옴니커머스 '상품 속성 자동 태깅' 이용 후, 일관된 기준으로 상품 속성을 파악하고 필터를 최적화 할 수 있었어요.
-에이블리, 강석훈 CEO-
해결하고자 했던 고민
- 오류가 많고 직관적이지 않았던 상품 리스트를 개선하고 싶었어요.
- 단순 업무 반복으로 발생하는 비효율을 해결하고 싶었어요.
‘상품 속성 자동 태깅’ 도입 이후 결과
- 카테고리 내 세부 필터 기능 제공으로 검색 엔진을 강화했어요.
- 반복되는 단순 업무를 옴니커머스로 대체하면서 효율을 높였어요.
Point 1. 카테고리 내 세부 필터 추가
초기 에이블리는 필터 기능을 지원하지 않았는데요. 이로 인해 고객이 원하는 상품을 찾는 데 어려움을 겪고 이탈률도 높았습니다. 그러나 데이터 부족으로 색상이나 길이 같은 기본 필터도 구축하기 어려운 상황이었어요. 고객 뿐 아니라 셀러들의 불만도 커졌습니다. 앱 메인 화면에 노출되는 극소수의 인기 제품을 제외한 다른 제품은 판매가 어려워지는 상황이 반복됐기 때문이죠. 이를 해결하고자 에이블리는 가장 먼저 필터 개선을 시작했습니다.
[통합 API를 이용한 상품 속성 자동 태깅]
옴니커머스를 이용해 80만개의 상품 이미지를 자동으로 분석하고 속성을 태깅했어요. 상품 속성 오류가 최소화된 데이터를 구축했습니다.
[스타일, 핏, 모양, 디테일 등의 다양한 필터 제공]
정확한 속성값을 기반으로 카테고리 내 필터 기능을 추가했어요. 고객들이 원하는 상품을 빠르게 찾을 수 있도록 개선했습니다.
Point 2. 단순 업무 반복 최소화와 함께 상품 추천 정확도 상승
태깅 자동화가 되어있지 않은 이커머스는 수작업으로 태깅 작업을 진행할 수밖에 없죠. 에이블리도 수작업으로 태깅을 작업했지만, 옴니커머스 이용 후 자동화되면서 업무 효율이 높아졌습니다.
[실시간 메타 데이터 제공]
상품 리스트에 더 많은 태그를 등록하기 위해 셀러들을 대상으로 직접 메타 데이터를 제공받았는데요. 옴니커머스를 이용해 실시간 메타데이터 확보 시스템을 구축했어요.
[상품 추천 정확도 상승]
태깅이 자동화되면서 누락되거나 잘못된 값의 데이터가 사라졌어요. 이전에는 부정확한 속성값으로 인해 관련없는 상품을 추천하는 일도 많았는데요. 정확한 데이터가 확보되면서 취향에 맞는 상품 추천도 가능해졌습니다.
