Korean Institute of Information Technology
[ Article ]
The Journal of Korean Institute of Information Technology - Vol. 18, No. 10, pp.123-132
ISSN: 1598-8619 (Print) 2093-7571 (Online)
Print publication date 31 Oct 2020
Received 28 Jul 2020 Revised 21 Sep 2020 Accepted 24 Sep 2020
DOI: https://doi.org/10.14801/jkiit.2020.18.10.123

온라인 주관적 집단품질평가와 온라인 표시가격 간 상관관계에 관한 연구: 중국 호텔의 온라인 고객평점을 중심으로

곽영식* ; 왕설**
*경남과학기술대학교 경영학과 교수
**경남과학기술대학교 경영학과 (교신저자)
A Study on the Correlation between Online Subjective Group Quality Evaluation and Online List Price: Focusing on Online Customer Ratings in Chinese Hotels
Youngsik Kwak* ; Xue Wang**

Correspondence to: Xue Wang Dept. of business administration, Gyeongnam national university of science and technology, 33 Dongjin-ro, Jinju, Gyeongsangnamdo, 52725, Korea, Tel.: +82-55-751-3454, Email: wangxue89111@naver.com

초록

상품에 대한 품질평가와 가격 간의 상관관계에 대한 연구는 1980년대부터 최근까지 40여 년간 한국 미주 유럽 등지에서 꾸준히 계속되어왔다. 그러나 중국의 경우에는 온라인 상의 집단적 품질평가와 가격과의 관계를 살핀 연구가 진행되지 않았다. 이 연구는 시장성장률이 높고 다수의 고객이 집단적으로 주관적 품질을 평가한 결과를 추적할 수 있는 중국 4개 도시에 소재한 3성 4성 5성 호텔을 대상으로 온라인 고객평점과 온라인 표시가격 간의 상관관계를 조사하여 보고하였다. 그 결과 평점이 높다고 반드시 가격이 높은 것이 아니며, 가격이 높다고 그만큼의 품질을 보장하는 것도 아닌 중국도시과 호텔등급을 확인하였다. 실무적으로는 고객평점이 높고 가격이 낮은 호텔이 AI를 이용한 가격조정시스템을 구축하여 고객에게 새로운 가격을 노출시켜 매출을 상승시킬 기회를 제공하였다.

Abstract

Although the studies on the correlation between quality evaluation and price of products have been investigated in Korea, America and Europe for more than 40 years from 1989 until now. However, the study on the relationship between online quality evaluation and price has been investigated relatively rare in China. The study investigated and reported the correlation between online customer ratings and online list price of 3 stars, 4 starts, 5 stars hotels in 4 cities in China. As a result, it is confirmed that hotels with a high online rating have not shown a high price, and a high list price on online also doesn't relate to equivalent quality ratings. In practice, The results of the study provided an opportunity to increase sales by adjusting the online price for hotels with high customer rating and low prices using the price adjustment system adopting AI.

Keywords:

subjective quality, group evaluation, online customer ratings, list price, China hotel industry

Ⅰ. 서 론

인프라측면에서 인터넷의 빠른 속도 성장과 빅데이터를 기반으로 하는 기업의 각종 IT(Information Technology)기반 서비스제공으로 소비자가 정보를 수집하는 탐색수단이 과거와는 달리 확대되는 추세이다[1]. 이런 흐름 속에서 이 연구에서 초점을 맞춘 탐색활동의 대상은 기업이 고객에게 노출시키는 공급가격과 수요자인 고객들이 집단적으로 실시한 품질평가에 대한 것이다. 최근의 소비자들은 해당 제품에 대해 지각하는 위험과 불확실성을 감소시키기 위해 소비자가 온라인 평가와 가격을 탐색하고 종합하여 가성비가 높은 제품을 많이 선호하는 경향을 보인다[2]. 또한, 평점과 같은 비기술적인 정보는 실시간 판매순위와 유의한 상관관계가 존재한다[3].

고객들이 탐색하는 품질과 가격에 관한 기존 연구의 특징은 다음과 같다. 첫째, 시간측면에서 품질과 가격 간의 관계를 살피는 연구는 오프라인의 상품을 대상으로 1980년대 시작되었다. 최근에는 온라인으로 확대되는 양상을 보인다[4]. 둘째, 공간측면에서 연구대상지역의 광범위함이 특징이다. 한국, 일본, 미국, 중국 등 다양한 국가에서 품질과 가격 간의 연구가 진행되어 보고되어 왔다[5]. 이 중 중국은 다른 나라에 비해 최근에서야 연구를 시작하였다.

셋째, 측정범위측면에서 품질은 객관적 품질과 주관적 품질로 크게 나뉘어 가격과 분석되어 보고되어왔다[6]. 이 중 객관적 품질과 가격과의 관계가 가장 많이 연구되었다. 객관적 품질은 온라인 가격과 오프라인 가격과 모두 연구되어 왔다. 주관적 품질 중 전문가의 품질평가가 상대적으로 일반구매자의 품질평가보다 많이 연구되었다. 주로 와인을 대상으로 한 경우가 많았다.

