[네이버 플러스 스토어 개선] 문제 정의 및 우선순위 파악

지난번엔 네이버 + 스토어의

리뷰데이터를 분석하고 데스크 리서치를 진행하였다. 

그리고 오늘은 분석한 리뷰데이터를 이용해

문제를 정의하고, 우선순위를 파악해보려고 한다.

 

나는 얼마전 5Whys 방법론과 로직 트리를 사용하여

문제를 정의하는 방법을 학습하였다. 

5Whys 방법론은 하나의 문제상황에 왜? 라는 질문을 5번 시도하는 것을 뜻하고, 

로직트리 기법은 MECE 원칙을 적용하여 하나의 큰 문제를 여러 가지 세부 가지로 분리하는 것이다.

 

따라서 리뷰데이터를 상기한 두가지 방법으로 정의 후, 우선순위까지 파악해보자. 

 

---

📌 1. 문제 정의

이전 리뷰 데이터 분석을 통해 총 5가지의 문제상황이 도출되었다.

 

문제 카테고리	문제 상황
🔍상품 검색 및 가격 비교	사용자는 검색 정확도가 떨어지고, 가격 비교가 어려워 구매 의사결정 중 이탈하고 있다.
🚀UX · UI	사용자는 앱의 느린 속도와 복잡한 UI의 사용성 저하로 구매 과정까지 이어지지 못한다.
🎁포인트 적립/ 쿠폰 혜택	사용자가 쿠폰 혜택을 제대로 인지·활용하지 못하고 있는 문제가 발생하였다.
🤖AI 추천 알고리즘	추천 알고리즘의 개인화 정확도가 낮아 사용자의 구매 맥락·취향과 맞지 않는 상품이 과도하게 노출되는 문제 발생
📦배송 서비스	부정확한 배송 일정 안내와 낮은 예측 신뢰도로 인해 사용자가 배송 상태를 명확히 파악하지 못하는 문제 발생

문제 상황들을 살펴보면, 전부 AI 기반 이커머스 서비스의 핵심 기능들임을 알 수 있다.

이 중 개인적으로 공감이 가는 3개의 문제들을 문제 정의 방법을 통해 정의해보자.

 

---

1-1. 🔍상품 검색 및 가격 비교

- 사용자가 원하는 상품을 검색해도, 정확한 상품을 빠르게 찾지 못하는 문제가 발생하였다.

 

<상품 검색 및 가격비교의 5Whys 방법론 문제 정의>

 

5Whys 방법론을 통해 분석한 결과

상품 검색 시 정확도가 떨어지는 문제의 근본적 원인은

추천 상품 노출 로직의 우선순위가 검색 결과 노출보다 우선되는 부분이었다.

 

네이버는 AI를 도입한 네이버+스토어를 출시하며

쇼핑 서비스를 기존의 검색 중심에서 추천 중심으로 전환하는 방향을 가져가고 있지만,

그 결과 검색 결과에 개인화 추천·탐색 로직이 강하게 개입하면서 생긴 UX 문제가 발생한 것이다. 

사용자의 추가적인 상품 탐색을 유도하고, 구매량을 증가시키기 위한 방법이

오히려 사용자의 불만 및 타 서비스로의 이탈로 이어지는 것이다.

 

 

최종 문제 정의

 

네이버+스토어는 기존의 검색 중심 쇼핑 경험에서 개인화 추천 중심의 쇼핑 경험으로 확장해 나가고 있지만
사용자의 검색 결과보다 추천·탐색 로직의 우선순위가 너무 높게 할당되어

정확한 상품 탐색 경험이 저하되고 있다.

 

---

 

1-2. 🎁포인트 적립/ 쿠폰 혜택

- 사용자가 쿠폰 혜택을 제대로 인지·활용하지 못하고 있는 문제가 발생하였다.

 

<적립/ 멤버쉽 혜택의 5Whys 방법론 문제 정의>

5Whys 방법론을 통한 분석 결과,

할인 쿠폰에 대해 플랫폼, 각 브랜드, 입점 판매자 간 합의된 복잡한 내부 정책이 존재하고

그 때문에 과도하게 많은 브랜드별 / 스토어별 쿠폰 종류, 사용 조건에 대한 해석 등이

쿠폰 사용 단계의 사용자에게 전가되고 있다.

