Research article

다양성 추구 성향과 OTT 구독 행동: 결제 데이터를 활용한 구독 유지 및 재가입 분석*

김준희1, 김서현2, 홍지수3, 권민규4, 윤원주5,**
Junehee Kim1, Seohyeon Kim2, Jisu Hong3, Mingyu Gwon4, Wonjoo Yun5,**
Author Information & Copyright
1한국외국어대학교 통계학과 학부생
2한국외국어대학교 영미문학·문화학과 학부생
3한국외국어대학교 독일어과 학부생
4한국외국어대학교 경제학전공 학부생
5한국외국어대학교 경영대학 부교수
1Undergraduated Student, Department of Statistics, Hankuk University of Foreign Studies
2Undergraduated Student, Department of English Literature and Culture, Hankuk University of Foreign Studies
3Undergraduated Student, Department of German, Hankuk University of Foreign Studies
4Undergraduated Student, Division of Economics, Hankuk University of Foreign Studies
5Associate Professor, College of Business, Hankuk University of Foreign Studies
**Corresponding Author: wyun@hufs.ac.kr

© Copyright 2026 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: Jan 25, 2026; Revised: Mar 31, 2026; Accepted: Apr 22, 2026

Published Online: Jul 31, 2026

국문초록

OTT(over-the-top) 시장이 성숙하고 플랫폼 간 콘텐츠 대체 가능성이 커지면서, 구독 유지, 해지, 재가입을 설명하는 요인의 중요성이 높아지고 있다. 기존 연구는 주로 콘텐츠 및 시스템 품질, 만족, 지속 이용 의도를 설문자료로 분석해 왔으나, 실제 행동으로 측정된 소비자 성향이 실제 OTT 플랫폼 수준의 구독 행동에 미치는 영향을 결제 데이터로 검증한 연구는 드물다. 본 연구는 비주얼 가계부 앱의 카드 거래 데이터를 활용해 프랜차이즈 음식점과 카페에서 나타난 브랜드 선택 다양성으로 개인별 다양성 추구 성향(VS, Variety Seeking)을 구성하고, 이를 주요 OTT 플랫폼의 구독 결제 이력과 결합해 분석하였다. Cox 비례위험모형 분석 결과, VS가 높을수록 동일 플랫폼에서의 구독 유지기간이 유의하게 짧았고, 음이항 회귀모형에서도 해지 후 동일 플랫폼으로의 재가입 빈도가 유의하게 낮았다. 이는 높은 VS 성향의 소비자가 단일 플랫폼에 머무르기보다 새로운 플랫폼이나 대안을 탐색할 가능성이 높음을 시사한다. 본 연구는 일상 소비에서 관찰된 행동적 VS 지표를 디지털 구독 맥락에 연결함으로써 다양성 추구 이론을 확장하고, OTT 사업자에게 소비자 이질성을 반영한 구독 유지 및 재유치 전략의 필요성을 제시한다.

ABSTRACT

Purpose: As the over-the-top (OTT) market matures and content substitutability across platforms increases, understanding platform-level subscription dynamics—duration, churn, and win-back—has become increasingly important for platform sustainability. Prior OTT research has mainly focused on platform attributes such as content quality, system quality, satisfaction, and continuance intention, relying largely on survey-based data. Less is known about whether consumers’ intrinsic behavioral tendencies, observed in real-world spending patterns, help explain actual subscription adjustment behavior. This study addresses that gap by examining the role of variety seeking (VS)—a tendency to pursue novelty and avoid satiation—in shaping subscription duration and post-churn resubscription behavior in OTT services.

Research design, data, and methodology: This study uses 36 months of actual credit and debit card transaction data (January 2022 to December 2024) from 47,050 users of Tenqube’s mobile household accounting application. Individual-level VS indices were constructed from observed brand diversity in franchise restaurant and café purchases, thereby operationalizing VS as a relatively stable behavioral tendency manifested in everyday consumption. These measures were then linked to subscription payment histories for five major OTT platforms in South Korea—Netflix, TVING, Coupang Play, Wavve, and Disney+. To capture platform-level subscription behavior, user-platform subscription sessions were constructed separately for each OTT service, including cases of concurrent subscriptions. A Cox proportional hazards model was employed to estimate the effect of VS on subscription duration, and a negative binomial regression model was used to examine the effect of VS on win-back frequency after churn. The models controlled for age, gender, platform-level MAU, baseline subscription price, and integrated service quality, while also incorporating time-varying covariates for concurrent subscriptions and actual payment amount.

Results: VS was systematically associated with both shorter subscription duration and lower same-platform win-back frequency. In the Cox proportional hazards model, higher VS significantly increased churn risk, indicating shorter subscription duration on a given OTT platform (Hazard Ratio=1.51, p<.001). In the negative binomial model, VS was negatively associated with win-back frequency after cancellation (IRR= 0.606, p<.001), suggesting that a one-unit increase in VS corresponds to approximately a 40% reduction in the likelihood of returning to the same platform after cancellation. Additional robustness checks using a Weibull AFT model, a zero-inflated negative binomial model, and a Copula framework produced similar results. A price-segment moderation analysis further showed that the adverse effect of VS was amplified among premium-tier subscribers, with a greater churn hazard and a lower win-back rate.

Conclusions: This study extends the concept of variety seeking to the digital subscription economy by showing that behaviorally measured VS predicts platform-level OTT subscription dynamics. By using transaction-based behavioral measures rather than self-reported survey responses, it provides a behaviorally grounded explanation of how consumer tendencies translate into observable subscription duration, churn, and win-back patterns. Managerially, the findings suggest that uniform customer relationship management (CRM) strategies may be insufficient in heterogeneous subscription markets. For lower-VS users, relationship-reinforcing tactics may help extend subscription duration, whereas for higher-VS users, flexible subscription plans, pause-subscription options, novelty-oriented content curation, and prediction-based win-back campaigns may be more effective. Overall, consumer heterogeneity in variety seeking should be considered in designing strategies to extend subscription duration and encourage reacquisition in subscription-based media markets.

Keywords: 다양성 추구 성향; OTT 구독 서비스; 구독 유지; 이탈; 재가입; 결제 데이터
Keywords: Variety Seeking; OTT Subscription Service; Subscription Retention; Churn; Win-Back; Transaction Data

Ⅰ. 서론

OTT(over-the-top) 서비스는 스마트폰의 보급 확대와 통신 인프라의 고도화에 힘입어 온라인 동영상 시청의 중심 채널로 자리 잡았다. 특히 COVID-19 팬데믹을 거치며 비대면 여가 수요가 급증하였고, 이에 따라 글로벌 OTT 시장은 빠른 성장세를 경험하였다. 국내 시장 역시 구독 기반 OTT 이용이 보편화되면서 주요 플랫폼 간 경쟁이 한층 치열해지고 있다(Kim & Kim, 2024). 그러나 시장이 성숙 단계에 접어들면서 플랫폼 간 콘텐츠 대체 가능성도 함께 확대되었고, 가입과 해지가 자유로운 환경 속에서 소비자는 특정 플랫폼에 장기적으로 머무르기보다 상황에 따라 구독을 조정하는 경향을 보이고 있다. 특히 복수 플랫폼의 동시 이용(multihoming)이 가능한 디지털 구독 환경에서는, 단순한 신규 가입자 확보보다 개별 플랫폼 수준에서의 ‘구독 유지(retention)’, ‘이탈(churn)’, ‘재가입(win-back)’을 이해하고 관리하는 것이 수익성 확보의 핵심 과제로 부상하고 있다.

이러한 변화는 OTT 이용행태를 설명하는 기존 이론적 접근의 한계를 드러낸다. 기존 OTT 연구는 주로 콘텐츠 품질, 시스템 편의성, 만족, 지속 이용 의도와 같은 플랫폼 내부 속성 및 정적 태도 변수에 주목해 왔으며, 일부 연구는 콘텐츠 다양성 지각이나 멀티호밍 의도를 설명하는 데 초점을 맞추었다(박만수, 주지혁, 2024; 안선주 외, 2022). 또한 관성, 습관, 손실회피와 같은 소비자 특성도 중요한 설명 변수로 논의되어 왔다. 그러나 이러한 변수들은 대체로 현재 서비스를 유지하게 만드는 메커니즘에 초점을 두고 있어, 반복 이용 과정에서 왜 일부 소비자가 새로운 대안을 탐색하고 해지, 전환, 재가입과 같은 동태적 구독 조정 행동을 보이는지는 충분히 설명하지 못한다. 특히 OTT 이용자의 이탈은 단순한 불만족만이 아니라 반복 이용 과정에서의 포만, 지루함, 새로운 콘텐츠 및 플랫폼에 대한 탐색 동기와도 관련될 수 있다는 점에서, 행동 수준의 설명 변수를 보다 적극적으로 고려할 필요가 있다.

이와 관련해 주목할 수 있는 개념이 다양성 추구 성향(VS: variety seeking)이다. VS는 반복 소비 과정에서 지루함이나 자극 저하를 회피하고 새로운 대안과 경험을 탐색하려는 성향으로, 전통적으로는 일용소비재나 오프라인 구매 상황에서 브랜드 전환을 설명하는 개념으로 발전해왔다(Kahn, 1995; McAlister & Pessemier, 1982). 서비스 문헌에서는 VS는 고객 유지를 약화시키고 전환 성향(switching tendency)을 높이는 것으로 논의되어 왔다(Berné et al., 2001). 비디오 스트리밍 플랫폼과 같은 디지털 환경에서도 VS가 이용기록 기반으로 측정 및 적용될 수 있음이 검증되었다(Li & Tuzhilin, 2024). 다만 OTT와 같은 디지털 구독 환경에서는 이 메커니즘이 보다 복합적으로 작동할 수 있다. VS가 높은 소비자는 동일 플랫폼 내부에서 장르와 콘텐츠를 폭넓게 탐색함으로써 자극 추구를 충족할 수 있지만, 반대로 플랫폼 내부 탐색만으로는 자극 수준이 충분히 유지되지 않거나 원하는 콘텐츠가 빠르게 소진되었다고 인식할 경우, 그 성향은 플랫폼 수준의 해지, 전환, 낮은 재가입으로 나타날 수 있다. 최근의 연구 역시 VS가 단일 플랫폼 충성보다 복수 구독과 대안 조합을 확대하는 방향으로 작동할 가능성을 시사한다(Redondo & Serrano, 2024).

