쇼핑 유형에 따라 달라지는 기획 요소

쇼핑 유형은 고객의 맥락에 따라 ‘목적형’과 ‘발견형’으로 구분할 수 있다. 예를 들어 쿠팡의 추천 모듈은 뚜렷하게 내가 구매했거나 본 상품 위주로 연관 상품을 추천하는 반면, 패션 버티컬 위주인 무신사는 취향 저격 상품을 추천하는 방식이다. 이처럼 원하는 상품이 구체적인 경우와 그렇지 않을 경우 추천, 검색, 큐레이션 경험은 달라질 수밖에 없다.

경험을 이분법으로 정확하게 나눌 수는 없지만 로켓 배송, 가격 비교처럼 유용성에 중점을 둔 경험이 있고, 탐색 및 발견의 즐거움을 취향에 엮어 감성에 핵심 가치를 둔 경험도 있다. 이러한 경험의 종류를 크게 목적형 쇼핑과 발견형 쇼핑으로 구분하여 경험 향상을 위한 원칙들을 제시한다.

목적형 쇼핑은 ‘혜택을 제시하는 플랫폼’

목적형 쇼핑은 고객이 필요한 것을 충족하기 위한 구매 행위를 뜻하며, 주로 FMCG(Fast Moving Consumer Goods) 상품들인 생수, 휴지 등이 대상이다. 예를 들어 생수가 떨어졌을 때 가장 먼저 떠오르는 곳이 쿠팡과 네이버다. 이들 업체는 가격 비교와 빠른 배송으로 늘 먹던 생수를 손쉽게 주문할 수 있으며, 때로는 더 좋은 상품을 추천받기도 한다. 이처럼 많은 상품 중에 눈에 띄게 하기 위해 혜택을 제시해야 하는 목적형 쇼핑은 개인화, 맞춤화, 파인딩 고도화, 타깃 마케팅을 활용하여 고객이 상품을 찾는 노력을 줄인다.

1) 알고리즘을 통해 개인화, 맞춤화에 집중한다

추천을 가장 많이 활용하는 대표주자는 미국의 아마존이다. 매출의 35% 이상을 추천 알고리즘이 내고 있다. 대표적인 추천 방식은 고객이 선호하는 상품 중 유사한 다른 상품을 제시하는 방법이다. 특히 구매 및 장바구니에 담은 상품 기반으로 추천하는 방식은, 단순히 유사한 상품을 제시하는 것에서 수요나 트래픽을 예측하여 상품을 살 가능성을 더 높일 수 있는 계획까지 수립한 셈이다.

목적형 쇼핑에서는 ‘많은 상품 중에 고객에게 어떻게 노출되느냐’에 따라 매출에 변화가 생긴다. 따라서 상품 데이터 및 고객 구매/행동 데이터 기반에 노출 알고리즘이 중요하다. 쿠팡과 네이버는 상품 속성과 주 구매 패턴과 같은 고객의 특성을 활용한 개인화된 서비스로 맞춤 추천 상품을 제시한다. 그래서 해당 플랫폼을 보면 최근 찾던 상품의 연관 상품, 내가 본 상품의 연관 상품, 고객님이 좋아할 추천 광고 상품까지 유기적으로 데이터가 곳곳에 연결되어있다.

2) 파인딩 고도화로 검색의 편의성을 높인다

검색을 하기 전에 원하는 상품을 쉽게 장바구니에 담을 수 있도록 자주 구매한 상품을 제시하거나 정기구독으로 구매 편의성을 지원한다. 연령, 성별, 지역 특징을 고려하여 데이터 분석 후 추천 상품을 제시할 땐 로그인을 했을 경우와 로그인을 하지 않았을 경우에 따라 달리 전시한다. 속성 정보 정교화 수준에 따라 검색 결과의 정확도뿐 아니라 결과 내에서의 필터나 정렬 기능의 완성도에 차이가 난다. 검색 결과 상품 정렬 기준은 정확도, 추천순, 인기순 등의 조합으로 구성하고 고객정보를 반영하여 전시한다.

3) 촘촘하게 타깃을 분석하여 관리한다

판매 촉진을 위한 기획, 실행에 집중하기 위한 활동으로 연령이나 성별에 따른 고객 데이터의 촘촘한 분석과 유사 상권 지역 특성을 고려한다. 지역에 따라 판매량의 차이를 파악하여 광고와 프로모션을 강화하는 접점과 지역을 제한 할 수 있다. 해당 상권 가구 유형 및 특성 등 기본 데이터를 분석하고 관심, 구매 데이터 이외에 SNS 외부 데이터를 함께 고려하여 선호 상품을 제안한다.

발견형 쇼핑은 ‘취향을 제안하는 플랫폼’

앞서 설명한 목적형 쇼핑에서는 쿠팡과 네이버가 데이터를 기반으로 한 각종 편의성을 내세우며 시장을 장학하고 있다. 그렇지만 소비자 개인의 취향에 엮인 부분에서는 고전을 면치 못하고 있다. 파스텔컬러에 러블리한 스타일 옷을 구매할 때 편리하다는 이유만으로 구매하지 않기 때문이다. 그래서 발견형 쇼핑을 목적으로 하는 플랫폼은 취향에 부합하는 제안을 위해 큐레이션, 스토리, 톡을 활용하여 감성적인 측면을 만족시키는 경험을 제공한다.

