상품 페이지

일반적으로 아마존, 쿠팡, 네이버 쇼핑 등 물건을 판매하는 커머스(Commerce) 사이트에서는 상품의 페이지가 가장 중요하며, 가장 많은 트래픽이 발생합니다. 상품 페이지에서는 상품 자체에 대한 사진과 자세한 설명, 가격을 보여주고, 리뷰와 Q/A 등 사용자가 상품을 구매하기 위한 여러 정보들을 보여줍니다. 사용자는 상품 페이지에서 상품의 상세 정보를 보고 구매에 대한 결정을 하게 됩니다.

사용자는 상품 구매를 한번에 결정하기 보다는 비슷한 상품을 비교해서 최적을 선택을 하는 경우가 많습니다. 품질, 가격, 배송 모든 것이 고려의 대상이 될 수 있습니다. 이러한 시점에 추천은 이 상품과 가장 관련된 상품, 다른 사용자 또한 고민하여 선택한 상품을 쉬운 방식으로 보여줄 수 있습니다.

상품 페이지의 추천은 일반적으로 다음과 같이 구성할 수 있습니다. 상품 자체에 대한 사진, 가격을 보여주고 그 밑에 ‘함께 구매할 수 있는 상품 (Bought Together)’을 추천합니다. 그 후에 상품에 대한 설명을 보여주고 상품 설명이 끝나면 ‘함께 본 상품 (Viewed Together)’ 추천을 보여줍니다. 그리고 그 밑에는 “개인화 추천' 혹은 “카테고리의 베스트 상품” 과 같은 추천도 보여줄 수 있습니다. 여러 추천 모델을 다양하게 배치할 수 있습니다.

추천 상품은 사용자의 액션에 기반한 맥락 하에 배치됩니다. 사용자가 상품 페이지에서 확인하는 가장 큰 부분은 “이 상품이 어떤 상품이냐”는 것입니다. 따라서 될 수 있으면 현재 보고 있는 상품의 설명까지는 방해를 하지 않도록 구성합니다.

상품 페이지에서 보여주는 추천은 이 상품과 관련되어 있는 상품들을 보여주는 것이 중요합니다. 사용자가 현시점 가장 관심을 가지고 있는 상품이 바로 이 상품입니다. 따라서 “현재 상품”과 강하게 관련되어 있는 상품이 사용자가 함께 비교하고 구매 후보에 올릴 수 있는 상품입니다. 개인화 추천이나 베스트 상품과 같은 추천은 상품 페이지에서는 비교적 적합하지 않습니다. 이런 형태의 추천은 가장 하단에 배치될 수 있습니다.

여기서는 상세 페이지에 적용해 볼 수 있는 함께 본 상품 (VT), 함께 구매한 상품(BT), 컨텐츠 추천, 근처 상품 추천등에 대해 알아보겠습니다.

함께 본 상품(Viewed Together - VT) 추천

일반적으로 함께 본 상품(VT)은 상품 설명이 나온 이후에 사용자에게 노출됩니다. VT에는 현재 상품과 비교해 볼 수 있고, 대신해서 살만한 상품을 보여줄 수 있습니다. 사용자는 상품 설명을 먼저 확인한 후, VT를 통해 가격, 용도를 고려하여 비슷한 다른 상품을 확인해 볼 수 있습니다. 상세페이지 내에서 CTR과 Conversion이 가장 높습니다.

VT 영역이 상품 설명 위로 배치되는 것은 바람직하지 않습니다. 사용자가 현재 상품의 설명을 읽기도 전에 대신 구매할 만한 상품을 보여주게 되어 다른 상품으로 이탈할 수 있으며, 현재 상품 구매에 도움이 되지 못합니다.

함께 구매한 상품(Bought Together - BT) 추천

함께 구매한 상품(BT) 혹은 자주 함께 구매한 상품(Frequently Bought Together - FBT)은 아마존과 같은 많은 커머스 사이트에서 상품 사진 바로 밑에, 상품 설명 위에 노출됩니다. BT에는 현재 보고 있는 상품과 “함께” 구매할 만한 상품을 보여줄 수 있습니다. 예를 들어 일반 마트에서 계산대 근처의 상품들을 생각해 보시면 됩니다. 가격이 비교적 저렴하고 자주 쓰는 상품, 아이가 많이 찾는 상품을 배치해 두어 꼭 사려고 했던 것이 아니더라도 이왕 방문했을때 하나 더 살수 있도록 유도합니다.