 

게다가 이러한 쿠폰들의 유효기간 알림 등도 제대로 제공되지 않아

사용자들은 쿠폰이 기간 만료로 사라지는 것에 대해 불만을 제기하고 있다.

 

 

최종 문제 정의

 

플랫폼·브랜드·판매자의 다양한 내 할인 정책이 쿠폰 사용 과정에 그대로 노출되었고,

쿠폰 정책과 사용 조건의 해석 부담이 사용자에게 전가되어

사용자가 쿠폰 혜택을 이해하고 활용하는 데 어려움을 겪고 있다.

 

---

1-3. 🤖AI 추천 알고리즘

- 사용자의 추천 정확도가 떨어지는 문제가 발생하였다.

 

<AI 추천 알고리즘의 5Whys 방법론 문제 정의>

5Whys 방법론으로 분석해본 결과, 

AI 추천 알고리즘의 사용자 추천 정확도가 떨어지는 문제의 근본적 원인은

단기 성과를 안정적으로 높이는 것을 우선시하는 내부 정책으로,

그 때문에 수집 및 예측이 용이한 "사용자의 과거 데이터 및 범용 데이터"를 중심으로 추천 알고리즘이 작동한 것이 주요했다. 

 

사용자에게 과거 데이터란 이미 구매가 완료되었거나 흥미가 떨어진 상품군일수도 있고,

사용자의 성별, 나이, 구매성향 등을 고려하지 않은 범용 데이터는

전혀 매력적이지 않은 상품일 뿐 아니라 불쾌한 광고로만 느껴질 것이다.

 

최종 문제 정의

추천 시스템이 사용자의 구매 맥락과 의도보다 

예측 가능성이 높은 "과거 행동 데이터 및 범용 데이터" 중심으로만 최적화되어 있어,

실제 사용자의 관심사와 괴리감이 발생하여 개인화 추천의 정확도가 저하되고 있다.

 

 

---

 

2. 🔢 문제 우선순위 파악

< 문제 정의 요약> 

문제 상황	최종 문제 정의
🔍상품 검색 및 가격 비교	네이버+스토어는 기존의 검색 중심 쇼핑 경험에서 개인화 추천 중심의 쇼핑 경험으로 확장해 나가고 있지만, 사용자의 검색 결과보다 추천·탐색 로직의 우선순위가 너무 높게 할당되어 정확한 상품 탐색 경험이 저하되고 있다.
🎁포인트 적립/ 쿠폰 혜택	플랫폼·브랜드·판매자의 다양한 내 할인 정책이 쿠폰 사용 과정에 그대로 노출되었고, 쿠폰 정책과 사용 조건의 해석 부담이 사용자에게 전가되어 사용자가 쿠폰 혜택을 이해하고 활용하는 데 어려움을 겪고 있다.
🤖AI 추천 알고리즘	추천 시스템이 사용자의 구매 맥락과 의도보다  예측 가능성이 높은 "과거 행동 데이터 및 범용 데이터" 중심으로만 최적화되어 있어, 실제 사용자의 관심사와 괴리감이 발생하여 개인화 추천의 정확도가 저하되고 있다.

 

다음은 각 문제 상황을 분석하면서 발견된 대표적인 3가지 문제 중 

어떤 것을 우선적으로 해결해야 할지 우선순위를 정리해야 한다. 

우선순위 선정에는 비즈니스 임팩트 매트릭스(Impact-Effort Matrix) 방식을 사용하기로 했다.

