온라인 맞춤형광고 회피의 결정요인에 관한 구조모형 연구

Ⅰ. 서론

소비자는 구매 욕구가 발생하면 인터넷을 통해 평소 선호하는 쇼핑몰이나 브랜드 사이트를 방문하여 제품 정보를 탐색한다. 이 과정에서 최근 검색한 제품이 다른 웹사이트나 애플리케이션에서 광고로 노출되는 현상은 일상적인 소비 경험이 되었다. 광고주의 주요 목적은 소비자의 신념, 태도, 행동 변화를 유도하는 것이며, 이에 따라 소비자의 관심과 취향에 부합하는 맞춤형 커뮤니케이션에 대한 필요성은 지속적으로 제기되어 왔다(이주희, 문장호, 2021).

인터넷, 스마트 디바이스, 빅데이터 분석 기술의 발전은 개인화된 광고 구현을 가능하게 하였으며, 온라인 맞춤형 광고는 디지털 광고시장의 주요 방식으로 자리 잡았다. 맞춤형광고는 소비자의 관심사와 행동 데이터를 분석하여 개인별로 최적화된 광고를 제공함으로써, 광고주에게는 광고 효율성을, 소비자에게는 정보 탐색의 편의성을 제공한다(Cho & Boster, 2008; Lambrecht & Tucker, 2013).

그러나 최근 온라인 맞춤형광고 환경은 기존의 쿠키 기반 추적과 행동 데이터 활용을 중심으로 한 방식에서 새로운 전환기를 맞고 있다. 제3자 쿠키 활용에 대한 규제와 제한이 강화되고, 모바일 환경에서는 애플의 App Tracking Transparency 정책과 같이 이용자 동의를 전제로 한 추적 제한 방식이 확대되면서, 광고 생태계는 퍼스트파티 데이터 활용, 맥락 기반 타기팅, 프라이버시 보호형 광고 기술 등으로 재편되고 있다. 애플은 앱에서 수집한 데이터가 추적 목적으로 사용될 경우 이용자 동의를 받아야 한다고 안내하고 있으며, 광고업계에서도 제3자 쿠키 감소에 따라 퍼스트파티 데이터 활용과 개인정보 보호 규제 대응의 중요성이 커지고 있다.

또한 생성형 인공지능 기술의 확산은 광고 메시지의 제작과 개인화 수준을 더욱 고도화하고 있다. 이는 소비자에게 보다 정교하고 관련성 높은 광고 경험을 제공할 가능성을 높이는 동시에, 개인정보 활용, 소비자 취약성의 이용, 과도한 개인화에 따른 불편감 등 새로운 윤리적·소비자 보호적 쟁점을 발생시키고 있다. 최근 연구에서도 AI 기반 개인화 마케팅이 소비자 취약성을 활용하거나 소비자를 오도할 가능성이 지적되고 있다.

맞춤형광고는 소비자에게 관심 있는 제품이나 서비스 정보를 제공한다는 점에서 유용하게 인식될 수 있지만, 동시에 여러 부정적 결과를 초래하기도 한다. 과도한 광고 노출은 소비자에게 피로감과 짜증을 유발하여 광고 회피 행동을 증가시키며(이정아, 류지연, 2005), 개인정보 활용으로 인한 프라이버시 염려와 콘텐츠 이용 방해 등은 맞춤형광고에 대한 부정적 인식을 심화시킬 수 있다(강한나, 마정미, 2020). 또한 동일 광고의 반복 노출은 소비자의 피로감을 가중시켜 일반 광고보다 더 성가시게 인식되는 역효과를 초래한다는 연구 결과도 보고되고 있다(유소은 외, 2015).

이러한 맥락에서 온라인 맞춤형광고에 대한 논의는 단순히 광고 수용이나 광고 효과의 문제를 넘어, 소비자가 왜 맞춤형광고를 회피하는가에 대한 이해로 확장될 필요가 있다. 기존 연구들은 맞춤형광고의 수용의도, 광고태도, 개인정보 제공의도 등을 중심으로 이루어진 경우가 많았으며, 맞춤형광고 회피를 중심으로 긍정적 요인과 부정적 요인을 함께 고려한 구조적 분석은 상대적으로 충분하지 않다. 특히 최근의 데이터 활용 환경 변화와 플랫폼 기반 광고 경험의 확대는 맞춤형광고의 유용성과 개인화라는 장점만으로는 소비자의 회피 행동을 충분히 설명하기 어렵다는 점을 시사한다.

따라서 본 연구는 맞춤형광고의 긍정적 요인인 지각된 유용성과 지각된 개인화, 그리고 부정적 요인인 프라이버시 염려, 광고 피로도, 부정적 경험, 지각된 침입성이 광고 회피에 미치는 영향을 실증적으로 분석하고자 한다. 이를 통해 온라인 맞춤형광고에 대한 소비자 반응의 구조적 관계를 규명하고, 광고 회피를 완화하기 위한 소비자 중심의 광고 전략 수립에 기초자료를 제공하고자 한다.

