Korean Institute of Information Technology
[ Article ]
The Journal of Korean Institute of Information Technology - Vol. 18, No. 7, pp.121-139
ISSN: 1598-8619 (Print) 2093-7571 (Online)
Print publication date 31 Jul 2020
Received 11 May 2020 Revised 17 Jul 2020 Accepted 20 Jul 2020
DOI: https://doi.org/10.14801/jkiit.2020.18.7.121

디지털 공항을 위한 무인화 시스템에 관한 연구

임동화* ; 곽윤식**
*한국교통대학교 컴퓨터공학과 석사과정
**한국교통대학교 컴퓨터공학과 교수(교신저자)
A Study on the Autonomous System for a Digital Airports
Dong-Hwa Lim* ; Yoon-Sik Kwak**

Correspondence to: Yoonsik Kwak Korea National University of Transportation Tel.: +82-43-841-5345, Email: yskwak@ut.ac.kr

초록

이 연구는 무인 셀프체크인 시스템 탑승수속 채택에 대한 저항을 유보, 거부, 만류의 세 종류로 분류해서 분석했다. 각 저항을 발생시키는 요인들을 네 가지 독립적인 변인군(인지된 위험, 인지된 혜택, 소비자 속성 및 확산 메커니즘)을 사용하였으며, 동 변인군을 토대로 설문조사를 실시한 결과, 인지된 위험 변인군과 인지된 혜택 변인군이 각각의 유형의 저항에 골고루 영향을 미치는 것으로 파악되었다. 무인 셀프체크인 시스템을 통한 탑승수속 시 발생할 수 있는 부상에 대한 우려 등 신체적인 위험, 온라인 홍보, 시도 가능성은 모든 저항에 직접적으로 영향을 미치는 것으로 확인되었으며, 또한 새로움 추구와 독립적인 의사결정 등 소비자의 성향은 어떤 저항에도 영향력을 미치지 않았으며, 온라인 및 오프라인을 통한 정보제공은 가장 적극적 저항인 거부, 만류에 영향을 미치는 것으로 파악되었다.

Abstract

This study divided the resistance to the adoption of the self check-in boarding procedure into three types: postponement, rejection, and opposition. Four independent variables were factored into to generate each resistance: perceived risk, perceived benefits, user characteristics and propagation mechanism. The results showed that the perceived risk variable and the perceived benefit variable mostly affected the three types of resistance, especially physical risk, such as concerns about possible injuries when using self check-in procedures, on-line propagation, trialability was found to affect all resistance. In addition, consumers' tendency such as newness seeking and independent decision - making does not affect any resistance. The information provision through online and offline was analyzed to influence on the resistance and opposition, the most active resistance.

Keywords:

self check-in, boarding process, innovation, resistance, postponement, rejection, opposition

Ⅰ. 서 론

1.1 연구 배경

국제민간항공기구(ICAO, International Civil Aviation Organization)에 따르면 2018년 글로벌 항공여객은 440억여명으로 2006년의 210억명 대비 110%, 연 평균 9.1% 성장한 것으로 나타났다. 또한 한국공항공사의 항공통계에 따르면 우리나라의 항공여객은 2018년 1억 505만명을 기록하여 2017년에 이어 항공여객 1억명을 연속하여 상회하는 가파른 성장세를 보이고 있다. 또한, 우리나라는 이렇게 지속적으로 증가하는 항공여객 수요를 처리하기 위해, 김해공항 및 제주공항에 신공항 건설을 추진하고 있는 실정이다. 하지만, 신공항 건설에는 막대한 자금이 소요되며, 또한 첨두시간의 극심한 혼잡을 해소하는 해결방안은 되지 못하고 있다.

이러한 문제점을 해소하고, 보다 효율적인 여객처리를 위해, 세계의 많은 공항에서는 IT 기술을 활용하여 스마트공항을 구현하고 있다. 이를 위해, 기존에 사람이 여객을 응대하여 탑승수속을 처리하기 보다는, 다양한 기술을 활용한 무인 셀프 체크인 탑승수속을 통해, 여객처리 효율성을 대폭 향상시키고 있는 추세이다.

1.2 연구 목적 및 범위

무인 셀프체크인의 기술방식은 매우 다양하다. 싱글토큰(Single-token: 하나의 ID로 보안수속, 입출국 심사, 상거래 매매 등 다양한 활동을 할 수 있는 하나의 ID 시스템) 방식은 안면인식, 홍체인식, 정맥인식, 지문인식 등 적용기술에 따라 매우 다양한 형태로 적용이 가능하다.

한국공항공사는 이중 손바닥 정맥 활용 방식의 무인 셀프체크인 시스템 탑승수속방식을 채택하여 항공기 탑승을 위하여 출발장 진입 시 신분증을 육안으로 확인해 왔던 기존의 방식을 전자적으로 확인하게끔 자동화 하여 신분증을 지참하고, 오랜 시간 대기를 거쳐 탑승수속을 해야 하는 번거로움을 줄여주고, 여객 흐름을 대폭 개선코자 하였다. 한국공항공사가 지난 2017년 10월 공항 이용객 224명 대상으로 조사한 결과에 따르면, 응답자의 약 80%가 무인 셀프체크인 시스템 도입을 통해, 수속 대기시간을 대폭 단축해줄 것으로 응답하였으며, 단 8%의 응답자만이 무인 셀프체크인 시스템이 여객에게 추가로 제공하는 가치가 없을 것이라고 답하였다. 그러나 무인 셀프체크인 시스템 탑승수속에 대한 공항 이용객의 이러한 기대감과는 달리, 한국공항공사가 공개한 2018년 1월 29일부터 2월 13일까지 16일간 조사한 결과는, 김포, 제주공항 국내선 출발 일평균 항공여객 67,633명 대비, 무인 셀프체크인 시스템 탑승수속 사용자수 총 870명으로, 단지 1.28% 만이 사용하는 매우 저조한 실적을 나타냈다.

이렇게 무인 셀프체크인 시스템 탑승수속에 대한 높은 기대감에도 불구하고 실제 공항 이용객의 사용률이 매우 저조한 것을 보면 무인 셀프체크인 시스템 탑승수속이라는 혁신이 제공하는 신분증 지참의 번거로움 해소, 여객처리 시간 단축 등의 혜택이 있음에도 불구하고 혁신을 채택하는 것이 그리 쉽지 않음을 보여준다[1].

더구나 만약 혁신의 제공자가 혜택으로 제안한 것들을 사용자는 혜택으로 받아들이지 않거나 심지어 혜택을 부인할 경우에는 혁신의 채택은 더더욱 어려워진다. 또한 혁신의 사용자가 이를 채택하는데 위험요인이 있다고 생각한다면 혁신에 대해 저항할 가능성도 배제할 수 없다[2]. 어쩌면 혁신을 채택하지 않는 다수의 사용자들은 혁신 자체의 채택을 목적으로 갖고 있는 소수의 사용자들보다 이성적인 판단을 할 수도 있다[3].

그러므로 혁신을 적극적으로 채택하지 않는 사용자에 대하여 저항의 이유가 무엇인지 살펴본다면 무인 셀프체크인 시스템 탑승수속과 같은 혁신이 다수에 의해 채택되어 보편화 되기까지 상당한 시간이 소요되는지에 대한 타당한 이유와 해결방안을 예측해 볼 수 있을 것이다. 하지만 혁신 채택에 대한 기존 연구들은 저항을 다양한 형태로 분류하여 다루지는 않았다. 즉 혁신 채택에 있어 요인들이 실제적인 영향을 행사하는지에 대해 저항을 유형별로 구분하여 연구를 수행해볼 필요가 있는 것이다[4].

이러한 관점에서 동 연구는 공항에서 항공여객이 무인 셀프체크인 시스템 탑승수속이라는 혁신에 대한 저항을 유보(Postponement), 거부(Rejection), 만류(Opposition) 세 종류로 살펴보고자 한다. 람은 소비자의 지각, 소비자의 속성, 확산 메커니즘과 같은 선행적인 요인이 혁신에 대한 저항에 영향을 미치는 것으로 주장하였다[5]. 송해엽[4]은 람[5]의 혁신저항모델을 기반으로 인지된 위험, 소비자 속성, 확산 메커니즘, 상황적 요인들이 3DTV 채택에 대한 저항에 어떠한 영향을 미치는지를 규명한 바 있다. 또한 로저스는 인지된 혜택을 혁신 확산에 중요한 영향을 미치는 요인으로 제시하였다[1]. 따라서 동 연구에서는 송해엽[4]의 3DTV 채택 저항에 대한 연구를 기반으로 저항에 인지된 위험, 인지된 혜택, 사용자 속성, 확산 메커니즘이 무인 셀프체크인 시스템 탑승수속이라는 혁신에 대한 유보, 거부 그리고 만류의 세 가지 저항에 어떻게 상대적으로 영향력을 행사하는지 분석해보고자 하며, 분석 결과를 토대로 무인 셀프체크인 시스템 탑승수속과 같은 혁신이 공항에 적용될 때 발생하는 저항을 설명할 수 있는 결정적인 요인들을 발견 및 개선하여 혁신적인 기술에 대한 저항을 줄이고 사용자로 하여금 채택하는데 실제적인 도움이 되는 것을 목적으로 한다.

1.3 논문의 구성

본 논문은 연구 배경이 되는 기존의 이론과 연구가설을 제 2장에서 소개하고 제 3장에서는 연구모형을 설명한다. 제 4장에서는 본 연구의 자료수집 방법 및 분석법 등 연구방법에 대해 제시하며 제 5장에서는 수집된 자료에 대한 분석 결과를 도출한다. 제 6장에서는 분석 결과를 토대로 연구에 대한 결론 및 의의와 본 연구의 한계를 제시하여 향후 추가적으로 수행할 수 있는 연구에 대하여 제안해보고자 한다.