1) AI가 할 수 없는 큐레이션을 제안한다

고객의 맥락을 파악하여 매력적인 상품을 제안한다는 것은 취향까지 알아야 가능하다. AI도 알 수 없는 고객의 취향을 발견할 수 있도록 도와주는 방안으로 큐레이션 콘텐츠를 제공한다. 예를 들어 패션, 뷰티 관련 OOTD(Outfit Of The Day) Vlog에서 전반적인 스타일링을 위해 옷 외에도 챙겨야 할 가방, 구두, 액세서리를 포함하여 전반적인 라이프 스타일에 맞는 패션 정보를 제공하는 것과 비슷하다. 이를 제대로 반영한 무신사의 ‘코디’ 탭 메뉴는 스냅사진으로 다양한 스타일을 참조할 수 있다. 에이블리는 역시 인스타, 유튜브 속 셀럽의 스타일을 포함한 다양한 상황에 따른 코디 정보를 제공한다.

2) 공유할 만한 감성 기반에 스토리 콘텐츠를 제공한다

목적형 쇼핑에서는 고객의 주요 여정에 따라 상품을 전시할 때 눈에 띄기 위해 ‘놓치면 후회할 초특가 가격’ 같은 배너를 띄운다. 반면 취향 기반 발견형 쇼핑에서는 경험 자체가 브랜딩과 연결된다. 보통 행동보다는 감정이 더 강하게 기억되기에 긍정적인 감정과 연관된 경험을 설계하기 위해 콘텐츠에 스토리를 녹여 제공한다.

스토리에는 인테리어 소품을 내 집에 들여놓았을 때 어떻게 놓이는지, 옷을 입었을 때 내가 어떻게 보이는지 등 고객 라이프스타일의 맥락과 접점에 따라 이어지는 감정과 연관된 경험을 제안한다. 모바일 쇼룸 플랫폼 프리즘은 상품이 아닌 라이프스타일을 어필하기 위해 LIVE 방송을 통해 상품을 더욱 감각적으로 전달한다. 29CM은 고객들이 좋아할 라이프스타일을 직접 체험해 본 콘텐츠를 제공해 관련 상품을 구매하도록 유도하는 장치가 잘 마련되어 있다.

3) 관심사 기반의 고객 소통을 지원한다

AI를 도입한다고 항상 효율적인 것은 아니다. 데이터 분석으로 고객마다 다른 맥락의 문제를 해결하기 위한 솔루션을 제공하려면 정교화된 데이터가 필요하기 때문이다. 가장 효과적인 방법은 고객 간 소통 채널을 마련하고 서로 많은 이야기를 나누는 과정에서 고객의 취향을 발견하도록 지원하는 것이다. 오늘의집은 다른 사람의 인테리어 사진에서 제품 정보를 확인하고 구매 또는 문의까지 할 수 있어 고객 간의 소통으로 탐색비용(Searching Cost)을 최소화한다. 패션 테크 플랫폼인 멜리즈(Meliz)는 ‘패션톡’으로 코디에 대한 질문과 답변으로 상품 탐색하는 노력을 줄이고 있으며, 뷰티 상품 판매 플랫폼 Glamai는 실시간 톡 기능인 ‘Keytalks’으로 상품 관련 소통을 적극적으로 지원하고 있다.

이와 함께 고객 참여를 끌어내기 위한 도구로 라이브 방송도 활용할 수 있다. 라이브 방송은 쌍방향 소통과 즉각적인 커뮤니케이션이 가능하기에 VJ가 대신 옷을 입어보며, 생생함을 화면 너머로 전달하면서 고객과 소통한다. 이는 구매하는데 확신/신뢰할 만한 정보를 실시간으로 제공받을 수 있어 구매 결정에 도움을 준다.

멈추지 않는 쇼핑

목적형과 발견형의 맥락에 따라 경험은 기업과 고객, 양방향으로 상호 자연스럽게 연결된다. 명확한 상품을 구매할 땐 고객 행동 및 구매 이력을 기반으로 전략적 노출과 혜택을 강화하여 고객의 탐색비용을 최소화한다. 반면 윈도 쇼핑처럼 둘러보고 싶을 땐 스토리를 입히는 기획과 감각이 반영된 큐레이션 콘텐츠로 발견에 즐거움을 제공한다.

이처럼 유형에 따라 달라지는 기획요 소들은 자칫 양극단의 대립처럼 보일 수 있으나 고객의 마음을 사로잡으려는 목표는 동일하다. 사용의 편의성은 상품을 찾거나 우연히 발견하는 노력과 시간을 줄여주며, 핵심 타깃 고객 데이터는 큐레이션 콘텐츠를 기획하는데도 빛을 발한다. 지속 변화해 가는 과정에서 이커머스는 더 나은 선택을 돕는 각자 특화된 다양한 방식으로 더욱 타깃과 카테고리가 세분화 및 최적화되고, 목적형과 발견형이 적절하게 전시되는 전문성을 확보한 커머스로 발전될 것이다.

©️요즘IT의 모든 콘텐츠는 저작권법의 보호를 받는 바, 무단 전재와 복사, 배포 등을 금합니다.