안녕하세요, 오프라인 공간을 더 똑똑하게 만드는 인공지능 스타트업 메이아이입니다.
한 연구 결과에 따르면, 고객이 피팅룸에서 옷을 입어볼 경우 해당 제품을 구매할 확률이 67% 증가한다고 합니다. 피팅룸을 방문하지 않은 고객은 구매했던 상품 중 일부를 반품할 확률이 2배 높고요. 인스타그램에서 #피팅룸 해시태그가 4만 8000개 이상 검색되는 것도 피팅룸의 중요성을 나타냅니다.
패션 매장은 고객이 어떻게든 피팅룸을 방문하도록 매장 운영 전략을 짜야 합니다. 매장 매출 상승으로 이어지는 최종 관문인 셈이니까요. 그렇다면 고객을 피팅룸으로 보내기, 어떻게 해야 잘할 수 있을까요?
피팅룸 운영 핵심 데이터 리스트, 궁금한가요?
무엇이든 운영이 잘 되는지 알려면 기준이 되는 수치가 있어야 합니다. 피팅룸 운영도 그 여부를 특정 데이터로 측정할 수 있습니다.
메이아이는 그동안 패션 업계 관계자를 여러 명 인터뷰하면서, 피팅룸을 잘 운영하려면 다음 데이터 3가지를 중점으로 봐야 한다는 걸 알아냈습니다.
- 매장 방문객 중 피팅룸까지 가는 사람의 비율
- 매장 방문객이 피팅룸 앞에서 대기하는 시간
- 피팅룸에 방문한 사람의 체류 시간
그리고 메이아이 내부 데이터와 여러 외부 자료를 검토해 위의 3종 데이터의 기준이 될 만한 수치를 알아냈습니다.
- 피팅룸 방문 비율: 매장 방문객의 25%가 피팅룸에 옷을 들고 갑니다.
- 피팅룸 대기 시간: 피팅룸 대기 줄에 1~4명이 서 있는 경우, 대기 인원 중 3.6%가 줄에서 이탈합니다. 반면 줄이 10명 이상으로 늘어날 경우, 대기 인원 중 19%가 줄에서 이탈합니다.
- 피팅룸 체류 시간: 고객이 피팅룸에서 보내는 시간은 평균 4분 29초입니다.
피팅룸 데이터 3종 세트, 어떻게 활용할까요?
피팅룸 방문객 비율이든, 고객 대기 시간이든 어떻게든 수기로 측정할 수 있을 겁니다. 다만 이렇게 하면 정확한 수치를 얻기 어렵고, 품도 많이 듭니다. 인력 리소스를 써놓고도 믿을 만한 데이터를 얻기 어려운 겁니다.
메이아이의 매쉬가 있다면 3가지 데이터를 한 번에 정확히 수집할 수 있습니다. 대시보드로 정리해서 보여주기 때문에 손쉽게 확인 가능합니다. 3가지를 확인한다면 다음과 같은 방식으로 매장을 운영해볼 수 있습니다.
1. 피팅룸 방문율 높이기: 연관 방문 데이터
패션 매장 방문객은 여러 구역을 둘러보며 마음에 드는 옷을 골라 피팅룸으로 가는데요. 이때 매장 내에 구역을 나눠 방문객이 옷을 들고 피팅룸으로 발걸음을 잘 옮기는 구역과, 잘 옮기지 않는 구역을 파악할 수 있습니다. 이를 ‘연관 방문’ 데이터로 제공합니다.
매장을 A~C 구역으로 나눠 관리한다고 가정할 때, 피팅룸 방문 비율을 25%까지 높이기 위해 다음과 같은 운영 방식을 짜볼 수 있습니다.
- A~C 구역 중 피팅룸으로 전환되는 비율이 낮은 구역을 파악합니다.
- 해당 구역의 상태를 살펴 피팅룸으로 전환되지 않는 원인을 찾습니다. 의도한 전략과 달리 매대 상품 구성이 매력적이지 않거나, 피팅룸까지 동선이 복잡하다는 등 다양한 원인이 있을 수 있습니다.
- 매대의 상품이 매력적이지 않다면 주요 고객 비중과 매출 등을 파악해 구성을 바꾸고, 동선이 복잡하다면 매장 구성을 수정하는 등의 해결책을 마련해볼 수 있습니다.
