸 것이다. 먼저, K 상권은 집에서 출발하는 범주와 다소 가까이에 있지만, 직장과 학교와의 거리가 큰 차이 없기에 K 상권은 특정 출발지와 연관성이 더 높다고 설명하기에는 무리가 있다.

jcr-27-4-63-g2
그림 2. 상권과 방문 출발지(CA)
Download Original Figure

H 상권은 불규칙한 출발지가 가장 가깝고, 다음으로 집과 일상적 주 활동지역으로 나타났다. 이는 H 상권이 외부 임의의 장소에서 불규칙하게 출발하거나 집 또는 일상적인 주요한 활동지역에서 방문하는 방문자 특징이 있다고 이해될 수 있다.

이에 비해, G 상권은 도표에서 직장에서 출발하는 방문자들이 뚜렷하게 가까이 위치하고 있고 다른 출발지와는 상대적으로 멀리 떨어져 있기에, G 상권은 직장 출발지와의 연관성이 상당히 높은 것으로 나타났다.

2.2 상권과 방문 동반자 유형 간의 관계

방문자들은 세 곳 상권에서 모두 친구 및 연인과 함께 가장 많이 방문하는 것으로 나타났다. G 상권은 가족 항목(4.2%)이 다른 두 곳의 상권에 비해 높았고, H 상권은 연인의 비율이 상대적으로 높게 나타났으며, G 상권은 혼자 방문하는 비율(5.6%)과 직장동료와 방문하는 비율(4.8%)이 다른 두 곳의 상권보다 상대적으로 뚜렷하게 높게 나타났다.

상권과 동반자 유형과의 관계를 설명하기 위하여 CA가 실시되었다.

그 결과 <표 2>에서 보는 바와 같이, 상권과 동반자 유형 간에 유의한 차이가 있는 것으로 나타났다(χ2=44.92, df=12, p<.01). 차원 1의 Inertia는 .02, 차원 2의 Inertia는 .02로 총 Inertia는 .04이며, 차원1과 차원2의 설명력은 각각 59.5%와 40.5%로 충분하게 나타났다. 따라서 세 곳 상권별로 방문 동반자 유형은 유의한 차이가 있는 것으로 나타났다.

<그림 3>은 상권과 동반자 유형과의 관계를 나타낸 것으로, 세 곳의 상권에서 친구 유형은 거의 유사한 거리를 보이고 있다. 그러나 동반자 유형 중, K 상권은 가족 유형, H 상권은 연인 유형, G 상권은 혼자 그리고 직장동료 유형이 매우 명료하게 가까운 거리에 위치하고 있어 서로 차별적으로 나타났다.

jcr-27-4-63-g3
그림 3. 상권과 방문 동반자 유형(CA)
Download Original Figure
2.3 상권과 평균 지출금액 간의 관계

세 상권에서 모두 평균 지출금액의 규모가 3만 원에서 5만 원 미만이 가장 많은 것으로 나타났다. 그러나 G 상권은 다른 두 상권보다 평균 5만 원 이상의 평균 지출금액의 비율이 높아 기술통계의 측면에서 G 상권 방문자의 지출규모가 다른 두 상권보다 클 것으로 예측할 수 있다.

상권과 평균 지출금액 간의 관계를 설명하기 위한 CA 결과, <표 2>에서 보는 바와 같이, 상권과 평균 지출금액 간에 서로 유의한 차이가 있는 것으로 나타났다(x2=22.63, df=10, p<.01). 차원 1의 Inertia는 .02, 차원 2의 Inertia는 .00으로 총 Inertia는 .02이며, 차원1과 차원2의 설명력은 각각 85.5%와 14.5%로 충분하게 나타났다. 따라서 세 곳 상권별로 평균 지출금액은 유의한 차이가 있는 것으로 나타났다.

<그림 4>는 상권과 평균 지출금액 간의 관계를 나타낸 것이다. K 상권은 평균 1-3만 원 미만의 항목과 아주 가까이 위치하고 있고, H 상권은 평균 3-5만 원 미만의 항목과 상대적으로 근접해 있다. 이에 비해, G 상권은 다른 두 곳의 상권과 차별적으로 7-9만 원 미만의 항목과 가장 가까이에 위치해 있고, 5-7만 원 미만 항목과도 근접해 있는 것으로 나타나 두 상권에 비해 평균 지출금액이 높은 것으로 나타났다. 평균 지출금액은 G 상권, H 상권, K 상권 순으로 높은 지출규모와 연관성이 높은 것으로 분석되었다.

jcr-27-4-63-g4
그림 4. 상권과 평균 지출금액(CA) a: 1만 원 미만, b: 1만 원-3만 원 미만, c: 3만 원-5만 원 미만, d: 5만 원-7만 원 미만, e: 7만 원–9만 원 미만, r: 9만 원 이상.
Download Original Figure
2.4 상권과 방문 교통수단 간의 관계

상권방문 시에 가장 많이 활용하는 교통수단은 지하철로써 세 상권이 모두 약 22% 내외의 비율을 보였다. 그러나 H 상권은 버스의 비율이 8.0%, K 상권은 자가용 이용자가 약 3.0%로 다른 두 상권에 비교하여 상대적으로 높게 나타났다. 상권과 방문 교통수단 간의 관계를 설명하기 위한 CA 결과, <표 2>에서 보는 바와 같이, 상권과 방문 교통수단 간에 유의한 차이가 있는 것으로 나타났다(χ2=36.25, df=10, p<.01). 차원 1의 Inertia는 .03, 차원 2의 Inertia는 .00으로 총 Inertia는 .03이며, 차원1과 차원2의 설명력은 각각 94.1%와 5.9%로 충분하게 나타났다. 따라서 세 곳 상권별로 방문 교통수단은 유의한 차이가 있는 것으로 나타났다.

<그림 5>는 상권과 방문 교통수단 간의 관계를 나타낸 것이다. 지하철은 세 곳의 상권 모두에서 거의 유사한 거리에 있는 것으로 나타났다.

jcr-27-4-63-g5
그림 5. 상권과 방문 교통수단(CA)
Download Original Figure

특징적으로는 K 상권은 도보와 자가용 항목이 서로 유사한 거리로 가까이 위치하고 있고, H 상권은 택시 항목, 그 다음이 버스 항목이 가깝게 나타났으며, G 상권은 도보 항목과 상대적으로 매우 가깝고 버스 항목과도 비교적 가까이 위치되어 있는 것으로 파악되었다.

