토요일인 지난 26일 오후 서울 성수동 연무장길. 일본에서도 ‘웨이팅(대기)’을 해야 들어갈 수 있다는 일본 스트리트 브랜드 ‘휴먼메이드‘ 매장 앞에는 이미 영업종료 2시간 전부터 입장 마감을 알리는 팻말이 세워졌다. 지난해만 월 평균 80~90개씩, 1년에 1000개가 넘는 팝업스토어(임시매장)가 열린 성수동 중심거리는 말 그대로 인산인해였다. ‘팝업의 성지’ 성수동을 찾은 중국인, 일본인, 서양 관광객들도 많이 목격됐다.
평일에도 줄 서기로 유명한 자연도소금빵집 앞엔 족히 100명 가까운 사람들이 차례를 기다리고 있었다.
연무장길 중심거리를 걷는 동안 뷰티 브랜드 바닐라코, 칠성사이다 등 수많은 팝업 매장들이 눈에 들어왔다.
인파의 흐름에 따라 걸으면서 다양한 팝업스토어를 둘러보는 분위기가 자연스럽게 형성됐다. 이날 성수동에서 가장 큰 규모를 자랑하는 복합문화공간 XYZ 서울엔 다이슨 팝업 준비가 한창이었다. 팝업의 과거, 현재, 미래가 한 거리에 다 있는 셈이었다.
정비소 건물이 ‘팝업 성지’로
과거 자동차 정비소가 모여있던 성수동은 정비소 건물도 팝업 매장으로 변신할 정도로 ‘팝업 성지’가 됐다. ‘팝업 컨설팅, 팝업 문의’를 대문짝만하게 써 붙이고 팝업스토어를 위한 단기 공간 임대를 전문으로 하는 ‘팝업 전문 부동산’이 생겼을 정도다. 외국인 관광객 필수 코스가 된 성수동은 매일 바뀌는 매장을 구경하는 재미에 국내 MZ세대들에게도 인기다. 빠른 변화, 경험 중심, 고자극을 중시하는 MZ세대 특성을 가장 잘 반영한 마케팅 수단인 팝업스토어는 유통산업의 필수로 자리 잡았다.
과거 백화점에서 일부 운영하던 팝업스토어는 단기간 운영되는 임시 매장이다. 주재우 국민대 경영학부 교수는 “코로나 시기 기존 공간 대신 새로운 형태의 공간 기획이 필요해 탄생한 것이 현재의 팝업스토어로 이어졌다”고 설명했다.
하루 임대료 수천만원에도 입점 치열
대규모 팝업 행사가 열리는 XYZ 서울은 하루 임대료만 2000만원에 달하는 것으로 알려져 있다. 4월만 해도 매주 주말을 끼고 바이레도, CJ온스타일, 지그재그 뷰티, 쿠팡 뷰티 팝업스토어가 열렸다. 짧게는 2~3일, 길어도 일주일이나 열흘 정도면 끝나는 행사에 큰 비용을 들이는 건 마케팅 효과가 확실하기 때문이다. 대형 유통업체도 서울 성수동에 자체 행사를 위한 팝업스토어를 따로 열 정도다. 지난 25일부터 3일간 서울 성수동에서 열열린 ‘LTM 다운타운 피버(LTM downtown fever)‘는 롯데백화점이 다음 달 열리는 명동 아트 페스타 홍보를 위한 팝업스토어다. 대형 유통업체가 자체 행사를 위해 외부 팝업을 여는 건 이례적이다. 최인아 롯데백화점 아트콘텐츠실 아트 갤러리팀 책임은 “3일 동안 많은 비용이 들지만 고객층이 젊지 않은 올드타운인 명동 대신 2030세대를 끌어오기 위해 그들이 찾는 곳에서 홍보하는 효과가 충분하다고 본다”고 했다.
다만 시류에 편승해 브랜드 전략 없이 형식적으로 열리는 팝업은 성공하기 어렵다는 지적도 나온다. 주 교수는 “브랜드나 팝업스토어에 대한 목적이 분명하지 않거나 기대 효과가 정해져 있지 않은 상태에서 비용을 쓰면 효과를 측정할 수 없는 데다 소비자도 새롭다고 느낄 수 없어 성공하기 어렵다”고 말했다.
Thaler, R. H. (2018). Nudge, not sludge. Science, 361(6401), 431-431.
