국내 온라인 쇼핑 산업은 인터넷 이용 환경의 급격한 발전을 거듭해 왔으며(Kim, 2012), 인터넷은 정보 검색뿐만 아니라 기업의 마케팅 활동에 이용되기도 하며 거대한 정보 네트워크로 전 세계와 연결되어 있어 빠르고도 신속한 커뮤니케이션을 가능하게 한다(Ju & Ahn, 2010). 또한 인터넷의 확산과 함께 등장한 온라인 쇼핑몰은 소비자들의 생활 패턴과 쇼핑 방식까지 변화시키면서 온라인상의 화장품 구매가 증가하여 여러 소비자층이 온라인 쇼핑몰을 경험하고 있다(Park & Kim, 2008). 온라인쇼핑시장의 급성장과 관련 유통시장의 변화, 온라인 비대면 중심의 유통환경의 변화는 비단 각종 기술의 발전에 기인한 것임과 동시에 오늘날 영민한 소비자들의 소비성향의 변화에도 그 원인을 찾을 수 있을 것이다(Moon, 2021) 이러한 온라인 쇼핑의 거래액을 보면 거래액 기준 2019년 134조 5830억원이며, 이는 전년대비 18.3% 증가한 것이다(Jeong, 2020). 온라인 쇼핑에서의 화장품의 성장은 기존 판매 방식인 카운슬링과 제품 테스트를 통한 대면 중심의 판매 및 구매 방식이 익숙한 일반적인 상식을 크게 웃도는 결과라 할 수 있다. 인터넷을 사용하여 쇼핑, 정보 탐색 등의 다양한 경험과 체험을 통해 즐거움을 추구하거나 이러한 경향이 점진적으로 확산 되면서 동일한 관심사와 가치를 공유하는 온라인내 소통이 활성화되고 있다(Cho & Eom, 2012). 인터넷 사용이 보편화 되면서 온라인상의 다양한 커뮤니티 형성이 가능해졌으며, 새로운 커뮤니케이션 수단으로 활용 되어지고 있다(Kwon & Lee, 2018). 이러한 온라인을 통한 정보 공유는 자연스럽게 온라인 화장품 브랜드 제품에 대한 포괄적 정보에 대한 관심과 탐색이 증가한다고 보여진다. 온라인을 통한 화장품 판매처는 화장품외 여러 상품을 일괄 구매할 수 있는 종합몰과 주된 상품군만을 구성하여 판매하는 전문몰로 나눌 수 있으며 유통 경로에 따라 온라인을 통해서만 상품을 판매하는 온라인 전용몰, 온라인을 통한 상거래뿐 아니라 오프라인 판매를 병행하는 온라인∙오프라인 병행몰로 나눌 수 있다(Kim & Oh, 2018). 최근에는 온라인에서만 판매하고 있는 온라인전용 브랜드 화장품이 생겨나면서 온라인 거래의 전문성을 강화하고 있다(Kim & Oh, 2018). 유통채널별 기초화장품 구매행동 연구에 따르면(Jeong, 2018), 선호하는 유통채널을 분석한 결과 전반적으로 온라인 유통채널의 선호도가 가장 높았고, 백화점, 로드샵 순으로 나타났다. 이러한 온라인 화장품 구매시 주요 소비자들의 불만사항으로는 온라인에서 확인된 상품의 내용이나 정보가 인터넷 상에서 본 것과 다르다는 점이며, 이는 화장품의 색상, 성분등의 정보를 가능한 정확히 제공하는 것이 매우 중요하다(Lee & Kim, 2006). 또한 화장품 온라인 쇼핑시 온라인 구전 정보의 방향성이 소비자 구매의도에 미치는 영향에서 온라인 화장품 구매시 온라인 구전 정보, 즉 상품 사용 후기를 참고하는 정도가 매우 높고, 사용후기를 읽고 구매의도를 갖으며, 온라인 구전 정보, 사용후기에 대한 긍정적인 내용을 볼 때 구매의도를 높게 지각 한다고 하였다(Son & Eo). 이러한 변화는 화장품을 단순히 피부를 청결, 미화하여 용모를 밝게 변화시키는 기능뿐 아니라 피부 결점을 개선 시키는 기능까지 요구되고 있는 특성들이 반영된 것이다(Kim & Han, 2018). 온라인 쇼핑에서 판매자 정보와 상품정보에 대해서는 보다 자세하게 설명하는 것이 온라인 에서의 구매의도에 긍정적인 영향을 주고 있다는 것은 선행 연구에서 다루어 졌다(Joh, 2007). 하지만 상품의 어떠한 정보들이 구매의도에 긍정적인 영향을 주는지에 대한 연구는 더 필요한 상태이다. Kang & Sin (2006)은 화장품의 구매결정 요인을 분석함에 있어 화장품 소비자의 소비성향은 5가지 성향(자원약 성향, 계획구매성향, 유행 추구성향, 과시소비성향, 충동구매성향)으로 분류하였고, 이를 구매결정요인에서 인구 통계학적 변수(결혼여부, 연령, 직업, 1회 구입비용등)로 구분하여 분석하였다. 결과에 따르면 브랜드 명성도 뿐 아니라 제품의 전반적인 품질을 신중히 고려하고 다양한 정보들을 반영하여 합리적인 태도로 구매하는 경향이 있다고 하였다. 이 연구는 오프라인 매장을 대상이었으나, 온라인에서도 이와 유사한 화장품 구매의도에 영향을 주는 제품의 성분, 품질, 효능/효과, 가격, 용기 및 포장 디자인과 브랜드 이미지 등 이러한 차이와 특성에 대해서는 연구가 활발히 이루어지지 않고 있다. 이와 같은 상황을 볼 때 온라인 쇼핑의 화장품 시장에 대한 보다 심도 있는 연구와 분석이 필요한 상황이며, 더욱이 온라인 쇼핑 화장품 시장은 지속적으로 시장규모가 성장하면서 세분화, 다양화 됨에 따라 이에 대한 온라인에서의 화장품 브랜드 정보와 관련된 다양한 연구와 분석이 필요하다.

