Ⅰ. 서론
프랜차이즈(franchise)는 높은 표준화 수준과 체계적인 운영 방식을 바탕으로 한 비즈니스 모델로, 브랜드 인지도와 관리 효율성을 동시에 확보할 수 있는 장점이 있다. 이러한 특성 덕분에 프랜차이즈는 외식, 커피, 소매, 편의점 등 다양한 소비 산업 전반에 걸쳐 널리 확산되었다(Kyle et al., 2020). 독립 브랜드에 비해 프랜차이즈 시스템은 통일된 브랜드 이미지와 제품 품질, 서비스 기준을 유지함으로써 소비자의 지각된 위험과 선택 비용을 효과적으로 줄인다(Kaufmann & Eroglu, 1999; Peterson & Dant, 1990). Berman(2011)은 소비자가 프랜차이즈 브랜드에 대해 느끼는 신뢰와 예측 가능성이 프랜차이즈가 장기적으로 시장 경쟁력을 유지하는 핵심 기반이라고 지적하였다.
하지만 최근 디지털 소비 환경이 확산되면서 소비자의 브랜드 선택은 점점 더 복잡해지고 있다. 기존 연구는 주로 호텔업이나 온라인 플랫폼과 같은 특정 산업에 국한되어 브랜드 운영 구조나 가맹 시스템의 효율성을 다루는 경우가 많았으며(Ackermann, 2024; Nyadzayo et al., 2018), 소비자가 일상 속 다양한 소비 상황에서 프랜차이즈 브랜드를 어떻게 선택하고 비교하는지에 대해서는 체계적인 논의가 충분히 이루어지지 않았다. 즉, 소비자가 다양한 산업에서 프랜차이즈와 비(非)프랜차이즈 브랜드 사이에서 어떤 기준으로 선택을 내리는지에 대한 이해는 여전히 제한적이다.
기존 연구의 상당수는 설문이나 실험에 의존하여 태도나 의향을 측정했지만, 그 결과는 실제 구매 행동을 충분히 반영하지 못하는 한계가 있다. 반면 최근에는 거래 데이터와 같은 실증적 구매 기록이 축적되면서 소비자의 ‘현실적 구매 패턴’을 관찰할 수 있는 환경이 마련되었다. Li(2023)의 연구에서도 확인되듯이, 거래 데이터는 응답자의 주관적 인식이 아닌 실제 행동 기반의 데이터를 제공함으로써 소비자의 일관된 선호와 행동 차이를 보다 명확히 보여준다. 이에 본 연구는 이러한 실제 거래 데이터를 활용하여 소비자가 프랜차이즈 브랜드를 선택하고 전환하는 과정을 행동적 관점에서 분석하고자 한다.
본 연구가 집중하는 연구 질문은 다음 세 가지다. 첫째, 소비자는 서로 다른 소비 상황에서 어떻게 프랜차이즈 브랜드를 선택할까? 둘째, 여러 소비 산업에 걸쳐 소비자는 일관된 프랜차이즈 선호 패턴을 유지하는가, 아니면 산업별로 다르 패턴을 보이는가? 셋째, 프랜차이즈 시스템 내부에서 브랜드 간 전환(brand switching)은 어떤 양상과 규칙성을 가지는가?
이러한 질문을 검증하기 위해 본 연구는 선택-일관성-전환의 세 단계로 분석한다. 먼저 ‘선택’ 단계에서는 소비자의 프랜차이즈 브랜드 선택에 영향을 미치는 주요 요인을 알아보고, ‘일관성’ 단계에서는 동일 소비자가 산업 간에서도 유사한 선택 패턴을 유지하는지 분석하며, ‘전환’ 단계에서는 프랜차이즈 브랜드 간 이동이 어떤 구조적 특징을 보이는지 살펴본다. 이 연구는 단순히 “소비자가 프랜차이즈를 선호한다/선호하지 않는다”를 밝히는 데뿐만 아니라 소비자가 서로 다른 산업과 시간, 브랜드 환경 속에서 어떻게 ‘선택의 일관성과 다양성’을 동시에 고려하는지를 파악하는 데 있다. 실제 거래 데이터를 바탕으로 한 정량 분석을 통해 본 연구는 소비자가 프랜차이즈가 제공하는 신뢰와 편리함을 추구하면서도 특정 상황에서는 새로운 브랜드를 탐색하는 이중적 행동 구조를 드러내고자 한다.
학문적 측면에서 본 연구는 세 가지 점에서 기존 연구를 확장한다. 첫째, 데이터 측면에서 실제 거래 기록을 이용하여 행동 기반의 소비자 선택 과정을 실증적으로 분석한다. 둘째, 분석 범위를 다품목 소비 환경으로 확장하여 산업 간 구조적 차이와 공통 메커니즘을 동시에 검토한다. 셋째, 이론적 측면에서 프랜차이즈와 비프랜차이즈의 단순 비교를 넘어, 프랜차이즈 내부의 브랜드 전환 행동까지 탐색함으로써 ‘표준화된 시스템 안의 다양화된 선택’이라는 새로운 논점을 제시한다.
Ⅱ. 이론적 배경
소비자가 프랜차이즈와 비프랜차이즈 브랜드 중 어느 쪽을 선택하는지는 단순한 가격이나 편의성의 문제가 아니라, 신뢰, 위험 인식, 표준화 수준, 그리고 지역적 경험과 같은 다양한 심리적 요인에 의해 결정된다.
우선, 프랜차이즈 모델의 핵심 경쟁력은 ‘예측 가능성’과 ‘신뢰’에서 비롯된다는 견해가 있다. Peterson and Dant(1990)는 프랜차이즈가 통합된 운영 체계와 브랜드 라이센스를 통해 거래상의 불확실성과 정보 비대칭을 줄여 주며, 그 결과 소비자는 더 높은 신뢰를 느낀다고 설명하였다. Kaufmann and Eroglu(1999)는 이러한 표준화 관리가 서비스 품질과 제품 일관성을 유지함으로써 소비자의 평가 비용과 심리적 불확실성을 동시에 낮춘다고 지적하였다. Berman(2011)은 브랜드 표준화가 단순히 인지도 제고의 수단을 넘어, 프랜차이즈의 장기적 경쟁력을 유지하는 핵심 요인이라고 강조하였다. 국내 연구에서도 프랜차이즈 시스템은 본부와 가맹점 간의 표준화된 운영 체계를 기반으로 성장하며, 이러한 표준화가 프랜차이즈의 경쟁우위와 지속가능성을 형성하는 핵심 요소로 설명된다(김주영, 유보미, 2012). 또한 김지혜와 김상현(2015)은 브랜드 친숙도와 관계품질이 프랜차이즈 확장 브랜드에 대한 교차구매 의도에 긍정적인 영향을 미친다고 보고하였으며, 이는 소비자가 익숙하고 신뢰할 수 있는 프랜차이즈 브랜드를 반복적으로 선택할 가능성이 높음을 시사한다.
반면, 비프랜차이즈 브랜드의 매력은 ‘개성’과 ‘지역성’에서 비롯된다. Boley and Woosnam(2021)의 연구는 일부 소비자들이 독립 브랜드를 선호하는 이유가, 그들이 차별화된 경험과 지역 문화가 반영된 서비스를 제공하기 때문이라고 설명한다. 특히 카페, 디저트, 외식업 등 체험 중심 산업에서 이러한 경향이 두드러진다. 비프랜차이즈 브랜드는 독창적인 공간 디자인, 창의적 메뉴, 그리고 지역성을 반영한 스토리텔링을 통해 소비자에게 새로움과 감성적 만족을 제공한다. 따라서 소비자는 브랜드를 선택할 때 단순한 기능적 효용뿐만 아니라, 감정적 유대감·문화적 상징·사회적 의미 등 비경제적 요인에도 영향을 받는다.
개인의 특성 또한 프랜차이즈 선택을 설명하는 주요 변수로 작용한다. Kalyanam and Putler(1997)는 브랜드 선택 모형에 인구통계학적 변수를 도입하여, 연령·성별·소득 수준이 소비자의 프랜차이즈 선호에 유의한 영향을 미친다고 밝혔다. Xu et al.(2022)은 외식 산업을 대상으로 한 실증 연구에서, 연령이 브랜드 충성도와 진정성 인식 간의 관계를 조절한다고 분석하였다. 구체적으로, 고연령층 소비자는 브랜드의 안정성과 신뢰성을 중시하는 반면, 젊은 소비자는 브랜드의 인지도와 혁신성을 더 중요하게 여긴다. 이는 프랜차이즈 브랜드에 대한 반응이 단순한 제품 속성의 차이가 아니라, 소비자의 생애 단계와 가치 지향에 따라 달라짐을 시사한다. 이와 함께 심리적·행동적 변수 역시 프랜차이즈 선택과 밀접한 관련이 있다. Gajanova et al.(2019)과 Picon-Berjoyo et al. (2016)은 소비자의 성격, 라이프스타일, 가치관과 같은 심리 요인이 브랜드 태도와 동일시를 매개로 프랜차이즈 충성도나 전환 의향에 영향을 미친다고 밝혔다. 즉, 소비자가 프랜차이즈를 선호하는지 여부는 단순히 브랜드의 외형적 속성보다는, 그 사람이 지닌 가치관과 정체성의 반영이라 할 수 있다. 다만 이러한 연구들은 대부분 설문이나 자기 보고식 데이터에 의존하기 때문에, 태도와 실제 행동 간의 괴리(attitude-behavior gap)가 존재한다는 한계가 있다.
최근에는 거래 데이터와 빅데이터 분석이 확산되면서, 소비자의 실제 구매 행동을 기반으로 한 연구가 활발히 이루어지고 있다. Li(2023)는 온라인 결제 및 거래 데이터를 활용하여 소비자의 실질적 구매 패턴을 분석하였으며, 이를 통해 설문조사보다 훨씬 현실적인 소비 행동을 파악할 수 있음을 입증하였다. 이러한 실제 데이터 기반의 분석은 소비자가 프랜차이즈와 비프랜차이즈 브랜드 사이에서 어떻게 선택하고, 또 어떻게 전환하는지를 규명하는 데 새로운 실증적 도구를 제공한다.
