주말로 다가온 친구 결혼식, 예지 씨는 이번에 새 옷을 사려고 마음먹습니다. 매장에서 발품 팔 시간이 없으니 온라인으로 옷을 찾아보려는데요. 특별히 원하는 디자인은 없지만 요즘 날씨에 입기 좋은 트렌디한 원피스면 좋을 것 같습니다. 검색어는 ‘원피스’, 긴 스크롤을 쭉쭉 내려봅니다.
‘이건 소매가 더 짧으면 좋겠는데.’
‘이건 패턴은 예쁜데 컬러가 별로네.’
‘이건 소재가 좀 더울 것 같다. 지금 사면 오래 못 입겠는데.’
‘이건 너무 귀여운 스타일이라 나랑 안 어울리겠는데.’
‘요즘 핫한 자켓 원피스? 디자인은 괜찮은데 디테일이 좀 별로다.’
검색으로는 답이 없겠다 싶어 평소 눈여겨본 쇼핑몰에 접속합니다. 메인에 뜨는 인기 상품 중에서는 취향에 맞는 옷이 없네요. 원피스 카테고리를 클릭해 스크롤을 내립니다. 옷이 너무 많네요. 여기서 어떻게 내 마음에 쏙 드는 원피스를 찾아내죠? 어휴.
패션은 온라인 거래가 가장 활발한 분야 중 하나입니다. 글로벌 경영 컨설팅사 맥킨지에서는 2019년 전세계 패션 시장 규모가 3,000조 이상이며 이중 이커머스 영역이 611조를 차지할 것으로 전망했습니다. 또한 이 영역은 연평균 11%씩 가파르게 성장 중입니다.
시장이 커져 매출 성장 기회도 확장된 것은 사실이지만 온라인 패션 리테일 업계에서는 아직 고객을 사로잡을 차별화된 전략이 부족합니다. 상품 셀렉부터 판매까지 대부분의 일들이 자동화 및 디지털화되지 않아 여전히 사람의 ‘감’대로 진행되는 일이 많습니다. 온라인 쇼핑몰 메인에 노출되는 패션 상품들은 MD가 직접 골랐거나 단순히 많이 판매된 순서로 나열된 것들입니다.
이로 인한 가장 큰 문제는 쇼핑몰로 유입된 고객이 만족스러운 상품을 찾지 못해 이탈한다는 것입니다. 눈썰미 좋은 MD의 추천 상품도 참고가 되지만 획일화된 추천이 개개인의 취향을 반영하기는 어렵습니다. 패션은 구매 결정에 개인의 취향이 많이 반영되는 소비재입니다. 고객의 구매 전환율을 높이기 위해서는 보다 개인화된 서비스가 필요합니다.
개인화된 서비스로 구매 전환율을 높인 가장 성공적인 사례는 아마존입니다. 글로벌 리테일 공룡 아마존의 상품 구매 전환율은 9.78%로 이커머스 평균인 1.33%에 비해 확연히 높습니다. 이는 아마존 내에서 이루어지는 고객의 행위를 추적 및 수집해 데이터화하고 고객의 선호 여부를 예측해 추천 제품을 노출하기에 가능한 수치입니다.
온라인 패션 리테일에서도 개인의 취향에 맞는 콘텐츠를 제공할 수 있다면 어떨까요? 원하는 상품을 빠르게 찾을 수 있어 고객 이탈이 줄어들고 매출도 크게 상승할 것입니다. 그런데 패션은 텍스트가 아닌 이미지로 정보가 제공되는 분야입니다. 생활용품, 가전제품 등 다른 카테고리의 상품을 구매할 때는 텍스트 정보로 제품의 스펙을 확인하는 것이 일반적입니다. 이와 달리 패션 상품은 고객이 직접 사진 속 상품의 컬러, 디자인, 각종 디테일을 살펴 구매 여부를 결정합니다.
패션 상품을 업로드할 때 이미지뿐 아니라 텍스트로 구성된 메타 데이터가 필요한 것은 이 때문입니다. 메타 데이터는 ‘데이터에 관한 구조화된 데이터’, 즉 속성정보인데요. 위의 사례에서 예지 씨가 ‘원피스’를 검색했을 때 검색 결과를 얻을 수 있었던 건 검색된 원피스에 ‘원피스’라는 메타데이터가 텍스트 태그값으로도 입력되어 있었기 때문입니다. ‘원피스’ 등의 카테고리 속성정보 외에도 상품의 색깔, 길이, 프린트 패턴, 스타일 등 다양하고 자세한 태그값을 입력해 두면 상품 검색이나 필터에 이를 활용할 수 있습니다.