본 연구는 온라인 쇼핑에서 화장품에 대한 정보는 브랜드를 중심으로 운영 되고 있으며, 이러한 브랜드의 주요 정보라도 볼 수 있는 제품 관련 성분, 가격, 효능, 효과 및 사용후기 등의 폭 넓은 브랜드 정보가 노출 되어 있고, 이러한 정보들이 브랜드 신뢰와 온라인에서의 지속적인 구매 활동에 어떠한 영향을 주는지에 대한 고찰 하고자 한다. 이러한 온라인 쇼핑 화장품 브랜드 관련 정보들을 통해 각 브랜드 제품의 특성을 비교하면서 온라인 구매 고객의 패턴, 인식 변화 등 구매와 브랜드간의 심층적 연구 및 체계화하여 온라인 화장품 정보가 브랜드 신뢰 및 온라인에서의 지속적 구매행동에 미치는 영향에 대해 분석하고자 한다. 이를 통해 온라인 쇼핑 화장품 채널 사업에 대한 정부 및 기업에 유용한 정보를 제공하는 데 연구의 궁극적인 목적이 있다.

본 연구를 위한 자료수집은 최근 6개월간 온라인을 통해 화장품을 구입한 경험이 있는 사용자를 주요 대상으로 하였다. 설문지는 온라인을 통한 설문을 통해 총 1,300부가 배부되었고 이들 중 온라인으로 화장품을 구입한 경험이 없는 사용자와 불성실한 응답자, 결측값을 제외하고 총 1,197부를 최종 분석하여 결과는 Table 1과 같다.

본 연구는 설문지를 통해 연구대상의 온라인 화장품 정보에 대한 구매 신뢰성, 구매의도, 브랜드 태도, 브랜드 정보, 정보 신뢰도에 대해 신뢰성, 긍정적 감정, 부정적 감정 등을 분석하였으며 이를 위해 설문지는 총 57 문항의 측정항목으로 구성 되어져 있으며, 본 설문조사를 위해 5점 리커트 척도와 인구통계적 특성 측정을 사용 하였다.

본 연구에서는 회수 된 설문지의 통계처리는 데이터 코딩 과정을 거친 다음 Statistical Package for Social Science (SPSS) 22.0과 Amos 21.0을 사용하여 다음과 같은 방법으로 실증 분석을 실시하였다.

첫째, 설문 응답자들의 인구통계학적 특성과 일반적 특성을 분석하기 위해 빈도분석(frequency analysis)을 실시하였다.

둘째, 측정도구들에 대한 정규성을 파악하고자 기술통계분석을 실시하였다.