Ⅱ. 이론적 배경

Ⅲ. 연구 방법

1. 연구모형

본 연구는 온라인 맞춤형광고를 경험한 일반 소비자를 대상으로 설문조사를 실시하여, 맞춤형광고 회피에 영향을 미치는 요인을 구조적으로 검증하고자 하였다. 이를 위해 맞춤형광고 회피에 영향을 미치는 주요 변인으로 지각된 유용성, 지각된 개인화, 광고 피로도, 프라이버시 염려, 부정적 경험, 지각된 침입성을 설정하였다. 이 중 지각된 유용성과 지각된 개인화는 맞춤형광고의 긍정적 평가 요인으로, 광고 피로도와 프라이버시 염려는 부정적 인식 요인으로 구분하였다. 또한 부정적 경험과 지각된 침입성은 이러한 요인들이 광고 회피로 이어지는 과정에서 나타나는 매개적 반응으로 설정하였다.

구체적으로, 맞춤형광고에 대한 긍정적 인식은 부정적 경험과 지각된 침입성을 완화함으로써 광고 회피를 감소시킬 것으로 예상하였으며, 반대로 부정적 요인은 부정적 경험과 침입성 지각을 강화하여 광고 회피를 증가시킬 것으로 가정하였다.

따라서 본 연구는 맞춤형광고의 긍정적 요인과 부정적 요인을 동시에 고려하여, 광고 회피에 이르는 경로를 통합적으로 설명하고자 하였으며, 이러한 변수 간 관계를 기반으로 구조방정식 모형을 설정하였다. 구체적인 연구 모형은 [그림 1]과 같다.

[그림 1]

연구모형

2. 변수의 정의 및 측정항목

본 연구에서는 선행연구를 바탕으로 온라인 맞춤형광고 회피에 영향을 미치는 주요 잠재변수를 설정하고, 각 변수를 측정하기 위한 문항을 구성하였다. 모든 문항은 5점 리커트 척도로 측정하였으며, 값이 높을수록 해당 변인에 대한 인식 수준이 높은 것을 의미한다.

본 연구의 주요 변수는 지각된 유용성, 지각된 개인화, 광고 피로도, 프라이버시 염려, 부정적 경험, 지각된 침입성, 광고 회피로 구성하였다. 지각된 유용성은 맞춤형광고가 소비자의 정보탐색과 의사결정에 도움이 된다고 인식하는 정도를 의미하며, 지각된 개인화는 맞춤형광고가 소비자 개인의 필요와 상황에 부합한다고 인식하는 정도를 의미한다. 광고 피로도는 맞춤형광고의 반복적 노출로 인해 소비자가 느끼는 성가심과 피로감을 의미하며, 프라이버시 염려는 맞춤형광고 과정에서 개인정보 활용과 소비자 권리 침해에 대해 느끼는 우려를 의미한다.

특히 본 연구에서는 광고 피로도, 부정적 경험, 지각된 침입성이 모두 맞춤형광고에 대한 부정적 반응과 관련되지만, 개념적으로는 구분된다고 보았다. 광고 피로도는 반복 노출에 따른 정서적 소진 상태를 의미하며, 지각된 침입성은 맞춤형광고가 소비자의 정보처리나 온라인 활동을 방해한다고 인식하는 인지적 평가를 의미한다. 반면 부정적 경험은 맞춤형광고가 매력적이지 않거나 유용성이 부족하며 충분한 보상을 제공하지 못한다고 평가하는 전반적 경험 반응을 의미한다.

각 척도의 신뢰도 분석 결과, 모든 변인의 Cronbach’s α 값이 .742~.868로 나타나 내적 일관성이 확보된 것으로 판단하였다. 구체적인 측정문항과 참고문헌, 신뢰도 계수는 <표 1>에 제시하였다.

<표 1>

주요 변수의 측정문항 및 신뢰도

3. 자료수집 및 분석방법

본 조사는 온라인 맞춤형광고를 경험할 가능성이 높은 20~40대 일반 소비자를 대상으로 실시하였다. 자료 수집은 온라인 조사 전문기관인 인바이트를 통해 2022년 4월 15일부터 4월 18일까지 3일간 이루어졌으며, 총 400명의 응답을 최종 분석에 활용하였다. 결측치는 없었다.

