AI 개인화 추천 VS 통계형 추천 승자는? – 메트로시티

이탈리아에서 시작한 토탈 패션 & 라이프스타일 브랜드 메트로시티는 의류, 백, 스몰 레더 굿즈, 슈즈, 주얼리, 코스메틱 까지를 아우르는 상품 구색을 가지고 자사몰을 운영하고 있습니다. 다양한 가격대의 상품 라인업을 가지고 있고 젊은 여성층으로부터 좋은 반응을 얻고 있습니다.

메트로시티 자사몰에서는 현재 그루비를 활용한 다양한 온사이트 마케팅 및 상품 추천을 진행하고 있습니다. 특히 상품 추천에 있어서는 그루비에서 제공하는 AI 개인화 상품 추천 11가지와 통계형 추천 9가지를 상품 상세 페이지에 동시에 적용하여 가장 효율이 높은 추천 알고리즘의 최적화를 진행하고 있습니다.

<모바일 상품 추천 화면>

통상적으로 상품 추천이라고 하면 3가지 방식을 고려해 볼 수 있습니다. MD나 마케터가 직접 고른 상품을 추천 영역에서 노출하는 방식, 구매나 열람 빈도 등의 통계를 근거로 하는 방식, 그리고 머신러닝, 딥러닝 기법을 활용한 AI 개인화 추천 방식입니다.

운영 효율 면에서 사실 상 사람에 의한 방식 보다는 통계적 방식이 선호되고 있지만 최근에는 보다 고객의 특성이나 취향을 반영하는 AI 개인화 상품 추천이 주목을 받고 있습니다. 어떤 방식으로 상품을 추천하던 간에 자사몰을 운영하는 담당자 입장에서는 상품 추천을 통한 클릭이나 주문 성과가 좋은 방식을 채택하기 위해 의사결정을 하는 것이 제일 중요한 부분일 것입니다.

그루비에서는 다양한 추천방식을 적용하는 경우, 가장 효율이 좋은 추천방식을 AI가 자동으로 찾아 주기 때문에 관련한 마케터 업무 효율이 매우 높습니다.

메트로시티 자사몰에서 2021년 1월말부터 3월초까지 모바일에서 상품을 추천한 결과를 보면 다음과 같습니다. AI 알고리즘에 의한 상품 추천이 클릭 수에서는 약 2.2배, 주문수에 약 2.7배, 주문 전환율에서는 1.3배, 전환 금액에서는 2.3배가 높은 것으로 나타났습니다. 고객들이 통계형의 베스트 추천 상품 보다는 AI가 추천하는 것에 더 많은 반응을 했다고 볼 수 있습니다.

특히, 클릭이 많았던 상위 3개의 추천 알고리즘은 유사상품, 함께 본 상품, 딥러닝 기반 다음에 볼 상품이었는데 메트로시티 자사몰의 경우, 유저들의 유사성을 기반으로 한 알고리즘 보다 상품 아이템 기준의 유사도나 관련성에 기반한 알고리즘이 효과가 좋았던 것으로 파악됩니다. 다양한 상품 구색과 카테고리가 잘 분류되어 있지만 유저 트래픽이 아직 성장 중인 사이트의 경우 이와 같은 추천 방식을 활용하는 것이 성과를 높이는 데에 도움이 된다고 볼 수 있습니다.

주문이 많이 일어난 알고리즘의 경우 클릭 수와는 조금 다른 양상이 보였습니다. 이 기준에서는 상위 그룹에 실시간 많이 본 TOP N과 같은 통계형 추천도 포함되어 있습니다. 따라서 다양한 알고리즘을 활용하여 상품 추천을 진행할 때 어떤 목적과 목표를 가지고 진행하느냐가 매우 중요하다고 볼 수 있습니다.

만약 상품 추천을 통해 1차적으로 다양한 상품에 접속하는 고객을 늘리고자 한다면 클릭을 목표 지표로 삼아야 할 것이고, 매출을 고려한다면 주문에 유리한 알고리즘을 선택해야 할 것입니다.

또한 클릭 수와 주문 수 모두에서 상위에 속했던 알고리즘 중 ‘딥러닝 기반 다음에 볼 상품’은 데이터의 축적이 거의 없는 첫 방문자에게도 개인화 된 추천을 잘 할 수 있는 방식이자, 상품의 카테고리 성을 잘 반영할 수 있는 추천 방식입니다.

상기의 내용을 볼 때 향후 이 자사몰에서 더 성과를 높이기 위해서는 이러한 특정 알고리즘을 첫 방문자와 같은 온사이트 타겟 고객에만 적용해 보는 전략을 펼치는 것을 고려해 볼 수 있습니다. 그루비에서는 특정 세그먼트 고객을 대상으로 한 추천 방식 적용으로 고도화된 전략을 구사할 수 있는 기능을 제공하고 있습니다.

상품 추천이 자사몰(온라인 쇼핑몰) 운영에 있어서 중요한 부분이라는 것은 이미 많은 자사몰들은 인지하고 계십니다. 다만, 어떤 추천방식이 우리 자사몰에 유용한 지를 파악하고 이를 통한 지속적인 성과 개선 방법을 모색할 수 있을 때 상품 추천에 대한 경쟁력을 갖출 수 있게 됩니다.

⦿ 추천 콘텐츠
이커머서스를 위한 인공지능 개인화 상품 추천 백서 읽어보기 >