셋째, 설문 항목들에 대한 개념적 타당성을 검토하기 위해 탐색적 요인분석(factor analysis)을 실시하였다. 또한 측정 변수들의 내적 일관성을 검증하기 위해 신뢰도분석(reliability analysis)을 실시하였다.

넷째, 탐색적 요인분석에서 확인된 요인들에 대해 확인적 요인분석을 실시하여 각 측정변수들의 집중 타당성과 잠재변수의 집중 타당성을 확인하였다.

다섯째, 각 측정변수들 간의 관계를 파악하기 위하여 이변량 상관관계분석(correlation Analysis)을 실시하였으며 판별타당성을 파악하기 위하여 AVE 및 개념신뢰도 분석을 실시하였다.

전체 수거 설문지 1,197 부를 분석대상으로 하였으며 측정도구에 대한 개념 타당성을 파악하고 내용의 타당성을 확보하기 위하여 SPSS 22.0K를 이용하여 요인분석을 실시하였다. 요인분석은 측정지표의 실제 측정결과가 본래 의도된 이론적 개념과 부합하는지를 평가하는 일반적인 분석방법으로 가장 보편적으로 이용되고 있다. 요인분석에서 요인을 추출하는 방법으로는 일반적으로 주성분분석(principal component)에 의한 방법과 공통요인분석(common factor analysis)에 의한 방법이 있는데, 본 연구에서는 주성분 분석을 사용하여 조사한 결과를 나타났다. 일반적으로 요인추출은 요인이 설명할 수 있는 분산의 양을 뜻하는 아이겐(eigen) 값을 기준으로 하여 아이겐 값이 1.0 이상인 요인들을 추출한다. 여기서 아이겐 값이 1.0이라는 의미는 변수하나 정도의 분산을 축약하고 있다는 의미이다. 요인 적재치(factor loading)는 0.40 이상인 경우를 통계적으로 유의한 것으로 판단되고, 요인간의 상관관계인 다중 공선성을 제거하기 위하여 직각회전(varimax)방식으로 나타냈다.

확인적 요인분석은 각 측정변수들의 집중 타당성과 잠재변수의 집중 타당성 및 판별 타당성 등을 검증하는 단계를 거쳐서 진행하였다. 타당성 평가를 위해 탐색적 요인분석에 이어 확인적 요인분석을 외생변수와 내생변수로 나누어 AMOS 21.0의 측정모형을 이용하여 실시하였다. 확인적 요인 분석은 탐색적 요인분석과 대비되는 요인분석의 한 방법으로 연구자가 자료 내부에 숨겨져 있는 이론적 구조에 대한 정보를 사전에 알고 있어서, 이 이론적 구조를 확인하고자 할 때 사용하는 방법이다. 이는 신뢰성 검증이 내적 일관성을 가정하지만 검증하지 못하기 때문에 널리 이용되고 있다. 적합도를 평가하기 위하여 goodness of fit index (GFI), adjusted goodness of fit index (AGFI), root mean square residual (RMR), normed fit index (NFI), χ², χ²의 p값을 이용하였다. 신뢰성이란 동일한 개념에 대하여 반복적으로 측정하였을 때 나타나는 측정값들의 분산을 의미한다.