이 결과는 세 곳의 상권과 방문 출발지 간의 연관성 분석결과와 상당히 일치하는 것으로 나타났다. 이는 K 상권이 집에서 출발하는 항목과 연관성이 높았으므로 방문 교통수단도 도보와 자가용 항목과의 연관성이 높게 나타난 것으로 보이고, H 상권은 다양한 장소에서 출발하는 특징으로 인해 택시 항목과 연관성이 높다고 해석되며, 마지막으로 G 상권은 직장에서 출발하는 방문자들이 많아 도보 항목과의 연관성이 높은 것으로 판단된다.

2.5 상권과 귀가 교통수단 간의 관계

<표 1>에서 귀가 교통수단도 방문 교통수단과 같이 지하철이 공통적으로 가장 높게 나타났다. 귀가 교통수단의 유형별로는 G 상권은 도보 비율이, H 상권은 방문 교통수단처럼 버스 비율이, G 상권은 택시 비율이 상대적으로 높게 나타났다.

상권과 귀가 교통수단 간의 관계를 설명하기 위한 CA 결과, <표 2>에서 보는 바와 같이, 상권과 귀가 교통수단 간에 서로 유의한 차이가 있는 것으로 나타났다(χ2=28.65, df=10, p<.01). 차원 1의 Inertia는 .02, 차원 2의 Inertia는 .01으로 총 Inertia는 .03이며, 차원1과 차원2의 설명력은 각각 75.1%와 24.9%로 충분하게 나타났다. 따라서 세 곳 상권별로 귀가 교통수단은 유의한 차이가 있는 것으로 나타났다.

<그림 6>은 상권과 귀가 교통수단 간의 관계를 나타낸 것이다. 방문 교통수단처럼 지하철은 세 곳의 상권에서 모두 거의 유사한 거리로 가까이 위치하고 있다. K 상권은 귀가 교통수단으로 택시가 가장 근거리에 있고, 그 다음이 자가용 항목과의 연관성이 높은 것으로 나타났고, H 상권은 오직 버스 항목이 다른 두 상권과 차별적으로 근접해 있으며, G 상권은 택시와 자가용 항목의 연관성이 상대적으로 높은 것으로 나타났다.

jcr-27-4-63-g6
그림 6. 상권과 귀가 교통수단(CA)
Download Original Figure

따라서 세 곳의 상권과 귀가 교통수단의 관계는 방문 출발지와 방문 교통수단과의 연관성 분석결과와 상당히 부합되게 나타났다고 할 수 있다.

2.6 상권과 범주 간에 유의하지 않은 관계

첫째, <표 1>에서 나타나듯이, 상권 방문빈도의 차원에서 G 상권의 방문빈도가 다른 두 상권에 비해 상대적으로 높게 나타났다. 그러나 <표 2>를 보면, 차원 1의 Inertia는 .01, 차원 2의 Inertia는 .01로 총 Inertia는 .02이고, 차원 1과 차원 2의 설명력은 각각 64.9%와 35.1%, χ2=17.14, df=10, p=.07로 나타나 상권과 평균 방문빈도 간의 관계(RQ 6)는 서로 유의한 차이가 없는 것으로 나타났다.

둘째, 세 곳의 상권의 주요 방문시간은 오후 5-8시(41.8%)와 오후 8시-자정(37.9%)에 가장 많았고, 상권별로 방문 시간대별로 특이점이 보이지 않고 거의 유사한 방문비율을 보였다(<표 1>).

그러나 <표 2>를 보면, 차원 1의 Inertia는 .01, 차원 2의 Inertia는 .00로 총 Inertia는 .01이고, 차원 1과 차원 2의 설명력은 각각 97.1%와 2.9%, χ2=6.61, df=10, p=.76로 나타나 상권과 방문시간 간의 관계(RQ 7)는 서로 유의한 차이가 없는 것으로 나타났다.

셋째, <표 1>에서처럼, 방문 평균 소요시간은 30-45분 항목이 33.0%로 가장 많았고, 15-30분이 29.2%의 순서로 나타났다. 그러나 <표 2>를 보면, 차원 1의 Inertia는 .01, 차원 2의 Inertia는 .00로 총 Inertia는 .01이며, 차원 1과 차원 2의 설명력은 각각 64.1%와 35.9%, χ2=14.21, df=12, p=.29로 나타나 상권과 방문 평균 소요시간 간 관계(RQ 8)는 서로 유의한 차이가 없는 것으로 나타났다.

3. MCA를 활용한 상권과 두 범주들 간 관계

세 곳의 상권과 성별 및 방문 동반자 간의 관계와 세 곳의 상권과 성별 및 연령대 간의 관계를 실증하기 위해 다음과 같이 MCA가 실시되었고, <표 3>은 MCA 분석결과를 정리한 요약표이다.

표 3. 다중대응일치분석 결과
Dimension Cronbach’s alpha Variance accounted for
Total(eigenvalue) Inertia % of variance
상권과 성별 및 방문 동반자 유형
1 .26 1.21 .40 40.25
2 .17 1.13 .38 37.70
Total 2.34 .78
Mean .28a 1.17 .39 38.98
상권과 성별 및 방문 연령대
1 .07 1.05 .35 35.06
2 .03 1.02 .34 34.02
Total 2.07 .69
Mean .05a 1.04 .35 34.54

평균 고유값 신뢰도.

Download Excel Table

포지셔닝 맵은 각 상권과 두 범주 간의 상호 연관성을 시각화한 것으로, 개별상권이 서로 멀리 떨어져 있을수록 방문자는 그 상권들을 차별적으로 지각하고 있음을 뜻하는 것이고, 개별상권이 근접해 있는 경우에는 방문자가 그 상권들을 서로 특별한 차별성 없이 유사하게 지각하고 있음을 의미한다.

