대부분의 이커머스 팀은 사이트 검색을 하나의 채널이 아니라 단순한 기능으로 취급합니다. 이것이 바로 문제입니다. 검색을 사용하는 쇼핑객은 그냥 둘러보는 쇼핑객보다 전환율이 2배 높습니다. 그런데도 대부분의 사이트 검색창은 여전히 10년 전 문자열 매칭 엔진으로 돌아가며, 정확한 SKU명이 아니면 검색 결과가 아예 나오지 않는 경우가 많습니다. 이커머스 검색 툴을 검토하고 있다면, 진짜 중요한 질문은 "어떤 벤더의 데모가 가장 화려한가"가 아니라 "어떤 툴이 구매 의도가 높은 검색어를 실제 매출로 전환시키며, 이를 얼마나 빨리 증명할 수 있는가"입니다.
이 글은 검색 시스템을 업그레이드하는 그로스팀과 함께 사용하는 워크플로우와, 실제 감사된 수치를 가진 두 가지 실제 도입 사례를 다룹니다.
검색이 가장 구매 의도가 높은 채널인 이유
검색창에 무언가를 입력하는 방문자는 이미 자신이 원하는 것을 당신에게 알려준 것입니다. 레거시 검색 시스템은 경직된 키워드 매칭, 오타 허용 부재, 출시 이후 아무도 업데이트하지 않는 머천다이징 규칙 때문에 이 귀중한 신호를 낭비합니다. AI 기반 검색 툴은 시맨틱 매칭, 개인화된 랭킹, 그리고 사용할수록 정교해지는 동의어 학습으로 이 문제를 해결합니다.
미국 300개 매장을 운영하는 백화점 체인 Belk는 이를 대규모로 입증했습니다. Constructor.io로 핵심 검색을 업그레이드하면 2,100만 달러의 매출 증대가 예상된다는 증명 일정(Proof Schedule)을 검증한 후, Belk는 지속적인 매출 최적화 프로그램을 도입했습니다. 그 결과 3,500만 달러의 추가 매출, 누적 방문자당 매출 +7.4% 증가, 그리고 AI 쇼핑 에이전트를 사용한 쇼핑객의 전환율이 일반 검색 사용자보다 2배 이상 높게 나타났습니다. Belk의 CIO 리처드 스펜서는 "Constructor 팀은 툴만 넘겨주고 끝내지 않는다"고 말했습니다. Belk 트래픽의 약 40%가 모바일에서 발생하는 만큼, 검색에서의 작은 마찰도 수백만 세션에 걸쳐 빠르게 누적됩니다.
럭셔리 웨딩·의류 브랜드 Badgley Mischka는 훨씬 작은 규모의 스토어에서도 비슷한 패턴을 보였습니다. BigCommerce에서 Athos Commerce(Searchspring)를 통해 AI 검색을 도입한 후, 검색을 사용한 쇼핑객의 전환율은 이전보다 85% 상승했습니다. 반면 검색을 전혀 사용하지 않은 쇼핑객의 전환율 상승은 단 **22%**에 그쳤습니다. 방문당 전체 매출은 2배로 늘었습니다. Badgley Mischka Web의 오너 케이티 우아크닌은 "검색은 고객이 우리와 쇼핑하는 방식을 근본적으로 바꿔놓았다"고 말했습니다.
규모는 완전히 다르지만 교훈은 같습니다. 검색은 단순한 기능이 아니라, 의도를 제대로 이해하기만 하면 사이트에서 전환율이 가장 높은 접점이 됩니다.
평가 워크플로우
1단계 — 실제로 무엇이 문제인지 감사하기. 벤더를 비교하기 전에, 현재의 검색 결과 없음 쿼리, 동의어 공백, 모바일 검색 이탈률을 먼저 파악하세요. 대부분의 팀이 이 단계를 건너뛰고, 측정조차 하지 않은 문제를 해결하겠다며 툴부터 구매합니다. 먼저 기술 및 콘텐츠 감사를 진행하세요. concat.pro/rank는 상품 페이지와 카테고리 페이지가 검색 노출에서 어떤 성과를 내는지 추적해, 검색창 자체를 손대기 전에 기준선을 파악하도록 도와줍니다.
2단계 — 기능이 아니라 관련성으로 후보를 압축하기. 각 벤더에게 실제 성과가 가장 나빴던 검색어 10개(오타, 광범위한 용어, 품절 SKU 등)를 입력해보고, 영업 자료가 아니라 결과 자체를 평가하세요.
