[코드스테이츠 PMB_17기 W3] 무신사 스토어 MVP 기획

지난주 과제를 통해서 온라인 쇼핑 시장의 동향과 무신사 앱에 대해 분석해보았다.

이를 토대로 설문조사를 진행하여 무신사의 페르소나를 설정하고, Customer journey map을 그려 고객의 여러가지 페인포인트를 발견하였다.

[코드스테이츠 PMB 17기_W2] 무신사 프로덕트 분석

 

이를 통해 내가 정의한 고객이 가진 가장 큰 문제점은 '무신사에서 원하는 상품을 찾는 것이 힘들다'였다. 

이번주엔 해당 문제를 해결하기 위한 MVP를 기획해보려고 한다.

---

ᅵ무신사 스토어 MVP 기획

📍MVP란?

• Minimum Viable Product, 최소기능제품
• 고객의 진짜 문제를 해결하기 위한 핵심 기능만 있는 제품을 고객에게 제공하고, 고객의 피드백을 모아 발전시키는 데 사용

---

 

 

1. 페인포인트 분석과 인사이트 도출

지난주 과제에서 발견한 고객의 진짜 문제 '무신사에서 원하는 상품을 찾는 것이 힘들다'를 해결하려면 어떻게 해야할까? 우선 해당 페인포인트가 생긴 원인에 대해 생각해보았다. 지난주 실시한 설문조사 응답과 나의 경험, 지인들의 경험을 토대로 정리한 문제의 원인은 다음과 같다.

• 전체 상품의 갯수가 너무 많다.
• 비슷한 상품들이 너무 많다.
• 매번 보이는 상품/브랜드만 보인다.
• 원하는 물건이 없을 때도 있다.

한마디로 정리하면 물건이 너무 많은데 다 비슷비슷하고, 정작 원하는 건 찾기가 어려워서 고객들은 무신사에서 원하는 상품을 찾는 것이 힘들다고 답변한 것이다. 그렇다면 이를 개선하기 위해 필요한 새로운 프로덕트는 무엇이 있을까?

 

나는 무신사의 검색 결과 페이지(Search Result Page, SRP)에 집중하였다. 그 첫번째 이유는 검색 서비스가 구매에 미치는 영향이 매우 크기 때문이고, 두번째는 위 페인포인트를 느낀 고객의 무신사 접속 목적은 무언가를 구매하기 위해서일 것이기 때문이다. 그렇다면 우선 검색 서비스가 고객의 구매에 얼마나 큰 영향을 미치는 지 아래 글을 통해 알아보자.

 

  이커머스에서 ‘검색’은 고객의 니즈를 넘어, 기업 매출에 직접적 영향을 미치는 일차 경로이자 허들이 된다. 이에 대해 이커머스 플랫폼 전문기업 플래티어의 그루비 데이터 사이언스(DS) 팀은 ‘검색 고객’과 ‘비검색 고객’ 그룹을 분류하고, 이 두 그룹 간의 구매의욕 차이를 살펴보고자 400만여개의 상품 데이터와 50억 건이 넘는 누적 고객 행동 데이터를 분석했다.
  분석 결과, 검색 고객 그룹의 구매율이 비검색 고객 그룹보다 약 7배 가량 높았다. ‘검색 행위’가 고객의 적극적인 구매 의사 표현이라는 것은 예상했던 부분이었지만, ‘7배’ 차이는 예상을 추월하는 수치였다. 세부 결과에서는 그 차이가 더욱 극명해진다. 그루비 솔루션 내부 분석자료에 따르면, 검색을 하지 않은 고객의 구매비율은 1.4%인 반면, 검색을 한 고객의 구매비율은 7.9%였으며, 검색에 성공한 고객이 해당 상품을 구매하는 경우는 무려 67.5%에 달했다.
  반면, 검색에 실패한 고객 중 재 검색을 한 이들은 10%에 불과했고, 재검색 고객 10% 중에서 구매까지 가는 이들은 14%였다. 나머지 90%는 모두 그 즉시로 사이트를 이탈했는데, 이는 검색에 성공한 고객의 사이트 이탈과 비교했을 때 무려 20배 이상 높은 수치다. 이를 통해 본다면, ‘검색’은 고객의 구매전환은 물론이고 사이트 ‘체류’ 또는 ‘이탈’ 여부도 좌우한다. 특히 자사몰인 경우라면, 이러한 사이트의 체류/이탈은 브랜드 충성도를 볼 수 있는 지표로 해석할 수 있기 때문에 더욱 의미심장하다.

