AI 개인화 상품 추천 세팅 가이드 — 고객마다 다른 상품이 자동 노출되는 원리
같은 쇼핑몰, 고객마다 다른 상품이 보인다
쇼핑몰 메인 화면에 접속한 두 고객이 있습니다. 한 명은 30대 여성으로 스킨케어 제품을 주로 구매하고, 다른 한 명은 20대 남성으로 운동화와 스포츠웨어를 즐겨 봅니다. 두 사람이 같은 URL에 접속했는데, 화면에 보이는 상품이 완전히 다릅니다.
이것이 AI 개인화 추천의 핵심입니다. 단순히 인기 상품을 모두에게 동일하게 보여주는 것이 아니라, 각 고객의 취향과 행동 패턴을 분석해 그 고객이 가장 관심을 가질 상품을 자동으로 노출하는 기술입니다.
맥킨지는 개인화가 통상 매출을 5~15% 끌어올린다고 분석하며, 추천 엔진에 적극적으로 반응한 세션에서는 매출이 최대 26%까지 오른다는 연구도 있습니다. 개인화 추천이 '있으면 좋은' 기능이 아니라 매출에 직접 연결되는 이유입니다. 이 글에서는 추천 엔진이 어떻게 작동하는지, 그리고 블럭스에서 어떻게 세팅하는지를 단계별로 설명합니다.
추천 엔진 3가지 작동 방식
AI 개인화 추천은 크게 세 가지 알고리즘이 조합되어 작동합니다. 하나만 쓰는 게 아니라, 상황에 맞게 섞어 쓸 때 정확도가 가장 높아집니다.
1. 협업 필터링 (Collaborative Filtering)
"이 상품을 구매한 고객은 이 상품도 샀습니다"라는 방식입니다. 비슷한 구매 패턴을 가진 고객 집단을 찾아, 해당 집단이 선호하는 상품을 개별 고객에게 추천합니다. 데이터가 쌓일수록 정확도가 높아지며, 고객이 아직 탐색하지 않은 카테고리의 상품도 발견하게 해줍니다.
2. 콘텐츠 기반 필터링 (Content-based Filtering)
고객이 관심을 보인 상품의 속성(카테고리, 브랜드, 가격대, 소재 등)을 분석해 유사한 상품을 추천합니다. 예를 들어 고객이 '린넨 블라우스'를 자주 조회했다면, 다른 린넨 소재 의류나 같은 브랜드의 신상품을 우선 노출합니다. 신규 고객보다는 어느 정도 행동 이력이 있는 재방문 고객에게 효과적입니다.
3. 행동 기반 필터링 (Behavior-based Filtering)
실시간 행동 신호(클릭, 조회, 장바구니 담기, 체류 시간)를 반영해 지금 이 순간 고객이 관심을 가질 상품을 즉각 추천합니다. 고객이 방금 특정 카테고리 상품 3개를 연속으로 클릭했다면, 같은 세션 내에서 해당 카테고리 추천 비중을 높입니다. 가장 반응이 빠른 방식입니다.
추천이 실제 매출에 미치는 영향
개인화 추천의 효과는 단순한 클릭률 상승에 그치지 않습니다. 구매 여정 전반에 걸쳐 복합적으로 작용합니다.
장바구니 추가율 증가 — 관심 있는 상품을 바로 발견하니, 고민 없이 장바구니에 담는 비율이 높아집니다.
평균 주문 금액(AOV) 상승 — 구매 예정 상품 외에 관련 상품을 함께 추천받으면 추가 구매로 이어집니다.
재방문율 향상 — "이 쇼핑몰은 내가 좋아하는 걸 잘 보여줘"라는 경험이 반복 방문을 유도합니다.
이탈율 감소 — 원하는 상품을 빠르게 찾으면 이탈 없이 구매 전환 흐름이 자연스럽게 이어집니다.
블럭스 추천 엔진 세팅 3단계
블럭스에서는 복잡한 개발 없이 3단계로 개인화 추천을 활성화할 수 있습니다. 위에서 설명한 세 가지 방식은 블럭스 콘솔에서 유저 취향 추천·함께 본 상품 추천·유사 상품 추천·통계형 추천 등 '추천 유형'으로 제공되며, 한 번 만든 설정은 재사용 가능한 추천 슬롯으로 관리하고 슬롯별로 성과를 추적합니다.
