Who's Buying NFTs in the Metaverse and Why? Identifying Influencing Factors and Segmenting Potential Buyers using Principal Component Analysis and K-means Clustering 리뷰

주성분 분석(PCA)과 K-평균 군집분석을 사용하여 NFT 잠재 구매자의 복잡한 구매 동기를 분석하고, 이를 바탕으로 시장을 ‘기술 선도자’, ‘사회적 경험 추구자’ 등 뚜렷한 고객 그룹으로 세분화한다.

논문 요약

논문 제목: Who’s Buying NFTs in the Metaverse and Why? Identifying Influencing Factors and Segmenting Potential Buyers using Principal Component Analysis and K-means Clustering
저자: A. Decrop, K. D. M.
게재 학술지: Proceedings of the European Marketing Academy (EMAC) Annual Conference
발행 연도: 2023
핵심 요약: NFT 구매 의향에 영향을 미치는 수많은 심리적, 행동적 요인들을 설문조사를 통해 수집하고, 주성분 분석(PCA)을 통해 이를 소수의 핵심 동인으로 압축했다. 이후 K-평균 군집분석을 적용하여 잠재 구매자들을 4개의 뚜렷한 세그먼트로 성공적으로 분류하고, 각 그룹의 특징을 명확히 정의했다.

연구 배경

NFT와 메타버스 시장이 주목받고 있지만, 정작 ‘누가, 왜 이것을 구매하는가’에 대한 이해는 부족한 상황에서, 본 연구는 데이터 기반의 고객 세분화를 통해 이 미지의 시장을 공략할 구체적인 나침반을 제시하고자 한다.

**NFT(Non-Fungible Token, 대체 불가능 토큰)**와 **메타버스(Metaverse)**는 최근 몇 년간 기술 및 마케팅 분야의 가장 뜨거운 화두였다. 디지털 자산의 소유권을 증명하는 NFT는 예술, 게임, 커뮤니티 등 다양한 영역과 결합하며 새로운 시장을 창출했다. 그러나 시장의 폭발적인 성장세와 별개로, 많은 기업과 마케터들은 이 시장의 잠재 고객을 이해하는 데 큰 어려움을 겪고 있다. 고객들의 구매 동기가 단순한 투자 수익 추구를 넘어 사회적 지위 과시, 커뮤니티 소속감, 기술에 대한 호기심 등 매우 복합적이기 때문이다.

이러한 복잡성을 해결하기 위해 본 연구는 전통적인 마케팅 조사 기법과 머신러닝을 결합한다. 특히 두 가지 핵심적인 데이터 분석 방법론을 사용한다.

주성분 분석 (Principal Component Analysis, PCA): 설문조사 등을 통해 수집된 수많은 변수(예: 수십 개의 심리 문항) 속에 숨어있는 핵심적인 패턴, 즉 ‘주성분’을 찾아내어 데이터를 더 적은 수의 의미 있는 요인으로 압축하는 차원 축소 기법이다. 예를 들어 ‘혁신성’, ‘유용성’, ‘편리성’에 대한 질문들은 ‘기술 수용성’이라는 하나의 주성분으로 묶일 수 있다.
K-평균 군집분석 (K-Means Clustering): 데이터를 주어진 K개의 군집(Cluster)으로 묶는 가장 대표적인 군집분석 알고리즘이다. 각 데이터는 가장 가까운 군집의 중심에 할당되며, 이를 통해 유사한 특성을 가진 데이터들을 하나의 그룹으로 묶을 수 있다.

본 연구는 PCA를 통해 NFT 구매에 영향을 미치는 복잡한 심리적 요인들을 명료하게 정리하고, 이를 K-평균 군집분석의 입력값으로 사용하여 잠재 구매자들을 과학적으로 분류하는 것을 목표로 한다.

해결하려는 문제

“누가, 왜 NFT를 구매하는가?”라는 근본적인 질문에 답하기 위해, 복잡한 구매 동기 요인을 식별하고 이를 바탕으로 시장을 의미 있는 고객 그룹으로 세분화한다.

NFT 시장은 ‘고위험 고수익 투자’라는 인식부터 ‘디지털 사치품’, ‘온라인 커뮤니티 입장권’에 이르기까지 매우 다양한 시각이 공존한다. 이러한 상황에서 기업이 모든 잠재 고객에게 동일한 메시지로 마케팅하는 것은 비효율적이다. 어떤 고객은 NFT의 기술적 혁신성에 매력을 느끼는 반면, 다른 고객은 오로지 커뮤니티 활동과 소속감에만 관심이 있을 수 있다.