For some, the world is becoming increasingly complicated in that there are ever greater responsibilities, from selecting health insurance to figuring out how much to save for retirement. Ten years ago, my friend (and Harvard law professor) Cass Sunstein and I published a book called Nudge: Improving Decisions About Health, Wealth, and Happinessthat offered a simple idea. By improving the environment in which people choose—what we call the “choice architecture”—they can make wiser choices without restricting any options. The Global Positioning System (GPS) technology on smartphones is an example. You decide where you want to go, the app offers possible routes, and you are free to decline the advice if you decide to take a detour. Sunstein and I stressed that the goal of a conscientious choice architect is to help people make better choices “as judged by themselves.” But what about activities that are essentially nudging for evil? This “sludge” just mucks things up and makes wise decision-making and prosocial activity more difficult.
Wisdom has long been suggested as a desired goal of development (see e.g. Clayton and Birren, 1980; Erikson, 1959; Hall, 1922; Staudinger and Baltes, 1994). Questions concerning the empirical investigation of wisdom and its ontogeny, however, are largely still open. It is suggested that besides person characteristics, certain types of experience may facilitate wisdom-related performance. A sample of clinical psychologists (n=36) and highly educated control professionals (n=54) ranging in age from 25 to 82 years responded verbally to two wisdom-related tasks involving life planning and completed a psychometric battery of intelligence and personality measures. Three primary findings were obtained. First, training and practice in clinical psychology was the strongest predictor of wisdom-related performance (26%) and, in addition, showed some overlap with personality variables in this predictive relationship. Second, 14% of the variance in wisdom-related performance was accounted for by standard psychometric measures of personality and intelligence. Personality variables were stronger predictors than variables of intelligence. Important personality predictors were Openness to Experience and a middle-range location on the Introversion–Extraversion dimension. Third, wisdom-related performance maintained a sizable degree of measurement independence (uniqueness). Predictive relationships were consistent with research on naive conceptions of wisdom and our own theoretical account of the ontogenesis of wisdom-related performance.
“사전 부검을 (Premortem) 할 수도 있습니다. 사전 부검이란, 일어날지 모르는 사건이 일어났다고 가정한 뒤에 그 사건과 관련된 주변 정보를 구체화하는 것입니다. 즉, 우리가 시간을 앞서가 있다고 가정을 해 보고, 타임머신을 타고 미래에 가서 현재를 되돌아보는 것입니다”
Research conducted in 1989 by Deborah J. Mitchell, of the Wharton School; Jay Russo, of Cornell; and Nancy Pennington, of the University of Colorado, found that prospective hindsight—imagining that an event has already occurred—increases the ability to correctly identify reasons for future outcomes by 30%. We have used prospective hindsight to devise a method called a premortem, which helps project teams identify risks at the outset.
… Although many project teams engage in prelaunch risk analysis, the premortem’s prospective hindsight approach offers benefits that other methods don’t. Indeed, the premortem doesn’t just help teams to identify potential problems early on. It also reduces the kind of damn-the-torpedoes attitude often assumed by people who are overinvested in a project. Moreover, in describing weaknesses that no one else has mentioned, team members feel valued for their intelligence and experience, and others learn from them. The exercise also sensitizes the team to pick up early signs of trouble once the project gets under way. In the end, a premortem may be the best way to circumvent any need for a painful postmortem.
Tested 3 hypotheses concerning people’s predictions of task completion times: (1) people underestimate their own but not others’ completion times, (2) people focus on plan-based scenarios rather than on relevant past experiences while generating their predictions, and (3) people’s attributions diminish the relevance of past experiences. Five studies were conducted with a total of 465 undergraduates. Results support each hypothesis. Ss’ predictions of their completion times were too optimistic for a variety of academic and nonacademic tasks. Think-aloud procedures revealed that Ss focused primarily on future scenarios when predicting their completion times. The optimistic bias was eliminated for Ss instructed to connect relevant past experiences with their predictions. Ss attributed their past prediction failures to external, transient, and specific factors. Observer Ss overestimated others’ completion times and made greater use of relevant past experiences.
