구독 해지 과정의 복잡성 정도에 따른 사용자 경험 연구 - 다크패턴 디자인 인지 과정을 중심으로

Q: 이 논문에서 정의한 다크패턴 디자인이란 무엇인가?

다크패턴 디자인은 사용자에게 속임수를 쓰거나 필요한 정보를 숨겨 사용자가 원하는 행동을 못 하게 하거나, 의도하지 않은 행동을 유도하도록 만들어진 사용자 경험 디자인이다. 이는 주로 온라인 시장 환경, 특히 구독 서비스에서 사용자를 기만하는 방식으로 나타난다.

Q: 구독 해지 과정의 복잡성이 사용자 경험과 재구독 의사에 어떤 영향을 미치는가?

연구 결과, 구독 해지 과정의 복잡성 정도가 높을수록 다크패턴 디자인 인지, 불쾌함 정도, 그리고 재구독 의사에 유의미한 차이가 나타난다. 특히 과도하게 복잡한 해지 과정은 사용자의 불쾌감을 증가시키고 재구독 의사를 현저히 낮추며, 기업 이미지에도 부정적인 영향을 미친다.

조보민; 오선영; 이지영; 김은지; 윤재영

doi:10.15187/adr.2023.05.36.2.247

학술저널 DBpia Top 0.1%

저자정보: 조보민 (홍익대학교) 오선영 (홍익대학교) 이지영 (홍익대학교) 김은지 (홍익대학교) 윤재영 (홍익대학교)

저널정보: 한국디자인학회 Archives of Design Research Archives of Design Research Vol.36 No.2 (Wn.146)

오류 신고하기

피인용 7

검색

초록·키워드

연구배경: 최근 온라인 시장에서 "구독"이 새로운 소비 패턴으로 부상하며 구독 경제 시장이 빠르게 확장되고 있다. 이에 기업에서는 간단한 방식으로 가입을 유도하지만, 해지는 의도적으로 복잡하게 만드는 "다크패턴 디자인" 수법이 성행하고 있다. 따라서 본 연구는 구독 해지 과정의 복잡성 정도에 따른 사용자 경험을 다크패턴 인지과정을 중심으로 알아보고자 하였다.
연구방법: 구독 해지 과정의 복잡성 정도가 사용자 경험에 어떤 영향을 미치는지 알아보기 위해, 국내 50개 구독 서비스의 해지 과정을 분석한 후 총 7가지의 해지 유형을 도출하였다. 이를 통해 유형별로 특정한 기능적 전략과 다크패턴 디자인 양상을 발견하였다. 이에 유형별 프로토타입 7가지를 제작해 사용자 실험, 설문조사, 인터뷰를 진행하였다.
연구결과: 구독 해지 과정의 복잡성 정도에 따라 다크패턴 디자인 인지, 불쾌함 정도의 차이, 재구독 의사 및 기업 이미지 인식에 관한 사용자 경험에 유의미한 차이가 나타났다. 사용자들은 불쾌함을 느끼는 지점에서 다크패턴 디자인을 인지하는 것으로 밝혀졌다. 또한 동일한 기능적 전략임에도 복잡성 정도와 다크패턴 디자인 개입에 따라 불쾌함의 수치에 차이가 나타났다. 구독 해지 경험에서의 불쾌함은 재구독 의사에도 영향을 미치며, 나아가 기업의 이미지 인식에도 부정적 영향을 주는 것으로 확인되었다.
결론: 본 연구는 여러 종류의 구독 서비스에 범용적으로 적용할 수 있는 다크패턴 디자인 연구를 시도하였으며, 사용자가 다크패턴 디자인을 인지함에도 불구하고 재구독 의사를 표하고 기업 이미지 인식에 악영향을 미치지 않는 적정 범위를 확인하였다. 사용자와 기업 양측을 고려한 디자인 방향성 고찰을 통해 구독 서비스의 사용자 경험이 향상할 것으로 기대한다.

Background: Recently, ‘subscription’ has emerged as a new consumption pattern in the online market, and the subscription economy market is rapidly expanding. As a result, companies induce membership in a simple way, but the "dark pattern design" method, which intentionally complicates termination, is prevalent. Therefore, this study attempts to examine the user experience according to the degree of complexity of the subscription termination process by focusing on the dark pattern recognition process.
Methods: This study investigates the degree of discomfort of users according to the degree of complexity of the subscription termination process. The cancellation process of 50 domestic subscription services was analyzed and a total of seven types of cancellation were derived. Through this, specific functional strategies and dark pattern design patterns for each type were found. Accordingly, seven prototypes were produced for each type and user experiments, surveys, and interviews were conducted.
Results: Depending on the degree of complexity of the subscription cancellation process, there were significant differences in dark pattern design perception, degree of discomfort, and intention to resubscribe regarding user experience. It has been found that users also recognize dark pattern design at points where they feel uncomfortable. In addition, even though it is the same functional strategy, there was a difference in the level of discomfort according to the degree of complexity and dark pattern design intervention. Such discomfort in the experience of unsubscribing affects the intention to resubscribe and further negatively affects the image of the company.
Conclusions: This study attempts a dark pattern design study that can be applied universally to various types of subscription services, and in particular, it was found that among the seven types, the ‘repetitive benefit proposal type’ expresses the intention to resubscribe despite dark pattern design recognition. It is expected that the user experience of the subscription service will be improved through design direction suggestions suitable for both users and companies.

#Dark Patterns #Dark UX Design #Manipulative Design #Subscription Service #다크패턴 #다크패턴 디자인 #다크 UX 디자인 #사용자 기만 디자인 #구독 서비스

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료