해결하고자 했던 고민
- 방대한 상품 정보를 초개인화 하여 구매 여정을 최적화하고자 했어요.
- 오류가 많고 직관적이지 않았던 상품 리스트를 개선하고 싶었어요.
- 단순 업무 반복으로 발생하는 비효율을 해결하고 싶었어요.
해결 방법 1. ‘유사 상품 추천’ 도입
- 카테고리 내 세부 필터 기능을 제공으로 검색 엔진을 강화했어요.
- 반복되는 단순 업무를 옴니커머스로 대체하면서 효율을 높였어요.
해결 방법 2. ‘상품 속성 자동 태깅’ 도입
- 이미지 한 장에서 신발, 가방, 귀금속까지 자동으로 분류할 수 있게 되었어요.
- 고객이 비주얼 AI의 효과를 실감하고 만족했어요.
[유사 상품 추천]
Point 1. 초개인화 추천을 위한 유사상품추천 활용
경쟁이 치열한 이커머스 시장에서 차별화 된 경쟁력을 갖추고자 하는 것은 모든 이커머스의 목표일텐데요. 에이블리는 이러한 목표 달성을 위해 개인화된 쇼핑 경험을 제공하여 구매 여정을 최적화하고자 했어요. 이 과정에서 AI 기반 초개인화 추천 알고리즘의 필요성을 느꼈고 ‘유사상품추천’을 도입해 차별화 전략을 실현했습니다.
- 품절로 인한 고객 이탈 방지
고객이 찾는 상품이 품절 된 경우에도 유사한 다른 상품을 추천해 구매 여정을 이어갈 수 있도록 개선했어요.
- 구매율 및 체류시간 증대
고객이 구매하고자 했던 상품과 가장 유사한 상품을 추천해 주어 더 많은 구매를 유도하고 체류시간을 증대시켰어요.
Point 2. 이미지 한 장에서 신발, 가방, 액세서리까지 자동 분류
에이블리는 방대한 상품 정보를 고객의 니즈에 맞게 제공하고자 노력했어요. 이 때 이미지 한 장에서 신발, 가방, 액세서리 등 패션 상품을 곧바로 찾아낼 수 있는 옴니커머스 솔루션을 통해 유사상품을 추천했습니다.
- 다양한 패션 상품 식별
Visual AI 엔진을 통해 이미지 속 패션 상품을 자동으로 식별하고 유사한 상품을 추천할 수 있게 개선했어요. 한 장의 이미지에서 의류는 물론 신발, 가방, 귀금속, 액세서리까지 자동으로 분류할 수 있었습니다.
Point 3. 고객이 실감한 정확한 비주얼 AI 효과
- 20/07/21 ⭐⭐⭐⭐⭐ 이 앱을 써 보니까 상품도 훨씬 다양하고 유사 상품 추천 기능이 있어 쇼핑이 훨씬 편해졌어요!
- 20/07/18 ⭐⭐⭐⭐⭐ 검색 결과 페이지에서 비슷한 상품들을 추천해 줘서 원하는 걸 찾기가 정말 쉬워요!
무엇보다 ‘유사상품추천’은 에이블리의 사용자들이 가장 만족했는데요. 고객들은 구글 플레이스토어에 ‘유사상품추천’ 기능에 높은 평점을 남기며 비주얼 AI가 제공한 새롭고 직관적인 쇼핑 경험에 대해 만족을 표했습니다.
[상품 속성 자동 태깅 도입]
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.
