[RH] 인간 행동을 설명하는 수학적 모델
항공권 예약, 자동차 구입, 새 아파트를 찾을 때 우리는 항상 같은 질문...


    • 최신 연구 결과들을 ‘조직과 개인의 성과’를 향상시키기 위해 어떻게 활용할 수 있을까? 리서치 기관과 연구소에서 제안하는 하이라이트(Highlight)와 핵심 아이디어(Ideas)를 소개해드립니다.

     

    * *

     

    항공권 예약, 자동차 구입, 새 아파트를 찾을 때 우리는 항상 같은 질문을 한다.

     

    “한참 뜨거울 때 (더 오르기 전에) 받아들여야 합니까? 아니면 더 나은 제안이 나올 때까지 기다려야 합니까?”

     

    사람들은 종종 대안이 동시(simultaneously)보다는 연속적으로 제시될 때 결정을 내리기가 어렵다는 것을 알게 된다. 시간이 제한되어 있고 지금 거절한 제안이 나중에 더 이상 제공되지 않을 때는 의사결정이 더욱 어려워진다.

     

    지금까지 이러한 상황에서 우리가 행동하는 방식에 대해서는 철저히 조사된 적이 없다. 그러나 전미 과학아카데미(the National Academy of Scences) 회보에 발표된 새로운 연구에는 이 문제를 조사하기 위해 고안된 수많은 실험이 소개되었다. 이 결과를 사용하여 연구자들은 사람들이 의사 결정을 내릴 때 사용할 수 있는 전략에 대한 간단한 수학 모델을 개발했다.

     

    특히 컴퓨터를 사용하면 이러한 유형의 결정을 내리는 데 가장 적합한 프로세스를 쉽게 찾을 수 있다. 그러나 인간의 두뇌는 필요한 복잡한 계산을 수행할 수 없으므로 인간은 다소 단순화된 전략을 사용한다.

     

    연구진은 사람들이 실제로 어떤 전략을 사용하는지 알아보기 위해 각 테스트에서 최대 200명의 참가자를 대상으로 구매 상황을 시뮬레이션 했다. 한 테스트에서 참가자들은 가능한 한 저렴하게 항공권을 구하라는 지시를 받았다. 이들은 가격이 변동하는 10개의 제안을 차례로 받았다. 한편 가상의 출발일은 점점 가까워지고 있었다. 또 다른 테스트에서 사람들은 식료품이나 주방 가전과 같은 제품에 대해 가능한 한 최상의 거래를 해야 했으며, 온라인 상점으로부터의 변동 가격 자료가 주어졌다.

     

    실험 평가는 테스트 참가자들이 컴퓨터로 계산되는 ‘최적이지만 다소 복잡한’ 전략을 사용하지 않았음을 확인했다. 대신 그들은 ‘선형 임계치 모델(linear threshold model)’을 사용했다.

     

    “내가 지불할 준비가 된 가격은 매일 똑같은 금액만큼 오른다. 즉, 내가 시간을 더 끌수록, 받아들여야 하는 (지불해야 하는) 가격은 더 높아진다.”

     

    이 원칙은 구매결정 뿐만 아니라 고용주 또는 반려자의 선택과 같은 상황에도 적용될 수 있다.

     

    “처음에 아마도 내 기준은 높다. 그러나 시간이 지남에 따라 내 기준이 더 낮아질 수 있고 결국 나는 처음에 내가 거절했을 누군가로 만족해야 할 수 있다.”

     

    연구원들은 실험 데이터를 분석하고 다양한 시나리오에서 인간 행동을 설명하는 수학적 모델을 개발했다. 이 모델은 사람들이 의사결정을 더 잘 이해하는 데 도움이 된다. 또한 이 모델을 통해 사람들은 우리가 제품을 너무 일찍 구매하는 경향이 있는 상황 또는 너무 오래 지연된 후 결국 남은 것이 무엇이든 받아들여야 하는 상황을 예측할 수 있다.
    연구원들은 이러한 발견이 사람들이 어려운 결정을 내리는 데 도움을 줄 수 있다고 생각하고 있다. 현재 디지털 세계에서 의사결정에 사용할 수 있는 정보의 양은 압도적일 수 있다. 이 연구는 사람들이 의사결정에서 성공하거나 실패하는 시기를 더 잘 이해할 수 있는 출발점을 제공한다. 이를 통해 사람들은 의사결정 문제를 구조화할 수 있다. 예를 들어, 온라인 쇼핑에서 그러한 방식으로 사람들은 데이터 홍수 속에서 탐색을 할 수 있도록 지원받을 수 있다.

     

    - Proceedings of the National Academy of Sciences, June 9, 2020, “A Linear Threshold Model for Optimal Stopping Behavior,” by Christiane Baumann, et al.  © 2020 National Academy of Sciences.  All right reserved.

     

    To view or purchase this article, please visit:
    https://www.pnas.org/content/117/23/12750