“In 1871, the colony of British Columbia agreed to join the new country of Canada on the condition that a transcontinental railway reach the west coast by 1881. In fact, because of the intervention of an economic depression and political changes, the last spike was not driven until 1885, 4 years after the predicted date of completion. Nearly 100 years later, in 1969, the mayor of Montreal proudly announced that the 1976 Olympics would feature a state-of-the-art coliseum covered by the first retractable roof ever built on a stadium. According to mayor Jean Drapeau, the entire Olympic venture would cost $ 120 million and “can no more have a deficit than a man can have a baby” (Colombo, 1987, p. 269). Because of economic problems, strikes, and other construction delays, the stadium roof was not in place until 1989, 13 years after the predicted date of completion—and cost $120 million by itself! Many people consider the Sydney Opera House to be the champion of all planning disasters. According to original estimates in 1957, the opera house would be completed early in 1963 for $7 million. A scaled-down version of the opera house finally opened in 1973 at a cost of $102 million (Hall, 1980).” (pg. 366)
서초고등학교에서 학기별로 진행되는 외교 아카데미에 초대되었다. 각 학년별 약 15명의 학생들이 초대되는 행사로 고등학생들이 외부의 특강을 들으면서 국제화된 시야를 갖추는 것을 목표로 진행된다.
강연에서는 국가별 차이점에 관심이 많은 학생들을 대상으로, 행동경제학 사례를 공유했다. 고등학생들은 대학생들보다 더 창의적인 관점으로 세상을 바라보고 강연에 적극적으로 참여했다.
이번 강연에서는 국가별로 차이가 나는 상황이 사실은 인간의 공통된 본성 때문이라는 점을 집중적으로 소개했다. 즉, 같은 시대를 살아가는 인간이라면 편향을 (Bias) 공통적으로 보인다는 점을 소개했다.
예를 들어, 많은 나라에서 운전면허증을 새로 발급받거나 갱신할 때 장기기증을 선택할 수 있다. 그런데 이 확률이 국가별로 차이가 많이 난다. 2003년 조사에 따르면 독일과 영국은 15% 이고, 프랑스와 오스트리아는 100%이다. 이렇게 차이가 나는 것은 문화, 시스템, 의료체계 등에 의한 것이 아니라, 모든 인간이 현재유지편향을 (status-quo bias) 보이기 때문에 기본값에 (default) 따라서 선택 확률이 변하는 것이다.
***
Reference
Johnson, E. J., & Goldstein, D. (2003). Do defaults save lives? Science, 302(5649), 1338–1339.
“If preferences concerning organ donation are strong, we would expect defaults to have little or no effect. However, as can be seen in the figure, defaults appear to make a large difference: the four opt-in countries (gold) had the lower rates than the six opt-out countries (blue)… One reason these results appear to be greater than those in our laboratory study is that the cost of changing from the default is higher; it involves filling out forms, making phone calls, and sending mail.” (pg. 1339)
This study provides the first evaluation of a newly engineered type of commitment device—a temptation bundling device. It shows that in the setting explored, where exercise was bundled with tempting audio novels, this new type of commitment device is valued by a significant portion of the population studied. Further, we find that when temptation bundling is imposed on a population, it can increase gym attendance by 51% at low cost when it is initially instituted, although as in most exercise interventions This study provides the first evaluation of a newly engineered type of commitment device—a temptation bundling device. It shows that in the setting explored, where exercise was bundled with tempting audio novels, this new type of commitment device is valued by a significant portion of the population studied. Further, we find that when temptation bundling is imposed on a population, it can increase gym attendance by 51% at low cost when it is initially instituted, although as in most exercise interventions.
우수한 고객 경험을 창출하기 위해서는 제품의 기술력이나 성능에 천착하기보다 ‘인간으로서의 고객’을 이해하는 게 중요하다. 인간의 동기를 인지적으로 접근하는 심리학 이론인 목표 시스템 이론(Goal Systems Theory)을 비즈니스에 접목하면 고객의 행동과 구매 동기를 이해하는 데 도움이 된다. 목표 시스템 이론에 따르면 인간의 목표(Goal)와 하위 목표(Subgoal), 수단(Means)은 인지적으로 연결돼 있다. 어떤 사람이 선택한 수단에 직접적으로 연결된 하위 목표보다 더 상위에 연결된 목표를 이해함으로써 그 수단을 선택한 진정한 동기를 이해할 수 있다. 일례로 독일 슈퍼마켓 체인 리들(LiDL)은 신선한 식재료를 싸게 구매하는 것은 단순한 하위 목표에 불과하며 진짜 목표는 “원하는 음식을 요리한다”라는 사실을 파악하고 요리 레서피에 따라 식료품을 분류하고 있다. 목표 시스템 이론이 제안하는 대로 소비자의 상위 목표를 파악해 나가면 구매 행동을 유도하는 진정한 동기를 이해하고 이를 제품 설계에 반영할 수 있다.