넷째, 품질평가의 대상은 제품에서 서비스까지 다양하게 나타났다. 제품에서는 내구재 및 비내구재가 모두 보고되고 있다. 2000년대 이전에는 제품에 대한 품질평가가 많았지만 2000년대 이후에는 탐색재와 경험재에 대한 보고가 포함되고 있다. 이런 흐름은 객관적 품질 평가 흐름에서 주관적 품질평가에 대한 연구흐름의 변화와 괘를 같이한다. 경험재와 탐색재는 주관적 품질과 관련이 많았다.

다섯째, 기존 연구에서는 품질평가 주체의 구분이 명확하게 드러난다. 주관적 품질은 전문가나 소비자가 개인 또는 집단이 평가하는 것으로 나타났다. 반면에 객관적 품질은 정규품질평가기관과 일시적 품질평가기관이 평가하는 영역으로 구분되었다.

여섯째, 주관적 평가이든 객관적 평가이든 평가를 위해 IT정보 기반 데이터가 제공되고 있을 뿐만 아니라 과거의 데이터를 기반으로 하여 사용자가 원하는 최적화된 아이템을 무엇인가를 예측하고 추천하는 시스템도 구축되었다[7].

일곱 번째, 상대적으로 연구가 부진한 영역은 ‘주관적 품질 집단평가와 온/오프라인 가격’과의 관계를 연구하는 부분이다.

Classification of existing research on the relationship between quality evaluation and price

이 연구의 목적은 온라인 상의 주관적 집단품질평가와 온라인 가격 간 상관관계를 실증분석하여 학술적 공백을 메우는데 있다. 특히 연구성과가 상대적으로 미흡한 중국의 서비스산업 중 호텔산업을 대상으로 유통망측면에서는 온라인에서, 품질평가측면에서는 주관적 집단품질 평가인 온라인 고객평점, 가격측면에서는 소매가격인 온라인 표시가격을 살펴보고자 한다. 실무적 공헌점으로 고객시각에서 주관적 품질이 높은 호텔에 저렴하게 숙박하거나 주관적 품질에 상응하는 가격을 지불하고 숙박할 수 있는 기회를 갖게 될 것이다. 마케터측면에서는 고객의 주관적 품질평가 대비 가격을 인상 또는 인하할 수 있는 기초자료를 제공받을 수 있을 것이며 이를 기초로 고객에게 IT기반과 AI(Artificial Intelligence) 알고리즘으로 새로운 가격정보를 고객에게 노출시킬 수 있어서 이익 및 매출증대에 공헌할 것으로 판단된다.


Ⅱ. 문헌고찰

2.1 품질의 대상에 따른 분류

기존 연구에서 품질은 주관적 품질과 객관적 품질로 크게 분류되어 분석되어 왔다[6]. 주관적 품질은 소비자나 전문가가 지각된 판단한 품질을 의미하는 것으로 제품에 대한 지각된 느낌이나 이미지에 의한 판단[9] 또는 제품의 우월성, 혹은 탁월성에 관한 소비자의 판단을 말한다. 이에 비해 객관적 품질은 제품 자체의 물리적 속성이나 기능과 관련된 제품의 품질을 말한다. 객관적 품질평가는 제품 중심적 접근으로 객관적으로 측정될 수 있으며 제품의 구성성분, 내구성 서비스의 용이성 등과 같은 내재적 특성에 의해 제품의 상대적 품질점수를 결정하게 된다[10].

그런데 일반적으로 소비자는 제품품질을 객관적으로 평가한 과학적 도구를 가지고 있지 못하기 때문에 품질 평가를 쉽게 접할 수 있는 가격, 상표 등 다양한 요소들을 기반으로 주관적으로 품질을 평가하게 된다. 즉, 주관적 품질은 소비자 중심의 관점에서 출발하고 객관적인 품질은 제품이나 제조 중심으로 평가한다.

2.2 가격과 품질 간의 상관관계에 대한 기존 연구

가격과 품질의 관계를 밝히는 연구는 오랜 역사를 갖고 있다. 국내연구는 이기춘, 송인숙(1988)[4]의 '소비자제품의 비교테스트정보 분석에 의한 가격과 품질의 상관관계 연구' 로부터 시작하여 주로 2000년대 이전까지 활발히 진행되었다.

1990년대에는 김용준(1993)[10]의 연구 '비싼 제품이 과연 좋은가?‘라는 주제를 갖고 1994년∼1998년도의 한국시장을 대상으로 연구를 진행하였다. 2000년 이후에는 유현정, 송유진, 오아름(2008)[11]는 1996년 1월부터 2006년 4월까지 발행된 월간 '소비자시대'의 상품테스트 자료를 통해 제품의 가격과 품질간의 상관관계를 분석하였다. 분석 결과는 분석대상으로 사용된 제품의 가격과 품질 간의 상관관계는 상품에 따라 매우 상이하게 나타났다.

2.3 온라인 품질평가와 가격과의 관계에 대한 기존 연구

위의 연구들은 모두 객관적 품질과 가격 간의 상관관계를 살폈다는 특징이 있다. 반면에 주관적 품질을 살피는 연구가 최근 등장했다. 조미혜, 임재완(2018)[5]의 연구는 호텔의 온라인 예약 시스템 정보가 객실 요금에 미치는 영향을 실증 분석을 하였다. 서울시 소재 4, 5성급 호텔을 대상으로 헤도닉가격모형을 이용하여 호텔 품질 신호, 호텔 속성, 고객평가, 온라인 판매촉진이 호텔 객실 요금에 미치는 영향을 분석한 결과, 호텔 품질 신호, 호텔 속성 요인이 호텔 객실 요금에 유의한 긍정적인 영향을 미치는 한편 판매 촉진 활동이 객실 요금에 유의적인 영향을 미친 것으로 나타났다.