3.1 상권과 성별 및 동반자 유형 간의 관계

<표 3>에서 알 수 있듯이, 상권과 성별 및 방문 동반자 간의 관계에서 차원 1의 Inertia는 .40, 차원 2의 Inertia는 .38, 총 Inertia는 .78이며, 차원1과 차원2의 설명력은 각각 40.25%와 37.7% 으로 설명력은 충분한 것으로 나타났다. <그림 7>은 MCA를 활용하여 상권과 성별 및 방문 동반자 간의 관계를 도식화한 것이다.

jcr-27-4-63-g7
그림 7. 상권, 성별, 동반자(MCA)
Download Original Figure

K 상권은 남성보다는 여성이, 방문 동반자 유형에서는 친구와 가족 유형이 매우 근거리에 있기에 결과적으로 여성과 친구 및 가족과의 연관성이 상대적으로 높게 나타났다. H 상권은 남성과 여성이 유사한 거리에 있고, 동반자 유형은 연인과 친구와 가까이 위치하여 있는 것으로 나타났다. G 상권은 H 상권과 마찬가지로 남성과 여성의 범주가 유사한 거리에 있으면서도, 혼자와 직장동료 유형과 상당히 근거리에 있기에 다른 두 상권과 차별적인 연관성을 보였다.

한편, <그림 7>에서 알 수 있듯이, 세 곳 상권들 모두 중심축을 중심으로 우측 상단에 모여서 서로 유사한 거리로 떨어져 있다. 이는 상권과 성별 및 방문 동반자 범주 간의 관계에서 방문자들은 세 곳 상권을 차별적으로 지각하지 못하거나 세 곳의 상권은 차별적으로 포지셔닝이 되어 있지 않고 서로 경쟁 관계에 있다는 사실을 추론할 수 있다.

3.2 상권과 성별 및 방문 연령대 간의 관계

<표 3>에서 알 수 있듯이, 상권과 성별 및 방문 연령대 간의 관계에서 차원 1의 Inertia는 .35, 차원 2의 Inertia는 .34으로 총 Inertia는 .69이며, 차원1과 차원2의 설명력은 각각 35.06%와 34.02%으로 설명력은 충분한 것으로 나타났다.

MCA를 활용하여 상권과 성별, 그리고 방문 연령대 간의 관계를 도식화한 <그림 8>에서 보는 바와 같이, K 상권은 성별로는 여성, 연령대별로는 25-29세와 20-24세와 근접해 있어 다른 두 상권과 비교하여 여성과 20대 젊은 연령대와 연관성이 매우 높게 나타났다. H 상권은 여성보다 남성과 매우 가까이 위치하여 있고, 30-34세, 35-39세의 30대 연령층과의 연관성이 뚜렷하게 높게 나타났다. G 상권은 남성과 여성이 유사한 거리로 다소 떨어져 있어 성별 구분에 의한 특별한 연관성은 없는 것으로 나타났으나, 연령대별로는 40-44세, 45-49세 범주가 두 상권에 비해 대조적으로 근거리에 있기에 40대 연령대와 연관성이 상대적으로 높은 것으로 나타났다.

jcr-27-4-63-g8
그림 8. 상권, 성별, 연령대(MCA)
Download Original Figure

한편, <그림 8>에서 알 수 있듯이, 세 곳의 상권이 도표에서 상당히 분산되어 떨어져 있으므로, 동반자 유형 간의 관계와 달리 상권과 성별 및 방문 연령대 간의 방문자 지각의 차이는 각 상권마다 상당히 차별적인 것으로 나타났다.

4. MDS를 활용한 상권과 범주 간의 포지셔닝 맵

세 곳의 상권과 방문목적 간의 관계, 주요 이용업종 간의 관계, 정보원천 간의 관계인 RQ 10의 실증을 위하여 MDS의 유형 가운데 MDPREF가 실시되었다. 제시된 <표 4>, <표 5>, <표 6>은 전체 응답자들이 세 곳의 상권의 방목목적, 주요 이용업종, 정보원천에 대하여 복수응답(최대 3개까지)을 한 결과를 빈도와 순위를 표시한 것이다. 순위는 응답자의 선호도를 의미한다.

표 4. 방문목적 선호도
주요 방문목적 K 상권 H 상권 G 상권
단순만남 72(5) 75(5) 72(6)
식사/먹거리 272(1)* 314(1)* 291(1)*
술자리/유흥 183(2) 186(2) 208(2)
쇼핑 103(3) 107(4) 139(3)
볼거리/즐길거리 59(6) 129(3) 73(5)
영화/문화생활 88(4) 62(6) 84(4)
목표 없이 시간 보내기 21(7) 41(7) 40(7)
Total 798 914 907

순위.

Download Excel Table
표 5. 이용업종 선호도
주요 이용업종 K 상권 H 상권 G 상권
카페/디저트 190(2) 257(1)* 243(1)*
식사중심 음식점 211(1)* 232(2) 222(2)
식사/술 혼합 음식점 180(3) 192(3) 210(3)
전문주점 123(4) 119(4) 112(4)
패션판매점 79(5) 96(5) 108(5)
일반판매점 30(8) 30(8) 33(8)
극장/공연장 69(6) 54(6) 76(6)
클럽/노래방/유흥시설 49(7) 51(7) 37(7)
엔터테인먼트 18(9) 21(8) 20(9)
Total 949 1,052 1,061

순위.

Download Excel Table
표 6. 정보원천 선호도
정보원천 K 상권 H 상권 G 상권
인터넷검색 203(1)* 234(1) 235(1)
SNS 134(3) 175(3) 161(3)
대중매체 52(5) 73(5) 70(5)
인쇄매체 34(6) 25(6) 35(6)
주변 추천 172(2) 177(2) 204(2)
자연스럽게 알게 됨 90(4) 81(4) 89(3)
Total 685 765 794

순위.

Download Excel Table
4.1 상권과 방문목적 간의 포지셔닝 맵

<그림 9>는 <표 4>에서 순위 값을 MDS 유형 중 MDPREF 분석기법을 이용하여 도식화한 것으로, Kruskal's Stress 값은 .00, 설명력(%)(dispersion accounted for)은 1.00(100.0%)으로서 완벽하게 설명하고 있다(Kruskal, 1964).

jcr-27-4-63-g9
그림 9. 상권과 방문목적 포지셔닝 맵(MDPREF)
Download Original Figure

<표 4>에서 보면, 전체 응답자들은 공통적으로 세 곳 상권의 방문목적으로 식사/먹거리를 가장 높게 선택했고, 그 다음으로 술자리/유흥을 선호하는 것으로 나타났다. 세 번째와 네 번째의 방문목적은 K 상권과 G 상권에서 쇼핑과 영화/문화생활이, H 상권에서는 볼거리/즐길거리와 쇼핑으로 나타나 선호도 측면에서 다소 차이를 보였다.