종합하면, 기존 연구는 브랜드 표준화, 위험 인식, 감정적 경험, 인구통계적 및 심리적 특성 등 다양한 차원에서 소비자의 브랜드 선택 메커니즘을 규명해 왔다. 그러나 여전히 두 가지 한계가 존재한다. 첫째, 대부분의 연구가 단일 산업에 집중되어 있어 산업 간 비교와 일반화가 어렵다. 둘째, 많은 연구가 주관적 설문 데이터를 사용하기 때문에 실제 소비 행동을 충분히 반영하지 못한다. 이러한 한계를 극복하기 위해 본 연구는 대규모 거래 데이터를 활용하여 소비자의 실제 행동을 기반으로 프랜차이즈 선택 메커니즘을 재검토하고자 한다.
소비자의 브랜드 선택은 개인적 특성뿐만 아니라, 소비가 이루어지는 상황과 품목의 구조적 특성에 의해서도 제약을 받는다. 즉, 동일한 소비자라 하더라도 시장 구조나 소비 맥락이 달라지면 브랜드 선택의 양상 또한 달라질 수 있다. 기존 연구들은 소비 품목 간의 시장 집중도, 브랜드 경쟁 구도, 그리고 소비자 의존도의 차이가 브랜드 선택과 충성도 형성에 중요한 영향을 미친다고 보고한다(Ackermann, 2024; Nyadzayo et al., 2018).
집중도가 높은 산업, 예를 들어 패스트푸드 또는 치킨 프랜차이즈 산업에서는 소수의 대형 브랜드가 시장을 주도하는 경향이 있다. 이러한 환경에서는 소비자가 선택할 수 있는 브랜드의 폭이 좁기 때문에, 인기있는 브랜드에 대한 반복적 선택이 자연스럽게 나타난다. 반면, 커피나 디저트와 같이 차별화 수준이 높은 산업에서는 소비자가 보다 탐색적이고 유연한 선택을 보인다(Boley & Woosnam, 2021). 이들은 기능적 효용이나 가격뿐 아니라, 경험적 만족이나 감정적 선호를 기준으로 브랜드를 선택하는 경향이 강하다. Ackermann(2024)은 산업 구조의 차이가 프랜차이즈 브랜드 선택에 미치는 영향을 구체적으로 분석하였다. 그는 품목별로 프랜차이즈 브랜드의 시장 집중도와 경쟁 구조가 다르며, 이러한 구조적 차이가 소비자의 브랜드 선택 전략을 결정짓는다고 보았다. 산업 집중도가 높고 경쟁 브랜드 수가 제한적인 시장에서는 소비자가 익숙한 프랜차이즈 브랜드를 신뢰 기반으로 선택하는 경향이 강하다. 국내 프랜차이즈 산업에서도 시장 구조와 경쟁 환경은 소비자 선택에 중요한 영향을 미치는 것으로 보고된다. 서교원과 고사랑(2023)은 동일 프랜차이즈의 신규 가맹점 출점이 기존 점포 성과에 영향을 미치는 자기잠식 효과를 확인하였으며, 이는 소비자의 브랜드 선택이 산업 내 경쟁 구조와 밀접하게 연관되어 있음을 보여준다. 반대로, 시장이 분산되어 있고 지역성이 강한 산업에서는 소비자가 새로운 브랜드를 시도할 가능성이 높다. Nyadzayo et al.(2018)의 연구 또한 프랜차이즈 충성도의 형성이 개인적 특성뿐 아니라 품목 특성과 경쟁 강도의 상호작용 때문에 결정된다고 설명한다. 경쟁이 치열한 산업일수록 브랜드 충성도는 낮아지고, 전환 행동은 빈번하게 나타난다.
소비자 심리 측면에서 보면, 브랜드 선택의 일관성은 개인의 위험 인식과 안정성 선호에 의해 달라진다. Mittal and Kamakura(2001)는 “상황 간 일관성(cross-contextual consistency)” 개념을 제시하며, 소비 상황과 개인 특성이 결합되어 품목 간 충성도 차이를 만든다고 주장하였다. 여러 소비 영역에서 지속적으로 프랜차이즈 브랜드를 선택하는 소비자는 표준화와 신뢰에 대한 선호가 강하며, 안정적이고 예측할 수 있는 경험을 추구하는 경향이 있다. 반면, 상황에 따라 브랜드 선택이 달라지는 소비자는 경험적 다양성과 감정적 요인을 중시하는 경향을 보인다.
Oliver(1999)는 브랜드 충성을 단순한 반복 구매 행위가 아닌, 상황을 초월하여 지속되는 심리적 애착으로 보았다. 이어진 연구들(Bandyopadhyay & Martell, 2007; Lam et al., 2004) 역시 소비 상황 간에 유사한 신뢰 신호와 위험 구조가 존재할 경우, 소비자는 기존의 브랜드 선호를 유지하며 품목을 넘어 일관된 충성도를 보인다고 설명한다. 즉, 소비자는 매번 새롭게 브랜드를 평가하기보다 익숙하고 신뢰할 수 있는 브랜드 선택을 반복함으로써 안정적인 소비 경험을 유지한다.
이처럼 기존 연구들은 심리적 메커니즘, 시장 구조, 경쟁 환경의 측면에서 품목 간 브랜드 선택의 일관성을 설명해 왔다. 그러나 대부분의 연구가 단일 산업에 국한되어 있어, 산업 간 비교를 통한 체계적 이해에는 한계가 있다. 특히 프랜차이즈 체계에서는 소비 품목별로 브랜드 집중도, 시장 포화도, 고객 의존도가 크게 다름에도(Ackermann, 2024), 다품목 환경에서 소비자가 일관된 프랜차이즈 선택 성향을 보이는지에 대해서는 아직 충분히 밝혀지지 않았다. 따라서 본 연구는 실제 거래 데이터를 기반으로, 품목 간 브랜드 선택의 일관성과 차이를 실증적으로 규명하려고 한다. 이를 통해 소비자의 프랜차이즈 선택 메커니즘을 보다 현실적으로 이해할 수 있을 뿐 아니라, 프랜차이즈 브랜드의 전략 수립과 고객 관계 관리에 유용한 시사점을 제공할 수 있을 것이다.
브랜드 전환은 소비자의 브랜드 선호 다양성, 시장 내 경쟁 역학, 그리고 브랜드 관계의 안정성을 이해하는 핵심 지표이다. 다시 말해, 소비자가 브랜드를 바꾸는 순간은 단순한 선택이 아니라, 신뢰 구조의 흔들림과 만족도의 변화, 그리고 경쟁 브랜드 간 매력도의 재평가가 이루어지는 과정이라 할 수 있다. 기존 연구들은 브랜드 전환이 하나의 단일 요인에 의해 발생하는 것이 아니라, 가격 민감도, 서비스 품질, 고객 만족도, 브랜드 인식, 그리고 감정적 반응 등 다양한 요인이 복합적으로 작용한 결과임을 강조한다(Keaveney, 1995; Zeelenberg & Pieters, 2004).
초기 연구들은 주로 서비스 산업을 중심으로 전환의 직접적인 원인을 탐구했다. Keaveney(1995)는 서비스업 소비자에 대한 심층 인터뷰를 통해, 가격 인상, 서비스 실패, 경쟁 브랜드의 판촉 활동이 브랜드 전환을 유발하는 대표적인 요인임을 밝혔다. 이어 Zeelenberg and Pieters(2004)는 소비자가 경험한 불만족이 “후회(Regret)”나 “실망(disappointment)”과 같은 부정적 감정을 일으키며, 이러한 감정이 브랜드를 바꾸게 하는 심리적 기제가 된다고 설명했다. 즉, 브랜드 전환은 단순한 경제적 판단이 아니라 감정적 반응의 결과이기도 하다. 이후 연구들은 감정적 요인에서 더 나아가, 고객-브랜드 관계의 질적 측면에 주목했다. Bansal and Taylor(1999)는 소비자가 브랜드에 느끼는 정서적 애착과 신뢰 수준이 전환 의도에 직접적인 영향을 미친다고 보았다. 즉, 관계 품질이 낮아질수록 브랜드를 떠날 가능성이 커진다는 것이다. Balaji(2015) 또한 서비스 경험과 관계 만족도가 고객 신뢰를 매개로 전환 성향에 간접적으로 영향을 미친다고 분석했다.
경쟁이 치열해진 시장 환경에서는 여전히 가격과 판촉이 브랜드 전환을 자극하는 주요 외부 요인으로 작용한다. Bucklin and Gupta(1992)와 Seetharaman(2004)는 시장 내 가격 변동이나 판촉 활동이 잦을수록 소비자가 브랜드 간 전환을 반복하며, 단기적인 “거래형 충성(transactional loyalty)”을 보인다고 지적했다. 그러나 이러한 충성은 감정적 기반이 약하고 안정성이 낮기 때문에, 가격 이점이 사라지면 즉시 무너지는 경향이 있다.
최근 들어 연구자들은 브랜드 전환의 구조적 양상, 즉 동일한 시스템 혹은 동일한 품목 내에서 이루어지는 브랜드 교체 행동에 주목하고 있다. Ackermann(2024)은 프랜차이즈 시장을 분석하며, 동일 체계 내 브랜드 간 경쟁이 소비자의 내부 이동성을 높인다고 주장했다. 예를 들어, 소비자가 커피 품목 내에서 스타벅스에서 메가커피나 이디야로 이동하는 현상은 시스템 내 전환(intra-system switching)의 전형적 사례라 할 수 있다. 이는 소비자가 프랜차이즈 브랜드 간의 차별성을 인식하고, 안정성과 탐색성 사이에서 균형을 모색하는 행위로 해석된다. 다시 말해, 소비자는 단순히 브랜드를 ‘바꾸는 것’이 아니라, 동일 체계 내에서 자신에게 더 적합한 대안을 탐색하고 있는 것이다. Pratama and Haryanto(2025)는 시스템적 전환의 강도를 정량적으로 측정하기 위해 정보 엔트로피(entropy) 지표를 활용할 수 있다고 제안했다. 엔트로피 값이 높을수록 소비자의 브랜드 사용이 여러 브랜드에 고르게 분산되어 있음을 의미하며, 이는 탐색적 성향이 강하다는 것을 보여준다. 반대로 엔트로피가 낮을수록 특정 브랜드에 집중되어 있음을 뜻하며, 이는 높은 충성도와 낮은 전환 가능성을 시사한다.