이와 같이 기존 연구를 살펴보면 90년대 이래 비영리 공공기관이 발행한 객관적 상품 테스트 자료를 이용하여 가격과 품질의 상관관계를 분석하는 연구가 대부분이다. 왜냐하면 인터넷 발달하지 않은 시절에 소비자의 피드백을 수집하는 것은 쉬운 일이 아니기 때문이다. 인터넷은 빠르게 보급화 되면서 쉽게 정보를 수집을 수 있다. 객관적 평가뿐만 아니라 주관적 평가도 공유할 수 있게 되었다. IT기반의 사이트가 서비스에 이용되면서 주관적 품질에 대한 연구가 진행하기 시작한 것이다.

2.4 중국의 호텔 품질평가와 가격 간의 관계에 대한 기존 연구

중국의 호텔에 대한 연구는 주로 서비스품질에 집중된 모습을 보인다. 가격과는 연관되지 않는다는 특징이 있다. 중국 호텔 서비스 품질에 대한 연구는 대개 1989년부터 시작하였다. 연구의 초기 단계에는 호텔 서비스 품질의 특성을 탐색하거나 국제적으로 통용되는 품질 표준을 이용하여 중국 국내의 호텔의 부족함을 분석했다. 또한 경험의 입장에서 호텔 서비스 품질을 개선하는 조치를 연구하기도 하였다. 21세기에 경제가 발전하면서 호텔 서비스 품질에 대한 연구도 점점 많아지고 있다.

Zhang 등(2011)[12]은 온라인 정보가 온라인 호텔 예약에 미치는 영향을 연구하였다. 연구는 Ctrip의 북경, 상해, 광주 위주 한 15개 도시의 5성, 4성, 3성 및 이코노미 호텔을 선정하였다. Ctrip의 추전정보(2개), 호텔 특성 정보(3개), 온라인평가정보(5개)를 수집하고 회귀분석을 실시하였다. 가격만을 특별히 초점을 맞추어 연구한 것은 아니다.

5성 호텔 서비스 품질에 대해 Ai & Nan(2014)[13]는 호남성 5성 호텔을 대상으로 Ctrip의 평가정보(전체적인 평가, 시설, 서비스)를 수집하고 분석하였다. 호남성의 5성 호텔의 전체적인 평가는 5성 급의 수준에 미달하고 추천과 답변이 많지 않으며 온라인 평가를 잘 활용하지 않은 것으로 판단하였다.

Li & Wu(2017)[14]는 이코노미 호텔의 고객만족과 전자구비의 현황에 대한 연구하였다. Ctrip에 대련의 5개 이코노미 호텔 브랜드의 온라인 평가 데이터를 수집하고 ANOVA 분석을 실시하였다. 결론은 시장 진입이 빠를수록 호텔의 규모도 상대적으로 크고 등급 평점도 높을 수 있으며 온라인 평가의 수량과 호텔 등급, 오픈시간, 호텔의 객실수량의 관계는 정의 관계를 갖지 않는 것으로 나타났다.


Ⅲ. 실증분석을 위한 연구설계

3.1 연구문제

이 연구의 목적은 북경, 상해, 광주, 중경에 소재한 호텔의 이용자가 남긴 주관적 평가인 온라인 고객평점과 온라인 상의 표시가격(list price)간의 상관관계를 실증분석하는 것이다. 아직 어느 연구자도 탐구하지 않는 현상을 탐구하는 것이므로 이 연구는 다음과 같이 연구문제(research questions)를 설정하였다. 이 연구의 궁극적인 목적인 연구문제 3을 위해 연구문제 1과 2는 예비적인 탐색분석이다.

연구문제 1: 중국 북경 상해 광주 중경의 3성 4성 5성급 호텔 간의 온라인 고객평점의 차이가 있는가?

연구문제 2: 중국 북경 상해 광주 중경의 3성 4성 5성급 호텔 간의 온라인 표시가격의 차이는 있는가?

연구문제 3: 중국 북경 상해 광주 중경의 3성 4성 5성급 호텔의 온라인 고객평점과 온라인 예약 표시가격 간에 상관관계가 얼마나 있는가?

3.2 표본수집

본 연구는 중국 국내에 시장점유율이 제일 큰 여행서비스 사이트 Ctrip(携程网 https://hotels.ctrip.com/)에서 예약 가능한 호텔 정보 중 온라인 상 고객평점과 표시가격 데이터를 수집하였다.

연구대상 도시는 1선 도시인 중국의 수도인 북경, 상해와 광주 그리고 서남지역의 직할시인 중경을 선정하였다. 중국은 전체 도시를 5개 등급으로 나누어 행정 등에 사용하는데, 위 표본도시는 모두 1선급 도시이다. 이는 등급에 따라 도시별 호텔의 온라인 고객평점과 가격이 다를 수 있는 가능성을 배제하기 위해서이다.