<그림 9>의 포지셔닝 맵을 살펴보면, K 상권과 G 상권은 방문목적에서 술자리/유흥, 식사/먹거리, 쇼핑과 매우 가까이 위치하고 있어 방문자들은 이 두 곳의 상권을 다양한 먹거리와 쇼핑이 강력한 상권으로 차별적으로 인식하고 있는 것으로 판단된다. 이에 비해, H 상권은 단순 만남과 볼거리/즐길거리의 항목이 먹거리와 쇼핑의 항목과 유사하게 떨어져 있기에, H 상권은 특정한 요인에 의해 방문자에게 인식된 상권이 아니라, 다차원적인 방문목적과 여러 범주의 선택속성들이 혼재된 상권으로 인식되고 있다고 추론될 수 있다.

4.2 상권과 주요 이용업종 간의 포지셔닝 맵

<그림 10>은 <표 5>에서 순위 값을 MDPREF 분석기법을 이용하여 도식화한 것으로, Kruskal’s Stress 값은 .00, 설명력(%)은 1.00(100.0%)으로서 완벽하게 설명하고 있다(Kruskal, 1964).

jcr-27-4-63-g10
그림 10. 상권과 이용업종 포지셔닝 맵(MDPREF)
Download Original Figure

<표 5>를 보면, 세 곳 상권에서 주요 이용업종에 대하여 전체 응답자들은 공통적으로 카페/디저트, 식사중심 음식점, 식사/술 혼합 음식점을 가장 선호하는 것으로 나타났다. 구체적으로, K 상권은 식사 중심 음식점이, H 상권, G 상권은 카페/디저트 업종에 대한 선호도가 가장 높았고, 전문주점과 패션판매점은 세 곳의 상권에서 네 번째와 다섯 번째 이용업종으로 선호되는 것으로 나타났다.

<그림 10>의 포지셔닝 맵을 살펴보면, 공통적으로 카페/디저트, 식사중심 음식점, 식사/술 혼합 음식점들이 세 곳의 상권에서 거의 같은 거리에 위치해 있기 때문에, 주요 이용업종에 대한 방문자의 선호도 차이는 세 곳의 상권에서 거의 없는 것으로 밝혀졌다. 따라서 주요 이용업종의 면에서 세 곳의 상권은 방문자에게 차별적인 인식을 형성하고 있지 못하거나 한편으로 서로 상당한 경쟁관계에 있다고 추론할 수 있다.

4.3 상권과 정보원천 간의 포지셔닝 맵

<그림 11>은 <표 6>에서 순위 값을 MDPREF 분석기법을 이용하여 도식화한 것으로, Kruskal’s Stress 값은 .00, 설명력(%)은 1.00(100.0%)으로서 완벽하게 설명하고 있다(Kruskal, 1964).

jcr-27-4-63-g11
그림 11. 상권과 이용업종 포지셔닝 맵 (MDPREF)
Download Original Figure

<표 6>에서와 같이, 세 곳의 상권에서 정보원천에 대하여 전체 응답자들은 공통적으로 인터넷 검색을 가장 선호하였고, 그 다음으로 주변 추천과 SNS를 정보원천으로 이용하고 있으며, 이에 반해 대중매체와 인쇄매체는 상대적으로 거의 활용되고 있지 않다는 사실을 알 수 있다.

<그림 11>의 포지셔닝 맵을 살펴보면, 인터넷 검색, 주변 추천, SNS 항목이 세 곳의 상권들과 거의 유사한 거리에 있기에, 정보원천에 대한 방문자의 선호도 차이는 세 곳의 상권에서 거의 없는 것으로 나타났다. 따라서 상권과 정보원천 간의 관계에서 세 곳 상권은 방문자에게 차별적인 인식을 형성하고 있지 못하는 것으로 판단된다.

VI. 결론

1. 연구요약과 토론

K 상권은 일반적으로 대학가 유흥상권으로 알려져 있다. 그 이유는 표면적으로 K 상권은 밀집도 높은 먹거리 및 유흥업종들로 야간에 젊은 소비자들이 붐비는 상권으로 보이기 때문이다. 그러나 분석 결과, K 상권은 방문자가 집에서 출발하거나 주로 지하철과 도보 및 자가용을 이용하여 친구나 가족과 함께 방문하고, 귀가 시에 택시와 자가용 이용자와의 연관성이 높은 것으로 나타나 주택상권의 특징을 상당히 보여주고 있다. 이는 K 상권이 먹거리와 유흥업종들이 밀집되어 있는 상가권의 반대편에 롯데백화점과 이마트 등 대형 복합 쇼핑몰과 배후지역에 대규모 아파트 단지를 포함하고 있기 때문으로 판단된다. 이에 K 상권이 20대 연령대가 선호하는 상권을 제외하고 건국대학교와 세종대학교의 영향을 많이 받는 대학가 상권특징을 갖는다는 일반적인 예측을 뒷받침할 근거를 본 연구에서 거의 발견할 수 없었다.

따라서 본 연구를 통해 K 상권은 실질적으로 복합 쇼핑몰과 밀집도 높은 배후지역의 거주인구의 영향력이 상권특징을 형성하는 주요한 요인이 되고, 상권 포지셔닝의 측면에서 K 상권은 술자리/유흥 등 먹거리와 쇼핑 목적, 여성, 그리고 20대 연령층이 선호하는 상권으로 추론할 수 있다.