그럼에도 불구하고, VS를 일상 소비 전반에서 관찰되는 비교적 안정적인 행동 성향으로 파악하고, 그것이 실제 OTT 플랫폼 수준의 구독 유지와 재가입에 어떠한 영향을 미치는지를 결제 데이터로 검증한 연구는 드물다. 이에 본 연구는 36개월간의 실제 카드 결제 패널 데이터를 활용하여, 프랜차이즈 음식점과 카페 이용에서 나타난 브랜드 선택 다양성을 바탕으로 개인별 VS 지표를 구성하고, 이를 OTT 플랫폼의 구독 결제 이력과 결합해 분석한다. 구체적으로 본 연구는 (1) VS가 동일 플랫폼에서의 연속 구독 기간에 미치는 영향, (2) 서비스 이탈 이후 동일 플랫폼으로의 재가입 빈도에 미치는 영향을 검토한다. 이를 위해 시간-사건 자료에 적합한 Cox 비례위험모형(proportional Hazards model)과 가산 자료 분석을 위한 음이항 회귀모형(negative binomial regression)을 적용하였다. 이를 통해 본 연구는 정적 태도 중심의 기존 OTT 연구를 보완하고, 소비자 내재적 성향(VS)이 디지털 구독 서비스의 동태적 경로에 어떠한 설명력을 가지는지를 실증적으로 제시하고자 한다.

분석 결과, 다양성 추구 성향은 OTT 구독 유지 기간에 부정적인 영향을 미쳐 VS가 높을수록 구독 이탈 위험이 증가하는 것으로 나타났다. 또한 VS 성향이 높을수록 해지 이후 동일 플랫폼으로의 재가입 빈도 역시 유의하게 낮아지는 것으로 확인되었다. 이는 다양성 추구 성향이 높은 소비자가 익숙한 플랫폼으로 복귀하기보다 새로운 플랫폼이나 대안을 계속 탐색하려는 경향을 가질 수 있음을 시사한다. 따라서 VS는 OTT 서비스의 구독 유지-이탈-재가입이라는 일련의 과정에서 플랫폼의 수익성과 고객관리 전략에 중요한 영향을 미치는 변수로 해석될 수 있다. 본 연구는 일상 소비에서 관찰된 행동 기반 VS 지표를 실제 OTT 구독 결제 이력과 연결함으로써, 태도 중심의 기존 연구와 실제 디지털 구독 행동 사이의 간극을 좁히는 데 기여한다.

이러한 결과는 다음과 같은 학술적 및 실무적 의의를 갖는다. 첫째, 본 연구는 기존에 주로 소비재 맥락에서 논의되어 온 다양성 추구 성향 개념을 디지털 구독 경제로 확장하고, 행동 기반 VS가 OTT 서비스의 구독 유지 및 재가입과 같은 플랫폼 수준 행태와 유의하게 연결될 수 있음을 보여준다. 둘째, 설문 기반의 자기보고식 자료가 아니라 실제 결제 로그를 활용하고, 일상 소비에서 측정한 행동 기반 VS 지표를 OTT 구독 이력과 결합함으로써 기존 연구의 방법론적 한계를 보완한다. 셋째, 다양성 추구 성향에 따른 구독자 이질성을 확인함으로써, 플랫폼 사업자가 구독 기간 연장과 이탈 고객의 윈백(win-back)을 설계할 때 소비자별로 차별화된 고객관리 전략을 고려할 필요가 있음을 시사한다.

Ⅱ. 연구 배경

1. 다양성 추구 성향

소비자의 다양성 추구(VS)는 동일한 제품이나 브랜드를 반복적으로 소비할 때 효용이 감소하고 지루함이 증가하는 상황을 회피하기 위해, 다른 제품, 브랜드, 카테고리로 선택을 전환하려는 성향으로 정의된다(McAlister & Pessemier, 1982). Kahn (1995)은 VS를 구매 상황 전반에서 선택 대상의 다양성을 적극적으로 추구하려는 개인의 경향으로 보며, 이러한 행동이 단순한 효용 극대화를 위한 대안 교체를 넘어 새로움과 변화, 그리고 예측 불가능성 자체에서 심리적 자극과 내재적 만족을 얻으려는 동기에서 비롯된다고 설명한다. 따라서 VS는 소비자가 주어진 선택 환경에서 경험적 자극과 심리적 자극을 중시하는 내재적 동기와 밀접하게 연결되어 있으며, 전통적 선택 이론이 가정하는 합리적 대안 선택만으로는 설명되기 어려운 탐색적 소비 성향을 포착하는 개념으로 이해할 수 있다.

VS의 발생 메커니즘에 대해서는 반복 소비 과정에서의 포화(satiation)와 자극 감소가 핵심적으로 논의되어 왔다(McAlister, 1982; McAlister & Pessemier, 1982; Sevilla et al., 2019). 특정 대안을 반복적으로 소비할수록 그 대안이 제공하는 속성의 한계효용은 점차 감소하고, 결과적으로 소비자는 지루함을 경험하거나 더 이상 충분한 자극을 얻지 못하게 된다. Berné et al.(2001)은 이러한 다양성 추구 행동이 세 가지 메커니즘을 통해 나타날 수 있다고 설명한다. 첫째, 특정 제품 속성에 대한 포화로 인해 기존 대안에 대한 선호가 감소된다. 둘째, 이전에 시도하지 않았던 브랜드나 제품을 선택하려는 새로움 탐색(search for novelty)을 한다. 셋째, 미래 선호를 확신하지 못할 때 다양성을 일종의 위험 분산 수단(need to hedge against uncertainty)으로 활용하는 경우가 있다. 이처럼 VS는 단순한 무작위적 전환이 아니라, 포화와 지루함을 완화하고 새로운 자극을 확보하려는 동기에 기반한 행동 성향으로 볼 수 있다.

이러한 내부 메커니즘은 개인의 심리적 특질과도 연결된다. 최적자극수준(OSL: optimal stimulation level)이 높은 소비자는 반복 소비에서 감소하는 자극을 보완하기 위해 새로운 선택지를 탐색하려는 경향이 강하며, 충동성과 같은 심리적 특성도 느슨한 인지 통제하에서 변화와 새로움을 추구하는 행동과 결합해 VS를 강화할 수 있다(Roehm & Roehm, 2005; Sharma et al., 2010). 위험 선호 역시 중요한 설명 변수로, 위험 감수 성향이 높은 소비자는 새로운 대안을 더 적극적으로 탐색하는 반면, 손실 회피 성향이 강한 소비자는 익숙한 선택지를 유지하려는 경향을 보여 VS 수준이 낮아질 수 있다(Belli et al., 2024). 즉, VS는 자극 추구 성향, 자기조절 특성, 위험 선호가 복합적으로 작용한 결과이다.

한편 VS를 관찰 가능한 형태로 측정하는 방식도 발전해 왔다. 초기 연구는 실험 참여자가 보상으로 받을 항목을 선택하도록 하고, 선택 조합의 이질성을 VS 지표로 활용하였다(Simonson, 1990; Maimaran & Wheeler, 2008). 이후에는 실제 구매 데이터를 활용하여 고유 브랜드 수, 브랜드 전환 빈도, 카테고리별 구매 조합 등 반복적으로 관찰되는 선택 패턴을 통해 VS를 추정하는 방식이 확산되었다(Levav & Zhu, 2009; Huang et al., 2019). 이러한 접근은 VS를 특정 제품군에만 국한된 반응이 아니라, 다양한 소비 상황에서 비교적 일관되게 드러나는 일반적 탐색 성향(domain-general exploratory tendency)으로 본다는 점에 기반한다(van Trijp et al., 1996).

이처럼 VS 연구는 주로 반복구매가 가능한 일상 소비 맥락, 특히 식음료나 생활용품처럼 유사 대안이 반복적으로 제시되는 카테고리에서 축적되어 왔다(Levav & Zhu, 2009; Maimaran & Wheeler, 2008; Simonson, 1990). 그러나 최근 온라인 소비와 디지털 서비스 이용이 일상화되면서, VS 개념의 적용 범위를 디지털 소비 맥락으로 확장할 필요성이 커지고 있다(Zhang, 2022). 온라인 채널은 오프라인 채널보다 더 넓은 구색을 제공할 뿐 아니라, 검색 및 추천 기능을 통해 소비자의 정보 탐색 비용을 낮춤으로써 다양한 선택지를 보다 쉽게 탐색하고 소비할 수 있는 환경을 제공한다(Brynjolfsson et al., 2011; Zentner et al., 2013). 특히 OTT와 같은 스트리밍 서비스는 추가적인 콘텐츠 소비에 수반되는 한계비용이 매우 낮아 소비가 보다 다양한 대안으로 분산될 가능성이 크지만, 이러한 효과가 모든 소비자에게 동일하게 나타나는 것은 아니다(Datta et al., 2018). 즉, 개인별 다양성 추구 성향의 수준에 따라 플랫폼 내부에서 이루어지는 콘텐츠 탐색의 폭과 강도가 달라질 수 있으며, 나아가 그 효과는 플랫폼 내부 탐색에 머물지 않고 외부 대안을 탐색하거나 플랫폼을 전환하는 행동으로까지 이어질 수 있다.

한편 VS는 기업의 고객 관리 전략과 수익성에 중요한 변수다. VS가 높은 소비자는 다양한 대안을 시도하고 브랜드 충성도가 낮으며, 경쟁 브랜드의 프로모션 및 가격 조건에 더 민감하게 반응하는 경향이 있다(Knox & Walker, 2001). 그렇기에 서비스 만족도가 유사하더라도, VS 수준에 따라 충성도와 고객 유지율이 달라질 수 있다(Berné et al., 2001). Trivedi(1999)는 이러한 특성에 주목하여 VS를 효과적인 시장 세분화 기준으로 제시한 바 있으며, 이는 VS가 잠재적 이탈 고객을 식별하고 고객 유지 전략을 설계하는 데 유의한 시사점을 제공하는 소비자 특성 변수임을 시사한다. 특히 OTT 서비스는 이용자가 플랫폼 간 전환과 구독 유지를 반복적으로 조정하는 구독 환경으로 이해될 수 있으며, 이러한 구조는 전환 의도와 고객 유지 의도의 관점에서 설명되어 왔다(Chang & Chiu, 2023). 따라서 VS는 OTT 맥락에서 플랫폼 수준의 유지와 이탈을 설명하는 중요한 변수일 수 있으며, 본 연구는 이를 검증해 고객 유지·이탈·재가입 전략에 시사점을 제공하고자 한다.

2. OTT 구독 서비스

구독 모델(subscription model)은 소비자가 일정 주기로 비용을 지불하고 서비스를 지속적으로 이용하거나 제품에 접근하는 비즈니스 구조를 의미한다. 반복 결제와 접근권 유지가 핵심이며, 기업이 일회성 판매 중심 거래에서 벗어나 소비자와 지속적 관계를 형성하는 기반이 된다(McCarthy et al., 2017). 이는 소비자 가치 지향이 소유에서 사용과 경험 중심으로 이동하는 흐름을 반영하며, 구독 기반 비즈니스는 이를 뒷받침하는 중요한 경제적 패러다임으로 자리 잡았다(Bardhi & Eckhardt, 2012; Rifkin, 2000; Vargo & Lusch, 2004). OTT 서비스는 이러한 구독 경제의 대표적 사례로, 인터넷망을 통해 언제 어디서나 동영상 콘텐츠를 소비할 수 있는 디지털 콘텐츠 서비스를 뜻한다(안선주 외, 2022; 하윤금, 2014).