호텔의 가격은 요일에 따라서 변동할 수 있지만, 상대적으로 주말에 비해 평일에는 변동이 크지 않기 때문에 주말이 아닌 평일을 연구 관찰 시점으로 잡았다. 온라인 표시가격을 수집한 시기는 2020년 6월 10일-11일의 1박 요금으로 대상을 한정하여 해당일 1주일 전 예약 시 표시되는 가격을 수집하였다. 고객평점을 예약시점까지의 평점을 수집하였다.

대상 도시에 속하는 호텔 중 중국 국가관광국 평정한 별 3개, 별 4개, 별 5개의 호텔을 정하고 객실 조건은 트윈을 기준으로 하였으며, 아침식사는 포함하지 않은 조건을 탐색하였다. 국가관광국이 평가하여 부여한 별의 개수와 호텔 자체적으로 부여한 별의 개수가 다르기 때문에, 이 연구는 중국 정부가 공인한 호텔만을 대상으로 한 것이다.


Ⅳ. 연구결과

4.1 표본의 기술분석 결과

표본의 기술통계는 표 2와 같다. 수집된 표본의 수를 지역적으로 보면 북경에서 191개, 상해에서 150개, 광주에서 89개, 중경에서 95개 호텔이 연구대상이 되었다.

Descriptive analysis results of four cities’ hotels

4.2 연구문제 1 분석결과: 도시 내 호텔 성급 간 고객평점차이분석

연구문제 1은 중국의 북경 상해 광주 중경의 3성 4성 5성급 호텔 간의 온라인 고객평점의 차이가 있는가 하는 것이었다. 이 연구문제를 위해 도시별로 호텔 성급 간에 온라인 고객평점의 평균차이를 ANOVA와 Scheffe로 분석하였다.

그 결과 북경 호텔 성급에 따라 온라인 고객평점의 평균은 99% 신뢰수준에서 유의한 차이가 있었다(F=21.35, p=0.0001). Scheffe의 사후분석을 실시한 결과, 고격평점은 5성이 4성보다 높고 4성이 3성 호텔의 평점평균보다 높은 것으로 통계적으로 유의하게 나타났다.

Average difference analysis for online customer ratings of Beijing hotels by grades

상해 호텔 성급에 따라 온라인 고객평점의 평균은 99% 신뢰수준에서 유의한 차이가 있었다(F=30.72, p=0.0001). Scheffe의 사후분석 결과는 고객평점평균은 4성 대비 5성이 더 높은 것으로 나타나고 3성 대비 4성이 통계적으로 유의하게 더 높게 나타났다.

Average difference analysis for online customer ratings of Shanghai hotels by grades

광주 호텔 성급에 따라 온라인 고객평점의 평균은 99% 신뢰수준에서 유의한 차이가 있는 것으로 나타났다(F=9.425, p=0.0001). Scheffe의 사후분석을 실시한 결과, 5성과 4성, 3성 간에는 유의한 차이가 있다고 볼 수 있고 4성과 3성 간에 유의한 차이가 없으며, 5성 호텔의 고객평점의 평균이 3성, 4성 호텔보다 통계적으로 높은 것으로 판단할 수 있다.

Average difference analysis for online customer ratings of Guangzhou hotels by grades

Average difference analysis for online customer ratings of Chongqing hotels by grades

중경 호텔 성급에 따라 온라인 고객평점의 평균은 99% 신뢰수준에서 유의한 차이가 있었다(F=16.57, p=0.0001). Scheffe의 사후분석을 실시한 결과, 3성과 5성, 4성 간에는 유의한 차이가 있다고 볼 수 있고 5성과 4성 간에 유의한 차이가 없는 것으로 나타났다. 5성과 4성 호텔의 평균고객평점이 3성 호텔보다 높은 것으로 판단할 수 있다.

4.3 연구문제 2 분석결과: 도시 내 호텔 성급 간 표시가격 차이분석

연구문제 2는 중국의 북경 상해 광주 중경의 3성 4성 5성급 호텔 간의 온라인 표시가격의 평균차이가 존재하는가 하는 것이었다. 이 연구문제를 위해 도시별로 호텔 성급 간에 온라인 표시가격에 대한 평균차이를 ANOVA와 Scheffe로 분석하였다.

북경 호텔 성급 간에 온라인 표시가격의 평균차이 분석을 위한 ANOVA결과에 따르면 F=101.6(p=0.0001)로 나타나, 신뢰수준 99%선에서 통계적으로 유의한 차이를 발견하였다. Scheffe의 사후분석을 실시한 결과를 보면 5성의 평균가격이 4성보다 크며, 4성의 평균이 3성보다 비싼 것으로 나타났다.

Average difference analysis for online list price of Beijing hotels by grades

상해 호텔 성급 간에 온라인 표시가격의 평균은 99% 신뢰수준에서 유의한 차이가 있었다(F=40.820, p=0.0001). Scheffe의 사후분석을 실시한 결과, 4성과 3성 호텔의 표시가격의 평균이 유의한 차이가 없고 5성 호텔과 3성 및 4성 호텔 표시가격의 평균이 유의한 차이가 있는 것으로 나타났다.