본 연구에서는 내적 일관성을 측정 하기 위해 크론바 알파(Cronbach's alpha)계수를 이용하여 신뢰도를 측정하였다. Nunnally (1978)는 탐색적인 연구 분야에서는 알파값이 0.60 이상이면 충분하고, 기초연구 분야에서는 0.80, 그리고 중요한 결정이 요구되는 응용 연구 분야에서는 0.90 이상이어야 한다고 주장하고 있다. 또한 Van de Ven & Ferry (1980)도 조직단위의 분석수준에서 일반적으로 요구 되어지는 알파 값은 0.60 이상이면 측정도구의 신뢰성에는 별 문제가 없는 것으로 일반화 하고 있다. 설문문항들에 대한 평균 및 표준편차 값은 Table 2와 같다. 신뢰성에서는 신뢰성4(나는 온라인에서 찾은 화장품 관련 정보 최근 정보라고 생각한다)가 3.51로 가장 높은 평균을 보여주었으며 긍정적 감정에서는 긍정적 감정1 (나는 온라인 화장품 광고 컨텐츠는 이해하기 쉽다)가 3.27, 부정적 감정에서는 부정적 감정2 (나는 온라인 화장품 광고의 성분내역을 신뢰하지 않는다)가 2.38로 가장 높은 평균을 보여주었다. 구매신뢰도에서는 구매 신뢰도2 (나는 온라인 화장품 광고에 호감을 느낀다)가 3.39, 구매의도에서는 구매의도3 (나는 온라인 화장품 정보 구매 시 제품의 가격을 비교한다)이 3.37, 브랜드태도에서는 브랜드태도1 (나는 내가 좋아하는 화장품 브랜드가 있다)이 3.47, 브랜드 정보에서는 브랜드 정보5(나는 온라인에서 화장품 구매시 내가 좋아하는 브랜드 성분을 찾아 본다)가 3.40, 정보신뢰도의 경우 정보신뢰도3 (나는 온라인에서 화장품의 성분의 후기를 신뢰한다)가 3.42로 가장 높은 평균을 보여주었다. 또한, 측정항목에 대한 왜도, 첨도의 경우 왜도(skewness)는 자료의 분포모양이 어느 쪽으로 얼마만큼 기울어져 있는가를 나타내며 일반적으로 왜도의 절대값이 1보다 큰 경우에는 정규분포에서 크게 벗어난 것으로 간주한다(Sung et al., 2011). 첨도(kurtosis)는 자료의 분포모양이 위로 뽀족한 정도를 나타내는 것으로 첨도의 절대값이 7보다 작아야 정상분포를 이룬다고 볼 수 있다. 이러한 기준을 적용할 때 본 연구에서 사용된 데이터들은 모두 왜도, 첨도 기준을 충족시키는 것으로 나타나 정규분포를 가정한다는 것을 확인할 수가 있었다.

본 연구에서 선정한 요인인 신뢰성, 긍정적 감정, 부정적 감정, 구매신뢰도, 구매의도, 브랜드태도, 브랜드 정도, 정보신뢰도에 대한 요인분석 결과 8개로 Table 3과 같다. 아이겐 값은 2.573에서 4.183로 모두가 1.0을 상회하는 것으로 나타나 모든 요인들이 명확히 분류되었다. 누적분산은 79.838%로 나타났고, 요인적 채치가 0.4보다 크게 나타나 동일 요인의 측정변수간의 집중 타당성과 판별 타당성이 모두 검증되었다. 또한, KMO의 수치는 0.886, Bartlett의 구형성 검증에서는 카이제곱 값이 48932.2 (df=528, p=0.000)으로 파악되었다. 세부적인 탐색적 요인분석을 실시한 결과 긍정적 감정은 모두 5개의 설문항목들로 구성이 되어졌으며 아이겐 값(eigen-value)은 4.183, 설명분산은 12.676%로 나타나 긍정적 감정요인으로 선정하였으며 브랜드정보는 모두 4개의 관련 문항들로 구성되었으며 아이겐 값(eigen-value)은 3.720, 설명분산은 11.273%로 나타나 브랜드 정보 요인으로 선정을 하였다. 부정적감정에 대한 분석의 결과 모두 4개의 관련 문항으로 나타났으며 아이겐 값(eigen-value)은 3.684, 설명분산은 11.165%로 나타나 부정적 감정 요인으로 선정하였으며 신뢰성에서는 모두 4개의 관련 문항과 아이겐 값(eigen-value)은 3.558, 설명분산은 10.780%로 확인되었다. 구매의도에 대한 탐색적 요인분석에서는 모두 4개의 관련 문항으로 나타났으며 아이겐 값(eigen-value)은 3.048, 설명분산은 9.235%, 정보신뢰도의 경우 4개의 관련 문항과 아이겐 값(eigen-value)은 2.852, 설명분산은 8.641%, 구매신뢰도에서는 모두 4개의 관련 문항과 아이겐 값(eigen-value)은 2.729, 설명분산은 8.271%로 나타나 본 연구의 요인으로 선정을 하였다. 그리고 브랜드 태도에 대한 분석에서는 모두 4개의 관련 문항으로 구성되었으며 아이겐 값(eigen-value)은 2.573, 설명분산은 7.797%로 나타나 브랜드 태도로 명명(naming)하였다. 그리고 8개 요인에 대한 신뢰도 분석의 결과 Cronbach alpha 값이 기준치인 0.6 이상으로 나와 측정도구의 타당성은 확보가 되었다