H 상권은 일반적으로 독특하고 이국적이며 이색적 먹거리가 풍부한 유흥상권으로 알려져 있다. 분석결과, H 상권은 다른 두 곳의 상권과 비교하여 다양한 장소에서 출발하여 친구는 물론 연인 방문자 유형과의 연관성이 상대적으로 높았고, 주로 지하철, 버스, 택시로 방문하고 귀가 시 교통수단으로는 지하철과 택시와의 연관성이 높았으며, 평균 지출금액은 3-5만원 미만의 중간 정도로 상권 방문특성을 묘사할 수 있다. 상권 포지셔닝의 차원에서는 H 상권은 다양한 목적을 가지고 방문하는 상권으로 인식되어 있고, 성별은 여성보다 남성과의 연관성이 상대적으로 높고 연령대로는 30대가 선호하는 상권으로 차별적으로 지각되는 것으로 나타났다.

따라서 본 연구를 통해 H 상권은 다른 두 곳의 상권과 대조적으로 일반적 통념처럼 방문자들이 다양한 장소에서 출발해서 이색적인 먹거리는 물론 독특한 볼거리/즐길 거리를 즐기는 남성과 30대 연령층과의 연관성이 높은 상권특징을 가지고 있다고 추론할 수 있다.

한편, G 상권은 테헤란로와 강남대로 일대에 밀집도 높은 업무시설이 있는 국내 비즈니스의 중심이자 대규모 지하 상가권이 있기에 일반적으로 유동인구 기반의 쇼핑 중심지로 알려져 있다. 분석결과, G 상권은 이러한 통념과 상당히 일치하였다. G 상권은 직장에서 출발하여 직장동료와 함께 방문하거나 혼자 방문하여 쇼핑을 즐기는 유형과 뚜렷한 연관성을 보였다. 방문 시 도보와 버스를 이용하고 귀가 시 택시와 자가용을 선택하며, 평균 지출규모 면에서는 쇼핑과 관련성이 강하기에 상대적으로 다른 두 상권보다 훨씬 높게 나타났다. 방문목적에서는 술자리/유흥 등 먹거리와 쇼핑에 상권 포지셔닝이 되어 있어 거리적으로 가까운 K 상권과 경쟁관계에 있다고 판단되고, 특징적으로 G 상권은 성별의 차이는 없었지만, 두 상권과 비교하여 40대 연령층이 선호하는 상권으로 방문자에게 포지셔닝되어 있는 것으로 나타났다.

따라서 본 연구를 통해 G 상권은 다른 두 곳의 상권과 달리 밀집도 높은 업무시설을 기반으로 오피스 상권의 특징을 가지고 있고, 지리적으로 뛰어난 접근성, 발전된 교통시설, 밀집된 소매업종 등의 요인으로 쇼핑 상권의 특징을 함께 내포하고 있는 40대가 선호하는 상권으로 추론할 수 있다.

마지막으로, 이용업종과 정보원천의 면에서는 세 곳의 상권은 방문자들에게 차별적으로 포지셔닝이 되어 있지 않거나 서로 경쟁 관계에 있는 것으로 나타났다.

2. 이론적 시사점

본 연구의 이론적 시사점은 다음과 같다.

첫째, 본 연구는 목적지 방문특징의 이론과 연구방법론을 적용하여 상권 방문자의 특징분석을 통해 상권특징을 객관적으로 묘사하거나 그 특성을 추론할 수 있는 이론적 방법을 제시하였다. 이를 통하여 마케터는 소비자의 관점에서 상권 방문특징을 분석, 방문자의 방문행동을 예측할 수 있고, 잠재적 소비자의 방문촉진과 함께 방문만족을 증가시킬 수 있는 지역 상권에 적합한 마케팅 프로그램을 개발할 수 있을 것이다.

둘째, 본 연구는 상권 방문특성 분석을 위해 8가지의 다양한 범주들을 제시하였고, 상권과 개별 범주 간의 통계적인 차이를 검증하기 위해 카이제곱 검정을 활용하였다. 이를 통하여 특정 범주에 대해 분석대상 상권과 경쟁상권과의 유의한 차이가 있는지를 검증할 수 있는 통계방법을 제안해 줄 것이고, 본 연구에서 사용한 상권 방문특성의 8가지 범주는 향후 상권연구에서 유용한 분석 범주로 활용될 수 있을 것이다.

셋째, 구체적으로 본 연구에서 방문 출발지, 동반자 유형, 평균 지출금액, 방문 교통수단, 귀가 교통수단의 5가지 범주는 세 곳 상권에서 유의한 차이가 있다는 사실이 검증되었고, 상권 방문빈도, 주요 방문시간, 방문 평균 소요시간은 통계적으로 유의하지 않다는 사실이 확인되었다. 이는 방문 출발지, 동반자 유형, 평균 지출금액, 방문 교통수단, 귀가 교통수단은 상권 방문특성 분석에 유의한 범주임을 확인한 연구들(문소연 외, 2018; 이용직, 최내영, 2005; 이흥우, 박원석, 2004; 정영라, 2020; 지남석, 지규현, 2010)의 연구결과와 일치하는 것이다. 그러나 상권과 평균 방문빈도와 주요 방문시간과의 간의 관계는 본 연구에서는 김홍빈과 김현(2012)의 연구결과와 달리 유의한 차이가 없는 것으로 밝혀졌다.

넷째, 본 연구는 CA를 통해 세 곳의 상권과 다양한 범주 간의 관계를 도표에 시각적으로 표시하여 세 곳 상권과 범주 간의 연관성의 차이를 쉽게 구별할 수 있는 분석방법론을 제시하였다. 이종원 외(2018), 장흥섭과 김광석(2007)의 CA를 활용한 전통시장에 대한 분석처럼, 본 연구에서도 상권과 특정 범주 간의 관계에 대한 방문자의 지각 차이를 CA를 통해 시각적으로 도표에서 나타내었다.

다섯째, 본 연구는 상권과 범주 간의 연관성을 CA를 활용한 분석에 그치지 않고, MCA를 활용하여 성별 범주와 함께 상권과 방문 동반자 및 연령대 간의 관계로 연구범위를 확장하였다. MCA 결과, K 상권은 여성과 20대, H 상권은 30대, G 상권에서는 40대 방문자가 선호하는 상권으로 포지셔닝되어 있다는 사실을 확인하였다. 본 연구에서 시도된 MCA 분석은 향후 상권 마케팅 전략 수립과정에서 시장세분화와 목표고객의 설정을 하는데 유용한 도구로써 활용될 수 있을 것이다.

