대안평가

 

 

 

대안을 평가할 때 우리는 구매하고자 하는 상품의 내재적, 외재적 정보를 활용하여 상품의 속성들과 각 속성의 중요성을 평가 기준으로 판단하게 됩니다. 이때 내재적 정보는 제품이 제공하는 구체적인 혜택을 직접적으로 제공하는 속성 정보로 제품 설명서나 제품 테스트 보고서 등에 나타나는 제품 속성 정보가 포함되며, 관여도가 높거나 내구재의 경우 소비자가 제품군에 대한 충분한 지식이 있다면 제품의 속성정보를 많이 이용하게 됩니다. 이를테면, 자동차의 경우 연비, 엔진의 마력수, 실내 공간, 주요 부품의 성능, 디자인 등이 내재적 정보에 해당합니다. 외재적 정보는 제품 자체의 혜택과는 직접적인 관련이 없으나 제품의 전반적인 품질을 나타내 줄 수 있는 정보로 제품의 가격수준, 브랜드명, 제조국, 취급 점포 등으로 소비자들은 품질을 평가하기 어렵거나 제품지식이 부족할 때 외재적 정보에 의존하는 경향이 높습니다. 
대안을 평가하는 의사결정 방식에는 보완적 방식과 비보완전 방식으로 구분할 수 있습니다. 보완적 방식은 한 속성에서의 약점이 다른 속성에서 강점으로 보완되는 방식이며, 비보완전 방식은 한 속성의 약점이 다른 속성의 강점으로 보완되지 않는 방식입니다. 
보완적 방식은 대안별로 전체적 평가를 하기 위하여 기준별 평가치를 중요도에 따라 가중 평균하여 구한 점수에 따라 결정합니다. 어떤 평가 기준에서 낮은 점수를 받았다 하더라도 다른 기준에서 높은 점수를 얻어 보상될 수 있는 방식으로 모든 대안에 대하여 평가 기준이 빠짐없이 고려되는 특징이 있습니다. 보완적 방식의 장점은 모든 대안에 대하여 각 평가 기준의 값이 함께 감안되어 의사결정을 치밀하게 수행할 수 있습니다. 반면 단점은 시간이 오래 걸리고, 특히 대안의 수나 평가 기준의 수가 많을 때는 고통스럽기도 합니다.
이에 비하여 비보완전 방식은 한 속성의 약점이 다른 속성의 강점으로 보완되지 않는 방식으로 결합 방식, 분리 방식, 사전편찬방식, 연속제거방식 등이 있습니다. 
결합 방식은 평가 기준별로 각각 최소치를 정하고 모든 평가 기준에서 최저기준을 넘는 대안을 선택하는 방식입니다. 모든 평가 기준에 대하여 함께 최소치를 만족시켜야 하며, 대안의 수가 많아 모든 평가 기준에서 큰 약점이 없는 대안만을 추출하고자 할 때 유용합니다.

분리 방식은 각 대안이 한가지 평가 기준에서라도 최소치를 초과하면 선택하는 방식으로 고려 대상이 되는 모든 대안이 이미 어느 정도 만족할 만한 수준에 이르렀거나 몇 가지 평가 기준에서 상당한 약점이 있어도 무방할 때 활용됩니다.
사전편찬방식은 가장 중요한 평가 기준에서 가장 높은 값을 가진 대안을 순서대로 평가하여 선택하는 방식입니다. 문제점은 아주 작은 차이에 의해서도 의사결정이 종결되는 경우가 많습니다.
연속제거방식은 사전편찬방식과 유사하지만최소치가 있다는 점에서 차이가 있습니다. 결합 방식과 분리 방식은 많은 대안 중에서 일부를 선택할 때 유용한 방식으로 결합 방식은 모든 평가 기준에서 한 가지라도 문제가 없는 것을 뽑아내고자 할 때, 그리고 분리 방식은 한 가지만이라도 특히 뛰어난 대안을 추출하고자 할 때 유용하게 활용될 수 있습니다. 반면 사전편찬방식과 연속제거방식은 적은 노력으로 많은 대안들을 평가하여 최종 의사결정에 도달할 수 있는 장점이 있지만, 연속제거방식은 사전편찬방식을 사용할 때 가장 중요한 속성에서 아주 작은 차이에 의해서도 의사결정이 종결되는 단점을 극복할 수 있으나, 일반적으로 사전편찬 방식보다는 큰 노력과 시간이 요구됩니다.
이 밖에도 대안 평가시 직감이나 경험에서 비롯된 단순한 규칙을 사용하기도 하는데, 이를 휴리스틱이라고 합니다. 휴리스틱 방식은 몇 가지 단순한 규칙 등을 이용하여 의사결정에 지름길을 제공하는 것으로, 단순한 규칙이란 브랜드나 가격, 점포, 광고 및 판매촉진과 관련된 직감이나 경험에 기초한 기준을 활용하여 평가하는 방식입니다. 
대안 평가에는 몇 가지 재미있는 현상들이 발견되는데, 이는 주로 맥락효과, 구성 효과, 점화효과, 후광효과, 선호도 조회 방식과 같은 영향 요인들과 관련됩니다. 맥락효과는 어떤 상황에 부닥쳐 있느냐가 해당 소비자의 평가 결과를 다르게 만들 수 있다는 의미로, 상황 효과라고도 부릅니다. 구성 효과는 각각의 대안을 어떻게 구성하느냐에 따라 다른 선택이 유발될 수 있는 현상을 포착한 개념으로, 동일한 대안인데도 어떻게 구성하느냐에 따라 이득으로 느껴지게 되기도 하고, 손실로 느껴지게 될 수도 있습니다. 사람들이 어떤 변화치를 이득이나 손실로 받아들임에 따라 평가나 선택에 영향을 미치는 현상을 의미합니다. 점화효과는 광고관리에서는 "정보의 해석이 모호한 경우 앞서 본 정보에 의해 떠올려진 특정 개념이 뒤에 나오는 정보의 해석에 영향을 미치는 현상"을 말하고, 소비자행동 관점에서는 "앞서 본 정보에 의해 뒤에 나오는 제품정보의 해석이 영향을 받게 되어 제품에 대한 평가가 달라지는 것"을 말합니다. 후광효과는 어떤 사물이나 사람에 대한 한 가지 특성의 좋은 평가가 다른 특성에 전이되거나, 어떤 사물이나 사람에 대한 평가가 이와 유사한 다른 사물이나 사람의 평가에도 영향을 미치는 것을 의미합니다. 선호도 조회란 소비자가 과거에 이미 평가를 한 바 있던 제품을 다시 평가할 때 발생하는데, 이미 평가한 바 있던 대안을 다시 평가할 때 구체적이고 세세한 평가 기준들을 또다시 평가하기보다는 그 제품이나 브랜드에 대해 이미 형성된 전반적인 평가(감정)만을 기억해 내어 사용하는 것을 의미합니다.