Average difference analysis for online customer ratings of Shanghai hotels by grades

광주 호텔 성급 간에 온라인 표시가격의 평균은 99% 신뢰수준에서 유의한 차이가 나타났다(F=74.848, p=0.0001). Scheffe의 사후분석을 실시한 결과, 5성, 4성, 3성 간에 유의한 차이가 있다고 볼 수 있다. 5성의 평균표시가격이 4성보다 비싸며, 4성의 평균이 3성보다 비싼 것으로 나타났다.

Average difference analysis for online customer ratings of Guangzhou hotels by grades

중경 호텔 성급 간에 온라인 표시가격의 평균은 99% 신뢰수준에서 유의한 차이가 있었다(F=75.342, p=0.0001). Scheffe의 사후분석을 실시한 결과, 5성, 4성, 3성 호텔의 표시가격의 평균은 유의한 차이가 있다고 볼 수 있다. 5성의 평균이 4성보다 크며, 4성의 평균이 3성보다 큰 것으로 나타났다. 그래서 5성 호텔의 표시가격이 4성보다 비싸고 4성 호텔의 표시가격이 3성 호텔보다 비싸다고 판단할 수 있다.

Average difference analysis for online customer ratings of Chongqing hotels by grades

4.4 연구문제 3 분석결과: 온라인평점과 표시가격 간의 상관관계분석

연구문제 3은 중국 4개 도시의 성급별 호텔의 표시가격과 온라인 고객평점 간의 상관관계가 얼마나 있는가 하는 것을 실증분석하는 것이다. 이 호텔의 가격과 평점의 상관관계를 분석하기 위하여 Pearson 상관계수와 Spearman 상관계수를 이용하여 측정하였다. 먼저 북경 호텔의 Pearson 상관관계와 Spearman 분석 결과는 다음 표 11과 같다.

Correlation Beijing hotels’ price and ratings

북경호텔을 대상으로 한 상관관계 분석결과를 보면 5성, 4성, 3성 모두 표시가격과 온라인평점 간에 양의 상관관계가 도출되었다. 5성 호텔의 Pearson 상관계수와 Spearman 상관계수는 모두 0.5 이상의 강한 양의 상관관계를 보여주었다. 반면에 4성 호텔은 약한 양의 상관관계를 보여주었다. 3성 호텔은 5성보다 낮지만 4성보다 높은 편이다. 북경에서 주관적으로 좋은 품질의 호텔에서 숙박하기 위해서는 더 많은 돈을 지불해야 하는 것으로 도출되었다. 즉, 비싼 호텔이 고객에게 높은 평점을 받았다.

Correlation Shanghai hotels’ price and ratings

상해 호텔의 상관관계 결과를 살펴보면 5성 호텔의 Pearson 상관계수와 Spearman 상관계수 모두 0.4이상의 양의 상관관계가 보여주었다. 반면에 4성이나 3성 호텔의 경우는 Pearson 상관관계가 유의하지 않은 것으로 나타났다. Spearman 상관관계는 90% 신뢰수준에서 유의하게 나타났는데 약한 상관계수가 도출되었다. 따라서 상해에서는 3성이나 4성 호텔에서는 가격이 증가한 만큼 온라인평점이 증가하지 않았다. 반대로 온라인평점이 증가한 만큼 표시가격이 증가하지 않는 것으로 나타났다. 즉, 상해에서는 저렴한 호텔에서도 높은 품질의 숙박을 즐길 수 있는 기회가 북경보다 상대적으로 높은 것으로 나타난 것이다. 상해에서는 평점이 좋은 3성이나 4성 호텔에서 숙박해도 상대적으로 저렴한 호텔에서 숙박할 수 있음을 보여준다.

Correlation GZ hotels’ price and ratings

광주호텔의 분석 결과는 3성 호텔에서만 가격과 평점에 약한 양의 상관관계를 보여주었다. 5성이나 4성 호텔의 상관관계는 유의하지 않게 나타나기 때문에 주관적 품질을 표시하는 평점이 높다고 해서 표시가격이 그에 상응하는 만큼 증가하지 않는 것을 의미하였다. 반대로 표시가격이 증가한다 해도 온라인 고객평점이 증가하지 않는 것을 의미한다. 즉, 저렴한 가격으로 숙박할 수 있는 기회가 있는 것으로 나타났다.

한편 위와 같은 결과는 광주의 성별 호텔 수의 차이 때문에 발생할 수 있다. 표본수집 시점에 5성 호텔은 22개, 4성 호텔 20개, 3성 호텔이 47개이었다. 호텔예약자들이 선택할 수 있는 호텔 중 정규분포이상의 표본 수를 3성 호텔만이 갖고 있었다.

Correlation CQ hotels’ price and ratings

중경호텔은 5성, 4성, 3성 모두 가격과 평점간의 통계적으로 유의한 상관관계가 도출되지 않았다. 주관적 품질을 표시하는 고객평점이 높다고 해서 가격이 그에 상응하는 만큼 증가하지 않는 것을 의미하였다. 반대로 가격이 높아진다고 고객이 느끼는 품질이 좋아지지 않는다는 것을 뜻한다. 고객들은 고객평점이 높고 가격이 낮은 호텔을 찾을 수 있는 기회가 많다.

한편, 표본수집 시점에 중경의 성별 호텔 수는 5성 24개, 4성 37개, 3성 34개이다. 5성호텔 수는 정규분표이상의 표본 수를 갖고 있지 않았다. 그러므로 위와 같은 결과는 호텔 수의 차이 때문에 발생할 수도 있다.