Ⅱ. 이론적 논의 및 연구가설

2.1 이론적 논의

소비자들은 상품이나 서비스를 선택하고 사용하는 과정에서 혁신을 의도적으로 선택하기도 한다[6]. 혁신채택과정에서 소비자들은 상품이나 서비스의 혜택을 인지하게 되며 이렇게 인지된 혜택은 혁신이 시장에서 확산되기 위한 요인 중 하나로 작용한다.

로저스[1]가 제시한 혁신확산이론(Diffusion of innovation)은 혁신에 대한 채택과 확산에 대한 연구의 기반이 되는 대표적인 이론으로 활용되고 있으며 특히 상대적 이점(Relative advantage), 양립가능성(Compatibility), 복잡성(Complexity), 시도가능성(Trialability), 관찰가능성(Observability)이라는 다섯 종류의 인지된 혜택들이 혁신에 대한 채택을 약 50% 설명하는 중요한 요인으로 언급하였다. 또한 혁신확산이론에서는 혁신을 채택하게 되는 순간까지 소요되는 시간에 따라 소비자의 성향을 혁신가(Innovators), 초기 채택자(Early adopters), 초기 대다수(Early majority), 후기 대다수(Late majority), 혁신 지체자(Laggards)로 분류하였다. 이렇게 분류된 혁신에 대한 소비자의 성향은 친개혁적 편향을 전제로 사회 구성원을 선구자 혹은 낙오자로 구분하는 용도로 사용되기도 하였다[1]. 이러한 친개혁적 편향은 혁신채택에 대한 저항을 경시하는 태도를 만들었으며, 혁신에 대한 다양한 연구들이 채택과 확산을 중심으로 수행되는 풍조를 야기하기도 하였다[7].

혁신에 대한 저항은 사회 구성원들에게서 흔히 관찰될 수 있다[5]. 오히려 혁신에 대한 저항은 혁신이 사회에서 일반화되기까지 필연적으로 존재할 수 밖에 없는 것이다[8]. 다만 혁신에만 몰두하여 소비자의 니즈를 제대로 파악하지 못한 상품이나 서비스는 채택이 매우 지연되거나[9] 심지어 울워스(Woolworth)의 쥐덫과 같이 채택 과정에서 소비자의 저항을 넘지 못한 채 시장에서 확산에 실패하기도 한다[5]. 람은 혁신에 대한 채택과 저항이 반대의 개념이 아니며 저항은 혁신이 확산되는 과정에서 필히 발생할 수 밖에 없는 현상으로 정의하였다[5]. 단지 새로운 상품이나 서비스가 시장에 출시된 후 저항이 작용하여 채택이 되지 않거나 채택 후에도 사용을 철회하는 현상이 발생하기도 하며[10], 이러한 현상은 기업이 투자하였던 신규 상품이나 서비스에 대한 비용의 손실을 의미한다[6]. 그러므로 소비자의 저항 요인을 발견하여 이를 개선하는 것은 혁신이 채택되고 확산되는 과정에서 매우 중요하다고 할 수 있다.

이처럼 혁신기술의 채택 과정에서 발생하는 여러 형태의 저항에 대한 다각적인 연구가 진행되어 왔다. 해외에서는 정보기술 도입에 대한 다단계 저항에 대한 연구[11], 모바일 뱅킹 채택 저항에 대해 정보의 영향에 대한 연구[12], 세 가지 유형의 혁신저항에 대한 연구[13] 등이 있었으며, 국내에서는 IPTV 확산의 심리적 저항요인에 관한 연구[14], 중간광고에 대한 인지된 유용성 및 인지된 위험이 중간광고 허용 의사에 미치는 영향에 관한 연구[15], 3DTV 채택의 유보, 거부, 만류에 영향을 미치는 요인[4] 등의 연구가 이루어졌다. 특히 송해엽 등은 3DTV라는 혁신 확산에 있어 영향을 미치는 저항을 유보, 거부, 만류로 나누어 살펴보았으며, 각 선행요인들이 세 종류의 저항에 어떠한 영향을 미치는지 규명하였다[4]. 이 연구들은 혁신의 채택과 확산 요인을 주로 탐구하였던 기존 연구들이 가진 친개혁적 풍조에서 탈피하여 혁신의 확산 과정에서 발생하는 저항이 어떠한 요인들에 의해 영향을 받는지 규명하고자 하는 시도라고 할 수 있다.

본 연구도 친개혁적 성향을 벗어나 혁신확산의 과정 중 발생하는 저항의 요인을 유보, 거부, 만류로 구분하여 분석한다는 것이 선행 연구의 연장선상에 있다고 볼 수 있다. 그러나 본 연구가 선행 연구들과 차별되는 것은 혁신 저항에 인지된 혜택이 미치는 영향과 확산 메커니즘을 온라인과 오프라인 홍보로 구분하여 살펴보았다는 점이다. 이는 최근의 사회 트렌트를 감안하여, 어떠한 홍보채널이 혁신의 저항에 더 긍정적인 영향을 주는지를 검토하기 위해서이다. 또한 주로 사적인 공간에서 개인의 유희를 위한 3DTV 등의 혁신과는 달리 공공의 장소인 공항에서 공익의 목적으로 도입된 혁신이라 할 수 있는 무인 셀프체크인 시스템을 대상으로 본 연구를 수행했다는 것이다.

2.2 연구가설

저항의 사전적 의미는 “어떤 힘이나 조건에 굽히지 아니하고 거역하거나 버티는 것”이다. 경제학의 관점에서는 주가가 매도에 의해 상승이 둔화되거나 멈추는 현상이며, 물리학의 관점에서는 운동의 방향과 반대 방향으로 힘이 작용하는 현상을 저항이 작용된다고 할 수 있다. 마찬가지로 혁신에 대한 저항은 혁신의 확산을 멈추거나 지연시켜 현상을 유지하려고 하는 행동으로 정의될 수 있다[16]. 따라서 혁신저항에 대한 연구는 혁신의 확산 단계에서 발생하는 저항을 찾아 최소화시키는 방법을 찾는 것을 주된 목적으로 하였다[5]. 혁신저항에 대한 반응은 단순히 혁신을 시도하지 않는 것부터 강력하게 거부하는 등 소비자의 성향에 따라 매우 다르게 나타날 수 있다[4]. 이러한 저항의 작용에 따라 일정한 시간이 소요된 후 혁신이 채택되기도 하며[1], 반면에 혁신 채택 후에도 저항이 작용하여 확산이 중단되기도 한다[17]. 따라서 혁신이 저항으로 인하여 채택 되지 않는 경우는 물론 확산된 후에도 저항에 의해 혁신채택이 중단되거나 철회될 수 있기 때문에 혁신채택을 하지 않는 관점을 넘어 혁신저항 유형 별 영향을 미치는 요인을 연구하여 저항에 대한 개선을 시도해 볼 필요가 있다[4].

2.2.1 유보, 거부, 만류

세스[[3]는 혁신에 대한 이해를 위해서는 저항에 대한 소비자들의 심리 상태를 파악하는 것이 중요하다고 제안하였다. 따라서 본 연구에서 혁신저항을 조금 더 세분화하여 유보, 거부, 만류로 살펴보기로 하며, 유보는 일반적으로는 혁신확산과정에서 소비자가 혁신을 수용할 수 있는 시점까지 채택이 지연된다는 것을 의미하지만[13], 혁신 수용이 가능한 시점에도 소비자의 채택이 성립되지 않을 수 있기 때문에 반드시 지연만을 의미하는 것은 아니다[4]. 선행 연구에서는 유보에 가장 중요한 영향을 미치는 요인은 경제적인 위험으로 제시되었으며[13], 기존의 서비스나 상품과 차이가 있는 경우[18] 및 독립적인 의사결정 성향[4]도 유보에 영향을 미치는 주요 요인으로 제시되었다. 혁신채택 과정에서 거부는 혁신을 받아들이지 않고 물리치는 것이지만 이는 반드시 혁신에 대한 무지가 원인이 되는 것은 아니다[4]. 오히려 혁신에 대한 소비자의 적극적인 평가가 거부를 유발하기도 한다[1]. 선행연구들에 따르면 저항에 주로 영향을 미치는 요인은 혁신의 경제적 위험 뿐만 아니라 기능적, 사회적 위험도 포함되는 것으로 분석되었다[4][18]. 혁신채택 과정에서 만류는 본인뿐만 아니라 타인의 혁신채택에 대한 의사결정에도 영향을 미치는 행동으로, 혁신에 대한 반대는 물론 혁신에 대한 공격적 성향까지 표출하는 것을 의미한다[18]. 이는 가장 강한 형태의 저항으로 혁신에 대한 소비자의 반대가 적극적으로 표출되는 형태라고 볼 수 있다. 선행 연구에서는 신체적 위험 등이 만류에 영향을 주는 원인으로 분석되었다[4][18].

저항 자체에 대한 특성을 찾아보고자 하는 연구는 선행된 적이 있으나[11][13][18][19], 저항에 대한 선행요인을 밝혀 구체적이고 실증적으로 분석할 수 있는 연구는 많이 이루어지지 않았다[4]. 클라이즈넌은 소비자가 혁신에 대해 보이는 저항을 유보, 거부, 만류의 세 단계로 분류하여 연구하였으며, 유보와 거부를 소극적 저항으로 만류를 가장 강한 저항으로 정의하였다[18]. 송해엽도 3DTV 채택에 대한 저항 연구에서 유보, 거부, 만류를 소극적인 저항에서 적극적인 저항으로 위계적으로 분류하여 연구하였다[4]. 따라서 본 연구에서도 클라이즈넌[18]과 송해엽[4]의 저항에 대한 정의를 기반으로 유보, 거부, 만류 세 유형의 저항에 대해 살펴보고 각 저항에 대한 영향력을 행사하는 요인을 분석해보고자 한다.

