brunch

You can make anything
by writing

C.S.Lewis

by zzz May 26. 2024

검색 UX 3. 결과 전시

본격적인 탐색은 지금부터

검색 서비스 기획 시리즈 첫 번째 글에서는 검색 서비스를 (1)검색어 입력, (2)자료 조회, (3)결과 전시의 세 단계로 나누어 검색엔진 전반의 FLOW를 정리했고, 그 후 두번째 단계까지의 UX를 분석했었습니다. 이어서 이번 글은 그 마지막 단계인 (3)결과 전시 과정의 UX를 분석해 보겠습니다.

어떤 문제가 있을까?

결과 전시 단계에서는 검색엔진을 통해 최종으로 검색된 상품과 문서가 유저의 화면에 제공되는데요. 검색 결과가 화면에 잔뜩 전달되면 사실상 유저의 본격적인 탐색이 지금부터 시작됩니다. 이때부터 유저는 전달된 결과를 들여다보며 어떤 것이 스스로 찾던 것인지, 혹은 필요한 것인지 하나씩 알아보고 결정을 내려야 합니다. 이 과정은 생각보다 많은 귀찮음과 노동이 필요하고, 따라서 결과 전시 단계에서는 유저가 쉽게 탐색하고 판단할 수 있도록 돕는 것이 주된 목적이 되겠습니다.

오픈서베이, 검색 트렌드 리포트 2024 중 발췌

사람들은 검색 결과를 볼 때 어떤 점이 자신의 탐색에 도움이 된다고 생각할까요? 오픈서베이가 발행한 '검색 트렌드 리포트 2024'에 따르면, 유저마다 자신의 탐색 목적에 따른 다양한 선호도가 있었지만 공통적으로 정리해 보면 (1) 기대한 결과를 정확히 제공하는지, (2) 결과를 믿을 수 있는지, (3) 다른 사용자의 반응을 함께 제공하는지, (4) 자동으로 요약하거나 묶어서 정리하는지 등의 항목을 중요하게 생각합니다. 결국 자신이 찾던 결과라고 빠르게 판단할 수 있는지, 그리고 어떤 결과를 신뢰할 수 있는지 등의 문제가 탐색 과정에서 발생하고 있고, 이를 도울 기능이 필요합니다.

이런 걸 알 수 있어요

이번 UX 분석 글에서는 유저가 본격적인 탐색이 시작되는 검색 결과 페이지에서 문제와 이를 해결하기 위해 다양한 서비스에서 제공하는 UX 장치를 하나씩 유형화해 살펴보겠습니다. 이번 글에서 조명할 유저의 문제는 아래와 같습니다.

기대한 결과를 정확히 제공하는가

결과를 믿을 수 있는가

자동으로 요약하거나 묶어서 제공하는가

검색 결과가 없는가

찾던 결과가 아니거나 추가 탐색이 필요한가

문제 1. 기대한 결과를 정확히 제공하는가

정확한 결과 제공은 검색 서비스의 기본 중의 기본이자, 검색 성공률을 높이는 핵심 성능입니다. 유저의 쿼리가 적절했다는 전제 하에 기대한 결과가 없다면 실제 그 상품(문서)이 없을 수도 있고, 있지만 검색되지 않았을 수도 있고, 검색되었지만 우선 정렬되지 않았거나 유저가 알아보지 못했을 수도 있습니다. 이 중 상품이 있지만 검색되지 않은 문제는 검색 엔진 두 번째인 자료 조회 단계의 문제에 해당하며, 검색됐지만 정렬이 잘못된 문제는 추후 정렬/필터 주제를 다룰 때 알아보겠습니다. 이번 글에서는 검색된 결과를 유저가 쉽게 알아볼 수 있도록 탐색 노동을 줄이는 기능에 초점을 맞추었습니다.

검색어 하이라이트 (+제외된 검색어)

결과 화면의 방대한 텍스트 중 어떤 것을 먼저 봐야 할까요? 텍스쳐, 위버스, 당근 모두 검색된 문서 중 입력한 검색어와 일치하는 텍스트를 강조해서 자신이 찾던 결과인지 빠르게 확인하도록 합니다. 검색어 하이라이트는 대부분의 문서 검색에서 사용하고 있는 기본적이지만 효과적인 기능입니다.

당근은 커뮤니티 검색 결과만 하이라이트를 제공합니다. '동네생활'은 기능을 제공하지만 '중고거래' 결과에는 제공하지 않습니다. 사실 다른 커머스 또한 검색어 하이라이트 기능이 거의 적용되어 있지 않은데요. 커머스의 검색 결과에서는 상품의 대표 이미지와 상품명, 가격, 평점 등 다양한 정보가 제공되며, 유저는 이 중 상품 대표 이미지만 훑어도 자신이 찾던 상품인지 빠르게 판단할 수 있기 때문에 하이라이트 기능이 필요하지 않습니다. 또한, 대부분 흰 화면에 다양한 요약 정보를 제공하기 때문에 가장 핵심적인 하나의 정보만 강조하는 것이 오히려 단순하고 쉬운 UX입니다.