따라서 이 연구가 해결하고자 하는 핵심 문제는 **NFT 시장의 이질성(Heterogeneity)**을 극복하고, 동질적인 니즈를 가진 소규모 그룹, 즉 **세그먼트(Segment)**를 발견하는 것이다. 이를 위해 다음과 같은 구체적인 질문에 답하고자 한다.

NFT 구매 의향에 영향을 미치는 주요 심리적, 사회적, 재무적 요인은 무엇인가?
이러한 요인들을 바탕으로 잠재 구매자들을 몇 개의 유형으로 나눌 수 있는가?
각 유형(세그먼트)은 어떤 특징을 가지며, 그들에게는 어떤 마케팅 전략이 효과적일 것인가?

이 연구는 추측과 감에 의존하는 대신, 데이터 분석을 통해 시장을 명확히 정의하고, 기업들이 자원을 효과적으로 집중할 수 있는 타겟 고객 그룹을 제시하는 것을 목표로 한다.

연구 모형

설문조사를 통해 NFT 구매 의향에 영향을 미치는 다양한 변수를 수집하고, PCA를 통해 핵심 동인(주성분)을 추출한 뒤, 이 주성분 점수를 기반으로 K-평균 군집분석을 수행하여 고객을 세분화한다.

본 연구는 다음과 같은 3단계의 체계적인 분석 모형을 따른다.

데이터 수집 (Data Collection): 기술 수용 모델(TAM), 통합 기술 수용 이론(UTAUT) 등 기존 마케팅 및 행동과학 이론을 바탕으로 설문지를 설계한다. 설문 내용은 기술적 혁신성, 사회적 영향, 지각된 위험, 쾌락적 동기, 독특성 추구 등 NFT 구매에 영향을 미칠 것으로 예상되는 다양한 요인들을 측정하는 문항들로 구성된다.
차원 축소 (Dimensionality Reduction via PCA): 수집된 수십 개의 설문 문항 응답 데이터는 서로 높은 상관관계를 가질 수 있으며, 이를 그대로 분석하면 노이즈가 많고 해석이 어렵다. 따라서 **주성분 분석(PCA)**을 적용하여 이 변수들을 서로 독립적인 소수의 ‘주성분’으로 변환한다. 예를 들어, 20개의 설문 문항이 4개의 핵심적인 구매 동인(예: ‘기술적 관심’, ‘사회적 동기’, ‘재무적 기대’, ‘위험 회피’)으로 요약될 수 있다.
고객 세분화 (Customer Segmentation via K-Means): PCA를 통해 얻어진 각 응답자의 주성분 점수(Factor Scores)를 입력 데이터로 사용하여 K-평균 군집분석을 수행한다. 원시 설문 데이터 대신 정제된 주성분 점수를 사용함으로써, 군집분석의 안정성과 신뢰도를 높일 수 있다. 이 과정을 통해 유사한 구매 동기 패턴을 가진 응답자들이 같은 군집으로 묶이게 되며, 각 군집은 하나의 고객 세그먼트로 정의된다.

데이터 설명

NFT 구매 경험이 없는 잠재 구매자 385명을 대상으로 실시한 온라인 설문조사 데이터를 활용했으며, 이는 심리적, 행동적 특성을 측정하는 오프체인(Off-chain) 데이터이다.

출처: 논문에 명시된 자체 수집 데이터로, 온라인 설문조사를 통해 385명의 응답을 확보했다. 이는 실제 온체인 거래 기록이 아닌, 사람들의 인식과 태도를 묻는 오프체인(Off-chain) 데이터이다.
수집 방법: 연구진은 전문 온라인 설문조사 플랫폼(예: Prolific, Amazon MTurk 등)을 활용하여 NFT를 구매한 경험이 없는 미국 거주자들을 대상으로 데이터를 수집했을 것으로 추정된다.
데이터 변수 설명: 설문은 다양한 이론적 배경을 바탕으로 구조화되었으며, 변수들은 다음과 같은 논리적 그룹으로 나눌 수 있다.
- 기술 수용 요인 (Technology Acceptance Factors): NFT 기술 자체에 대한 인식을 측정한다.
  - 기술 혁신성: 새로운 기술을 시도하려는 개인의 성향.
  - 지각된 유용성: NFT가 유용할 것이라는 믿음.
  - 지각된 사용 용이성: NFT 거래가 쉬울 것이라는 믿음.
- 사회적 요인 (Social Factors): 타인과의 관계 및 사회적 맥락이 미치는 영향을 측정한다.
  - 사회적 영향: 주변 사람들이나 사회적 분위기가 주는 영향.
  - 지위 추구: NFT를 통해 사회적 지위를 얻으려는 욕구.
- 개인적/경제적 요인 (Personal & Economic Factors): 개인의 감정 및 재무적 고려사항을 측정한다.
  - 쾌락적 동기: NFT 구매 과정에서 느끼는 재미와 즐거움.
  - 독특성 추구: 남들과 다른 것을 소유하려는 욕구.
  - 지각된 재무적 위험: NFT 투자에 대한 금전적 손실 가능성 인식.