여섯째, 본 연구는 MDS의 MDPREF 분석기법을 활용하여 소비자의 지각도인 상권 포지셔닝 맵을 작성하였다. 커피전문점 브랜드별 특징과 소비자의 지각의 차이분석을 통해 브랜드 간의 유사성과 경쟁 관계를 포지셔닝 맵에 시각화할 수 있듯이(강선아, 이은용, 2013; 이광옥, 2016; 장하원, 이수범, 2019; 정영우, 2006), 마케터는 상권 포지셔닝 맵을 활용하여 방문자의 인식의 차이를 분석하고 경쟁상권의 존재와 상대적 위치를 확인하여 상권 차별화를 위한 전략적 계획을 수립할 수 있다.

3. 실무적 시사점

본 연구의 실무적인 시사점은 아래와 같다.

첫째, 본 연구는 경쟁상권과의 차별적인 상권 마케팅 전략 수립을 위해 상권 포지셔닝 맵의 개발방법을 절차적으로 구체화하고, 동시에 단계별로 적절한 통계 방법을 연계하여 적용되었다. 이를 통해 본 연구는 객관적인 상권 포지셔닝 맵의 순차적인 개발방법, 절차적 과정, 그리로 단계별 핵심내용들을 제안하였다. 또한, 본 연구는 약화 혹은 쇠퇴하고 있는 상권의 재활성화를 위해 방문자의 상권 목표인식의 방향성 수정 및 재배치할 수 있는 상권 리포지셔닝 맵 개발에 관한 방법론의 단초도 함께 제시하였다.

둘째, 본 연구를 통해 상권 마케팅의 커뮤니케이션 전략에서 정보원천의 중요성이 재확인되었다. 최근 소비자와의 소통전략으로 온라인 소통과 방문 경험자의 추천이 매우 중요해지고 있는 것처럼, 본 연구에서도 방문자들은 정보원천 중 인터넷, SNS, 주변 추천을 상권 정보획득 방법으로 매우 선호하는 것으로 나타났다.

셋째, 일반적으로 상권분석은 현실에서 상권정보시스템, 연구자의 개인적 경험과 통찰력, 그리고 기술통계 분석에 많이 의존되고 있다. 그러나 이 방법은 신뢰성과 타당성에 한계가 있고 일반화 과정에서 오류를 발생시킨다. 이에 본 연구에서 제시된 차이검정, CA, MCA, MDS, MDPREF와 같은 통계기법과 절차적 활용을 통한 상권분석의 과정은 향후 상권분석의 객관성과 타당성을 확보하는 데 상당한 도움이 될 것이다.

넷째, K 상권이 대학가 상권이라는 일반적 통념과 달리, 본 연구에서 K 상권은 주택상권의 특징을 상당히 내포하고 있다고 분석되었다. 이 분석결과는 특정 상권이 소비자 관점에서 어떠한 특징이 있는지 분석되는 경우, 일반적 통념이나 예측과 상당히 다른 결과가 도출될 수 있다는 사실을 보여주었다. 따라서 상권전략 수립과정에서 상권특징을 상권의 외형적 이미지나 주관적 경험에 기반한 자의적 판단은 지양되어야 하고, 상권 마케팅 전략은 상권 방문자에 대한 객관적인 분석에 기반하여 수립되어야 할 것이다.

다섯째, 본 연구는 상권의 기능과 역할을 회복하기 위해 구도심, 전통시장, 노후화된 상권 등에서 활발하게 진행되고 있는 정부 또는 지방자치단체의 상권활성화 정책에 많은 실무적 실천과제를 제공할 것이다. 예를 들어, 전통시장과 같은 특정 상권을 활성화하려면 상권현황에 대한 객관적 분석과 함께 소비자의 방문특징에 기초한 타당한 분석방법이 반드시 활용되어야 할 것이다. 왜냐하면, 소비자 방문특성 분석이 객관적인 방법으로 수행되지 않고서는 적절한 상권 활성화 전략의 수립은 요원하기 때문이다. 만약 이 과정이 생략되거나 주관적 방법에 의존하여 분석된다면, 그 상권 활성화 전략의 신뢰성과 효과성은 매우 낮아질 수밖에 없다.

4. 연구한계와 향후 연구과제

본 연구의 한계와 향후 연구과제를 제시하면 다음과 같다. 첫째, 본 연구에서는 유동인구 중심의 대표적 대형상권인 K 상권, H 상권, G 상권이 분석대상 상권으로 설정되었다. 따라서 본 연구결과는 상권 규모가 작거나 주택상권 및 학원가 상권 등 다른 유형의 상권, 그리고 복합쇼핑몰 및 전통시장 등에 그대로 적용되기 힘들기에, 본 연구의 결과를 일반화하기에는 무리가 있다. 향후 연구에서는 소형상권과 중형상권 등에 대한 사례연구와 복합쇼핑몰 및 전통시장과 같이 다른 유형과 특징을 갖는 다양한 유형들의 상권들에 대한 연구들도 함께 병행될 필요가 있다.

둘째, 본 연구에서는 상권 방문특징 분석과 상권 포지셔닝 맵 개발에 대해 세 곳의 상권을 통해 연구방법, 적용 통계방법, 그리고 맵 개발을 위한 절차적 순서가 제시되었다. 이 제안된 방법론과 적용의 절차는 해당 연구분야에서 초기적 시도이므로, 향후 연구에서 다양한 사례들을 통해 검증되거나 보완 또는 발전시키는 과정이 필요하다.

셋째, 국내의 수많은 상권들은 그 특징에 따라 유형이 다르게 분류될 수 있다. 일반적 서적에서 상권분류와 상권유형에 대하여 언급되고 있으나, 집필자마다 그 구분 방법이 다르고 일반화된 기준은 아직 미흡하다. 또한, 실증연구의 사례는 거의 없는 실정이다. 따라서 향후 연구에서는 상권특징에 대한 다차원적인 측정도구 개발과 상권의 특징을 객관적인 기준과 방법을 통해 분류 또는 유형화할 수 있는 다양한 방법론의 연구가 필요하다.

참고문헌

1.