지금까지의 연구는 몇 가지 한계가 존재한다. 첫째, 대부분의 연구가 브랜드 간의 ‘가로적 전환’에 초점을 맞추어, 프랜차이즈 체계 내부의 교체 행동을 간과했다. 둘째, 단일 품목을 중심으로 한 분석이 많아, 다품목 환경에서 소비자가 일관된 전환 패턴을 보이는지에 대한 논의가 부족했다. 따라서 향후 연구는 실제 소비 데이터를 기반으로, 소비자가 프랜차이즈 체계 내에서 어떻게 구조적 전환을 보이는지를 구체적으로 분석할 필요가 있다. 이를 통해 브랜드 선호 다양성과 시장 경쟁의 역동적 관계를 보다 현실적으로 이해할 수 있으며, 나아가 프랜차이즈 브랜드의 시장 포지셔닝, 고객 유지 전략, 그리고 교차 카테고리 마케팅 전략 수립에도 실질적인 시사점을 제공할 수 있을 것이다.
Ⅲ. 연구 방법론
<그림 1>은 본 연구의 전체 분석 프레임워크를 제시한다. 본 연구는 소비자의 거래 행동을 출발점으로 하여 ‘선택(choice)-선호(preference)-다양성(diversity)’의 논리에 기반한 3단계 분석 프레임워크를 구축하였다.
먼저 Stage 1에서는 거래 단위(transaction level)에서 고객 특성과 거래 상황이 프랜차이즈 선택과 어떠한 관련성을 가지는지를 분석함으로써 프랜차이즈 선택에 영향을 미치는 주요 요인을 파악하였다.
다음으로 Stage 2에서는 산업 고정효과(industry fixed effects)를 통제한 상태에서 고객 수준의 랜덤효과(random effects)를 도입하여 소비자 간 안정적인 프랜차이즈 선호 차이가 존재하는지를 분석하였다. 이를 통해 프랜차이즈 선택 행동에서 나타나는 개인 수준의 이질성을 검토하였다.
마지막으로 Stage 3에서는 고객-산업 수준에서 브랜드 Shannon 엔트로피와 Top brand share를 활용하여 소비자의 브랜드 선택 구조를 분석하였다. Shannon 엔트로피는 프랜차이즈 거래가 여러 브랜드에 얼마나 다양하게 분산되어 있는지를 나타내며, Top brand share는 소비가 특정 브랜드에 얼마나 집중되어 있는지를 보여준다. 이를 통해 소비자가 프랜차이즈 이용 과정에서 소수 브랜드에 집중하는지, 혹은 여러 브랜드를 폭넓게 탐색하는지를 함께 검토하였다.
이와 같은 3단계 분석을 통해 본 연구는 프랜차이즈 선택 행동, 개인 수준의 안정적 선호, 그리고 브랜드 선호 다양성이라는 세 가지 측면에서 소비자의 프랜차이즈 이용 행동을 체계적으로 분석하고자 하였다.
본 연구는 2022년부터 2025년까지의 거래 데이터를 기반으로 수행되었으며, 원자료는 총 79,186,059건의 거래 기록으로 구성되어 있다. 이후 처리된 데이터로부터 약 100만 건의 거래를 무작위 추출하여 연구 표본을 구성하였으며, 거래금액이 음수인 관측치는 환불 또는 반품에 해당하여 실제 소비 의사결정을 반영하지 않는 것으로 판단하여 제외하였다. 이를 통해 Stage 1 분석에 활용되는 거래 단위 표본을 구축하였다.
Stage 2에서는 소비자 간 안정적인 프랜차이즈 선호 차이를 분석하기 위해 고객 수준의 랜덤효과를 도입하였다. 랜덤효과의 신뢰성 있는 추정을 위해서는 개별 고객에 대한 충분한 반복 관측이 필요하므로, 거래 횟수가 적은 고객은 개인 선호를 안정적으로 식별하기 어렵다. 이에 따라 본 연구는 거래 횟수가 100회 이상인 고빈도 고객만을 분석 대상으로 선정하여 개인 수준의 이질성 분석에 적합한 표본을 구축하였다.
Stage 3에서는 고객-산업 수준의 브랜드 선호 다양성 지표를 산출하기 위해 추가적인 표본 정제를 수행하였다. 구체적으로 브랜드 정보가 확인되지 않는 거래를 제외하였으며, 브랜드 다양성 지표를 계산할 수 없는 단일 브랜드 이용 고객을 제거하였다. 최종적으로 고객-산업 단위의 분석 표본을 구축하여 프랜차이즈 브랜드 선호 다양성 분석에 활용하였다.
본 연구에 사용된 데이터는 텐큐브(Tenqube)에서 제공된 것으로, 2022년부터 2025년까지의 온라인 및 오프라인 소비 기록을 포함하고 있다. 원자료는 개별 상품 거래를 관측 단위로 하며, 고객 식별자, 연령대, 성별, 소비 금액, 거래 시점, 거래 채널, 브랜드 정보 등의 변수가 포함되어있다.
전체 데이터 규모는 매우 방대하여, 총 79,186,059건의 거래 기록을 포함한다. 이 자료는 소비자가 시간대와 상황에 따라 보이는 브랜드 선택 행동을 체계적으로 파악할 수 있게 해주며, 이후 계량 분석을 위한 고품질의 미시적 행동 기반을 제공한다.
원자료는 방대한 규모와 다차원적 이질성을 지니고 있기에, 계산 효율을 높이고 표본의 대표성을 확보하기 위해 전체 거래 데이터 중 프랜차이즈 거래가 전혀 존재하지 않는 산업군을 우선 제외하였다. 또한 프랜차이즈 여부 변수의 신뢰성을 확인하기 위해 공정거래위원회 가맹사업거래 정보공개시스템에 등록된 프랜차이즈 정보를 참고하였으며, 무작위로 추출한 일부 브랜드에 대해 수작업 검증을 수행하여 데이터 내 분류 결과와 외부 정보 간의 일관성을 확인하였다.
이후 정제된 데이터 중 약 100만 건을 무작위로 추출하여 연구 표본을 구성하였다. 성별 정보가 누락되거나 비정상적인 관측값(Gender<0)은 삭제하였으며, 음수 거래금액(Amount<0)을 포함하는 거래 제거하였다. 또한 거래금액 변수의 극단값 영향을 완화하기 위해 상·하위 1% 기준 winsorizing을 적용하였다. 거래 금액은 다른 설명변수에 비해 값의 범위가 크므로, 변수 간 척도 차이를 완화하고 결과의 해석 및 비교 가능성을 높이기 위해 업종별 Z-score 표준화를 적용하였다.
소비자의 특성에 따른 프랜차이즈 브랜드 선택 행동을 규명하기 위해, 본 연구에서는 먼저 이항 로짓 회귀모형(binary logistic regression)을 사용하였다. 모형의 기본 형태는 다음과 같다.
종속변수는 프랜차이즈 여부(IsFranchise)이다. 프랜차이즈 브랜드 거래 여부를 나타내며, 프랜차이즈 매장은 1, 비프랜차이즈 매장은 0으로 설정하였다.
독립변수는 고객 특성으로 연령대(Age, 범주형 변수)와 성별(Gender, 범주형 변수)를 포함한다. 거래 특성으로 업종별 Z-score 표준화를 적용한 거래 금액(Amount_z, 연속형 변수), 결제 요일(PayDay, 1~7의 값을 가짐), 거래 시간대(PayHour, 시간 단위 그룹화)를 포함하였다.
데이터 분석을 위해 Logit 모형을 선택한 이유는 다음과 같다. 첫째, 종속변수가 이분형으로, Logit 모형의 확률적 선택 가정을 충족한다. 둘째, Logit 모형은 모형 구조가 단순하며, 추정된 계수를 통해 고객 특성과 거래 상황이 프랜차이즈 브랜드 선택에 미치는 한계효과를 직접적으로 해석할 수 있다. 셋째, Logit 모형은 확장성이 높아, 이후 산업 수준 요인과 개인의 랜덤효과를 포함하는 2단계와의 비교 기준으로 활용할 수 있다.
2단계 분석에 사용된 데이터는 텐큐브 플랫폼 거래 데이터베이스에서 추출되었으며, 2022년부터 2025년까지의 온라인 및 오프라인 소비 기록을 포함한다. 원자료는 개별 거래를 관측 단위로 하며, 고객 식별자, 연령대, 성별, 거래 금액, 결제 시점, 결제 요일, 브랜드 정보 등의 변수를 포함하고 있다. 이후 산업 분류표와 병합하여 각 거래가 속한 대분류 산업(Large)을 추가하였으며, 이를 통해 고객과 산업 수준이 연계된 분석 데이터 구조를 구축하였다. 이 데이터는 산업별로 고빈도 고객이 프랜차이즈 브랜드를 선택하는 행동 패턴을 분석하기 위한 기반으로 활용되었다.
2단계 표본은 1단계에서 구축된 무작위 추출 표본(총 100만 건의 거래 기록)을 기반으로 추가적인 선별 과정을 거쳐 구성하였다. 표본 선별 절차는 다음과 같다.
장기적이고 안정적인 소비 행태에 초점을 맞추기 위해, 거래 횟수가 100회 이상인 고객만을 유지하였다. 이를 통해 일시적 거래가 아닌 지속적인 소비 패턴을 반영할 수 있도록 하였다.