설문 시작 전 응답자에게 온라인 맞춤형광고에 대한 간략한 설명을 제시한 후, ‘맞춤형광고를 알고 있는가’와 ‘맞춤형광고를 경험한 적이 있는가’의 두 문항에 모두 ‘예’라고 응답한 경우에만 본조사에 참여하도록 하였다. 이를 통해 본 연구의 분석대상이 온라인 맞춤형광고에 대한 기본적 인지와 경험을 가진 소비자로 한정되도록 하였다.

자료 분석에는 SPSS 22.0과 AMOS 23.0을 사용하였다. 먼저 조사대상자의 일반적 특성을 파악하기 위해 빈도분석을 실시하였고, 측정도구의 신뢰도와 타당도를 검증하기 위해 신뢰도 분석, 탐색적 요인분석 및 확인적 요인분석을 수행하였다. 또한 주요 변수 간 관련성을 확인하기 위해 상관관계 분석을 실시하였으며, 연구가설 검증을 위해 구조방정식모형 분석을 수행하였다.

조사대상자의 일반적 특성은 <표 2>에 제시하였다.

<표 2>

조사대상자의 일반적 특성

Ⅳ. 연구 결과

1. 척도의 신뢰도와 타당도

본 연구에서 사용된 척도의 신뢰도와 타당도를 검증하기 위해 신뢰도 분석과 탐색적 요인분석을 실시하였다. 먼저 요인분석의 적합도를 검증한 결과, KMO 값이 .842로 나타나 표본의 적합성이 확보되었으며, Bartlett의 구형성 검정 결과 또한 유의하게 나타나 요인분석이 적절한 것으로 확인되었다(χ²=1567.212, df=21, p<.001).

탐색적 요인분석 결과, 모든 변수의 요인부하량이 0.5 이상으로 나타나 구성개념의 수렴타당성이 확보된 것으로 판단된다. 또한 누적설명력은 72.93%로 나타나, 측정변수들이 잠재변인을 충분히 설명하고 있음을 확인할 수 있었다(<표 3> 참조).

<표 3>

탐색적 요인분석 및 요인구조 결과

각 요인의 고유값은 1 이상으로 나타났으며, 긍정적 요인과 부정적 요인으로 구분되는 2요인 구조가 도출되었다. 이는 본 연구에서 설정한 변수들이 이론적으로 구분된 차원을 반영하고 있음을 보여준다.

또한 변수 간 상관계수가 과도하게 높지 않은 것으로 나타나 개념 간 판별 가능성이 확보된 것으로 판단된다.

따라서 본 연구에서 사용된 측정도구는 신뢰도와 타당도를 모두 충족하는 것으로 판단되었다.

2. 연구 모형의 타당도

본 연구에서 제안한 측정모형의 타당도를 검증하기 위해 확인적 요인분석을 실시하였다. 분석 결과, 모형 적합도는 χ²/df=2.18(χ²=542.890, df=249), RMR=.050, GFI=.904, AGFI=.875, IFI=.950, TLI=.939, CFI=.949, RMSEA=.054로 나타났다. 일반적으로 IFI, TLI, CFI는 .90 이상이면 양호한 적합도로 판단되며, RMSEA는 .05 이상 .08 이하일 경우 수용 가능한 수준으로 간주된다(Browne & Cudeck, 1992). 따라서 본 연구의 측정모형은 전반적으로 수용 가능한 적합도를 보이는 것으로 판단하였다(<표 4> 참조).

<표 4>

확인적 요인분석 결과

각 측정문항이 해당 잠재변수에 적절히 수렴되는지를 확인한 결과, 표준화 요인부하량은 대부분 .60 이상으로 나타났으며, 모든 잠재변수의 개념신뢰도는 .760~.856으로 .70 이상 기준을 충족하였다. 또한 평균분산추출값은 .525~.603으로 모두 .50 이상으로 나타나 집중타당도가 확보된 것으로 판단하였다.

한편, 본 연구에서는 변수 간 판별 가능성을 검토하기 위해 상관관계 분석을 함께 실시하였다. 그 결과 모든 변수 간 상관계수가 .80 이하로 나타나, 각 구성개념 간 과도한 중복성은 크지 않은 것으로 판단하였다(<표 5> 참조). 특히 광고 피로도, 지각된 침입성, 부정적 경험은 모두 맞춤형광고에 대한 부정적 반응과 관련되지만, 광고 피로도는 반복 노출에 따른 정서적 소진, 지각된 침입성은 정보처리 방해에 대한 인지적 판단, 부정적 경험은 광고 경험 전반에 대한 누적된 평가적 반응이라는 점에서 개념적으로 구분된다.

<표 5>

주요 변수간 상관관계

다만 본 연구는 추가적인 판별타당성 검증 지표인 HTMT를 제시하지 못한 한계가 있다. 그러나 각 구성개념은 선행연구에 근거하여 설정되었고, 확인적 요인분석 결과 개념신뢰도와 평균분산추출값이 기준을 충족하였으며, 변수 간 상관계수도 .80 이하로 나타나 분석에 필요한 수준의 타당성은 확보된 것으로 판단하였다.

