중고거래 검색 필터 사용성 개선하기
안녕하세요, 검색모델러 Aiden(에이든)이에요.
검색 필터는 검색어 이외에 추가적인 정보를 활용해 사용자가 원하는 결과를 찾는 데 도움을 주는 기능이에요. 거래하고 싶은 물건이 구체적인 사용자에게 꼭 필요한 기능이죠. 오늘은 검색팀이 중고거래 필터를 보다 사용하기 편하게 만들기 위해 노력한 이야기를 해보려고 해요.
필터 개선 프로젝트 저 외에도 다양한 분들이 노력해 주셨는데요. 덕분에 좋은 서비스를 제공할 수 있었고 저 또한 좋은 경험을 할 수 있었어요. 이 글을 통해 감사의 인사를 남기고 싶어요.
불필요한 정보를 제거해주는 필터
검색어에만 의지한 검색 결과는 목적성이 있는 사용자에게 불편한 경험을 줄 수 있어요. 헬스장에서 가볍게 사용하기 위해 저렴한 가격의 가방을 찾는 사용자가 가방을 검색하면 낮은 가격뿐만 아니라 고가의 가방도 결과에 나타나 원하는 물건을 찾는 게 어려울 수 있죠. 이를 대비해 당근마켓에서는 중고거래에 카테고리, 가격, 지역 범위 필터를 제공해 사용자의 탐색을 도와주고 있어요. 기능면에 있어 필터는 검색 랭킹만큼이나 중요한 역할을 하는데요. 검색팀은 이런 필터의 사용성을 높여 보다 좋은 서비스를 제공하기 위해 필터 개선 프로젝트를 진행 했어요.
새로운 디자인으로 접근성을 높이기
우선 필터를 새롭게 디자인하는 작업을 진행 했어요. 기존 필터는 적은 공간을 차지하고 버튼을 클릭하면 모든 조건을 한 번에 볼 수 있어 여러 필터를 동시에 사용하기에는 편리하다는 장점이 있었어요. 하지만 필터의 존재를 인지하기 어렵고 현재 적용된 값을 한눈에 알기 어려웠죠. 그리고 한번에 한가지의 필터만 사용하는 것이 대부분이기 때문에 여러개의 필터를 동시에 사용하는 것보다 필터 한가지를 쉽게 사용할 수 있는 경험 제공에 집중했어요.
이를 보안하기 위해 각 필터를 팁 형태로 노출하고 팁을 클릭하면 하단에 입력창이 올라오도록 디자인을 변경했어요. 필터에 적용된 값을 사용자가 알 수 있도록 표시해 주었고요. 덕분에 어떤 필터를 사용할 수 있는지 한눈에 알 수 있게 되어 접근성 좋아졌고, 현재 상태도 직관적으로 알 수 있게 되었어요. 디자인 이후에 AB 테스트한 결과 필터 사용 비율이 16% , 사용자의 수는 2배가량 증가하는 걸 확인하여 서비스에 반영하기로 결정했어요.
추천을 통해 필터 사용을 편하게 만들기
필터의 접근성을 높인 다음 검색팀은 사용자가 필터를 보다 편하게 사용할 수 있게 하는데 집중했어요. 카테고리 필터는 카테고리 수가 많고 모든 검색에 동일한 순서로 보여 주기 때문에 사용자가 원하는 카테고리를 찾아 입력하기가 어려웠어요
보다 편리한 카테고리 필터 사용을 위해 사용자 행동 데이터를 활용해 검색어마다 카테고리를 적절한 순서로 보여주는 작업을 진행했어요. 이때 사용자가 검색 이후 클릭한 패턴을 주로 활용했는데요. 다른 방법으로 검색 결과에 많이 등장하는 판매글의 카테고리 수를 활용하는걸 고려 했지만 적절하지 않은 케이스들이 존재했어요. 예를 들어 옷장 검색의 상위에는 가구 옷장이 존재하지만 전체 결과를 보면 제목에 옷장정리와 같은 키워드를 포함시킨 옷 판매글들이 더 많이 존재해요. 부피가 있어 거래하기 어려운 옷장보다는 비교적 옷들이 거래가 편하기 때문이죠. 이와 다르게 사용자가 적절하다고 생각되는 판매글에 클릭할 확률이 높기 때문에 검색 결과 수 대신 클릭 수를 활용하기로 했어요.
