본 연구의 목적은 크게 두 가지이다. 첫째, 어떤 네트워크 구조 변수가 디지털 아이템 구매에 영향을 미치는가? 둘째, 네트워크 구조 변수가 시간에 따라 불변(기존 연구에서 가정)인 경우(Base Model)와 시간에 따라 달라지는(dynamic) 경우(Proposed Model)를 설정했을 ...

본 연구의 목적은 크게 두 가지이다. 첫째, 어떤 네트워크 구조 변수가 디지털 아이템 구매에 영향을 미치는가? 둘째, 네트워크 구조 변수가 시간에 따라 불변(기존 연구에서 가정)인 경우(Base Model)와 시간에 따라 달라지는(dynamic) 경우(Proposed Model)를 설정했을 때 네트워크 구조 변수가 시간에 따라 변화함을 가정한 모형이 불변인 경우보다 모형의 성과가 더 좋은가? 하는 점을 알아보고자 하였다.
모형 추정 결과 네트워크 구조 변수가 시간에 따라 변화한다는 Propsed Model의 성과가 Base Model의 성과보다 더 뛰어난 것으로 나타났다. 따라서 네트워크 구조 변수의 시간에 따른 변화를 가정하는 것이 보다 바람직함을 밝혔다. 또한 Proposed Model을 통해 네트워크 구조 변수 중 내향연결중심성, 내향 근접 중심성, 외향 근접중심성, 구조적 공백, 군집계수 등이 디지털 아이템 구매에 유의한 영향을 주는 것으로 나타났다. 자신을 방문하는 친구가 많거나, 친구와의 거리가 가깝거나, 정보를 중개하는 역할을 하거나, 주변 친구들과의 관계가 밀접한 경우 디지털 아이템 구매를 촉진시키는 것으로 해석할 수 있으며, 이는 고객이 처한 네트워크 구조가 디지털 아이템에 상당한 영향력을 행사함을 나타낸다.

Digital items have become one of main revenue sources and one of primary methods to attract people in social network services. This study investigates which social factors affect the purchase of digital items in social network services. As a result, i ...

Digital items have become one of main revenue sources and one of primary methods to attract people in social network services. This study investigates which social factors affect the purchase of digital items in social network services. As a result, in-degree, in-closeness centrality, out-closeness centrality, and clustering coefficient have positive and significant impact on the purchase of digital items. On the other hand, out-degree and constraint don’t affect the purchase of digital items significantly.
In addition, we examine whether network structure variables indicating social values of social network users are dynamic over time and the model applying dynamic network structure variables is superior to the model applying static network variables. We find that network structure variables show considerable variations over time. By estimating and comparing the multi-level panel random intercept model and the multi-level panel random coefficient model, we find that all network structure indicators, excluding constraint, have time-varying coefficients, which shows that if applying static network variables, the estimated parameters can be biased.
This paper can contribute to the existing research in three main respects. First this study first examines actual sale of digital items in SNS and its social factors using field data. Second, this study shows network structure variables are dynamic over time and demonstrates better performance in terms of model fit applying time varying network structure variables to the model which has been presented by the previous studies on social network analysis marketing research.
Third, this study has its additional differentiation point in that it deals with communication network data containing both weight and direction information as a sample data unlike the previous studies which use network dataset reflecting just one characteristic or no characteristic out of “weight” and “direction.”

Digital items have become one of main revenue sources and one of primary methods to attract people in social network services. This study investigates which social factors affect the purchase of digital items in social network services. As a result, i ...

Digital items have become one of main revenue sources and one of primary methods to attract people in social network services. This study investigates which social factors affect the purchase of digital items in social network services. As a result, in-degree, in-closeness centrality, out-closeness centrality, and clustering coefficient have positive and significant impact on the purchase of digital items. On the other hand, out-degree and constraint don’t affect the purchase of digital items significantly.
In addition, we examine whether network structure variables indicating social values of social network users are dynamic over time and the model applying dynamic network structure variables is superior to the model applying static network variables. We find that network structure variables show considerable variations over time. By estimating and comparing the multi-level panel random intercept model and the multi-level panel random coefficient model, we find that all network structure indicators, excluding constraint, have time-varying coefficients, which shows that if applying static network variables, the estimated parameters can be biased.
This paper can contribute to the existing research in three main respects. First this study first examines actual sale of digital items in SNS and its social factors using field data. Second, this study shows network structure variables are dynamic over time and demonstrates better performance in terms of model fit applying time varying network structure variables to the model which has been presented by the previous studies on social network analysis marketing research.
Third, this study has its additional differentiation point in that it deals with communication network data containing both weight and direction information as a sample data unlike the previous studies which use network dataset reflecting just one characteristic or no characteristic out of “weight” and “direction.”

본 연구의 목적은 크게 두 가지이다. 첫째, 어떤 네트워크 구조 변수가 디지털 아이템 구매에 영향을 미치는가? 둘째, 네트워크 구조 변수가 시간에 따라 불변(기존 연구에서 가정)인 경우(Base Model)와 시간에 따라 달라지는(dynamic) 경우(Proposed Model)를 설정했을 ...

본 연구의 목적은 크게 두 가지이다. 첫째, 어떤 네트워크 구조 변수가 디지털 아이템 구매에 영향을 미치는가? 둘째, 네트워크 구조 변수가 시간에 따라 불변(기존 연구에서 가정)인 경우(Base Model)와 시간에 따라 달라지는(dynamic) 경우(Proposed Model)를 설정했을 때 네트워크 구조 변수가 시간에 따라 변화함을 가정한 모형이 불변인 경우보다 모형의 성과가 더 좋은가? 하는 점을 알아보고자 하였다.
모형 추정 결과 네트워크 구조 변수가 시간에 따라 변화한다는 Propsed Model의 성과가 Base Model의 성과보다 더 뛰어난 것으로 나타났다(Log Likelihood, AIC, BIC 기준 모두). 따라서 네트워크 구조 변수의 시간에 따른 변화를 가정하는 것이 보다 바람직함을 밝혔다. 또한 Proposed Model을 통해 네트워크 구조 변수 중 내향연결중심성, 내향 근접 중심성, 외향 근접중심성, 구조적 공백, 군집계수 등이 디지털 아이템 구매에 유의한 영향을 주는 것으로 나타났다. 자신을 방문하는 친구가 많거나, 친구와의 거리가 가깝거나, 정보를 중개하는 역할을 하거나, 주변 친구들과의 관계가 밀접한 경우 디지털 아이템 구매를 촉진시키는 것으로 해석할 수 있으며, 이는 고객이 처한 네트워크 구조가 디지털 아이템에 상당한 영향력을 행사함을 나타낸다.