변인 간 방향성을 살펴보면, 지각된 개인화와 지각된 유용성은 유의한 정적 관계를 보였으며, 광고 피로도, 프라이버시 염려, 부정적 경험, 지각된 침입성 및 온라인 맞춤형광고 회피와는 부적 관계를 보였다. 반면 광고 피로도, 프라이버시 염려, 부정적 경험, 지각된 침입성은 온라인 맞춤형광고 회피와 유의한 정적 관계를 보였다.

3. 연구가설의 검증 및 결과

연구가설을 검증하기 위하여 AMOS 23.0을 이용해 구조방정식모형 분석을 실시하였다. 분석 결과, 구조모형의 적합도는 CMIN=565.37, df=253, χ²/df=2.235, RMR=.051, GFI=.900, AGFI=.871, IFI=.947, TLI=.937, CFI=.947, RMSEA=.056으로 나타났다. 주요 적합도 지수인 IFI, TLI, CFI가 모두 .90 이상이고 RMSEA 역시 수용 가능한 수준으로 나타나, 본 연구의 구조모형은 전반적으로 적합한 것으로 판단하였다.

변수 간 경로를 살펴보면, 먼저 맞춤형광고의 긍정적 요인으로 설정한 지각된 유용성은 부정적 경험, 지각된 침입성 및 맞춤형광고 회피에 유의한 영향을 미치지 않는 것으로 나타났다. 이에 따라 연구가설 1-1, 연구가설 1-2, 연구가설 1-3은 모두 기각되었다. 이는 맞춤형광고의 유용성이 소비자에게 인식되더라도, 그것만으로는 반복 노출이나 개인정보 활용으로 인해 형성된 부정적 반응을 충분히 완화하지 못할 수 있음을 시사한다.

지각된 개인화 역시 부정적 경험, 지각된 침입성 및 맞춤형광고 회피에 유의한 영향을 미치지 않는 것으로 나타났다. 이에 따라 연구가설 2-1, 연구가설 2-2, 연구가설 2-3은 모두 기각되었다. 이는 개인화된 광고가 항상 긍정적 반응으로 이어지는 것은 아니며, 소비자가 개인화를 유용한 정보 제공으로 인식하는 동시에 자신의 온라인 행동이 추적되고 있다는 느낌을 가질 수 있음을 보여준다.

프라이버시 염려는 부정적 경험에 유의한 정적 영향을 미치는 것으로 나타났으나(B=.205, p<.01), 지각된 침입성과 맞춤형광고 회피에는 유의한 영향을 미치지 않았다. 이에 따라 연구가설 3-1은 채택되었고, 연구가설 3-2와 연구가설 3-3은 기각되었다. 이는 소비자가 프라이버시 침해 가능성에 대해 우려하더라도, 그 우려가 곧바로 광고 회피 행동으로 연결되지는 않을 수 있음을 의미한다. 즉, 프라이버시 염려는 맞춤형광고에 대한 전반적 부정 경험을 강화하지만, 실제 회피 행동은 광고 피로도나 침입성 인식과 같은 보다 직접적인 광고 경험 요인에 의해 더 크게 영향을 받을 수 있다.

광고 피로도는 부정적 경험, 지각된 침입성 및 맞춤형광고 회피에 모두 유의한 정적 영향을 미치는 것으로 나타났다. 구체적으로 광고 피로도는 부정적 경험(B=.454, p<.001), 지각된 침입성(B=.970, p<.001), 맞춤형광고 회피(B=.567, p<.05)에 유의한 영향을 미쳤다. 이에 따라 연구가설 4-1, 연구가설 4-2, 연구가설 4-3은 모두 채택되었다. 이는 맞춤형광고의 반복 노출로 인한 피로감이 소비자의 부정적 경험과 침입성 지각을 강화하고, 결과적으로 광고 회피를 유발하는 핵심 요인임을 보여준다.

마지막으로 부정적 경험과 지각된 침입성은 맞춤형광고 회피에 유의한 정적 영향을 미치는 것으로 확인되었다. 부정적 경험은 맞춤형광고 회피에 유의한 영향을 미쳤으며(B=.161, p<.05), 지각된 침입성 역시 맞춤형광고 회피에 유의한 영향을 미쳤다(B=.391, p<.01). 이에 따라 연구가설 5와 연구가설 6은 채택되었다. 이러한 결과는 맞춤형광고 회피가 단순히 광고의 존재 자체보다, 소비자가 광고를 부정적으로 경험하거나 자신의 온라인 활동을 방해하는 것으로 인식할 때 더욱 강화된다는 점을 시사한다(<표 6> 참조).