3단계 — 트래픽이 가장 많은 카테고리에서 파일럿 진행하기. 첫날부터 전체 카탈로그를 전환하지 마세요. 카테고리 하나를 분리해 2주간 방문자당 매출과 전환율을 측정한 뒤 기준선과 비교하세요.
4단계 — 계약 전에 ROI를 예측하기. 파일럿에서 나온 상승률을 실제 트래픽과 평균 주문 금액에 적용하세요. Concat Pro의 전환율 계산기를 사용하면 파일럿의 전환율 차이를 재무팀이 실제로 승인할 만한 연간 매출 예측치로 바꿀 수 있습니다.
5단계 — 머천다이징 담당자를 지정하고 전면 도입하기. AI 검색이라도 매주 검색 결과 없음 검색어와 동의어 제안을 검토할 사람이 필요합니다. 툴은 저절로 돌아가지 않습니다.
수동 검색 설정 vs. AI 기반 검색 툴
| 수동/레거시 검색 | AI 기반 검색 툴 | |
|---|---|---|
| 오타 및 동의어 처리 | 수동 규칙 입력, 규모가 커지면 무너짐 | 검색 행동에서 자동으로 학습 |
| 개인화 | 없거나 기본적인 머천다이징 규칙뿐 | 쇼핑객의 의도와 이력에 따라 순위 매김 |
| 검색 결과 없음 쿼리 개선 시간 | 수동 검토 주기마다 몇 주 | 거의 실시간, 자동 보정 |
| 머천다이저 업무량 | 규칙 관리에 10~15명(Belk의 기존 방식 기준) | 예외 처리에 3명 |
| 전환 영향 | 카탈로그가 커질수록 정체 또는 하락 | Belk와 Badgley Mischka에서 2배 이상의 전환율 상승 입증 |
흔히 저지르는 실수
- 감사 없이 구매하기. 측정하지 않은 문제에 대한 해결책의 ROI는 증명할 수 없습니다.
- 모바일 검색 UX를 무시하기. Belk 같은 브랜드에서 트래픽의 40% 이상이 모바일에서 발생하는 만큼, 느리거나 복잡한 모바일 검색창은 백엔드 엔진의 개선 효과를 상쇄시켜 버립니다.
- 오픈을 끝이라고 생각하기. 매주 동의어와 검색 결과 없음 항목을 검토하지 않으면 검색 관련성은 점차 저하됩니다. 자세한 내용은 웹사이트 키워드 검색 툴 워크플로우를 참고하세요.
- 파일럿을 건너뛰기. 전체 카탈로그를 한 번에 전환하면 단계별 파일럿에서라면 조기에 발견했을 카테고리별 저하 현상을 놓칠 수 있습니다.
- 검색을 더 넓은 키워드 전략과 연결하지 않기. 검색 툴의 관련성과 오가닉 키워드 타겟팅은 동일한 쿼리 데이터를 공유해야 합니다. 이 겹치는 부분을 활용하는 방법은 경쟁사 키워드 검색 툴 워크플로우에서 다룹니다.
Concat Pro가 하는 역할
Concat Pro는 검색창을 파는 벤더가 아니라, 검색 투자를 측정 가능하게 만드는 감사 및 그로스 레이어입니다. 검색 툴을 도입하기 전, concat.pro/rank는 오가닉 및 AI 검색 노출에서 성과가 저조한 카테고리와 상품 페이지를 찾아내, 파일럿이 가장 효과가 큰 카테고리부터 시작하도록 돕습니다. 도입 후에는 파일럿의 전환율 차이를 전환율 계산기에 대입해 전면 도입을 위한 매출 근거를 구축하세요.
AI가 리테일 검색 인프라를 대규모로 어떻게 바꾸고 있는지 더 알아보려면, Algolia CEO 버나뎃 닉슨이 2024년 11월 NYSE Floor Talk 인터뷰에서 언급한 한 대형 종합 리테일러의 AI 검색 도입 사례를 참고하세요. 이 사례에서는 머천다이저를 15명에서 3명으로 줄이면서도 사용자당 매출 5.8% 증가를 달성했고, 사이트 검색 쿼리량은 전년 대비 6배 성장했습니다.
참고 자료
- Concat Pro — Rank, 전환율 계산기, Website Keyword Search Tool: The Workflow That Turned 1,490 Sessions Into 16,148
- Constructor.io — Belk 사례 연구, "$35M in Additional Revenue and 2X Better Conversion Rates," constructor.com/customers/belk-constructor
- Athos Commerce (Searchspring) — Badgley Mischka 사례 연구, "2x Revenue Per Visit With Search," athoscommerce.com/case-studies/badgley-mischka