About This Journal

korean management review - Vol. 54, No. 5

[Paper List] [ Prev] [Go to Volume List] [ Next]


[ Article ]
korean management review - Vol. 54, No. 5, pp. 1199-1216
Abbreviation: kmr
ISSN: 1226-1874 (Print)
Print publication date 31 Oct 2025
Received 16 Jun 2025 Revised 24 Jul 2025 Accepted 29 Jul 2025
DOI: https://doi.org/10.17287/kmr.2025.54.5.1199
Recommendation-based Retail Adoption under Competition
Bosung Kim ; Soohoon Park ; YoungJae Yoo
(First Author) Department of Business Administration (bkim@khu.ac.kr)

(Corresponding Author) Department of Business Administration (soohoon.park@jnu.ac.kr)

(Co-Author) Department of Business Administration (isyou@khu.ac.kr)

소매상 간 경쟁 하에서 추천기반 소매방식 도입 연구
김보성 ; 박수훈 ; 유영재

(주저자) 경희대학교 경영학과

(교신저자) 전남대학교 경영학부

(공저자) 경희대학교 경영학과
Copyright 2025 THE KOREAN ACADEMIC SOCIETY OF BUSINESS ADMINISTRATION This is an open access article distributed under the terms of the Creative Commons Attribution License 4.0, which permits unrestricted, distribution, and reproduction in any medium, provided the original work is properly cited.


Funding Information ▼ Chonnam National University Ministry of Science and ICT, South Korea National Research Foundation of Korea NRF-2021R1F1A1052846 Kyung Hee University KHU-20231229

Abstract

Recommendation-based retail is an emerging business model in which online retailers proactively ship products to consumers based on predicted preferences, allowing consumers to purchase only items they like. Unlike traditional retail, where consumers actively search for products, recommendation-based retail reduces consumers' search efforts but carries the risk of inaccurate recommendations. Despite growing adoption in practice, strategic implications of retailer competition on adoption decisions remain unexplored. Using a stylized game-theoretic model, we analyze competition between two online retailers considering whether to adopt recommendation-based retail. Equilibrium analyses identify how adoption costs (infrastructure investment) and recommendation accuracy influence retailers' strategic decisions. We present three key findings: First, even under symmetric conditions, an asymmetric equilibrium emerges where one retailer adopts the recommendation-based model and the other does not. Second, retailers can face a prisoner's dilemma, choosing a Pareto-inferior equilibrium despite mutually beneficial alternatives. Third, consumer welfare improves as recommendation accuracy surpasses a certain threshold.

초록

추천기반 소매방식은 온라인 소매상이 각 소비자가 선호할 것 같은 제품을 배송하고 고객이 마음에 드는 제품을 구매하는 비즈니스 모델이다. 추천기반 소매방식은 소비자가 원하는 제품을 직접 탐색하는 기존 방식과는 다르게 소비자가 제품을 탐색하는데 들어가는 노력을 없애 주지만, 소매상이 추천한 제품이 소비자의 선호에 부합하지 않을 수 있다는 리스크를 지니고 있다. 추천기반 소매방식을 채택하는 온라인 소매상들이 늘어나고 있는 상황에서, 본 연구는 온라인 소매상 간 경쟁이 각 소매상의 추천기반 소매방식 채택 여부에 어떤 영향을 미치는지 연구한다. 게임이론을 활용하여 두 소매상들 간 경쟁 상황을 모형화하고 균형을 유도함으로써 추천기반 소매방식을 도입하는데 필요한 비용 및 소매상의 추천 정확도가 채택 여부에 어떠한 영향을 미치는지 분석한다. 본 연구의 주요 결과는 다음과 같다. 첫째, 온라인 소매상이 대칭적인 상황에서도 각 업체가 서로 다른 전략(추천기반 소매방식과 기존 온라인 소매방식)을 택하는 내쉬균형이 존재한다. 둘째, 두 업체가 상호 윈-윈할 수 있는 대안이 있음에도 불구하고 파레토 열위에 있는 전략 프로필을 선택하는 죄수의 딜레마 상황에 빠질 수 있다. 셋째, 추천 정확도가 일정 수준을 넘어서게 되면 추천정확도가 증가할수록 소비자 후생은 증가한다.