OTT 서비스의 확산은 전통적 텔레비전 중심의 미디어 소비 환경을 전환시키고, 소비자가 시간과 장소의 제약 없이 다양한 콘텐츠를 탐색할 수 있는 조건을 크게 확대하였다. 최근 시장이 성숙 단계에 접어들면서 경쟁 플랫폼이 늘고 소비자의 이용 방식도 더욱 유동적으로 변화하고 있다. 특정 시기에 화제가 된 콘텐츠만 소비하기 위해 단기간 구독 후 해지하는 체리피킹(cherry-picking), 여러 플랫폼을 동시에 이용하는 멀티호밍(multihoming), 그리고 필요 시점에 다시 복귀하는 ‘가입-해지-재가입(subscribe-cancel-resubscribe)’ 패턴이 대표적이다(박만수, 주지혁, 2024; Antenna, 2024; FT Strategies & Mastercard, 2024). 따라서 기업은 단순한 가입자 획득과 유지의 관점을 넘어, retention-churn-win- back으로 이어지는 동적 구독 순환을 이해할 필요가 있다.

기존 OTT 연구들은 이러한 행동을 주로 플랫폼 특성을 중심으로 설명해 왔다. 콘텐츠 품질과 다양성, 큐레이션, 이용 편의성, 만족도, 가격 공정성 등은 지속 이용 의도와 관련된 핵심 요인으로 다루어져 왔다(박만수, 주지혁, 2024; 안선주 외, 2022). 동시에 소비자 개인의 심리적 특성도 중요한 설명 변수로 논의되어 왔는데, 구독 서비스 소비자는 기능적 편의성뿐 아니라 심리적 관성(inertia), 정서적 습관(habit formation), 손실회피(loss aversion)의 영향을 받는다(Chakraborty, 2025; Iyengar et al., 2022). 예를 들어, 관성, 습관, 손실 회피 성향은 현재 상태를 유지하게 하거나 해지를 지연시키는 방향으로 작용한다는 점에서, 대체로 현 상태 유지 메커니즘으로 이해할 수 있다.

이 점에서 VS는 관성, 습관, 손실 회피와 개념적으로 구별된다. 관성, 습관, 손실 회피가 현재 서비스에 머무르거나 반복 이용을 유지하도록 하는 상태 유지 메커니즘이라면, VS는 반복 이용 과정에서 포화와 지루함이 누적될 때 새로운 대안을 탐색하도록 만드는 변화 지향적 메커니즘으로 이해할 수 있다(Becerril-Castrillejo et al., 2026; Iyengar & Lepper, 2000). 다만 이러한 상태 유지 메커니즘과 VS는 상호 배타적인 성향이라기보다 동일한 소비자 내에서 함께 나타날 수 있다(Bawa, 1990). 이를 OTT 구독 행동에 적용하면, 관성과 습관은 구독 유지를 강화하는 방향으로 작용할 수 있는 반면, VS는 플랫폼 이탈이나 낮은 재가입 경향으로 이어질 수 있다. 따라서 본 연구는 VS를 기존 설명변수를 대체하는 개념으로 보기보다, OTT 구독 조정 행동을 설명하는 추가적 소비자 성향 변수로 보고자 한다.

최근 연구는 VS가 추천시스템 및 비디오 스트리밍 플랫폼과 같은 디지털 환경에서도 측정되고 적용될 수 있음을 보여준다. 예컨대 소비 기록을 기반으로 VS 수준을 추정하는 프레임워크를 비디오 스트리밍 플랫폼에 적용한 연구는, VS가 디지털 콘텐츠 소비 맥락에서도 유의미한 행동 성향으로 포착될 수 있음을 제시하였다(Li & Tuzhilin, 2024). 특히 OTT 서비스는 VS가 두드러지게 작동할 수 있는 구조적 조건을 갖추고 있다. OTT는 반복 이용이 전제되는 구독 모델인 동시에, 성숙 시장에서 대안 플랫폼이 풍부하고 전환 비용이 낮다는 특징을 지닌다. 또한 동일 플랫폼 내부에서도 다양한 콘텐츠를 탐색할 수 있지만, 콘텐츠의 폭만으로는 이용자의 자극 욕구가 지속적으로 충족되지 않을 수 있다. 플랫폼 내부에서의 콘텐츠 이용이 누적될수록 콘텐츠 포만감이 형성될 수 있으며, 이는 새로운 자극에 대한 추구를 유발하고 나아가 구독 해지로 이어질 수 있다(Becerril-Castrillejo et al., 2026; Sevilla et al., 2019). 이러한 환경에서 VS 성향이 높은 소비자는 플랫폼 내부에서 폭넓은 콘텐츠 탐색을 수행하더라도 자극 수준이 충분히 유지되지 않는다고 인식할 경우, 기존 플랫폼에 머무르기보다 외부의 새로운 대안을 탐색할 가능성이 높아진다(Becerril-Castrillejo et al., 2026). 따라서 OTT 맥락에서 VS는 플랫폼 내부 탐색 경험이 누적된 이후 자극의 미충족이나 콘텐츠 소진에 대한 인식과 맞물려, 결국 플랫폼 수준의 구독 조정 행동으로 이어질 수 있는 성향으로 이해할 수 있다.

그럼에도 불구하고, VS를 일상 소비에서 관찰되는 행동 성향으로 파악하고 그것이 실제 OTT 플랫폼 수준의 구독 유지와 재가입에 어떠한 영향을 미치는지를 검증한 연구는 드물다. 따라서 본 연구는 실제 결제 기반 패널 데이터를 활용하여, VS가 OTT 구독의 유지 기간, 이탈 가능성, 그리고 해지 이후 재가입 행동에 미치는 영향을 분석한다. 이를 통해 OTT 구독 환경에서 나타나는 동태적 경로를 소비자의 다양성 추구 성향을 중심으로 설명하고자 한다.

3. 연구 문제

앞서 살펴본 바와 같이, 기존 OTT 연구는 주로 콘텐츠 품질, 시스템 편의성, 만족도와 같은 플랫폼 속성 및 정적 태도 변수를 중심으로 지속 이용 의도를 설명해왔다. 그러나 실제 OTT 시장에서는 가입, 구독 유지, 해지, 재가입이 반복적으로 나타나며, 소비자는 단일 플랫폼에 머무르기보다 상황에 따라 구독을 조정한다. 따라서 실제 결제 기반의 플랫폼 수준 구독 유지, 이탈, 재가입을 설명하기 위해서는 플랫폼 특성뿐 아니라, 이러한 행동 조정을 유발할 수 있는 소비자 내재적 성향을 함께 고려할 필요가 있다. 특히 OTT와 같이 대안 접근성이 높고 멀티호밍이 가능한 디지털 구독 환경에서는, VS가 높은 소비자가 동일 플랫폼 내부에서 더 폭넓은 콘텐츠 탐색을 수행하더라도 자극 수준이 충분히 유지되지 않는다고 인식할 경우, 그 성향은 결국 플랫폼 수준의 구독 조정 행동으로 나타날 가능성이 있다. 이에 본 연구는 VS가 OTT 구독의 동태적 경로에 어떠한 영향을 미치는지를 검증하기 위해 <그림 1>과 같은 연구 모형을 설정하였다.

jcr-31-3-27-g1
그림 1. 연구 모형
Download Original Figure

첫 번째 연구 문제는 구독 유지 기간과 관련된다. OTT 서비스는 방대한 콘텐츠 라이브러리를 통해 플랫폼 내부의 선택 다양성을 제공하지만, VS 성향이 높은 이용자는 반복적 이용 과정에서 플랫폼 수준의 포만이나 지루함을 더 빠르게 경험할 수 있다. 특히 전환 비용이 낮고 플랫폼 간 대안 선택이 쉬운 OTT 환경에서는 이러한 성향이 플랫폼 전환이나 구독 중단으로 이어질 수 있다. 기존 연구는 오프라인 소비 맥락에서 VS가 브랜드 전환을 촉진한다고 보아 왔으나, 이러한 메커니즘이 온라인 기반의 OTT 구독 환경에서도 동일 플랫폼의 구독 유지 기간을 단축시키는지는 직접적인 검증이 필요하다.

연구문제 1: 다양성 추구 성향(VS)은 OTT 서비스의 구독 유지 기간(duration)에 어떠한 영향을 미치는가?

다음으로는 구독 해지 이후 동일 플랫폼으로의 재가입 행동과 관련된다. 일반적으로 재가입은 과거에 경험한 서비스로 되돌아가는 행동으로, 친숙성과 심리적 관성에 기반한 선택으로 이해될 수 있다. 그러나 VS 성향은 익숙함보다 새로움과 미지의 대안을 선호하는 경향을 포함하므로, 해지 이후 동일 플랫폼으로 복귀하기보다 다른 플랫폼이나 새로운 대안을 탐색하는 방향으로 작용할 가능성이 있다. 따라서 VS 성향이 높은 소비자의 재가입 행동을 분석하는 것은 OTT 플랫폼의 재가입(win-back) 전략을 이해하는 데 중요한 시사점을 제공한다.

연구문제 2: 다양성 추구 성향(VS)은 기존 OTT 서비스 이탈 후 재가입(win-back) 빈도에 어떠한 영향을 미치는가?

Ⅲ. 연구 설계

1. 사용 데이터

본 연구는 텐큐브(Tenqube)가 제공하는 모바일 가계부 애플리케이션 ‘비주얼 가계부’의 실제 카드 승인 결제 데이터를 활용하였다. 분석에 사용된 데이터는 2022년 1월부터 2024년 12월까지 36개월간 축적된 것으로, 총 47,050명의 신용카드 및 체크카드 결제 내역 약 4,600만 건으로 구성된다. 모든 데이터는 비식별화 조치되었으며, 개별 결제 관측치 수준에서 사용자 고유 식별자(person_id), 업종 분류 코드(category_code), 가맹점 및 프랜차이즈 식별자(franchise_name), 결제 승인 일자(pay_date), 실제 결제 금액(amount) 등의 핵심 행동 변수를 포함한다.

2. 변수 정의
2.1 종속변수: OTT 구독 유지 기간과 재가입 빈도

본 연구는 소비자의 다양성 추구 성향이 디지털 구독 환경에서 어떠한 동태적 조정 행동으로 나타나는지를 검증하기 위해, ‘구독 유지 기간(duration)’과 ‘재가입 빈도(win-back frequency)’를 종속변수로 설정하였다. 이를 위해 한국소비자원이 발표한 2025년 2월 기준 MAU 상위 5개 플랫폼(넷플릭스, 티빙, 쿠팡플레이, 웨이브, 디즈니플러스)의 결제 내역을 추출하고, 플랫폼별 구독 세션을 분리하여 관측치를 구성하였다. 특히 멀티호밍 이용자의 경우에도 각 플랫폼의 구독 시작과 해지를 독립적인 관측치로 처리하여, 다중 구독 환경에서 발생하는 횡단 및 종단적 이질성을 보존하였다.

