📈 economics

A Dynamic Mechanism for Mitigating FraudulentReturns in E-Commerce

이 논문은 이커머스 플랫폼이 환불 보증금, 확률적 감사, 위험 조정 가격 책정, 그리고 연령 기반 평점 점수를 전략적으로 결합하여 고객의 인센티브를 정직한 행동과 일치시키는 동시에 판매자의 품질과 신뢰를 보존함으로써 부정 환불을 완화하기 위한 동적 게임 이론적 메커니즘을 제안한다.

원저자: milon bhattacharya, milan kumar

게시일 2026-07-01

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: milon bhattacharya, milan kumar

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

온라인 마켓플레이스를 북적이는 디지털 광장이라고 상상해 보십시오. 이 마을에는 세 명의 주요 등장인물이 있습니다. 바로 쇼퍼(구매자)(물건을 사고 싶은 사람들), 셀러(판매자)(양질의 상품을 팔고 싶은 사람들), 그리고 시장(플랫폼)(광장을 운영하는 아마존이나 이베이 같은 곳)입니다.

문제는 무엇일까요? 일부 쇼퍼들이 시스템을 속이려 한다는 점입니다. 예를 들어, TV를 구매한 뒤 일주일 동안 사용하다가, TV를 계속 소유하면서 환불만 받기 위해 제품이 고장 났다고 거짓말을 하는 식입니다. 이것이 바로 "반품 사기"입니다. 이는 마을의 자금을 축내고, 정직한 셀러와 쇼퍼들의 신뢰를 떨어뜨립니다.

이 논문은 선량한 사람들을 처벌하지 않으면서도 사기꾼들을 막기 위한 영리한 "동적 메커니즘(Dynamic Mechanism)"을 제안합니다. 이것은 단순한 벽을 세우는 것이 아니라, 누구인지 그리고 어떻게 행동하는지에 따라 변화하는 스마트하고 유동적인 규칙의 집합체입니다.

이 메커니즘이 어떻게 작동하는지 간단한 개념별로 나누어 설명하겠습니다.

1. 핵심 규칙: "사기의 비용" 방정식

논문에 따르면, 쇼퍼는 이득이 걸릴 시의 비용보다 클 때만 사기를 치려고 시도합니다. 시장의 역할은 "비용"이 항상 "이득"보다 높게 유지되도록 만드는 것입니다.

이 "비용"은 네 가지 요소로 구성됩니다:

보증금(The Bond): 미리 내야 하는 돈 (마치 보증금과 같은 성격).
감사(The Audit): 적발되어 벌금을 물게 될 확률.
노력(The Effort): 반품을 조작하는 데 드는 번거로움.
미래(The Future): 좋은 평판을 잃음으로써 향후 가격이 높아지거나 규칙이 엄격해지는 등의 손실.

만약 이 네 가지 요소의 비용이 훔치려는 금액보다 크다면, 당신은 사기를 치지 않을 것입니다.

2. 시장이 사용하는 도구들

시장은 이 "비용"을 조절하기 위해 네 가지 구체적인 레버가 담긴 도구 상스를 가지고 있습니다.

A. 환급 가능한 보증금 ("보증금")

단순히 모든 반품을 무료로 허용하는 대신, 플랫폼은 임시 보증금을 요구합니다.

작동 방식: 물건을 살 때 소정의 추가 비용(보증금)을 지불합니다. 정직하게 반품하면 이 돈을 돌려받습니다. 만약 사기를 치려 한다면(예: 빈 박스를 보내는 경우), 그 돈을 잃게 됩니다.
"단계적" 반전: 논문은 이 돈을 단계적으로 돌려줄 것을 제안합니다. 4단계 경주를 상상해 보세요. 반품을 요청한 후 조금, 택배 기사가 물건을 수거했을 때 조금 더, 그리고 창고에서 검수가 완료되었을 때 나머지를 돌려받습니다.
왜 영리한가: 이렇게 하면 정직한 사람의 돈을 안전하게 보호하면서도(정직할 경우 돈을 다 잃지 않음), 마지막 순간에 사기를 치지 못하도록 끝까지 충분한 "책임(Skin in the game)"을 지게 합니다.

