지난 2회차에 걸쳐 초개인화 마케팅 전략에 대해 확인했다. 이번 회차에서는 전략 실행을 위한 3가지 솔루션을 통해 만들어진 다양한 성공 사례를 공유하고자 한다.
솔루션을 이용한 초개인화 성공 사례
● 초고도화된 필터 솔루션
초고도화된 필터 서비스는 일반 이커머스에서 제공하고 있는 필터수를 확장한 솔루션이다. 브랜드, 사이즈, 컬러, 가격 등 수백여가지의 세분화된 속성을 통해 소비자들이 원하는 제품을 세밀하게 찾아내고 역제안할 수 있다. 필터에 활용되는 AI 기술은 이미지 인식 기반으로 패션 상품의 속성을 찾아낸다.
▶ 일반적인 리테일러 개인화 필터 예시
카테고리, 아이템, 컬러, 사이즈, 가격, 브랜드
▶ 1:1 개인화가 가능한 초세분화된 초개인화 필터 예시
카테고리, 아이템, 컬러, 프린트, 소재감, 디테일, 핏, 셰이프, 총장, 소매기장, 사이즈, 가격 등
SKU 569,992개를 보유하고 있는 L사는 옴니어스 태거로 상품 이미지에서 총 13가지 속성 카테고리(카테고리,아이템, 컬러, 프린트, 소재감, 디테일 등)를 추출해 검색 필터로 활용했다. 이를 통해 평균 검색 효율 302%가 상승 되었다.
1만개 이상의 상품을 카테고리, 브랜드(디자이너), 사이즈, 컬러, 가격이라는 간략한 개인화 필터로 제공하고 있는 파페치(FARFETCH). 상품수가 많으면 많을수록 초개인화 필터 사용이 필수적이다. 상품 검색에 어려움이 있고, 소비자에게 노출되지 않아 재고가 쌓일 위험이 높아지기 때문이다.
● 유사상품추천 솔루션
고객이 보고 있는 상품과 유사한 상품을 이미지 기반으로 추천하는 서비스다. 이 서비스는 고객 체류 시간 평균 50% 증가와 검색 CTR 60%, 구매전환율 10.5% 상승 효과를 기대할 수 있다. 유사 상품을 추천하는 방식으로는 크게 협업 필터링(Collaborative Filtering)과 콘텐츠 기반 필터링(Contents Based Filtering)이 있다. 협업 필터링은 구매 패턴 등의 행동을 분석해 유사 패턴인 소비자들을 그룹화하고 이들의 선호 아이템 기반으로 추천하는 서비스다. 대표적으로 아마존의 추천 알고리즘이 아이템 기반의 협업 필터링을 사용하고 있다. 콘텐츠 기반 필터링은 제품 특성을 분석해, 현재 고객이 관심있게 보고 있는 제품과 유사한 스타일의 제품을 디자인, 브랜드, 가격 등 직관적이고 즉각적으로 비교할 수 있게 추천한다. 여기에 고객 선호도(브랜드, 취향 등)가 더해지면 더 높은 적중률의 추천이 가능하다.
협업 필터링(좌)과 컨텐츠 기반의 필터링(우)의 추천 로직
H사는 ‘이런 스타일 찾고 계시나요?’ 라는 이름으로 유사상품 추천 서비스를 제공하고 있다.
SKU 745,029개인 H사는 기존에 유사상품추천 솔루션을 사용했으나, 적중률이 낮은 추천 결과로 큰 효과를 얻지 못 했다. 옴니어스 렌즈 솔루션으로 교체 후 소비자에게 노출되는 상품수가 많아졌고, 정확도 높은 유사 상품 추천 결과로 CTR 75%가 상승했다.
● 카메라 서치
소비자가 원하는 상품을 직접 촬영하거나 이미지를 업로드해 유사한 상품을 추천해주는 서비스다. 텍스트 검색과 차별화되는 이미지 기반 검색으로 검색 CTR이 평균 133% 상승하는 등 UX가 향상된 결과를 확인할 수 있다. 유사 상품 추천과 연동해 대체 상품을 추천함으로써 평균 객단가 약 9.8%가 상승되는 효과도 있었다.
SKU 약 5,078,581개를 보유하고 있는 A사는 인플루언서가 착용한 상품을 궁금해하고, 비슷한 상품을 구매하고 싶어하는 소비자 니즈를 충족시키고자 옴니어스 카메라 서치 솔루션을 도입했다. A사 소비자들은 검색창에 인스타그램 이미지 링크를 넣으면 착용 상품과 유사한 판매 상품을 추천 받을 수 있다.
성공 사례를 만든 3가지 솔루션은 국내 뿐 아니라 글로벌 기업에서도 필수적으로 이용되고 있는 솔루션이다. 개인화를 위한 다양한 데이터 확보와 정교한 알고리즘 가동을 한 번에 구현할 수 있기 때문이다. 지난 회차에서 언급한 초개인화 서비스 기대효과 4가지(충동구매 발생, 매출 상승, 충성도 향상, 반품율 하락)도 빠르게 실현한다. 이번 성공 사례를 통해 확인한 솔루션의 역할은 매출 성장이 고민인 기업에게 좋은 해답이 되리라 생각된다.