강도원, 최창규 (2012). 방문자 특성에 따른 장소성 인식과 행동의도와의 인과구조 분석: 홍대지역 대상으로. 국토계획, 47(3), 363-379.

2.

강선아, 이은용 (2013). 커피전문점의 포지셔닝 맵에 관한 연구. 호텔경영학연구, 22(2), 169- 186.

3.

김윤정, 이조은, 이유리 (2016). 네트워크 분석 기법을 통한 패션 상권의 특성 분석. 한국의류학회지, 40(2), 203-220.

4.

김주일 (2019). 장소 브랜드 관점에서 본 경리단길 및 유사상권의 특성. 한국콘텐츠학회논문지, 19(6), 334-346.

5.

김현철, 이승일 (2019). 서울시 골목상권 매출액에 영향을 미치는 요인에 관한 연구. 서울도시연구, 20(1), 117-134.

6.

김홍빈, 김현 (2012). 소매점 유형별 상품구매행동 차이 및 선택속성의 중요도와 만족도 비교분석: 전통상권 경쟁력 강화를 중심으로. 한국콘텐츠학회논문지, 12(9), 311-324.

7.

류태창, 최봉문 (2012). 원도심 상권 살리기를 위한 상권활성화 제도의 초기 효과성에 대한 실증연구: 지역전문가와 공무원 대상의 설문조사를 중심으로. 한국지역개발학회지, 24(5), 105-124.

8.

문소연, 원재웅, 조미희 (2018). 음식특화거리 방문제약요인 도출을 통한 방문객의 시장세분화에 관한 연구. 관광연구저널, 32(9), 95-109.

9.

민철기, 강창덕 (2021). 상권의 공간적 확산에 따른 상업시설 생존율과 생존요인 비교-홍대지역 음식점을 중심으로. 서울도시연구, 22(2), 17-38.

10.

박민숙 (2014). 소매점포 추천자와의 유대관계와 집단동조성, 사전지식에 따른 구전효과. 경영교육연구, 29(2), 355-367.

11.

신일진, 정준호 (2020). 서울 건대입구역 상권 방문자들의 공간적 이동 패턴에 관한 연구. 국토지리학회지, 54(1), 63-76.

12.

오흥록, 배범석, 문혜정 (2017). 빅데이터 분석을 통한 서울시 골목상권 분석. 한국경영학회 통합학술발표논문집 (pp. 344-372).

13.

이광옥 (2016). 패스트푸드점의 선택속성에 따른 브랜드 포지셔닝 연구. 관광연구저널, 30(5), 229-239.

14.

이상규 (2012). 이용자 위치 분석을 통한 전통시장 상권분석. 한국콘텐츠학회논문지, 12(3), 442-448.

15.

이수덕 (2020). Conflicts between protected franchise territory and unrestricted delivery trading area. 한국프랜차이즈경영연구, 11(1), 45-60.

16.

이수덕, 이용기 (2018). 상권방문 추진동기와 몰입, 만족, 재방문 의도. 유통과학연구, 16(9), 65-77.

17.

이수덕, 이용기 (2019). 상권방문 유인동기와 몰입, 태도, 추천의도에 관한 실증적 연구. 상품학연구, 37(2), 179-195.

18.

이수덕, 이용기 (2020). 상권애착: 상권만족, 상권충성도, 그리고 친환경 행동에 미치는 영향. 상품학연구, 38(4), 95-107.

19.

이애리, 이주원 (2018). 소셜 빅 데이터를 이용한 상권 확장 트렌드 및 소비 트렌드 분석: 인스타그램 해시태그 데이터 기반. e-비즈니스연구, 19(6), 401-413.

20.

이용직, 최내영 (2005). 아날로그기법을 이용한 상권분석 사례연구: 마포 합정지구를 중심으로. 국토계획, 40(5), 75-86.

21.

이종원, 정나영, 천지은, 류다진, 이명성 (2018). 전통시장 활성화를 위한 대응일치분석 연구-소비자 특성을 중심으로. 동북아관광연구, 14(4), 89-110.

22.

이흥우, 박원석 (2004). 인접한 대형할인점의 상권특성과 경쟁전략에 관한 연구: 대구광역시 북구의 이마트와 홈플러스를 사례로. 지역연구, 20(1), 41-63.

23.

장하원, 이수범 (2019). 프리미엄 커피전문점의 감각마케팅 포지셔닝 맵. 호텔경영학연구, 28(7), 217-234.

24.

장흥섭, 김광석 (2007). 지역 재래시장의 속성에 대한 소비자와 상인간 인식 비교. 경영교육연구, 46(1), 261-282.

25.

정연승, 최순화 (2016). 한국형 스트리트형 상권 (문화쇼핑거리)의 현황과 발전방안. 유통연구, 21(2), 125-151.

26.

정영라 (2020). 관광목적지로서의 전통시장 방문동기에 따른 시장세분화 분석: 서촌 통인시장을 중심으로. 관광레저연구, 32(5), 5-30.

27.

정영우 (2006). 커피전문점의 포지셔닝 전략에 관한 연구. 호텔경영학연구, 15(1), 269-289.

28.

지남석, 지규현 (2010). 대형할인점과의 거리요소가 소비자 방문빈도에 미치는 영향. 부동산연구, 20(2), 193-209.

29.

채성규 (2012). 강남역 지하공공보도시설 리모델링을 통한 지하도상가 설계방향 분석. 건축, 56(2), 48-52.

30.

허자연, 정연주, 정창무 (2014). 소셜네트워크서비스(SNS)와 상권 활성화에 관한 연구. 관광경영연구, 18(4), 517-534.

31.

홍상호, 신우진 (2016). 지방대도시 내 전통시장 상권범위에 관한 연구: 광주광역시 양동시장을 중심으로. 한국지역개발학회 학술대회 (pp. 331-341).

32.

Abdi, H. & Valentin, D. (2007). Multiple correspondence analysis. Encyclopedia of Measurement and Statistics, 2(4), 651-657.

33.

Arora, R. (1982). Consumer involvement in retail store positioning. Journal of the Academy of Marketing Science, 10(1), 109-124.

34.

Benzécri, J.-P. (1973). L'analyse des données (Vol. 2). Dunod Paris.

35.

