중국 SNS 플랫폼의 AI 패션추천 서비스 특성이 소비자의 사용의도에 미치는 영향 연구 : 가치기반수용모델을 중심으로 = A Study on the Effect of AI Fashion Recommendation Services on Chinese SNS Platforms on Consumers’ Usage Intention

국문 초록 (Abstract)

오늘날 중국의 패션산업은 고도화된 지능기술과 플랫폼화를 기반으로 디지털콘텐츠와 전자상거래(e-commerce)의 결합된 형태로 사용자 생성 콘텐츠의 세분화, 사회적 네트워크의 확장이 빠르게 성장하고 있다. 이와 관련하여 패션산업의 구조도 콘텐츠가 구매에 연결되는 행태를 보이고 있는데, 이미 샤오홍슈(小红书), 더우인(抖音) 등의 플랫폼은 SNS 쇼트비디오 기반으로 패션구매의 핵심 채널로 자리 잡고 있다. 많은 패 션브랜드들이 과거의 단순히 일방적으로 제공하던 광고방식을 넘어서 라 이브스트리밍, 숏폼 영상, 영향력 있는 인플루언서를 의미하는 KOL(Key Opinion Leader)과 일반 소비자 가운데 영향력 있는 사람을 의미하는 KOC(Key Opinion Consumer) 콘텐츠 등을 활용해 소비자를 유입하고 즉 시 구매로 연결하고 있다. 또한 단순히 광고를 집행하는 방식을 넘어, 라이브스트리밍, 숏폼 영상, KOL⦁KOC 콘텐츠 등을 활용해 소비자를 유 입하고 즉시 구매로 연결하는 구조변화를 통해 물류, 재고관리 및 가격 설정 등 전통적으로 오프라인 중심이었던 프로세스가 디지털화되어, 민 첩성과 효율성이 강화된 공급망 구조를 나타내고 있다. 인공지능(AI)을 기반으로 하는 새로운 유통 형태의 플랫폼은 소비자의 구매와 탐색 데이터를 분석해 맞춤형 상품을 제시하여 소비자의 구매 의 사결정에 도움을 주고 있다. 그리고 소통가능한 실시간성, 복잡한 절차 없이 한 번의 터치로 다양 한 활동수행이 가능한 편의성 그리고 AI와 빅테이터 분석을 기반으로 사 용자 맞춤형 콘텐츠를 제공하는 개인별 맞춤서비스, 저비용 고효율의 마 케팅 수단을 제공하고 있다. 이러한 제공은 사용자의 비용절감과 효율성 향상을 높이는 경제성 등을 중심으로 소비자 생활을 제고함으로써, 소비자 만족과 소셜커머스 성장을 견인하는 핵심 수단으로 자리매김하고 있다. 하지만, 현재 중국 SNS 플랫폼의 AI 패션추천 서비스 특성에 대한 연 구는 과거의 브랜드 인식, 태도, 브랜드 신뢰도, 충동구매 등의 연구에 비해 상대적으로 적게 다루어지고 있다. 이에 본 연구에서는 중국 SNS 플랫폼의 AI 패션추천 서비스 특성이 소 비자의 사용의도에 미치는 영향을 파악하기 위해, SNS 플랫폼의 AI 패션 추천 서비스 특성의 관점에서 가치기반수용모델의 구성요소인 소비자의 지각된 편익, 지각된 희생, 지각된 가치와 사용의도 간의 관계를 분석하 고자 한다. 분석결과를 통해 SNS 플랫폼에서 중국의 Z세대 여성 소비자 의 요구에 부합하는 개인화 추천 및 차별화 운영전략을 수립하는 데 필 요한 정보 제공 및 관련 패션산업에 유익한 시사점을 제공하고자 한다. 본 연구가 제시한 연구모형의 가설을 뒷받침하기 위해, 기존 연구를 통해 설문지의 적합성을 확인한 후, 중국의 1선 도시 베이징(北京)과 2선 도시 허베이(河北)의 Z세대 소비자들에게 설문지를 배포하고 이를 바탕으로 실증 분석을 진행하였다. 조사기간은 2025년 7월 15일부터 7월 30일까지 15일간 진행하였고, 총 630부의 설문지를 온라인으로 배포하여 불성실한 응답을 제외한 601부를 최종 분석자료로 사용하였다. 수집된 설문자료는 SPSS 26.0과 AMOS 24.0을 이용하여 빈도분석, 신뢰도 분석, 탐색적 요인분석, 타당도 분석, 확인적 요인분석, 상관관계분석，구조방정식 분석을 하였다. 본 논문은 AI 패션추천 서비스의 특성은 개인화, 최신성, 정확성, 다양성, 전문성의 다섯 차원으로 요약되며, 가치기반수용모델의 구성요소인 지각된 편익은 유용성, 유희성, 신뢰성의 세 차원, 지각된 희생은 기술적 부담, 지각된 비용, 개인정보 노출의 3가지 요인으로 구성되었다. 일반적 특성을 요약하면, 주요 사용 플랫폼은 위챗(50.2%), 더우인 (45.3%), 샤오홍슈(45.6%) 순으로 높게 나타났다. 전체 응답자의 85.1%가 ‘거의 매일’또는‘주 1–2회’패션 콘텐츠를 접하고, 80.2%가 ‘항상’ 혹은 ‘관심 있을 때’ AI 추천 기능과 상호작용하는 등 높은 이용 빈도 와 참여 수준을 보였다. 평가 측면에서는 합리적 가격과 쇼핑 편의성이 장점으로 인식되는 반면, 추천 정확도 부족과 과도한 광고 노출이 주요 불만 요인으로 지적되었다. 플랫폼 신뢰도(60.0%)와 개인화 적합성 (61.9%)은 중간 이상 수준이며, 73.7%가 타인의 추천을 통해 이용한 경험 이 있어, 사회적 구전과 추천이 사용 결정에 중요한 영향을 미침을 시사 한다. 각 변수 간 관계에 대한 통합 분석에서, 구조방정식 기반 검증한 결과 는 다음과 같다. AI 패션추천 서비스의 전체적 특성은 지각된 편익을 유 의하게 높이고 지각된 희생을 유의하게 낮추는 것으로 나타났다. 나아가 지각된 편익은 지각된 가치와 사용의도에 정(+)의 영향을 미치고, 지각된 희생은 지각된 가치와 사용의도에 부(-)의 영향을 미치는 것으로 확인되 었다. 지각된 가치는 다시 사용의도를 유의한 정(+)의 영향을 미쳤으며, 가치기반 수용모델에서 제시하는“지각된 편익⦁지각된 희생 → 지각된 가치 → 사용의도”라는 기본 경로가 전반적으로 지지되었다. 다만 도시 별로는 작동 양상이 상이하여, 베이징에서는 지각된 편익과 지각된 희생 이 사용의도에 직접 영향을 미치는 반면, 지각된 가치의 매개 역할은 제 한적인 것으로 나타났고, 허베이에서는 지각된 편익과 지각된 희생이 먼 저 지각된 가치로 통합된 뒤 사용의도로 이어지는 간접 구조가 더 뚜렷 하게 나타났다. 이는 동일한 추천 시스템이라도 도시의 사회⦁경제적⦁ 디지털 환경에 따라 이용자의 가치 형성과 의사결정 경로가 달라질 수 있음을 보여준다. 