The Impact of AI-Personalized Skincare Recommendations Driven by the SMIV and SOR Models on Brand Awareness and Consumer Satisfaction

다국어 초록 (Multilingual Abstract)

With the rapid development of artificial intelligence technology, personalized skincare recommendation systems have become a new way for consumers and brands to interact. However, consumers' trust in AI recommendation systems, concerns about privacy security, and perceptions of self-efficacy remain important barriers to their acceptance and usage. Traditional technology acceptance models focus on rational cognitive variables, neglecting the emotional interactions and trust-building processes that users undergo while using personalized recommendation systems. To address this issue, this study aims to explore the impact of AI-based personalized skincare recommendations on brand perception and consumer satisfaction based on the SMIV and SOR models. A "Stimulus-Organism-Response" (SOR) path model is constructed, incorporating self-efficacy to systematically explore the psychological mechanisms and behavioral intentions of consumers in AI personalized skincare recommendation systems.
This study first describes the perceived characteristics of AI personalized skincare recommendation systems in terms of three dimensions of the SMIV model: "credibility," "information value," and "fit," which together constitute the stimulus (S) part. It then analyzes the process of trust building in consumers towards the recommendation system. Based on this, "self-efficacy" is introduced as an important mediating variable in the trust-to-satisfaction transmission process. Through a survey and sample data analysis, the theoretical model was empirically tested and path analyzed using the PLS-SEM method.
The results indicate that the perceived characteristics of the AI personalized recommendation system have a significant positive impact on consumer trust and self-efficacy, with the most significant effect being the degree of fit with personalized needs. Two subvariables in the trust structure have varying degrees of mediating effects on self-efficacy and satisfaction. Moreover, consumers' privacy sensitivity and perceived risk significantly moderate the path strength between trust and self-efficacy, further confirming the heterogeneity of trust paths in different user groups. Based on these findings, this study theoretically extends the technology acceptance research by addressing emotional behavior paths and fills the gap in the self-efficacy mechanism in AI personalized skincare recommendation systems. It also validates the applicability of social psychology theories in high-tech risk areas.
In practice, the study proposes optimization paths for enhancing consumer trust and self-efficacy perception in AI personalized skincare recommendation systems, including increasing system transparency, building controllable feedback mechanisms, and implementing personalized privacy protection strategies. In addition, the constructed trust path mechanism has strong extensibility and transferability, which can be applied to various fields such as smart healthcare and AI voice assistants in the future, providing theoretical support for user-centered product optimization and policy-making.
In conclusion, this paper constructs a complete behavioral model of "Stimulus-Organism-Response" around user behavior in AI personalized skincare recommendation systems, and through theoretical integration, structural innovation, and mechanism verification, it achieves a dual breakthrough in theory and practice. This provides important insights for the design and application of personalized recommendation systems.

국문 초록 (Abstract)