B. 감사 ("불시 점검")

시장은 모든 패키지를 일일이 확인하지 않습니다(그것은 비용이 너무 많이 듭니다). 대신 확률적 감사를 사용합니다.

트레이드오프: 기록이 완벽한 고객은 시장이 거의 점검하지 않습니다. 반면, 기록이 의심스러운 고객은 자주 점검합니다.
대체 관계: 논문은 보증금과 감사가 동전의 양면과 같다는 것을 보여줍니다. 보증금이 높으면 감사를 자주 받을 필요가 없습니다. 보증금을 낼 여력이 없다면, 시장은 더 자주 점검을 실시합니다.

C. 평판 점수 ("디지털 신용 점수")

모든 쇼퍼와 셀러에게는 시간이 지남에 따라 변하는 점수가 부여됩니다.

쇼퍼의 경우: 사기를 치면 점수가 낮아지고 "마찰(Friction)"이 증가합니다(가격 상승, 보증금 증가 등). 하지만 핵심은 회복이 가능하다는 것입니다. 일정 기간 바르게 행동하면 점수는 서서히 회복됩니다. 논문에서는 이를 "에이징(Aging, 노화/경과)"이라고 부릅니다. 이는 범죄 기록이 깨끗하게 유지되면 사라지지만, 반복적 위반자의 경우 완전히 사라지지 않는 것과 같습니다(점수 세탁 방지).
셀러의 경우: 셀러가 고장 난 제품을 보내면, 고객이 아닌 셀러의 점수가 깎입니다. 시스템은 누가 잘못했는지 똑똑하게 구분합니다. 이를 통해 정직한 고객이 나쁜 셀러 때문에 피해를 입는 것을 방지합니다.

D. 위험 기반 가격 책정

보험처럼, 점수가 낮으면 물건값이나 배송비가 더 비싸집니다. 반대로 점수가 높으면 할인을 받습니다. 이는 정직한 행동이 경제적 보상으로 이어지게 만듭니다.

3. "스택켈버그(Stackelberg)" 전략

이 논문은 게임 이론의 개념인 스택켈버그 게임을 사용합니다.

비유: 시장(플랫폼)이 오케스트라의 지휘자라고 상상해 보세요. 시장이 먼저 음악(규칙)을 쓰고, 쇼퍼와 셀러(연주자들)는 그 규칙을 듣고 최선의 대응을 하며 연주합니다.
결과: 시장은 자신이 만든 규칙에 연주자들이 어떻게 반응할지 정확히 알고 있기 때문에, 정직한 연주자들이 떠나지 않게 하면서도 사기를 완벽하게 차단하는 시스템을 설계할 수 있습니다.

4. 주요 시사점

논문은 이 디지털 마을을 운영하기 위한 네 가지 주요 통찰을 결론짓습니다.

최악의 위반자만 처벌하지 마라: 가장 위험한 상위 10%의 사용자만 차단하는 대신, "경계선"에 있는 사용자들—즉, 규칙이 조금만 더 쉬웠다면 사기를 쳤을 법한 '거의 정직한' 사용자들에게 집중하십시오. 이들에게만 규칙을 강화하는 것이 최소한의 비용으로 가장 많은 사기를 막는 방법입니다.
보증금에 대해 투명하라: 고객에게 사기를 칠 경우 보증금이 얼마나 몰수될지 정확히 알려주십시오. 규칙을 숨기면 정직한 사람들이 겁을 먹고 떠나게 됩니다.
돈을 천천히, 하지만 너무 늦지 않게 돌려주라: 고객의 보증금을 단계적으로 돌려주십시오. 이는 고객에게 공정하게 느껴지면서도, 패키지가 검증될 때까지 충분한 금액을 붙잡아 두어 마지막 순간의 사기를 방지합니다.
재기할 기회를 주라: 한 번의 실수로 사람을 영구적으로 차단하는 시스템은 좋지 않습니다. 사람들이 정직하게 행동함으로써 점수를 다시 높일 수 있도록 하는 시스템은 그들이 미래에도 정직하게 행동하도록 독려합니다.