또한 종속변수를 정확히 산출하기 위해 가맹점명(franchise_name)을 기준으로 특정 플랫폼의 결제 건을 식별한 뒤, 카드사 테스트 결제(100원 미만), 비정기적 단건 결제, 연간 이용권 결제 등 비구독형 비정상 거래는 제외하였다. 재가입 빈도는 개별 소비자의 플랫폼별 월 단위 이용 이력을 구성한 후, 동일 플랫폼 내 결제 간격이 2개월(60일) 이상 단절된 뒤 다시 결제가 발생한 경우만을 독립적인 재가입(win-back) 사건으로 정의하였다. 이에 따라 한 개인이 동일 플랫폼을 이탈한 후 복귀할 때마다 해당 횟수를 누적하여 최종 재가입 빈도를 산출하였다.

2.2 독립변수: 다양성 추구 성향

다양성 추구 성향(VS)은 소비자가 반복적 선택 상황에서 새로운 대안으로 전환하려는 내재적 행동 특성으로, 전통적으로 브랜드 전환 빈도나 일정 기간 내 시도한 고유 브랜드 수 등을 통해 측정되어 왔다. 그러나 본 연구처럼 2년 이상의 장기 소비 패턴을 다루는 대규모 패널 데이터에서는 전환 기반 지표만으로 소비자의 선택 다양성을 안정적으로 설명하는 데 한계가 있다. 이에 본 연구는 전체 구매 건수 대비 사용자가 선택한 고유 브랜드 수의 비율을 VS의 핵심 지표로 채택하였다. 이 지표는 소비자의 실제 소비 포트폴리오 내 선택 다양성을 비교적 안정적으로 반영하며, 장기 결제 데이터에도 왜곡이 적어 기존 연구에서도 일관되게 활용되어 왔다(Levav & Zhu, 2009).

VS는 특정 제품 속성에 대한 일회적 반응이라기보다, 반복 소비 과정에서 효용이 감소하고 지루함이 누적될 때 새로운 자극을 확보하기 위해 선택을 변화시키는 현상이다(McAlister & Pessemier, 1982). 이에 실제 구매 데이터나 실험 환경에서 관찰된 선택 행동을 통해 개인의 VS를 추정하는 접근이 활용되어 왔다(Zhang, 2022). 특히 식음료 카테고리는 높은 구매 빈도, 낮은 관여도, 보편적 소비라는 특성으로 인해 VS를 관찰하기에 적합하며, 동일한 맛과 식감의 반복에 따른 자극 감소를 상쇄하기 위해 새로운 대안 탐색이 자주 발생하는 영역이다(Foxall, 1993; Inman, 2001; Koschate-Fischer et al., 2018). 이에 본 연구는 브랜드 구분이 명확하고 반복 소비가 빈번한 프랜차이즈 음식점과 카페를 분석 카테고리로 선정하고, 여기서 관찰된 브랜드 다양성을 개인의 VS를 반영하는 지표로 활용하였다.

선별된 두 카테고리의 결제 이력을 바탕으로 패널별 VS 지표를 산출하였다. 카테고리별 소비 빈도가 다르다는 점을 고려하여, 소비 건수를 가중치로 반영하는 가중 평균 방식을 적용함으로써 서로 다른 소비 패턴이 균형 있게 반영되도록 설계하였다(McAlister & Pessemier, 1982). 또한 특정 패널의 소비가 지나치게 집중될 경우 지표 분포가 왜곡될 수 있으므로, 전체 소비 건수의 로그 변환 값을 곱하는 보정 절차를 추가하여 고빈도 소비자의 영향이 과도하게 반영되지 않도록 하였다. 이를 통해 최종적으로 각 패널의 VS 지표를 다음과 같이 산정하였다.

VS i = ( VS i,f W i,f + VS i,c W i,c ) log ( n i )
W i,f = n i,f n i,f + n i,c
W i,c = n i,c n i,f + n i,c

ni: 패널별 총 결제 건수

ni,f: 패널별 총 프랜차이즈 식당 결제 건수

ni,c: 패널별 총 카페 결제 건수

이와 같이 정의된 수식을 바탕으로, VS 산출의 엄밀성과 분석 표본 확정을 위해 두 단계의 필터링을 수행하였다. 첫째, 식사 카테고리에서는 프랜차이즈 음식점 거래만 추출하고, 구내식당, 식재료 구매, 배달 관련 항목은 제외하였다. 카페 카테고리 역시 가맹점명(franchise_name)을 기준으로 브랜드 식별이 가능한 거래만 남겼다. 초기 추출 결과는 프랜차이즈 음식점 41,477명, 카페 37,399명이었으나, 고유 브랜드 수가 1로 고정되는 왜곡을 줄이기 위해 각 카테고리에서 5건 이상 구매 이력을 가진 패널만 포함하였다. 그 결과 두 기준을 모두 충족하는 24,426명을 최종 VS 산출 대상으로 확정하였다.

둘째, VS 지표 보유자(24,426명)와 OTT 구독 결제자를 매칭한 결과, 월 단위 구독료 결제 이력이 확인된 패널은 8,901명, 관련 거래는 129,366건으로 식별되었다. 이후 VS 분포의 극단값이 추정치에 미치는 영향을 줄이기 위해 상하위 5% 패널을 제외하는 절삭(trimming) 절차를 적용하였다. 이는 일부 이상치에 의해 추정량이 과도하게 왜곡되는 것을 방지하고, 일반적인 소비자 행동 패턴을 보다 안정적으로 추정하기 위한 조치이다. 분포 안정화 효과와 표본 손실의 균형을 고려해 5% 절삭 기준을 채택하였으며, 최종적으로 8,011명의 패널과 113,875건의 OTT 결제 관측치를 분석 표본으로 확정하였다.

2.3 통제변수

본 연구는 다양성 추구 성향(VS)이 OTT 구독 유지 및 재가입 행동에 미치는 순효과를 보다 엄밀하게 추정하기 위해 개인 특성과 플랫폼 간 구조적 차이를 통제하였다. 선행연구에 따르면 OTT 구독 행태는 소비자의 인구통계학적 특성뿐 아니라 플랫폼 고유 속성의 영향을 함께 받는다(안선주 외, 2022). 이를 반영하여 다음과 같은 통제변수를 포함하였다.

첫째, 개인 수준 변수로는 OTT 콘텐츠 소비 패턴과 기술 수용도에 기저 효과를 가질 수 있는 연령(age)과 성별(gender)을 포함하여 개인 간 이질성을 제어하였다. 둘째, 플랫폼 수준 고정 변수로는 생태계 규모를 나타내는 월간 활성 사용자 수(MAU; 2025년 2월 기준)의 로그 변환값과 한국소비자원 평가를 바탕으로 구성한 통합 서비스 품질(SQ: 콘텐츠 품질, 시스템 품질, 해지·환불 편의성)을 포함하였다. 셋째, 시간가변 공변량(time-varying covariates)으로는 동일 시점에 소비자가 동시 구독 중인 플랫폼 수와 시점별 실제 지불 요금(log_amount)을 추가하였다. 이는 멀티호밍과 요금 변동이 구독 의사결정에 미치는 외생적 교란 효과를 보다 명시적으로 통제하기 위한 것이다.

<표 1>은 주요 변수의 정의를, <표 2>는 각 변수의 기초통계량을 제시한다.

표 1. 사용 변수
구분 변수 산출 기준
종속변수 구독 유지 기간 소비자가 특정 OTT 플랫폼을 구독하기 시작한 시점부터
해지(중단)가 발생할 때까지의 경과 시간(단위: 일)
재가입 빈도 소비자가 특정 OTT 플랫폼을 해지(이탈)한 이후, 다시 해당 서비스에 가입하여 결제가 발생한 횟수(단위: 회)
독립변수 다양성 추구 성향(VS) 식사 및 카페 카테고리 소비 내역을 바탕으로 산출된
개별 소비자의 다양성 추구 성향 지수
통제변수 동시 구독 플랫폼 수 시점별 소비자가 동시 구독 중인 플랫폼의 수
실제 결제 금액(log_amount) 시점별 실제 결제 금액의 로그 변환값
가격 세그먼트 결제 금액의 중앙값을 기준으로 1=고가, 0=저가
연령(Age) 소비자의 5세 단위 연령대
성별(gender) 1=남성, 0=여성
플랫폼 규모(MAU) 2025년 2월 기준 OTT 플랫폼의 월간 활성 사용자 수(MAU)
구독 가격(price) OTT 플랫폼의 주력 요금제(최빈 이용 요금제)의 월 구독료
서비스 품질 (SQ) 콘텐츠 품질 한국소비자원 OTT 서비스 평가 항목 중 플랫폼의
‘콘텐츠 품질(다양성, 최신성 등)’ 점수
시스템 품질 한국소비자원 OTT 서비스 평가 항목 중 플랫폼의
‘시스템 품질(검색, 편의성 등)’ 점수
해지·환불 편의성 한국소비자원 OTT 서비스 평가 항목 중 플랫폼의
‘가입·해지·환불 절차의 용이성’ 점수
Download Excel Table
표 2. 기술통계량
구분 변수 Mean Sth. dev. N Min Median Max
종속변수 구독 유지 기간 196.966 218.236 7,642 30 120 1,125
재가입 빈도 .820 1.336 7,642 0 0 13
독립변수 다양성 추구 성향 .354 .140 7,642 .084 .339 .828
통제변수 동시 구독 플랫폼 수 1.103 .274 7,642 1 1 4
log(실제 결제 금액) 9.014 1.063 7,642 4.605 9.379 10.587
가격 세그먼트 .653 .476 7,642 0 1 1
연령 41.154 8.776 7,642 20 42.500 60
성별 .488 .500 7,642 0 0 1
플랫폼 규모 15.554 .570 7,642 14.231 15.081 16.003
구독 가격 9.509 .049 7,642 9.200 9.510 9.540
콘텐츠 품질 3.930 .173 7,642 3.600 4.070 4.070
시스템 품질 3.951 .085 7,642 3.790 4.020 4.020
해지·환불 편의성 3.820 .031 7,642 3.740 3.840 3.880
Download Excel Table
3. 탐색적 데이터 분석(EDA)

본 연구의 독립변수인 다양성 추구 성향(VS)의 분포를 살펴본 결과(<그림 2A>), 대부분의 관측치가 0.2~0.3 구간에 집중된 우편향(right-skewed) 분포가 나타났다. 이는 비교적 낮은 수준의 VS를 가진 소비자가 다수를 차지함을 시사하지만, 긴 오른쪽 꼬리(right tail)는 적극적으로 다양성을 추구하는 집단이 존재함을 보여준다.

jcr-31-3-27-g2
그림 2. 다양성 추구 성향 분포
Download Original Figure

연령대별 VS 분포 비교(<그림 2B>)에서는 세대 간 차이가 확인되었다. 특히 20대(20~24세, 25~29세)는 VS 점수의 중앙값이 다른 연령대보다 높았 으며, 연령이 높아질수록 VS 수준이 점진적으로 낮아지는 경향을 보였다. 이는 젊은 층일수록 새로운 브랜드나 경험을 탐색하려는 성향이 강하다는 기존 소비자행동 연구와 일치한다.

