자동완성 검색 기능 UX 설계를 위한 8가지 팁

검색창과 자동 제안 디자인 패턴에 대한 8가지 권장사항

본문은 위시켓이 선정한 해외 콘텐츠 기반 번역문입니다. 프로토 타이핑, UX 디자인, 프런트 엔드 개발 등을 다루는 prototypr.io 블로그에서 발행한 글입니다. 작가인 프라나바 탄드라(Pranava Tandra)는 마이크로소프트 팀즈(Microsoft Teams)의 제품 디자이너로 피그마(Figma) 공식 커뮤니티에서도 활동하고 있습니다. 본문은 자동완성 검색 기능 UX 설계에 대한 내용으로 모범사례를 통해, 어떤 UX 디자인을 적용하면 좋을지 함께 생각해볼 수 있겠습니다.

지난 몇 주간 50개가 넘는 검색창 구현 사례에 대해 철저한 조사를 거쳐 사용자가 목표를 달성하는 데 도움이 되는 동작들이 무엇인지에 대해 분석해 보았습니다. 분석 대상에는 웹, 데스크톱 및 모바일 운영 체제에서 동작하는 커뮤니케이션, 전자 상거래, 소셜 미디어 앱과 클라우드 스토리지 앱 등 다양한 플랫폼과 애플리케이션이 포함됐습니다. 사용자는 주로 탐색과 정보 검색, 질문에 대한 답변, 혹은 원하는 작업을 빠르게 완료하기 위해 검색창에 검색어를 입력합니다. 

외관상으로 보면, 검색창은 플레이스홀더[1](placeholder), 아이콘, 또는 버튼을 가진 텍스트 상자입니다. 검색어를 입력하면 일반적으로 텍스트 상자 밑으로 제안 목록을 보여주는 드롭다운[2]이 펼쳐지는데요. 정보를 요청하거나 찾기 위해 사용자는 검색창에 검색어를 입력합니다. 쿼리 변환[3](QF, Query Formulation)이 탑재된 검색창은 사용자의 의도 더욱 잘 반영하기 위해 사용자가 입력한 키워드 자체를 변환시킵니다. QF는 사용자가 입력하는 검색어에 대응하여 어떠한 항목을 먼저 사용자에게 보여줄 것인지에 대한 우선순위를 향상시키는 기술입니다. 따라서 자동 제안(Autosuggest)은 사용자 검색어와 QF를 기반으로 생성됩니다.

검색창은 일반적으로 다음과 같은 상호작용 상태를 지원합니다.

• 기본 상태
• 마우스 오버(Hover): 검색창이 밝아진다
• 검색창을 클릭하여 제로 상태[4](Zero State)로 진입: 최근 검색어를 보여주는 드롭다운 목록을 보여줌
• 검색어 입력 시작: 자동 제안을 포함된 드롭다운 목록을 보여줌
• 제안 목록 위로 마우스를 가져감: 상황에 맞는 동작(Contextual Actions) 표시

다음은 사용자 입력 검색어와 쿼리 변환(QF)에 대한 분석을 기반으로 권장하는 검색창과 자동 제안 디자인 패턴을 위한 모범 사례입니다.

#1. 검색 범위 지정

검색할 항목의 유형이 여러 가지인 경우 범위를 설정할 수 있어야 한다.

범위 지정(Scoping)은 검색을 "종류"별로 구체화하고 필터링하는 데 유용하게 사용됩니다. 이를 통해 사용자는 연관된 정보를 찾기 위해 특정 범위로 초점을 맞출 수 있습니다. 스코프 바[5](Scope Bar) 또는 태그를 사용하면 사용자가 검색창 내에서 결과를 필터링하면서 검색 결과를 좁혀나갈 수 있습니다. 이 기능은 커뮤니케이션 앱과 전자 상거래 웹사이트에서 광범위하게 사용됩니다. 주목할 점은 검색 범위 지정은 검색 과정에서 반드시 필요한 단계는 아니며 더 빠른 컨텍스트[6](context) 맞춤형 제안을 위해 사용됩니다.