산업별 프랜차이즈 침투율의 차이가 크기 때문에, 모든 산업을 포함할 경우 Logit 모형에서 ‘완전 분리 문제(complete separation)’가 발생할 가능성이 있다. 이를 방지하기 위해 각 산업의 프랜차이즈 침투율(FranchiseRate)을 계산하고, 침투율이 5% 이상 95% 이하인 산업만을 표본에 포함하였다. 이렇게 함으로써 산업 구조 차이를 통제하면서도 극단값의 영향을 최소화하였다.
선별 과정을 거친 최종 표본은 총 10,553건의 거래 기록, 72명의 고빈도 고객, 13개 대분류 산업을 포함한다. 본 표본은 산업 구성, 고객 특성, 거래 구조 측면에서 모두 높은 대표성을 유지하고 있다.
소비자 선택이나 수요 추정과 관련된 다수의 마케팅 및 산업조직 연구에서는 산업 또는 카테고리 고정효과를 활용하여 구조적 차이(표준화 수준, 브랜드 집중도, 접근 가능성 등)를 흡수함으로써, 산업 간의 차이를 개인이나 거래 수준 변수의 효과로 잘못 해석하는 것을 방지한다(Bucklin & Gupta, 1992; Nevo, 2001). 그러나 고정효과만으로는 소비자 수준의 안정적인 선호를 충분히 식별하기 어렵다. 기존의 패널 Logit 모형은 주로 산업 또는 시간 고정효과를 포함하지만, 소비자 간 선호의 이질성을 반영하는 random coefficient를 동시에 모형화하는 경우는 상대적으로 드물다.
그래서 2단계 모형의 연구 목적은 고빈도 고객이 산업별로 어떤 방식으로 프랜차이즈 브랜드를 선택하는지를 규명하고, 개인 수준의 관측하지 못하는 이질성이 이러한 선택 패턴에 미치는 영향을 분석하는 데 있다. 실제로 동일한 소비자라도 산업의 특성에 따라 브랜드 선택 성향이 달라질 수 있다. 예를 들어, 표준화 정도가 높은 ‘커피’나 ‘패스트푸드’ 산업에서는 프랜차이즈 브랜드를 선호하지만, ‘미용’이나 ‘이발’과 같은 서비스업에서는 개인 점포를 더 선호할 수 있다. 이러한 산업 간 차이는 프랜차이즈 선호의 상황 의존성을 반영한다.
이러한 현상을 분석하기 위해 본 연구는 random coefficient logit model을 적용하였다. 구체적으로 거래금액(Amount_z)의 계수가 소비자마다 다를 수 있도록 random coefficient를 부여하여, 거래금액에 대한 반응의 개인 간 이질성을 추정하였다. 이를 통해 동일한 거래금액 변화라도 소비자에 따라 프랜차이즈 선택에 미치는 영향이 다를 수 있음을 반영하였다.
분석의 일관성을 유지하기 위해 2단계 모형은 1단계에서 사용한 핵심 변수 체계를 그대로 유지하였다. 즉, 종속변수와 고객 특성 및 거래 특성은 동일하게 적용하였으며, 여기에 산업 간 구조적 차이를 통제하기 위한 산업 고정효과와 고객별 선택 성향의 이질성을 반영하기 위한 랜덤효과를 추가하였다.
고객 특성은 연령대와 성별을 포함하였다. 연령대는 연령 구간을 나타내는 범주형 변수이며, 예를 들어 코드 2024는 20~24세를 의미한다. 성별은 남성을 1, 여성을 0으로 설정하였다.
거래 특성은 표준화된 거래금액, 결제 요일 및 결제 시간대를 포함하였다. 결제 요일은 월요일부터 일요일까지 1~7로 구분하였으며, 결제 시간대는 0시부터 23시까지의 시간 구간으로 측정하였다.
Large는 각 거래가 속한 대분류 산업을 나타내는 범주형 변수이다. 산업별 프랜차이즈 이용 환경과 시장구조의 차이를 통제하기 위해 산업 고정효과로 모형에 포함하였다.
고객별로 프랜차이즈를 선택하는 기본 성향이 다를 수 있으므로 고객 수준의 랜덤 절편을 포함하였다. 또한 거래금액이 프랜차이즈 선택에 미치는 관련성이 고객마다 다르게 나타날 수 있음을 반영하기 위해 거래금액에 대한 랜덤 기울기를 함께 추정하였다.
이에 따른 2단계 모형의 기본 형태는 다음과 같다.
여기서 i는 고객을, j는 개별 거래를 의미한다. Xij는 1단계 모형에서 사용한 연령대, 성별, 결제 요일 및 결제 시간대 변수를 포함한다. λLargeij는 해당 거래가 속한 산업의 고정효과를 의미한다. Amountzij는 표준화된 거래금액이며, βA는 거래금액과 프랜차이즈 선택 간의 전반적인 관련성을 나타낸다. u0i는 고객별 프랜차이즈 선택 성향의 차이를 반영하는 랜덤 절편이고, u1i는 거래금액의 관련성이 고객별로 다르게 나타나는 정도를 반영하는 랜덤 기울기이다. Σ는 랜덤 절편과 랜덤 기울기의 분산 및 두 랜덤효과 간 상관관계를 포함한다. 따라서 2단계 모형은 1단계의 설명변수를 유지한 상태에서 산업 간 차이와 고객 간 이질성을 동시에 고려하는 혼합효과 로짓 모형으로 구성하였다.
제3단계에서는 제2단계에서 구축한 고빈도 고객 표본을 사용하며, ‘고객-산업’ 조합을 분석 단위로 설정한다. 각 관측치는 특정 고객이 특정 산업에서 수행한 모든 프랜차이즈 브랜드 거래 기록에 해당하며, 해당 고객의 브랜드 거래가 소수 브랜드에 집중되는지 또는 여러 브랜드에 분산되는지를 나타낸다. 동일한 고객이라도 산업에 따라 선택 구조가 달라질 수 있는데, 예를 들어 커피/디저트 산업에서는 여러 브랜드를 이용하는 반면 주거/통신 산업에서는 장기간 단일 브랜드를 이용할 수 있으므로, 고객-산업 수준의 자료는 개인 간 차이와 산업 간 차이를 동시에 보존할 수 있다.
고객이 특정 산업에서 프랜차이즈 브랜드 거래를 한 번만 수행한 경우, 단일 선택만으로는 식별 가능한 브랜드 이용 구조를 형성하기 어렵기 때문에 프랜차이즈 브랜드 거래 횟수가 2회 이상인 고객-산업 조합만을 분석에 포함하였다. 고빈도 고객 원자료에는 총 10,553건의 거래 기록이 포함되어 있었으며, 브랜드명이 누락되었거나 식별할 수 없는 기록을 제외한 후 6,115건의 유효한 프랜차이즈 브랜드 거래 기록을 확보하였다. 고객, 산업 및 브랜드별로 거래 횟수를 집계하고 표본 선별을 완료한 결과, 최종 표본은 72명의 고객으로부터 형성된 470개의 고객-산업 관측치로 구성되었다. 관측치가 20개 미만인 산업은 ‘기타’ 범주로 통합하였으며, 모형에는 총 9개의 산업 범주를 설정하였다.
고객이 해당 산업에서 지출한 평균 거래금액은 뚜렷한 우측 편향 분포를 보였으며, 일부 관측치는 표본의 중앙값보다 매우 큰 값을 나타냈기 때문에 평균 거래금액에 로그 변환을 적용하였다. 거래 횟수에도 로그 변환을 적용하여 거래 빈도가 매우 높은 고객이 모수 추정에 미치는 영향을 완화하였다. PayDayDiversity는 고객이 특정 산업에서 거래한 서로 다른 요일의 수를 나타내며, 값의 범위는 1에서 7까지이다. PayHourDiversity는 거래가 이루어진 서로 다른 일중 시간대의 수를 나타내며, 고객의 소비 시점이 분산된 정도를 설명한다. 종속변수에는 브랜드 다양성 지표인 Entropy와 브랜드 집중도 지표인 TopBrandShare가 포함된다. 두 지표는 모두 고객-산업-브랜드 수준의 거래 횟수를 기준으로 산출되며, Entropy가 높을수록 거래가 여러 브랜드에 분산되어 있고 TopBrandShare가 높을수록 거래가 가장 많이 이용하는 브랜드에 집중되어 있음을 의미한다.
제3단계에서는 고객의 소비 규모, 거래 빈도 및 소비 시간 분포와 산업 내 프랜차이즈 브랜드 선택 구조 간의 관계를 분석하기 위해 Entropy와 TopBrandShare를 각각 종속변수로 하는 선형 혼합효과 모형을 구축하였다. 두 모형은 동일한 설명변수, 통제변수, 산업 고정효과 및 고객 무작위 절편을 사용하므로, 계수의 차이는 주로 종속변수가 반영하는 브랜드 선택 차원에서 비롯된다.
고객 (i)가 산업 (j)에서 프랜차이즈 브랜드 (k)와 거래한 횟수를 (nijk)로 표기하면, 고객-산업 내 전체 프랜차이즈 브랜드 거래에서 해당 브랜드가 차지하는 비중은 다음과 같다.
여기서 (Kij)는 고객 (i)가 산업 (j)에서 실제로 이용한 프랜차이즈 브랜드의 수를 의미한다. 브랜드 다양성은 Shannon 엔트로피를 이용하여 다음과 같이 산출하였다.
고객이 하나의 프랜차이즈 브랜드만 이용한 경우 해당 브랜드의 거래 비중은 1이며, Entropy는 0이 된다. 고객이 이용하는 브랜드 수가 증가하고 거래가 각 브랜드에 더욱 균등하게 분포할수록 Entropy도 높아진다. 이 지표는 브랜드 수와 거래 분포를 동시에 고려하기 때문에, ‘여러 브랜드를 이용하지만 거래가 주로 하나의 브랜드에 집중된 경우’와 ‘거래가 여러 브랜드에 비교적 균등하게 분산된 경우’를 구분할 수 있다.
브랜드 집중도는 가장 많이 이용한 프랜차이즈 브랜드의 거래 비중을 이용하여 다음과 같이 측정하였다.
