필터버블은 그간 정보 다양성과 민주적 담론을 위협하는 현상으로 주로 정치·정보 맥락에서 연구되어 왔다. 그러나 알고리즘 기반 소비 환경에서는 개인화 필터링이 심미적 취향, 반복 노출, 브랜드 애착이라는 전혀 다른 논리로 작동한다. 본 연구는 온라인 패션 플랫폼을 활발히 이용하는 20대 한국 여성 소비자를 대상으로 필터버블 인식이 패션 브랜드 충성도에 미치는 영향을 검토하며, 개인화 추천 다양성 인식의 매개 역할과 디지털 리터러시의 조절 역할을 규명하고자 한다. 최근 6개월 이내에 온라인 패션 쇼핑 경험이 있는 20-29세 한국 여성 300명을 대상으로 온라인 설문조사를 실시하였으며, 수집된 자료는 확인적 요인분석(CFA)을 통해 측정 타당도를 검토한 후 SPSS 24, AMOS 18, PROCESS macro Model 58(버전 4.2)을 활용하여 가설을 검증하였다. 연구 결과, 필터버블 인식은 초기 가설과 달리 패션 브랜드 충성도에 유의한 정(+)의 직접 효과를 미치는 것으로 나타났다. 기존 매개분석에서 필터버블 인식이 개인화 추천 다양성 인식에 미치는 a-path는 유의하지 않았으나, 디지털 리터러시를 공변량으로 통제한 추가 회귀분석 결과 통계적으로 유의한 부(-)의 효과가 확인되었다(β＝-.205, p＜.001). 이는 기존의 비유의 결과가 매개효과의 부재가 아니라 디지털 리터러시 수준 간 효과 상쇄(cancellation)에 기인함을 시사한다. 디지털 리터러시는 필터버블 인식과 개인화 추천 다양성 인식 간의 관계를 조절하였다. 구체적으로, 디지털 리터러시 수준이 낮을 때 필터버블 인식은 개인화 추천 다양성 인식을 유의하게 감소시켰으나, 수준이 높을 때는 이러한 부(-)의 효과가 중화되었다. 조건부 간접효과는 디지털 리터러시가 낮은 수준과 평균 수준에서 유의하였으나, 높은 수준에서는 유의하지 않았다. 본 연구는 두 가지 이론적 기여를 한다. 첫째, 필터버블 연구를 정치·정보 영역을 넘어 소비자 행동 영역으로 확장하여, 필터버블을 소비 경험을 구성하고 브랜드 충성도를 형성하는 메커니즘으로 재개념화한다. 둘째, 필터버블 효과가 기존의 결핍 모델과는 다른 방향으로 작동할 가능성을 제시한다. 필터버블은 소비자 선택을 제약하기 보다, 반복 노출을 통한 브랜드 친숙성, 결정 피로 감소, 자아-브랜드 일치감 강화를 통해 브랜드 애착을 강화하는 경험 구조로 기능할 수 있다. 디지털 리터러시는 핵심 경계 조건으로 작용하여, 리터러시 수준이 낮은 소비자에게서 나타나는 필터버블 인식이 추천 다양성 인식을 감소시키고 이것이 다시 브랜드 충성도를 약화시키는 부정적 간접 경로를 중화하는 인지적 완충제 역할을 한다. 이러한 결과는 개인화를 브랜드 애착의 동인으로 활용하면서도 디지털 취약 계층이 추천 다양성을 충분히 인식할 수 있도록 하는 추천시스템 설계에 실무적 시사점을 제공한다.
Park et al. (Fri,) studied this question.