이 페이지는 상거래를 위한 Vertex AI Search의 대화형 제품 필터링을 구현하는 가이드 역할을 합니다. 이 문서에서는 중대형 소매업체의 대화형 제품 필터링을 성공적으로 구현하기 위한 데이터 기반 권장사항을 제공합니다.
상거래용 Vertex AI Search 대화형 제품 필터링은 쇼핑객이 대규모 제품 카탈로그와 상호작용할 때 쇼핑객을 안내하는 경험으로 검색을 변환하는 AI 기반 도구입니다. 사이트 사용자가 수천 개의 결과가 반환되는 광범위한 검색 (예: 커피 테이블 또는 빨간색 드레스)을 실행하면 대화형 제품 필터링에서 후속 질문을 지능적으로 표시하여 옵션을 빠르게 좁힐 수 있습니다.
비즈니스 사용 사례
안내형 검색의 대화형 제품 필터링 기능은 광범위하거나 모호하거나 매우 미묘한 검색어를 처리하도록 특별히 설계되었습니다. 필터를 적용하여 결과를 좁히면 수익과 사용자 참여도가 크게 증가합니다.
대화형 제품 필터링의 기본 목표는 쇼핑객이 적절한 상품을 빠르고 직관적으로 찾을 수 있도록 돕는 것입니다.
비즈니스에서는 대화형 필터링을 사용하여 다음 작업을 할 수 있습니다.
- 제품 검색 속도 높이기: 관련 질문을 통해 쇼핑객이 방대한 제품 선택의 폭을 빠르게 좁힐 수 있도록 지원합니다 (예: 5,000개의 러그에서 타겟팅된 수백 개의 결과로 이동).
- 개인화 개선: 질문과 다중 선택 옵션은 특정 질문의 이전 필터 사용 데이터에 따라 모든 질문에 맞게 맞춤설정됩니다 (커피 테이블은 크기보다 색상으로 필터링되는 경우가 많으므로 색상을 먼저 물어볼 수 있음).
- 구현 간소화: 색상, 너비와 같은 제품 속성에 질문이 미리 지정되어 있으며 속성당 질문이 하나씩 있습니다.
일방향 대화
대화형 제품 필터링은 전자상거래 사이트에서 쇼핑객의 검색 여정 전반에 걸쳐 쇼핑객을 지원하는 일방향 대화로 작동합니다. AI 모델이 쇼핑객에게 질문하고 쇼핑객이 답변합니다.
쇼핑객이 검색어를 시작합니다. 예: area rugs
소매 사이트에서 80개 이상의 제품 결과 페이지를 반환합니다.
상거래를 위한 Vertex AI Search는 사이트의 쇼핑객에게 검색 범위를 좁히는 데 도움이 되는 질문을 합니다. 예: 어떤 색상을 찾고 계신가요?
쇼핑객이 객관식 옵션 목록에서 답변을 선택합니다. 예: 파란색
페이지의 제품 결과는 쇼핑객의 선택에 따라 즉시 필터링됩니다.
그러면 검색에서 다음으로 관련성이 높은 후속 질문을 표시합니다. 예: 어떤 모양을 찾고 계신가요?
그림 1. 대화형 필터링 사용자 여정
테스트를 통한 반복적 개선
대화형 제품 필터링은 지속적인 개선과 데이터 기반 의사결정이 필요한 최적화입니다. 목표는 쇼핑객 행동을 이해하고 사용자 유입을 촉진하도록 디자인을 조정하여 사용자 통계를 수집하는 기능의 역량을 극대화하는 것입니다.
시장 동향, 경쟁업체 제품, 개인 선호도 변화와 같은 다양한 요인의 영향을 받는 쇼핑객 행동은 역동적이며 시간이 지남에 따라 진화합니다. 데이터를 더 많이 수집하고 쇼핑객이 AI 기능과 상호작용하는 방식을 관찰하면서 디자인을 계속 실험하고 반복하며 새로운 접근 방식을 테스트하는 것이 중요합니다. 실험, 데이터 분석, 개선이 지속적으로 이루어지는 이 사이클을 통해 AI 기능이 변화하는 사용자층에 맞게 관련성 있고 효과적이며 최적화된 상태를 유지할 수 있습니다.