일반적으로 BT는 위치가 상품 페이지의 위쪽에 위치해 있어도 CTR(클릭율)이 잘 나오지 않는 편입니다. 왜냐하면 BT에 있는 상품들은 대체로 사용자가 사려고 마음먹은 상품들 대신 살 수 있는 상품이 아니기 때문에, 사용자는 내가 보고 있는 상품 설명을 먼저 읽기 전에는 BT 상품을 클릭하지 않는 경우가 많습니다. 사용자는 BT 섹션을 무시하고 상품 설명을 읽는 경우가 대부분입니다. 하지만 BT 섹션을 위에 배치함으로써 사이트내 상품을 사용자에게 한번이라도 더 보여주는 효과가 있습니다. 나중에 사용자는 “아 이런 물건이 있었지. 같이 살까” 하면서 떠올릴 수 있습니다. 또한 구매 완료 페이지에서도 BT를 보여줄 수 있습니다.

컨텐츠 추천

컨텐츠 추천은 상품 제목, 내용이 비슷한 상품을 보여주는 추천입니다. 컨텐츠 추천은 VT를 보완하여 다른 각도의 비슷한 상품을 보여줄 수 있습니다. VT가 사용자의 feedback을 사용하여 조회, 구매, 리뷰 등 많은 feature가 포함되는 것과 달리 컨텐츠 추천은 텍스트 내용만을 고려합니다. 따라서 제목과 상품 설명의 정확함 등 셀러(seller)가 작성하는 텍스트의 품질에 추천의 품질의 좌우되는 특징이 있습니다.

근처 상품 추천

여행과 같은 도메인은 사용자가 현재 위치에서 할 수 있는 다른 상품들을 찾는 경우가 굉장히 많습니다. 이런 특징은 다른 커머스 사이트에서는 찾아보기 힘든 특징입니다. 특히 숙소는 이런 특징이 두드러진 상품 중 하나 입니다.

홈 페이지

상품 페이지와 달리 홈 페이지는 특정한 소스(source) 상품이 없습니다. 상품 페이지는 상품이 소스가 되어 이 상품과 매우 관련된 상품들을 추천으로 보여줍니다. 이와 달리 홈페이지는 사용자를 소스로 볼 수 있습니다. 즉, 여기서는 “사용자”와 매우 관련이 높은 상품을 보여주는 것입니다. 꼭 홈페이지만에 국한되지는 않습니다. 비슷한 맥락의 다른 페이지에서도 사용자와 관련된 추천을 해줄 수 있습니다.

홈 페이지에서는 개인화가 핵심입니다. 개인화 추천이란 개인마다 다른 상품을 보여주는 추천을 말합니다. 홈 페이지의 영역의 크기는 한정되어 있습니다. 한정된 영역에서 사용자가 클릭할 만한 상품을 효과적으로 보여주려면, 박물관 관람을 원하는 사용자에게는 다양한 박물관을, 교통편을 원하는 사용자에게는 교통 상품을 보여주는 식의 개인화가 필요합니다. 일반적으로 다양한 상품을 보여주기 위해 많은 카테고리별 상품을 노출할 수 있는데, 이런 카테고리 들의 순서와 그 내용에 개인화 추천을 적용하여, 사용자에게 최적화된 상품을 보여줄 수 있습니다. 또한 홈 페이지에 가장 자주 등장하는 것이 배너인데 개인화를 적용하면 배너의 효과를 상당히 높일 수 있습니다.

최근 본 상품 추천

사용자가 여러 상품을 탐색하다 보면 자신이 본 상품들을 다시 확인하는 경우가 굉장히 많습니다. 한번에 물건을 구매하는 경우는 매우 적습니다. 비교를 통해 최적의 상품을 찾으려고 노력합니다. 이런 이유로 많은 사이트에서 사용자가 최근에 본 상품을 페이지 상단에 많이 보여줍니다. 사용자가 최근 본 상품을 확인하려고 할때 이 상품과 관련된 상품을 함께 보여줄 수 있습니다. 최근 본 상품 리스트와 그 추천은 사용자가 쉽게 접할 수 있게 홈의 상단에 표시되는 경우가 많습니다.