2.2.2 인지된 위험(Perceived risk)

본 연구에서는 인지된 위험을 혁신에 대한 소비자의 저항에 영향을 미치는 변인으로 책정하였다. 선행 연구[20][4]에서도 혁신저항은 소비자들이 이미 인지하고 있는 요인들로부터 영향을 받는다고 언급하였다. 다양한 불확실성은 소비자들로 하여금 채택하고자 하는 혁신 상품이나 서비스에 대한 우려를 가져오며[21], 이러한 우려에서부터 혁신 채택에서 직면할 수 있는 위험을 인지하게 된다[4].

혁신채택 과정에서 저항에 작용할 수 있는 다양한 형태의 인지된 위험 중 기존 연구에서 가장 많이 인용되어 왔던 것은 시간적 위험, 사회적 위험, 신체적 위험, 재정적 위험, 기능적 위험이다[4] [22]-[26]. 먼저, 시간적 위험은 혁신 채택에서 올 수 있는 불필요한 추가적인 시간 소요에 대한 우려라고 할 수 있다. 사회적 위험은 혁신 상품이나 서비스 채택이 타인에게 부정적인 인식을 주는 것에 대한 우려이다. 다음으로 재정적 위험은 혁신 채택이 경제적 손실을 야기할 수도 있다는 우려이다. 신체적 위험은 혁신 상품이나 서비스 사용 시 부상 등 신체에 해가 될 수 있다는 위협을 반영한 것이며, 기능적 위험은 혁신 상품이나 서비스의 기능이 제대로 동작하는가에 대한 우려이다[4].

상기 언급된 인지된 위험 변인들 중에 재정적 위험을 제외한 시간적, 신체적, 사회적, 신체적, 기능적 위험의 인지된 위험 변인군을 저항에 정적인 영향을 미치는 독립변인으로 예상하였다. 3DTV 채택에 대한 저항에 대해 다룬 기존 연구[4]에서는 큰 비용을 들여, 재화를 구매하는 행위이기 때문에, 재정적 위험이 가장 중요한 영향력을 미치는 변인으로 분석되었으나, 무인 셀프체크인 시스템이라는 혁신 서비스를 사용할 때 별도로 추가 지출 등의 경제적인 비용이 발생하지 않는다는 것을 고려하여 본 연구에서는 제외하였다.

H1 무인 셀프체크인 시스템 탑승수속의 혁신특성에 대해 인지된 위험은 무인 셀프체크인 시스템 탑승수속 채택에 대한 저항을 높일 것이다.

H1(1) 시간적 위험에 대한 우려는 무인 셀프체크인 시스템 탑승수속 채택의 유보, 거부, 만류의 정도를 높일 것이다.

H1(2) 사회적 위험에 대한 우려는 무인 셀프체크인 시스템 탑승수속 채택의 유보, 거부, 만류의 정도를 높일 것이다.

H1(3) 신체적 위험에 대한 우려는 무인 셀프체크인 시스템 탑승수속 채택의 유보, 거부, 만류의 정도를 높일 것이다.

H1(4) 기능적 위험에 대한 우려는 무인 셀프체크인 시스템 탑승수속 채택의 유보, 거부, 만류의 정도를 높일 것이다.

2.2.3 인지된 혜택(Perceived benefits)

로저스[1]의 혁신확산은 다양한 분야에서 혁신에 대한 연구를 진행할 때 사용되었으며, 여러 혁신 상품과 서비스에 대한 채택 뿐만 아니라 교육[27], 정책[28] 등 다양한 혁신의 수용에 영향을 미치는 요인을 살펴보는데 이론적인 배경으로 활용되어 왔다. 혁신확산 모형에서는 상대적 이점, 양립 가능성, 시도 가능성, 복잡성, 관찰가능성 등의 인지된 혜택 변인군이 혁신 채택에 중요한 영향을 미치는 것으로 언급되었다[1].

상대적 이점(Relative advantage)은 혁신이 기존 상품이나 서비스 등에 비해 어떠한 혜택을 주는지를 고려한 것이며, 양립 가능성은 혁신이 소비자가 속한 사회의 가치관, 소비자의 경험 등에 얼마나 부합되는지를 의미하는 것이다. 시도 가능성은 혁신에 대해 미리 체험해보거나 시범적인 이용을 통해서 혁신에 대한 친밀도를 높이고 불안감을 해소하는 것이다. 복잡성은 혁신 상품이나 서비스 이용이 어려운 정도를 의미하는 것이며, 관찰 가능성은 혁신을 채택한 소비자에게서 나타나는 가시적 효과의 정도를 고려하는 것이다[1].

본 연구에서는 상기 인지된 혜택 변인군들 중에서 무인 셀프체크인 시스템 탑승수속이라는 혁신 서비스가 기존의 탑승수속에 비해 어떠한 장점을 가지고 있는지 비교하기 용이하다는 점과 공항이용객이 무인 셀프체크인 시스템 탑승수속이라는 새로운 서비스를 이용하는 것이 익숙한 기존 탑승수속 절차에서 이루어진 가치관 및 경험에 부합되는지 판단하기 용이하다는 점에서 상대적 이점, 양립 가능성의 인지된 혜택을 사용하였다. 더불어 공항이나 항공사가 무인 셀프체크인 시스템 탑승수속 서비스를 본격적으로 제공하기 전에 시범운영이 가능하다는 점에서 시도 가능성의 인지된 혜택을 본 연구에서 저항에 영향을 주는 변인으로 사용하였다. 상기 세 가지 인지된 혜택 변인군은 무인 셀프체크인 시스템 탑승수속이라는 혁신 채택 중 발생할 수 있는 저항에 부정적인 영향력을 미치는 것으로 예상된다.

기존 연구[1]에서는 상대적 이점, 양립 가능성, 시도 가능성, 복잡성, 관찰가능성이 모두 혁신저항에 의미 있는 영향력을 미치는 변인으로 고려하였으나, 복잡성은 본 연구에서 사용하는 인지된 위험의 변인군의 기능적 위험, 시간적 위험 등이 사용에 대한 복잡성을 내포하는 요인으로 판단하여 제외하였다. 또한, 공항 이용객이 무인 셀프체크인 시스템을 이용할 때 그 절차가 매우 짧은 순간에 이루어진다는 점에서 타인이 이용하는 모습을 관찰하기 어렵다는 점을 고려하여 관찰 가능성은 제외하였다.

H2 무인 셀프체크인 시스템의 혁신특성에 대해 인지된 혜택은 무인 셀프체크인 시스템 탑승수속 채택에 대한 저항을 낮출 것이다.

H2(1) 상대적 이점에 대한 혜택은 무인 셀프체크인 시스템 채택의 유보, 거부, 만류의 정도를 낮출 것이다.

H2(2) 양립 가능성에 대한 혜택은 무인 셀프체크인 시스템 채택의 유보, 거부, 만류의 정도를 낮출 것이다.

H2(3) 시도 가능성에 대한 혜택은 무인 셀프체크인 시스템 채택의 유보, 거부, 만류의 정도를 낮출 것이다.

2.2.4 사용자 속성(User characteristics)

다양한 선행연구에서 소비자의 혁신성향은 다른 사람과 구분할 수 있는 지속적인 특징이나 속성으로 언급되었다[4]. 로저스[29]는 “소비자가 얼마나 혁신을 빨리 채택하는지에 대한 정도”를 혁신성향을 정의했다. 특히 람[5]은 소비자가 새로움을 추구하는 성향을 혁신저항에 영향을 미치는 요인 중 하나로 제시하였다.

새로움 추구는 혁신 채택에 대한 많은 연구[4][30][31]에서 저항에 영향을 미치는 것으로 언급되었으며, 소비자의 새로움을 추구하는 성향이 혁신 상품이나 서비스 채택에 긍정적인 효과를 주는 것으로 제시되었다[4][32].

소비자가 새로운 상품을 구입하거나 서비스를 이용할 때 타인이 해당 상품이나 서비스에 대해 제시하는 의견에 대해 얼마나 영향을 받지 않고 독자적으로 판단하고 수행하는지를 나타내는 소비자의 성향을 “독립적 의사결정”이라고 한다[4][33][34]. 더불어, 송해엽[4]은 의사결정에 있어 의존적인 사람들은 타인의 평가를 기다리면서 채택을 지연할 수 있다고 제시하여 소비자의 독립적인 의사결정 성향이 혁신 상품과 서비스에 대한 채택 과정에서 발생하는 저항을 완화해주는 요인으로 언급하였다.

본 연구에서는 소비자의 혁신성향을 나타내는 새로움 추구, 독립적 의사결정의 두 가지 요인을 소비자 속성 변인군으로 사용하였다. 이는 송해엽[4]의 기존 연구와 같이 혁신 성향을 단지 심리적 기질에 초점을 맞추는 것 뿐만 아니라 타인의 영향을 받는 사회적 관점의 행동으로 확대하여 복합적으로 다루고자 하는 의도이다. 따라서 본 연구에서는 사용자의 혁신성향을 나타내는 새로움 추구와 독립적 의사결정이 무인 셀프체크인 시스템 채택에 대한 저항을 낮출 것으로 예측한다.

H3 사용자의 혁신성향은 무인 셀프체크인 시스템 탑승수속 채택에 대한 저항의 정도를 낮출 것이다.

H3(1) 새로움을 추구하는 성향일수록 무인 셀프체크인 시스템 채택에 대한 유보, 거부, 만류의 정도가 낮을 것이다.

H3(2) 독립적으로 의사결정을 할수록 무인 셀프체크인 시스템 채택에 대한 유보, 거부, 만류의 정도가 낮을 것이다.