- 여러 해결책을 시도하며 방문 비율이 25%까지 오르는지 살피면 됩니다.
2. 피팅룸 이탈률 줄이기: 대기 시간 데이터
피팅룸도 식당처럼 대기줄이 길어지면 옷을 입어보고 싶은 마음이 사라지기 마련입니다. 옷을 빨리 입어보게끔 피팅룸 대기 관련 데이터를 측정하고 수정할 수 있어야 합니다. 메이아이는 ‘방문객 대기 시간’을 측정하는 기술을 보유하고 있습니다. 패션 매장보다 방문객이 1000배 이상 모이는 곳에서 대기 시간 측정 기술을 성황리에 테스트한 적 있기도 합니다.
피팅룸 앞에 매장 고객이 옷을 들고 기다리는 구역을 설정하고, 대기 인원과 그에 따른 대기 시간을 개선해나갈 수 있습니다. 이렇게 접근해볼 수 있습니다.
- 피팅룸 대기 인원에 따른 1명당 대기 시간이 어느 정도 되는지 측정합니다.
- 데이터를 통해 대기 인원이 언제 대기줄을 크게 이탈하는지 파악하고 대응 전략을 구상합니다(예: 몇 명일 때 몇 분을 기다리면).
- 예를 들어 인내심 마지노선이 8분이라는 것을 알아냈다고 하면, 8분을 기준으로 대응 전략을 짜볼 수 있습니다. 매장 직원이 돌아다니며 수시로 대기 고객을 응대해, 지루하지 않게끔 하는 방법을 사용할 수 있습니다.
- 웨이팅 문자 알림 시스템을 이용하는 것도 방법입니다. 매장 내에서 자유로이 기다리다가 순번이 됐을 때 피팅룸을 사용하게 하여, 가만히 서서 대기하는 지루함을 방지하는 겁니다.
3. 피팅룸에서 보내는 시간 측정하기: 체류 시간 데이터
피팅룸에 들어간 방문객은 제품을 살지 말지 여러 관점에서 고민합니다. 사이즈, 색감, 자신의 다른 옷과 어울리는지 등을 다양하게 검토하는데요. 이 과정에서 피팅룸 환경이 구매 결정에 긍정·부정적인 영향을 미치는지 여부를 ‘피팅룸 체류 시간’ 데이터로 측정할 수 있습니다.
피팅룸 체류 시간은 평균 4분 29초입니다. 이를 기준으로 피팅룸 체류 시간을 모니터링해 운영 방식을 최적화해나가야 합니다.
- 체류 시간이 평균보다 낮다면: 평균 시간 범위를 기준으로 크게 떨어지는지 살펴보세요. 빠르게 구매까지 이어지는 것이라면 괜찮지만, 제품을 반납하는 경우가 는다면 문제 상황으로 봐야 합니다. 여러 연구에서는 피팅룸이 지저분하거나, 거울이 제대로 설치되지 않은 점 등을 원인으로 꼽습니다. 피팅룸 이용 경험을 개선해 체류 시간을 늘리는 액션이 필요합니다.
- 체류 시간이 평균보다 높다면: 고객이 제품 구매를 긍정적으로 고려할 확률이 큰데요. 오랜 시간 입어보기만 하는지, 실제 매출까지 이어지는지 등을 살펴보면 더 좋습니다. 다만 체류 시간이 길어지면 그만큼 피팅룸 앞에 대기하는 방문객도 늘어납니다. 구매 확률이 전반적으로 떨어질 수 있다는 뜻으로, 앞서 언급한 대기 시간 데이터도 함께 확인하며 대응하는 게 필요합니다.
더 다양한 데이터, 매쉬로 발견하고 개선해보세요
피팅룸을 이용하는 방문객은 이용하지 않는 방문객보다 제품을 약 2배 더 많이 구매합니다. 매쉬를 활용한다면 피팅룸 데이터 3종 세트 외에도 더 다양한 데이터를 활용해 매장 운영 전략을 세울 수 있습니다. 성별과 연령에 따라 세분화된 데이터, 방문객 주요 동선 등도 체크 가능합니다. 메이아이의 전문 데이터 분석가와 상담을 통해 맞춤 대시보드를 만들 수도 있습니다. 패션 매장의 데이터 분석 전문가, 매쉬에게 맡겨보세요.
