목표
목표 KPI : 상세페이지 > 장바구니 담기 전환율을 상승시키고자 함
현재 장바구니 전환율은 전체 1000건 중에서 307건이 장바구니 담기 전환이 되어 30.7%이다.
전체 건 중에 일부 페르소나 유저층을 선택해 전환율을 상승시키려는 것이므로, 목표 KPI는 상세페이지에서 장바구니 담기 전환율을 35%로 상승시키는 것이다.
이를 위해 장바구니 담기 전환율을 올리면 사용자/비즈니스 측면에서 가장 이득이 클 페르소나 유저층을 데이터 분석을 통해 알아보고, 가설과 그에 맞는 해결 방안을 논리적으로 고민해보고자 하였다.
데이터 분석
먼저 전체 데이터의 분류를 대략적으로 살펴보고, 장바구니 담기 전환율을 상승시키는 것과 관련된 가장 큰 문제가 무엇일지 알아보았다.
- 저가 빠른 구매 유저는 PDP가 30초 이하를 ‘빠른’으로 잡았다.
| 페르소나 유형 | 전체 수 (%) | 장바구니 담기 전환 수 (전환율) | 구매 건수 (장바구니→구매 전환율) | PDP 평균 체류시간 | 리뷰 클릭률 |
| 고가 상품 비교 쇼핑 유저(30만원 이상) | 205명 (20.5%) | 72건 (35.1%) | 8건 (11.1%) | 99초 | 52.7% |
| 저가 빠른 구매 유저 (5만원 이하) | 225명 (22.5%) | 89건 (39.6%) | 34건 (38.2%) | 53초 | 24.4% |
| 외부 검색 유입 신규 유저 | 284명 (28.4%) | 72건 (25.4%) | 25건 (34.7%) | 57.3초 | 30.3% |
| 광고 유입 비교 유저 | 402명 (40.2%) | 115건 (28.6%) | 34건 (29.6%) | 68초 | 38.5% |
* 5분 이상 PDP에 머무른 유저를 이상치라고 판단하였으나, 방치 또는 깊은 고민을 하고 있는 유저의 가능성도 생각해 제외하지 않았다.
페르소나 우선순위
위의 기본적으로 분석한 데이터를 통해 페르소나 우선순위를 정했다.
- 외부 검색 유입 신규 유저
- 장바구니 담기 전환율이 가장 낮다(25.4%). 하지만 구매 전환율은 다른 유저층에 비해 높은 편(34.7%)이기 때문에 장바구니 담기 전환율을 높이면 구매까지 이어지는 수가 높을 것이다.
- 또한 외부 검색 유입 유저층은 명확히 구매하고 싶은 상품을 검색해서 진입한 것이므로, 구매 의도가 높다고 볼 수 있다. 다만 서비스 접속 후 원하는 상품이 아니거나, 가격 및 혜택, 서비스 신뢰 등의 문제가 있어 이탈할 가능성이 높다.
- 이 유저층의 장바구니 담기 전환율을 개선하면 신규 유저의 서비스 이용 경험을 만들어 장기 유저층으로 만드는 전략을 사용할 수도 있다.
- 광고 유입 비교 유저
- 광고 유입 유저는 외부 광고 또는 내부 기획전 광고로 유입되는 유저가 혼재한다. 따라서 페르소나 유저층의 장바구니 담기 전환율을 개선한다면, 기존 유저 및 신규 유저의 서비스 이용률도 증가시킬 수 있다.
- 광고 유입이라는 것은 그 광고에 마케팅이 이미 들어간 것이기 때문에, 그 광고에 의해 영향을 많이 받는 유저층일 것이다. 유입된 광고 종류에 따라 그 유저가 이탈한 이유를 비교적 쉽게 파악할 수 있을 것으록 추측된다. 광고는 종류마다 다른 방식을 채용하기 때문에 광고별로 나누어 세부적으로 다뤄야할 것 같아, 전체 인원이 가장 많았지만(40.2%) 외부 검색 유입 신규 유저보다 후순위로 판단하였다.