이 외에도 연령, 성별, 소득 등 인구통계학적 변수들이 함께 수집되어 세그먼트의 특성을 보다 풍부하게 해석하는 데 사용되었다.

데이터 분석

수십 개의 설문 문항들을 주성분 분석(PCA)을 통해 5개의 핵심 요인으로 압축했으며, 이 요인 점수를 기반으로 K-평균 군집분석을 적용하여 4개의 뚜렷한 고객 세그먼트를 식별했다.

본 연구의 데이터 분석은 PCA와 K-평균 군집분석이라는 두 가지 핵심적인 머신러닝 기법을 순차적으로 적용하여 진행되었다.

첫 번째 단계는 **주성분 분석(PCA)**이다. 연구진은 수집된 30여 개의 설문 문항 데이터에 PCA를 적용하여, 변수들 사이에 숨어있는 공통된 패턴을 찾아냈다. 그 결과, 복잡했던 변수들은 **5개의 주요 요인(주성분)**으로 성공적으로 요약되었다. 이 5개의 요인은 각각 ‘주관적 규범 및 이미지’, ‘쾌락적 동기’, ‘지각된 위험’, ‘독특성 추구’, ‘개인적 혁신성’ 등으로 명명되어, NFT 구매 동기의 핵심 차원을 명확하게 보여주었다.

두 번째 단계는 K-평균 군집분석이다. 연구진은 385명의 응답자들이 5개의 주성분에서 각각 얻은 점수를 새로운 데이터셋으로 구성했다. 원시 설문 데이터를 직접 사용하는 대신, PCA를 통해 한번 정제되고 의미가 부여된 이 ‘요인 점수’를 사용함으로써 군집분석의 정확도와 해석의 용이성을 높였다. 분석 결과, 최적의 군집 수(K)는 4개로 결정되었으며, 모든 잠재 구매자들은 4개의 그룹 중 하나로 명확하게 분류되었다.

핵심 결과

분석 결과, NFT 잠재 구매자들은 ‘기술 선도자’, ‘사회적 경험주의자’, ‘소극적 관찰자’, ‘보수적 회의론자’라는 네 가지 유형으로 분류되었다.

K-평균 군집분석을 통해 도출된 4개의 고객 세그먼트는 각각 다음과 같은 뚜렷한 특징을 보였다.

기술 선도자 (Tech Leaders – 21.8%): 개인적인 혁신성이 매우 높고, NFT의 재미와 즐거움(쾌락적 동기)을 중요하게 생각하는 그룹이다. 이들은 기술 자체에 대한 관심으로 시장을 주도하는 얼리어답터에 해당한다.
사회적 경험주의자 (Social Experientialists – 25.2%): 타인의 시선과 사회적 관계(주관적 규범)를 가장 중요하게 생각하며, 독특한 것을 소유하려는 욕구가 강한 그룹이다. 이들은 커뮤니티 활동과 소속감을 통해 NFT의 가치를 찾는다.
소극적 관찰자 (Passive Observers – 29.9%): 모든 구매 동기 요인에서 평균적인 점수를 보이며, 특별히 두드러진 특징이 없는 가장 큰 비중을 차지하는 그룹이다. 이들은 시장의 흐름을 지켜보며 구매를 결정할 가능성이 높은 대기 수요층이다.
보수적 회의론자 (Conservative Skeptics – 23.1%): 재무적 위험을 매우 크게 인식하며, NFT 구매에 가장 소극적이고 보수적인 태도를 보이는 그룹이다. 이들에게는 신뢰와 안정성을 어필하는 것이 중요하다.

이러한 결과는 NFT 시장이 단일한 집단이 아닌, 서로 다른 니즈와 동기를 가진 여러 그룹의 조합으로 이루어져 있음을 명확하게 보여준다.