또한 서비스 특성의 하위 차원 가운데 개인화, 최신성, 다양성, 전문성은 전반적으로 지각된 편익에 정(+)의 영향을 미치고 지각된 희생에는 부(-)의 영향을 미치는 것으로 확인되었다. 반면 정확성은 두 매개 변수 모두에서 통계적으로 일관된 효과를 보이지 않았다. 도시별로 살펴보면, 베이징에서는 개인화, 최신성, 전문성이 지각된 편익에 정(+)의 영향을 미치고 최신성이 지각된 희생에 부(-)의 영향을 미치는 것으로 나타났다. 허베이에서는 개인화, 최신성, 다양성, 전문성이 지각된 편익에 정(+)의 영향을 미치며, 개인화, 다양성, 전문성은 지각된 희생에 부(-)의 영향을 미치는 것으로 분석되었다. 이러한 결과는 서비스 특성의 동일한 구성 요소라 하더라도 지역별 디지털 경험과 정보 민감도에 따라 그 심리적 영향력이 상이하게 나타날 수 있음을 시사한다. 그다음에 전체 표본과 두 도시 모두에서 AI 패션추천 서비스 특성이 사용의도에 미치는 영향은 직접경로보다 지각된 편익과 지각된 희생, 그 리고 지각된 가치를 경유하는 간접경로가 더 큰 비중을 차지하였다. 지각된 편익과 지각된 희생은 각각 유의한 단순 매개효과를 보였으며, 두 변수가 지각된 가치를 거쳐 사용의도로 이어지는 연쇄 매개 또한 일 관되게 유의하게 나타났다. 특히 지각된 희생을 경유하는 경로의 기여도 가 상대적으로 더 크게 나타나, 기술적 부담, 지각된 비용, 개인정보 노 출 등 요인을 줄이는 것이 사용의도 형성에서 핵심적인 매개 요인임이 확인되었다. 종합하면, AI 패션추천 서비스의 영향력은 개별 특성의 직접 효과보다는 지각된 편익 증대와 지각된 희생 감소를 통한 가치 평가의 재구성을 거쳐 행동 의향으로 전파되는 매개 구조를 중심으로 작동하며, 이 과정에서 도시별 차이가 구조적 특성으로 드러난다는 점이 본 연구의 주요 발견이라 할 수 있다. 이와 같은 연구결과에 따른 연구 시사점을 종합하면, 본 연구는 가치 기반수용모형(VAM)을 토대로 SNS 기반 AI 패션추천 맥락에서 ‘AI 패션 추천 서비스 특성 → 지각된 편익/지각된 희생 → 지각된 가치 → 사용 의도’로 이어지는 간접 경로가 직접 경로보다 더 강한 설명력을 지닌다 는 점을 실증하였다. 추천 시스템의 기술적⦁기능적 속성은 곧바로 행동의향으로 전환되기보다는, 지각된 편익을 증대하고 지각된 희생을 완화한 뒤 이에 대한 총체적 가치 평가를 형성하는 심리 과정을 통해 사용의 도에 간접적으로 영향을 미치는 것으로 나타났다. 아울러 서비스 하위 차원별로 가치 형성에 기여하는 방식과 강도에는 뚜렷한 차이가 존재하 며, 베이징과 허베이 역시‘지각된 편익⦁지각된 희생⦁지각된 가치⦁사 용의도’연쇄 구조에서 전자가 상대적으로 빠른 직행형, 후자가 가치 우 선형 구조를 보이는 등 상이한 패턴을 나타냈다. 이러한 결과는 VAM의 적용 범위를 패션추천과 소셜 플랫폼 영역으로 확장하는 동시에, 향후 연구와 실무에서 도시 및 이용자 집단별 심리 메커니즘과 경로 차이를 보다 정교하게 파악할 필요가 있음을 시사한다.

다국어 초록 (Multilingual Abstract)

In today’s Chinese fashion industry, advanced intelligent technologies and platformization are accelerating the integration of digital content and e-commerce, leading to increasingly fine-grained user-generated content and rapidly expanding social networks. Within this context, the structure of the fashion industry is shifting toward a pattern in which content is directly linked to purchase. Platforms such as Xiaohongshu and Douyin have already become core channels for fashion consumption based on SNS short-form video, and many fashion brands are moving beyond traditional one-way advertising to attract consumers and trigger immediate purchases through live streaming, short-form videos, and content created by key opinion leaders (KOLs) and key opinion consumers (KOCs). At the same time, logistics, inventory management, and pricing—processes that were traditionally offline-centered —are being digitalized through this structural transformation, resulting in supply chains with greater agility and efficiency. New platform forms based on artificial intelligence (AI) analyze consumers’ purchase and search data to provide customized product suggestions and support purchase decision making. With real-time interactivity, one-click convenience without complex procedures, personalized services grounded in AI and big-data analysis, and low-cost, high-efficiency marketing functions, these platforms help reduce consumer