- 저가 빠른 구매 유저 (5만원 이하)
- 장바구니 담기 전환율이 이미 다른 페르소나 유저층 중에서 가장 높다 (39.6%). 구매 전환율(38.2%)도 높고 상품 객단가가 낮아, 다른 유저층에 비해 우선순위가 낮다고 판단하였다.
- 고가 상품 비교 쇼핑 유저(30만원 이상)
- 상품 객단가가 높아 매출에 크게 영향을 미칠 수 있다. 하지만 구매 전환율이 낮아 (11.1%), 장바구니 담기 전환율을 높인다고 하더라도 실제 구매까지 이어지는 비율이 적을 확률이 높다. 장바구니 담기 전환율보다는 구매 전환율을 높여야 하는 유저층이라고 판단하였다.
→ 1순위인 외부 검색 유입 신규 유저를 분석할 유저 페르소나로 선택
페르소나의 행동 데이터 분석
선정한 페르소나의 행동 데이터를 분석하기 위해 외부 검색 유입의 필터를 걸고, 각 컬럼별로 비교하였다.(product_category는 관련이 없을 것 같아 제외)
| 페르소나 유형 | 전체 수 (%) | 장바구니 담기 전환 수 (전환율) | 구매 건수 (장바구니→구매 전환율) |
| 외부 검색 유입 신규 유저 | 284명 (28.4%) | 72건 (25.4%) | 25건 (34.7%) |
| 가격대 | 전체 수 (%) | 장바구니 담기 전환 수 (전환율) | 구매 건수 (장바구니→구매 전환율) |
| 5만원 미만 | 147 (51.8%) | 40 (27.2%) | 15 (37.5%) |
| 5~15만원 | 95 (33.5%) | 21 (22.1%) | 8 (38.1%) |
| 30만원 이상 | 42 (14.8%) | 11 (26.2%) | 2 (18.2%) |
- 30만원 이상의 유저가 10%대 → 구매 전환율을 고려하였을 때 중요도가 낮음
| 이전 페이지 | 전체 수 (%) | 장바구니 담기 전환 수 (전환율) | 구매 건수 (장바구니→구매 전환율) |
| 검색 결과 | 171 (60.2%) | 30 (17.5%) | 10 (33.3%) |
| 광고 랜딩 | 43 (15.1%) | 10 (23.3%) | 5 (50.0%) |
| 서비스 홈페이지 | 38 (13.4%) | 16 (42.1%) | 7 (43.8%) |
| 기타 | 32 (11.3%) | 16 (50.0%) | 3 (18.8%) |
- 검색 결과로 PDP 진입률이 60.2% → 장바구니 담기 전환율은 낮으나, 구매 전환율은 보통인 편.
| PDP 체류시간 | 전체 수 (%) | 장바구니 담기 전환 수 (전환율) | 구매 건수 (장바구니→구매 전환율) |
| 0~30초 | 64 (22.5%) | 24 (37.5%) | 11 (45.8%) |
| 31~60초 | 166 (58.5%) | 31 (18.7%) | 11 (35.5%) |
| 61~90초 | 37 (13.0%) | 9 (24.3%) | 3 (33.3%) |
| 91초 이상 | 17 (6.0%) | 8 (47.1%) | 0 (0.0%) |
- 60초 이하의 유저의 비율이 높음 → 장바구니 담기 전환율, 구매 전환율은 61~90초 구간도 비슷하나 절대적인 건수를 봤을 때는 60초 이하의 유저가 유의미하다고 판단.
- 31~60초 구간의 장바구니 담기 전환율 18.7% → 다른 구간에 비해 낮은 장바구니 담기 전환율. 구매 전환율은 90초 이하의 구간과 비슷하거나 더 높으므로 이 구간의 유저의 중요도가 높아보임.
| 리뷰 클릭 | 전체 수 (%) | 장바구니 담기 전환 수 (전환율) | 구매 건수 (장바구니→구매 전환율) |
| 클릭 안함 | 198 (69.7%) | 51 (25.8%) | 19 (37.3%) |
| 클릭함 | 86 (30.3%) | 21 (24.4%) | 6 (28.6%) |
| 할인 노출 | 전체 수 (%) | 장바구니 담기 전환 수 (전환율) | 구매 건수 (장바구니→구매 전환율) |
| 미노출 | 130 (45.8%) | 31 (23.8%) | 14 (45.2%) |
| 노출 | 154 (54.2%) | 41 (26.6%) | 11 (26.8%) |
핵심 인사이트
- 저가 상품 비중이 높고, 구매 전환율로 이어질 확률도 높다.