TopBrandShare의 값은 0에서 1 사이이다. 고객의 산업 내 모든 거래가 하나의 브랜드에 집중된 경우 이 값은 1이 되며, 거래가 여러 브랜드에 균등하게 분산될수록 가장 많이 이용한 브랜드가 차지하는 비중은 낮아진다. 이 지표는 거래 횟수를 분모로 하여 고객이 가장 많이 이용하는 브랜드의 이용 비중을 나타내며, 소비금액에 기초한 share-of-wallet과는 다르다. Entropy와 TopBrandShare는 일반적으로 서로 반대 방향으로 나타나지만, 두 지표가 완전히 대칭적인 것은 아니다. 고객이 다른 브랜드에서 소수의 추가 거래를 수행하면 Entropy는 높아질 수 있지만, 가장 많이 이용하는 브랜드의 거래 비중은 여전히 높은 수준을 유지할 수 있다.
제3단계 모형은 다음과 같이 설정하였다.
제3단계에서는 선형 혼합효과 모형을 이용하여 고객-산업 수준의 브랜드 다양성과 브랜드 집중도를 각각 분석하였다. 종속변수 \left(Y_{ij}\right)는 각각 브랜드 엔트로피와 최다 이용 브랜드 거래 비중으로 측정하였다. 브랜드 엔트로피가 높을수록 고객이 해당 산업에서 접하는 프랜차이즈 브랜드의 수가 많고 브랜드 선택이 분산되어 있음을 의미하며, 최다 이용 브랜드 거래 비중이 높을수록 고객의 거래가 특정 브랜드에 집중되어 있음을 의미한다. 모형의 설명변수에는 고객이 해당 산업에서 지출한 평균 거래금액, 거래 요일 다양성, 거래 시간대 다양성 및 프랜차이즈 브랜드 거래 횟수가 포함된다. 평균 거래금액과 프랜차이즈 브랜드 거래 횟수에는 모두 로그 변환을 적용하였다. 거래 요일 다양성은 고객이 서로 다른 몇 개의 요일에 거래하였는지를 나타내며, 거래 시간대 다양성은 고객이 서로 다른 몇 개의 시간대에 거래하였는지를 나타낸다. 모형은 고객의 연령집단과 성별을 통제하고 산업 고정효과를 포함하였다. 동일한 고객이 여러 산업에서 반복적으로 관측될 수 있으므로, 동일 고객에게서 형성된 여러 고객-산업 관측치 간의 상관성을 통제하기 위해 고객 수준의 무작위 절편을 설정하였다. 고객-산업 수준의 오차항은 모형으로 설명되지 않는 기타 차이를 반영한다.
동일한 고객이 여러 산업에서 관측치를 형성할 수 있으며, 이러한 관측치는 공통된 인구통계적 특성과 비교적 안정적인 소비 성향의 영향을 받기 때문에 서로 독립적이지 않다. 이러한 고객 내 상관성을 반영하기 위해 모형에 고객 수준의 무작위 절편을 설정하여 고객마다 서로 다른 브랜드 선택의 기준 수준을 가질 수 있도록 하였다. 산업 간에는 브랜드 공급, 프랜차이즈 브랜드 침투 수준, 구매 주기 및 전환비용 등에서 비교적 안정적인 차이가 존재하므로, 산업 환경으로 인한 체계적인 차이를 통제하기 위해 산업 범주를 고정효과로 모형에 포함하였다.
제3단계에서는 브랜드 엔트로피와 최다 이용 브랜드 거래 비중을 이용하여 소비자의 브랜드 선택 구조를 각각 측정하였다. 브랜드 엔트로피는 고객이 특정 산업에서 프랜차이즈 브랜드를 분산하여 선택하는 정도를 나타내며, 값이 높을수록 브랜드 선택이 다양함을 의미한다. 최다 이용 브랜드 거래 비중은 거래가 가장 많이 이용하는 브랜드에 집중된 정도를 나타내며, 값이 높을수록 브랜드 선택의 집중도가 높음을 의미한다. 두 지표는 브랜드 다양성과 브랜드 집중도라는 두 방향에서 고객의 브랜드 이용 특성을 설명한다. 모형의 추정 결과는 급내상관계수, 평균제곱근오차 및 기타 적합도 지표를 종합하여 평가하였다. 브랜드 선택 구조는 산업 내 브랜드 이용 가능성, 지리적 위치 및 구체적인 소비 상황과 같은 관측되지 않은 요인의 영향을 받을 수 있으므로, 추정계수는 고객 특성, 거래 특성 및 산업 간 차이를 통제한 이후의 조건부 관련성을 나타내며 인과관계로 해석하지 않는다.
Ⅳ. 연구 결과
본 절에서는 표본의 대표성과 데이터 구조의 타당성을 검증하기 위해 1단계 거래 표본(968,461건)에 대한 기술통계 분석을 수행하였다.
연속형 변수 분포(<표 1> Panel A)를 보면, 원거래금액(amount)의 평균은 34,078원, 중간값은 13,900원으로 거래가 중저가 구간에 집중되어 있다. 반면 최댓값은 421,173원으로 일부 고액 거래가 존재하며, 전체적으로 ‘소액·고빈도’ 소비와 긴 꼬리 분포를 보인다. 이러한 업종 간 거래금액 규모 차이와 극단값의 영향을 통제하기 위해 회귀분석에서는 거래금액 변수에 대해 상·하위 1% winsorizing과 업종별 Z-score 표준화를 적용한 Amount_z 변수를 사용하였다.
시간 변수는 소비의 일상적 패턴을 반영한다. 평균 결제시간은 13.4시로 거래는 점심 및 퇴근 전후에 집중되며, 평균 결제 요일은 4.08로 주중 중반에 거래가 상대적으로 많다.
전체 거래의 65.07%는 프랜차이즈에서 발생하여 프랜차이즈가 주요 소비 채널로 작용한다. 성별 분포는 남성 52.56%, 여성 47.44%로 비교적 균형적이다.
연령 분포(<표 1> Panel B)를 보면, 표본은 40세 전후 중청년층에 집중되어 있으며, 특히 40~44세(18.48%)와 45~49세(18.33%) 비중이 높다. 반면 30대 초반과 60세 이상은 상대적으로 낮은 비중을 보인다. 이는 소비 안정성과 브랜드 신뢰를 중시하는 계층이 중심임을 의미하며, 본 표본이 실제 시장의 핵심 소비층을 적절히 반영함을 보여준다.
<표 2>는 추정한 Logit 회귀 결과를 제시한다. 종속변수는 거래가 프랜차이즈 매장에서 발생했는지 여부(IsFranchise=1)이다.
첫째, 중년층이 프랜차이즈의 핵심 고객층이다. 대부분의 연령대에서 계수가 양(+)의 방향으로 유의하게 나타났으며, 20~40대 중·청년층에서 프랜차이즈 선택 가능성이 가장 높게 나타났다. 기준집단인 00~20세에 비해 25~29세(β=.266, p<.001), 30~34세(β=.350, p<.001), 35~39세(β=.383, p<. 001), 40~44세(β=.359, p<.001) 집단의 프랜차이즈 선택 성향이 유의하게 높게 나타났다. 이는 중·장년층 소비자에게서 프랜차이즈 선택 성향이 상대적으로 높게 나타남을 보여준다. 직장 생활과 시간 제약이 큰 이들은 예측 가능한 품질과 효율적인 구매 과정을 선호하기 때문에 프랜차이즈 이용 비율이 높을 가능성이 있다. 55~59세 집단의 계수는 유의하지 않았다(p=.077). 이는 고령층의 프랜차이즈 선택 성향이 상대적으로 약화됨을 시사한다.
둘째, 성별 변수의 계수는 음(–)의 방향으로 유의하게 나타났다(β=–.092, p<.001). 여성 소비자는 남성 소비자에 비해 프랜차이즈를 선택할 가능성이 상대적으로 높은 것으로 나타났다.(β=–.092, OR=.912, AME=–.021, p<.001).
셋째, 소액·평일·야간 소비일수록 프랜차이즈 이용이 높다. 거래 특성과 관련된 변수에서는 세 가지 주목할 만한 패턴이 확인되었다. 먼저 거래 금액 표준화 변수(Amount_z)의 계수는 음(–)의 방향으로 유의하게 나타났다(β=–.136, OR=.873, AME=–.031, p<.001). 이는 동일 업종 내에서 상대적으로 거래 금액이 높은 소비일수록 프랜차이즈보다는 비프랜차이즈 매장을 선택할 가능성이 높음을 의미한다는 뜻이다. 이는 동일 업종 내에서 상대적으로 높은 거래 금액이 비프랜차이즈 선택과 관련되어 있으며, 소비자는 이러한 상황에서 브랜드보다는 제품의 차별성과 개인화된 서비스를 더 중시하는 경향이 있다.
결제 요일의 계수는 음(–)의 방향으로 유의하게 나타났다(β=–.020, OR=.980, AME=–.005, p<.001). 이는 동일한 조건하에서 거래가 주말에 가까운 시점에 발생할수록 프랜차이즈 이용 비중이 상대적으로 낮아지는 것으로 나타났다. 이러한 결과는 소비자의 매장 선택 패턴이 거래 시점에 따라 달라질 수 있음을 시사한다.
결제 시간대의 계수는 양(+)의 방향으로 유의하게 나타났다(β=.004, OR=1.004, AME=.001, p< .001). 이는 거래 시간이 늦어질수록 프랜차이즈를 선택할 가능성이 소폭 증가하는 경향이 있음을 의미한다. 비록 효과 크기는 크지 않지만, 거래 발생 시간 역시 소비자의 프랜차이즈 선택과 통계적으로 유의한 관련성을 보이는 것으로 확인되었다.