Ⅴ. 결론 및 한계점

연구는 중국 북경, 상해, 광주, 중경의 별 3개, 4개, 5개의 호텔을 대상으로 성급별 인터넷 고객평점과 표시가격 간의 상관관계를 살펴보았다. 온라인 고객평점과 표시가격 간의 상관관계 분석 결과를 보면 도시마다 차이가 존재한다.

북경 5성, 4성, 3성 호텔의 표시가격과 고객평점이 정의 상관관계를 가지고 있다. 이것은 고가격이 고품질의 신호가 될 수 있기를 뜻하며 품질이 좋은 호텔에서 숙박하려면 그만큼의 금전을 지불해야 한다는 것을 의미한다. 상해 호텔의 경우 5성 호텔만 온라인 표시가격과 고객평점간의 강한 양의 상관관계가 도출되었다. 이런 결과는 상해의 3성, 4성 호텔의 가성비가 높을 수 있어서 저렴한 곳에서도 높은 품질의 숙박을 즐길 수 있다는 것을 보여준다. 평점이 좋은 3성이나 4성 호텔에서 만족을 얻을 수 있는 기회가 북경보다 상대적으로 높았다. 광주 호텔의 경우 3성 호텔에서만 상관관계가 양으로 나타났다. 그래서 광주에서는 4성 및 5성급 호텔에서 상대적으로 저렴한 가격으로 좋은 품질의 숙박을 즐길 수 있다. 중경의 경우는 5성, 4성, 3성 호텔은 모두 가격과 평점간의 상관관계가 유의하지 않게 나타났다. 그러므로 중경 호텔의 각 성급에서 품질이 좋고 가격이 비싸지 않은 호텔에서 숙박할 수 있다. 중경에서 고객은 평점이 좋은 호텔을 선택하는 것이 바람직하다. 이 연구결과는 고객들은 부지런히 인터넷 검색을 통해 평점이 좋은 호텔을 검색함으로써 저렴한 가격에 품질평점이 좋은 호텔에서 머물 수 있는 기회를 갖게 되었다.

결론적으로 고객시각에서 이 연구의 실증분석은 고객평점이 높고 가격이 높은 호텔이 있고, 평점이 높지만 가격이 높지 않은 호텔도 있으며, 평점이 낮지만 가격이 높은 호텔이 존재한다는 것을 시사하였다. 가격이 저렴해도 평점이 좋은 호텔이 도출된 원인은 중국 내 호텔의 급격한 증가로 인한 경쟁심화로 호텔 간 서비스품질 개선노력이 이루어진 결과일 수 있다. 반면에 가격이 비싸도 평점이 좋지 못한 호텔이 연구결과로 밝혀진 것은 등급에 걸맞는 서비스품질제공에 실패한 호텔이 존재한다는 공급측면과 등급에 맞는 서비스품질을 기대하였지만 실제 경험치가 이에 도달하지 못한 고객의 수요측면이 있다고 할 수 있다.

이 연구의 학술적 공헌점은 경험재인 호텔을 대상으로 중국에서 온라인 상의 주관적 품질평가와 가격간의 관계를 실증 분석한 최초의 연구라는 점이다. 기존 객관적 품질과 가격간의 상관관계에 대한 연구는 각국에서 많이 실시되어 왔다. 중국은 상대적으로 주관적 품질과 소비자행동변수 간의 관계를 살피는 연구가 많았다. 이 연구는 상대적으로 공백으로 남아 있는 주관적 품질과 가격과의 관계를 살피는 연구에 초점을 맞추고 있다. 실무적으로는 상해 광주 중경의 대다수의 호텔마케터는 자신 호텔의 평점이 높으며 상대적으로 비싸지 않다는 것을 고객에게 어필해야 한다는 시사점을 얻을 수 있었다.

실무적 공헌점으로 고객시각에서 주관적 품질이 높은 호텔에 저렴하게 숙박하거나 주관적 품질에 상응하는 가격을 지불하고 숙박할 수 있는 기회를 갖게 되었다. 마케터측면에서는 고객의 주관적 품질평가 대비 가격을 인상 또는 인하할 수 있음을 발견했으며 이를 기초로 고객에게 IT기반으로 AI 알고리즘을 이용하여 새로운 가격정보를 노출시킬 수 있어서 이익 및 매출증대에 공헌할 것으로 판단된다. 기업은 지속적으로 고객평점을 추적하고 예약가격 조정을 실시해야 하는 것으로 나타났다.

연구의 한계점은 데이터가 갖는 측정시점에서 한계점을 발견할 수 있다. 소비자들이 숙박을 실시한 후 호텔에 대해 고객평점을 매기기 때문에 평점은 과거품질을 대표하는 것이다. 반면에 지나간 날에 대응하는 호텔 가격을 조회하기가 불가능하기 때문에 본 연구는 미래에 호텔을 예약하는 표시가격을 이용하기로 했다. 또한, 표본 수의 한계가 있다. 실제로 호텔이 많이 있지만 중국 중앙정부의 국가관광국의 평정을 받은 호텔이 많지 않았다. 국가관광국의 평정을 받지 않은 호텔의 성급 구분은 호텔 예약 사이트가 평정해 준 것이기 때문에 5성은 5성이 아니고 4성 정도밖에 안 될 수도 있다. 그래서 분석의 정확성을 극대화하기 위해서 국가관광국의 평정을 받은 호텔만 선정하였다.

