AI 기반 기업용 검색솔루션 분야 기업 루시드웍스는 미국의 소매 전문 온라인 매체 ‘리테일 터치포인트(Retail TouchPoints)’에 의뢰하여 실시한 e커머스 분야 베스트 프랙티스 설문 조사(Ecommerce Best Practices Survey) 결과를 발표했다. 본 설문 조사는 올해 8월 실시됐으며, 1억달러 이상의 매출을 올린 123곳의 온라인 소매업체들을 대상으로 진행됐다.

본 설문 조사는 장바구니 담기(Add-To-Cart, ATC) 비율 및 클릭률(Click-Through-Rate, CTR; 광고의 노출 횟수 대비 클릭 수가 차지하는 비중) 등의 핵심성과지표(KPI)를 기준으로 소매업체들의 성과를 측정했다. 소매업체들의 주요 우려사항으로는 웹사이트의 속도, 제품 검색 용이성 및 고객 경험을 선정했다. 본 설문 조사 결과, 검색 영역에 AI 기반의 툴을 도입한 소매업체들의 비중이 비교적 높았지만, 고객의 의도를 이해하고 초개인화 된 경험을 제공하는 데 있어서는 아직 개선의 필요성이 있는 것으로 나타났다.

루시드웍스의 이번 설문 조사 결과에 따르면, 판매 웹사이트의 속도, 제품 검색 용이성 및 개인화된 추천 서비스 등은 고객의 재방문률, 구매 또는 검색 포기에 영향을 끼친다. 이러한 요인들은 블랙 프라이데이(Black Friday)와 같이 쇼핑량이 급증하는 연휴 기간에 매우 중요한 역할을 하는 것으로 나타났다. 본 설문 조사에 참가한 소매업체들 중 73%는 쇼핑 성수기 중 가장 큰 우려사항은 시스템 중단, 판매 웹사이트의 속도 저하 및 낮은 품질 등으로 기인하는 부정적인 고객 경험이라고 밝혔다.

루시드웍스의 다이앤 벌리(Diane Burley) 컨텐츠 부문 부사장은 “오늘날의 많은 소매업체들은 고객들에게 완벽한 쇼핑 경험을 제공해야 한다는 과제를 가지고 있다. 그들은 자사의 쇼핑몰에서 고객들이 원하는 제품을 노출시킬 수 있는 시간이 매우 적다는 것을 인지하고 있으며, 이에 대한 개선 방안을 지속적으로 모색해 왔다. 소매업체들이 자사의 고객 경험에 대해 평가할 수 있도록 본 설문 조사를 실시한 결과, 1억달러 이상의 매출을 기록하는 많은 소매업체 브랜드들이 공통적으로 안고 있는 우려 사항들을 찾을 수 있었다”라고 말했다.

또한, 다이앤 부사장은 “본 설문 조사 결과, 구매 의향을 갖고 있는 고객들이 온라인 판매 웹사이트에서 검색 시 대부분(80%) 구매로 이어지지 않는 이유는 단순한 키워드 검색만 가능하기 때문이다. 소매업체 브랜드가 자사의 검색 연관성을 향상시키기 위해서는 고객들이 무엇을 찾고 있는지 분석하여 동의어·유의어 리스트, 비즈니스 규칙, 온톨로지(정보시스템의 대상이 되는 자원의 개념을 명확하게 정의하고 상세하게 기술하여 보다 정확한 정보를 찾을 수 있도록 하는 모델), 검색 필드 가중치 및 그 외의 무수한 검색 설정을 최적화해야 할 필요가 있다. 이에 우리는 보다 세분화된 검색 기능을 제공하기 위해 어떤 유형의 데이터를 어떻게 통합해 활용해야 하는지 알아보기 위해 본 설문 조사를 실시했다”라고 설명했다.