*출처: 유진희 플래티어 마케팅 실장, "검색 패러다임의 확장: '검색'에서 '검색 추천'으로 (2편)", 「Tech42」, 2021.07.14

 

위 기사의 포인트는 검색 서비스를 이용한 고객의 구매율은 그렇지 않은 고객에 비해 7배나 높았다는 것, 그리고 이를 통해 검색 행위 자체가 고객의 적극적인 구매 의사 표현이라는 것을 확인했다는 것이다. 앞서도 말했듯이 내가 정의한 페인포인트를 갖고 있는 고객은 실제로 무신사에 무언가를 구매하기 위해 접속했을 것으로 예상된다. 애초에 무언가를 사고자하는 마음없이 단순히 구경을 목적으로 접속했다면, 원하는 물건을 찾기 힘들었다고 답하기는 어려웠을 것이기 때문이다. 따라서 이들은 높은 확률로 검색 서비스를 이용했을 것으로 보여진다.

 

2. 최소한의 기능 정의

그러면 검색 서비스에서 어떻게 하면 고객이 원하는 상품을 더 쉽게 찾을 수 있게 할 수 있을까? 현재 무신사에서는 이미 고객이 더 편리하게 상품을 탐색할 수 있도록 아래 이미지와 같이 다양한 기능을 제공하고 있다. 

이미지 캡쳐: 무신사 앱

여기 나와있는 것 외에도 어떠한 상품을 고객이 클릭해서 본 후, 다시 검색 페이지로 돌아오면 '방금 본 상품과 비슷한 상품'을 보여주는 추천 기능도 있다. (이미지의 각 영역의 이름은 정확히 알 수 없어서 임의로 기재하였다.) 무신사에서 단어를 검색하면 우선 '통합' 탭에서 상품, 코디, 스냅 등 각 탭의 내용들을 스크롤을 통해 볼 수 있고, 상품 탭을 클릭하면 무신사 추천순 정렬을 기본으로 보다 상품 탐색에 집중된 기능들이 제공되고 있다는 것을 알 수 있다.

 

무신사 테크팀이 Medium에 2021년 3월 13일에 작성한 글, "검색어 분석을 통한 상품 정렬 개선"에 따르면, 무신사 추천순은 인기도(상품의 구매 후기, 클레임 등으로 판단한 점수)와 적합도(검색어 의도와 상품의 연관성 점수)를 계산하여 상품들을 보여주고 있다는 것을 알 수 있다. 쉽게 말하면 고객이 단어를 검색한 의도와 일치할수록, 인기가 많은 상품일수록 SRP의 상단에 노출되고 있는 것이다. 나는 여기에 개개인의 취향은 고려되지 않았다는 점을 발견하였다. (이미 이전 과제들을 통해 현대 시대에서 사람들이 자신의 취향을 탐구하고, 파고드는 것을 좋아한다는 점을 알게 되었기 때문에 개인의 취향이 중요하다는 것 알게됨.)