미래연구는 호텔에 대한 객관적 품질과 가격 간의 관계를 살피는 연구와 주관적 품질 평가를 고객이 아닌 전문가나 제3의 인증기관 등으로 확대하여 실증분석을 할 공백을 메워야 할 것이다. 또한 고객평점에 영향을 미치는 요인에 대해 탐색하고 이를 통해 고객평점을 높이려면 어떻게 해야 할지 마케터에게 유용한 정보를 제공할 수 있음을 살피는 연구도 유용할 것이다.

Acknowledgments

이 논문은 2020년도 경남과학기술대학교 대학회계 연구비지원에 의해 연구되었음

References

  • Y. J. Lee and C. S. Yum, "A study on the customer value influencing customer satisfaction and recommendation of mobile communication Applications", Journal of KIIT, Vol. 17, No. 3, pp. 1-10, Mar. 2019. [https://doi.org/10.14801/jkiit.2019.17.3.1]
  • M. W. Gao and S. M. Park, "Prior industry experience, product attributes and online customer review on new product sales: TV products on chinese online shopping", Journal of Technology Innovation, Vol. 24, No. 1, pp. 85-112, Feb. 2016. [https://doi.org/10.14386/SIME.2016.24.1.85]
  • S. Z. Nam, "Analysis of correlation between real-time sales ranking and information provided by mobile movie platform: Focus on nondescriptive information in Google Play Store’s Best-selling Movies", Journal of AITC, Vol. 9, No. 2, pp. 41-54, Dec. 2019. [https://doi.org/10.14801/JAITC.2019.9.2.41]
  • K. C. Lee and I. S. Song, "Price - quality correlations through consumer product testing information", Journal of Korean Home Management Association, Vol. 6, No. 2, pp. 53-65, Dec. 1988.
  • M. H. Cho and J. M. Lim, "Impacts of online reservation system information on hotel room rates", Journal of Appraisal Studies, Vol. 17, No. 3, pp. 85-108, Dec. 2018. [https://doi.org/10.23843/as.17.3.5]
  • Y. Nam, Y. Kwak and Y. Kwak, "A study of the effects of a wine critic’s evaluation on the retail prices in Korea; with on-line evaluation basis, information", An International Interdisciplinary Journal, Vol. 16, No. 1B, pp. 569-574, 2013.
  • E. Y. Bae and S. J. Yu, "Keyword-based recommender system dataset construction and analysis", Journal of KIIT, Vol. 16, No. 6, pp. 91-99, Jun. 2018. [https://doi.org/10.14801/jkiit.2018.16.6.91]
  • R. A. Peterson. "The price-perceived quality relationship: Experimental evidence", Journal of Marketing Research, Vol. 7, No. 4, pp. 525-528, Nov. 1970. [https://doi.org/10.1177/002224377000700415]
  • G. B. Sproles, "From perfectionism to fadism: measuring consumers’ decision-making styles", Proceedings, American Council on Consumer Interests, Vol. 31, No. 2, pp. 79-85. Columbia, MO: ACCI. 1985.
  • Y. J. Kim, "Price-objective quality correlations in the korean market", Journal of Consumer Studies, Vol. 4, No. 1, pp. 3-21, May. 1993.
  • H. J. Yoo, E. G. Song and A. R. Oh, "Price-objective quality correlations in the korean market through the product test information analysis", Journal of Consumption Culture, Vol. 11, No. 1, pp. 95-120, Mar. 2008 [https://doi.org/10.17053/jcc.2008.11.1.005]
  • M. Zhang, G. Y. Zhang and Z. L. Ye, "Exploring the impact of online information on hotel e-bookings: Based on the analysis of the data from Ctrip", Tourism Tribune, Vol. 26, No. 7, Jul. 2011.
  • X. Y. Ai and X. P. Nan, "Research of five star hotel’s service quality status in hunan province based on internet comments", Journal of Central South University of Forestry & Technology (Social Sciences), Vol. 8, No. 3, Jun. 2014.
  • F. Li and K. Wu, "A comparative study of the budget hotel brands based on the analysis of online reviews", Tourism Research, Vol. 9, No. 3, pp. 71-81, Mar. 2017.
저자소개
곽 영 식 (Youngsik Kwak)

1997년 8월 : Texas Tech University Merchandising(Master of Science)

1999년 2월 : 성균관대학교 경영학과(경영학박사)

2003년 3월 ~ 현재 : 경남과학기술 대학교 경영학과 교수

관심분야 : e-biz/가격책정

왕 설 (Xue Wang)

2019년 8월 : 경남과학기술대학교 창업학과(창업학석사)

2019년 9월 ~ 현재 : 경남과학기술 대학교 경영학과 박사과정

관심분야 : e-biz/가격책정

Table 1.