- 검색 결과에서 PDP로의 유입이 가장 높지만, 장바구니 담기 전환율이 낮았다.
- PDP 체류시간은 60초 이하인 유저의 비율이 높고, 구매 전환율로 이어질 확률도 높았다. 그러나 31~60초 간격에서 장바구니 담기 전환율이 낮았다.
- 리뷰 클릭, 할인 노출은 각 항목에 따른 큰 차이점을 발견할 수 없었다.
KPI를 고려하였을 때 2번 항목이 가장 문제가 있는 지점으로 보였다.
검색 결과로의 PDP 유입의 건수는 많고, 그로 인한 구매 전환율은 보통인 정도이기 때문에 장바구니 담기 전환율만 상승시킬 수 있다면, 매출 상승에 영향이 갈 것이다.
사용자 스토리
나는 외부 유입 신규 유저로서 원하는 상품을 구매하기 위해 검색 결과에서 빠르고 정확한 상품 정보를 원한다.
외부 검색 유입 신규 유저는 전체 유저의 28.4%(284명) → 장바구니 전환율 25.4%(72명)
장바구니 담기로 전환되지 못한 유저가 74.6%(212명)이므로 검색 의도를 충족하지 못했을 가능성이 높다고 판단된다.
- 외부 검색 결과에 핵심 정보 노출
- 상품명과 핵심 정보가 PDP 상단에 노출
- 상품 상세 진입 후 5초 내 핵심 정보를 확인
문제 정의
검색으로 PDP에 진입하는 유저는, 본인이 원한 상품과 정보가 일치하지 않아 PDP에서 이탈하거나 검색 정확도가 낮다고 느껴 장바구니 담기 전환율이 낮아진다.
* 실제가 없는 서비스를 대상으로 데이터만을 사용하고 있기 때문에, 사용자 근거를 수집하지는 못했다.
- 정량적 지표: 장바구니 담기 전환율, PDP 이탈률
- 정성적 지표: 검색 신뢰도, 탐색 피로도
가설
가설 1
포털 사이트에 노출되는 상품명과 설명 문구를 실제 상품 특징(가격, 소재, 카테고리 등)이 명확하게 드러나도록 개선하면, 유저가 기대한 상품과 인식 차이가 작다고 느껴 장바구니 담기 전환율이 증가할 것이다.
- 장바구니 담기 전환율 +3~5%
- PDP 빠른(30초 이내) 이탈률 -5~8%
가설 2
PDP 내부에 유사한 상품을 보이기 쉽게 배치(”이 상품을 본 고객이 함께 본 상품” 등)하면, 즉시 PDP를 이탈하지 않고 추가 탐색을 진행해 장바구니 담기 전환율이 증가할 것이다.
- 장바구니 담기 전환율 +3~5%
- PDP 빠른(30초 이내) 이탈률 -8~12%
문제 정의를 통해 위와 같은 2가지의 가설을 내릴 수 있었다.
가설 1이 가설 2에 비해 개발 공수가 낮고, 실험 기간이 짧고 적용 범위가 넓다. 현재는 원인 검증이 부족하므로, 저비용으로 실험해볼 수 있는 가설 1로 문제를 확인 후, 문제 해결이 어렵다고 판단될 시 가설 2를 진행한다.
해결 방안
1. 포털 사이트 노출 정보 변경
가설 1을 사용한 해결 방안.
목적
검색을 통해 외부에서 유입되는 사용자는 자신이 원하는 상품을 찾기 위해 상품 페이지에 접속한다. 그러나 이 과정에서 장바구니 담기 전환율이 낮고, 이탈하는 모습을 보인다. (특히 PDP에 31~60초 머문 유저) 이런 인식 차이를 줄여 원하는 PDP로 접속해 장바구니 담기 전환율을 높인다.