2.2.5 확산 메커니즘(Propagation mechanism)

기존 연구에서는 매스미디어 등을 통한 홍보가 혁신 확산에 있어 매우 중요한 수단이라고 강조하였다[1]. TV, 라디오, 신문, 잡지를 비롯한 전통적인 4대 매체의 오프라인 홍보수단은 물론이고, 키워드광고, 소셜 네트워크 서비스(SNS) 등 인터넷과 모바일을 통한 다양한 온라인 홍보수단은 채택 과정에서 소비자들에게 혁신 상품이나 서비스에 대한 친밀감을 형성하여 저항을 완화해주는 효과가 크다. 특히 무인 셀프체크인 시스템과 같이 해당 시장에 새롭게 도입되는 서비스는 페인[35]의 연구결과와 같이 처음에는 부정적 이미지를 가질 수 있는데, 매스미디어를 통한 홍보는 혁신 상품이나 서비스에 대한 이러한 부정적 이미지를 완화할 수 있다[12][19].

따라서 본 연구에서는 온라인과 오프라인을 통한 홍보자료 등의 정보제공이 무인 셀프체크인 시스템 탑승수속에 대한 저항의 정도를 낮추어주는 요인이 될 것으로 예상하였다.

H4 온/오프라인을 통한 정보제공은 무인 셀프체크인 시스템에 대한 저항의 정도를 낮출 것이다.

H4(1) 온라인을 통한 정보제공은 무인 셀프체크인 시스템에 대한 저항의 정도를 낮출 것이다.

H4(2) 오프라인을 통한 정보제공은 무인 셀프체크인 시스템에 대한 저항의 정도를 낮출 것이다.

2.2.6 요인의 상대적 영향력

각 요인이 유보, 거부, 만류라는 세 가지 분류의 저항 유형에 미치는 상대적인 영향력을 분석해 보고자 한다. 즉, 무인 셀프체크인 시스템이라는 혁신 채택에 대해 인지된 위험, 인지된 혜택, 소비자 속성 및 확산 메커니즘에서 다루는 변인들이 유보, 거부, 만류를 얼마만큼 예측하는지 분석하였으며 이를 위해 다음과 같은 연구문제를 설정하였다.

RQ: 무인 셀프체크인 시스템 채택 유보, 거부, 만류에 영향을 미치는 요인들의 상대적 영향력은 어떠한가?


Ⅲ. 연구모형

그림 1의 연구모형은 앞서 언급한 인지된 위험, 인지된 혜택, 사용자 속성, 확산 메커니즘 등 요인과 유보, 거부, 만류라는 세 가지 분류의 저항유형들에 대한 상관관계를 도식화화여 보여주고 있다.

Fig. 1.

Research model


Ⅳ. 연구방법

4.1 표본의 설문조사

이 연구를 위해 온라인 전문조사기관을 통해 일반인을 대상으로 서베이(Survey)를 실시하였다. 조사결과, 이번 분석에 활용한 최종 대상은 공항 이용경험이 있고, 무인 셀프 셀프체크인 시스템 탑승수속 서비스 이용한 경험이 있는 20대부터 50대까지 217명의 응답자를 대상으로 구성하였다. 표본의 인구통계학적 구성은 표 1과 같다.

Demographical characteristics of specimen

총 217명의 표본 중 성별은 남성이 48.8%, 여성이 51.2%였으며, 연령은 20대 14.7%, 30대 32.7%, 40대가 34.6%, 50대가 18.0%였다. 주로 이용하는 공항에 대한 응답에서는 인천공항이 85.3%로 가장 많은 것을 확인할 수가 있었으며, 그 외 국내 공항은 14.7%로 파악되었다. 공항이용횟수를 묻는 설문에서는 1회~3회가 72.4%로 대다수를 차지하였으며, 4회~7회가 20.7%, 7회 이상이 6.9%로 나타났다.

4.2 설문 문항

본 연구에 활용된 설문 문항 중 인구통계학적 설문 문항을 제외한 나머지 문항은 “전혀 동의하지 않는다”부터 “매우 동의함”까지 리커트 5점 척도로 측정하였다. 측정된 설문 문항에 대한 평균과 표준편차 및 출처는 표 2와 같다.

Mean and standard deviation of measured survey questionnaire

4.3 척도의 타당성 및 신뢰도 분석

본 연구에 사용된 측정 도구의 타당성과 신뢰성을 검증하기 위해 SPSS 24를 사용하여 탐색적 요인분석을 수행하였다. 본 연구에 활용된 설문 문항들은 기존 연구에서 타당성과 신뢰성이 검증된 설문 항목임에도 불구하고 타당성과 신뢰성을 더욱 제고하기 위하여 모든 변인을 대상으로 요인분석을 실시하였다. 요인 추출은 주성분 분석(Principal component analysis)을 사용하였고, 회전방식은 직교회전 방식의 베리믹스(Varimax)를 사용하였다. 요인 중 다른 요인에 적재되거나 요인 적재량이 0.4미만인 항목은 제외하였다. 신뢰성은 크론바흐의 알파(Cronbach's alpha) 지수를 사용하여 측정하였다. 측정된 신뢰도 지수가 .60 이상인 경우 수용할 만한 신뢰도 수준([38])으로 판단하였으며, 신뢰도 .60 미만의 구성 개념은 제외하였다.

4.3.1 인지된 위험의 요인분석 및 신뢰도 분석

인지된 위험의 탐색적 요인분석 결과 아이겐 값은 모든 변인들이 1.0을 상회하였으며, 전체 분산의 80.2%를 설명하였다. KMO 수치는 .917, Bartlett 구형성 검증에서는 카이제곱값이 1243.670(df=45, p=.000)으로 파악되었으며 모든 요인의 알파값이 .60으로 신뢰성이 검증되었다. “인지된 위험”의 탐색적 요인분석 결과는 표 3과 같다.

Analysis of factors and reliability of identified risks

“인지된 위험”은 시간적 위험, 신체적 위험, 기능적 위험, 사회적 위험 총 4개 변인으로 구성되었으며, 각 변인은 모두 3개의 설문 문항으로 측정하였으나 요인 적재량이 0.4 이하이고, 타 요인에 편입되는 것으로 확인된 사회적 위험1과 2을 제외한 후 주성분 분석과 신뢰도 측정을 실시하였다. 실시 결과 시간적 위험 변인은 아이겐 값이 2.392, 설명분산은 23.9%로 파악되었으며, 신체적 위험 변인은 아이겐 값이 2.371, 설명분산 23.7%로 확인되었다. 또한, 기능적 위험 변인의 아이겐 값은 2.203, 설명분산이 22.0%로 나타났다. 사회적 위험 변인의 경우 아이겐 값은 1.056, 설명분산은 10.6%로 파악되었다[39].

4.3.2 인지된 혜택의 요인분석 및 신뢰도 분석

인지된 위험의 탐색적 요인분석 결과 아이겐 값은 모든 변인들이 1.0을 상회하였으며, 전체 분산의 66.6%를 설명하였다. KMO 수치는 .792, Bartlett 구형성 검증에서는 카이제곱값이 427.315(df=28, p=.000)으로 파악되었으며 모든 요인의 알파값이 .60으로 신뢰성이 검증되었다. “인지된 혜택”의 탐색적 요인분석 결과는 표 4와 같다.

Analysis of factors and reliability of identified benefits

“인지된 혜택”은 상대적 이점, 양립 가능성, 시도 가능성 총 3개 변인으로 구성되었으며, 각 변인은 모두 3개의 설문 문항으로 측정하였으나 요인 적재량이 0.4 이하이고, 타 요인에 편입되는 것으로 확인된 상대적 이점 3을 제외한 후 주성분 분석과 신뢰도 측정을 실시하였다. 실시 결과 상대적 이점 변인은 아이겐 값이 2.207, 설명분산은 27.591%로 파악되었으며, 양립 가능성 변인은 아이겐 값이 1.829, 설명분산 22.9%로 확인되었다. 또한, 시도 가능성의 아이겐 값은 1.290, 설명분산이 16.1%로 나타났다.

4.3.3 사용자 속성의 요인분석 및 신뢰도 분석

사용자 속성의 탐색적 요인분석 결과 아이겐 값은 모든 변인들이 1.0을 상회하였으며, 전체 분산의 68.1%를 설명하였다. KMO 수치는 .764, Bartlett 구형성 검증에서는 카이제곱값이 396.202(df=15, p=.000)으로 파악되었으며 모든 요인의 알파값이 .60으로 신뢰성이 검증되었다. “사용자 속성”의 탐색적 요인분석 결과는 표 5와 같다.

Analysis of factors and reliability of individual tendency

“사용자 속성”은 새로움 추구, 독립적 의사결정 총 2개 변인으로 구성되었으며, 각 변인은 모두 3개의 설문 문항을 통해 측정하였으며, 측정결과 새로움 추구 변인은 아이겐 값이 2.508, 설명분산은 41.8%로 파악되었으며, 독립적 의사결정 변인은 아이겐 값이 1.578, 설명분산 26.3%로 확인되었다.

4.3.4 확산 메커니즘의 요인분석 및 신뢰도 분석

확산 메커니즘의 탐색적 요인분석 결과 아이겐 값은 모든 변인들이 1.0을 상회하였으며, 전체 분산의 72.1%를 설명하였다. KMO 수치는 .842, Bartlett 구형성 검증에서는 카이제곱값이 562.946(df=15, p=.000)으로 파악되었으며 모든 요인의 알파값이 .60으로 신뢰성이 검증되었다. “확산 메커니즘”의 탐색적 요인분석 결과는 표 6과 같다.

Analysis of factors and reliability of diffusion mechanism

“확산 메커니즘”은 온라인 홍보, 오프라인 홍보 총 2개 변인으로 구성되었으며, 각 변인은 모두 3개의 설문 문항으로 측정하였다.