<표 6>

연구가설 검증 결과

[그림 2]

최종 확인된 구조모형

Ⅴ. 결론 및 제언

온라인 맞춤형광고는 소비자 개인별 맞춤화를 통해 정보 탐색의 편의성과 유용성을 제공한다는 장점을 지니지만, 동시에 개인정보 활용에 따른 프라이버시 염려, 반복 노출로 인한 광고 피로도, 지각된 침입성, 부정적 경험 등 여러 문제를 수반한다. 본 연구는 이러한 긍정적 요인과 부정적 요인이 온라인 맞춤형광고 회피에 어떠한 영향을 미치는지를 구조적으로 검증하고, 광고 회피를 유발하는 주요 요인을 파악하고자 하였다.

분석 결과, 첫째, 지각된 유용성과 지각된 개인화는 부정적 경험, 지각된 침입성, 온라인 맞춤형광고 회피를 유의하게 감소시키지 못하는 것으로 나타났다. 이는 맞춤형광고가 소비자에게 일정 수준의 유용성과 개인화를 제공하더라도, 이러한 장점만으로는 광고에 대한 부정적 반응이나 회피 행동을 충분히 완화하기 어렵다는 것을 의미한다. 즉, 맞춤형광고의 효과는 단순히 광고가 소비자의 관심사와 관련되어 있는가의 문제가 아니라, 소비자가 광고 노출 방식을 얼마나 자연스럽고 수용 가능하게 인식하는가에 따라 달라질 수 있다.

둘째, 프라이버시 염려는 부정적 경험을 증가시키는 요인으로 확인되었으나, 지각된 침입성과 광고 회피에는 직접적인 영향을 미치지 않았다. 이는 소비자가 개인정보 활용에 대해 우려하더라도 그 우려가 곧바로 회피 행동으로 연결되지는 않을 수 있음을 보여준다. 이러한 결과는 프라이버시 역설의 관점에서 해석할 수 있다. 즉, 소비자는 개인정보 활용에 대해 불안감을 가지면서도 정보 탐색의 편의성, 광고 관련성, 플랫폼 이용 습관 등으로 인해 즉각적인 회피 행동을 취하지 않을 수 있다.

셋째, 광고 피로도는 부정적 경험, 지각된 침입성, 온라인 맞춤형광고 회피에 모두 유의한 영향을 미치는 핵심 요인으로 나타났다. 이는 맞춤형광고에서 소비자가 가장 민감하게 반응하는 문제가 단순한 개인정보 활용 자체보다 반복적이고 과도한 광고 노출일 수 있음을 시사한다. 소비자에게 유용한 광고라 하더라도 동일한 광고가 반복적으로 제시되거나 원하지 않는 상황에서 지속적으로 노출될 경우, 광고는 정보가 아니라 피로와 방해의 원천으로 인식될 수 있다.

넷째, 부정적 경험과 지각된 침입성은 온라인 맞춤형광고 회피를 증가시키는 것으로 확인되었다. 이는 광고 회피가 단순히 광고의 존재 여부에 의해 결정되는 것이 아니라, 소비자가 광고를 어떻게 경험하고 해석하는가에 의해 영향을 받는다는 점을 보여준다. 특히 지각된 침입성은 소비자의 정보처리 과정과 온라인 활동을 방해한다는 인식과 관련되므로, 맞춤형광고의 회피를 줄이기 위해서는 광고 노출 방식과 이용자 통제감에 대한 고려가 필요하다.

본 연구의 이론적 시사점은 다음과 같다. 첫째, 기존 맞춤형광고 연구가 주로 수용의도나 광고태도 등 긍정적 반응에 초점을 두어 온 데 비해, 본 연구는 광고 회피를 중심으로 긍정적 요인과 부정적 요인을 함께 고려하였다는 점에서 의의가 있다. 둘째, 지각된 유용성과 지각된 개인화가 광고 회피를 직접적으로 감소시키지 못한 반면, 광고 피로도와 지각된 침입성은 회피에 유의한 영향을 미쳤다는 결과는 맞춤형광고 연구에서 부정적 경험 요인의 설명력이 중요함을 보여준다. 셋째, 광고 피로도, 부정적 경험, 지각된 침입성을 구분하여 분석함으로써 맞춤형광고 회피가 정서적 피로, 경험적 평가, 인지적 방해 인식이 결합된 다차원적 반응임을 확인하였다.