costs and improve efficiency. As a result, they have become key means of enhancing consumers’ everyday lives and driving both consumer satisfaction and the growth of social commerce. However, current research on AI fashion recommendation service characteristics in Chinese SNS platforms remains relatively limited compared with studies focusing on brand awareness, attitude, brand trust, or impulsive buying. Therefore, this study examines how AI fashion recommendation service characteristics on Chinese SNS platforms influence consumers’ usage intention. From the perspective of AI fashion recommendation service characteristics, it analyzes the relationships among perceived benefits, perceived sacrifices, perceived value, and usage intention as core components of the Value-based Adoption Model (VAM). Based on the results, the study seeks to provide information needed to design personalized recommendation and differentiated operation strategies that better meet the needs of Chinese Gen Z female consumers on SNS platforms, and to offer practical implications for related sectors of the fashion industry. To test the hypotheses of the proposed research model, measurement items were drawn from prior studies and their suitability was confirmed. A questionnaire survey was then conducted among Gen Z consumers in Beijing (a first-tier city) and Hebei (a second-tier city) in China, and empirical analyses were performed based on the collected data. The survey was administered online over 15 days from July 15 to July 30, 2025. A total of 630 questionnaires were distributed, and 601 valid responses were retained for final analysis after excluding insincere answers. The collected data were analyzed using SPSS 26.0 and AMOS 24.0 through frequency analysis, reliability analysis, exploratory factor analysis, validity analysis, confirmatory factor analysis, correlation analysis, and structural equation modeling. This study conceptualizes the characteristics of AI fashion recommendation services in terms of five dimensions: personalization, timeliness, accuracy, diversity, and professionalism. Within the framework of the Value-Based Adoption Model (VAM), perceived benefits consist of three components—usefulness, enjoyment, and trustworthiness—whereas perceived sacrifices comprise three factors: technological burden, perceived cost, and privacy exposure. Results of the descriptive statistics, in the Chinese SNS context, the descriptive characteristics of Gen Z female users can be summarized as follows. More than half of the respondents (50.2%) most frequently used WeChat as their primary SNS platform, and they reported viewing fashion-related content on SNS about once or twice a week on average. With respect to purchased products, they were most satisfied with “reasonable price,” whereas the main source of dissatisfaction was “system errors or delays.” Results of the integrated analysis of the relationships