Analyzing Impact Factors of User Resistance to Accepting Paid Mobile Application

Abstract

최근 모바일 애플리케이션 시장이 지속적인 성장을 하고 있는 반면 유료 모바일 애플리케이션의 수익성은 저하되고 있다. 심화된 경쟁으로 인하여 유료 모바일 애플리케이션의 가격은 지속적으로 하락하는 추세이며 사용자의 유료 모바일 애플리케이션 구입이 줄어들고 있는 추세이다. 그러나 기존 연구는 모바일 애플리케이션의 수용에만 초점을 맞추고 있어 유료 모바일 애플리케이션의 수용 저항과 같은 현상을 제대로 설명하고 있지 못한 상황이다. 이에 본 연구에서는 유료 모바일 애플리케이션에 대해 사용자의 수용 저항 요인을 분석하고자 한다. 이를 위해, 본 연구에서는 Stimulus-Organism-Response 모델을 기초로 유료 모바일 애플리케이션의 특성과 사회적 영향(Stimulus)이 사용자에게 지각된 손실과 지각된 혜택(Organism)으로 인지되어 애플리케이션 수용저항(Response)에 어떻게 영향을 미치는지를 검증하였다. 그 결과 유료 모바일 애플리케이션이 확산되지 못하고 소멸되는 현상이 지각된 손실 때문임을 설명하고 이러한 지각된 손실을 낮추기 위해 모바일 애플리케이션 개발시 초기 가격을 낮추고 부정적인 리뷰에 대해 적극적으로 대응해야 한다는 방향성을 제시하였다. 또한 개인적인 특성을 통제변수로 연구모형에 포함하여 자기효능감이 앱 수용저항을 낮출수 있다는 점을 검증하였다. While the mobile application market is growing fast, the revenues of the majority apps are declining. Moreover, paid mobile application prices and purchases have been slow because of intensifying competition. However, the conventional studies focused only on the acceptance factor of mobile applications, so they cannot explain the phenomenon such as acceptance resistance for paid mobile applications. Therefore, our study tries to analyze the factors for the acceptance resistance of users for paid mobile applications. The research model in this paper, which is based on S-O-R model, verified through surveys how social influence and app characteristics affect user perception and how user perception affects to app resistance. The results of our study showed that paid mobile applications happened to be destroyed in front of the chasm because of the perceived loss. Consequently, the results implicate that the developers should lower the initial price and actively react to the negative reviews in order to lower the perceived loss. Moreover, the results verified that a sense of self-efficacy can lower application acceptance resistance by including personal properties to our research model as control variables.

Cite this work

No public copy is stored for this record, so only the metadata is cited.

Stored only when both papers are in the corpus — 4 citations exist upstream.

Papers that cite the same references — the relational fallback while embeddings are still backfilling.