본 설문조사 결과, 온라인 소매업체 브랜드들이 가장 많이 활용하는 데이터 소스는 로열티 프로그램(76%) 관련 데이터이며, 그 다음으로는 포인트 오브 세일즈(Point-Of-Sale, POS) 데이터(59%)가 많이 활용되고 있다. 또한, 60%의 쇼핑객들은 구매 이전 최대 4회 웹사이트를 방문하며, 40%는 5회 이상 방문한다. 온라인 소매업체들 중 67%는 자사 고객들의 피드백 데이터를 수집하고 있는데, 이들은 고객들의 판매 웹사이트 방문 기록을 통해 고객 의도를 더 잘 이해하고 업셀(upsell) 및 크로스셀(cross-sell) 기회를 증대할 수 있게 된다.

리테일 터치포인트의 아담 블레어(Adam Blair) 편집장은 “소매업체들은 고객들에게 단순한 키워드 매칭 검색 그 이상을 제공하도록 기술을 발전시켜야 한다. 이번 설문 조사 결과에 따르면, 56%의 소매업체들이 자사의 제품 추천 서비스를 위해 AI 및 머신 러닝(ML) 기술을 도입해 활용하고 있다. 만약 이러한 AI 및 머신 러닝 기술을 도입하지 않는다면 더 나은 고객 서비스를 제공할 수 있는 기회를 놓칠 수 있다. 고객들은 소매업체의 온라인 판매 웹사이트 방문 시, 자신이 무엇을 원하는 지에 대해 해당 업체가 정확히 알고 있다는 느낌을 받길 원한다. 여기에는 고객이 원하는 가격대, 스타일 및 브랜드 등과 같은 선호뿐 아니라, 구매 전 웹사이트 방문 횟수와 같은 보이지 않은 요소들도 포함된다. AI 기반의 검색 엔진은 브랜드들이 자사의 제품에 대한 강화된 전문 지식을 통해 고객들에게 더욱 개인화된 쇼핑 경험을 제공할 수 있도록 돕는다”라고 말했다.

비록 소매업체가 검색 전문가들을 보유하고 있지 않더라도 최신 AI 및 머신 러닝 기술을 통해 판매 웹사이트의 검색 속도를 빠르고 쉽게 높일 수 있다. 4억달러 이상의 매출을 기록하는 대규모 소매업체들은 AI 기반 시스템 도입을 선도하고 있다. AI 및 머신 러닝이 가장 많이 활용되는 분야는 문서 분류(59%)로서 상품 품목을 특정 카테고리로 분류하여 보다 쉽게 검색될 수 있도록 한다. 그 다음으로 49%의 응답자들은 AI를 사용자 의도 파악에 활용하고 있으며, 46%는 이상 탐지(머천다이저 및 마케터들이 이상값 추적 및 트렌드 예측을 위해 사용하는 주요 기능)에 사용하고 있다.

본 설문 조사의 핵심적인 결과는 다음과 같다.

- 약 절반의 소매업체들(47%)은 11~15%의 장바구니 담기 비율을, 약 4분의 1의 소매업체들(28%)은 평균 5~10%의 장바구니 담기 비율을 기록

- 42%의 소매업체들은 16~25%의 클릭률을, 31%의 소매업체들은 그 이상의 클릭률을 기록

- 69%의 소매업체들은 재고품 업데이트 실패로 인한 재고 부족이 쇼핑 성수기의 가장 큰 페인포인트라고 밝혔으며, 그 다음으로는 검색 불가능한 제품(49%) 및 결제 지연(48%)을 선정

- 절반 이상의 소매업체들(53%)은 새로운 카탈로그 아이템을 온라인에서 판매하기 위해서는 24시간 이상의 시간이 필요하다고 보고

- 85%의 응답자들은 A/B 테스팅(두 가지 이상의 시안 중 최적안을 선정하기 위해 시행하는 테스트)을 실시하고 있음

- 52%의 소매업체들은 핵심적인 검색 문구 및 용어들을 탐지하는 데 자연어처리(Natural Language Processing, NLP)를 위한 AI 및 머신 러닝을 사용하고 있음

- 대부분의 소매업체들(69%)은 고객들에게 해당 고객과 유사한 특징을 보이는 다른 고객들의 활동 데이터에 기반한 자동화된 추천 서비스를 제공하고 있음