among the variables in Hypothesis 1, using structural equation modeling, the overall AI fashion recommendation service characteristics were found to increase perceived benefits and reduce perceived sacrifices. Perceived benefits, in turn, enhanced perceived value and usage intention, whereas perceived sacrifices reduced both perceived value and usage intention. Perceived value further strengthened usage intention, confirming the basic “benefits/sacrifices → value → intention” pathway assumed in VAM. However, the operation of this mechanism differed by city: in Beijing, perceived benefits and perceived sacrifices directly influenced usage intention while the mediating role of perceived value was limited; in Hebei, perceived benefits and perceived sacrifices primarily influenced usage intention indirectly after being integrated into perceived value. This suggests that even when the same recommendation system is used, users’ value formation and decision-making paths may differ according to the socio-economic and digital environments of each city. Regarding Hypothesis 2, the sub-dimensions of service characteristics showed differentiated roles. Overall, personalization, recency, diversity, and expertise contributed to increasing perceived benefits and alleviating perceived sacrifices, whereas accuracy did not exhibit consistent effects on either outcome. In Beijing, a selective structure was observed in which personalization, recency, and expertise mainly enhanced perceived benefits and recency reduced perceived sacrifices. In contrast, in Hebei a more pluralistic structure emerged: personalization, recency, diversity, and expertise collectively strengthened perceived benefits, while personalization, diversity, and expertise alleviated perceived sacrifices. These findings indicate that the same service attributes can exert different psychological influences depending on regional digital experience and information sensitivity. The mediation analysis for Hypothesis 3 showed that, in the total sample as well as in both cities, the indirect paths through perceived benefits, perceived sacrifices, and perceived value accounted for a larger share of the effect of AI fashion recommendation service characteristics on usage intention than did the direct path. Perceived benefits and perceived sacrifices each demonstrated significant simple mediation effects, and the sequential mediation paths in which these variables passed through perceived value to influence usage intention were also consistently significant. Notably, the path via perceived sacrifices made a relatively greater contribution, confirming that reducing costs and uncertainties—such as mis-recommendations, advertising overload, privacy concerns, and technical inconvenience—is a key mediating factor in the formation of usage intention. Overall, the influence of AI fashion recommendation services operates primarily through a mediation structure