전체 인과모형에 대한 구조 방정식 모형분석을 하기 이전에 측정변수의 판별 타당성과 수렴 타당성은 탐색적 요인분석을 통해 어느 정도 확인되었으나, 측정항목에 대하여 요인별 단일차원성 확인 및 통계적 검증을 위하여 AMOS 21.0을 이용하여 선행요인에 대한 확인적 요인분석을 실시하였다. 선행요인들의 특성에 대한 확인적 요인 분석의결과 χ²=3039.657, df=458, χ²에 대한 p값=0.000, 기초적합지수(goodness of fit index, GFI)=0.872, 조정적합지수(adjusted goodness of fit index, AGFI)=0.844, 비교 적합지수(comparative fit index, CFI)=0.947, 원소간 평균차이(root mean square residual, RMR)=0.063, 표준적합지수(normed fit index, NFI)=0.938, root mean square error or approximation, RMSEA)=0.069 등과 같은 통계수치로 나타났다. 이와 같이 나타난 본 연구의 모형은 적합모형의 지표들과 비교할 때 CFI지수가 0.947이며 GFI가 0.872로 권장치 이상이며, Chi-square값도 유의한 것으로 나타났다. 확인적 요인분석 결과로서 구조모델 추정에 대한 기각비(critical ratio, C.R)의 크기를 절대값이 1.96 이상 기준으로 해석하고자 할 경우 Table 4에서 보는 것처럼 본 연구의 모형은 각 측정변수의 기각비(C.R)가 1.96을 크게 초과하고, 유의수준 p<0.001에서 유의한 것으로 나타났다. 그리하여 Table 5와 같이 집중 타당성이 있다고 판단된다.

본 연구에서 선정된 변수들의 판별 타당도를 파악하기 위하여 아래의 수식을 참고하여 판별타당도 분석을 시행하였다. 판별타당도 검증의 결과 판별타당도는 평균분산추출 (average variance extracted, AVE)과 개념들 간 상관계수 값을 이용하여 분석할 수 있다. 구성개념들 간의 상관계수의 제곱값이 평균분산추출량(AVE)을 초과하지 않으면 판별타당성을 지닌다(Fornell & Laker, 1981). 즉 판별타당성 평가의 대상이 되는 각각의 평균분산 추출량과 그 둘 간의 상관관계의 제곱을 비교하여 두 평균 분산추출량이 모두 상관관계의 제곱보다 크면 그 두 대상 간에는 판별타당성이 있다고 할 수 있다. 분산추출량은 측정오차에 의한 변량의 양과 관계에서 구성개념이 잡아낸 변량의 양을 의미한다. 평균분산추출량은 Fornell & Laker (1981)가 제안한 공식에 의하여 계산하였으며, 평균분산추출량은 일반적으로 0.5 이상이면 집중타당성을 갖는 것으로 받아들이는데 이는 항목들의 분산중 1/2은 construct에 의해 설명될 수 있어야 그 항목들을 수용할 가치가 있다는 것을 의미한다. 또한, Anderson & Gerbing (1986)에 따르면 개념신뢰도는 0.7이상이면 집중타당도가 우수하다고 판단을 하였는데 이러한 기준에서 본 연구에서 사용된 요인들이 개념신뢰도는 대부분 0.7이상으로 나타나 집중타당성은 확보가 되었다고 판단이 된다. 본 연구의 측정모형에서 사용된 구성개념 간의 평균분산추출량 및 개념신뢰도는 Table 6과 같다. 구성개념들 간의 상관계수의 제곱값이 AVE를 초과하지 않는 것으로 나타났기 때문에 구성개념 간 판별타당성은 확보되었다고 할 수 있다. 본 연구에서는 단일차원성이 입증된 각 연구단위별 척도들에 대하여 서로의 관계가 어떠한 방향이며, 어느 정도의 관계를 갖는지를 알아보기 위하여 먼저 상관관계 분석을 실시하였다. 상관관계 분석은 독립변인들 간의 상관관계를 파악하기 위해서 실시하였으며, 대부분 상관관계가 존재하는 것으로 나타났다. 또한 판별계수의 값도 일정수준인 0.5 이상으로 나타나 판별 타당도에는 이상이 없다는 것을 알 수 있다.