… 많은 경영 리더가 경영학과 공학의 한계를 느끼면서도 심리학을 받아들이기는 어려워한다. 심리학이 재무적 성과를 증명하는 데 무관심한 이유도 있겠지만 그보다는 기업 리더들이 보기에 심리학이 다루는 인간이란 존재가 이해하기 어렵고 예측 불가능하다는 선입견이 큰 장벽으로 작용한다. 인간은 세탁기처럼 설계도를 뜯어볼 수 없고 예상 매출 산식 같은 것도 없어 속마음을 도무지 가늠할 수 없기 때문이다. 현재의 행동을 이해하기도, 미래의 행동을 예측하기도 어려워 정답을 알 수 없는 인간에 관해 이야기 나누는 것을 불편해한다.
… 일반적으로 기업은 소비자의 동기를 이해하고 예측하기 위해 트렌드를 주로 파악했다. 연말, 연시에 발간되는 트렌드 리포트를 참고하면서 소비자의 구매 동기를 파악하고 예측하지만 트렌드 리포트는 소비 현상을 사후적으로 설명하는 일부 전문가의 주관적인 주장일 뿐 이론적 근거가 빈약하다는 한계가 있다. 소비자들의 어떤 구매 동기와 목표로 인해 제품이 흥행하는 것인지 논리적으로 검증하기도 어렵다. 앞서 제시한 목표 시스템은 이런 한계를 극복하는 대안이 될 수 있다. 인간의 동기를 파악하는 명확하게 정립된 이론 아래 특정 제품과 관련된 사용자의 행동과 목표를 파악한다면 진정 고객이 원하는 니즈를 반영한 제품을 설계할 수 있다.
… 포도송이처럼 복잡한 목표 시스템을 그리는 일이 지난한 과정일 수 있다. 적지 않은 시간과 노력이 들겠지만 그 과정 자체 만으로도 의의가 크다. 목표 시스템을 그려 나가는 과정을 통해 제품과 기술에 맞췄던 초점이 자연스레 고객으로 옮겨가는 것을 체감할 수 있기 때문이다. 대기업 B사의 한 엔지니어는 건조기 관련 목표 시스템을 구축하는 프로젝트를 마친 후 “진정 고객 중심으로 사고한다는 게 무엇인지 알게 됐다. 지금까지 우리가 제품의 기능, 기술, 속성에만 파묻혀 있었단 사실을 깨달았다”고 말했다. 중요한 교훈이다.
… 목표 시스템의 복잡한 결과물만 보고는 ‘이렇게 까지 해야 하나’라는 의문이 들 수 있지만 직접 그려본다면 생각은 달라질 것이다. ‘인간은 이렇게 생각하고 행동하는구나’를 직접 느끼고 깨달으면서 제품과 기술에 대한 애정은 어느새 고객에 대한 관심으로 바뀌고, 여기서부터 진정한 고객 가치 창출이 시작될 것이다.
Rapid development and adoption of AI, machine learning, and natural language processing applications challenge managers and policy makers to harness these transformative technologies. In this context, the authors provide evidence of a novel “word-of-machine” effect, the phenomenon by which utilitarian/hedonic attribute trade-offs determine preference for, or resistance to, AI-based recommendations compared with traditional word of mouth, or human-based recommendations. The word-of-machine effect stems from a lay belief that AI recommenders are more competent than human recommenders in the utilitarian realm and less competent than human recommenders in the hedonic realm. As a consequence, importance or salience of utilitarian attributes determine preference for AI recommenders over human ones, and importance or salience of hedonic attributes determine resistance to AI recommenders over human ones (Studies 1–4). The word-of machine effect is robust to attribute complexity, number of options considered, and transaction costs. The word-of-machine effect reverses for utilitarian goals if a recommendation needs matching to a person’s unique preferences (Study 5) and is eliminated in the case of human–AI hybrid decision making (i.e., augmented rather than artificial intelligence; Study 6). An intervention based on the consider-the-opposite protocol attenuates the word-of-machine effect (Studies 7a–b).