#2. 자동 완성

자동 완성을 통해 주요 추천 항목을 제공하라.

자동 완성(Autocomplete)은 사용자의 시간을 절약해 줍니다. 자동 완성은 검색창에 최우선으로 나타나는 목록으로, 대부분 이전 검색 기록을 기반으로 하거나 과거에 수행한 검색과 가장 관련이 큰 항목들이 나타납니다. 이 기능은 메일 애플리케이션 및 검색 엔진에서 활발하게 사용되고 있습니다. 검색 엔진에서의 자동 완성은 특정 지역이나 국가의 트렌드에 기반하여 광범위하게 적용되는데요. Mac OS의 스팟라이트(Spotlight) 검색은 자동 완성 기능을 성공적으로 구현한 좋은 예입니다.

#3. 고급 검색

방대한 양의 정보를 가진 웹사이트/앱에 검색 결과를 보여주는 별도의 화면이 있는 경우 고급 검색 기능을 제공하라.

고급 검색(Advanced Search)은 특정한 위치에서 검색을 수행하는 데 도움을 줄 수 있다는 점을 제외하면 검색 범위 지정(Scoping)과 매우 흡사합니다. 검색 범위 지정 및 필터링과 거의 비슷하지만 훨씬 더 강력한 기능을 제공합니다. 복잡한 사이트맵, 많은 정보 또는 다양한 기능을 제공하는 제품에 대해서는 '고급 검색' 기능을 제공하는 것이 좋습니다. 또한, 고급 검색 옵션을 통해 검색 페이지로 자연스럽게 이동할 수 있습니다. 구글 드라이브(Google Drive)나 아웃룩 웹(Outlook Web)과 같은 웹사이트에서는 검색창에 있는 아코디언 아이콘을 클릭하여 고급 검색 옵션을 표시할 수 있습니다.

#4. 최근 검색어

항상, 특히 제로 상태에서는 최근 검색어를 표시할 것.

커뮤니케이션 앱에서는 검색어, 파일, 친구 목록에 대해 최근 검색(Recent Searches) 및 방문 기록을 제공하는 것이 검색 속도를 높이기 위해 필수적입니다. 기업용 애플리케이션에서 유용하게 사용할 수 있는 기능 중 하나는 최근 검색어에 사용자가 입력했던 오탈자는 거르고 대신 검색 대상 정보를 표시해 주는 것입니다. 가장 최근 검색어를 맨 위에 배치하는 것도 중요한 부분입니다. 또한, 제로 상태에서 최적의 검색어를 제안하기 위해서는 임계값(Threshold)을 사용하는 것이 좋습니다. 여기에서 임계값을 사용한다는 것은 해당 검색어를 한 번 입력했다고 해서 바로 제안 목록에 포함시키는 것이 아니라 최소한 몇 번 이상 사용되어야 함을 의미합니다.

#5. 짧은 제안 목록

제안 항목은 10개를 넘기지 말 것.

사용자가 자동 제안 목록에서 원하는 정보를 빠르게 찾을 수 있도록 평균적으로 7~9개의 항목이 사용되고 있습니다. 힉의 법칙[8](Hick's Law)에 따르면 선택의 수와 복잡성에 따라 결정을 내리는 데 걸리는 시간이 늘어나게 되어있습니다. 따라서 10개 미만의 항목이 포함된 목록을 보여주고, 사용자가 값을 입력할 때마다 자동 제안 내용을 정제해 나가는 것은 디자인 시 따라야 할 좋은 사례라고 할 수 있습니다. 또한, 검색 제안에서 스크롤의 사용은 피하는 것이 좋습니다.

#6. 검색 제안 그룹화(Grouping Suggestions)

항상 다양한 유형의 정보를 분류해줄 레이블을 추가하고 시각적으로 그룹화하라.