 

결론적으로, 문제 해결을 위한 핵심 기능으로 'SRP에 개인 맞춤 추천 상품 영역을 추가하는 것'을 제안하고자 한다. 단, '해당 기능에 노출되는 상품은 고객의 검색의도와 관련성이 있을 것'을 기본 전제 조건으로 설정하였다. 그 사유는 검색 서비스를 이용하는 고객은 원하는 상품/브랜드 외에 다른 상품/브랜드를 구매할 확률이 그렇지 않은 상품을 구매할 확률보다 높다고 예상했기 때문이다. 맨투맨을 구매하러와서 뜬금없이 신발이나 가방을 탐색하는 쪽으로 발길을 옮기지 않을 것 같았다.

 

3. Prototype 제작

앞서 고안해낸 기능이 실제 무신사앱에 적용된다면 어떻게 보여질 지 프로토타입을 제작해보았다.

무신사 '개인화 상품 추천 영역' Prototype 구상

 

 

검정색 박스로 표시된 것들은 이미 무신사 앱의 SRP에서 보여지고 있는 영역들이고, 여기에 개인화 상품 추천영역을 추가하였다. 이미 무신사의 홈에서 추천 기능을 제공하고 있지만, 위 프로토타입은 SRP에서 검색 의도에 맞는 상품을 노출시킨다는 데에 의미가 있다. 

 

해당 영역의 위치는 기존의 검색한 상품이 노출되는 영역의 상단에 배치하여 고객이 바로 취향에 맞는 상품을 찾을 수 있도록 설정하였다. 그리고 최대한 많은 상품을 보여주기 위해 캐로우셀 형태를 선택하였고, 이를 고객이 알기 쉽도록 UX를 고려해 상품 갯수는 3.5개로 제한하였다.

 

상품의 노출 조건은 우선적으로 검색의도에 부합해야 한다. 여기서 검색의도에 부합한다는 의미는 특정 상품군을 검색하였을 때 해당 상품군에 해당하는 상품들만 보여줘야한다는 의미이다. 예를 들어서 양말이라고 검색했을 때 양말만 보여주는 것이다. 단, 브랜드를 포함한 검색어의 경우에는 다소 상황이 복잡하다. 어떤 상품군을 구매하고자 하는지 알기 어렵기 때문이다. 따라서 브랜드 검색어는 유형을 세분화하여 생각해보았다.

• 브랜드에 해당하는 단어만 검색하였을 때 (e.g. 나이키, 아디다스, 스컬프터 등)
  : 해당 브랜드 상품을 포함하여 비슷한 성격을 가진 다른 브랜드 상품 추천 (e.g. 검색어: 나이키 → 노출: 나이키, 아디다스 상품들)
• 브랜드와 상품군을 함께 검색하였을 때 (e.g. 나이키 운동화, 아디다스 티셔츠, 스컬프터 바지 등)
  : 해당 브랜드 상품을 포함하여 비슷한 성격을 가진 다른 브랜드의 검색 상품군 추천 (e.g. 검색어: 나이키 운동화 → 노출: 아디다스 운동화)

그리고 여기에 개인 취향이 더해 다양한 상품들을 노출시킨다. 개인 취향은 로직을 통해 파악할 수 있는데, 이때 고객의 행동 분석 데이터와 AI 추천 알고리즘을 사용할 수 있을 것 같다. 

 

위 내용을 바탕으로 정의한 솔루션은 '무신사의 검색영역 추천 서비스' 이다.

 

4. 사용자 시나리오 설정

그렇다면 실제 사용자가 해당 기능을 실제로 마주하게 되었을 때 어떤 플로우로 이용하게 될까? 우선 나는 다음과 같은 가설을 세웠다.

사용자가 검색영역 추천 서비스를 이용한다면, 더 빠르게 원하는 상품을 찾아 구매할 수 있을 것이다.

내가 설정한 사용자 시나리오는 다음과 같다. 

