회원가입을 하면 원하는 문장을
저장할 수 있어요!
다음
AWS 이용 중이라면 월 최대 15% 할인받으세요
추천은 커머스 서비스에서 흔히 볼 수 있는 기능이다. 다만 지금까지 서비스별로 추천을 어떻게 제공하고 있는지 디테일하게 살펴봤던 적은 없었다. 현재 내가 담당하는 도메인의 여러 지면에서도 추천 영역을 제공하고 있는데, 그 형태나 제공 방식이 타사와 어떤 차이가 있는지 궁금해졌다.
회원가입을 하면 원하는 문장을
저장할 수 있어요!
다음
회원가입을 하면
성장에 도움이 되는 콘텐츠를
스크랩할 수 있어요!
확인
추천은 커머스 서비스에서 흔히 볼 수 있는 기능이다. 다만 지금까지 서비스별로 추천을 어떻게 제공하고 있는지 디테일하게 살펴봤던 적은 없었다. 현재 내가 담당하는 도메인의 여러 지면에서도 추천 영역을 제공하고 있는데, 그 형태나 제공 방식이 타사와 어떤 차이가 있는지 궁금해졌다.
그래서 이번 글에서는 각 커머스 서비스가 제공하는 추천의 종류, 제공 방식, 형태 등을 살펴보고자 한다. 이어 자사에 ‘추천 영역’을 도입하게 된다면 어떤 식으로 접근하면 좋을지, 고려해야 할 점은 무엇인지 등에 대해 이야기해 보려고 한다.
분석을 위해 내가 이용하는 커머스 중 추천 영역의 노출 빈도가 높거나, 유용한 추천을 제공한다고 느낀 서비스 4개를 선정했다. 나는 평소 관심 있는 커머스에 자주 들어가 보거나 어떤 식으로 푸쉬를 보내는지 관찰하기도 한다. 다만 주요하게 보는 커머스 서비스의 기준이 매번 명확하게 정해져 있는 건 아니다. 사용 경험이 좋았거나, 필요한 물건을 사기 위해 자주 이용했거나, 닫힌 지갑을 열었던 경험이 있는 등 좋은 경험을 준 커머스 위주로 리스트업했다.
- 29cm
- 쿠팡
- 오늘의 집
- 네이버 쇼핑
이번 글에서는 24년 4월 기준, 4개 커머스 서비스를 살펴볼 예정이다.
- 홈(HOME)
- 팝업, 바텀 시트를 제외한 홈 지면 내 위젯
이 4가지 커머스 서비스는 정말 다양한 형태의 추천을 제공하고 있어 영역을 한정하기로 했다. 여러 영역 중 고객이 서비스에 접속하면 가장 먼저 보고, 많이 보는 지면인 ‘홈’ 지면을 선정했다.
- 상품 클릭 데이터
- 상품 찜 데이터
추천 영역을 동일한 조건으로 살펴보기 위해, 추천 받을만한 데이터가 있는 상태로 계정을 세팅해 두었다. 활동한 데이터가 없으면 서비스 정책에 의해 추천 영역이 노출되지 않을 수 있다. 따라서 추천이 이뤄지도록 기본이 될 만한 데이터를 만들어 두었다. 같은 카테고리에 속한 상품을 최소 5개 이상 봤고, 이 중 몇 개 상품 또는 브랜드는 찜해 두었다.
1) 29cm
29cm 앱의 홈은 크게 3가지 추천 영역을 제공하고 있다. 최근 클릭한 상품 기반의 카테고리별 추천, 클릭한 상품의 ‘스타일’ 분류에 따른 추천, ‘좋아요’한 브랜드 기반 기획전과 상품 추천이 노출된다. 대체로 최근 클릭한 상품과 좋아하는 브랜드 기반으로 추천이 이루어 지지만 중간중간 클릭하거나 찜한 상품과 크게 관련 없는 상품도 추천된다. 예상하기로는 ‘최근 구매, 인기 랭킹’에 있는 상품이 섞여 추천되는 것처럼 보인다.
- 당신을 위한 추천 상품
- 전체, 우먼, 맨, 홈, 테크, 뷰티, 푸드, 레저, 컬쳐 등 카테고리별 추천 상품 제공
- 이런 스타일 상품 어때요?