 검색 제안 목록에 제목, 레이블(Lable), 메타 데이터 및 다양한 종류의 시각적 요소를 가미하면 사용자가(특히 데스크톱에서) 더 빠르게 정보를 검색할 수 있습니다. 이를 통해 서로 다른 유형의 정보 간의 차이점을 강조함으로써 시각적인 노이즈를 효과적으로 감소시킬 수 있습니다.

#7. 음성 검색

음성 검색 경험을 제공하라.

신경망 모델[9](NL Model)을 활용하여 음성 입력과 질의응답 방식의 대화형 프레임워크를 제공하면 많은 시간을 절약할 수 있습니다. 사용자의 손으로 입력한 검색어에 대한 분석 데이터를 활용하여 사용자가 원하는 검색을 수행할 수 있도록 제시어를 제공할 수 있습니다. 검색 엔진과 운영 체제는 음성 비서(Voice Assistant)를 통해 사용자의 질문에 대한 답을 검색 제안 화면에 표시함으로써 사용자가 최소한의 클릭으로 원하는 정보에 도달할 수 있도록 도와줍니다. 이는 모바일 기기에서 널리 사용되고 있습니다.

#8. 검색어 자동 수정 및 검색 초기화

오타를 정정하고 검색어와 제안 항목을 지울 수 있는 기능을 제공할 것.

오타를 허용하거나 자동으로 수정하고, 가능하거나 필요한 경우 사용자가 항상 오타를 정정할 수 있게 허용하며 이에 대한 대안을 제시해야 합니다. 이는 전자 상거래 웹사이트에 들어가는 검색 창을 디자인할 때 매우 중요한 부분입니다. 또한, 사용자가 검색창에 입력된 검색어를 지우고 이전 검색 이력을 삭제할 수 있는 선택지를 제공해야 합니다.

결론

위에서 소개한 권장사항 중 일부를 따른다면 검색 사용성을 향상시키고 원하는 결과를 빠르게 찾을 수 있는 자동 제안 기능을 설계하는 데 도움이 될 것입니다. 오늘날 대부분의 웹사이트와 애플리케이션에서 검색은 빠질 수 없는 기능이므로 이는 매우 중요한 부분입니다. 또한, 여러분들께 자동 완성에 대한 Baymard의 UX 연구 기사를 읽어 보시기를 추천드립니다. 저의 연구 내용이 틀리지 않았다는 것을 확인하는데 도움이 됐던 기사인데요. Wikimedia에서 만든 이 PDF 자료는 초보자의 눈높이에서 쿼리 변환(QF)이 어떻게 수행되는지 자세히 설명하고 있으니, 참고해보시기 바랍니다.

[1] 텍스트 필드 내에 있는 짧은 도움말.

[2] 사용자가 여러 값 중 하나 혹은 그 이상을 선택할 수 있도록 제공되는 목록

[3] 사용자가 입력한 키워드가 검색 엔진에서 사용되는 구조화된 질의 표현 구조로 변환되는 과정.

[4] 사용자가 검색창을 눌렀지만 아직 검색어를 입력하지 않은 준비 단계.

[5] 검색과 함께 사용되며, 사용자가 검색의 범위를 정하는 데 도움이 된다. 또 검색 창 아래에 나타나게 되며 검색 결과를 개선하기 위해 사용된다.

[6] 사용자가 제품이나 서비스를 사용하며 이루어지는 상호작용과 이와 관련된 주변상황, 객체, 사용자를 둘러싼 조건에 관한 정보.

[7] 구글 크롬 브라우저 주소 표시줄의 이름.

[8] 힉의 법칙(Hick's Law) 또는 힉-하이먼 법칙(Hick-Hymann law)은 인지심리학및 인터랙션 디자인 분야에서 사용자에게 주어진 선택 가능한 선택지의 숫자에 따라 사용자가 결정하는 데 소요되는 시간이 결정된다는 법칙이다.

[9] 인간의 뉴런 구조를 본떠 만든 기계학습 모델.

> 이 글은 'Best Practices: Designing autosuggest experiences'을 각색하여 작성되었습니다.