인공지능 기술이 빠르게 발전함에 따라, 개인화 스킨케어 추천 시스템은 소비자와 브랜드가 상호작용하는 새로운 방식으로 자리 잡고 있다. 그러나 AI 추천 시스템에 대한 소비자의 신뢰 부족, 개인정보·보안에 대한 우려, 그리고 자기효능감에 대한 인식은 여전히 수용 및 사용을 저해하는 중요한 장벽으로 남아 있다. 기존의 기술수용모델은 주로 합리적 인지 변수에 초점을 맞추어, 개인화 추천 시스템을 사용하는 과정에서 사용자가 경험하는 정서적 상호작용과 신뢰 형성 과정을 간과해 왔다. 이러한 문제를 해결하기 위해 본 연구는 SMIV 및 SOR 모델을 바탕으로 AI 기반 개인화 스킨케어 추천이 브랜드 인식과 소비자 만족도에 미치는 영향을 규명하고자 한다. 이를 위해 자기효능감을 포함한 ‘자극–유기체–반응(Stimulus–Organism–Response, SOR)’ 경로모형을 구축하여, AI 개인화 스킨케어 추천 시스템에서 소비자의 심리적 메커니즘과 행동의도를 체계적으로 탐색하였다.
본 연구는 먼저 SMIV 모델의 세 차원인 ‘신뢰성(credibility)’, ‘정보가치(information value)’, ‘적합성(fit)’을 중심으로 AI 개인화 스킨케어 추천 시스템의 지각 특성을 기술하고, 이들 요인이 자극(S) 구성요소를 형성한다고 보았다. 이어서 소비자가 추천 시스템에 대해 신뢰를 형성하는 과정을 분석하였다. 이를 바탕으로 신뢰에서 만족도로 이어지는 전달 과정에서 ‘자기효능감’을 중요한 매개변수로 도입하였다. 설문조사와 표본 데이터 분석을 통해 이론 모형을 실증적으로 검증하였으며, PLS-SEM 방법을 활용해 경로 분석을 수행하였다.
분석 결과, AI 개인화 추천 시스템의 지각 특성은 소비자 신뢰와 자기효능감에 유의미한 정(+)의 영향을 미쳤고, 그중 개인화 요구와의 ‘적합성’이 가장 큰 영향을 보였다. 또한 신뢰 구조 내 두 개의 하위 변수는 자기효능감과 만족도에 대해 서로 다른 정도의 매개 효과를 나타냈다. 더 나아가 소비자의 개인정보 민감도와 지각된 위험은 신뢰와 자기효능감 간 경로 강도를 유의하게 조절하여, 사용자 집단 간 신뢰 경로의 이질성을 추가로 확인하였다. 이러한 결과를 바탕으로 본 연구는 정서적 행동 경로를 포함함으로써 기술수용 연구를 이론적으로 확장하고, AI 개인화 스킨케어 추천 시스템에서 자기효능감 메커니즘에 관한 연구 공백을 보완하였다. 아울러 첨단기술 위험 영역에서 사회심리학 이론의 적용 가능성도 검증하였다.
실무적으로는 AI 개인화 스킨케어 추천 시스템에서 소비자 신뢰와 자기효능감 인식을 높이기 위한 최적화 방안으로, 시스템 투명성 제고, 통제 가능한 피드백 메커니즘 구축, 개인화된 프라이버시 보호 전략 도입을 제안한다. 또한 본 연구에서 구축한 신뢰 경로 메커니즘은 높은 확장성과 전이 가능성을 지니며, 향후 스마트 헬스케어, AI 음성비서 등 다양한 분야에 적용되어 사용자 중심의 제품 최적화와 정책 수립을 위한 이론적 근거를 제공할 수 있다.
결론적으로 본 논문은 AI 개인화 스킨케어 추천 시스템에서의 사용자 행동을 중심으로 ‘자극–유기체–반응(SOR)’의 완전한 행동 모형을 구축하였으며, 이론 통합, 구조적 혁신, 메커니즘 검증을 통해 이론과 실무 양 측면에서의 성과를 도출하였다. 이는 개인화 추천 시스템의 설계 및 활용에 중요한 시사점을 제공한다.

목차 (Table of Contents)

• 1. Introduction 1
• 1.1 Research Background 1
• 1.1.1 Real-World Background 1
• 1.2 Research Objectives and Significance 3
• 1.2.1 Research Objectives 3
• 1.2.2 Research Significance 3
• 1.3 Research Content and Technical Approach 4
• 1.3.1 Research Content 4
• 1.4 Research Methods and Innovations 5
• 1.4.1 Research Methods 5
• 1.4.2 Innovations 6
• 2. Literature Review 8
• 2.1 Social Media Influencer Value Model (SMIV) 8
• 2.2 Stimulus-Organism-Response (SOR) Model 9
• 2.3 Review of Model Variables 10
• 2.3.1 Congruence with the Product 10
• 2.3.2 Credibility 11
• 2.3.3 Informative Value 12
• 2.3.4 Self-Efficacy 14
• 2.3.5 Customer Satisfaction 16
• 3. Research Hypotheses and Model Development 18
• 3.1 Hypotheses 18
• 3.2 Model Development 22
• 4. Research Design 24
• 4.1 Research Method 24
• 4.2 Questionnaire Design and Scale Sources 24
• 4.2.1 Congruence with the Product Dimension 24
• 4.2.2 Trustworthiness Dimension 25
• 4.2.3 Informative Value Dimension 26
• 4.2.4 Self-Efficacy Dimension 28
• 4.2.5 Satisfaction Dimension 29
• 4.3 Data Collection 31
• 4.4 Demographic Information 32
• 5. Empirical Analysis 35
• 5.1 Reliability and Validity Analysis 35
• 5.2 Structural Model Fit Test 38
• 5.3 Hypothesis Testing 39
• 5.4 Mediation Analysis 42
• 6. Conclusion and Recommendations 44
• 6.1 Research Conclusions 44
• 6.2 Theoretical Contributions and Managerial Implications 45
• 6.2.1 Theoretical Contributions 45
• 6.2.2 Managerial Implications 46
• References 49
• 국문요지 60