기능 설명
포털 검색 결과에서 노출되는 상품명과 설명 문구를 유저가 잘 알아볼 수 있도록 명확하게 개선한다. (가격, 소재, 카테고리, 평점, 배송 등)
먼저 다른 서비스에서는 어떤 방식으로 표기하는지 벤치마킹을 해, 내부 테스트로 가장 유저 입장에서 신뢰감 있는 후보를 몇 가지 선정한다.
사용자 인터뷰, UT, A/B 테스트를 통해 사용자가 실제 상품 정보와 가장 일치한다고 인식하는 표기 방식을 검증한 후 적용한다.
기대효과
- 검색 결과 단계에서 상품 정보 이해도 향상
- 유저가 기대한 상품과 실제 상품 간의 인식 차이 감소
- 상품 탐색 과정의 불필요한 시간 감소
- 구매 의도가 높은 유저 유입 증가
- 장바구니 담기 및 구매 전환율 증가
검증 지표
| 지표 | 현재 | 목표 |
| 검색 결과 CTR | 5.0% (가정) | 5.8% (+0.8%) |
| PDP 진입률 | 40.0% (가정) | 43.0% (+3.0%) |
| PDP 체류 시간 | 57.3초 | 50.0초 (-12.7%) |
| 장바구니 담기 전환율 | 25.4% | 29.0% (+3.6%) |
| 구매 전환율 | 34.7% | 37.0% (+2.3%) |
* 검색 결과 CTR, PDP 진입률은 불명이므로 임의로 작성.
예상되는 문제점
CTR 감소 가능성
유저는 검색 결과로 알기 쉬운 정보를 받게 된다면, 오히려 관심없거나 예상에 벗어난다고 생각한 유저의 CTR이 줄어들게 될 수 있다. 하지만 그 대신 구매 의도가 높은 유저 위주로 유입해 장바구니 전환율은 증가할 확률이 높다.
이 문제를 해결하기 위해서는 설명 문구에 유사 상품의 정보를 추가하는 등의 방식을 사용해볼 수 있다.
만약 회사의 비즈니스 비전과 맞지 않는다고 고려되면, 이 해결 방안을 고려할 필요가 있다.
검색 결과 노출 문구 길이
각 포털마다 노출 가능한 글자 수와 형식이 다르다.
정보를 많이 넣으면 이후에 넣고 싶은 정보가 잘려 보이지 않아 오히려 핵심 정보 전달력이 떨어질 수 있다.
유입되는 포털의 종류와 비율을 고려해 그에 맞춘 문구를 작성하는 방식을 사용할 수 있다.
유저마다 중요 정보가 다름
유저마다 중요하게 생각하는 정보가 다를 수 있다.
이 부분은 UT, A/B 테스트를 통해 어떤 정보를, 어떤 순서로 보여줄지 검증해 결정해야 한다.
테스트 설계
1. 사용자 인터뷰
목적: 현재 검색 결과에서 어떤 정보 차이를 느껴 PDP에서 이탈하는지 파악
대상: 최근 검색을 통해 유입된 유저 5~10명, 장바구니 담기 경험과 미경험자 모두 포함
핵심 질문:
- 검색 결과에서 어떤 정보를 중요하게 보나요?
- 실제 정보(가격, 할인, 배송, 소재, 평점 등)을 나열하고 중요하다고 생각하는 것을 나열하는 방법
- 검색 결과에서 클릭 직전, 어떤 정보를 보고 계셨나요?
- 클릭 전 알고 싶은데 알기 어려운 정보가 있었나요?
- 기대하던 정보와 어떤 점이 달랐나요?
- 어떤 부분을 보고 장바구니 담기를 하지 않고, 이전 페이지로 되돌아갔나요?
테스트 진행 시 유의점: 사용자가 실제로 무엇을 보고(사용자 시선) 클릭하는지, 기대와 실제가 불일치하는 주요 원인을 파악
2. 사용성 테스트 (UT)
목적: 어떤 표기 방식이 가장 유저의 상품 이해도를 높이는지 검증
대상: 5~8명
테스트 방법:
- 사용자 인터뷰를 통해 알아낸 인사이트를 이용해 3~4가지 정도의 안을 미리 만든다.
- 기존 안, 타사 벤치마킹 안, 유저 인사이트 안 등
- 테스트 유저에게 가장 들어가 구매하고 싶은 상품을 선택하게 한다.