주요 OTT 플랫폼별 사용자 VS 분포를 바이올린 플롯으로 분석한 결과(<그림 2C>), 넷플릭스 이용자는 VS 분포 중심이 상대적으로 낮아 보수적이거나 충성도 높은 소비자 비중이 높을 가능성을 시사하였다. 반면 디즈니플러스와 쿠팡플레이는 VS 점수 상단부 분포가 비교적 두터워, 다양성 추구 성향이 강한 소비자들에게 ‘서브 구독’ 또는 ‘탐색적 대안’으로 활용될 가능성을 보여준다.

4. 분석 모델링

본 연구는 OTT 구독 소비에서 나타나는 연속 구독 기간과 이탈 후 재가입 빈도라는 두 가지 동적 행동을 설명하기 위해 각각 생존분석(survival analysis)과 음이항 회귀모형(negative binomial regression)을 적용하였다. 구독형 비즈니스 모델의 소비자 행동은 단일한 시간 흐름만으로 설명되기 어렵고, 이탈과 재가입이 반복되는 비연속적(이산적) 패턴을 보인다는 선행연구의 관점을 반영한 것이다(Ascarza & Hardie, 2013). 이에 본 연구는 구독 지속과 재가입을 별개의 분석 틀에서 다루었다.

4.1 Cox 비례위험모형

연속 구독 기간은 특정 사건(구독 해지)이 발생할 때까지의 시간을 다루는 시간-사건(time-to-event) 자료이며, 일부 관측치에서는 관찰 종료 시점까지 해지 사건이 발생하지 않는 중도절단(censoring)이 존재할 수 있다. 이러한 자료를 선형 회귀모형으로 분석하면 편향된 추정이 발생할 수 있으므로, 본 연구는 Cox 비례위험모형(cox proportional hazards model)을 적용하였다(Cox, 1972). Cox 모형은 기저위험함수(baseline hazard)에 대해 분포 가정을 요구하지 않는 준모수적 접근으로, 중도절단 데이터를 자연스럽게 처리할 수 있어 구독 기반 서비스의 해지 위험 분석에 적합하다(Bolton, 1998; Van den Poel & Larivière, 2004; Zhang & Chang, 2021).

모형은 다음과 같다.

h i ( t ) = h 0 ( t ) exp ( β 1 V S i + k = 1 K γ k C o n t r o l i k t )

여기서 hi (t)는 시간 t에서 사용자 i의 이탈 위험률(hazard rate)을 의미하며, h0 (t)는 공변량의 영향이 배제된 기저위험함수이다. β1은 사용자 i의 핵심 독립변수인 VSi의 회귀계수이다.

특히 본 모형의 Controlikt는 사용자 i가 시간 t에 가지는 통제변수 벡터를 의미한다. 여기에는 시간에 따라 변하지 않는 고정 특성(연령, 성별, 플랫폼 규모(MAU), 통합 서비스 품질(SQ))뿐만 아니라, 측정 시점 t마다 동적으로 변화하는 시간 가변 공변량(시점별 동시 구독 플랫폼 수, 시점별 실제 결제 요금)이 명시적으로 포함된다. β1>0이면 VS 성향이 높을수록 구독 해지 위험이 증가하고 유지 기간이 짧아짐을 의미하며, 이 효과는 위험비(hazard ratio, exp(β1))로 해석할 수 있다.

4.2 음이항 회귀모형

재가입 빈도는 0을 포함하는 정수형 반복 행동 데이터이며, 소비자 간 이질성으로 인해 분산이 평균보다 큰 과대산포(overdispersion) 특성을 보인다. 이러한 자료에는 포아송-감마 혼합 모형(poisson-gamma mixture)으로 도출되는 음이항 분포(negative binomial distribution) 기반 회귀모형이 적합하다(Ehrenberg, 1972; Frisbie, 1980). 특히 반복 방문이나 재이용처럼 개인별 행동 빈도가 이질적으로 분포할 때 상황에서 높은 설명력을 제공하므로, 구독-이탈-재가입이 반복되는 OTT 환경과도 부합한다.

본 연구는 포아송 분포의 평균 λi에 감마 분포를 따르는 오차항(ɛ)을 결합하여 과대산포를 보정한 음이항 회귀모형을 적용하였다. 사용자 i의 기대 재가입 횟수 μi는 로그 연결 함수(log-link function)를 통해 다음과 같이 표현된다:

ln ( μ i ) = β 0 + β 1 V S i + j = 1 J δ j C o n t r o l i j + ln ( α )

여기서 β0는 상수항, β1은 다양성 추구 성향이 재가입 빈도에 미치는 영향을 나타내는 회귀계수, Controlij는 연령 및 성별 등 통제변수를 의미한다. 또한 본 모형은 분산이 평균보다 크게 설정되도록 허용함으로써 데이터의 과대산포 파라미터 α를 반영한다.

V a r ( Y i ) = μ i + μ i 2 α

위 식에서 Yi는 관측된 재가입 횟수이며, α>0 이면 데이터에 과대산포가 존재함을 뜻하며, 이 경우 음이항 모형이 포아송 모형보다 적합한 추정량을 제공한다(Martinez & Pureza, 2024). 회귀계수 β1은 발생비(IRR: incidence rate ratio)로 해석되며, 이 값이 1보다 크면 다양성 추구 성향이 높을수록 재가입 빈도가 증가함을 의미한다.

생존모형과 음이항 회귀모형은 각각 시간-사건 자료와 반복적 이산 자료를 설명하는 대표적 방법론으로 널리 활용되어 왔으며. CRM 및 디지털 구독 환경에서도 고객 유지 및 이탈 시점과 재가입 패턴을 분석하는 핵심 도구로 제시된다(Bolton, 1998; Reinartz & Kumar, 2003; Van den Poel & Larivière, 2004; Zhang & Chang, 2021). 본 연구는 이러한 분석 틀을 OTT 구독 행동에 적용하여, 다양성 추구 성향이 구독 유지 기간과 재가입 빈도에 미치는 영향을 살펴보고자 한다.

Ⅳ. 연구 결과

1. 다양성 추구 성향과 구독 유지 기간 분석

첫 번째 연구 문제인 다양성 추구 성향(VS)과 OTT 구독 유지 기간 간의 관계를 검증하기 위해 Cox 비례위험모형을 적용하였으며, 분석 결과는 <표 3>에 제시하였다. 모형의 예측력을 나타내는 concordance index는 0.62로, 사회과학 분야에서 일반적으로 수용되는 기준치인 0.6을 상회하여 적합도가 양호한 것으로 판단된다. 또한 모형 전체의 유의성을 검증한 우도비 검정 결과(Likelihood Ratio Test)에서도 χ2=1,843.274(p<.001)로 나타나, 포함된 설명변수들이 구독 유지 기간을 통계적으로 유의하게 설명함을 확인하였다.

표 3. 분석 결과: 연구문제 1
DV: 구독 유지 기간 변수 B(coef) S.E. z-value p-value Hazard ratio(eB)
독립변수 다양성 추구 성향 .411 .100 4.090 .000*** 1.511
통제변수 동시 구독 플랫폼 수 –.083 .023 –3.801 .000*** .924
실제 결제 가격 –.291 .011 –30.112 .000*** .752
가격 세그먼트 –.591 .042 –14.279 .000*** .554
연령 .000 .001 .383 .660 1.006
성별 –.052 .024 –4.707 .008** .921
플랫폼 규모 –.691 .095 –7.384 .000*** .502
구독 가격 –2.713 .206 –13.501 .000*** .070
서비스 품질 1.525 .577 2.682 .007** 4.601

Concordance Index = .62, Log-likelihood test χ2=1,843.274(df=9, p<.001).

*** p<.001,

** p<.01.

Download Excel Table

확장된 Cox 비례위험모형 추정 결과, 다중 구독(coef=–.083)과 실제 요금 수준(coef=–.291)을 통제한 이후에도 핵심 독립변수인 VS는 유의한 양(+)의 효과를 보였다(coef=.411, Hazard Ratio=1.511, p<.005). 이는 VS가 1단위 증가할 때 구독 이탈 위험이 약 1.51배 증가함을 의미한다. 이러한 결과는 지루함과 자극 포화를 회피하기 위해 새로운 대안을 탐색하려는 다양성 추구 성향의 이론과 일치한다(McAlister & Pessemier, 1982). 특히 OTT와 같이 반복 이용이 전제되는 디지털 구독 환경에서는, 플랫폼 내 콘텐츠 다양성이 충분하더라도 이용이 누적되면서 플랫폼 수준의 포만이 발생할 수 있다. VS가 높은 소비자는 플랫폼 내부 탐색 과정에서 콘텐츠 소진과 효용 감소를 더 빨리 경험하고, 내부 탐색만으로 자극 욕구가 충족되지 않을 경우 외부 대안을 탐색할 가능성이 높다(Kahn & Louie, 1990; van Trijp et al., 1996). 따라서 본 결과는 VS가 높은 소비자일수록 OTT 구독을 더 짧게 유지할 가능성이 높으며, VS가 구독 유지 기간의 차이를 설명하는 중요한 변수임을 보여준다.

2. 다양성 추구 성향과 재가입 빈도 분석

두 번째 연구 문제인 다양성 추구 성향(VS)과 서비스 이탈 후 재가입(win-back) 행동 간의 관계를 규명하기 위해 음이항 회귀분석(negative binomial regression)을 적용하였다. 종속변수인 재가입 횟수는 0을 포함하는 가산 자료이며, 분산이 평균을 초과하는 과대산포(overdispersion) 특성이 관찰되어 포아송 회귀모형보다 음이항 회귀모형이 더 적절한 것으로 판단하였다. 분석 결과는 <표 4>에 제시되어 있다.

표 4. 분석 결과: 연구문제 2
DV: 재가입 빈도 변수 B(coef) S.E. z-value p-value IRR(eB)
독립변수 다양성 추구 성향 –.502 .141 –3.546 .000*** .605
통제변수 동시 구독 플랫폼 수 .364 .067 5.441 .000*** 1.439
실제 결제 금액 .161 .027 6.038 .000*** 1.175
가격 세그먼트 .817 .075 10.922 .000*** 2.264
연령 .000 .000 2.207 .027** 1.000
성별 –.063 .040 –1.603 .109 .939
플랫폼 규모 .026 .269 .104 .922 1.027
구독 가격 2.179 .581 3.754 .000*** 8.841
서비스 품질 1.458 1.628 .901 .370 4.297
과대산포도 α 1.341 .057 23.452 .000***
상수항 절편 –27.008 5.103 –5.293 .000***

Log-likelihood=–8414.7, Log-likelihood test χ2=33.241(df=3, p=.0024**).