본 연구에서 선정한 요인 8개의 중요변수인 신뢰성, 긍정적 감정, 부정적 감정, 구매신뢰도, 구매의도, 브랜드 태도, 브랜드 정보, 정보신뢰도로 구성하였다. 연구모형에서 탐색적 요인분석을 통하여 도출된 요인들로서 확인적 요인분석을 통해 요인변수들에 대한 타당성이 입증되었다. 개념 타당성을 검증하기 위해서 적합도를 평가지표로 goodness of fit index (GFI, 0.9이상 우수, 0.8이상 양호), adjusted GFI (AGFI, 0.9이상), 카이자승(적을수록 바람직함), 카이자승에 대한 p값(0.05이상이면 바람직함)을 적용하였으며 분석의 결과 χ²=4103.721, df=469, χ²에 대한 p값=0.000, GFI=0.822, AGFI=0.787, CFI=0.926, RMR=0.084, NFI(normed fit index)=0.917, tucker-lewis index (TLI)=0.916, Parsimonius CFI=0.822, Parsimonius NFI=0.815, RMSEA=0.080을 나타내고 있다. 전반적인 적합도 지수중 GFI는 기준치인 0.80을 상회하고 있으며 자유도를 고려한 수정 GFI의 값인 AGFI는 기준치인 0.80을 상회하고 있고, CFI값과 RMSEA값이 모두 기준치를 상회 하고 있다. 그리하여 전반적 적합도 지수들은 종합적으로 고려할 때 대체로 본 모형은 Figure 1과 같으며 수용할만한 모형임을 알 수 있다. 가설검증의 결과를 살펴보면 긍정적 감정은 브랜드정보에 C.R 값 13.327의 통계적으로 유의미한 정적(+)인 영향력을 주는 것으로 나타났으며 구매의도에는 C.R 값 8.865, 정보신뢰도에는 C.R 값 8.959, 구매신뢰도에는 C.R 값 14.345. 브랜드태도에는 C.R 값 9.387로 나타나 유의미한 정적(+)인 영향력을 확인할 수가 있었다. 이러한 결과는 긍정적 감정이 높을수록 브랜드 정보, 구매의도, 정보신뢰도, 구매신뢰도, 브랜트 태도는 증가하는 것으로 이해가 된다. 또한, 긍정적 감정이 가장 높은 영향력을 주는 요인은 구매신뢰도로 나타났으며 다음으로는 브랜드 정보로 확인되었다. 다음으로는 부정적 감정이 종속변수에 미치는 영향력을 분석한 결과를 살펴보면 구매의도에는 C.R 값 -5.983, 정보신뢰도에는 C.R 값 -8.098의 통계적인 범위 내에서 부적(-) 영향력을 확인할 수가 있었으며 구매신뢰도에는 C.R 값 -4.824, 브랜드태도에는 C.R 값 -5.535로 나타나 부적(-)인 영향력을 확인할 수가 있었다. 이러한 결과는 부정적 감정이 높아질수록 구매의도, 정보신뢰도, 구매신뢰도, 브랜드 태도는 감소한다는 것으로 해석할 수가 있다. 부정적 감정이 가장 높은 영향을 주는 요인은 정보신뢰도로 파악이 되었으며 다음으로는 구매의도, 브랜드 태도 순으로 확인되었다. 신뢰성이 영향력을 미치는 부분에 대한 결과를 살펴보면 신뢰성은 브랜드정보에 C.R값 2.795의 유의미한 정적(+)인 영향력을 주었으며 구매의도에는 C.R값 8.585의 정적(+) 영향을 주었다. 그리고 정보신뢰도에는 C.R 값 9.955, 구매신뢰도에는 C.R 값 6.112, 신뢰성에는 C.R 값 9.535로 나타나 유의미한 정적(+) 영향력을 확인할 수가 있었다. 이러한 분석의 결과는 Table 7과 같으며 신뢰성이 증가하게 되면 브랜드 정보, 구매의도, 정보신뢰도, 구매신뢰도, 브랜드태도가 높아진다는 것으로 이해가 되며 신뢰성이 정보신뢰도에 가장 큰 영향을 주었으며 다음으로는 브랜드 태도로 확인되었다. 본 분석의 결과를 정리하면 긍정적 감정은 구매신뢰도에 가장 큰 영향력을 주며 부정적 감정은 정보신뢰도, 신뢰성은 정보신뢰도에 가장 높은 영향력을 주었다.