- 선택한 안만 보이게 한 다음, 각 정보(가격, 할인, 배송, 소재, 평점 등)에 관한 기대치를 질문해 기록한다.
- 실제 PDP페이지를 보여주고, 예상했던 것과 얼마나 일치하는지 점수로 평가하게 한다.
3. A/B 테스트
목적: 실제로 노출되는 상품명 및 설명 문구를 변경했을 때, 상품 이해도가 높아져 장바구니 담기 전환율이 증가하는지 검증
대상: 외부 검색을 통해 유입된 신규 유저
- 유저 IP 기준 무작위 분할
- 동일 사용자는 실험 기간 동안 동일 그룹 유지
- 2주간 그룹별 최소 100명(제공 데이터 수 고려) 확보 시 분석
| 그룹 | 노출 방식 | 비율 |
| A 그룹 | 기존 상품명 및 설명 문구 노출 | 50% |
| B 그룹 | 가격, 소재, 평점, 배송 정보를 포함한 개선 상품명 및 설명 문구 노출 | 50% |
| 측정 지표 | 현재 | 목표 |
| 장바구니 담기 전환율 | 25.4% | 29.0% |
| 검색 결과 CTR | 5.0% (가정) | 5.8% |
| PDP 체류 시간 | 57.3초 | 50.0초 |
| 구매 전환율 | 34.7% | 37.0% |
- 이탈률: 유입 전 기대와 일치하는지 확인
- 검색 결과 CTR: 정보 과다 노출로 오히려 클릭이 감소하는지 여부 확인
- 구매 전환율: 장바구니 담기 전환율이 실제 구매로 이어지는지 확인
| 성공 기준 | 지표 변동 | 지표 종류 |
| 장바구니 담기 전환율 | 25.4%에서 2% 이상 증가 | 핵심 성공 지표 |
| 구매 전환율 | 유지 또는 상승 | 보조 지표 |
| 검색 결과 CTR | 기존에 비해 5% 이상 감소하지 않음 | 가드레일 지표 |
*목표 및 성공 기준 수치는 추정치
UT의 결과에 따라 C, D 안을 추가해 테스트 하는 방법도 고려.
리소스 및 유의점
* 전부 임의로 작성.
필요 인력
| 역할 | 업무 |
| PM | 요구사항 정의, 지표 설계, UX Writing 검수, 실험 및 분석 |
| UX Writer | UX Writing 설계 및 작성 |
| 프론트엔드 개발자 | 상품명 및 설명 문구 노출 수정, A/B 테스트 적용 |
| 백엔드 개발자 | 상품 정보 노출 데이터 연동 및 관리 |
| 데이터 분석가 | 실험 분석 |
단계 및 기간
| 단계 | 주요 업무 | 담당 | 기간 |
| 현황 분석 | 검색 유입 데이터 분석, 문제 정의 | PM | 완료 |
| 사용자 인터뷰 | 중요 정보 및 기대-실제 불일치 원인 파악 | PM | 3일 |
| UT 진행 | 정보 표기안 검증 및 최종안 선정 | PM, UX Writer | 3일 |
| 요구사항 정의 | 기능 상세 정의 및 개발 범위 확정 | PM | 2일 |
| UI 설계 | 상품명 및 UX Writing 설계 | UX Writer | 2일 |
| 개발 | 노출 로직 수정 및 데이터 연동 | 개발자 | 5일 |
| QA | 노출 정보 및 예외 케이스 검증 | PM, 개발자 | 2일 |
| A/B 테스트 | 실제 성과 검증 | PM, 데이터 분석가 | 2주 |
| 결과 분석 | KPI 분석 및 적용 여부 결정 | PM, 데이터 분석가 | 2일 |
| 합계 | 약 4주 |
유의점
- UX Writing 설계 시, 포털 노출 정책 확인 후 그에 맞는 가독성으로 작성.
- 사용자 인터뷰, UT를 통해 사용자가 가장 중요하게 인식하는 정보를 우선시.
- 정보 변경 시, 검색 결과 정보가 불일치하지 않도록 빠른 데이터 동기화 방안을 고려해야 함.