검색어 하이라이트 심화

배달의 민족은 좀 더 심화된 검색어 하이라이트를 제공합니다. 검색 결과 목록에서도 입력된 검색어와 일치하는 메뉴명을 미리보기 해서 가게 상세페이지로 들어가지 않고도 찾던 메뉴가 있는지 알 수 있도록 합니다.

뿐만 아니라 가게 상세페이지에서도 마찬가지로 검색어를 강조하고 일치하는 메뉴를 상위 정렬해 가장 먼저 유저가 발견할 수 있도록 합니다. 스크롤을 내리면 언제든 다시 돌아갈 수 있도록 '검색한 메뉴' 탭으로 분리했습니다.

문제 2. 결과를 믿을 수 있는가

유저는 결과 화면에 제공된 여러 개의 상품(문서)을 살펴보고 그중 하나를 선택해야 합니다. 이때 어떤 상품이 자신이 찾던 것인지나, 선택했을 때 만족할 수 있다고 신뢰할 수 있을까요?

별점 / 후기 미리보기

컬리는 검색 결과 목록에 다른 상품정보와 함께 후기 개수를 노출합니다. 후기 수는 컬리에서 대표적인 신뢰도 지표 중 하나인데요. 실제로 컬리 유저들의 리뷰를 보면 후기 수가 999+인 상품은 믿고 구매한다는 반응이 종종 있습니다. 이를 결과 목록에서 제공함으로써 유저는 검색된 여러 상품 중 어떤 상품을 먼저 클릭할지 쉽게 결정할 수 있습니다.

올리브영, 카카오맵, 쿠팡은 후기수에 더해 평점을 제공합니다. 평점은 별 이미지로 시각화한 경우도 있습니다. 이에 더해 쿠팡은 '정말 맛있어요 98%' 등 태그형 리뷰의 분포를 한번 더 제공해 유저의 선택을 돕고 있습니다.

네이버지도는 리뷰 미리보기를 추가로 제공합니다. 장소 검색에서 리뷰는 유저들이 중요하게 살펴보는 정보인데요. 리뷰를 꼼꼼히 읽어보고 갈지 말지를 결정하거나, 마음에 안 드는 점은 없는지 미리 탐색합니다. 네이버 지도는 이를 목록 단계에서 제공하고 특히 검색어와 일치하는 연관도 높은 리뷰를 우선 제공해 유저가 굳이 상세페이지까지 진입하지 않아도 선택을 할 수 있도록 돕습니다.

리뷰 요약 & 인덱싱

배달의 민족은 확보된 리뷰 데이터를 가공해 추천 메뉴 서비스를 색다르게 제공합니다. 메뉴의 대표적인 특징을 리뷰에서 키워드로 뽑아 탐색할 수 있는 버튼으로 구성했으며, 눌렀을 때 해당하는 메뉴와 가게를 한번 더 제공합니다. 배민 사장님에게는 상품이 노출될 기회를 추가로 제공하는 효과가 있고, 유저에게는 리뷰를 읽지 않아도 요약해서 알 수 있는 기능이 됩니다.

기획자의 입장에서 보자면, 이미 배달의 민족의 리뷰 데이터는 주문한 메뉴와 매핑된 구조였기 때문에 자원을 활용해 구축하기 수월했을 것으로 보이며, 방대한 리뷰 텍스트를 분절해 메뉴 데이터의 하위 정보로 별도로 구성한 것으로 보입니다. 결국 리뷰 데이터를 가공해 인덱싱하는 작업을 거쳐 검색 가능하도록 마련하는 전처리 작업이 필요했을 것이고, 자연어 처리에 유리한 생성형 AI를 활용한 색다른 사례로 보입니다.

문제 3. 자동으로 요약하거나 묶어서 제공하는가

유저가 하나씩 읽어보지 않아도 결론만 알 수 있도록 자동으로 요악하거나 관련된 정보를 묶어서 한 번에 제공하는 것 또한 탐색 과정을 돕습니다. 이 기능은 특히 구글에서 고도화되어 있으므로 이번엔 구글의 사례를 중심으로 살펴보겠습니다.

자동 요약 / 추천 스니펫

일부 쿼리는 자동으로 답변을 생성해서 제공합니다. 구글의 추천 스니펫, 리치 앤써, 지식 그래프, 지식 패널 등 그 종류도 다양한데요. 검색 의도에 맞는 정확한 답을 제공해 고객이 추가로 클릭하지 않아도 빠르고 명확하게 답을 알 수 있도록 합니다.