- 페미닌, 스포티, 스트릿, 캐주얼, 모던 등 스타일별 추천 상품 제공
- ‘좋아요’한 브랜드
- ‘좋아요’한 브랜드 기반의 추천 상품 제공
다른 여러 커머스에서 제공하고 있는 유사 이미지 모델을 활용한 추천이나 실시간 추천은 없었다. 최상단에서 탭별로 추천 상품을 확인할 수 있는 점은 좋았는데, ‘추천 상품 전체 보기’ 버튼을 클릭해 확인해 보니 탭별 추천 상품이 거의 동일하여 구분의 의미가 없었던 부분은 아쉬웠다.
2) 쿠팡
살펴본 4가지 커머스 서비스 가운데 홈 내 추천 위젯이 가장 많았던 서비스다. 추천 위젯에는 룰 베이스 기준으로 상품이 노출되므로 할인율이 큰 상품, 작은 상품이 섞여 나온다. 그래서 할인율이 높은 위젯 대비 공헌이익이 높다. 이러한 추천 위젯을 적절하게 활용하면 비즈니스 측면에서 여러모로 좋다.
쿠팡의 홈 화면은 대체로 구매한 고객의 ‘재구매’를 일으킬 수 있는 상품 위주로 구성되었다. 보통 중요한 위젯이나 강조하고 싶은 위젯을 ATF 영역에 잘 보이게 배치하는 데, 쿠팡의 ATF 내 첫 번째 추천 위젯은 ‘자주 산 상품'이었다. 이어 나온 영역은 ‘내가 본 상품의 연관 상품’으로 최근 클릭한 상품의 연관 상품이 추천되었다.
- 자주 산 상품
- 자주 구매했던 N회차 구매 상품 기반으로 ATF 내 추천 제공
- 내가 본 상품의 연관 상품
- 최근 본 상품을 기반으로 연관 상품 제공
- 좋아할 만한 브랜드 상품
- 최근 구매했거나 클릭한 상품의 브랜드 기반 추천 제공
- 재구매 추천 상품
- 구매했던 상품 기준 재구매 상품 추천
홈 지면을 쭉 보다 새로운 상품을 클릭할 경우, 기존 추천 위젯의 일부 위젯 상품이 즉시 바뀌며 실시간 추천이 이루어졌다. 실시간으로 추천 상품이 반영되는 것은 유저에 따라 호불호가 있을 것 같지만, ‘현재 유저가 관심 있어 하는 것’을 즉시 추천하는 위젯은 그렇지 않은 위젯 대비 CTR이 높을 것으로 예상되었다.
다만 한 가지 아쉬운 점은, 추천 영역이 다양하게 나열되어 위젯 별로 상품이 중복 노출된다는 점이다. 이러한 중복 노출이 좋은 영향일지, 좋지 않은 영향일지는 딥다이브 해봐야 알겠지만, 한정된 영역에 상품을 보여줄 때 중복 노출이 이뤄지는 건 개인적으로 공간의 낭비라고 생각하여 아쉬웠다.
3) 오늘의 집
오늘의 집 홈 화면에서는 어떤 콘텐츠를 봤는지, 무슨 상품을 봤는지에 따라 접속했을 때 홈에 노출되는 위젯의 순서와 추천 상품이 달라졌다. 콘텐츠를 주로 봤더니, 첫 접속 시 ATF에 ‘이 콘텐츠 좋아하실 것 같아요’라는 추천 위젯이 첫 번째로 노출되었다. 다시 반려동물 상품을 여러 개 보자 ‘오늘의 추천상품’이라는 광고 영역이 먼저 노출되었다. 고객의 유형을 콘텐츠에 관심 있는 유저, 상품에 관심 있는 유저 등으로 나눠 홈 위젯을 구성하는 듯했다.
이번에는 반려동물 식기를 몇 개 보고 영역 내 추천 상품을 확인해 봤다. 특정 기간, 유저가 본 상품을 다양하게 추천하고 있는 것을 확인할 수 있었다. 당일 본 상품 위주 추천도 있고, 최근 확인한 상품도 추천해 줬다. 추천 상품은 다른 상품을 보고 홈으로 돌아와 PTR(Pull to refresh)을 하거나, 앱 종료 후 재진입하면 업데이트 되어 있었다.
