컬리, Vertex AI Search 도입으로 '결과 없는 검색' 매출 300% 이상 증가

컬리 데이터서비스개발팀은 검색 실패(No Result) 케이스를 해결하기 위해 Google Vertex AI Search를 도입했다. 기존에는 오타, 띄어쓰기 오류, 유의어 등으로 인해 전체 검색의 약 **6~7%**가 결과 없이 종료되었으며, 이는 고객 만족도 저하와 매출 손실로 이어졌다.

Vertex AI Search 적용 및 데이터 구성

컬리는 GCP 환경과의 통합 용이성과 하이브리드 검색(텍스트 매칭 및 임베딩 유사도 분석) 기능을 고려해 Vertex AI Search를 선택했다. 웹사이트 크롤링의 한계를 극복하고 정확도를 높이기 위해 BigQuery를 자체 데이터 소스로 활용했으며, 상품명, 상세설명, 연관 키워드 등을 검색 필드로 지정했다.

• 필드 최적화: 상품명과 상세설명에 Key Property를 부여해 검색 우선순위를 높이고, 판매 여부는 필터링용 Indexable 필드로 설정했다.
• 데이터 업데이트: Python SDK를 활용해 BigQuery 데이터를 Vertex AI Search 데이터 스토어로 주기적으로 동기화했다.

모델 튜닝과 A/B 테스트 성과

단순 텍스트 매칭을 넘어 '싸이 세대 모여라'와 같은 주제별 상품 컬렉션의 내재된 의미를 학습시키기 위해 임베딩 벡터 튜닝을 수행했다. 이를 통해 표면적 특성에 없는 의미적 연관성을 포착할 수 있었다.

약 2주간의 A/B 테스트 결과, 실험군은 클릭률, 장바구니 전환율, 구매율 등 모든 지표에서 우세를 보였다. 특히 배포 한 달 시점 기준으로 결과 없는 검색(NR) 케이스에서 AI 검색을 통한 장바구니 담기, 구매 수량, 매출이 300% 이상 증가하는 성과를 거뒀다.

향후 과제

컬리는 향후 금칙어 제재 시스템 마련, 검색 결과 캐싱을 통한 비용 절감, 그리고 컬리 도메인 특성을 반영한 커스텀 임베딩 고도화를 진행할 계획이다.