*** p<.001,

** p<.05.

Download Excel Table

모형 적합도 검정 결과, Log-likelihood는 –8,414.7, 우도비 검정의 χ2 값은 33.241(p<.001)로 나타나 모형이 재가입 빈도를 유의하게 설명함을 확인하였다. 핵심 독립변수인 VS의 회귀계수는 –.502 (z=–3.546, p<.001)로 추정되었으며, 발생비(IRR: incidence rate ratio)는 .606으로 나타났다. 이는 VS가 1단위 증가할 때 재가입 빈도가 약 40% 감소함을 의미한다. 또한 구독 가격 세그먼트와의 상호작용항(VS × Price_Segment)은 유의한 음(–)의 효과를 보였고(coef=–1.667, p<.001), 동시 구독(concurrent_brands, coef =.364, p<.001)과 실제 지불 요금(log_amount, coef=.161, p<.001)은 재가입 빈도에 양(+)의 영향을 미쳤다.

이러한 결과는 VS가 해지 이후 동일 OTT 플랫폼으로의 재가입 빈도를 유의하게 낮춘다는 점을 보여준다. 이는 VS가 지닌 자극 추구와 탐색 성향의 연장선에서 해석할 수 있다. VS가 높은 소비자는 특정 대안을 반복 소비할 때 지루함과 포화 상태에 더 빨리 도달하므로, 기존 플랫폼을 ‘익숙하지만 소진된 자극’으로 지각할 가능성이 높다(McAlister, 1982). 그 결과 재가입을 통해 얻을 수 있는 기대 효용은 낮아지고, 대신 외부의 새로운 플랫폼이나 대안을 탐색하려는 유인이 커질 수 있다. 따라서 본 연구에서 확인된 VS와 재가입 빈도 간의 음(–)의 관계는, VS가 높은 소비자가 해지 이후 기존 플랫폼으로 회귀하기보다 외부 대안을 탐색할 가능성이 높음을 시사한다.

3. 강건성 검정(Robustness Check)

본 연구의 주요 결과가 특정 모형 가정이나 종속변수 정의에 과도하게 의존하지 않는지 확인하기 위해 추가적인 강건성 검정을 수행하였다. 먼저 연구문제 1의 Cox 비례위험모형에 대해, 기저위험함수가 Weibull 분포를 따른다고 가정한 모수적 생존모형인 Weibull 가속수명모형(AFT)을 적용하였다. <표 5>와 같이 VS의 회귀계수는 유의한 음( )의 값(β=–1.172, p<.005)으로 나타났으며, 이는 사건 발생까지의 시간이 단축됨을 의미하므로 Cox 모형에서 확인된 이탈 위험 증가 효과와 해석상 일치한다. 따라서 기저위험함수의 분포 가정을 변경하더라도, VS가 OTT 구독 유지 기간을 단축시킨다는 결론은 유지되었다.

표 5. 강건성 검정: 연구문제 1
변수 B (coef) S.E. z-value p-value IRR(eB) 95% CI for B
lambda 다양성 추구 성향 –1.172 .075 –16.601 .000*** .310 [.071, –1.301]
절편 –41.027 1.882 –21.772 .002*** .000 [1.877, –44.718]
rho 절편 –.082 .010 –12.579 .000*** .921 [.011, –.098]

통제변수(panel_age, panel_gender, OTT_MAU, OTT_Price, OTT_CS_Quality, OTT_CS_Service, OTT_CS_Refund): Included.

*** p<.005.

Download Excel Table

다음으로 연구문제 2에 대해서는 0 값의 과도한 분포를 고려해 영과잉 음이항 회귀모형(ZINB)을 적용하였다. <표 6>에서와 같이 VS의 회귀계수는 여전히 음(–)의 방향(β=–.524)을 보여 기본 음이항 모형(β=–.502)과 일관된 결과를 확인하였다. 비록 모형의 완전한 수렴에는 한계가 있었으나, 계수의 방향과 크기가 유지된다는 점에서 VS가 재가입 빈도를 낮춘다는 결론은 비교적 견고하다고 볼 수 있다.

표 6. 강건성 검정: 연구문제 2
변수 유형 변수 B(coef)
독립변수 다양성 추구 성향 –.524
통제변수 다양성 추구 성향 × 가격 세그먼트 –1.1331
연령 –.001
성별 .001
플랫폼 규모 .000***
구독 가격 .000***
서비스 품질 .001
과대산포도 α 1.290
상수항 절편 –.001

Log-likelihood=–8,384.7, Log-likelihood test χ2=31.288(df=3, p=.000***)

*** p<.001.

Download Excel Table

나아가 본 연구는 분석 결과의 구조적 타당성과 잠재적 이질성(heterogeneity)을 검토하기 위해 두 가지 추가적인 강건성 검정을 수행하였다. 첫째, 구독 유지와 해지 후 재가입 빈도 간에 존재할 수 있는 상호 얽힘(joint structure)을 반영하기 위해 Copula 모형을 적용하였다. Sklar의 정리에 따르면, 두 종속변수의 결합누적분포함수는 각 주변분포와 이를 연결하는 Copula 함수로 표현될 수 있다(Sklar, 1959).

F ( y 1 , y 2 ) = C ( F 1 ( y 1 ) , F 2 ( y 2 ) ; θ )

여기서 y1은 연속 구독 기간, y2는 재가입 빈도를 나타내며, F1F2는 각각의 주변 누적분포함수이다. θ는 두 변수 간의 비선형적 의존성을 포착하는 Copula 모수이다. 본 연구는 다변량 정규분포에 기반하여 꼬리 의존성 및 내생성을 효과적으로 제어할 수 있는 가우시안 코퓰라(Gaussian Copula)를 사용하였으며, 해당 함수는 다음과 같이 정의된다.

C G a u s s i a n ( u 1 , u 2 ; θ ) = Φ θ ( Φ 1 ( u 1 ) , Φ 1 ( u 2 ) )

이때 u1=F1 (y1), u2=F2 (y2)로 정의되며, Φ-1은 단일 표준정규분포의 역누적분포함수, Φθ는 상관계수 θ를 갖는 이변량 표준정규분포의 누적분포함수를 의미한다. 비모수적 검증 결과, 두 종속변수 간에는 유의한 비선형적 의존성이 확인되었다(Kendall’s Tau=–.035, p=.000; θ=–.065, p<.001). 그럼에도 이러한 결합 구조를 반영한 이후에도 VS가 구독 이탈을 촉진하고 재가입을 억제하는 주효과는 일관되게 유지되었다.

둘째, 구독 요금 수준에 따라 VS의 효과가 달라질 가능성을 검토하기 위해 가격 세그먼트별 조절 효과를 추정하였다. 구독 요금의 중앙값을 기준으로 저가와 고가 세그먼트를 구분하고, VS와의 상호작용항(VS × Price_Segment)을 투입한 결과, 해당 상호작용항은 생존분석에서 유의한 양(+)의 효과(coef=1.143, Hazard Ratio=3.110, p<.005), 재가입 모형에서는 유의한 음(–)의 효과(coef=–1.133, p< .001)를 보였다. 이는 고가 요금제 환경에서 VS가 높은 소비자의 이탈 위험은 더욱 확대되고, 해지 이후 동일 플랫폼으로의 재가입 가능성은 더욱 낮아질 수 있음을 시사한다.

Ⅴ. 결론

1. 연구 요약

본 연구는 OTT 서비스가 보편화된 구독경제 환경에서 소비자의 다양성 추구 성향(VS)이 실제 구독 행동에 어떠한 영향을 미치는지를 실증적으로 분석하였다. 이를 위해 핀테크 기반 가계부 애플리케이션 ‘비주얼 가계부’의 실제 결제 데이터를 활용하여 2022년 1월부터 2024년 12월까지의 36개월 패널 데이터를 구축하였고, 소비자의 일상 소비 패턴을 바탕으로 개인별 다양성 추구 성향(VS) 지수를 산출한 뒤 이를 OTT 구독 유지 기간과 이탈 이후 재가입 빈도에 연계하여 분석하였다. 특히 본 연구는 VS를 특정 제품군에서 일시적으로 나타나는 태도가 아니라, 일상 소비 전반에서 반복적으로 관찰되는 비교적 안정적인 행동 성향으로 보고, 식음료 소비 데이터에 나타난 실제 선택 패턴을 통해 이를 계량화하였다는 점에 의의가 있다.

분석 결과, VS는 OTT 구독 유지와 재가입 모두에 부정적인 영향을 미치는 것으로 나타났다. Cox 비례위험모형을 활용한 생존분석 결과, VS 성향이 높을수록 구독 이탈 위험이 유의하게 증가하여 구독 유지 기간이 짧아지는 경향이 확인되었다(Hazard Ratio=1.511). 또한 음이항 회귀분석 결과, VS 성향은 이탈 이후 동일 플랫폼으로의 재가입 빈도에도 유의한 음(–)의 영향을 미쳐, 재가입 빈도가 약 40% 감소하는 경향을 보였다. 이는 VS 성향이 높은 소비자가 익숙한 플랫폼으로 회귀하기보다 새로운 플랫폼이나 대안을 지속적으로 탐색할 가능성이 높음을 시사한다.

종합하면, VS는 OTT 구독의 유지 단계와 이탈 이후 복귀 단계 모두에서 부정적으로 작용하는 핵심 설명요인으로 확인되었다. 이는 구독 비즈니스의 핵심 성과지표인 고객 유지와 윈백 가능성이 소비자의 내재적 성향에 의해 구조적으로 제약될 수 있음을 의미한다. 아울러 본 연구는 다양성 추구 이론의 적용 범위를 디지털 구독 서비스 맥락으로 확장하고, 실제 결제 데이터를 통해 심리적 성향을 행동적으로 측정할 수 있음을 보여주었다는 점에서 이론적 의의를 지닌다. 실무적으로는 OTT 사업자가 가입자의 인구통계학적 특성뿐 아니라 일상 소비 패턴에 내재된 다양성 추구 성향까지 고려하여, 보다 정교한 유지 전략과 차별화된 재가입 유도 전략을 설계할 필요가 있음을 시사한다.

2. 학술적 시사점

본 연구는 소비자의 실제 소비행동을 바탕으로 측정한 다양성 추구 성향이 OTT 구독의 유지, 이탈, 재가입으로 이어지는 동적 행태를 유의미하게 설명할 수 있음을 확인하였다. 기존 OTT 연구가 주로 플랫폼 특성이나 구독 상황의 심리적 요인에 주목해 온 반면, 본 연구는 소비자의 다양성 추구 성향 역시 이러한 구독 동태를 설명하는 중요한 변수임을 보여준다. 특히 이러한 성향을 설문이 아닌 일반 소비영역의 실제 구매행동을 통해 측정할 수 있다는 점에서 의의가 있다.

또한 본 연구는 구독 서비스가 일반적으로 락인(lock-in) 메커니즘을 통해 지속 이용을 유도한다는 기존 논의에 조건부 설명을 더한다. 즉, VS 성향이 높은 소비자에게는 락인 효과가 제한적으로 작용하며, 오히려 플랫폼 이탈 가능성이 높아질 수 있다. 이는 구독 모델의 작동 방식이 모든 소비자에게 동일하게 적용되기보다, 소비자 성향에 따라 달라질 수 있음을 보여주는 실증적 증거이다.

