옴니커머스를 통해 상품을 체계적으로 관리하고 유사 상품 추천데 따른 온라인 쇼핑 경험을 강화할 수 있었습니다.
- 더현대닷컴, 실무관계자 -

해결하고자 했던 고민

  • 오프라인 스토어를 방문한 고객들의 쇼핑을 온라인으로 이어가고 싶었어요.
  • 유사상품 추천 정확도를 개선하고 싶었어요.
  • 상품 데이터를 수작업으로 관리해 정확도가 낮아 고객 만족이 낮은 문제를 해결하고 싶었어요.
  • 데이터 전문 인력 부재로 업무 효율이 저하되는 문제를 해결하고 싶었어요.

해결 방법 1. ‘유사상품 추천’ 도입 이후 결과

  • 50%였던 유사상품 정확도가 95%로 높아졌어요.
  • 추천엔진 개선으로 웹사이트 클릭률 75%가 증가되었어요

해결 방법 2. '상품 속성 자동 태깅' 도입 이후 결과

  • 상품 속성 값의 오류를 해결했어요.
  • 상품 필터가 다양해졌어요.
  • AI가 태깅한 정확한 속성 값으로 프로모션도 성공했어요.

더현대닷컴은 명품을 포함한 1천여개 브랜드로 총 50만개의 백화점 상품을 판매합니다. 고객이 오프라인 매장을 둘러보는 듯한 느낌을 받을 수 있도록 상품 진열을 매장 그대로 구현한 '온라인 백화점'이기도 한데요. 고객의 구매 이력 및 장바구니에 담은 상품군을 분석해 오프라인 할인 행사를 진행 할 때 알려주는 고객 맞춤형 서비스 등 다양한 개인화 서비스를 제공중입니다.

<유사 상품 추천>

Point 1. 유사 상품 추천, 정확도 50%에서 95%로 개선

상품 추천은 패션 이커머스에서 고객을 사로잡기 위한 대표적인 전략인데요. 상품 추천 전략의 가장 핵심은 정확도입니다. 오프라인 백화점에서의 쇼핑 경험을 온라인으로 전환하던 더현대는 상품 메타데이터가 부정확할뿐 아니라 2018년에 도입한 유사상품 추천 솔루션의 품질이 낮아 큰 성과를 거두지 못했어요. 이에 새로운 패션 AI 솔루션으로 옴니커머스 ‘유사상품추천’을 도입했고 상품 추천의 정확도를 대폭 향상할 수 있었습니다.

  • 고품질 추천 엔진으로 정확도 향상

적절한 상품을 적시에 추천하는 고품질 추천 엔진을 활용한 결과 50%에 불과했던 더현대의 유사상품 추천 정확도가 95%로 개선됐어요.

Point 2. 상품 연결 데이터 오류 개선

이커머스가 구매 전환율을 높이고자 유사 상품을 추천할 때, 관련성이 낮다면 그 제안은 구매로 이어지기는 커녕 고객 이탈을 초래할 수도 있는데요. 온라인으로의 전환을 추진하던 더현대는 상품 추천이 정확하게 이루어지지 않아 이탈률이 높아지는 어려움을 겪었어요. 옴니커머스 ‘유사상품추천’은 이러한 오류를 개선하고 온라인 전환 최적화를 도왔습니다.

  • AI 솔루션 옴니커머스 전문가의 문제 진단

더현대는 정확하지 않은 상품 추천으로 온라인 전환 최적화에 어려움을 겪고 있었어요. 옴니커머스분석 결과 가장 큰 원인은 등록된 상품 속성 값과 상품 연결 데이터의 오류, 그리고 추천 엔진의 문제였습니다.

  • 3주간의 PoC를 통해 상품 추천 오류 구조 개선

‘유사상품추천’은 기존의 상품 연결 데이터 오류와, 이로부터 발생했던 상품 추천 오류를 모두 해결했습니다. 상품 추천 기능을 재구성하고 정확도 높은 추천 엔진으로 쇼핑 만족도를 높였어요.

Point 3. 웹사이트 클릭률 75% 증가

더현대는 ‘유사상품추천’을 도입하여 고객에게 정확도 높은 유사 상품을 적절히 추천함으로써 전반적인 온라인 쇼핑 경험을 향상시켰어요. 고객이 만족하는 추천 상품을 제안한 덕분에 ‘유사상품추천’ 도입 이후 더현대의 웹사이트 클릭률은 75% 증가했고, 고객들은 오프라인 쇼핑 경험을 온라인에서 매끄럽게 이어갈 수 있었습니다.

<상품 속성 자동 태깅>

Point 1. 상품 속성 값 오류 해결

부정확한 상품 정보로 고객의 만족도를 떨어뜨린 경험이 누구나 있을 것 같습니다. 더현대 또한 오프라인 쇼핑 경험을 온라인으로 이어가는 디지털 전환 추진 과정에서 상품 속성 값 오류로 고객 경험이 저하되는 어려움을 겪었는데요. 이 문제를 해결하기 위한 AI 솔루션으로 ‘상품 속성 자동 태깅’을 도입했습니다.

  • AI로 높인 데이터 기술

전문 데이터 입력 기술이 부재로 부정확하고 불충분했던 상품 정보를 AI로 관리했어요. AI를 통해 상품 이미지 내에서 1,000여가지의 속성을 찾아내 자동 태깅할 수 있었습니다.

  • 다국어 상품 태깅

다국어 상품 속성도 자동으로 태깅해 등록했어요. 이후 더현대 직원들은 상품 태깅 작업의 효율을 높이고 상품을 쉽게 업로드할 수 있었습니다.

Point 2. 다양한 상품 필터 제공

경험이 부족한 실무자들이 상품 정보를 등록하면서 더현대의 상품은 설명과 태그가 충분하지 않은 경우가 많았습니다. 이에 따라 상품 분류에도 오류가 발생하고 검색 정확도도 낮았습니다.  상품 속성 자동 태깅은 이러한 기존의 상품 속성 분류 구조를 개선하고 추천 오류도 해결했어요.

  • 검색 필터 세분화 및 검색 정확도 향상

상품 속성 자동 태깅으로 추출한 풍부한 상품 정보를 검색 필터에 적용해 검색 정확도를 높였어요. 특히 검색 필터를 ‘소재’, ‘패턴’, ‘스타일’, ‘디테일’ 등으로 세분화하여, 고객들이 더 정확한 기준에 맞춰 원하는 상품을 찾을 수 있도록 개선했습니다.

Point 3. 성공적인 프로모션 기획

상품 속성 자동 태깅을 도입하기 전, MD들은 프로모션 행사를 기획할 때 행사 상품을 수동으로 선정해야 했습니다. 게다가 상품 리스트에 메타데이터가 없거나 정확하지 않아 준비 과정이 복잡했고 많은 시간이 소요 되었는데요. 상품 태깅 및 등록 절차를 자동화한 후, MD들은 일관된 기준으로 구분된 상품 메타데이터를 기반으로 적합한 상품을 쉽게 선정할 수 있게 됐어요. 프로모션 기획 과정에 소요되는 리소스와 시간이 대폭 절감됐어요.