Keywords: recommendation-based retail, online retail, search cost, business model, AI infrastructure investment 키워드: 추천기반 소매방식, 온라인 소매, 탐색비용, 비즈니스 모델, AI 인프라 투자

Acknowledgments

본 연구는 2024년도 전남대학교 경영전문대학원 학술장학재단의 지원을 받아 수행되었으며, 2021년도 정부(과학기술정보통신부)의 재원으로 한국연구재단의 기초연구사업(과제번호: NRF-2021R1F1A1052846)의 지원을 받았고, 2023학년도 경희대학교 연구비(KHU-20231229)의 지원으로 수행되었음.

References


1.	김철민, 조광행 (2004). “인터넷 쇼핑몰에서의 소비자 충성도(e-충성도) 분석모형,” 경영학연구, 제33권 2호, pp.573-599. Kim, C. M. and Cho, K. H. (2004). “e-Loyalty Analyzing Model on the Internet Shopping Mall,” Korea Management Review, 33(2), pp.573-599.
2.	박해철, 현지윤 (2019). “온라인 쇼핑 웹사이트에서 판매수수료와 제품가격을 어떻게 그리고 누가 결정하는 것이 좋을까?,” 경영학연구, 제48권, 6호, pp.1625-1641. Park, H. C. and Hyun, J. Y. (2019). “How should They Set Their Seller Fee Schedule and Who Set Their Product Prices for Online Shopping Websites?,” Korea Management Review, 48(6), pp.1625-1641.
3.	Nam, I. H. (2004). “Spatial Competition with Internet Retailers,” Korea Management Review, 33(6), pp.1625-1645 남익현 (2004). “인터넷 소매상 진입에 따른 경쟁게임,” 경영학연구, 제33권 6호, pp.1625-1645.
4.	Adomavicius, G., Bockstedt, J. C., Curley, S. P., and Zhang, J. (2013). “Do recommender systems manipulate consumer preferences? A study of anchoring effects,” Information Systems Research, 24(4), pp.956-975.
5.	Bernstein, F., Chakraborty, S., and Swinney, R. (2019). “Managing subscription box content over time to acquire and retain subscribers,” Available at SSRN.
6.	Bhaskaran, S. R., and Ramachandran, K. “Managing Technology Selection and Development Risk in Competitive Environments,” 2011. Production and Operations Management, 20(4), pp.541-555.
7.	Brightpearl. “Try before you buy: A returns tsunami for retail,” brightpearl, https://info.brightpearl.com/returns-tsunami-for-retail, retrieved from 2018.
8.	Chen, Connie. “Birchbox is raising its subscription price for the first time in 9 years -it's actually mostly good news for subscribers,” businessinsider, https://www.businessinsider.com/guides/beauty/birchbox-beauty-samples-new-pricing, retrieved from 2019.
9.	Choi, W. J., Liu, Q., Shin, J. (2024). “Predictive analytics and ship-then-shop subscription,” Management Science, 70(2), pp 671-1342.
*10.*	Dadouchi, C. and Agard, B. (2018). ”Lowering penalties related to stock-outs by shifting demand in product recommendation systems,” Decision Support Systems, 114, pp.61-69.
*11.*	Demirezen, E. M., and Kumar, S. (2016). “Optimization of recommender systems based on inventory,” Production and Operations Management, 25(4), pp.593-608.
*12.*	Shaofu, D., Huang, C., Yan, X., Tang, W. (2024). “Voluntary green technology adoption: The effects of regulatory uncertainty and competition,” European Journal of Operational Research, 315(2), pp.528-540.
*13.*	Fleder, D., and Hosanagar, K. (2009). “Blockbuster culture's next rise or fall: The impact of recommender systems on sales diversity,” Management Science, 55(5), pp.697-712.
*14.*	Gan, M., and Jiang, R. (2013). “Improving accuracy and diversity of personalized recommendation through power law adjustments of user similarities,” Decision Support Systems, 55(3), pp.811-821.
*15.*	Ghoshal, A., Kumar, S. and Mookerjee, V. (2020). “Dilemma of data sharing alliance: When do competing personalizing and non-personalizing firms share data,” Production and Operations Management, 29(8), pp.1918-1936.
*16.*	Hosanagar, K., Fleder, D., and Lee, D. K., Andreas B. (2014). “Will the global village fracture into tribes? Recommender systems and their effects on consumer fragmentation,” Management Science, 60(4), pp.805-823.
*17.*	Johnson, Emma. “The Real Cost of Your Shopping Habits,” forbes. https://www.forbes.com/sites/emmajohnson/2015/01/15/the-real-cost-of-your-shopping-habits/, retrieved from 2015.
*18.*	Kraft, T., and Raz, G. (2017). “Collaborate or Compete: Examining Manufacturers' Replacement Strategies for a Substance of Concern,” Production and Operations Management, 26(9).
*19.*	Kraft, T., Zheng, Y., and Erhun, F. (2013). “The NGO's Dilemma: How to Influence Firms to Replace a Potentially Hazardous Substance,” Manufacturing & Service Operations Management, 15(4).
*20.*	Lake, K. “Stitch Fix's CEO on selling personal style to the mass market,” Harvard Business Review 96 35-40. https://hbr.org/2018/05/stitch-fixs-ceo-on-selling-personal-style-to-the-mass-marke, retrieved from 2018
*21.*	Li, Y., Li, G., and Tayi, G. K. (2019). “Try-before-you-buy: Online retailing strategy with customer self-mending,” Electronic Commerce Research and Applications, 36, pp.100866.
*22.*	Marr, Bernard. “Stitch Fix: The amazing use case of using articial intelligence in fashion retail,” forbes, https://www.forbes.com/sites/bernardmarr/2018/05/25/stitch-x-the-amazing-use-caseof-using-articial-intelligence-in-fashion-retail/, retrieved from 2018.
*23.*	Park, Y. S., Sim, J. S., Kim, B. S. (2022). “Online retail operations with Try-Before-You-Buy,” European Journal of Operational Research, 299(3), pp.987-1002.
*24.*	Polovnikova, A. “How Much Does It Cost to Build an AI Solution in 2025?,” Upsilon, https://www.upsilonit.com/blog/how-much-does-it-cost-to-build-an-ai-solution, retrieved from 2025.
*25.*	Stitch Fix. “Stitch Fix Announces Fourth Quarter and Fiscal Year 2022 Financial Results”. Stitch Fix. https://investors.stitchfix.com/news-releases/news-release-details/stitch-fix-announces-fourth-quarter-and-fiscal-year-2022. retrieved from 2022.
*26.*	Qiong, T., and Xu, Y. (2018). “Fashion subscription retailing: an exploratory study of consumer perceptions,” Journal of Fashion Marketing and Management: An International Journal, 22(4), pp.494-508.
*27.*	Violino, B. “Designing and building artificial intelligence infrastructure,” TechTarget, https://www.techtarget.com/searchenterpriseai/feature/Designing-and-building-artificial-intelligence-infrastructure. retrieved from 2021.