실무적 시사점은 다음과 같다. 첫째, 기업은 맞춤형광고의 정확도와 개인화 수준을 높이는 것만으로는 소비자의 광고 회피를 줄이기 어렵다는 점을 인식해야 한다. 소비자에게 관련성 높은 광고를 제공하더라도 노출 빈도가 과도하거나 동일 광고가 반복될 경우 광고 피로도가 증가할 수 있으므로, 노출 빈도 관리와 반복 광고 제한이 필요하다. 둘째, 광고 플랫폼은 소비자가 광고 노출을 통제할 수 있는 장치를 강화해야 한다. 예를 들어 광고 숨기기, 관심 없음 표시, 노출 빈도 조절, 데이터 활용 내역 안내 등은 소비자의 통제감을 높이고 침입성 인식을 낮추는 데 도움이 될 수 있다. 셋째, 개인정보 활용에 대한 투명한 고지와 설명이 필요하다. 소비자가 자신의 정보가 어떤 방식으로 활용되는지 이해할 수 있을 때, 맞춤형광고에 대한 부정적 경험은 완화될 수 있다.

마지막으로 본 연구는 몇 가지 한계를 지닌다. 첫째, 본 연구는 20~40대 일반 소비자를 대상으로 온라인 설문조사를 실시하였으므로, 연구 결과를 모든 연령대와 광고 환경으로 일반화하는 데에는 한계가 있다. 둘째, 본 연구는 횡단 자료를 활용하였기 때문에 변수 간 인과관계를 엄밀하게 확정하기에는 제한이 있다. 셋째, 본 연구에서는 맞춤형광고의 유형이나 플랫폼별 차이를 구분하지 못하였다. 후속 연구에서는 SNS 광고, 검색 광고, 쇼핑몰 리타기팅 광고 등 광고 유형별 차이를 비교하고, 광고 노출 빈도, 소비자 통제감, 플랫폼 신뢰도와 같은 변인을 추가적으로 고려할 필요가 있다.

Acknowledgments

본 논문은 만다흐의 충북대학교 석사학위논문(2022.8)의 일부 내용을 수정·보완한 것임.