Classification of existing research on the relationship between quality evaluation and price

Quality evaluation subject Examples of quality evaluation Offline price study Online price study
Subjective quality evaluation Experts Personal Music critique, Art critique, Wine critic Robert Parker score Europe, America (wine) Europe, America (wine)
Group Michelin Guide, wine spectator, National corruption index, National competitiveness Index Europe, America (wine) Europe, America (wine)
Consumers Personal Comment, Mobile game valuation, V log
Group Online customer ratings, Total number of good, Total subscribers the position of this study
Objective quality evaluation Regular quality evaluation organization Professional evaluation journal (Consumer Report, Monthly consumer. Consumer time, etc.) America, Japan, Korea (Various goods) America, Japan, Korea (Various goods)
Temporary objective quality evaluation Biennale, International film festival, Competition, Drama Festival

Table 2.

Descriptive analysis results of four cities’ hotels

City Hotel (star level) Average Standard deviation Max Min Sample
Beijing 5 Price 1,071  377.33 2,201 516 56
Rating 4.6 0.11 4.8 4.4
4 Price 611 126.56 988 325 80
Rating 4.5 0.17 4.8 4.0
3 Price 484 134.00 808 198 55
Rating 4.3 0.31 4.9 3.0
Shanghai 5 Price 961 468.53 2,332 398 61
Rating 4.6 0.10 4.8 4.4
4 Price 544 157.83 980 300 52
Rating 4.5 0.12 4.8 4.2
3 Price 404 169.72 900 193 37
Rating 4.4 0.23 4.7 3.5
Guangzhou 5 Price 692 190.16 1,283 499 22
Rating 4.6 0.14 4.8 4.2
4 Price 415 107.72 656 235 20
Rating 4.4 0.22 4.7 4.0
3 Price 291 93.78 700 164 47
Rating 4.3 0.37 4.8 2.7
Chongqing 5 Price 499 127.95 720 288 24
Rating 4.6 0.12 4.8 4.4
4 Price 322 86.29 596 209 37
Rating 4.5 0.20 4.8 4.0
3 Price 206 53.12 348 118 34
Rating 4.3 0.33 4.9 3.4

Table 3.

Average difference analysis for online customer ratings of Beijing hotels by grades

Dependent variable Group Rating average F p
Customer evaluation 5-star(a) 4.605 21.35 0.0001
4-star(b) 4.494
3-star(c) 4.347

Table 4.

Average difference analysis for online customer ratings of Shanghai hotels by grades

Dependent variable Group Rating average F p
Customer evaluation 5-star(a) 4.613 30.72 0.0001
4-star(b) 4.523
3-star(c) 4.368

Table 5.

Average difference analysis for online customer ratings of Guangzhou hotels by grades

Dependent variable Group Rating average F p
Customer evaluation 5-star(a) 4.591 9.425 0.0001
4-star(b) 4.355
3-star(c) 4.255

Table 6.

Average difference analysis for online customer ratings of Chongqing hotels by grades

Dependent variable Group Rating average F p
Customer evaluation 5-star(a) 4.629 16.57 0.0001
4-star(b) 4.519
3-star(c) 4.279

Table 7.

Average difference analysis for online list price of Beijing hotels by grades

Dependent variable Group Rating average F p
Customer evaluation 5-star(a) 1070.6 101.6 0.0001
4-star(b) 611.1
3-star(c) 4483.8

Table 8.

Average difference analysis for online customer ratings of Shanghai hotels by grades

Dependent variable Group Rating average F p
Customer evaluation 5-star(a) 961.2 40.82 0.0001
4-star(b) 544.2
3-star(c) 404.2

Table 9.

Average difference analysis for online customer ratings of Guangzhou hotels by grades

Dependent variable Group Rating average F p
Customer evaluation 5-star(a) 691.9 74.85 0.0001
4-star(b) 415.3
3-star(c) 290.9

Table 10.

Average difference analysis for online customer ratings of Chongqing hotels by grades

Dependent variable Group price average F p
Customer evaluation 5-star(a) 499.2 75.34 0.0001
4-star(b) 321.6
3-star(c) 206.2

Table 11.

Correlation Beijing hotels’ price and ratings

Hotel
(star level)
Pearson coefficient Spearman coefficient
*** p<0.01, ** p<0.05, * p<0.1
5 0.560*** (p=0.0001) 0.592*** (p=0.0001)
4 0.251** (p=0.025) 0.218* (p=0.052)
3 0.481*** (p=0.0001) 0.546*** (p=0.0001)

Table 12.

Correlation Shanghai hotels’ price and ratings

Hotel
(star level)
Pearson coefficient Spearman coefficient
*** p<0.01, ** p<0.05, * p<0.1
5 0.476*** (p=0.0001) 0.403*** (p=0.001)
4 0.225 (p=0.109) 0.254* (p=0.069)
3 0.229 (p=0.173) 0.300* (p=0.071)

Table 13.

Correlation GZ hotels’ price and ratings

Hotel
(star level)
Pearson coefficient Spearman coefficient
*** p<0.01, ** p<0.05, * p<0.1
5 0.273(p=0.218) 0.205 (p=0.361)
4 0.204 (p=0.388) 0.194 (p=0.412)
3 0.262* (p=0.075) 0.164 (p=0.269)

Table 14.

Correlation CQ hotels’ price and ratings

Hotel
(star level)
Pearson coefficient Spearman coefficient
*** p<0.01, ** p<0.05, * p<0.1
5 0.070 (p=0.744) -0.094 (p=0.662)
4 0.077 (p=0.651) 0.153 (p=0.367)
3 0.272 (p=0.119) 0.248 (p=0.158)