구글은 검색 결과에 제공할 문서를 인터넷상에서 미리 크롤링해서 수집하는데, 이때 문서의 데이터가 특정 형식으로 구조화되어 있다면 구글이 성격을 알아보고 추천 스니펫으로 구성할 수 있습니다.

스니펫은 문서에 따라 적절한 형식이 채택되도록 3가지 유형으로 제공됩니다. 먼저, 리스트형 스니펫은 문서가 리스트형으로 구성되어 있는 경우 대표적인 데이터를 뽑아 리스트형으로 구성합니다. 리스트에는 순서가 있는 경우와 없는 경우가 있으며, 순서가 있는 경우 반영됩니다.

단락형 스니펫은 어떤 개념에 대한 정의나 단답, 두 가지 선택지의 비교 등 답이 비교적 단순하고 명확한 경우에 적용됩니다. 50~70자의 길지 않은 텍스트에 한정해 적용되며 마찬가지로 문서가 구조화되어 있고 특정 태그가 적용되어 있어야 가능합니다.

테이블형 스니펫은 가장 복합적인 요약 정보를 제공합니다. 주로 수치 데이터에 적용되며, 문서에서 데이터를 추출한 뒤 구글이 테이블형으로 구성해서 제공합니다.

리치 앤써 / 지식 그래프 / 지식 패널

구글이 요약해서 제공하는 또 다른 스니펫의 일종으로 리치 앤써, 지식 그래프, 지식 패널 기능을 알아보겠습니다.

리치 앤써는 구글이 일반적인 상식으로 판단한 정보를 답을 내려 제공합니다. 인구수, 기업 주가, 사이즈 등의 간단한 정보가 해당하며, 구글 자체적으로 판단한 정보를 바탕으로 구성하므로 추천 스니펫과 다르게 문서를 구조화한다고 반영될 수 없습니다.

지식 그래프 또한 일반적인 지식으로 판단되는 정보를 요약해 구성하는데요. 리치 앤써와 다르게 테이블, 그래프, 이미지 등 다양한 형식을 채택해 유저가 좀 더 확장된 정보를 한눈에 알 수 있도록 합니다. 위 사례에서 [더보기] 버튼을 누른 경우 datacommons.org라는 웹사이트로 이동해 더 확장된 그래프 정보를 제공하는데요. 이는 구글이 웹페이지, 이미지, 지도 등 다양한 데이터를 수집해 종합한 뒤 유저가 쉽게 이해할 수 있도록 재구성해서 제공하는 서비스입니다. 사용된 데이터의 원천은 국가 통계청이나 은행 등 공신력 있는 기관의 데이터를 바탕으로 하며, 농업, 생명의학, 범죄, 경제, 교육, 에너지, 환경, 건강, 부동산 등의 데이터를 대상으로 하고 있습니다.

문제 4. 검색 결과가 없다면? (검색 성공률)

유저가 검색어를 입력한 뒤 검색을 요청했는데 그 결과가 없다면 어떨까요? 실제로 일치하는 상품(문서)이 없을 수도 있고, 검색어가 적절하지 못했기 때문일 수도 있습니다. 중요한 것은 검색 결과가 없다면 유저의 탐색 FLOW가 중단되는 문제가 발생하며, 유저는 목적을 달성하지 못했으므로 처음으로 돌아가 다시 탐색을 시작하는 부자연스러운 탐색을 수행해야 합니다.

상품 / 스토어 등록 요청

크림, 솔드아웃은 한정판 상품을 취급하는 플랫폼이므로 특성상 신규 라인업이 출시되었을 때 아직 상품 정보가 마련되지 못했을 수 있습니다. 따라서 유저가 검색 결과 없음을 받게 되는 시나리오도 잦은데요. 다른 커머스와 다르게 쿼리가 잘못된 것보다는 실제로 상품이 없어 실패할 확률이 높습니다. 검색 실패를 보완하기 위해 크림과 솔드아웃은 모두 신상품 제보 기능을 연결해 신규 라인업이 출시(예정)됐음을 서비스 운영팀에서 알고 빠르게 대응할 수 있도록 합니다.

지그재그는 상품이 아닌 스토어 등록 요청으로 연결합니다. 여러 인터넷 쇼핑몰을 한데 모은 플랫폼에 맞게 검색 결과가 없다면 입점되지 않은 스토어일 확률이 높으므로 이에 대응한 것으로 보입니다.

키워드 알림

중고 거래 플랫폼은 검색 결과가 없을 때 대체로 키워드 알림 기능을 제공합니다. 당근은 커뮤니티와 중고거래 서비스가 합쳐져 있으므로 동네생활 탭에서는 키워드 알림 기능을 제안하지 않고, 중고거래 탭에서만 제안합니다. 중고거래 특성상 중고 상품이 비정기적으로 등록될 수 있으므로 유저가 매번 결과를 찾을 때까지 여러 번 검색하지 않는 편의를 제공합니다.