하지만 수십만 개가 넘는 상품의 태그값을 자세하고 일관되게 입력하는 것은 쉽지 않은 일입니다. 명확한 기준으로 상품을 분류하고 디테일을 입력해야 하는데, 이는 훈련받은 MD가 직접 진행할 때 가능합니다. 너무 많은 시간이 소요되는 작업인 데다 입력하는 사람이 여러 명이라면 서로 다른 분류기준 때문에 취합하기 어려워 활용 가치가 떨어지는 데이터가 생성될 수 있습니다.
해결책은 간단합니다. 사람보다 빠르고 전문가만큼 정확하게 패션 상품을 태깅하는 옴니어스 태거(OMNIOUS Tagger)를 활용하세요.
옴니어스는 사진 속 패션 상품을 인식하는 인공지능(AI, Artificial Intelligence) 기술을 보유하고 있습니다. 옴니어스 태거는 이 AI를 활용해 사진 속 패션 상품의 카테고리, 색상, 길이, 소재, 스타일 등 13가지 속성을 일관된 기준으로 태깅합니다. 단 하루 만에 20만장 이상의 사진을 일관된 기준으로 태깅할 수 있고, 정확도 또한 MD와 경쟁할 수 있는 수준입니다.
옴니어스 태거가 생성한 태그 데이터는 검색 키워드 최적화, 필터 기능 개선, 개인화된 카탈로그 제공 등 매출을 높이는 데 다양하게 활용될 수 있습니다.
1) 검색 키워드 최적화 : 이제 패션 상품도 텍스트로 검색하세요
‘원피스’라는 검색어에는 카테고리(원피스) 정보만 들어 있습니다. 옴니어스 태거는 카테고리뿐 아니라 상품의 총기장, 소매 기장, 소재, 색상까지 태깅하기에 이 정보를 검색어로 활용할 수 있습니다. 만약 고객이 원하는 상품 정보 그대로 ‘무릎까지 오는 스트라이프 셔츠 원피스’라고 검색해 상품을 찾을 수 있다면 검색을 통한 구매전환율이 높아질 것입니다. ‘여성스러운 코디’, ‘하객패션코디’ 처럼 감성이 담긴 태그를 활용하는 것도 가능합니다. 실제 사이트 내 검색 기능으로 상품을 찾은 고객은 그렇지 않은 고객보다 80% 더 높은 구매전환율을 보인다는 조사 결과도 존재합니다.
패션 이미지 출처 : LF2) 상품 필터 강화 : 취향에 맞는 상품만 다양한 기준으로 골라보세요
‘판매량 많은 순’, ‘가격순’, ‘신상품순’으로만 나열해 볼 수 있었던 불친절한 상품 필터는 이제 그만. 옴니어스 태거의 태깅 데이터로 성별은 물론 연령대, 스타일, 컬러, 소재까지 필터 지정해 고객의 취향에 맞는 상품만 살펴볼 수 있습니다. MD가 상품을 직접 셀렉해야 하는 기획전 진행과는 다르게 전문가의 손길이 닿지 않아도 효과적인 추천 상품 선정이 가능합니다.
3) 데이터로 확인하는 상품 카탈로그 : 대시보드에서 포트폴리오 분석을 한번에 확인하세요
옴니어스 태거 고객사에는 태깅 데이터로 구성된 카탈로그 인사이트 대시보드가 제공됩니다. 어떤 상품이 많이 판매되었는지, 매출이 높거나 낮은 상품들에서 특징적으로 살펴볼 수 있는 태그 데이터가 있는지, 속성별로 어떤 상품이 많이 팔리는지 등등 데이터에 기반한 포트폴리오 분석을 대시보드에서 간편하게 진행하세요.
옴니어스 태거는 API 형태로 제공됩니다. 간단한 연동 과정을 거친 후, 실제 상세페이지에 사용되는 상품 사진을 넣으면 다양한 속성 정보들이 빠르게 태깅됩니다. 여기서 수집된 태그값은 상품 태그와 검색 필터에 바로 적용됩니다. API 연동 없이 개인 사업자도 손쉽게 활용할 수 있는 옴니어스 태거 SaaS 서비스도 곧 출시될 예정입니다.
온라인 패션 리테일 시장은 앞으로도 성장세를 이어갈 것입니다. 고객 경험이 개선된다면 성장하는 시장에서 확고한 우위를 점할 수 있습니다. 상품 이미지만으로 정보를 제공하던 기존 방식에서 벗어나 고객의 편의성을 높인 텍스트 필터, 검색 기능을 활용해 보세요. 고객의 사이트 체류 시간과 구매 전환율이 놀라울 만큼 개선됩니다. 지금 옴니어스 태거를 활용해 시장을 선도하세요.
함께 읽으면 좋은 포스팅
패션 리테일에서 온라인 채널을 똑똑하게 활용하려면? : 닐슨 Connected Commerce 2018 리포트에서 발견한 힌트
패션의 디지털 전환, 그 중심에 AI가 있다 : 옴니어스의 <스타일테크 컨퍼런스> 현장스케치
가입하기