본 단계의 연구 표본은 총 72명의 고빈도 고객으로 구성되며, 고객 1인당 평균 147회의 거래를 기록하여 총 10,553건의 거래 데이터가 분석에 사용되었다. 기술통계는 거래 건수(N=10,553)를 기준으로 산출하였다. 성별 및 연령대와 같은 고객 속성 변수는 동일 고객의 각 거래 기록에 반복적으로 부여되므로, <표 3>에 제시된 빈도는 독립적인 고객 수가 아니라 거래 수준에서의 분포를 의미한다.
연속형 변수 측면에서 평균 거래금액은 32,978원, 중간값은 10,000원으로 나타났으며, 높은 표준편차(65,788원)는 거래금액 분포의 우측 편향을 보여준다. 대부분의 거래는 소액 소비에 집중되어 있으나, 일부 고액 거래가 존재한다. 평균 결제시간은 13.28시로 주간 및 이른 저녁 시간대에 거래가 집중되며, 평균 요일은 4.12로 주중 소비가 활발함을 시사한다.
범주형 변수에서 프랜차이즈 거래 비중은 57.95%로 비프랜차이즈(42.05%)와 비교적 균형을 이루며, 이는 이항 선택 모형 분석에 적합한 구조를 제공한다. 성별은 남성 68.69%, 여성 31.31%로 나타났으며, 연령 분포는 40대를 중심으로 한 중·장년층에 집중되어 고빈도 소비자의 특성을 반영한다.
<표 4>는 고빈도 고객 표본을 대상으로 한 대분류 산업 수준(Large)의 random coefficient logit model 추정 결과를 제시한다. 본 모형은 거래의 프랜차이즈 여부(IsFranchise)를 종속변수로 설정하고, 산업 고정효과를 통제한 상태에서 거래금액(Amount_z)에 대한 고객 수준의 random coefficient를 도입하여 프랜차이즈 선택에 존재하는 미관측 개인 이질성을 규명하고자 한다. 전반적으로 모형의 적합도는 양호하며, AIC는 11,543, McFadden R2는 .200, AUC-ROC는 .804로 나타나 모형이 프랜차이즈 선택 여부를 비교적 높은 수준으로 설명하고 있음을 보여준다. 또한 집단 내 상관계수(ICC=.103)는 프랜차이즈 선택 변동의 약 10.3%가 고객 수준의 안정적인 개인 차이에 기인함을 의미한다. 이러한 결과는 고빈도 고객 간 프랜차이즈 선택 성향에 유의미한 관측되지 않은 이질성이 존재함을 시사하며, 특히 거래금액에 대한 반응이 소비자마다 다르게 나타날 수 있음을 보여준다.
산업 고정효과의 결과를 살펴보면, 고객 개인의 이질성과 기타 거래 특성을 통제한 이후에도 산업 유형에 따라 고빈도 고객의 프랜차이즈 선택 성향에 유의한 차이가 존재함을 확인할 수 있다. 전반적으로 다수의 산업은 기준 범주에 비해 유의한 양(+)의 효과를 보이며, 이는 해당 산업에서 고빈도 고객이 프랜차이즈 거래를 수행할 가능성이 상대적으로 높음을 의미한다.
첫째, 프랜차이즈 선택 성향이 가장 높은 산업으로는 “백화점/패션”과 “주거/통신”이 두드러진다. 이들 산업의 OR(Odds Ratio) 값은 각각 35.667 (95% CI: 25.375~50.132, p<.001)과 28.972(95% CI: 20.958~40.050, p<.001)로 매우 높은 수준을 보인다. 또한 “생활/마트”(OR=12.281, 95% CI: 10.334~14.596, p<.001)와 “뷰티/미용”(OR=9.180, 95% CI: 5.820~14.480, p<.001) 역시 큰 폭의 양(+)의 효과를 나타냈다. 이는 일상 소비나 표준화된 서비스 경험이 중요한 산업에서 프랜차이즈 선택 가능성이 상대적으로 높게 나타남을 보여준다.
둘째, 중간 수준의 프랜차이즈 선택 성향을 보이는 산업으로는 “카페/간식”(OR=6.346), “문화/예술”(OR=5.967), “여행/숙박”(OR=5.379), “식사” (OR=3.081), “학습/교육”(OR=2.872), “의료/건강” (OR=2.130), “술/유흥”(OR=2.203)이 해당된다. 이들 산업에서도 프랜차이즈 선택 가능성은 기준 범주에 비해 유의하게 높게 나타났으나, 그 효과 크기는 백화점/패션, 주거/통신, 생활/마트 등에 비해 상대적으로 낮은 수준을 보였다.
셋째, 프랜차이즈 선택 성향이 통계적으로 뚜렷하게 확인되지 않은 산업으로는 “스포츠/레저” (OR=1.557, 95% CI: 0.988~2.517, p=.056)와 “기타지출”(OR=.470, 95% CI: 0.104~2.128, p=.327)이 있다. 이들 산업은 양(+) 또는 음(–)의 방향성을 보였으나 통계적으로 유의하지 않아, 고빈도 고객의 프랜차이즈 선택 차이가 체계적으로 확인되었다고 보기는 어렵다.
마지막으로, 산업 수준의 고정효과와 고객 수준의 random coefficient를 통제한 이후에도 일부 연령대 변수는 통계적으로 유의한 차이를 보였다. 기준 연령대 대비 35~39세(OR=.512, p=.038), 45~49세(OR=.492, p=.029), 55~59세(OR=.429, p=.026)는 프랜차이즈를 선택할 가능성이 상대적으로 낮은 것으로 나타났다. 반면 성별 변수는 통계적으로 유의하지 않았다. 거래 수준의 변수 중에서는 거래금액 표준화 변수(Amount_z)가 유의한 음(–)의 효과를 보였으며(OR=.795, 95% CI: 0.729~0.866, p<.001), 평균적으로 거래금액이 증가할수록 프랜차이즈 선택 가능성은 감소하는 것으로 나타났다. 다만 본 모형은 거래금액 계수에 random coefficient를 부여하였으므로, 이러한 효과의 크기는 소비자에 따라 다르게 나타날 수 있다. 반면 결제 요일(PayDay)과 결제 시간대(PayHour)는 통계적으로 유의하지 않았다.
표본 기준 변화에 따른 추가한 민감도 분석에서는 거래 횟수 기준을 50회, 100회, 200회로 변경하여 분석을 수행하였다. 해당 분석의 목적은 표본선택 기준에 따른 결과의 안정성을 확인하는 데 있으므로, 모든 기준에서 안정적으로 추정 가능한 고객 수준 random intercept 모형을 적용하였다. 분석 결과, 주요 변수의 방향성과 유의성은 전반적으로 유지되었다(<부록 표 1> 참조).
<표 5>는 제3단계 분석에 사용된 고객-산업 수준의 표본 특성을 제시한다. 최종 표본은 72명의 고객과 9개의 산업 범주에서 형성된 470개의 고객-산업 조합으로 구성되었다. 브랜드 엔트로피의 평균은 1.204, 표준편차는 .659이며, 최솟값은 0, 최댓값은 2.997로 나타났다. 이는 고객과 산업에 따라 브랜드 이용 구조에 뚜렷한 차이가 있음을 보여준다. 일부 고객의 거래는 소수의 프랜차이즈 브랜드에 집중된 반면, 다른 고객은 여러 브랜드에 걸쳐 분산된 선택을 보였다. 최다 이용 브랜드 거래 비중의 평균은 .489, 중앙값은 .444로 나타났으며, 이는 고객이 특정 산업에서 수행한 거래의 절반 정도가 일반적으로 가장 많이 이용하는 브랜드에 집중되어 있음을 의미한다. 이 지표의 값은 .080에서 1.000까지 분포하여, 표본 내에 브랜드 선택이 매우 분산된 이용 형태와 단일 브랜드에 완전히 집중된 이용 형태가 모두 존재함을 보여준다. 두 지표는 서로 반대되는 방향에서 브랜드 선택 구조를 설명하며, 고객의 브랜드 다양성과 브랜드 집중도를 단순히 동질적인 행동으로 볼 수 없음을 보여준다.
거래 특성에서도 상당한 개인 간 차이가 나타났다. 고객이 특정 산업에서 지출한 평균 거래금액은 66,594.713이었으나 중앙값은 20,488.250에 불과하였으며, 최댓값은 867만을 초과하였다. 이는 소수의 고액 소비 기록이 거래금액에 큰 영향을 미쳤음을 의미한다. 거래 횟수의 평균은 12.719회, 중앙값은 7회이며, 최댓값은 92회로 거래금액과 유사한 우측 편향 분포를 보였다. 이에 따라 후속 회귀분석에서는 극단값이 추정 결과에 미치는 영향을 줄이기 위해 거래금액과 거래 횟수에 자연로그 변환을 적용하였다. 고객은 평균적으로 서로 다른 4.340개의 요일과 3.645개의 시간대에서 거래하였으며, 이는 대부분의 고객이 특정 요일이나 고정된 시간대에만 소비하지는 않았지만 거래 시간 분포의 범위에는 고객 간 차이가 존재함을 보여준다.
표본에서는 남성 관측치가 여성 관측치보다 많았으며, 40~44세 연령집단의 비중이 가장 높았다. 산업별 관측치는 생활/슈퍼마켓, 외식 및 커피/간식과 같은 일상소비 영역에 주로 분포하였으며, 백화점/패션, 의료/건강, 교통/차량, 주거/통신 및 문화/예술 산업도 포함하였다. 표본이 다양한 소비 상황으로 구성되어 있어, 산업별 고객의 브랜드 선택 구조를 비교하는 데 필요한 변이를 확보할 수 있었다.
<표 6>은 고객-산업 수준에서 추정한 선형 혼합효과 모형의 결과를 제시한다. 두 모형은 각각 브랜드 엔트로피와 최다 이용 브랜드 거래 비중을 종속변수로 사용하였다. 브랜드 엔트로피는 고객이 여러 프랜차이즈 브랜드에 걸쳐 선택을 분산하는 정도를 나타내며, 최다 이용 브랜드 거래 비중은 거래가 가장 많이 이용하는 브랜드에 집중되는 정도를 나타낸다. 두 지표는 서로 반대 방향을 나타내지만 완전히 중복되는 측정치는 아니다. 브랜드 엔트로피는 전체 브랜드 구성을 고려하는 반면, 최다 이용 브랜드 거래 비중은 가장 높은 비중을 차지하는 브랜드에만 초점을 둔다. 따라서 두 지표를 함께 사용하면 고객이 주요 브랜드를 유지하면서 다른 브랜드를 이용하는 양상을 더욱 세밀하게 파악할 수 있다.