측정결과 온라인 홍보 변인은 아이겐 값이 2.291, 설명분산은 38.2%로 파악되었으며, 오프라인 홍보 변인은 아이겐 값이 2.037, 설명분산 44.0%로 확인되었다.

4.3.5 저항의 요인분석 및 신뢰도 분석

저항의 탐색적 요인분석 결과 아이겐 값은 모든 변인들이 1.0을 상회하였으며, 전체 분산의 86.5%를 설명하였다. KMO 수치는 .917, Bartlett 구형성 검증에서는 카이제곱값이 1824.151(df=36, p=.000)으로 파악되었으며 모든 요인의 알파값이 .60으로 신뢰성이 검증되었다. “저항”의 탐색적 요인분석 결과는 표 7과 같다.

Analysis of factors and reliability of resistance

“저항”은 유보, 거부, 만류 총 3개 변인으로 구성되었으며, 각 변인은 모두 3개의 설문 문항으로 측정하였다. 측정결과 유보 변인은 아이겐 값이 2.776, 설명분산은 30.9%로 파악되었으며, 거부 변인은 아이겐 값이 2.682, 설명분산 29.8%로 확인되었다. 또한 만류 변인은 아이겐 갑이 2.325, 설명분산은 25.9%로 확인되었다.


Ⅴ. 연구결과

본 연구는 저항(유보, 거부, 만류) 변인에 영향을 미치는 요인을 파악하기 위하여 인구통계학적 변인군을 통제변인으로 설정한 후 위계적 회귀분석을 실시하였으며, 분석에 앞서 명목척도로 측정된 성별, 주로 이용하는 공항은 더미변수로 변환한 후 위계적 회귀분석에 투입하였다. 위계적 회귀분석은 총 5단계로 1단계는 인구통계학적 변인을 투입하였으며, 2단계에서는 인지된 위험 변인, 3단계는 인지된 혜택 변인, 4단계는 사용자 속성 변인, 마지막으로 5단계에서는 확산 메커니즘 변인을 투입하였다.

5.1 ‘유보’의 영향을 주는 요인

첫 번째 저항 변인인 유보에 영향력을 주는 요인들을 파악하기 위하여 인구통계학적 변인군을 투입한 1단계에서는 성별, 연령, 주 이용공항, 연간 공항 이용횟수 모두 유의미한 영향력을 미치지 못하는 것으로 나타났다. 설명 변량은 2.1%로 나타났다. 즉, 인구통계학적 특성의 경우 모두 영향을 주지 못한다고 할 수 있다. 2단계에서 인지된 위험 변인군을 투입한 결과 설명 변량은 43.1%가 되었다.

인구통계학적 특성은 마찬가지로 유보에 영향을 주지 못하는 것으로 나타났다. 독립변인 중에 신체적 위험(β=.404, p<.001), 기능적 위험(β=.170, p<.05)이 영향을 주는 것으로 나타났다. 전체 변량이 46.5%를 설명하는 3단계에서는 마찬가지로 신체적 위험과 기능적 위험이 유의미한 영향을 미치는 것으로 나타났고, 상대적 이점(β=.195, p<.01), 시도 가능성(β=-.138, p<.05)이 유의미한 영향을 미치는 것으로 나타났다. 반면 양립 가능성의 경우 유의미한 영향력을 미치지 않았다. 전체 변량의 43.8%를 설명하는 4단계에서는 전 단계에서 유의미한 영향을 미쳤던, 상대적 이점, 시도 가능성 모두 유의미한 영향을 미치는 것으로 나타났다.

반면 새로움 추구, 독립적 의사결정은 유의미한 영향을 미치지 않았다. 최종 5단계에서는 확산 메커니즘 변인군으로 신규로 투입하였으며, 전체 설명량은 47.9%이다. 확산 메커니즘의 경우도 유의미한 영향력이 없는 것으로 파악되었다. 인지된 위험 변인군의 신체적 위험, 기능적 위험은 투입 이후 계속 지지되었다. 또한 인지된 혜택 변인군의 경우 상대적 이점, 시도 가능성이 계속 유의미한 영향력을 미치는 것으로 나타났다.

Hierarchical analysis : factors affecting postponement

Hierarchical analysis : factors affecting rejection

5.2 ‘거부’의 영향을 주는 요인

두 번째 저항 변인인 거부에 영향력을 주는 요인들을 파악하기 위하여 위계적 회귀분석을 실시한 결과 인구통계학적 변인군을 투입한 1단계에서는 성별, 연령, 주 이용공항, 연간 공항 이용횟수 모두 유의미한 영향력을 미치지 못하는 것으로 나타났다. 설명 변량은 0.7%로 나타났다.

즉, 인구통계학적 특성의 경우 모두 영향을 주지 못한다고 할 수 있다. 2단계에서 인지된 위험 변인군을 투입한 결과 설명 변량은 50.8%가 되었다. 인구통계학적 특성의 경우 연간 공항 이용횟수(β=-.115, p<.05)가 거부에 유의미한 영향을 주는 것으로 나타났다. 독립변인 중에 신체적 위험(β=.536, p<.001)이 영향을 주는 것으로 나타났다.

전체 변량이 53.1%를 설명하는 3단계에서는 연간 공항 이용횟수가 더 이상 지지되지 않았으며, 신체적 위험의 경우 전 단계와 동일하게 유의미한 영향을 미치는 것으로 나타났고, 시도 가능성(β=-.168, p<.01)만 유의미한 영향을 미치는 것으로 나타났다.

전체 변량의 53.3%를 설명하는 4단계에서는 전 단계에서 유의미한 영향을 미쳤던, 신체적 위험, 시도 가능성 모두 유의미한 영향을 미치는 것으로 나타났다. 반면 새로움 추구, 독립적 의사결정은 유의미한 영향을 미치지 않았다. 최종 5단계에서는 확산 메커니즘을 변인군을 신규로 투입하였으며, 전체 설명량은 55.1%이다. 확산 메커니즘의 경우도 온라인 홍보(β=.171, p<.05)만이 유의미한 영향을 미치는 것으로 나타났다. 인지된 위험 변인군의 신체적 위험은 투입 이후 계속 지지되었다. 또한 인지된 혜택 변인군의 경우 시도 가능성이 계속 유의미한 영향력을 미치는 것으로 나타났다.

5.3 ‘만류’의 영향을 주는 요인

마지막 저항 변인인 만류에 영향력을 주는 요인들을 파악하기 위하여 위계적 회귀분석을 실시한 결과 인구통계학적 변인군을 투입한 1단계에서는 성별, 연령, 주 이용공항, 연간 공항 이용횟수 모두 유의미한 영향력을 미치지 못하는 것으로 나타났다. 설명 변량은 3.1%로 나타났다. 즉, 인구통계학적 특성의 경우 모두 영향을 주지 못한다고 할 수 있다.

2단계에서 인지된 위험 변인군을 투입한 결과 설명 변량은 52.2%가 되었다. 인구통계학적 특성의 경우 연령(β=-.098, p<.05)이 만류에 유의미한 영향을 주는 것으로 나타났다. 독립변인 중에 신체적 위험(β=.649, p<.001)이 영향을 주는 것으로 나타났다.

전체 변량이 55.7%를 설명하는 3단계에서는 전 단계와 마찬가지로 연령이 유의한 영향을 주었고, 신체적 위험의 경우도 전 단계와 동일하게 유의미한 영향을 미치는 것으로 나타났다. 또한 양립 가능성(β=.178, p<.01)과 시도 가능성(β=-.187, p<.01)은 유의미한 영향을 미치는 것으로 나타났다.

Hierarchical analysis : factors affecting opposition

전체 변량의 55.8%를 설명하는 4단계에서는 전 단계에서 유의미한 영향을 미쳤던, 연령, 신체적 위험, 양립 가능성, 시도 가능성 모두 유의미한 영향을 미치는 것으로 나타났다. 반면 새로움 추구, 독립적 의사결정은 유의미한 영향을 미치지 않았다. 최종 5단계에서는 확산 메커니즘을 변인군을 신규로 투입하였으며, 전체 설명량은 58.2%이다. 확산 메커니즘의 경우도 온라인 홍보(β=.202, p<.01)만이 유의미한 영향을 미치는 것으로 나타났다. 인지된 위험 변인군의 신체적 위험은 투입 이후 계속 지지되었다. 또한 인지된 혜택 변인군의 경우 양립가능성, 시도 가능성은 계속 유의미한 영향력을 미치는 것으로 나타났다.

5.4 요인의 상대적 영향력

인지된 위험, 인지된 혜택, 사용자 속성, 확산 메커니즘의 각 독립 변인들이 대한 유보, 거부, 만류에 주는 상대적인 영향력은 표 11과 같다.

Relative influence of different factors

먼저 유보를 예측하는 변인을 영향력 크기 별로 보면 신체적 위험(β=.355, p<.01), 상대적 이점(β=.188, p<.01), 시도 가능성(β=-.160, p<.05) 순으로 분석되었다. 다음으로 거부를 예측하는 변인들 간의 상대적 영향력을 보면 신체적 위험(β=.429, p<.001), 시도 가능성(β=-.182, p<.01) 순으로 나타났다. 마지막으로 만류를 예측하는 변인에 대한 영향력을 크기 순으로 살펴보면 신체적 위험(β=.523, p<.001), 온라인 홍보(β=.192, p<.05), 양립 가능성(β=.177, p<.01), 시도 가능성(β=-.189, p<.01) 순으로 나타났다.