REFERENCES

• 강한나, 마정미(2020). 인지된 개인화와 유용성이 온라인 행동 맞춤형광고 수용의도에 미치는 영향: 프라이버시 침해 우려와 인지된 통제감의 조절된 매개효과를 중심으로. 광고학연구, 31(2), 7-34.
• 김보람, 정만수(2015). 리타게팅광고에 대한 인터넷쇼핑 이용자들의 태도 연구: 광고 태도, 클릭의도, 개인정보 제공의도를 중심으로. 광고학연구, 26(4), 37-63.
• 김상훈, 임수현(2011). 행동 맞춤형광고(Behavioral Targeting Ad)의 수용자 이용의도에 영향을 미치는 요인에 관한 연구. 광고학연구, 22(5), 211-234.
• 김영욱, 김혜인, 윤소영(2018). 온라인 맞춤형광고 수용에 영향을 미치는 요인 연구 : 지각된 개인화, 유용성, 프라이버시 염려, 침입성을 중심으로. 한국언론정보학보, 89, 7-41.
• 김요한(2007). DMB 광고 회피에 영향을 미치는 변인들에 관한 연구. 한국광고홍보학보, 9(3), 46-79.
• 김재휘, 성보경, 부수현(2010). 온라인 맞춤형광고의 유용성, 편의성, 프라이버시침해 위험성이 광고 수용의도에 미치는 영향: 소비자의 심리적 반응과 지각된 통제감을 중심으로. 광고연구, 87, 263-302.
• 김혜연, 김시월(2011). 소비자의 8대 기본권리 실현을 위한 기업의 책임 수행에 대한 소비자의 인식 및 요구 - 기업의 사회적 책임에 대한 논의를 중심으로-. 소비자학연구, 22(3), 1-23.
• 나종연, 이진명, 최지원, 윤정선, 최아영(2014). 온라인 맞춤형광고를 위한 소비자의 개인정보 제공의도. Telecommunications Review, 24(1), 137-152.
• 노민정(2015). 기술수용모델(TAM)을 적용한 모바일 항공권구매앱 수용에 관한 연구. 한국항공경영학회지, 13(5), 69-94.
• 박성용(2017). 온라인맞춤형광고 개인정보보호 가이드라인에 대한 비판적 검토. 소비자문제연구, 48(3), 205-231.
• 안정민(2013). 온라인 맞춤형광고(Online Behavioral Advertising)와 개인정보보호. 사이버커뮤니케이션학보, 30(4), 43-86.
• 유소은, 김태하, 차훈상(2015). 스마트폰 이용자의 모바일 광고 수용의사에 영향을 주는 요인: 개인화된 서비스, 개인정보보호, 광고 피로도 사이에서의 딜레마. Information Systems Review, 17(2), 77-100.
• 이경렬(2006). SMS기반의 모바일광고의 효과 및 수용성에 관한 실증연구. 커뮤니케이션학 연구, 14(2), 26-44.
• 이시훈(2010). 온라인 행태정보 분석에 기반한 맞춤형광고의 규제 정책에 관한 연구. 언론과 법, 9(2), 49-73.
• 이정아, 류지연(2005). 인터넷 광고 회피에 대한 연구: 회피 수준과 회피 예측변인들의 영향력을 중심으로. 광고학연구, 16(1), 203-223.
• 이주희, 문장호(2021). 맞춤형광고에 대한 반응 연구: 소비자 구매 여정과 프라이버시 계산 모델을 중심으로. 한국광고홍보학보, 23(3), 73-136.
• 이해수, 곽은아, 한동섭(2019). 빅데이터 기반 AI 리타겟팅 광고(Retargeting Advertising) 회피에 영향을 미치는 요인에 관한 연구. 광고연구, 120, 80-111.
• 정유정, 성정연, 전선규(2013). 조절초점(regulatory focus)이 선택대안의 구성에 미치는 영향: 만족/불만족 경험의 조절효과. 소비자학연구, 24(3), 99-122.
• Aguirre, E., Mahr, D., Grewal, D., de Ruyter, K., & Wetzels, M. (2015). Unraveling the personalization paradox: The effect of information collection and trust-building strategies on online advertisement effectiveness. Journal of Retailing, 91(1), 34-49. [https://doi.org/10.1016/j.jretai.2014.09.005]
• Alwitt, L. F., & Prabhaker, P. R. (1994). Identifying who dislikes television advertising: Not by demographics alone. Journal of Advertising Research, 34(6), 17-29. [https://doi.org/10.1080/00218499.1994.12466979]
• Andrew, D. (2019). Programmatic trading: The future of audience economics. Communication Research and Practice, 5(1), 73-87. [https://doi.org/10.1080/22041451.2019.1561398]
• Baek, T, H., & Morimoto, M. (2012). Stay away from me: Examining the determinants of consumer avoidance of personalized advertising. Journal of Advertising, 41(1), 59-76. [https://doi.org/10.2753/JOA0091-3367410105]
• Bettman, J. R., & Park, C. W. (1980). Effects of prior knowledge and experience and phase of the choice proc on consumer decision processes: A protocol analysis. Journal of Consumer Research, 7(3), 234-248. [https://doi.org/10.1086/208812]
• Bleier, A., & Eisenbeiss, M. (2015). Personalized online advertising effectiveness: The interplay of what, when, and where. Marketing Science, 34(5), 669-688. [https://doi.org/10.1287/mksc.2015.0930]
• Boerman, S. C., Kruikemeier, S., & Zuiderveen Borgesius, F. J. (2017). Online behavioral advertising: A literature review and research agenda. Journal of Advertising, 46(3), 363-376. [https://doi.org/10.1080/00913367.2017.1339368]
• Browne, M. W., & Cudeck, R. (1992). Alternative ways of assessing model fit. Sociological Methods and Research, 21(2), 230-258. [https://doi.org/10.1177/0049124192021002005]
• Cho, C.-H., & Cheon, H. J. (2004). Why do people avoid advertising on the internet?. Journal of Advertising, 33(4), 89-97. [https://doi.org/10.1080/00913367.2004.10639175]
• Cho, H., & Boster, F. J. (2008). Effects of gain versus loss frame antidrug ads on adolescents. Journal of Communication, 58(3), 428-446. [https://doi.org/10.1111/j.1460-2466.2008.00393.x]
• Culnan, M. J., & Bies, R. J. (2003). Consumer privacy: Balancing economic and justice considerations. Journal of Social Issues, 59(2), 323-342. [https://doi.org/10.1111/1540-4560.00067]
• Dahlen, M., & Rosengren, S. (2016). If advertising won’t die, what will it be? Toward a working definition of advertising. Journal of Advertising, 45(3), 335-345. [https://doi.org/10.1080/00913367.2016.1172387]
• Davenport, T., Guha, A., Grewal, D., & Bressgott, T. (2020). How artificial intelligence will change the future of marketing. Journal of the Academy of Marketing Science, 48(1), 24-42. [https://doi.org/10.1007/s11747-019-00696-0]
• De Keyzer, F., Dens, N., & De Pelsmacker, P. (2015). Is this for me? How consumers respond to personalized advertising on social network sites. Journal of Interactive Advertising, 15(2), 124-134. [https://doi.org/10.1080/15252019.2015.1082450]
