패션·의류 시장과 고객의 구매 여정

마케팅 퍼널은 고객이 브랜드를 처음 인지한 순간부터 구매·재구매에 이르는 흐름을 단계별 깔때기 모양으로 나눈 모델입니다. 다만 실제 고객 여정은 이 깔때기처럼 한 방향으로만 흐르지 않고, 여러 채널을 오가며 이탈과 재유입을 반복하는 실제 경험의 흐름을 보여준다는 점에서 퍼널과 다릅니다. 많은 조직이 여정을 인지, 고려, 구매, 재구매의 깔끔한 직선으로 그리지만 실제 고객은 여러 단계를 오가거나 건너뛰거나 되돌아가는 경우가 흔하고, 선형 지도로는 이런 이탈·재진입 패턴을 반영하지 못합니다. 패션·의류는 특히 그렇습니다. 그래서 우리 고객의 여정을 그릴 때는 완벽한 모델을 고르기보다, 실제로 어떤 경로로 유입되고 어디서 이탈하는지 데이터로 먼저 확인하는 편이 우선입니다.

아우터웨어 구매를 예로 들면, 초기 인식 단계에서는 구매 필요성이 응답의 64.2%로 가장 큰 비중을 차지하는 인식 동기로 작용하고, 인스타그램·유튜브 같은 SNS가 초기 관심을 유발한 뒤 패션 플랫폼에서 비교와 선택, 구매로 이어진다는 조사가 있습니다. 다만 이 경로는 개인별 편차가 있어 모든 고객이 같은 순서를 밟는다고 단정할 수는 없습니다. 접점의 축도 모바일에 쏠려 있습니다. 의류 쇼핑의 74.1%가 모바일에서 이루어지고, 아블리·지그재그 같은 패션 플랫폼도 앱·웹 중심으로 운영되며 10~20대 여성의 스마트폰 쇼핑 선호를 반영한다는 조사가 있습니다. 다만 이 수치는 전체 온라인쇼핑 기준이고 PC와 모바일은 용도가 구분되어 PC 쪽이 고가 상품 구매에 더 쓰인다는 점은 감안해야 합니다. 스마트스토어·쿠팡 랜딩을 쓰는 셀러라면 인지 단계의 소재는 모바일 화면에서 즉시 눈에 들어오도록 준비하는 것이 먼저입니다.

상의·하의 정보탐색 단계에서는 비교 편의성, 가격 판단, 리뷰 확인이 핵심 기준으로 작용합니다. 소비자가 실제로 중시하는 요소를 순서로 보면 디자인(44.3%)이 가장 높고, 이어 가격(22.1%), 착용감(14.8%), 소재·마감(10.1%) 순으로 나타난다는 조사도 있습니다. 디자인이 가격의 두 배 가까이 앞선다는 것은, 트렌드를 놓치지 않는 소재 교체와 경쟁 상품 대비 차별화가 탐색 단계 전환을 좌우한다는 뜻이므로, 상세페이지의 첫 화면은 가격보다 디자인 차별점을 먼저 보여주는 편이 유리합니다.

리뷰의 비중도 큽니다. 글 길이와 개수, 사진 같은 온라인 리뷰 요소는 제품과 판매자 신뢰도를 높이고, 이미 신뢰도가 높은 고객도 구매 전에는 항상 리뷰 탭을 확인하며 상당한 시간을 들여 정보를 탐색한다는 조사가 있습니다. 다만 리뷰의 영향력은 상품 카테고리와 가격대에 따라 달라질 수 있습니다. 실제로 의류 온라인 반품률은 평균 30~40%에 달하고 여성 의류와 신발은 50%를 넘어서며, 오프라인 대비 3배 이상 높은 수준이라는 조사도 있습니다.

또한 신규 고관여 유저와 재방문 체리피커 유저는 같은 화면을 봐도 완전히 다른 의도와 행동 패턴을 보이므로, 하나의 여정 지도로 둘을 억지로 합치면 어느 쪽 개선에도 정확히 맞지 않는 뭉뚱그려진 결론이 나옵니다. 패션·의류처럼 반복구매가 잦은 업종에서는 처음 유입되는 고객과 세일·쿠폰을 보고 돌아오는 재구매 고객을 나눠서 각각의 탐색 경로를 따로 그려보는 것이 현실적입니다.

인스타그램 같은 매체는 이용자가 콘텐츠를 넘기며 시간을 보내는 자리에 끼어드는 매체라, 이미지나 영상만으로 차이가 눈에 보이고 그 자리에서 결정할 수 있는 가격대의 상품일수록 유리합니다. 의류는 '보면 갖고 싶어지는' 성질이 있는 대표적인 업종으로 꼽히므로, 인지와 초기 관심을 만드는 지점에서는 광고가 개입할 여지가 큽니다. 이는 앞서 본 SNS발 초기 관심 유발 경로와도 맞물립니다. 반대로 광고가 대신할 수 없는 지점도 분명합니다. 리뷰를 읽고 착용감을 가늠하는 탐색 구간은 소재 노출량을 늘린다고 대신 채워지지 않습니다. 사이즈가 맞지 않아 발생하는 반품도 광고 운영으로 줄일 수 있는 영역이 아니라, 상세페이지와 사이즈 정보의 몫입니다. 광고가 할 수 있는 일과 상세페이지가 해야 할 일을 먼저 나눠 두어야, 광고 예산을 탐색 단계의 빈틈을 메우는 데 잘못 쓰는 일을 줄일 수 있습니다.

성과를 학습시키는 방식에서도 재구매 특성을 반영해야 합니다. 오디언스 시그널은 노출을 제한하는 타겟팅이 아니라 AI 학습의 출발점이며, 자사몰 구매 이력이나 검색 전환 데이터처럼 실제 전환에 가까운 퍼스트파티 시드 데이터를 우선 주입해야 초기 학습이 빨라집니다. 반복구매가 잦은 패션·의류라면 기존 구매 고객 리스트를 시그널로 넣어 재구매 캠페인의 학습을 앞당기고, 신규 고객을 노리는 캠페인과는 시그널 자체를 분리하는 편이 낫습니다. 전환을 어디까지 성과로 인정할지 정하는 조회기간도 업종 성격을 반영해야 합니다. 다만 구체적으로 며칠이 최적인지는 업종·상품마다 달라 특정 숫자를 정답으로 못박기보다 자사 구매 주기 데이터로 직접 검증해야 합니다.

• SNS 채널에서 인지·관심을 끌 소재를 디자인 차별점 중심으로 준비했는가
• 상세페이지에 사이즈 실측 정보와 리뷰가 광고로 대신할 수 없는 몫까지 충분히 채워져 있는가
• 신규 고관여 고객과 재구매 체리피커 고객의 캠페인과 시그널을 분리했는가
• 오디언스 시그널에 자사몰 구매 이력과 재구매 고객 리스트를 우선 주입했는가
• 전환 조회기간을 저관여 반복구매 특성에 맞춰 짧게 설정해보고 자사 데이터로 검증할 계획이 있는가
• 스마트스토어·쿠팡 랜딩 환경에서 픽셀 추적이 제한되는 범위를 먼저 파악했는가