요약하자면: 이 논문은 사기를 막는 최선의 방법은 요새를 쌓는 것이 아니라, 사기의 비용이 항상 보상보다 높게 유지되되, 정직한 행동은 지속적으로 보상받고 나쁜 행동은 극복할 수 있는 스마트하고 역동적인 시스템을 구축하는 것이라고 주장합니다.

기술 요약: 이커머스 내 부정 반품 완화를 위한 동적 메커니즘

문제 정의
이커머스 플랫폼은 고객 신뢰와 전환율을 높이는 관대한 반품 정책과, 기회주의적 행동 및 반품 사기로 인한 리스크 사이에서 균형을 맞추어야 하는 결정적인 설계 과제에 직면해 있다. 부정 반품은 환불 손실, 역물류, 가격 인하, 그리고 판매자와 고객 간의 신뢰 침식 등을 통해 상당한 비용을 발생시킨다. 핵심 문제는 정보 비대칭 하에서의 도덕적 해이 문제로, 플랫폼은 고객의 의도(보유, 정당한 반품, 또는 사기)를 직접 관찰할 수 없으나, 선량한 고객을 처벌하거나 우수한 판매자를 저해하지 않으면서 사기를 억제할 수 있는 메커니즘을 설계해야 한다.

방법론
저자들은 이 상호작용을 고객( $C$ ), 판매자( $S$ ), 플랫폼( $P$ )이 참여하는 3인 동적 게임으로 모델링한다. 플랫폼은 스택켈버그 리더(Stackelberg leader)로서, 판매자가 제품 품질을 선택하고 고객이 반품 행동을 선택하기 전에 메커즘 $M$ 을 확정적으로 약속한다.

상태 공간: 시점 $t$ 에서의 시스템 상태는 고객의 운영 리스크 점수( $\Theta_t$ ), 판매자의 신뢰도 점수( $\Omega_t$ ), 그리고 제품 카테カテゴリ( $k$ )로 정의된다.
메커니즘 설계: 플랫폼은 다음과 같은 도구 세트를 약속한다:
- 리스크 조정 가격: 고객 리스크가 높아지면 상승하고 판매자 신뢰도가 높아지면 하락하는 가격.
  환급형 보증금: 반품 관련 손실에 대한 담보로 보유되는 다단계 환급형 보증금.
- 확률적 감사: 리스크에 따라 규모가 변하는 감사 확률.
- 동적 평판 시스템: 고객과 판매자 모두를 대상으로 하는 결함 조정 및 시간 경과가 반영된 점수 체계.
평형 개념: 분석은 마르코프 완전 스택켈버그 평형(Markov Perfect Stackelberg Equilibrium, MPSE)을 추구한다. 플랫폼은 판매자의 최적 대응(품질 선택)과 고객의 최적 대응(반품 행동)을 예측하고, 자신의 효용을 극대화하면서 두 후행자(follower)의 개별 합리성(IR) 및 유인 부합성(IC) 제약을 충족하도록 메커니즘을 최적화한다.

주요 기여
본 논문은 세 가지 이론적 기여를 한다:

통합 억제 조건: 저자들은 반품 사기 완화를 단일한 경제적 조건으로 규정한다. 고객은 다음 항목의 합계가 부정 수익( $G_f$ $G_{f}$ )보다 크지 않을 때만 사기를 저지한다:
- 위험에 처한 잔여 보증금 ( $B_{res}$ ).
- 기대 감사 페널티 ( $p F_C$ ).
- 사기 수행 비용 ( $c_F$ ).
- 깨끗한 기록을 유지함으로써 얻는 할인된 미래 가치 ( $\delta_C \Delta V_C$ ).
  플랫폼의 도구들은 이 부등식의 항들을 직접 조절하는 레버 역할을 함이 입증되었다.
다단계 보증금 역학: 본 논문은 다단계 환급형 보증금 메커니즘을 도입한다. 저자들은 보증금을 단계별로(예: 픽업 시, 창고 입고 시, 검증 시) 환급하는 것이 억제 효과를 유지하면서도 고객의 유동성 부담을 줄일 수 있는 구체적인 조건을 도출한다. 핵심 결과는 억제 효과를 유지하기 위해 검증 시점까지 충분한 잔여 보증금이 보유되어야 한다는 것이다.
결함 조정 및 시간 경과가 반영된 평판: 저자들은 시간 경과에 따라 회복이 가능하면서도(rehabilitation) 결함이 조정되는(fault-adjusted) 평판 점수를 개발하였다. 이를 통해 고객이 판매자 과실로 인한 결함 때문에 불이익을 받지 않도록 하며, 판매자가 고객 사기 때문에 불이익을 받지 않도록 보장한다. 모델은 '생애 심각도 지수(lifetime severity index)'를 포함함으로써 '점수 세탁(score laundering, 나쁜 점수를 기다려 없애는 행위)'을 방지함을 보여준다.

