The present research is considered applying vividness effect on the high-tech product category, investigating the effect of number of features as well. The results indicate that when eight product features (i.e., low number condition) are presented in the ad, the vividness effect on the consumer attitude occurs through in-depth elaboration on the product attributes. However, when sixteen product features (i.e., high number condition) are presented in the ad, the vividness effect disappears because the high number condition makes consumers fail to elaborate sufficiently on the given product attributes. Through the mediation analysis, I explain the whole information processing of a consumer from viewing the ad to forming an attitude. That is, I show systematically the presence of the vividness effect through depth of information processing. Also, the results provide a convincing evidence for the premise that the manageable level of number of product features of a new high-tech product is lower than other product categories. The stronger implication lies on that the results also can be explained by the resource-matching perspective (Keller and Block 1997).
본 연구는 소비자에게 하이테크 신제품 카테고리에 한해, 제품속성의 정보가 생생함과 개수의 변화에 따라 소비자의 평가가 어떻게 달라지는가에 대한 연구이다. 실험 디자인은 2 (제품속성의 생생함: vivid/nonvivid) X 2 (제품속성의 개수: low(8개)/high(16개))의 4가지 셀로 구성되며, 카이스트 경영대학 학생 104명을 각 셀에 무작위 할당한 후, 하이테크 신제품 high-end 디지털 카메라의 지면 광고(4가지 버전 중의 하나)를 보여주고 설문을 시행하였다. 결과는 각 독립변수에 대한 주실험 효과와 상호작용 효과로 나누어 볼 수 있다. 생생한 광고를 본 피실험자 집단의 평가가 생생하지 못한 광고를 본 피실험자 집단의 평가보다 높았으며, 8개의 속성을 본 피실험자 집단의 평가가 16개의 속성을 본 피실험자 집단의 평가보다 높았다. 그러나, 상호작용 효과를 고려하여 4가지 셀을 비교했을 때, vivid-low 셀에서만 유난히 다른 셀들보다 소비자 평가가 높았다. 이는 resource-matching 관점(Keller and Block 1997)에서 설명할 수 있다. 생생한 광고는 그렇지 않은 광고에 비해 정보처리가 쉽고 정보처리에 필요한 인지적 자원도 적다. 4가지 실험 조건 중에 vivid-low 셀의 resource required 수준이 가장 낮은데도 불구하고 소비자 평가가 가장 좋았다는 것은 나머지 세가지 조건들에 비해 vivid-low 조건만이 resource-matching이 잘 이루어지고 있음을 시사한다. Mediation analysis를 통해 확인했듯이, 나머지 3개의 조건에서는 정보에 대한 소비자의 충분한 숙고가 이루어지지 않았기 때문에 제품에 대한 평가가 모두 낮았다고 결론지을 수 있다. 실험제품이 하이테크 제품이란 점을 감안할 때, 본 연구에서 설정한 제품속성의 개수 중 low 조건(8개)은 소비자의 resource available 수준을 적절하게 만들었으나, high 조건(16개)은 소비자의 resource available 수준을 낮은 수준으로 만들었다고 볼 수 있다. 따라서 본 연구에서는 Keller and Block 모델의 resource allocation의 low-moderate 부분에 해당하는 결과를 얻었다고 할 수 있겠다.
또한, 본 연구의 결과는 제품속성이 많아질수록 소비자 평가가 높아질 것이라는 ELM 등 예측과 모순되어 보이나, 이는 feature fatigue (Thompson, Hamilton, and Rust 2005) 현상으로 보충 설명할 수 있다. 제품 속성 8개에 대해서는 소비자들이 일일이 숙고해 볼 인지적 자원의 여유가 있으나, 16개가 주어지면 우선적으로 너무 많다는 생각에 제품의 복잡성으로 인해 소비자가 걱정 및 스트레스를 느낄 수 있다. 결국 제품 속성에 대한 정보처리 자체를 깊이 하지 않았기 때문에 소비자의 불만족으로 이어져 제품에 대한 저평가로 나타난 것으로 해석할 수 있다. 새로운 하이테크 제품이기 때문에 소비자들은 제품속성 정보 8개도 결코 적다고 생각하지 않으며, 충분한 정보처리를 위해서는 인지적 자원이 상당히 필요하기 때문에 제품속성 정보가 16개라면 정보 과부하가 발생하여, 충분한 정보처리로 이어지지 않으며, 평가 및 태도가 바로 나빠지거나 아예 제품속성에 대해 읽어보지도 않고 주변 단서들에만 근거하여 평가를 내릴 수도 있게 된다.
따라서, 향후 연구에서는 제품속성의 개수를 전반적으로 낮은 수준으로 조정하면서 3개 수준(예. 4(low)-8(medium)-12(high))으로 재설정하여 소비자 태도의 정교한 변화를 알아볼 것이며, 소비자의 resource level에 영향을 미칠 수 있는 관여도(involvement)나 전문성(expertise)의 효과에 대해서도 함께 살펴보아야 하겠다. 아울러, feature fatigue 이론을 재확인하기 위해 제품에 대해 소비자가 느끼는 capability의 측정 역시 향후 연구에 포함시켜야 할 것이다.