나아가 본 연구는 일상적 소비 영역에서 측정된 개인의 VS가 OTT 이용 패턴과 연계됨을 확인함으로써, VS가 특정 카테고리에 국한된 특성이 아니라 여러 소비 맥락에서 비교적 일관되게 나타나는 포괄적 소비 행동 특성임을 시사한다. 이러한 결과는 소비자 행동 연구에서 VS를 단발적 선택의 특성이 아닌, 장기적 소비 관계에서의 내재적 경향성으로 재조명하는 데 기여한다.

3. 실무적 시사점

본 연구 결과는 OTT 플랫폼 운영 및 CRM 전략에서 고객 이질성에 기반한 차별화 접근이 필요함을 시사한다. VS가 낮은 소비자에게는 자동결제, 장기 구독 할인, 개인화 추천 알고리즘 고도화와 같은 관계 강화형 리텐션 전략이 고객 생애 가치(LTV) 제고에 효과적일 수 있다.

반면 VS가 높은 소비자는 OTT 구독을 유동적으로 조정하며 장기간 동일 플랫폼에 머물 가능성이 낮으므로, 전통적인 장기 결제 권유형 리텐션 전략은 오히려 단기 거부율 증가, ARPU 하락, 마케팅 비용 상승으로 이어질 위험이 있다. 특히 본 연구의 강건성 검정에서 확인된 가격 세그먼트 이질성은 요금제 포트폴리오 전략에 중요한 시사점을 제공한다. 일반적으로는 고가 프리미엄 요금제가 더 강한 락인 효과를 만든다고 가정하지만, VS가 높은 소비자에게는 높은 요금 수준이 오히려 새로운 대안을 탐색하려는 이탈 위험을 크게 증폭시키고 재가입 가능성을 낮출 수 있다. 따라서 일률적인 프리미엄 업셀링은 탐색 지향적 소비자에게 역효과를 낳을 수 있다는 점을 고려해야 한다.

이에 따라 VS가 높은 소비자 집단에는 탐색 지향성과 유연성을 반영한 맞춤형 전략이 요구된다. 예를 들어 월간 및 분기 단위의 선택형 구독 플랜, 구독 휴지 기능, 신규 콘텐츠 중심의 탐색 경험 강화, 3~6개월 단위의 개인화된 재구독 제안 프로그램이 효과적일 수 있다. 또한 해지 이후 평균 재가입 주기를 바탕으로 적절한 시점에 신규 콘텐츠 하이라이트와 한정 프로모션을 제시하는 예측 기반 윈백 전략은 재가입 전환율을 높이고 마케팅 비용을 절감하는 데 기여할 수 있다. 이러한 접근은 단일 플랫폼의 반복 이용을 전제로 한 전통적 CRM 전략을 보완하고, 유동적 소비 행태를 보이는 고객 집단을 보다 효과적으로 관리하는 데 도움이 될 것이다.

4. 한계점 및 향후 연구 방향

본 연구는 가계부 애플리케이션 이용자의 실제 결제 데이터를 활용해 OTT 구독의 유지와 재가입 행태를 추적했다는 점에서 의의가 있으나, 몇 가지 한계가 있다. 첫째, 표본이 가계부 앱 이용자에 한정되어 대표성 제약이 존재할 수 있다. 이들은 일반 소비자보다 재무관리 성향이 높거나 특정 연령·직업군에 편중될 가능성이 있어, 연구 결과를 전체 OTT 이용자 집단으로 일반화하는 데에는 주의가 필요하다. 둘째, 유튜브 프리미엄, 아마존 프라임, 훌루 등 일부 플랫폼이 분석에서 제외되었다. 유튜브 프리미엄은 개별 VOD 구매와 구독 결제를 구분하기 어렵고, 아마존 프라임과 훌루는 표본 수(100개 이하)가 충분하지 않아 안정적 추정이 어려웠다. 이는 OTT 시장 전반을 포괄적으로 설명하는 데 제약이 될 수 있다. 셋째, 본 연구는 구독 유지-이탈-재가입이라는 행동을 포착했지만, 콘텐츠 평가, 사회적 영향, 추천 알고리즘 만족과 같은 심리적 및 맥락적 요인을 직접 반영하지 못했다. 또한 계정 공유 여부를 식별할 수 없어 가족 구성원의 공동 의사결정이 구독 행동에 미친 영향을 충분히 통제하지 못했다. 넷째, 결제 데이터를 통해 구독 조정 행태는 확인할 수 있었으나, 실제 시청 로그나 콘텐츠 단위 소비 범위를 관찰할 수 없어 VS가 동일 플랫폼 내 탐색 이후 콘텐츠 소진으로 이어지는 경로를 직접 검증하지는 못했다. 다섯째, 멀티호밍 효과를 제어하기 위해 시점별 동시 구독 플랫폼 수를 포함하였으나, 월 단위 결제 데이터의 한계로 인해 동시 구독 상태의 세밀한 시간 변화나 플랫폼 간 대체 및 보완 관계까지는 충분히 반영하지 못했다.

이러한 한계를 바탕으로 후속 연구에서는 보다 다양한 데이터의 결합을 통해 구독 행동의 원인과 과정을 정밀하게 규명할 필요가 있다. 예를 들어 결제 데이터에 플랫폼 이용 로그(시청 패턴, 탐색·검색 기록), 설문 기반 심리 변수(만족, 지각된 가치, 사회적 규범 등), 콘텐츠 소비 특성(장르 다양성, 신규 콘텐츠 소비 비중 등), 가족 구성원 간 계정 공유 현황을 결합한다면 구독 유지-이탈-재가입의 기제를 보다 정확히 추적할 수 있을 것이다. 또한 개별 시청 로그나 실시간 이용 데이터를 활용하여 동시 구독 상태의 동태적 변화와 플랫폼 간 상호작용을 분석하고, 이탈 이후 경쟁 OTT나 영화, 공연, 게임 등 다른 여가 활동으로의 이동 경로까지 함께 살펴본다면 구독 조정 행동의 실질적 원인을 더 정밀하게 파악할 수 있을 것이다. 나아가 VS와 구독 조정 행동 간 연결고리를 심층적으로 이해하기 위해 실험 연구, 사용자 인터뷰, 장기 패널 추적 설계를 병행한다면 OTT 시장에서의 소비자 행동을 보다 입체적으로 설명하는 데 기여할 것으로 기대된다.

Notes

* 이 논문은 2025년 한국유통학회와 텐큐브의 학술데이터지원사업 지원을 받아 수행된 연구임. 본 논문은 한국외국어대학교 교내학술연구비의 지원에 의하여 이루어진 것임.

* This work was supported by the 2025 Academic Data Support Program of the Korea Distribution Association and Tenqube. This work was supported by Hankuk University of Foreign Studies Research Fund.

이해 상충에 관한 보고

본 논문과 관련된 잠재적 이해 상충 관계가 없음을 보고함.

연구비 지원

본 논문은 한국외국어대학교 교내학술연구비의 지원에 의하여 이루어진 것임.

감사의 글

이 논문은 2025년 한국유통학회와 텐큐브의 학술데이터지원사업 지원을 받아 수행된 연구임.

연구 데이터 접근 가능성

본 연구에 사용된 데이터는 기밀 유지로 인해 제공될 수 없음.

저자 기여 항목

연구개념화: 김준희, 김서현, 홍지수, 권민규, 윤원주.

데이터 큐레이션/조사: 김준희, 홍지수, 권민규.

데이터 분석/검증: 김준희, 김서현, 홍지수.

방법론: 김준희, 윤원주.

원고 초안 작성: 김준희, 김서현, 홍지수, 권민규.

원고 검토 및 편집: 김준희, 김서현, 홍지수, 권민규, 윤원주.

자금 조달/자원 확보: 윤원주.

윤리 심의 승인에 관한 보고

본 연구는 연구대상자를 식별할 수 있는 정보(개인 식별정보)를 수집하거나 기록하지 않으며, 연구를 위해 연구대상자에게 새로운 정보(e.g., 설문⋅면접 응답, 실험 참여, 생리⋅생체 측정값 등)를 수집하지 않으므로 IRB 심의를 면제할 수 있음.

생성형 AI 사용에 관한 선언

본 논문은 생성형 AI의 사용과 무관함.

참고문헌

1.

권순찬, 김지은, 장백철 (2024). 텍스트 마이닝을 활용한 OTT 서비스 플랫폼별 사용자 반응 비교 연구. 유통과학연구, 22(1), 13-33.

2.

김수연, 구혜경 (2023). 근거이론을 적용한 20대 OTT 복수구독 소비자의 의사결정과정 연구. 소비자학연구, 34(5), 87-114.

3.

나우희, 동학림 (2021). 디지털콘텐츠 구독서비스 이용 의도에 영향을 미치는 요인에 관한 연구. 디지털콘텐츠학회논문지, 22(5), 755- 766.

4.

박만수, 주지혁 (2024). OTT 이용자의 멀티호밍 영향 요인: 콘텐츠 다양성 지각, 요약 콘텐츠 시청 경험, 유용성 지각 및 멀티호밍 의도에 대한 구조방정식 모형 분석. 방송통신연구, (128), 80-104.

5.

안선주, 서재이, 최정일 (2022). OTT 서비스 품질요인이 기대충족과 만족 및 지속사용의도에 미치는 영향. 언론과학연구, 22(4), 5-35.

6.

하윤금 (2014). 글로벌 OTT 서비스 시장 동향과 전망. KOCCA 통계로 보는 콘텐츠산업, 14(23), 1-11.

7.

Antenna (2024). Q1’25 State of subscriptions report: Premium SVOD 2024 year in review. Antenna.

8.

Ascarza, E. & Hardie, B. G. S. (2013). A joint model of usage and churn in contractual settings. Marketing Science, 32(4), 570-590.

9.

Bardhi, F. & Eckhardt, G. M. (2012). Access-based consumption: The case of car sharing. Journal of Consumer Research, 39(4), 881-898.

10.

Bawa, K. (1990). Modeling inertia and variety seeking tendencies in brand choice behavior. Marketing Science, 9(3), 263-278.

11.

Becerril-Castrillejo, I., Nieto-García, M., & Muñoz- Gallego, P. A. (2026). Do satisfaction and satiation both drive immediate and delayed subscription cancellation? Implications for subscription video-on-demand services. Journal of Retailing and Consumer Services, 89, 104624.

12.

Berné, C., Múgica, J. M., & Yagüe, M. J. (2001). The effect of variety-seeking on customer retention in services. Journal of Retailing and Consumer Services, 8(6), 335-345.

13.

Belli, A., Carrillat, F. A., Zlatevska, N., & Cowley, E. (2024). How does time pressure influence risk preferences? Answers from a meta-analysis. Journal of Consumer Research, 50(6), 1172-1197.

14.

Bolton, R. N. (1998). A dynamic model of customers’ usage of services: Usage as an antecedent and consequence of satisfaction. Journal of Marketing Research, 35(2), 171-186.