1단계: 쇼핑몰 앱 연동 및 행동 데이터 수집 시작
쇼핑몰에 블럭스를 설치하면 즉시 고객 행동 데이터 수집이 시작됩니다. 별도 코드 삽입 없이 페이지뷰, 상품 클릭, 장바구니, 구매 이벤트가 자동으로 연동됩니다. 데이터가 충분히 쌓이면(보통 2~3일) 추천 모델이 자동으로 초기화됩니다.
2단계: 추천 위치 및 노출 규칙 설정
블럭스 콘솔에서 추천 상품을 노출할 위치를 추천 슬롯으로 설정합니다. 지원하는 노출 위치는 다음과 같습니다.
쇼핑몰 메인 화면 추천 영역
상품 상세 페이지 하단 "이런 상품도 있어요"
장바구니 페이지 "함께 구매하면 좋은 상품"
알림톡·앱푸시·인앱 메시지 속 개인화 상품 블록
각 위치별로 추천 유형(유저 취향·함께 본 상품·유사 상품·통계형)을 선택하거나 혼합 비율을 조정할 수 있습니다. 품절 상품 자동 제외, 특정 카테고리 고정 노출 등 세부 규칙도 설정 가능합니다.
3단계: A/B 테스트로 성과 검증
추천 슬롯 설정 후 A/B 테스트로 어떤 조합이 전환율을 높이는지 검증합니다. 블럭스 콘솔에서 테스트 그룹 비율을 설정하면 자동으로 결과가 집계되어, 성과가 좋은 추천 방식을 쇼핑몰 전체에 적용할 수 있습니다.
Agent에게 추천 규칙을 말로 설정하는 법
블럭스 CRM Agent를 사용하면 복잡한 추천 규칙도 자연어로 설정할 수 있습니다. 콘솔 설정 화면을 일일이 탐색하지 않아도, 채팅창에 원하는 규칙을 입력하면 Agent가 추천 슬롯으로 즉시 구성해줍니다.
다음과 같이 말하면 됩니다.
"신규 방문자에게 최근 30일 베스트셀러 20개 추천해줘"
"재방문 고객은 최근 본 카테고리 위주로 추천 설정해줘"
"VIP 고객에게는 프리미엄 라인 상품만 추천하도록 바꿔줘"
"여름 시즌 기간에만 수영복·아웃도어 카테고리 추천 비중 높여줘"
Agent는 대화 내용을 분석해 세그먼트 조건, 추천 유형, 노출 위치, 예외 처리까지 자동으로 구성합니다. 설정 결과를 카드 형태로 보여주고 확인 후 적용하는 방식이라, 실수 없이 운영할 수 있습니다.
추천 성과 모니터링
추천 설정 후 블럭스 콘솔의 추천 성과 대시보드에서 주요 지표를 실시간으로 확인할 수 있습니다.
CTR (클릭률) — 추천 영역 노출 대비 클릭 비율
CVR (전환율) — 추천 상품 클릭 후 구매 전환 비율
추천 기여 매출 — 추천 클릭으로 발생한 주문 금액
알고리즘별 성과 비교 — 협업 필터링 vs 콘텐츠 기반 CTR 차이
주 1회 이상 대시보드를 확인하며 성과가 낮은 추천 규칙을 조정하고, Agent에게 "이번 주 추천 성과 어때?"라고 물으면 핵심 지표 요약과 개선 제안을 바로 받을 수 있습니다.
자주 묻는 질문
데이터가 적어도 추천이 작동하나요?
신규 쇼핑몰이나 방문자 수가 적은 경우, 초기에는 협업 필터링 대신 콘텐츠 기반 + 베스트셀러(통계형) 혼합 방식이 자동으로 적용됩니다. 데이터가 쌓일수록 더 정교한 개인화 모델로 전환됩니다.
다른 플랫폼도 지원하나요?
현재 블럭스는 주요 쇼핑몰 플랫폼을 지원합니다. 별도 서버 개발 없이 바로 설치하고 연동을 완료할 수 있습니다.
추천 상품 목록을 수동으로 고정할 수 있나요?
네, 특정 상품을 추천 목록 상단에 고정하거나, 특정 상품·카테고리를 추천에서 제외하는 기능을 제공합니다. 시즌 기획전이나 재고 조정이 필요할 때 유용합니다.
AI 개인화 추천은 더 이상 대형 플랫폼만의 기술이 아닙니다. 블럭스를 통해 어떤 쇼핑몰도 빠르게 도입하고, 말 한마디로 추천 슬롯을 세팅해 바로 성과를 확인할 수 있습니다.