무신사 '검색 영역 추천 서비스' 고객 Work flow

고객들은 어떠한 상품군에 대한 구매 욕구를 느꼈을 때 무신사 앱에 접속하게 될 것이며 검색 서비스를 이용할 때 해당 프로덕트를 마주하게 될 것이다. 만약 바로 검색 서비스를 이용하지 않고 다른 기능들을 탐색하더라도 해당 단계에서 원하는 상품을 찾지 못하면 검색 서비스를 이용하게 될 것으로 예상하였다. 그리고 고객들은 검색 영역에 추가된 추천 서비스를 통하여 보다 자신이 원하는 상품을 빠르게 찾을 수 있을 것으로 생각한다.

 

 

ᅵ무신사 스토어 비즈니스 모델 강화하기

지금까지 지난 과제에서 발견한 고객의 페인포인트를 분석하고, 이를 해결하기 위한 기능으로 검색 영역에서의 추천 서비스를 제안해 프로토타입까지 제작해보았다. 그렇다면 해당 기능이 무신사 스토어가 수익을 창출하는 데 어떤 이익을 줄 수 있을 지 생각해보려고 한다. 

위 이미지를 기준으로 왼쪽에 위치한 세 가지 원은 무신사의 주 수익 모델이다. 무신사는 2021년 재무제표를 기준으로, 상품을 사입하여 판매하여 얻은 매출이 40%로 가장 많았고, 그 다음으로 입점 브랜드사로 부터 받은 판매 수수료가 38.8%로 가장 높았다. 자체 제작 브랜드인 '무신사 스탠다드'의 매출은 18.7%를 차지하였다. 이렇듯 무신사는 패션 플랫폼으로써 상품을 소비자에게 판매하고 그로부터 얻은 수익과 수수료가 주 수익 모델이다. 

 

고객에게 제공하는 서비스에는 여러가지가 있는데 그 중 오늘 내가 기획한 '검색 영역 추천 서비스'는 상품 큐레이팅에 포함된다. 이 서비스를 통하여 고객은 상품 탐색에 들이는 노력을 줄일 수 있다. 이는 무신사에서 쇼핑을 하다가 지쳐서 이탈하게 되는 상황이 발생하는 확률을 낮춰줄 것이라고 생각한다. 그리고 이탈률이 낮아진다면 구매전환율에 까지 긍정적인 영향을 미칠 수 있을 것으로 기대할 수 있다.

 

 

ᅵ솔루션 검증하기

1. 설문 조사

내가 기획한 기능이 실제 무신사 회원들에게 좋은 영향을 미칠 수 있을까? 나는 솔루션을 검증하기 위하여 나의 패션 인스타그램 계정을 또 다시 이용해보고자 한다. 내 인스타그램 스토리에 설문 링크를 올려 패션에 관심있는 팔로워들을 대상으로 24시간 동안 설문을 진행할 예정이다. 설문 조사에 포함될 문항은 다음과 같다.

 

+ 설문 조사 결과 삽입

 

 

2. 솔루션 검증을 위한 지표 설정

솔루션 검증을 위한 지표를 얘기하려면 내가 앞서 세운 가설을 다시 얘기해보아야 한다. 내가 세운 가설은 "사용자가 검색영역 추천 서비스를 이용한다면, 더 빠르게 원하는 상품을 찾아 구매할 수 있을 것이다." 였다. 여기서 포인트는 상품을 빠르게 찾아 구매할 수 있다는 것이다. 만약 내가 기획한 서비스가 고객의 문제점을 진짜로 해결했다면 이를 통한 매출이 발생할 것이다. 이를 확인할 수 있는 지표로는 구매전환율이 있다. 

 

+내용 추가 예정

 

---

ᅵ참고 자료

- 위키백과, '프로토타입'

- eDraw, '프로토타입 뜻이 뭐고 디자인 절차? [쉽게 설명]'

- Tech42, '검색 패러다임의 확장: '검색'에서 '검색 추천'으로 (2편)'

- ACO blog, '인공지능 기반 추천 시스템의 모든 것! From A to Z'

- Numbers, '[비상장]무신사 재무제표 털기-어쩌다 ‘4조 기업’ 됐나'