사용자 액션 히스토리 기반 개인화 추천

사용자의 액션 히스토리를 기반으로 이 사용자에게 개인화된 추천상품을 하나의 캐러셀에 보여줍니다. 이 추천은 사용자의 액션을 기반으로 한다는 점에서 최근 본 상품 추천과 비슷하나, 이를 하나의 캐러셀에 나갈 수 있도록 모든 상품을 하나로 통합해서 스코어링하여 보여준다는 점에서 차이가 납니다. 이런 추천은 UI만 약간 다를뿐 유튜브에서 개인화된 영상을 쭉 나열하여 추천하는 방식과 좀 더 비슷합니다. 캐로셀(좌우로 스와이프하는 형식)이 아닌 리스트 형식으로 사용자가 더 많은 상품을 볼 수 있게 배치하는 것도 고려해 볼 수 있습니다. 또한 타이틀에는 아래 이미지처럼 사용자의 아이디 혹은 이름을 포함하여 개인화가 적용 되었음을 강조할 수 있습니다. 이 추천은 모든 사용자에게 각기 다른 상품이 노출됩니다.

검색 개인화 추천 (Searched Together - ST)

사용자의 액션 중 “검색”을 활용하는 개인화 추천으로, 일반적으로 사용자는 어떤 목적을 가지고 검색을 하기 때문에 검색어에는 사용자가 원하는 바가 강하게 드러납니다. 이를 추천에 활용합니다.

ST는 메인 페이지에도 노출될 수 있고 검색 페이지 하단에도 노출될 수 있습니다. 검색 대비 장점은, 검색은 ‘에버랜드’를 검색하면 ‘에버랜드’결과를 최대한 찾아서 보여주지만, ST는 ‘에버랜드’ 사용자 검색 액션에 대해 ‘에버랜드’ 뿐 아니라 ‘롯데월드’, ‘서울랜드’도 결과로 보여줄 수 있습니다. ST 구현을 위해서는 상품의 관련도 뿐만 아니라, 검색 쿼리의 형태소 분석 및 사전 등록도 필수로 스코어링 되어야 합니다.

랜딩(landing) 키워드 추천

랜딩 키워드 추천은 ST와 비슷한 추천으로 사용자의 랜딩 액션에 초점을 맞추는 추천입니다. 사용자가 외부 사이트에서 검색 후 광고를 클릭하여 홈 페이지로 랜딩하는 경우, 대부분은 외부 사이트의 검색어와 같은 정보를 가지고 옵니다. 이 정보는 사용자의 현재 목적을 정확히 알려주는 좋은 액션 정보로, 랜딩 키워드 추천은 이 정보에 포커스를 맞추어 추천합니다. 특히 외부 광고는 비용이 매우 비싸므로 사이트 랜딩시에 사용자에게 맞는 상품을 보여주는 것이 매우 중요합니다. 사용자 입장에서는 랜딩 이후 원하는 상품을 바로 볼 수 있어 효과가 좋습니다.

급상승 추천

급상승 추천은 실시간으로 지난 타임 윈도우 대비 현재 타임 윈도우에서 상승률이 높은 상품을 추천하는 방식입니다. 사용자마다 달라지는 개인화는 아니지만 홈 페이지에 노출할 수 있는 추천입니다.

상품이 좋아도 그 자리에서 변하지 않으면 사용자의 클릭율은 떨어집니다. 현재 인기 보다는 상승률로 스코어링함으로써 많은 변화를 추구합니다. 사용자의 반응(feedback)은 실시간으로 데이터가 처리될 때 점점 좋아집니다. 급상승 추천을 위해서는 실시간 분석 아키텍처를 구현할 필요가 있습니다.

카테고리 개인화 추천

카테고리 개인화 추천은 사용자의 카테고리 선호도를 분석하여 선정하고, 각 카테고리의 추천 상품을 보여주는 식의 추천입니다. 각 사용자 마다 카테고리와 카테고리의 순서가 다르게 추천됩니다. 상대적으로 관심이 떨어지는 카테고리, 상품들은 아래에 노출되거나 생략될 수도 있습니다.

많은 사이트에서 홈 페이지에 최대한 많은 카테고리의 상품을 보여주려고 노력합니다. 이 경우에 카테고리의 순서를 개인화하여 사용자에게 맞는 카테고리를 보여줄 수 있습니다.