 

Evaluative Criteria	Criteria Importance	Minimum Acceptable Performance	Alternative Brand
			A	B	C	D	E	F
가격	30	4	2	4	2	4	2	4
마력	15	3	4	2	5	5	4	5
내구성	5	2	3	3	3	3	3	3
연비	35	3	4	4	3	2	4	5
색상	10	3	4	4	3	2	5	2
안전도	5	2	4	2	3	3	3	3

 

보상방식(Compensatory Rule)에 의한 평가 방법에서는 대안별 각 속성의 가중총합이 가장 높은 대안을 선택하게 됩니다. A=(30)2+(15)4+(5)3+(35)4+(10)4+(5)4=335 같은 방식으로 각각의 브랜드를 평가하게 되면 B=355, C=300, D=315, E=340, F=420 따라서 브랜드 F의 점수가 가장 높아 브랜드 F를 최종 선택하게 됩니다. 
반면, 비보상 방식(Non-compensatory Rule)은 특정 대안의 한 속성에 대한 좋은 평가가 다른 속성의 나쁜 평가와 상쇄되지 않는 평가 방법으로 속성 간 점수의 trade-off를 허용하지 않는 방식입니다. 대표적인 방법으로 결합 방식(Conjunctive Decision Rule)은 속성별 cutoff 수준을 정하고 나쁜 대안을 회피하기 위한 최소 기준치를 정하고 대안의 여러 속성 중 단 하나의 속성이라도 cutoff 수준에 미달하면 제거하고 남는 대안을 선택하는 방식입니다. 일반적으로 저관여 상품의 선택 상황에서 사용합니다. 결합 방식(Conjunctive Decision Rule)을 적용할 경우 위의 예에서는 A=가격이 기준미달, B=마력이 기준미달, C=가격 기준미달, D=색상 /연비 기준미달, E=가격이 기준미달, F=색상 기준미달, 그러므로 선택 대안은 없게 됩니다. 이와 달리 분리 방식(Disjunctive Decision Rule.)은 중요 속성에서 cutoff 수준을 넘어서는 대안을 모두 선택하는 방식으로 위의 예에서는 연비, 가격 속성의 중요성이 타 속성보다 매우 중요하므로 이 두 속성을 기준으로 대안 선택하는 것으로 가정할 수 있습니다. 만일 연비 속성을 기준으로 선택하면, 최소 기준 이은 3이므로 이를 충족시키는 A, B, C, E, F 안을 선택하고, 가격 속성을 기준으로 선택하면, 최소 기준은 4이므로, 이를 충족시키는 B, D, F 안을 선택하게 됩니다. 
사전편찬 방식( Lexicographic Rule)은 대안별로 가장 중요한 속성의 값을 비교하여 가장 값이 큰 대안을 선택하고, 만일 복수가 선택된다면 다음으로 중요한 속성을 비교하여 최종적으로 하나의 대안이 남을 때까지 대안별 속성 비교를 반복 시행하는 것입니다. 가장 중요한 속성이 연비이므로, 연비가 가장 높은 F 안을 선택하게 됩니다. 
연속 제거 방식( Elimination-by-Aspects Decision Rule) 은 속성별 중요성 순서대로 각 대안의 속성값을  차례대로 비교하여 cutoff 수준에 미달하는 대안을 제거하는 방식을 반복하여 최종적으로 하나의 대안이 남을 때까지 대안별 속성 비교를 반복 시행합니다. 가장 중요한 속성인 연비에서 기준값인 3에 미달하는 D 안을 제거하고, 다음으로 중요한 속성인 가격에서 기준값인 4에 미달하는 A, C, E 안을 제거, 그다음 중요한 속성인 마력에서 기준값인 3에 미달하는 B 안을 제거 최종적으로 남은 F 안을 선택하는 방식입니다.