Ⅵ. 결 론

앞서 언급했듯이, 4차 산업혁명시대를 맞아, 다양한 산업계에서는, IT 기술을 실질적인 산업활동에 접목하고자 노력하고 있으며, 특히, 항공업계도 이러한 트렌트를 주도하고 있다. 이와 관련하여, 많은 공항에서도 스마트공항의 일환으로, 다양한 형태의 셀프 체크인시스템을 도입하고 있으며, 이러한 과정에서, 혁신에 대한 저항은 사회적으로 필연적으로 나타나는 현상으로 인지된다.

본 연구는 저항에 대한 기존 연구[13][18]를 기반으로 저항을 강도에 따라 유보, 거부, 만류로 분류하고, 세 가지 유형의 저항에 영향력을 행사하는 요인들이 무엇인지, 인지된 위험, 인지된 혜택, 소비자 속성 및 확산 메커니즘 등으로 분석해보았다. 또한 유보, 거부, 만류라는 세 가지 저항에 각 요인들의 상대적인 영향력에 대해서도 살펴보았다.

먼저 저항의 세가지 변인인 유보, 거부, 만료에 영향력을 행사하는 요인들에 대한 조사결과를 본다면, 첫 번째 저항 변인인 유보와 관련해서는, 신체적 위험, 기능적 위험과 상대적 이점, 시도 가능성이 유의미한 영향을 미치는 것으로 나타났다. 두 번째 저항 변인인 거부와 관련해서는, 연간 공항 이용횟수, 신체적 위험, 시도 가능성, 온라인 홍보가 유의미한 영향을 미치는 것으로 나타났다. 마지막 저항 변인인 만류와 관련해서는, 신체적 위험, 양립 가능성, 시도 가능성, 온라인 홍보가 유의미한 영향을 미치는 것으로 나타났다.

인지된 위험, 인지된 혜택, 사용자 속성, 확산 메커니즘의 각 독립 변인들이 대한 유보, 거부, 만류에 주는 상대적인 영향력은, 먼저 유보를 예측하는 변인들 간의 영향력은, 신체적 위험, 상대적 이점, 시도 가능성 순이며, 거부를 예측하는 변인들 간의 영향력은, 신체적 위험, 시도 가능성 순으로 나타났으며, 마지막으로 만류를 예측하는 변인들 간의 영향력은, 신체적 위험, 온라인 홍보, 양립 가능성, 시도 가능성 순으로 나타났다.

공항 이용자의 입장에서 보면, “탑승수속”은 본인이 추구하는 “여행 또는 여정” 또는 보다 정확하게는 “항공기 탑승” 이라는 목적달성에 있어서, 매우 중요하고 또한 민감한 절차임에 틀림 없다. 따라서, 성공적인 탑승수속을 위해서, 새로움을 추구하는 성향이나 독립적인 의사결정 등 개인의 성향보다는, 탑승수속이라는 절차 완수를 위해 신체적이고 기능적인 위험 등이 크게 영향을 미치는 것으로 나타났다.

이를 보다 세부적으로 분석해 보면, 무인 셀프체크인 시스템 탑승수속이라는 혁신 채택에 대한 저항에 가장 많은 영향력을 행사하는 변인군은 인지된 위험이었으며, 특히 신체적 위험은 유보, 거부, 만류에 모두 영향력을 미치는 것으로 분석되었다. 이는 셀프체크인 과정에서에 자신의 신체를 사용으로 인한, 고통, 부상 등에 대한 두려움이 자연스럽게 혁신에 대한 저항으로 이어진다고 볼수 있다.

두 번째로 많은 영향력을 행사하는 변인군은 인지된 혜택이었으며, 시도 가능성과 상대적 이점은 거부와 만류라는 저항에 모두 영향력을 미치는 것으로 분석되었다. 이는 생소한 혁신 서비스를 미리 체험해 볼 수 있고, 이로 인해 실패를 사전에 방지할 수 있다는 생각이 저항을 완화하는 역할로 작용했다고 볼 수 있다.

확산 메커니즘 변인군은 거부, 만류에 영향을 미치는 것으로 나타났다. 오프라인 홍보는 무인 셀프체크인 시스템 탑승수속에 대한 매우 미미한 영향을 끼치는 반면, 온라인 홍보가 저항을 크게 낮춰 주는 것으로 나타났다. 이는, 각종 언론매체가 기존 TV, 신문 등 전통적인 매체에서 인터넷, SNS 등 IT기반 매체로 전환하는 사회현상을 반영한 결과로 보인다. 또한, 시간적 위험 변인도 만류에만 영향을 미치는 것으로 나타났는데, 무인 셀프체크인 시스템 탑승수속의 시간적 위험이 발생하면 타인에게도 이용을 만류하는 원인이 된다는 점은 타인이 무인 셀프체크인 시스템 탑승수속 사용에 따라 수속절차에 더 시간이 소모되면 자신의 탑승수속까지 방해한다는 생각이 반영된 것으로 볼 수 있다.

본 연구의 중요한 의의는 다음과 같다. 먼저, 혁신과 관련된 다양한 연구들과는 다르게 혁신 저항의 관점에서 무인 셀프체크인 시스템 탑승수속이라는 혁신 서비스가 소비자의 기대와는 달리 사용이 활성화 되지 않는다는 현실을 반영하여 연구를 수행했다는 점이다. 또한, 본 연구는, 현 사회의 흐름을 반영하여 소비자의 성향 및 매스미디어를 통한 확산 메커니즘 등의 변인군을 온라인과 오프라인으로 구분하여 유보, 거부, 만류라는 세 종류의 각기 다른 저항 유형에 영향을 분석해 보았다는 점에서 그 의의가 크다고 할 수 있겠다. 이를 통해, 특히 온라인 홍보가 혁신에 대한 저항을 감소시키는 주요한 요인임을 확인했다. 본 연구결과에서 볼 수 있듯이, 신체적 위험, 시도 가능성과 온라인 홍보가 비교적 강한 저항인 거부와 만류를 완화하는데 영향력을 미친다는 결과를 다른 변인들의 영향력과 함께 도출함으로써 향후 여러 분야에서 4차 산업혁명 기술을 도입시에 전략적 방향을 제시했다는 점에서 그 의의가 크다고 할 수 있겠다.