- 오늘의 추천상품
- 최근 클릭 상품 기반 광고 상품 추천 영역
- 스타일 더하는 맞춤 추천
- 최근 클릭한 상품과 연관된 광고 상품, 관심사 기반 추천, 카테고리 기반 추천 상품 제공
- 카테고리별 상품 찾기
- 유저 선호 상품이 속한 카테고리를 우선 노출
- 주변 시공 리뷰
- 현재 거주지 주변 시공 리뷰
전반적으로 유저 특성에 따라 다이나믹하게 홈을 구성하고 추천 상품이 어떤 기준인지를 보여주는 부분이 좋았다. 다만 ‘주변 시공 리뷰’ 영역의 위치 기준은 현재 거주지 기반이 아니라 아쉬웠다. 최근 주문한 배송지 기반도 아니고 위치 기반도 아닌 것 같아 어떤 기준으로 ‘구’를 잡아 보여주는지 의아했다. 내 경우, 현재 거주지가 아닌 과거 거주한 곳 위주로 추천이 나왔다. 최근 배송지나 인테리어/생활 탭에 설정해 놓은 주소 기준으로 상품을 추천하면 CTR이 올라가지 않을까 추측해 본다.
4) 네이버 쇼핑
네이버 쇼핑도 쿠팡과 같이 추천 상품을 노출하는 영역이 대부분이었다. 룰 베이스 기반으로 상품이 추천되니 운영 리소스가 거의 들어가지 않아 보였다. 추천 영역 중 처음 나오는 영역은 최근 클릭한 상품이 보이는 ‘지금 보고 있는 상품’ 영역이었다. 최근 클릭한 상품의 썸네일 이미지가 노출되고 ‘언제’ 본 상품의 ‘어떤’ 카테고리인지를 타이틀로 보여준다. 여기에 동일한 카테고리의 다른 상품을 추천해 준다.
스크롤을 내리면 최근 본 상품 위주로 추천 상품을 노출하는 영역이 몇 개 더 나타난다. ‘유저의 나이’와 ‘카테고리’를 묶어 추천하는 영역, ‘선호 카테고리의 실시간 상품’을 추천하는 영역 등이 제공되고 있다.
- 지금 보고 있는 상품
- 최근 본 상품과 유사한 상품 추천
- {카테고리}와 연관된 {카테고리} 아이템
- 최근 본 상품과 동일 카테고리 상품 추천
- 내 또래가 많이 찾는 {카테고리}
- 연령대 기반 상품 추천
- 내 관심 카테고리 실시간 베스트 상품 추천
- 관심 카테고리 기반 베스트 상품 추천
대부분 추천 영역은 실시간 반영되었고, 스크롤을 내릴수록 일반적인 베스트 상품 기반 추천이 이어졌다. 다양한 추천 영역에서 실시간으로 상품이 추천되는 점은 좋았으나, ‘언제 봤는지’를 표기한 것은 어떤 의도인지 파악하기 어려워 의아했다. 보통 목적이 분명한 상품을 탐색할 때는 유사한 상품을 연속해 탐색한다. 따라서 비슷한 시기에 비슷한 상품을 볼 확률이 클 텐데, 상품을 본 시기를 노출해 주는 것이 어떤 의미를 갖는지 의도 파악이 어려웠다.
지금까지 4가지 주요 커머스에서 추천 영역을 어떻게 제공하는지 살펴봤다. 이를 참고해 자사 서비스가 제공하지 않던 추천 영역이나 차별화된 부분을 적용하려면 어떤 부분을 고려해야 할까?
우선 담당 서비스 또는 도메인에서 제공하는 추천 영역을 파악해야 한다. 무슨 지면에 어떤 목적을 가진 추천이 제공되고 있는지, 그 영역에 적용된 추천 모델은 어떤 로직을 가졌는지 세세하게 알아보는 게 중요하다. 그렇지 않으면, 이미 적용하고 있던 추천 영역을 중복으로 적용하거나 효율이 좋지 않은 추천과 유사한 영역을 제공할 수 있다. 이는 곧 리소스를 낭비하는 리스크로 이어지게 된다.
그다음 고려할 사항은 새로 도입하는 추천 영역의 목적이다. 목적을 정의하지 않고 추천을 도입할 경우, 이미 제공하고 있는 다른 추천 영역과 구분이 어려워 임팩트를 예상하기 힘들다. 그렇기 때문에 추천 영역을 새로 도입할 때면 이 영역이 ‘어떤 목적’을 가지는지를 명확하게 정의할 필요가 있다. 고객의 재구매 욕구를 발현시키는 것이 목적인지, 아니면 고객이 선호하는 브랜드를 추천하여 관련 상품 구매를 돕는 것이 목적인지 등 영역별로 목적을 명확히 해야 한다. 그래야 신규 추천 영역에 어떤 로직을 가진 모델을 적용할 것인지, 어떤 UI&UX를 제공할 것인지 등 이어지는 작업도 명확해진다.