 

---

 

< Impact-Effort Matrix>

문제 상황	임팩트 영향 ( Impact )	리소스 소모 ( Effort )	우선도	우선도 평가 이유
🔍상품 검색 및 가격 비교	임팩트 높음	리소스 소모 보통	1순위	상품 추천 로직의 우선순위를 조정하고, 검색 정확도 개선, 추천상품 노출 위치 수정 등의 조치만으로 타 서비스 이동까지 검토중이던 사용자들의 불만을 대부분 해결 할 수 있다.
🎁포인트 적립/ 쿠폰 혜택	임팩트 보통	리소스 소모 낮음	2순위	쿠폰은 사용자 혜택과 브랜드 프로모션에 관련된 사항이고, 구매 전환 직전 단계에서 발생하므로, 개선 시 구매전환율이 상승할 것이다. 또한 시급도가 높은 사항도 아니기 때문에 장기적으로, 단계적인 소규모 개선을 진행하면 좋다.
🤖AI 추천 알고리즘	임팩트 보통	리소스 소모 높음	3순위	AI 추천 알고리즘이 사용자의 구매 경험 상승과 상품 추천으로 인한 수익 증가에 직접적으로 기여하기는 하지만, AI 알고리즘의 모델을 조정하고 기반 데이터 전반을 수정·검토 해야하는 만큼 대규모 작업이 불가피하다.

 

 1 순위 :  🔍상품 검색 및 가격 비교 선정 근거

- 사용자의 구매 의도가 가장 높은 검색 단계에서 발생하는 문제이다.

- 검색 실패 → 상품 발견 실패 → 구매 실패로 직접 연결된다.
- 가격 비교 신뢰도 저하까지 동반되어 전환율에 영향을 주고, 타 서비스로의 이탈까지 발생한다.

-네이버 쇼핑의 핵심 경쟁력인 "검색 + 가격비교"와 직결된다.

 

  2 순위 : 🎁포인트 적립/ 쿠폰 혜택   선정 근거

- 구매 전환 직전 단계에서 발생하는 문제이므로, 개선 시 구매 전환율이 상승할 것이다.

- 다양한 쿠폰을 제공받는 멤버쉽 구독 고객들과도 관련성이 높다.

- 다만 상품 탐색 자체 혹은 결제를 막는 문제는 아니기 때문에 시급도는 높지 않다.

- 장기적인 플랜으로, 단계적 소규모 개선을 진행해도 좋은 반응을 얻을 수 있다.

 

  3 순위 : 🤖AI 추천 알고리즘 선정 근거

- 검색 실패보다 영향도가 낮고 개선 비용이 매우 크다.

- 추천 품질이 낮아도 서비스 사용 자체가 불가능해지지는 않으므로 시급도는 낮다.

- 모델을 조정하고 기반 데이터 전반을 수정·검토 해야하는 만큼 대규모 작업이 불가피하다.

 

---

3.  🎯핵심 문제 정의 

상단에서 비즈니스 임팩트 매트릭스를 사용하여 분석한 우선순위를 바탕으로

가장 먼저 해결해야 할 핵심 문제 1개를 선정하여 명확하게 요약해보기로 했다.

 

<문제 상황>

 

 1 순위로 선정된 문제상황은 "🔍상품 검색 및 가격 비교선정 근거" 이며

현재 사용자는 검색 정확도가 떨어지고, 가격 비교가 어려워 구매 의사결정 중 이탈하고 있다

 

<문제 원인>

네이버는 AI를 도입을 강조한 네이버+스토어를 출시하며

쇼핑 서비스를 기존의 검색 중심에서 추천 중심으로 전환하는 전략을 가져가고 있지만,

사용자의 검색 결과보다 추천·탐색 로직의 우선순위가 너무 높게 할당되어

정확한 상품 탐색 경험이 저하되고 있다.

즉, 검색 결과에 개인화 추천·탐색 로직이 강하게 개입하면서 UX 문제가 발생했다는 것이다.

 

< 문제 우선순위>

사용자의 구매 의도가 가장 높은 검색 단계에서 발생하는 문제이며

가격 비교 신뢰도 저하까지 동반되어 구매 전환율에 큰 영향을 주고, 

타 서비스로의 이탈까지 발생하기 때문에 개선 시급도가 높다.

또한 구매전환율, 이탈율 외에도 수익과 이어지는 영향이 클 뿐만 아니라

3순위의 AI 추천 알고리즘과도 관련이 높아 반드시 해당 검색 정확도 개선이 선행되어야 한다.