References

  • E. M. Rogers, "Diffusion of innovations (5th ed.)", New York: Free Press, 2003.
  • Y. Kim, "Innovation Resistance of Consumer in the Mobile Media Ecosystem", Seoul: Communication Books, 2011.
  • J. N. Sheth, "Psychology of innovation resistance: The less developed concept", Research in Marketing, Vol. 4, No. 3, pp. 273-283, 1981.
  • H. Song, J. Jung, and Y. Kim, "Factors affecting postponement, rejection, and opposition to 3DTV adoption", Journal of Media Economics and Culture, Vol. 11, No. 2, pp. 7-50, May 2013.
  • S. Ram, "A model of innovation resistance", Advances in Consumer Research, Vol. 14, No. 1, pp. 208-212, 1987.
  • S. Byun, "Perceptions towards High-tech Service among its Early Adopters: In the Case of Fingerprint-enabled ATMs", Marketing Management Research, Vol. 15, No. 2, pp. 43-69, Apr. 2010.
  • L. Bradley and K. Stewart, "A Delphi study of the drivers and inhibitors of Internet banking", International Journal of Bank Marketing, Vol. 20, No. 6, pp. 250-260, Nov. 2002. [https://doi.org/10.1108/02652320210446715]
  • Tuire Kuisma, Tommi Laukkanen, and Mika Hiltunen, "Mapping the reasons for resistance to Internet banking: A means-end approach", International Journal of Information Management, Vol. 27, No. 2, pp. 75-85, Apr. 2007. [https://doi.org/10.1016/j.ijinfomgt.2006.08.006]
  • S. Ram and Jagdish N.  Sheth, "Consumer resistance to innovations: the marketing problem and its solutions", Journal of Consumer Marketing, Vol. 6, No. 2, pp. 5-14, Feb. 1989. [https://doi.org/10.1108/EUM0000000002542]
  • S. P. Han, J. H. Ahn, and D. J. Lee, "The Effect of Service Use Experience and the Information Delivery Abundance of Subscription Media on the Initial Departure of Subscribers to High-Tech Services", Proceedings of the Korea Operation Research And Management Society Fall Conference, Jeju, Korea, pp. 93-103, Sept 2006.
  • L. Lapointe and S. Rivard, "A multilevel model of resistance to information technology implementation", MIS quarterly, Vol. 29, No. 3, pp. pp. 461-491, Sep. 2005. [https://doi.org/10.2307/25148692]
  • T. Laukkanen and V. Kiviniemi, "The role of information in mobile banking resistance", International Journal of Bank Marketing, Vol. 28, No. 5, pp. 372-388, Jul. 2010. [https://doi.org/10.1108/02652321011064890]
  • I. Szmigin and G. Foxall, "Three forms of innovation resistance: the case of retail payment methods", Technovation, Vol. 18, No. 6-7, pp. 459-468, Jan. 1998. [https://doi.org/10.1016/S0166-4972(98)00030-3]
  • Y. H. Kim and Y. Choi, "Determinants of Psychological Resistance against IPTV: Modification of Innovation Resistance Model", Journal of Broadcasting and Telecommunications Research, Vol. 69, pp. 163-191, Winter 2009.
  • D. K. Sung, "Study on Perceived Usefulness and Perceived Risks of Mid-Program Ads Affecting to Intention to Allow Mid-Program Ads : Centering on Technology Acceptance Model and Innovation Resistance Model", Korean Journal of Journalism & Communication Studies, Vol. 53, No. 6, pp. 379-404, Dec. 2009.
  • G. Zaltman and M. Wallendorf, "Consumer behavior: Basic findings and management implications", New York: Wiley, 1979.
  • G. A. Moore, "Crossing the Chasm: Marketing and Selling Disruptive Products to Mainstream Customers", New York: Harper Collins, 2002.
  • M. Kleijnen, N. Lee, and M. Wetzels, "An exploration of consumer resistance to innovation and its antecedents", Journal of Economic Psychology, Vol. 30, No. 3, pp. 344-357, Jun. 2009. [https://doi.org/10.1016/j.joep.2009.02.004]
  • P. Laukkanen, S. Sinkkonen, and T. Laukkanen, "Consumer resistance to internet banking: postponers, opponents and rejectors", International Journal of Bank Marketing, Vol. 26, No. 6, pp. 440-455, Sep. 2008. [https://doi.org/10.1108/02652320810902451]
  • R. W. Shoemaker and F. R. Shoaf, "Behavioral Changes in the Trial of New Products", Journal of Consumer Research, Vol. 2, No. 2, pp. 104-109, Sep. 1975. [https://doi.org/10.1086/208621]
  • M. J. Martinko, R. W. Zmud, and J. W. Henry, "An attributional explanation of individual resistance to the introduction of information technologies in the workplace", Behaviour & Information Technology, Vol. 15, No. 5, pp. 313-330, 1996. [https://doi.org/10.1080/014492996120085a]
  • S. J. Garner, "Perceived risk and information sources in services purchasing", Mid-Atlantic Journal of Business, Vol. 24, No. 2, pp. 49-58, Aprl. 1986.
  • L. B. Kaplan, G. J. Szybillo, and J. Jacoby, "Components of perceived risk in product purchase: A cross-validation", Journal of Applied Psychology, Vol. 59, No. 3, pp. 287-291, Sept. 1974. [https://doi.org/10.1037/h0036657]
  • H. Ko, J. Jung, J. Kim, and S. W. Shim, "Cross-cultural differences in perceived risk of online shopping", Journal of Interactive Advertising, Vol. 4, No. 2, pp. 20-29, Dec. 2004. [https://doi.org/10.1080/15252019.2004.10722084]
  • T. A. Shimp and W. O. Bearden, "Warranty and other extrinsic cue effects on consumers' risk perceptions", Journal of Consumer Research, Vol. 9, No. 1, pp. 38-46, Jun. 1982. [https://doi.org/10.1086/208894]
  • R. N. Stone and K. Grønhaug, "Perceived risk: Further considerations for the marketing discipline", European Journal of Marketing, Vol. 27, No. 3, pp. 39-50, Apr. 1993. [https://doi.org/10.1108/03090569310026637]
  • D. Y. Moon, "Diffusion Factors of STEAM Education – Based on Rogers’ Diffusion of Innovations Theory", Journal of Korean Practical Arts Education, Vol. 29, No. 1, pp. 133-150, Mar. 2016. [https://doi.org/10.20954/jkpae.2016.03.29.1.133]
  • M. Mintrom, "Policy Entrepreneurs and the Diffusion of Innovation", American Journal of Political Science, Vol. 41, No. 3, pp. 738-770, Jul. 1997. [https://doi.org/10.2307/2111674]
  • E. M. Rogers and F. F. Shoemaker, "Communication of innovations: A cross-cultural approach", New York: Free Press, 1971.
  • P. A. Dabholkar and R. P. Bagozzi, "An attitudinal model of technology-based self-service: moderating effects of consumer traits and situational factors", Journal of the Academy of Marketing Science, Vol. 30, No. 3, pp. 184-201, Jun. 2002. [https://doi.org/10.1177/0092070302303001]
  • E. C. Hirschman, "Innovativeness, novelty seeking, and consumer creativity", Journal of Consumer Research, Vol. 7, No. 3, pp. 283-295, Dec. 1980. [https://doi.org/10.1086/208816]
  • K. C. Manning, W. O. Bearden, and T. J. Madden, "Consumer innovativeness and the adoption process", Journal of Consumer Psychology, Vol. 4, No. 4, pp. 329-345, Dec. 1995. [https://doi.org/10.1207/s15327663jcp0404_02]
  • D. F. Midgley and G. R. Dowling, "Innovativeness: The concept and its measurement", Journal of Consumer Research, Vol. 4, No. 4, pp. 229-242, Mar. 1978. [https://doi.org/10.1086/208701]
  • F. J. Rijnsoever and H. Oppewal, "Predicting early adoption of successive video player generations", Technological Forecasting and Social Change, Vol. 79, No. 3, pp. 558-569, Mar. 2012. [https://doi.org/10.1016/j.techfore.2011.08.008]
  • D. Fain and M. L. Roberts, "Technology vs. consumer behavior: The battle for the financial services customer", Journal of Direct Marketing, Vol. 11, No. 1, pp. 44-54, Mar. 1999. [https://doi.org/10.1002/(SICI)1522-7138(199724)11:1<44::AID-DIR5>3.0.CO;2-Z]
  • M. S. Featherman and P. A. Pavlou, "Predicting e-services adoption: a perceived risk facets perspective", International Journal of Human-Computer Studies, Vol. 59, No. 4, pp. 451-474, Oct. 2003. [https://doi.org/10.1016/S1071-5819(03)00111-3]
  • W. O. Bearden, R. G. Netemeyer, and J. E. Teel, "Measurement of consumer susceptibility to interpersonal influence", Journal of Consumer Research, Vol. 15, No. 4, pp. 473-481, Mar. 1989. [https://doi.org/10.1086/209186]
  • J. C. Nunnally, "Psychometric Theory (2nd ed.)", New York: McGraw Hill, 1978.
  • Dong-Hwa Lim and Yoon-Sik Kwak, "A Study on Factors Adoption of Unmanned Self Check-in System for Boarding Process", Korea National Univ. of Transportation (Master’s thesis), 2020.
저자소개
임 동 화 (Dong-Hwa Lim)

1998년 2월 : 고려대학교 노어노문학과 (문학사)

2000년 6월 ~ 현재 : 한국공항공사 근무

2020년 7월 현재 : 한국교통대학교 컴퓨터공학과 석사과정

관심분야 : IT 융합/플랫폼

곽 윤 식 (Yoon-Sik Kwak)

1985년 2월 : 청주대학교 전자공학과 공학사

1987년 2월 : 경희대학교 전자공학과 공학석사

1995년 2월 : 경희대학교 전자공학과 공학박사

1991년 ~ 현재 : 한국교통대학교 컴퓨터공학과 교수

관심분야 네트워크, 엑셀러레이팅

Fig. 1.

Fig. 1.
Research model

Table 1.

Demographical characteristics of specimen

Ref No. %
Sex Male 106 48.8
Female 111 51.2
Age 20~29 32 14.7
30~39 71 32.7
40~49 75 34.6
Over 50 39 18.0
Airport frequented Incheon int’l airport 185 85.3
Other airports 32 14.7
Frequency 1-3 times 157 72.4
4-7 times 45 20.7
Over 7 times 15 6.9
Overall 217 100.0

Table 2.

Mean and standard deviation of measured survey questionnaire

Ref(No. of question) SD Questionnaire Source
Recognized risk Risk of time (3) 2.98(.95) (1) It will take long to learn how to use self check-in system boarding process. [26]
2.71(1.03) (2) It will take much longer time when using self check-in system boarding process.
2.82(1.06) (3) It will waste time in learning how to use self check-in system boarding process.
Social risk (1) 2.18(1.02) (1) It will impose negative impact upon me if I use self check-in system boarding process. [36]
2.03(1.12) (2) It seems others consider me odd if I use self check-in system boarding process.
3.05(1.08) (3) I will use self check-in system boarding process, after others start to use it.
Physical risk (3) 2.38(1.06) (1) I am concerned about physical stress in using self check-in system boarding process. [26]
2.37(1.12) (2) I am concerned about physical unease or side effect n using self check-in system boarding process.
2.45(1.06) (3) I am concerned about physical risk since self check-in system boarding process is not proved to be safe.
Functional risk(3) 2.92(1.00) (1) I am concerned about whether self check-in system boarding process works smooth.
2.91(1.00) (2) I am concerned about whether self check-in system boarding process provide benefits that was anticipated.
2.91(.99) (3) I am concerned about whether the speed and convenience that self check-in system boarding process provide is realistic.
Recognized benefit Relative advantage (3) 3.64(.77) (1) Self check-in system boarding process will be more interesting that conventional boarding process. [1]
3.31(.91) (2) Others might see me smart if I use self check-in system boarding process.
3.76(.82) (3) Self check-in system boarding process will save effort comapared to conventional boarding process.
Compatibility (3) 3.39(.81) (1) Using self check-in system boarding process matches with my point of view.
3.32(.81) (2) Using self check-in system boarding process is similar to the conventional boarding process.
3.76(.82) (3) It causes no problem introducing self check-in system boarding process to the current boarding process.
Trial possibility (3) 4.02(.76) (1) If I can try self check-in system boarding process, it help use it in the future.
4.02(.78) (2) If airlines host a event in terms of self check-in system boarding process, it will help use it.
4.02(.80) (3) It will enhance rate of usage, if the services of self check-in system boarding process is diversified.
User Characterstic Seek newness (3) 3.65(.80) (1) I tend to seek new idea of experience. [37]
3.74(.83) (2) I like to seek new experience and diversified.
3.67(.91) (3) I tend to try new product or service comparatively.
Indepedant decision making(3) 3.83(.79) (1) I tend to look for information before try new product or service. [34]
3.73(.74) (2) I make a decision based on other people’s opinion on new product or service.
3.69(.82) (3) Other people feedback affects my decision on mew product or service.
Dispersion mechanism Online PR (3) 3.57(.79) (1) Internet article or SNS event regarding self check-in system boarding process provide me useful information. [4]
3.59(.89) (2) I was able to understand self check-in system boarding process through internet article or SNS.
3.22(.95) (3) I often get the information on self check-in system boarding process through internet or SNS.
Offline PR (3) 3.50(.85) (1) Newspaper, TV and outdoor advertisement regarding self check-in system boarding process provide me useful information.
3.52(.90) (2) I was able to understand self check-in system boarding process through newspaper, TV and outdoor advertisement.
3.14(.97) (3) I often get the information on self check-in system boarding process through newspaper, TV and outdoor advertisement.
Resistance Postponement (3) 2.82(1.01) (1) I will postpone using self check-in system boarding process until it is proven to be beneficial to me. [13]
2.72(1.15) (2) I will not use self check-in system boarding process until I am confident that it is in need.
2.67(1.12) (3) I will not use self check-in system boarding process until I am confident that it is useful to me.
Rejection (3) 2.31(1.07) (1) I don’t want to use self check-in system boarding process. [13]
2.55(1.13) (2) Self check-in system boarding process does not fit to me.
2.47(1.12) (3) I don’t feel self check-in system boarding process is necessary to me.
Opposition (3) 2.11(1.13) (1) I will oppose people who use self check-in system boarding process. [18]
2.13(1.15) (2) I oppose using self check-in system boarding process.
2.09(1.23) (3) I would say it is not smart to use self check-in system boarding process.