정기적으로 실적 측정항목을 검토하고, 사용자 설문조사를 실시하고, 피드백을 분석하여 개선이 필요한 영역과 혁신을 위한 새로운 기회를 파악합니다. 지속적인 반복에 대한 이러한 노력은 AI 기능 배포의 장기적인 성공에 핵심입니다.
그 과정에서 얻은 교훈
연속 테스트 후 다음과 같은 교훈을 얻었습니다.
- 지속적으로 실험하기: 최적의 결과는 처음 시도한 디자인이 아닌 경우가 많습니다.
- 반복 및 적응: 사용자 행동은 진화합니다. 더 많은 데이터를 수집하고 쇼핑객이 기능을 어떻게 사용하는지 관찰하면서 디자인을 계속 반복하고 새로운 접근 방식을 테스트하세요.
- A/B 테스트 이상: 두 버전을 비교하는 A/B 테스트에만 국한하지 마세요. 대신 다양한 UI 디자인과 배치 옵션을 살펴보기 위해 여러 A/B/C/D/E/F 테스트를 진행하세요.
최적화를 위한 주요 측정항목
상거래용 Vertex AI Search를 효과적으로 최적화하려면 사용자 참여도, 만족도, 기능의 전반적인 영향을 파악할 수 있는 관련 측정항목을 정의하고 추적해야 합니다. 고려해야 할 주요 측정항목은 다음과 같습니다.
- 전환율: 구매 등 타겟 액션을 완료한 사용자의 비율입니다.
- 사용자 만족도 점수 (예: NPS, CSAT): AI 기능 사용 경험에 대한 사용자의 직접적인 의견으로, 유용성과 인식된 가치에 대한 정성적 통계를 제공합니다.
- 채택률: 대화형 제품 필터링을 적극적으로 사용하는 쇼핑객의 비율로, 가시성과 인지된 유용성을 나타냅니다.
검색의 후속 질문
대화형 제품 필터링이 사용 설정된 경우 사이트의 후속 질문은 다음 세 가지 시나리오 중 하나가 발생할 때까지 이어지는 대화를 유도합니다.
- 사전 구성된 최소 제품 수에 도달합니다. 예를 들어 제품이 2개만 표시되는 경우 대화가 유용하지 않습니다.
- 사용자가 제품을 클릭하고 장바구니에 추가합니다 (목표).
- 대화형 제품 필터링에서 AI 생성 질문이 더 이상 표시되지 않습니다.
동적 패싯의 대안으로 사용
동적 패싯은 확장 검색어 및 그로 인한 높은 검색 반환 수와 연결되어 검색어당 수익이 낮습니다. 최종 사용자는 수만 개의 결과를 보고 압도되어 검색을 포기할 수 있습니다. 대화형 검색은 검색어를 미세 조정할 수 있으며 동적 패싯과 함께 사용할 수 있습니다. 대화형 제품 필터링은 동적 패싯에 비해 더 인간적이고 보다 활발한 상호작용이 가능하며 페이지 공간을 덜 차지하는 등 몇 가지 이점을 제공합니다.
자세한 내용은 패싯 페이지를 참고하세요.
생성형 질문 수정
대화형 제품 필터링을 사용하면 소매업체가 업로드된 카탈로그를 기반으로 선호도에 따라 AI 생성 질문을 미리 수정, 덮어쓰기 또는 선택 해제할 수 있으므로 생성형 AI 질문과 인간 참여형(Human-In-The-Loop) 상호작용이 가능해집니다. 검색에 표시할 질문을 조정하기 위해 상거래용 Search 콘솔 또는 API에서 개별적으로 또는 일괄적으로 질문을 수정하거나 사용 중지할 수 있습니다.
결론
상거래 플랫폼 내에 대화형 제품 필터링을 통합하면 사용자 환경을 크게 개선하고 사용자 전환율을 크게 높일 수 있습니다. 사용자가 다양한 선택사항에 압도되어 선호사항을 빠르게 좁히는 데 어려움을 겪는 광범위한 카테고리 쿼리의 경우도 마찬가지입니다.