∙저자 김보성은 현재 경희대학교 경영대학 경영학과 생산운영관리 전공 부교수로 재직 중이다. KAIST 수리과학부를 졸업하였으며, 동 대학 대학원에서 경영공학 박사를 취득하였다. 박사학위 취득 이후에는 University of British Columbia에서 박사후 연구원으로 일한 바 있다. 주요 연구분야는 제조기업의 글로벌 공급망 설계 및 최적화, 소매/환대산업의 수익관리, 마케팅/경영정보시스템-생산운영 관리 인터페이스 등이다.

∙저자 박수훈은 현재 전남대학교에서 조교수로 재직 중이다. 고려대학교에서 경영학 석사 및 박사를 취득 후 University of South Carolina의 Darla Moore School of Business에서 박사 후 과정을 수행하였으며 이후 Bemidji State University에서 조교수로 재직을 하였다. 주요 관심 연구주제는 공급사슬관리, Marketing/OM Interface, 서비스 운영관리 분야이다.

∙저자 유영재는 현재 경희대학교 경영학과 생산운영관리 트랙 석사과정에 재학 중이다. 부산대학교 나노에너지공학과를 졸업하였으며, 산업공학을 부전공하였다. 주요 연구 관심사는 운영관리와 플랫폼 산업 및 디지털 문화 산업 그리고 소비자의 이탈 행동을 고려한 동적 의사결정이다.