15.

Brynjolfsson, E., Hu, Y. J., & Simester, D. (2011). Goodbye Pareto principle, hello long tail: The effect of search costs on the concentration of product sales. Management Science, 57(8), 1373-1386.

16.

Chakraborty, S. (2025). The psychology of subscription models: Why consumers stay hooked on monthly payments. International Journal for Research Trends and Innovation, 10(5), 78- 95.

17.

Chang, P.C. & Chiu, Y.P. (2023). Factors Influencing switching intention and customer retention of Over-the-Top (OTT) viewing behavior in Taiwan: The push–pull– mooring model. Emerging Media, 1(2), 196-217.

18.

Cox, D. R. (1972). Regression models and life-tables. Journal of the Royal Statistical Society: Series B (Methodological), 34(2), 187-220.

19.

Datta, H., Knox, G., & Bronnenberg, B. J. (2018). Changing their tune: How consumers’ adoption of online streaming affects music consumption and discovery. Marketing Science, 37(1), 5-21.

20.

Ehrenberg, A. S. C. (1972). Repeat-buying: Essentials of the analysis of consumer buying and advertising. North-Holland Publishing Company.

21.

Foxall, G. R. (1993). The influence of cognitive style on consumers’ variety seeking among food innovations. British Food Journal, 95(9), 32-36.

22.

Frisbie, G. A. (1980). Ehrenberg on pattern analysis: A reply. Journal of Marketing Research, 17(1), 124-127.

23.

FT Strategies & Mastercard. (2024). Subscription economy: Evolution not revolution.

24.

Huang, Z., Liang, Y., Weinberg, C. B., & Gorn, G. J. (2019). The sleepy consumer and variety seeking. Journal of Marketing Research, 56(2), 179-196.

25.

Inman, J. J. (2001). The role of sensory-specific satiety in attribute-level variety seeking. Journal of Consumer Research, 28(1), 105-120.

26.

Iyengar, R., Park, Y. H., & Yu, Q. (2022). The impact of subscription programs on customer purchases. Journal of Marketing Research, 59(6), 1101-1119.

27.

Iyengar, S. S. & Lepper, M. R. (2000). When choice is demotivating: Can one desire too much of a good thing? Journal of Personality and Social Psychology, 79(6), 995-1006.

28.

Kahn, B. E. (1995). Consumer variety-seeking among goods and services: An integrative review. Journal of Retailing and Consumer Services, 2(3), 139-148.

29.

Kahn, B. E., Kalwani, M. U., & Morrison, D. G. (1986). Measuring variety-seeking and reinforcement behaviors using panel data. Journal of Marketing Research, 23(2), 89-100.

30.

Kahn, B. E. & Louie, T. A. (1990). Effects of retraction of price promotions on brand choice behavior for variety-seeking and last-purchase- loyal consumers. Journal of Marketing Research, 27(3), 279-289.

31.

Kim, M. S. & Kim, S. (2024). Policy responses to the rise of global OTT platforms in Korea. Science and Public Policy, 51(6), 1227-1240.

32.

Knox, S. & Walker, D. (2001). Measuring and managing brand loyalty. Journal of Strategic Marketing, 9(2), 111-128.

33.

Koschate-Fischer, N., Hoyer, W. D., Stokburger- Sauer, N. E., & Engling, J. (2018). Do life events always lead to change in purchase? The mediating role of change in consumer innovativeness, the variety seeking tendency, and price consciousness. Journal of the Academy of Marketing Science, 46(3), 516-536.

34.

Lambrecht, A. & Skiera, B. (2006). Paying too much and being happy about it: Existence, causes, and consequences of tariff-choice bias. Journal of Marketing Research, 43(2), 212-228.

35.

Levav, J. & Zhu, R. (2009). Seeking freedom through variety. Journal of Consumer Research, 36(4), 600-610.

36.

Li, P. & Tuzhilin, A. (2024). When variety seeking meets unexpectedness: Incorporating variety- seeking behaviors into design of unexpected recommender systems. Information Systems Research, 35(3), 1257-1273.

37.

Lichtenstein, D. R., Burton, S., & Netemeyer, R. G. (1997). An examination of deal proneness across sales promotion types: A consumer segmentation perspective. Journal of Retailing, 73(2), 283-297.

38.

Maimaran, M. & Wheeler, S. C. (2008). Circles, squares, and choice: The effect of shape arrays on uniqueness and variety seeking. Journal of Marketing Research, 45(6), 731- 740.

39.

Martinez, J. P. & Pureza, J. A. (2024). A negative binomial regression analysis of the factors affecting the frequency of online shopping among Gen Z. Proceedings of the 8th International Conference on Quantitative Sciences and Its Applications (p. 254).

40.

McAlister, L. (1982). A dynamic attribute satiation model of variety-seeking behavior. Journal of Consumer Research, 9(2), 141-150.

41.

McAlister, L. & Pessemier, E. (1982). Variety-seeking behavior: An interdisciplinary review. Journal of Consumer Research, 9(3), 311-322.

42.

McCarthy, D. M., Fader, P. S., & Hardie, B. G. (2017). Valuing subscription-based businesses using publicly disclosed customer data. Journal of Marketing, 81(1), 17-35.

43.

Park, E. A. (2017). Why the networks can’t beat Netflix: Speculations on the US OTT services market. Digital Policy, Regulation and Governance, 19(3), 21-39.

44.

Redondo, I. & Serrano, D. (2024). Authorized and unauthorized consumption of SVOD content: Modeling determinants of demand and measuring effects of enforcing access control. Journal of Theoretical and Applied Electronic Commerce Research, 19(1), 467-485.

45.

Reinartz, W. & Kumar, V. (2003). The impact of customer relationship characteristics on profitable lifetime duration. Journal of Marketing, 67(1), 77-99.

46.

Rifkin, J. (2000). The age of access: The new culture of hypercapitalism, where all of life is a paid-for experience. Tarcher/Putnam.

47.

Roehm, H. A., Jr., & Roehm, M. L. (2005). Revisiting the effect of positive mood on variety seeking. Journal of Consumer Research, 32(2), 330-336.

48.

Sevilla, J., Lu, J., & Kahn, B. E. (2019). Variety seeking, satiation, and maximizing enjoyment over time. Journal of Consumer Psychology, 29(1), 89-103.

49.

Sharma, P., Sivakumaran, B., & Marshall, R. (2010). Impulse buying and variety seeking: A trait- correlates perspective. Journal of Business Research, 63(3), 276-283.

50.

Simonson, I. (1990). The effect of purchase quantity and timing on variety-seeking behavior. Journal of Marketing Research, 27(2), 150-162.

51.

Sklar, M. (1959). Fonctions de répartition à n dimensions et leurs marges. Publications de l'Institut de Statistique de l'Université de Paris, 8, 229-231.

52.

Thomas, J. S., Blattberg, R. C., & Fox, E. J. (2004). Recapturing lost customers. Journal of Marketing Research, 41(1), 31-45.

53.

Trivedi, M. (1999). Using variety-seeking-based segmentation to study promotional response. Journal of the Academy of Marketing Science, 27(1), 37-49.

54.

Van den Poel, D., & Larivière, B. (2004). Customer attrition analysis for financial services using proportional hazard models. European Journal of Operational Research, 157(1), 196-217.

55.

van Trijp, H. C. M., Hoyer, W. D., & Inman, J. J. (1996). Why switch? Product category-level explanations for true variety-seeking behavior. Journal of Marketing Research, 33(3), 281- 292.

56.

Vargo, S. L. & Lusch, R. F. (2004). Evolving to a new dominant logic for marketing. Journal of Marketing, 68(1), 1-17.

57.

Zentner, A., Smith, M. D., & Kaya, C. (2013). How video rental patterns change as consumers move online. Management Science, 59(11), 2622-2634.

58.

Zhang, J. Z. & Chang, C.W. (2021). Consumer dynamics: Theories, methods, and emerging directions. Journal of the Academy of Marketing Science, 49(4), 665-696.

59.

Zhang, Y. (2022). Variety-seeking behavior in consumption: A literature review and future research directions. Frontiers in Psychology, 13, 874444.

『유통연구』, KCI 인용지수 3년 연속 최상위권 달성

최근 3년간 사회과학 경영학 분야 주요 학술지 인용지수(직전 2년 KCI IF) 비교

학술지

인용지수 기준연도

2023

2024

2025

유통연구

2.86

2.46

2.73

경영학연구

2.25

1.44

1.89

소비자학연구

2.32

1.74

1.60

마케팅연구

1.91

1.72

1.43

광고학연구

1.94

2.0

1.19

 

유통연구』, KCI 인용지수 3년 연속 최상위권 달성

유통연구』는 최근 3년간 주요 경영학 분야 학술지 가운데 최상위 수준의 인용지수를 기록하였으며,
2025년에는 경영학 분야 인용지수 1위를 달성하였습니다. 유통학회 회원 및 연구자 여러분의 관심과
참여에 깊이 감사드립니다. 앞으로도 회원 및 연구자 여러분의 소중한 옥고를 투고하시어 『유통연구』의
지속적인 발전에 기여해 주시기를 부탁드립니다.


I don't want to open this window for a day.
생성형 AI 활용 관련 안내

최근 생성형 AI의 활용이 확산됨에 따라, 우리 학술지는 연구윤리와 심사의 공정성을 
확보하기 위해 다음 사항을 안내드립니다.

1. 생성형 AI를 활용한 원고 작성

저자는 생성형 AI를 논문의 저자로 등재할 수 없으며, 생성형 AI를 활용하여 원고를
작성하거나 수정한 경우에는 해당 활용 사실을 학술지가 요구하는 방식에 따라
투명하게 공개하여야 합니다. 또한, 우리 학술지는 향후 생성형 AI를 이용하여
작성된 원고에 대한 검증 절차를 도입·운영할 예정입니다. 생성형 AI의 활용 사실을
고의로 누락하거나 연구윤리를 위반한 것으로 판단되는 경우에는 투고 철회, 게재 취소
등 학술지의 연구윤리 규정에 따른 조치가 이루어질 수 있습니다.

2. 논문 심사 시 생성형 AI 활용 금지

심사자는 심사 대상 원고의 전부 또는 일부를 생성형 AI 서비스에 입력하거나, 생성형
AI를 이용하여 심사 의견을 작성해서는 안 됩니다. 이는 심사 대상 원고의 기밀성을
보호하고, 심사자의 독립적이고 전문적인 학술적 판단을 보장하기 위한 원칙입니다.
심사 의견은 심사자가 직접 원고를 검토한 후 자신의 전문적 판단에 근거하여 작성하여야
하며, 생성형 AI가 작성하거나 실질적으로 생성한 내용을 그대로 또는 일부 수정하여
제출하는 것은 허용되지 않습니다.

우리 학술지는 책임 있는 생성형 AI 활용과 연구윤리 확립을 위해 관련 정책을 지속적으로
보완해 나갈 예정이며, 저자와 심사자 여러분의 협조를 부탁드립니다.


I don't want to open this window for a day.