평균 거래금액은 브랜드 엔트로피와 유의한 정(+)의 관계를 보였으며, 최다 이용 브랜드 거래 비중과는 유의한 부(–)의 관계를 보였다. 즉, 고객이 특정 산업에서 지출한 평균 거래금액이 높을수록 브랜드 이용은 대체로 더 분산되며, 거래가 단일 브랜드에 집중되는 정도는 낮아졌다. 소비금액이 높다는 것은 고객이 해당 산업에서 더 다양한 유형의 상품이나 서비스를 구매한다는 의미일 수 있으며, 이에 따라 더 많은 브랜드를 접할 가능성도 커질 수 있다. 이러한 결과는 다양성 추구 행동(variety-seeking behavior) 문헌에서 논의된 선택대안 집합의 확대와 브랜드 접촉 범위 간의 관계와 일치한다(McAlister & Pessemier, 1982). 다만 이 결과는 구체적인 소비 상황과 브랜드 이용 가능성의 영향을 받을 수 있으므로, 소비금액이 브랜드 전환을 직접 유발한다고 보기보다는 소비 규모와 브랜드 선택 범위 간의 안정적인 관련성으로 해석하는 것이 적절하다.
거래 시간대 다양성에서도 유사한 결과가 나타났다. 고객이 더 다양한 시간대에서 거래할수록 브랜드 엔트로피는 높아지고 최다 이용 브랜드 거래 비중은 낮아졌다. 시간대에 따라 소비 목적과 선택 가능한 브랜드가 달라질 수 있다. 동일한 고객이라도 출퇴근 시간, 점심시간 및 저녁 시간에 소비할 때는 위치와 구매 수요가 달라지며, 이에 따라 브랜드 선택도 변하기 쉬워진다. 이러한 결과는 상황적 변수가 소비자행동에 미치는 영향을 설명한 고전적 논의와 일치한다. 시간, 장소 및 선행 상태와 같은 상황적 요인은 안정적인 개인 선호만으로는 설명되지 않는 방식으로 소비자의 선택 구조를 체계적으로 변화시킨다(Belk, 1975). 반면 거래 요일 다양성은 두 모형 모두에서 유의하지 않았다. 고객이 일주일 중 더 많은 요일에 거래했는지는 브랜드 이용 구조를 뚜렷하게 변화시키지 않았으며, 실제 차이를 만드는 요인은 ‘어느 요일에 구매하는가’가 아니라 ‘어떤 시간대와 상황에서 구매하는가’일 가능성이 있다.
프랜차이즈 브랜드 거래 횟수는 브랜드 엔트로피와 유의한 정(+)의 관계를 보였으나, 최다 이용 브랜드 거래 비중과는 유의한 관계를 보이지 않았다. 거래 횟수가 많을수록 고객이 이용하는 브랜드 구성은 다양해졌지만, 가장 많이 이용하는 브랜드의 상대적 지위는 뚜렷하게 낮아지지 않았다. 이러한 결과는 브랜드 다양성과 브랜드 충성도 사이에 단순한 대체관계가 존재하지 않음을 보여준다. 고객은 특정 주요 브랜드를 계속 빈번하게 이용하면서도 새로 발생한 거래에서는 다른 브랜드를 선택할 수 있다. 이 경우 브랜드 엔트로피는 높아지지만 최다 이용 브랜드 거래 비중은 뚜렷하게 변화하지 않을 수 있다. 가장 많이 이용하는 브랜드의 거래 비중에만 의존할 경우, 고객이 실제로 다른 브랜드를 접하고 이용하는 정도를 과소평가할 수 있다.
연령에 따른 차이는 주로 브랜드 엔트로피 모형에서 나타났다. 30~34세 고객과 비교할 때 40~44세 및 50~54세 고객의 브랜드 엔트로피는 유의하게 높았지만, 이들 연령집단의 최다 이용 브랜드 거래 비중에는 유의한 차이가 없었다. 이는 일부 연령집단이 더 넓은 범위의 브랜드를 이용하면서도 주요 브랜드를 포기하지는 않았음을 의미한다. 연령이 반영하는 차이는 단일 브랜드에 대한 충성도 변화라기보다 브랜드 구성의 다양성 차이일 가능성이 있다. 성별은 두 모형 모두에서 유의하지 않았으며, 이는 거래행동과 산업 간 차이를 통제한 이후 남성과 여성의 브랜드 선택 구조에서 안정적인 차이가 나타나지 않았음을 의미한다.
산업 간 차이는 인구통계적 특성에 따른 차이보다 더 뚜렷하게 나타났다. 교통/차량 산업과 비교할 때 커피/간식, 외식 및 생활/슈퍼마켓 산업은 브랜드 엔트로피가 높고 최다 이용 브랜드 거래 비중은 낮았다. 이들 산업은 구매 빈도가 높고 브랜드의 수가 많으며, 소비자가 위치, 가격 및 즉각적인 수요에 따라 선택을 변경하기도 쉽다. 반면 주거/통신 산업에서는 브랜드 엔트로피가 낮고 최다 이용 브랜드 거래 비중이 높아, 고객의 거래가 소수 브랜드에 더 집중되는 반대의 결과가 나타났다. 이러한 소비는 일반적으로 장기간의 이용 주기, 계약관계 또는 전환비용을 수반하므로, 브랜드 선택이 한 번 형성되면 단기간에 변경되기 어렵다. 산업별 결과는 소비자가 여러 브랜드를 이용하는지가 안정적인 개인 선호에 의해 결정된다기보다, 구체적인 산업의 선택 조건과 밀접하게 관련되어 있음을 보여준다.
브랜드 엔트로피 모형의 급내상관계수는 .013이었으며, 최다 이용 브랜드 거래 비중 모형의 급내상관계수는 0에 가까웠다. 고객 수준의 무작위 절편 분산이 작다는 것은 인구통계적 특성, 거래 특성 및 산업 간 차이를 통제한 이후 동일한 고객이 여러 산업에서 보이는 브랜드 선택 구조의 일관성이 높지 않았음을 의미한다. 다시 말해, 특정 고객이 외식 산업에서는 브랜드를 빈번하게 변경하지만 통신 또는 교통 산업에서는 장기간 특정 브랜드에 거래를 집중하는 양상이 존재할 수 있다. 다만 이러한 구체적인 양상은 본 연구에서 직접 관찰한 개별 사례에 근거한 것이 아니라, 낮은 ICC가 시사하는 해석 가능성이다. 브랜드 다양성은 고정된 개인적 속성이라기보다 산업 환경과 거래 상황에 따라 달라질 가능성이 크다.
전체 분석 결과는 주요 브랜드의 지속적인 이용과 다른 브랜드로의 이용 확대가 동시에 나타날 수 있음을 보여준다. 평균 거래금액과 거래 시간대 다양성은 브랜드 엔트로피를 높이는 동시에 최다 이용 브랜드 거래 비중을 낮추었지만, 거래 횟수는 브랜드 엔트로피만 높였으며 가장 많이 이용하는 브랜드의 지위를 유의하게 약화시키지는 않았다. 이는 소비자의 브랜드 선택이 ‘충성’과 ‘다양화’ 중 하나만을 선택하는 단순한 구조가 아니라, 주요 브랜드를 중심으로 하면서 다른 브랜드를 함께 포함하는 조합 구조로 형성될 가능성이 있음을 의미한다. 다만 모형은 지리적 위치, 브랜드 이용 가능성 및 구체적인 소비 상황을 완전히 통제하지 못하므로, 이상의 결과는 변수 간의 조건부 관련성을 설명하는 데 사용하며 인과관계로 해석하지 않는다.
Ⅴ. 결론
본 연구는 소비자가 프랜차이즈 환경에서 보이는 행동 구조를 중심으로 ‘선택-선호-다양성’의 3단계 분석 프레임워크를 제시하고 이를 실증적으로 검증하였다. 실제 거래 데이터를 기반으로 소비자의 프랜차이즈 선택 행동, 개인 수준의 안정적인 선호 차이, 그리고 프랜차이즈 내 브랜드 다양성 행동을 체계적으로 분석하였다.
먼저, 소비자는 산업 유형에 따라 프랜차이즈를 선택할 가능성에 유의한 차이를 보였다. 특히 ‘백화점/패션’, ‘주거/통신’, ‘생활/마트’, ‘뷰티/미용’과 같이 표준화 수준이 높고 브랜드 일관성이 중요한 산업에서 프랜차이즈 선택 가능성이 상대적으로 높게 나타났다. 이는 소비자가 정보 탐색 비용을 줄이고 안정적인 서비스와 품질을 기대할 수 있는 환경에서 프랜차이즈를 선호하는 경향이 있음을 시사한다. 또한 동일 산업 내에서 거래 금액이 상대적으로 높은 소비일수록 프랜차이즈보다는 비프랜차이즈를 선택할 가능성이 높게 나타났다.
다음으로, 소비자의 프랜차이즈 선택에는 고객 수준의 안정적인 개인 차이가 존재하는 것으로 나타났다. 산업 특성과 거래 특성을 통제한 이후에도 고객 수준의 랜덤효과가 유의하게 관측되었으며, 이는 프랜차이즈 선택이 단순히 상황적 요인에 의해서만 결정되는 것이 아니라 개인별로 비교적 안정적인 선호 성향을 반영하고 있음을 의미한다. 즉, 동일한 소비 환경에서도 소비자마다 프랜차이즈를 선호하는 정도에는 지속적인 차이가 존재하였다.