개선된 카테고리 순서는 다양한 검색어를 대상으로 적합한 카테고리가 상위에 올라와 필터 사용을 보다 편하게 만들었어요. 특히 식물 카테고리는 당시 순서가 가장 아래 위치하고 있어 다육이 검색어의 카테고리 필터 사용성이 큰 폭으로 개선이 되었어요. AB 실험 결과 카테고리를 추천한 실험 그룹의 카테고리 필터 사용 비율이 기존 대비 7% 증가한 걸 확인할 수 있었어요.
다음으로 가격 필터에 집중했는데요. 가격 필터는 사용 이후 클릭수가 많이 상승하기 때문에 중요한 필터지만 사용자가 가격을 고민하고 직접 숫자를 입력해야 하기 때문에 사용이 불편한 편에 속해요. 이런 불편한 과정을 줄여주기 위해 검색어마다 사용자가 선호할 만한 가격 구간을 버튼 형태로 보여주고 클릭한 값들이 필터에 적용되도록 개선해 봤어요. 가격 구간을 추출할 때도 사용자 행동 데이터를 활용했는데요. 아이폰13의 가격별 클릭수를 보면 사용자가 선호하는 가격 구간이 있고 해당 구간에 클릭을 밀집되어 있는걸 확인할 수 있어요. 클릭이 밀집되어 있는 가격구간을 추출하기 위해 기계학습의 군집화(clustering) 문제로 접근했고, 다양한 방법중에서 분포와 밀집도를 반영하는 클러스터링 알고리즘을 활용했어요. 그리고 제안한 가격 구간 필터에 적용한 검색에 결과가 없어 불편함을 느끼지 않도록 구간을 제안하기 전에 검색 결과 수를 확인해 노출 여부를 정하는 과정도 추가했어요. AB 실험을 진행한 결과 가격 구간을 추천한 실험 그룹의 가격 필터 사용 비율이 기존 대비 11% 늘어났어요.
마무리하며
사실 이번 프로젝트를 시작하기 전에는 필터 사용이 더 큰 폭으로 늘어날 거라 기대했는데요. 아무래도 필터 버튼을 누르고 값을 입력 해야하는 허들 있기 때문에 약 20% 증가하는 데 우선 만족해야 했어요. 대신 앞으로 사용자가 추가로 어떤 행동을 하지 않아도 검색 랭킹에서 알아서 적절한 정보를 찾아줄 수 있도록, 더욱 고민해야겠다고 다시 한번 느낄 수 있었어요.
이외에도 필터 데이터를 분석함으로써 사용자들이 당근마켓 중고거래 검색을 어떻게 사용하는지 더 잘 이해할 수 있었어요. 하나의 사례로 지역 범위 필터를 많이 적용하는 검색어를 대상으로 분석을 해봤는데요. 랜봉, 포카와 같은 아이돌 굿즈를 구하기 위한 검색어들과 필통, 공책같이 가격이 저렴한 물건을 거래하기 위한 검색어들이 많이 보였어요. 비교적 비싸지 않은 물건을 거래하기 위해 먼 거리를 이동하는 수고를 하고 싶지 않았기 때문이죠. 필터의 사용은 뚜렷한 사용자 행동이기 때문에 분석을 통해 다양한 사실을 아는데 유용했어요.
필터 개선 이외에도 당근마켓 검색팀은 보다 좋은 검색 서비스를 만들기 위해 노력하고 있어요. 저희와 함께 다양한 문제에 도전하고 싶으신 분은 언제든 아래 이메일로 연락을 주시거나 당근마켓 채용 사이트를 찾아주세요.
감사합니다