- 전체 상품에 일괄 적용시키기에는 범위가 크므로, 검색 유입량이 많은 상품 위주로 먼저 적용 후, 성과가 검증된 후 전체로 확대하는 방향으로 전개.
2. 유사 상품 배치
가설 2를 사용한 해결 방안. 1안을 먼저 실행하고 추가 실험이 필요하다고 판단 시 진행할 수 있는 해결 방안.
목적
유저가 유입된 PDP 상품을 구매하고 싶지 않더라도, 유사한 상품을 쉽게 탐색할 수 있도록 도와 PDP 이탈을 줄이고 장바구니 담기 전환율을 높인다.
기능 설명
장바구니/구매 버튼 인근에 추천 상품 영역을 배치한다.
위의 오아시스 마켓과 비슷하게, 현재 있는 PDP의 상품과 유사한 상품을 추천해주는 영역을 배치한다.
클릭 시 해당 PDP로 이동할 수 있도록.
기대효과
- 현재 상품이 구매 의사결정에 적합하지 않은 경우에도 서비스 내 탐색을 지속
- PDP 즉시 이탈률을 감소
- 상품 상세 페이지 간 이동을 유도하여 상품 탐색량 증가
- 장바구니 담기 전환율 증가
- 구매 전환율 증가
검증 지표
| 지표 | 현재 | 목표 |
| 상품 상세 간 이동률 | 15% (가정) | 20% |
| 세션당 PDP 조회수 | 1.3개 (가정) | 1.5개 |
| PDP 이탈률 | 60% (가정) | 54% |
| 장바구니 담기 전환율 | 25.4% | 30.0% |
| 구매 전환율 | 34.7% | 36% |
* 검색 결과 상품 상세 간 이동률, 세션당 PDP 조회수, PDP 이탈률은 불명이므로 임의로 작성.
예상되는 문제점
오히려 현재 상품 구매 방해
유저가 상품 구매를 위해 PDP 탐색 중 추천 상품과 비교를 시작해 탐색 시간이 길어질 수 있다. 그러면 구매 결정이 지연되고, 장바구니 담기 전환율이 지연돼 최종적으로 이탈할 가능성도 늘 수 있다.
상품 비교와 연계해 오히려 구매 결정 시간을 줄이는 방식을 사용할 수 있다.
추천 품질이 낮으면 오히려 신뢰도 약화
추천 상품 알고리즘의 정밀도가 낮으면, 사용자는 오히려 이 추천 상품을 믿지 않게 될 수 있다.
신규 유저보다는 자주 보게되는 기존 유저들 사이에서 문제가 될 확률이 크다.
기존 추천 알고리즘을 응용해서 추천 상품 알고리즘에 활용한다면, 기존 유저들도 큰 위화감을 가지지 않을 것이다.
테스트 설계
1. 사용자 인터뷰
목적: 사용자가 상품이 마음에 들지 않을때 어떤 행동을 하는지 파악. 실제 이탈 원인이 상품 자체의 문제인지, 탐색 경로 부족이 원인인지 확인.
대상: 외부 검색 유입 유저 5~10명
핵심 질문:
- 원하는 상품을 찾을 때 몇 개 정도로 비교하시나요?
- 현재 상품이 마음에 들지 않으면 어떻게 행동하시나요?
- 상품 페이지를 보고 바로 나간 경험이 있나요?
- 비슷한 상품을 찾고 싶을 때 어떤 기능을 사용하시나요?
- PDP 안에서 추천 상품이 보인다면 확인할 의향이 있나요?
테스트 진행 시 유의점: 상품이 마음에 안 들 때 바로 이탈하는 대답이 많은지 파악.
2. 사용성 테스트 (UT)
목적: 추천 상품 영역이 실제로 추가 탐색을 유도하는지 검증
대상: 5~8명
테스트 방법:
- 현재 PDP 안과 “추천 영역”이 추가된 안의 테스트 화면 준비.
- 테스트 화면 접속 후 마음에 안 들었다고 가정하고, 어떤 행동을 할지 직접 행동을 시킨다.
- 추천 영역을 클릭했는지, 다른 PDP로 이동했는지, 시간, 만족도, 편의성 등을 측정한다.