번개장터도 키워드 알림을 제공합니다. 차이점이 있다면, 키워드 알림과 함께 추천 상품을 제공하는데요. 추천 상품은 유저가 입력한 키워드와 연관성이 높다고 판단되는 상품을 노출해 최대한 탐색 FLOW가 끊기지 않도록 합니다. 그럼에도 불구하고 키워드 알림 기능은 가장 중요한 기능이므로 스크롤을 내려도 가려지지 않도록 플로팅 형식으로 제공합니다.

무신사는 검색 결과가 없는 경우 먼저 대체 검색어를 제안합니다. 추가로, 도메스틱 브랜드 특성상 시즌별 상품이 한정된 수량으로 발매되므로 기본적으로 구할 수 없는 품절된 상품은 검색 결과에 포함하지 않는 것으로 보입니다. 만일 검색 결과가 없다면 이미 종료된 시즌 상품이 뒤늦게 바이럴 되는 등의 이유로 검색되는 케이스일 수 있어 품절된 상품으로 다시 검색할 수 있도록 제공합니다.

검색 결과가 너무 많다면?

이번에는 반대로 검색 결과가 너무 많다면 어떨까요? 검색 결과가 너무 많은 케이스 또한 유저가 탐색을 과하게 해야 하는 문제가 있습니다. 검색 엔진의 키워드 분석과 유사어 확장 과정이 부적절해 적절한 대상만 추려내지 못한 문제일 수도 있지만, 유저의 검색어가 너무 포괄적인 경우에도 발생할 수 있습니다.

페이코 주소 검색은 검색어가 너무 많을 경우 구체적으로 다시 입력하도록 안내합니다. 검색 결과가 모호하다면 너무 많은 양이 조회되어 유저가 불필요한 탐색을 해야 할 수도 있고, 결과를 불필요하게 모두 전시해야 하는 문제도 있습니다.

다만, 이는 이미 유저가 충분히 알고 있고 대상이 정해진 주소(우편번호)를 검색해 찾아야 하는 주소 검색 특성상 적용 가능한 방법입니다. 유저가 검색 대상에 대해 아직 알지 못하고, 데이터의 범위가 무한한 대부분의 정보 검색은 위와 같은 방법을 채택하기 어렵고 대신 정렬이나 필터, 연관검색어와 같은 다른 기능으로 대체합니다. 이 중 정렬/필터 관련해서는 다음에 자세하게 다뤄보겠습니다.

문제 5. 찾던 결과가 아니거나, 추가 탐색이 필요하다면?

검색 결과가 유저가 찾던 내용이 아니라면 어떨까요? 유저의 쿼리가 애초에 적절하지 못했을 경우 발생하기 쉬운데, 유저가 실수로 잘못 입력했을 수도 있고 유저가 적절한 검색어를 모를 수도 있습니다. 이 경우 서비스에서 제공하는 UX 기능을 살펴보겠습니다.

연관 검색어

이마트몰은 '검색어 수정'을 제안합니다. 지난 글에서 살펴본 검색 서비스의 (2) 자료 조회 단계에서 검색 엔진이 유저가 질의한 검색어를 분석한 후 오탈자 교정을 거친다는 내용을 소개했었는데요. 이 또한 마찬가지로 유저의 검색어가 부적절해서 결과가 정밀하지 못할 경우를 보완합니다.

주얼리 커머스 아몬즈와 오늘의 집은 연관 검색어를 제공합니다. 유저가 검색 결과를 둘러보다 자신이 찾는 내용이 아닌 경우 대체할 수 있도록 제안하는 기능입니다. 특히 아몬즈는 입력한 검색어가 포함된 빈도 높은 키워드의 제안 정도에 그치는 반면, 오늘의 집은 검색어의 의도를 파악해 보다 디테일한 검색어를 제안함으로써 유저의 의도에 부합하려는 시도가 돋보입니다.

네이버는 대체 검색어를 제안합니다. 유저가 잘못 알고 있는 검색어를 입력해 결과가 적절하지 못할 경우를 대비하는 장치인데요. 예를 들어 '판교 메가박스'로 검색하면 판교에 없는 메가박스 대신 CGV를 추천해 주거나, 변경 전 명칭인 '지불준비금'을 검색하면 변경된 명칭으로 교정해 제안합니다. 이를 통해 유저가 알지 못했던 검색어가 잘못됐다는 사실을 알게 하고, 올바른 검색어를 찾아서 다시 입력할 필요 없이 간단히 눌러 올바른 검색을 다시 진행할 수 있도록 돕습니다.