Table 3.

Analysis of factors and reliability of identified risks

Item Component
1 2 3 4
Recognized risk Risk of time 1 .815
Risk of time 2 .714
Risk of time 3 .755
Physical risk 1 .693
Physical risk 2 .792
Physical risk 3 .8347
functional risk 1 .750
functional risk 2 .805
functional risk 3 .794
social risk3 .942
Eigen-value 2.392 2.371 2.203 1.056
Explanation deviation(%) 23.924 23.711 22.032 10.557
Accumulative deviation(%) 23.924 47.634 69.666 80.223
Cronbach’s alpha .843 .861 .842 -

Table 4.

Analysis of factors and reliability of identified benefits

Item Component
1 2 3
Recognized Benefit Relative benefit 1 .812
Relative benefit 2 .757
Compatibility 1 .423
Compatibility 2 .781
Compatibility 3 .647
Trial possibility 1 .790
Trial possibility 2 .689
Trial possibility 3 .835
Eigen-value 2.207 1.829 1.290
Explanation deviation(%) 27.591 22.861 16.126
Accumulative deviation(%) 27.591 50.452 66.578
Cronbach’s alpha .600 .600 .740

Table 5.

Analysis of factors and reliability of individual tendency

Item Component
1 2
User
Charateristic
Seek newness1 .847
Seek newness 2 .871
Seek newness 3 .779
Independent decision making 1 .471
Independent decision making 2 .808
Independent decision making 3 .819
Eigen-value 2.508 1.578
Explanation deviation(%) 41.796 26.307
Accumulative deviation(%) 41.796 68.102
Cronbach’s alpha .806 .633

Table 6.

Analysis of factors and reliability of diffusion mechanism

Item Component
1 2
Dispersion
mechanism
Online PR 1 .892
Online PR 2 .705
Online PR 3 .424
Offline PR 1 .400
Offline PR 2 .597
Offline PR 3 .915
Eigen-value 2.291 2.037
Explanation deviation(%) 38.189 33.950
Accumulative deviation(%) 38.189 72.139
Cronbach’s alpha .782 .777

Table 7.

Analysis of factors and reliability of resistance

Item Component
1 2 3
Resistance Postponement 1 .843
Postponement 2 .854
Postponement 3 .583
Rejection 1 .637
Rejection 2 .811
Rejection 3 .784
Opposition 1 .851
Opposition 2 .747
Opposition 3 .827
Eigen-value 2.776 2.682 .325
Explanation deviation(%) 30.849 29.798 5.838
Accumulative deviation(%) 30.849 60.647 86.484
Cronbach’s alpha .918 .903 .931

Table 8.

Hierarchical analysis : factors affecting postponement

Independent factor Dependent factor: postponement
Phase1 β
(p value)
Phase2 β
(p value)
Phase3 β
(p value)
Phase4 β
(p value)
Phase5 β
(p value)
※ p<.001***,p<.01**,p<.05*
Demographical Sex .049(.484) .084(.120) .069(.188) .083(.121) .077(.150)
Age -.096(.167) -.071(.192) -.067(.201) -.062(.244) -.067(.208)
Airport frequented .047(.494) .025(.642) .015(.778) .018(.730) .013(.806)
Frequency .091(.189) -.005(.926) .002(.967) .005(.928) -.003(.958)
Recognized risk Risk of time .129(115) .090(.274) .078(.343) .076(.354)
Physical risk .404***(000) .363***(.000) .368***(.000) .363***(.000)
Functional risk .170*(029) .176*(.024) .165*(.034) .159*(.042)
Social risk .027(655) .029(.622) .349(.727) .014(.818)
Recognized benefit Relative benefit .195**(.002) .211**(.001) .183**(.006)
Comparability -.001(.984) -.006(.927) -.011(.872)
Trial possibility -.138*(.027) -.153*(.020) -.153*(.020)
User characteristic Seek newness -.064(.320) -.102(.141)
Independent decision making .092(.134) .069(.268)
Dispersion mechanism Offline PR .072(.346)
Online PR .050(.537)
F(p value) 1.144(.337) 19.657(.000) 16.197(.000) 13.932(.000) 12.319(.000)
Statistics R2 .145 .656 .682 .687 .692
Adjusted R2 .021 .431 .465 .472 .479
Adjusted R2 change .003 .409 .436 .438 .440
Durbin-Watson 1.929

Table 9.

Hierarchical analysis : factors affecting rejection

Independent factor Dependent factor: postponement
Phase1 β
(p value)
Phase2 β
(p value)
Phase3 β
(p value)
Phase4 β
(p value)
Phase5 β
(p value)
※ p<.001***,p<.01**,p<.05*
Demographical Sex .040(.570) .080(.180) .080(.107) .087(.085) .084(.091)
Age -.060(.387) -.036(.475) -.034(.496) -.031(.535) -.039(.431)
Airport frequented .057(.415) .027(.597) .008(.872) .010(.846) .000(.995)
Frequency -.004(.952) -.115*(.023) -.097(.054) -.095(.066) -.106(.038)
Recognized risk Risk of time .135(.077) .128(.096) .122(.115) .117(.124)
Physical risk .536***(.000) .475***(.000) .478***(.000) .460***(.000)
Functional risk .110(.128) .125(.085) .120(.102) .121(.096)
Social risk -.001(.980) .011(.848) .007(.906) -.015(.791)
Recognized benefit Relative benefit -.035(..555) -.027(.655) -.070(.257)
Comparability .117(.063) .115(.075) .111(.081)
Trial possibility -.168**(.004) -.175**(.005) -.170**(.005)
User characteristic Seek newness -.035(.563) -.100(.121)
Independent decision making .045(.429) .018(.753)
Dispersion mechanism Offline PR .009(.902)
Online PR .171*(.025)
F(p value) .382(.822) 26.880(.000) 21.140(.000) 17.833(.000) 16.458(.000)
Statistics R2 .085 .713 .729 .730 .742
Adjusted R2 .007 .508 .531 .533 .551
Adjusted R2 change -.012 .489 .506 .503 .518
Durbin-Watson 2.085

Table 10.

Hierarchical analysis : factors affecting opposition

Independent factor Dependent factor: postponement
Phase1 β
(p value)
Phase2 β
(p value)
Phase3 β
(p value)
Phase4 β
(p value)
Phase5 β
(p value)
※ p<.001***,p<.01**
Demographical Sex .048(.487) .092(.062) .087(.069) .086(..080) .083(..083)
Age -.119(.086) -.098*(.049) -.096*(.047) -.098*(..043) -.107*(..024)
Airport frequented .115(.093) .078(.113) .057(.239) .056(.248) .045(..341)
Frequency .053(.442) -.061(.220) -.049(.312) -.046(.360) -.058(..234)
Recognized risk Risk of time .063(.404) .062(.404) .065(.386) .060(.418)
Physical risk .649***(.000) .560***(.000) .559***(.000) .538***(.000)
Functional risk .055(.437) .090(.203) .090(.204) .092(.187)
Social risk -.047(.391) -.045(.407) -.041(.456) -.066(.223)
Recognized benefit Relative benefit .015(.798) .012(.840) -.037(.528)
Comparability .178**(.004) .185**(.003) .181**(.004)
Trial possibility -.187**(.001) -.177**(.003) -.171**(.004)
User characteristic Seek newness -.004(.941) -.079(.202)
Independent decision making -.028(.621) -.059(.296)
Dispersion mechanism Offline PR .005(.943)
Online PR .202**(.006)
F(p value) 1.684(.155) 28.398(.000) 23.457(.000) 19.709(.000) 18.677(.000)
Statistics R2 .175 .723 .746 .747 .763
Adjusted R2 .031 .522 .557 .558 .582
Adjusted R2 change .013 .504 .533 .530 .551
Durbin-Watson 2.230

Table 11.

Relative influence of different factors

Independent factor Postponement Rejection Opposition
β P β P β P
※ p<.001***,p<.01**,p<.05*
Recognized risk Risk of time .080 .324 .125 .099 .058 .431
Physical risk .355 .000 .429 .000 .523 .000
Functional risk .163 .036 .124 .089 .102 .146
Social risk .013 .834 -.013 .812 -.071 .190
Recognized benefit Relative benefit .188 .005 -.061 .325 -.029 .626
Comparability -.016 .820 .109 .089 .177 .005
Trial possibility -.160 .014 -.182 .003 -.189 .001
User characteristic Seek newness -.088 .194 -.103 .104 -.074 .228
Independent decision making .064 .299 .009 .882 -.061 .272
Dispersion mechanism Offline PR .081 .289 .012 .864 .009 .900
Online PR .043 .592 .157 .039 .192 .010
Adjusted R2 .471 .535 .564