in which increased benefits and reduced sacrifices reshape consumers’ value evaluations and thereby propagate to behavioral intentions, and this process exhibits structural differences across cities. Synthesizing these findings, the theoretical implications of this study can be summarized as follows. Grounded in the Value-based Adoption Model, the study empirically demonstrates that, in SNS-based AI fashion recommendation contexts, the indirect pathway from “service characteristics → perceived benefits/perceived sacrifices → perceived value → usage intention” provides stronger explanatory power than any direct path. The technological and functional attributes of recommendation systems do not translate directly into behavioral intentions; rather, they exert indirect influence through psychological processes that enhance benefits, mitigate sacrifices, and form holistic value judgments, which then lead to continued usage and purchase decisions. In addition, the five sub-dimensions of service characteristics contribute differently in strength and manner to value formation, and Beijing and Hebei display distinct patterns—Beijing showing a relatively “direct” structure and Hebei a “value-first” structure—in the sequence from benefits and sacrifices to value and intention. These results expand the application scope of VAM to the fields of fashion recommendation and social platforms, and suggest that future research and practice should more finely capture the psychological mechanisms and path differences among cities and user groups

목차 (Table of Contents)

• Ⅰ. 서론 1
• 1. 연구의 필요성 1
• 2. 연구목적 5
• 3. 연구 흐름도 7
• Ⅱ. 이론적 배경 8
• 1. 중국 Z세대의 특성 8
• 2. AI 패션추천 서비스 특성 11
• 2.1 AI 패션추천 서비스의 개념 11
• 2.2 AI 패션추천 서비스 특성의 선행연구 14
• 2.3 AI 패션추천 서비스의 특성 17
• 2.3.1 개인화(Personalization) 17
• 2.3.2 최신성(Timeliness) 21
• 2.3.3 정확성(Accuracy) 24
• 2.3.4 다양성(Diversity) 27
• 2.3.5 전문성(Expertise) 30
• 2.4 중국 SNS 플랫폼의 시장 현황 34
• 3. 가치기반수용모델(VAM) 43
• 3.1 지각된 편익 44
• 3.1.1 유용성 48
• 3.1.2 유희성 50
• 3.1.3 신뢰성 52
• 3.2 지각된 희생 55
• 3.2.1 기술적 부담 58
• 3.2.2 지각된 비용 60
• 3.2.3 개인정보 노출 62
• 3.3 지각된 가치 64
• 4. 사용의도 69
• Ⅲ. 연구설계 73
• 1. 연구의 개념적 모형 및 가설 73
• 1.1 연구모형 73
• 1.2 연구가설 74
• 2. 연구 대상 및 측정 도구 80
• 2.1 연구 대상 80
• 2.2 측정 도구 82
• 3. 자료처리 및 분석 방법 90
• Ⅳ. 연구 결과 91
• 1. 조사대상자의 인구통계학적 특성 분포 91
• 1.1 표본의 인구통계학적 특성 91
• 1.2 SNS 플랫폼 이용 및 패션 콘텐츠 접촉 행동 93
• 1.3 AI 패션추천 서비스의 상호작용과 태도 93
• 2. 신뢰성와 타당성 분석 96
• 2.1 변수의 신뢰성 분석 96
• 2.2 변수의 타당성 분석 98
• 3. 확인적 요인분석 103
• 4. 상관관계분석 106
• 5. 이차 확인적 요인분석 108
• 5.1 AI 패션추천 서비스 특성의 이차 확인적 요인분석 109
• 5.2 지각된 편익의 이차 확인적 요인분석 110
• 5.3 지각된 희생의 이차 확인적 요인분석 111
• 6. 상관관계 분석 112
• 6.1 AI 패션추천 서비스 특성과 지각된 편익 차원 114
• 6.2 지각된 가치와 사용의도 114
• 6.3 기술적 부담, 지각된 비용, 개인정보 노출 115
• 6.4 집중 경향과 분산 정도 115
• 7. 가설 검증 116
• 7.1 가설 1의 검증 116
• 7.2 가설 2의 검증 121
• 7.3 가설 3의 매개효과 검증 126
• 7.4 다집단 구조 불변성 검증: 베이징과 허베이 비교 135
• Ⅴ. 결론 136
• 1. 요약 및 시사점 136
• 2. 연구의 한계점 및 향후 연구방향 145
• 참고문헌 147
• 부록: 설문지 167
• Abstract 179