결과 및 발견
분석은 메커니즘 설계에 관한 구체적인 결과를 제시한다:

도구의 대체 가능성: 보증금과 감사는 서로 대체 관계에 있다. 플랫폼은 전체 억제 조건을 충족하는 한, 보증금을 늘려 감사 부하를 줄이거나, 감사 확률을 높여 고객의 유동성 부담을 줄일 수 있다.
최적 에스컬레이션 사다리: 플랫폼은 모든 고위험 사용자를 일률적으로 처벌하기보다 "유인 경계(incentive boundary, 억제 조건이 간신히 성립하는 지점)"를 목표로 삼아야 한다. 최적의 정책은 다음과 같은 순서로 도구를 격상시킨다:
1. 신뢰 구역(Trust Zone): 억제 격차가 음수인 경우 보증금 불필요.
2. 보증금 주도(Bond-Led): 보증금을 사용하여 격차를 메움 (감사 확률 = 0).
3. 감사 주도(Audit-Led): 보증금이 한계에 도달하면 감사 확률을 높임.
4. 제한(Restriction): 두 도구가 모두 소진되면 거래를 제한함.
판매자 유인: 높은 판매 품질은 플랫폼이 품질을 경제적 결과(예: 낮은 수수료, 더 나은 순위)와 연결할 때만 유지된다. 이러한 결과가 없다면 판매자는 품질을 충분히 제공하지 않는다.
회복 vs 억제: 모델은 정직한 고객이 시간이 흐름에 따라 점수를 회복하여 마찰 비용(가격, 보증금, 감사)을 줄일 수 있음을 보여준다. 그러나 전략적 사기꾼들이 역사를 완전히 지우는 것을 방지하기 위해 생애 심각도에 기반한 "바닥(floor)"이 유지된다.
수치적 예시: 모델의 캘리브레이션 결과, 제안된 메커니즘이 (예: "도구 없음" 또는 "상위 위험 10% 제한"과 같은) 벤치마크보다 더 높은 총 후생과 더 높은 고객 잉여를 달면서도 더 낮은 사기율을 달성함을 확인하였다.

의의 및 주장
본 논문은 억제력이 있으면서도 회복력을 갖춘 반품 정책을 설계하기 위한 통합된 프레임워크를 제공한다고 주장한다. 문제를 단일한 조직 조건이 있는 동적 게임으로 모델링함으로써, 저자들은 정적인 규칙을 넘어 설계 지침을 제시한다. 본 연구의 의의는 다음과 같다:

선량한 고객에게 피해를 주는 포괄적 제한 없이도 사기를 억제할 수 있다.
다단계 보증금은 보안을 희생하지 않으면서 유동성 비용을 줄일 수 있다.
공정성과 신뢰를 유지하기 위해 평판 시스템은 고객 사기와 판매자 결함을 반드시 구분하도록 설계되어야 한다.
플랫폼은 모든 당사자의 유인을 정렬시키는 투명하고 규칙 기반의 메커니즘을 약속함으로써 신뢰할 수 있는 리더 역할을 수행한다.

저자들은 모델이 대표적인 고객과 판매자를 가정하고, 위험 중립적 행위자 및 플랫폼의 완전한 약속을 전제로 한다는 점을 언급하며 한계를 인정하였다. 향후 연구는 거래 수준 데이터를 활용한 실증적 검증, 현장 실험을 통한 다단계 보증금 환급 테스트, 그리고 서로 다른 정책을 가진 플랫폼 간의 경쟁 탐구에 집중해야 한다고 제언하였다.