타사에서 제공하는 추천 영역이 마음에 들어 자사에 도입할 때, 중요한 점은 ‘타사와 똑같이 적용하지 않는 것’이다. 앞서 우리 서비스의 현황 파악과 목적 정의를 진행했다면, 이제 디테일한 부분을 정의해야 한다. 타사에서 추천 상품을 ‘카테고리별'로 제공했다고 우리 서비스에도 동일하게 ‘카테고리별’ 추천 상품을 제공하려면 중간에 100% 스펙 변경이 일어나게 된다. 그러므로 추천 영역을 어떤 형태로 제공할지 먼저 정의하고, 생각하는 형태로 제공하려면 어떤 작업이 선행되어야 하는지 확인해야 한다. 예를 들어, 카테고리별 추천 상품을 제공하고 싶다고 하자. 그러면 우리가 가진 상품의 풀은 충분한지, 카테고리별로 총 몇 개 상품을 추천할 수 있는지, 상품 추천을 위해 어떤 고객 데이터가 필요한지 등을 추천 로직 제공 부서와 사전에 논의한 다음 스펙을 확정해야 한다.
자사 현황 파악, 신규 추천 영역의 목적 정의, 선행 조건 확인까지 마쳤다면 이제 적용할 차례다. 어떤 형태로, 총 몇 개 상품을 추천할지에 더해 배치 주기를 기획한다. 새로 적용할 추천 영역에서는 고객이 새로운 상품을 보거나 찜하는 즉시 실시간으로 상품을 업데이트할 것인지, 아니면 최근 N일 내 본 상품 기반으로 별도 배치 주기를 가져갈 건지 등을 정의하면 된다. 생각보다 세세하게 고민하고 적용해야 할 부분이 많아 케이스 별로 정의해두는 것이 좋다.
또, 사전에 협의한 추천 로직에 따를 경우, 실제로 상품이 어떻게 추천되는지를 미리 확인하는 것을 추천한다. 로직을 제공하는 부서에 대시보드를 요청하여 고객 활동 데이터 기반 실제 어떤 상품이 추천되는지 확인할 수 있다. 이때는 고객 활동 데이터가 없을 경우 어떻게 상품을 제공할 것인지 등도 정의해야 한다. 또한 테스트할 때는 카테고리별 상품을 다양하게 보며 추천 결과를 확인하는 것이 좋다.
이번 글에서는 4가지 주요 커머스 서비스의 추천 영역을 살펴보았다. 여러 커머스 서비스는 고객 활동 데이터를 활용하여 다양한 개인화 추천을 제공하고 있다. 이번에는 ‘홈’ 지면에 제공된 추천 서비스로 한정 지어 살펴봤지만, 그 외에도 상품 상세 페이지, 장바구니, 주문서 등 다양한 지면에서 추천을 제공한다. 관심 있는 서비스가 있다면 지면 별로 딥다이브해 분석할 것을 추천한다. CRM 등에서도 개인화 추천 알림을 활용하므로 서비스별 활동 데이터를 만드는 것도 좋다. 여기에 앱 푸쉬 역시 살펴보면 추천 서비스 기획에 많은 도움을 받을 수 있을 것이다.
만약 우리 서비스에 추천을 적용하고 싶다면, 위에서 공유한 몇 가지 사항을 고려해야 한다. 타사에서 제공하는 형태 그대로 추천하는 건 리스크가 있다. 그러므로 본인이 담당한 서비스, 도메인의 현황을 먼저 파악해야 한다. 우리 서비스를 주로 사용하는 유저의 특성은 어떤지, 현재 제공하는 추천 영역이 있다면 중복되지는 않는지 등을 데이터에 기반해 파악해야 한다. 이후 도입할 추천 영역의 목적을 정의하고, 선행 조건을 고민해 자사에 적용한다.
이를 충분히 고민한다면 우리 서비스 맞춤형 추천 영역을 성공적으로 추가할 수 있을 것이다. 추천 영역 도입을 고민하는 독자들이 이를 보고 담당 서비스에서 큰 임팩트를 낼 수 있길 바라며 글을 마친다.
요즘IT의 모든 콘텐츠는 저작권법의 보호를 받는 바, 무단 전재와 복사, 배포 등을 금합니다.
좋아요
댓글
공유
공유
좋아요
댓글
스크랩
공유
공유