“We assessed choice on the basis of the proportion of participants who decided to chat with the human versus AI Realtor by using a logistic regression with goal, matching, and their two-way interaction as independent variables (all contrast coded) and choice (0 = human, 1 = AI) as a dependent variable. We found significant effects of goal (B = 1.75, Wald = 95.70, 1 d.f., p < .000) and matching (B = .54, Wald = 24.30, 1 d.f., p < .000). More importantly, goal interacted with matching (B = .25, Wald = 5.33, 1 d.f., p = .021). Results in the control condition (when unique preference matching was not salient) replicated prior results: in the case of an activated utilitarian goal, a greater proportion of participants chose the AI Realtor (76.8%) over the human Realtor (23.2%;z = 8.91, p < .001), and when a hedonic goal was activated, a lower proportion of participants chose the AI (18.8%) over the human Realtor (81.2%;z = 10.35, p < .001). However, making unique preference matching salient reversed the word-of-machine effect in the case of an activated utilitarian goal: choice of the AI Realtor decreased to 40.3% (from 76.8% in the control; z = 6.17, p < .001). That is, making unique preference matching salient turned preference for the AI Realtor into resistance despite the activated utilitarian goal, with most participants choosing the human over the AI Realtor. In the case of an activated hedonic goal, making unique preference matching salient further strengthened participants’ choice of the human Realtor, which increased to 88.5% from 81.2% in the control, although the effect was marginal, possibly due to a ceiling effect (z = 1.66, p = .097).
Overall, whereas the word-of-machine effect replicated in the control condition when unique preference matching was salient, participants preferred the human Realtor over the AI recommender both in the hedonic goal conditions (human = 88.5%,AI = 11.5%;z = 12.40, p < .001) and in the utilitarian goal conditions (human =59.7%,AI = 40.3%;z = 3.24, p = .001; Figure 3), corroborating the notion that people view AI as unfit to perform the task of matching a recommendation to one’s unique preferences.
These results show that preference matching is a boundary condition of the word-of-machine effect, which reversed in the case of a utilitarian goal when people had a salient goal to get recommendations matched to their unique preferences and needs. The next study tests another boundary condition.” (pp. 99-100)
Artificial intelligence (AI) helps companies offer important benefits to consumers, such as health monitoring with wearable devices, advice with recommender systems, peace of mind with smart household products, and convenience with voice-activated virtual assistants. However, although AI can be seen as a neutral tool to be evaluated on efficiency and accuracy, this approach does not consider the social and individual challenges that can occur when AI is deployed. This research aims to bridge these two perspectives: on one side, the authors acknowledge the value that embedding AI technology into products and services can provide to consumers. On the other side, the authors build on and integrate sociological and psychological scholarship to examine some of the costs consumers experience in their interactions with AI. In doing so, the authors identify four types of consumer experiences with AI: (1) data capture, (2) classification, (3) delegation, and (4) social. This approach allows the authors to discuss policy and managerial avenues to address the ways in which consumers may fail to experience value in organizations’ investments into AI and to lay out an agenda for future research.
This article looks at the trade-offs that gift givers and gift receivers make between desirability and feasibility using construal level theory as a framework. Focusing on the asymmetric distance from a gift that exists within giver-receiver dyads, the authors propose that, unlike receivers, givers construe gifts abstractly and therefore weight desirability attributes more than feasibility attributes. Support for this proposition emerges in studies examining giver and receiver mind-sets, as well as giver and receiver evaluations of gifts. Furthermore, givers do not choose gifts that maximize receiver happiness or other relationship goals even though givers believe they are doing so. Finally, the authors demonstrate that while givers are sensitive to their distance from the receiver, receivers are not sensitive to this distance.
We recruited 425 US-based participants from Amazon.com’s Mechanical Turk. However, 365 were left after removing those who clicked to enter but did not finish the study, failed the IMC, or incorrectly answered whether they were in the giver or receiver condition. Participants were divided into a 2 (participant role: giver vs. receiver) X 2 (perspective: control vs. own preference) between-subjects design. First, participants imagined a specific friend and wrote down that friend’s initials. Then they imagined either giving that friend a gift or receiving a gift from that friend for a birthday occasion. Each participant was asked to imagine a choice between a highly feasible gift (a photo-editing program with few features that was easy to use) and a highly desirable gift (a high-quality photo-editing program that was hard to learn) and to give their relative preference on a 1–7 bipolar scale anchored at “prefer Gift A” and “prefer Gift B,” where Gift B was the high-desirability option. Right before answering, half of the participants were asked to take a moment to think about which software they would prefer for themselves.
