이봉교의 ‘진짜 이커머스 이해하기’

이커머스에서 상품 추천의 역할은 크게 네 가지로 나눌 수 있다. ▲첫 번째는 고객이 관심을 가지고 살펴보는 상품과 유사한 다른 상품을 추천하는 것이다. ▲두 번째는 고객이 관심을 가진 상품을 보완할 수 있는 상품을 추천하는 것으로, 예를 들어 키보드를 구매하려는 고객에게 마우스를 보여주거나, 블라우스를 보고 있는 고객에게 어울릴 만한 스커트를 추천하는 방식이다. 이는 업셀링 마케팅의 효과를 가져온다. ▲세 번째는 고객이 예상하지 못한 새로운 발견의 즐거움을 주는 상품을 추천하는 것이다. ▲마지막 네 번째는 현재 인기가 높은 베스트 상품을 나열하거나, 브랜드나 카테고리별로 MD의 감각이나 전략에 따라 상품을 추천하는 경우이다. 이 방법은 고객이 전반적인 트렌드를 파악하는 데 도움이 되지만, 각 고객의 개인 취향이나 성향을 반영하지 않기 때문에 '개인화된 서비스'로서의 역할을 수행하지는 못한다.

반면 나머지 세 가지 추천 방식은 이미 시장에서 AI가 인간의 분석을 통해 구현된 로직보다 월등히 우수한 성과를 내고 있으며, 실시간으로 각 개별 고객의 상황에 맞게 대응하고 있다.

AI를 활용한 상품 추천을 위해서는 많은 양의 고객 행동 데이터와 상품 속성 데이터를 수집하고 분석하여 모델을 구축할 수 있는 기술력이 필요하다.

결과적으로, 이커머스 기업이 목적으로 하는 것은 고객 관계 강화, 몰입도 향상, 궁극적으로는 매출 성장일 수 있다. 따라서 목적에 따른 성과 지표도 달라질 수 있지만, 매출이나 전환율과 같은 단순한 숫자만을 성과 지표로 삼는 경우, 상품 추천이 비즈니스와 마케팅에 기여하는 바를 충분히 이해하지 못한 채 그 과정을 실패로 간주하는 실수를 범할 수 있다.

예를 들어, ‘고객 몰입’을 상품 추천의 목적으로 한다면 매출이나 전환 단계보다 폭넓은 범위에서의 성과 지표를 확인해야 한다. 이때 이커머스를 이용하는 고객 전체에 대한 평균적인 성과를 살펴보는 것이 중요하다. 그 첫 번째 방법은 고객들을 이커머스를 이용하는 과정에서 추천 상품을 한 번이라도 클릭한 집단과 클릭하지 않은 집단으로 나누어 비교하는 것이다.

필자의 회사가 제공하는 솔루션 서비스에서는 특정 이커머스 사이트를 이용한 전체 고객 중 추천 상품을 클릭한 집단과 클릭하지 않은 집단을 비교 분석해 본적이 있다. 이때, 평균 페이지 뷰 수, 평균 체류 시간, 재방문 수, 구매 수, 구매 전환율, 구매 전환 금액 등과 같은 데이터를 비교하는데, 여기서 평균 페이지 뷰나 평균 체류 시간, 재방문 수 등은 구매와는 직접적인 연관성은 없지만, 몰입에 대한 정도를 측정하는 데에는 충분한 설명력을 가지고 있는 지표들이다.

먼저, 위의 두 집단 간에 명확한 차이가 있어 추천 상품을 클릭한 집단의 지표가 우수하다는 것을 확인했다면, 그 다음으로는 클릭한 집단을 클릭 빈도에 따라 몇 개의 그룹으로 나누고 각 그룹의 지표를 확인한다. 클릭 빈도가 많아질수록 이러한 지표들 간의 양의 상관관계가 나타난다면, 상품 추천이 고객 몰입이라는 목적에 맞게 잘 작동하고 있음을 알 수 있다.

이러한 경우, 이커머스 사이트에서 고객들의 눈에 잘 띄는 상품 추천 영역을 늘리거나 상품 추천을 위한 별도 메뉴나 전체 영역을 확보하는 등 고객들의 추천 상품 클릭 비중을 높이는 전략을 실행하여 궁극적으로 구매 전환 성과를 끌어올릴 수 있다. 반대로, 고객들이 상품 추천이 오히려 몰입을 방해한다고 느끼는 경우라면, 추천 영역을 줄이거나 알고리즘을 재검토하는 작업을 진행해야 한다.

매출 상승에만 급급해 이러한 중간 단계의 성과 분석을 놓치게 되면, 운영 과정을 통해 더 보완하거나 확장할 수 있는 전략을 놓치게 되며, 결국 원점에서 시작하는 시행착오를 반복하게 된다.

이봉교 플래티어 ‘그루비’ 사업부 상무