보상적 의사결정규칙 (Compensatory Decision Rule)
쉽게 풀면
보상적 의사결정규칙은 한 가지 단점이 있어도 다른 장점으로 메우면서 전체적으로 따져서 선택하는 방식입니다.
예를 들어 가격이 조금 비싸도 디자인이 아주 마음에 들면 전체 점수를 따져 그 제품을 선택하는 경우가 해당합니다.
여러 속성을 하나씩 종합해서 총점을 비교한다는 점이 특징입니다.
왜 중요한가
보상적 규칙은 고관여 구매 상황에서 소비자가 신중하게 대안을 비교하는 과정을 설명하는 데 중요합니다.
제품 속성 정보를 어떻게 설계하고 제시할지 결정하는 마케팅 커뮤니케이션 전략에 실무적으로 활용됩니다. 특히 제품 비교표나 평점 시스템처럼 여러 속성을 한눈에 비교할 수 있는 정보 환경은 소비자가 보상적 규칙을 사용하도록 유도하는 대표적인 장치로 다뤄집니다.
논문에서는 이렇게 쓰입니다
중요한 구매일수록 속성들을 종합적으로 따진다는 의미입니다.
정보 제시 방식이 의사결정 방식과 만족도에 영향을 줄 수 있음을 보여줍니다.
조금 더 깊게 보면
보상적 규칙은 다속성 태도모델과 밀접하게 연결되며, 각 속성에 가중치를 부여해 총 효용을 계산하는 방식으로 모델링됩니다.
비보상적 규칙(예: 접합적 규칙, 사전편찬식 규칙)과 대비되어 설명되는 것이 일반적입니다. 다속성 태도모델에서는 각 속성의 중요도(가중치)와 대안이 그 속성에서 보이는 성과의 곱을 모두 더한 값으로 전체 태도 점수를 계산하며, 이 점수가 가장 높은 대안이 선택된다고 가정합니다. 이 계산 방식은 선형가산모형(linear additive model)이라고도 불리며, 마케팅 리서치에서 컨조인트 분석의 이론적 기초로도 활용됩니다. 보상적 규칙을 적용하려면 소비자가 각 속성의 상대적 중요도(가중치)를 스스로 명확히 인식하고 있어야 하는데, 실제로는 이 가중치 인식 자체가 불안정하거나 상황에 따라 달라지는 경우가 많아 이론과 실제 적용 사이에 간극이 존재합니다.
주의할 점
실제 소비자는 정보 과부하 상황에서 보상적 규칙을 온전히 적용하기 어려워 단순화된 휴리스틱으로 전환하는 경우가 많습니다.
속성 수가 많아질수록 보상적 규칙에 필요한 인지적 계산량이 기하급수적으로 늘어나기 때문에, 실제로는 일부 속성만 선별적으로 고려하는 단순화된 형태로 변형되어 적용되는 경우가 많습니다. 보상적 규칙은 속성 수가 많아질수록 인지적 부담이 급격히 커지므로, 실제로는 온라인 비교사이트처럼 정보를 자동 정리해 주는 도구가 있을 때 주로 온전히 적용됩니다. 속성 가중치를 소비자 스스로 명확히 인식하지 못하는 경우가 많아, 설문으로 측정한 가중치와 실제 선택 행동 사이에 괴리가 나타나기도 합니다. 보상적 규칙에 따른 총점 비교는 속성 수가 많아질수록 계산 부담이 커져, 정보량이 지나치게 많은 상황에서는 소비자가 이 방식을 포기하고 더 단순한 규칙으로 전환하는 경향이 있습니다.