시사점

NFT와 같은 신기술 시장에서는 모든 고객에게 동일한 메시지를 전달하는 매스 마케팅이 비효과적이며, 각 세그먼트의 핵심 동인에 맞춘 타겟 마케팅 전략이 필수적이다.

본 연구의 결과는 NFT 및 메타버스 관련 기업의 마케터들에게 매우 구체적이고 실용적인 시사점을 제공한다.

첫째, 세그먼트별 맞춤형 커뮤니케이션 전략이 필요하다. 예를 들어, ‘기술 선도자’ 그룹에게는 NFT의 기술적 우위, 로드맵, 유틸리티 등을 강조하는 메시지가 효과적일 것이다. 반면, ‘사회적 경험주의자’에게는 독점적인 커뮤니티 접근 권한, 유명인과의 연계, 한정판 디자인 등 사회적 가치와 희소성을 부각하는 마케팅이 주효할 것이다. ‘소극적 관찰자’에게는 쉬운 사용법이나 성공 사례를, ‘보수적 회의론자’에게는 안전한 거래 시스템과 자산 보호 장치를 강조하며 신뢰를 쌓는 것이 우선이다.

둘째, PCA는 복잡한 시장을 이해하는 강력한 도구이다. 신기술 시장은 고객의 심리가 복잡하게 얽혀 있어 직관만으로 파악하기 어렵다. PCA는 이러한 복잡성 뒤에 숨겨진 핵심 동인을 찾아내어 마케팅 전략의 방향을 설정하는 데 도움을 준다. 단순히 인구통계학적으로 시장을 나누는 것을 넘어, 고객의 ‘마음속’을 기준으로 시장을 나눌 수 있게 해준다.

인사이트

고객의 ‘지갑’을 보기 전에, 고객의 ‘마음(구매 동기)’을 먼저 세분화하라.

이 논문의 가장 큰 가치는, 눈에 보이는 행동 데이터(on-chain)만으로는 파악하기 힘든 고객의 근본적인 ‘왜(Why)’를 분석하는 방법론을 제시했다는 점이다. 고객이 어떤 행동을 했는지 아는 것을 넘어, ‘왜 그런 행동을 했는지’를 추론할 수 있을 때 진정한 의미의 개인화 마케팅이 가능해진다. 이 연구는 온체인 데이터로 추정한 행동 패턴에 심리적 페르소나를 입히는 ‘다리’ 역할을 할 수 있다.

고객 페르소나 예시: “기술적 가치 투자자, 소피아”
- 특징: 소피아는 USDC를 활용하여 다양한 DeFi 프로토콜에 투자하고 있다. 그녀는 커뮤니티의 유행이나 밈(Meme)보다는 기술의 실용성, 토크노믹스의 건전성, 그리고 잠재적 수익률에 기반하여 의사결정을 내린다. 그녀의 온체인 행동은 이 논문에서 정의한 ‘기술 선도자(Tech Leaders)’ 세그먼트의 심리적 특성과 매우 유사할 것으로 추정된다.
- 데이터 기반 행동 추정: 다양한 DeFi 프로토콜과 상호작용, 복잡한 트랜잭션(예: 레버리지 파밍) 실행, 정보 비대칭성이 높은 신규 프로토콜에 대한 초기 참여.
실질적인 마케팅 액션 제안:
1. 데이터 기반 콘텐츠 마케팅: 소피아와 같이 ‘기술 선도자’로 추정되는 행동 패턴을 보이는 지갑 그룹에게는 “최신 L2 솔루션 기술 분석 리포트”나 “USDC 기반 신규 DeFi 전략 수익률 백테스팅”과 같은 깊이 있는 정보를 담은 타겟 CRM 메시지나 리포트를 제공한다.
2. 유틸리티 중심의 상품 추천: 이 그룹에게는 커뮤니티 중심의 PFP NFT를 추천하는 대신, “실물자산(RWA) 기반 토큰화 상품”이나 “이자농사가 가능한 복합 파생상품” 등 실질적 가치와 유틸리티를 강조하는 상품을 우선적으로 제안한다.
3. 전문가와의 네트워킹 기회 제공: 대규모 커뮤니티 파티나 이벤트보다는, 프로젝트의 핵심 개발팀이나 저명한 온체인 분석가와 직접 소통할 수 있는 기술적인 주제의 비공개 AMA(Ask Me Anything)나 웨비나에 초대하여 전문성과 로열티를 높인다.