• Fazio, R. H., & Zanna, M. P. (1981). Direct experience and attitude-behavior consistency. Advances in Experimental Social Psychology, 14, 161-202. [https://doi.org/10.1016/S0065-2601(08)60372-X]
• Goldfarb, A., & Tucker, C. F., (2011). Privacy regulation and online advertising. Management Science, 57(1), 57-71. [https://doi.org/10.1287/mnsc.1100.1246]
• Goodrich, K., Schiller, S. Z., & Galletta, D. (2015). Consumer reactions to intrusiveness of onlinevideo advertisements: Do length, informativeness, and humor help(or hinder) marketing outcomes?. Journal of Advertising Research, 55(1), 37-50. [https://doi.org/10.2501/JAR-55-1-037-050]
• Huang, M.-H., & Rust, R. T. (2021). A strategic framework for artificial intelligence in marketing. Journal of the Academy of Marketing Science, 49(1), 30-50. [https://doi.org/10.1007/s11747-020-00749-9]
• Kolb, D. A., Boyatzis, R. E., & Mainemelis, C. (2001). Experiential learning theory: Previous research and new directions. In R. J. Sternberg & L.-f. Zhang (Eds.), Perspectives on thinking, learning, and cognitive styles (pp. 228-247). Mahwah: Lawrence Erlbaum Associates.
• Komiak, S. Y. X. & Benbasat, I. (2006). The effects of personalization and familiarity on trust and adoption of recommendation agents. MIS Quarterly, 30(4), 941-960. [https://doi.org/10.2307/25148760]
• Kumar, V. & Gupta, S. (2016). Conceptualizing the evolution and future of advertising. Journal of Advertising, 45(3), 302-317. [https://doi.org/10.1080/00913367.2016.1199335]
• Lambrecht, A., & Tucker, C. (2013). When does retargeting work? Information specificity in online advertising. Journal of Marketing Research, 50(5), 561-576. [https://doi.org/10.1509/jmr.11.0503]
• Li, H., Edwards, S. M., & Lee, J.-H. (2002). Measuring the intrusiveness of advertisements: Scale development and validation. Journal of Advertising, 31(2), 37-47. [https://doi.org/10.1080/00913367.2002.10673665]
• Li, W. & Huang Z. (2016). Research of influence factors of online behavioral advertising avoidance. American Journal of Industrial and Business Management, 6(9), 947-957. [https://doi.org/10.4236/ajibm.2016.69092]
• Malhotra, N. K., Kim, S. S., & Agarwal, J. (2004). Internet Users' Information Privacy Concerns(IUIPC): The construct, the scale, and a causal model. Information Systems Research, 15(4), 336-355. [https://doi.org/10.1287/isre.1040.0032]
• Martin, K. D. & Murphy, P. E. (2017). The role of data privacy in marketing. Journal of the Academy of Marketing Science, 45(2), 135-155. [https://doi.org/10.1007/s11747-016-0495-4]
• Norberg, P. A., Horne, D. R., & Horne, D. A. (2007). The privacy paradox: Personal information disclosure intentions versus behaviors. The Journal of Consumer Affairs, 41(1), 100-126. [https://doi.org/10.1111/j.1745-6606.2006.00070.x]
• Novak, T. P., Hoffman, D. L., & Yung, Y.-F. (2000). Measuring the customer experience in online environments: A structural modeling approach. Marketing Science, 19(1), 22-42. [https://doi.org/10.1287/mksc.19.1.22.15184]
• Seyedghorban, Z., Tahernejad, H. & Matanda, M. J. (2016). Reinquiry into advertising avoidance on the internet: A conceptual replication and extension. Journal of Advertising, 45(1), 120-129. [https://doi.org/10.1080/00913367.2015.1085819]
• Smith, R. E. & Swinyard, W. R. (1982). Information response models: An integrated approach. The Journal of Marketing, 46(1), 81-93. [https://doi.org/10.1177/002224298204600108]
• Speck, P. S. & Elliott, M. T. (1997). Predictors of advertising avoidance in print and broadcast media. Journal of Advertising, 26(3), 61-76. [https://doi.org/10.1080/00913367.1997.10673529]
• Sutanto, J., Palme, E., Tan, C.-H. & Phang, C. W. (2013). Addressing the personalization-privacy paradox: An empirical assessment from a field experiment on smartphone users. MIS Quarterly, 37(4), 1141-1164. [https://doi.org/10.25300/MISQ/2013/37.4.07]
• Turow, J., King, J., Hoofnagle, C. J., Bleakley, A., & Hennessy, M. (2009). Americans reject tailored advertising and three activities that enable it. Retrieved from http://ssrn.com/abstract=1478214, . [https://doi.org/10.2139/ssrn.1478214]
• Venkatesh, V. & Davis, F. D. (2000). A theoretical extension of the technology acceptance model: Four longitudinal field studies. Management Science, 46(2), 186-204. [https://doi.org/10.1287/mnsc.46.2.186.11926]
• Xu, D. J. (2006). The influence of personalization in affecting consumer attitudes toward mobile advertising in China. Journal of Computer Information Systems, 47(2), 9-19. [https://doi.org/10.1080/08874417.2007.11645949]