Blankson, C., Cowan, K., Crawford, J., Kalafatis, S., Singh, J., & Coffie, S. (2013). A review of the relationships and impact of market orientation and market positioning on organisational performance. Journal of Strategic Marketing, 21(6), 499-512.

36.

Boo, S. & Busser, J. A. (2006). The hierarchical influence of visitor characteristics on tourism destination images. Journal of Travel & Tourism Marketing,19(4), 55-67.

37.

Brooksbank, R. (1994). The anatomy of marketing positioning strategy. Marketing Intelligence & Planning, 12(4), 10-14.

38.

Carroll, J. D. & Chang, J. J. (1970). Analysis of individual differences in multidimensional scaling via an N-way generalization of “Eckart-Young” decomposition. Psychometrika, 35(3), 283-319.

39.

Chen, J. S. & Uysal, M. (2002). Market positioning analysis: A hybrid approach. Annals of Tourism Research, 29(4), 987-1003.

40.

Corstjens, M. & Doyle, P. (1989). Evaluating alternative retail repositioning strategies. Marketing Science, 8(2), 170-180.

41.

Cox, M. A. & Cox, T. F. (2008). Multidimensional scaling. In Handbook of data visualization (pp. 315-347). Springer.

42.

Devlin, D., Birtwistle, G., & Macedo, N. (2003). Food retail positioning strategy: A means-end chain analysis. British Food Journal, 105(9), 653-670.

43.

Dibb, S. & Simkin, L. (1991). Targeting, segments and positioning. International Journal of Retail & Distribution Management, 19(3), 4-10.

44.

Doey, L. & Kurta, J. (2011). Correspondence analysis applied to psychological research. Tutorials in Quantitative Methods for Psychology, 7(1), 5-14.

45.

Faullant, R., Matzler, K., & Füller, J. (2008). A positioning map of skiing areas using customer satisfaction scores. Journal of Hospitality & Leisure Marketing, 16(3), 230-245.

46.

Gallons, J., Toensmeyer, U. C., Bacon, J. R., & German, C. L. (1997). An analysis of consumer characteristics concerning direct marketing of fresh produce in Delaware: A case study. Journal of Food Distribution Research, 28, 98-106.

47.

Glynn, D. & Robinson, J. A. (2014). Corpus methods for semantics: Quantitative studies in polysemy and synonymy (Vol. 43). John Benjamins Publishing Company.

48.

Goodman, L. A. (1986). Some useful extensions of the usual correspondence analysis approach and the usual log-linear models approach in the analysis of contingency tables. International Statistical Review/Revue Internationale de Statistique, 54(3), 243-270.

49.

Greenacre, M. & Blasius, J. (2006). Multiple correspondence analysis and related methods. Chapman and Hall/CRC.

50.

Greenacre, M. & Hastie, T. (1987). The geometric interpretation of correspondence analysis. Journal of the American Statistical Association, 82(398), 437-447.

51.

Guan, W., Rehme, J., & Nord, T. (2012). Classification and retail positioning into strategic groups: The case of DIY retailers and builders’ merchants in Sweden. International Journal of Retail & Distribution Management, 40(8), 570-591.

52.

Hoffman, D. L. & De Leeuw, J. (1992). Interpreting multiple correspondence analysis as a multidimensional scaling method. Marketing Letters, 3(3), 259-272.

53.

Hout, M. C., Papesh, M. H., & Goldinger, S. D. (2013). Multidimensional scaling. Wiley Interdisciplinary Reviews: Cognitive Science, 4(1), 93-103.

54.

Kruskal, J. B. (1964). Nonmetric multidimensional scaling: A numerical method. Psychometrika, 29(2), 115-129.

55.

Lin, F. J. & Lin, Y. H. (2016). The effect of network relationship on the performance of SMEs. Journal of Business Research, 69(5), 1780-1784.

56.

Marketo, C., Cooper, T., Petty, M., & Scriven, F. (1994). The reliability of MDPREF to show individual preference. Journal of Sensory Studies, 9(3), 337-350.

57.

Moon, S. & Kamakura, W. A. (2017). A picture is worth a thousand words: Translating product reviews into a product positioning map. International Journal of Research in Marketing, 34(1), 265-285.

58.

Obua, J. & Harding, D. (1996). Visitor characteristics and attitudes towards Kibale national park, Uganda. Tourism Management, 17(7), 495-505.

59.

Ries, A. & Trout, J. (2001). Positioning: The battle for your mind. New York: McGraw Hill.

60.

Rodríguez-Díaz, M., Rodríguez-Díaz, R., Rodríguez-Voltes, A. C., & Rodríguez-Voltes, C. I. (2017). A model of market positioning of destinations based on online customer reviews of lodgings. Sustainability, 10(1), 78.

61.

Sanz-Blas, S., Buzova, D., & Carvajal-Trujillo, E. (2019). Familiarity and visit characteristics as determinants of tourists' experience at a cruise destination. Tourism Management Perspectives, 30(4), 1-10.

62.

Siebers, L. Q., Zhang, T., & Li, F. (2013). Retail positioning through customer satisfaction: an alternative explanation to the resource- based view. Journal of Strategic Marketing, 21(7), 559-587.

63.

Spinks, W., Lawley, M., & Richins, H. (2005). Satisfaction with Sunshine Coast tourist attractions: The influence of individual visitor characteristics. Journal of Tourism Studies, 16(1), 12-23.

64.

Sujan, M. & Bettman, J. R. (1989). The effects of brand positioning strategies on consumers’ brand and category perceptions: Some insights from schema research. Journal of Marketing Research, 26(4), 454-467.

65.

Torbidoni, E. I. F., Grau, H. R., & Camps, A. (2005). Trail preferences and visitor characteristics in Aigüestortes i Estany de Sant Maurici National park, Spain. Mountain Research and Development, 25(1), 51-59.

66.

Torgerson, W. S. (1952). Multidimensional scaling: I. Theory and method. Psychometrika, 17(4), 401-419.

67.

Van Auken, S. & Lonial, S. C. (1991). Multidimensional scaling and retail positioning: An appraisal. International Journal of Retail & Distribution Management, 19(3), 11-18.

68.

Yelland, P. M. (2010). An introduction to correspondence analysis. The Mathematica Journal, 12(1), 86-109.