마지막으로, 분석의 초점을 ‘프랜차이즈를 선택하는가’에서 ‘프랜차이즈 내에서 어떻게 브랜드를 선택하는가’로 확장하였다. 고객–산업 수준의 브랜드 다양성을 분석한 결과, 프랜차이즈 거래 횟수가 많고 평균 거래 금액이 높으며 결제 시간대가 다양한 고객일수록 여러 브랜드를 이용하는 경향이 강하게 나타났다. 연령대별로는 40~44세와 50~54세 고객의 브랜드 다양성이 상대적으로 높은 것으로 확인되었다. 산업별로는 ‘생활/마트’, ‘식사’, ‘카페/간식’에서 브랜드 다양성이 높게 나타난 반면, ‘주거/통신’에서는 상대적으로 낮게 나타났다. 이러한 차이는 반복적인 소비와 브랜드 전환이 비교적 용이한 산업에서는 여러 브랜드를 이용할 기회가 많은 반면, 계약 관계나 지속적 이용이 수반되는 산업에서는 브랜드 선택이 특정 브랜드에 집중될 가능성이 있음을 보여준다.
세 단계의 분석 결과를 종합하면, 프랜차이즈가 제공하는 안정적인 소비 환경과 프랜차이즈 내 브랜드 다양성은 동일한 소비 행동 안에서 함께 나타날 수 있다. 소비자는 표준화된 서비스와 예측 가능한 품질을 바탕으로 프랜차이즈를 선택하면서도, 프랜차이즈 이용 빈도가 높고 이용 시간대가 다양할수록 특정 브랜드에만 집중하기보다 여러 브랜드를 이용하는 경향을 보였다. 이는 프랜차이즈에 대한 선호가 반드시 개별 브랜드에 대한 고정적인 이용으로 이어지는 것은 아니며, 소비자가 프랜차이즈라는 안정적인 선택 범위 안에서도 다양한 브랜드를 탐색할 수 있음을 의미한다. 본 연구는 프랜차이즈 선택 여부와 프랜차이즈 내 브랜드 다양성을 단계적으로 분석함으로써, 소비자의 프랜차이즈 이용 행동이 안정적인 선택과 다양한 브랜드 이용을 함께 포함하는 구조임을 실증적으로 보여준다.
본 연구는 프랜차이즈 브랜드 선택과 소비자 행동 연구 분야에서 다음의 세 가지 주요한 학술적 기여를 제시한다.
첫째, 본 연구는 ‘선택-선호-다양성’의 3단계 분석 프레임워크를 구축하고 이를 실증적으로 검증함으로써, 소비자가 프랜차이즈 환경에서 보이는 의사결정 구조를 체계적으로 규명하였다. 기존 연구들이 프랜차이즈 선택을 단일 시점의 의사결정으로 다루어 온 것과 달리, 본 연구는 소비자의 프랜차이즈 선택 행동(Stage 1), 개인 수준의 안정적인 프랜차이즈 선호 차이(Stage 2), 그리고 프랜차이즈 내 브랜드 다양성 행동(Stage 3)을 단계적으로 분석함으로써 소비자 브랜드 선택 행동의 다차원적 특성을 보다 포괄적으로 제시하였다.
둘째, 본 연구는 고객 수준의 랜덤효과를 도입하여 프랜차이즈 선택 행동에 존재하는 개인 수준의 안정적인 선호 차이를 실증적으로 규명하였다. 분석 결과, 산업 특성과 거래 특성을 통제한 이후에도 소비자 간 프랜차이즈 선택 성향에는 유의한 차이가 존재하는 것으로 나타났다. 이는 프랜차이즈 선택 행동이 단순히 거래 상황이나 산업 특성에 의해 결정되는 것이 아니라, 개인별로 축적된 선호 성향과 행동 패턴에 의해서도 설명될 수 있음을 보여준다. 이를 통해 본 연구는 프랜차이즈 소비자 행동 연구에서 개인 이질성의 중요성을 실증적으로 제시하였다는 점에서 의의를 가진다.
셋째, 본 연구는 실제 소비 행동 자료를 활용하여 프랜차이즈 내 브랜드 다양성과 관련된 고객 및 산업 특성을 분석하였다. 분석 결과, 프랜차이즈 거래 횟수와 평균 거래 금액이 높고 결제 시간대가 다양한 고객일수록 여러 브랜드를 이용하는 경향이 나타났다. 연령대별로는 40~44세와 50~54세 고객의 브랜드 다양성이 상대적으로 높게 나타났으며, 산업 특성에 따라서도 유의한 차이가 확인되었다. 특히 생활/마트, 식사, 카페/간식과 같이 반복적인 소비가 이루어지고 여러 경쟁 브랜드를 선택할 수 있는 산업에서는 브랜드 다양성이 높게 나타난 반면, 주거/통신과 같이 계약 관계나 지속적인 이용이 수반되는 산업에서는 브랜드 다양성이 상대적으로 낮게 나타났다. 이러한 결과는 브랜드 다양성이 단순히 브랜드 충성도의 반대 개념이라기보다 고객의 프랜차이즈 이용 빈도, 소비 규모 및 이용 시간대의 다양성과 관련된 독립적인 행동 특성임을 보여준다. 이를 통해 본 연구는 프랜차이즈 이용 여부를 넘어, 소비자가 프랜차이즈 시장 내부에서 브랜드 선택을 어떻게 분산하거나 집중하는지를 이해할 수 있는 분석 관점을 제시한다.
본 연구의 분석 결과는 프랜차이즈의 고객 관리 및 시장 전략에 대해 다음과 같은 시사점을 제공한다.
첫째, 기업은 고객을 세분화하고 관리하는 과정에서 단순한 인구통계학적 특성뿐만 아니라 실제 소비 행동 데이터를 적극적으로 활용할 필요가 있다. 분석 결과, 거래 횟수가 많고 평균 거래금액이 높은 고객일수록 프랜차이즈 내에서 다양한 브랜드를 이용하는 경향이 나타났다. 이는 고객의 소비 규모와 거래 활동 수준이 브랜드 이용 패턴을 이해하는 중요한 단서가 될 수 있음을 의미한다. 따라서 기업은 거래 이력 기반의 행동 지표를 활용하여 고객을 보다 정교하게 분류하고 차별화된 관리 전략을 수립할 필요가 있다.
둘째, 프랜차이즈 내부에서 다양한 브랜드를 이용하는 고객에 대해서는 단일 브랜드 중심의 유지 전략보다는 프랜차이즈 내부의 브랜드 네트워크를 활용한 관계 유지 전략이 효과적일 수 있다. 예를 들어 브랜드 간 포인트 연계, 통합 멤버십 프로그램, 공동 프로모션 등을 통해 고객이 프랜차이즈 내부에서 다양한 브랜드를 이용하도록 유도할 경우, 고객의 선택 폭을 확대하는 동시에 전체 프랜차이즈 차원의 고객 유지율을 높일 수 있다.
셋째, 산업 특성에 따라 차별화된 브랜드 운영 전략이 필요하다. 본 연구에서는 생활/마트, 식사, 카페/간식과 같이 경쟁 브랜드가 많고 전환 비용이 낮은 산업에서 브랜드 다양성이 높게 나타났다. 반면 주거/통신과 같이 계약성과 관성이 강한 산업에서는 브랜드 다양성이 상대적으로 낮게 나타났다. 따라서 브랜드 간 경쟁이 활발한 산업에서는 신규 고객 확보와 브랜드 차별화 전략이 중요하며, 반대로 고객 관성이 높은 산업에서는 장기적 관계 유지와 고객 만족도 제고가 더욱 중요한 전략적 과제가 될 수 있다.
종합하면, 본 연구는 프랜차이즈 기업이 고객 관리 전략을 수립할 때 단일 브랜드 중심의 접근을 넘어 고객의 실제 소비 행동과 브랜드 이용 패턴을 함께 고려할 필요가 있음을 시사한다. 특히 프랜차이즈에 대한 안정적인 선호를 보이는 고객이라 하더라도 프랜차이즈 내부에서는 다양한 브랜드를 이용할 수 있으므로, 기업은 고객의 프랜차이즈 선호와 브랜드 다양성 행동을 동시에 고려한 통합적인 고객 관리 전략을 설계할 필요가 있다.
비록 본 연구가 실제 거래 데이터를 기반으로 소비자의 프랜차이즈 선택 행동과 브랜드 다양성 행동을 체계적으로 분석하였으나, 여전히 추가적으로 확장될 수 있는 연구 과제가 존재한다.
첫째, 본 연구는 실제 거래 기록을 활용하여 소비자 행동을 측정하였기 때문에 높은 객관성을 지니는 반면, 소비자의 주관적 동기, 태도 또는 심리적 인식을 직접적으로 관찰하는 데에는 한계가 있다. 예를 들어 브랜드 신뢰, 위험 회피 성향, 감정적 애착과 같은 인지적·심리적 과정은 모형에 직접 반영되지 못하였다. 향후 연구에서는 설문조사나 실험 방법을 결합하여 행동 데이터와 심리적 변수를 함께 분석함으로써, 프랜차이즈 선택 및 브랜드 다양성 행동의 내재적 메커니즘을 보다 종합적으로 설명할 수 있을 것이다.
둘째, 본 연구의 프랜차이즈 선택 분석은 주로 산업 수준과 고객 수준의 구조적 차이에 초점을 맞추고 있으며, 개별 브랜드 수준의 특성은 충분히 구분하지 못하였다. 서로 다른 프랜차이즈 간에는 가격 전략, 브랜드 이미지, 매장 밀도 등의 차이가 존재할 수 있으며, 이러한 요인은 소비자의 선택 행동에 영향을 미칠 가능성이 있다. 향후 연구에서는 보다 세분화된 브랜드 수준의 분석을 통해 브랜드 간 차이가 고객 행동과 어떻게 상호작용하는지를 탐구할 필요가 있다.
종합하면, 향후 연구가 데이터 출처, 분석 수준 및 연구 방법을 더욱 확장한다면, 소비자가 프랜차이즈 환경에서 보이는 선택, 선호 및 브랜드 다양성 형성 과정을 보다 심층적으로 이해하는 데 기여할 수 있을 것이다.