3. A/B 테스트
목적: 실제로 추천 상품 영역이 장바구니 담기 전환율을 개선시키는지 검증
대상: 외부 검색을 통해 유입된 신규 유저
- 유저 IP 기준 무작위 분할
- 동일 사용자는 실험 기간 동안 동일 그룹 유지
- 2주간 그룹별 최소 100명(제공 데이터 수 고려) 확보 시 분석
| 그룹 | 노출 방식 | 비율 |
| A 그룹 | 기존 화면 | 50% |
| B 그룹 | “추천 상품 영역”이 추가된 화면 | 50% |
| 측정 지표 | 현재 | 목표 |
| 장바구니 담기 전환율 | 25.4% | 30.0% |
| 상품 상세 간 이동률 | 15% (가정) | 20% |
| 세션당 PDP 조회수 | 1.3개 (가정) | 1.5개 |
| PDP 이탈률 | 60% (가정) | 54% |
| 구매 전환율 | 34.7% | 37.0% |
- 추천 상품 클릭률: 추천 영역에 대한 실제 관심도 확인
- PDP 이탈률: 상품이 마음에 들지 않아도 다른 상품 탐색으로 이어지는지 확인
- 구매 전환율: 장바구니 담기 증가가 실제 구매로 연결되는지 확인
| 성공 기준 | 지표 변동 | 지표 종류 |
| 장바구니 담기 전환율 | 25.4%에서 2% 이상 증가 | 핵심 성공 지표 |
| 구매 전환율 | 유지 또는 상승 | 보조 지표 |
| 상품 상세 간 이동률 | 기존에 비해 5% 이상 증가 | 보조 지표 |
*목표 및 성공 기준 수치는 추정치
추천 로직(동일 카테고리, 유사 가격대, 인기 상품 기준)에 따른 성과 비교 테스트 고려
리소스 및 유의점
*전부 임의로 작성.
필요 인력
| 역할 | 업무 |
| PM | 요구사항 정의, 지표 설계, 실험 및 분석 |
| 디자이너 | 추천 영역 UI 설계 |
| 프론트엔드 개발자 | PDP 화면에 기능 구현, A/B 테스트 적용 |
| 백엔드 개발자 | 추천 알고리즘 개발 |
| 데이터 분석가 | 추천 알고리즘 검증 및 실험 분석 |
단계 및 기간
| 단계 | 주요 업무 | 담당 | 기간 |
| 문제 정의 및 요구사항 작성 | 데이터 분석, 가설 수립, KPI 정의 | PM | 2일 |
| 사용자 인터뷰 | 인터뷰 진행 및 인사이트 도출 | PM | 3일 |
| UT 설계 및 진행 | 테스트 시나리오 작성, 테스트 수행, 결과 정리 | PM, 디자이너 | 3일 |
| 추천 로직 정의 | 추천 기준 선정 (동일 카테고리, 유사 가격대, 함께 조회된 상품 등) | PM, 백엔드 | 2일 |
| UI/UX 설계 | 추천 영역 위치, 노출 개수, UI 설계 | 디자이너 | 3일 |
| 프론트엔드 개발 | PDP 내 추천 영역 구현 | 프론트엔드 | 5일 |
| 백엔드 개발 | 추천 상품 조회 API 및 데이터 연동 | 백엔드 | 5일 |
| QA | 기능 테스트, 예외 케이스 검증 | PM, 개발자 | 2일 |
| A/B 테스트 운영 | 실험 진행 및 데이터 수집 | PM, 데이터 분석가 | 2주 |
| 결과 분석 및 의사결정 | KPI 분석, 전체 적용 여부 결정 | PM, 데이터 분석가 | 2일 |
| 합계 | 약 6주 |
유의점
- UT를 통해 추천 영역 위치 및 추천 상품 수 검증을 해, 여러 위치를 비교 검증할 필요 있음.
- A/B 테스트 시 추가로 기존 유저의 반응을 수집할 필요가 있음.
- 추천 알고리즘을 새로 개발하는 것은, 시간과 비용이 크게 증가할 수 있으므로, 기존 추천 기반 알고리즘을 활용한 MVP로 구축.