패션 플랫폼 무신사가 인공지능이 요즘 유행하는 상품을 골라 묶어 보여주는 트렌드 큐레이션 서비스를 12개 카테고리로 넓혔습니다. 적용 범위가 늘어나면서 이용자들이 필터 기능을 쓰는 비율도 눈에 띄게 올랐다는 설명이 함께 나왔습니다. 겉으로는 앱에 기능 하나가 추가된 일처럼 보입니다. 하지만 이 변화 안에는 온라인 쇼핑이 앞으로 어디로 움직일지에 대한 꽤 분명한 힌트가 들어 있습니다.
AI가 유행을 대신 정리해 주는 방식
트렌드 큐레이션은 사람이 일일이 상품을 골라 기획전을 꾸리던 일을 알고리즘이 맡는 구조입니다. 이런 서비스는 보통 검색어, 클릭, 장바구니 담기, 실제 구매 같은 행동 데이터를 분석해서 지금 뜨는 스타일과 키워드를 뽑아냅니다. 그다음 그 흐름에 맞는 상품을 한데 모아 보여줍니다. 예전에는 MD가 시즌마다 감으로 판단하던 영역이었는데, 지금은 수많은 이용자의 움직임이 그 판단의 근거가 되고 있습니다.
적용 범위가 12개로 늘었다는 것의 무게
기능을 몇몇 품목에서만 돌리는 것과 여러 카테고리에 동시에 적용하는 것은 차원이 다른 문제입니다. 상의와 신발, 가방은 유행이 바뀌는 속도도 다르고 소비자가 중요하게 보는 기준도 제각각입니다. 그런데도 범위를 넓혔다는 것은 앞선 운영에서 의미 있는 반응을 확인했고, 다른 품목에서도 통한다는 판단이 섰다는 뜻으로 읽힙니다. 플랫폼 입장에서는 실험 단계를 지나 핵심 기능으로 키우겠다는 선언에 가깝습니다.
필터를 누르는 손이 늘었다는 신호
필터 이용률은 단순한 클릭 수보다 훨씬 많은 것을 알려주는 지표입니다. 필터를 건다는 것은 이용자가 원하는 조건이 분명하고, 그 조건 안에서 진지하게 상품을 고르고 있다는 뜻이기 때문입니다. 트렌드 묶음이 먼저 방향을 잡아주니까 사람들이 그 안에서 가격대나 사이즈, 색상을 좁혀 들어가는 흐름이 자연스럽게 생긴 것으로 볼 수 있습니다. 구경만 하다 나가는 이용자가 구매를 고민하는 이용자로 바뀌는 지점이 바로 여기입니다.
선택지가 많을수록 지치는 이유
대형 패션 플랫폼에는 수십만 개가 넘는 상품이 올라와 있고, 스크롤을 아무리 내려도 끝이 보이지 않습니다. 심리학에서는 이런 상황을 선택 과부하라고 부릅니다. 고를 수 있는 게 지나치게 많으면 오히려 결정을 미루거나 아예 포기하게 된다는 개념입니다. 잼 종류를 많이 진열했을 때보다 적게 진열했을 때 실제 구매가 더 많았다는 유명한 실험도 같은 이야기를 합니다. 쇼핑앱이 상품을 더 많이 쌓는 대신 덜 헤매게 하는 쪽으로 방향을 트는 배경에는 이런 피로감이 있습니다.
몇 분을 아끼는 일이 가져오는 변화
고르는 데 드는 시간이 줄면 소비자는 출퇴근길처럼 짧은 틈에도 쇼핑을 끝낼 수 있습니다. 플랫폼 쪽에서는 이탈이 줄고 구매 전환율이 오르는 효과를 기대할 수 있습니다. 원하는 스타일을 정확히 찾아 산 사람은 반품할 가능성도 상대적으로 낮아서 물류 비용을 아끼는 데도 보탬이 됩니다. 작은 시간 절약이 판매자, 플랫폼, 소비자 모두의 계산을 바꾸는 셈입니다.
경쟁 플랫폼도 같은 방향으로 달리는 까닭
이 흐름은 무신사만의 이야기가 아닙니다. 해외에서는 아마존이 대화형 AI 쇼핑 도우미를 내놓았고, 유럽의 패션 플랫폼 잘란도도 AI 기반 상품 추천 기능을 시험해 왔습니다. 국내 패션 앱들도 개인화 추천을 앞다퉈 강화하는 중입니다. 상품 가격과 배송 속도만으로는 차별화가 어려워지면서, 누가 더 빨리 내 취향을 알아채느냐가 새로운 경쟁 무기로 떠오른 것입니다.
알고리즘이 고른 유행을 어디까지 믿을까
편리함 뒤에는 따져볼 부분도 있습니다. 많은 사람이 고른 상품이 계속 위로 올라오다 보면 누구나 비슷한 옷을 입게 되는 획일화가 생길 수 있습니다. 이미 인기 있는 브랜드만 더 주목받고, 작은 신생 브랜드는 노출 기회를 얻기 어려워질 수도 있습니다. 추천 정확도를 높이려면 더 많은 행동 데이터가 필요하기 때문에, 개인정보를 어떻게 수집하고 쓰는지에 대한 투명성도 함께 요구됩니다.
똑똑하게 활용하는 소비자의 자세
AI 큐레이션은 출발점으로 쓰고, 최종 판단은 내 기준으로 내리는 태도가 가장 현실적입니다. 추천 목록에서 흐름을 파악했다면 소재와 실측 사이즈, 실제 구매 후기를 한 번 더 확인하는 습관이 도움이 됩니다. 유행하는 아이템이라도 내 옷장에 있는 옷과 어울리는지 따져보면 충동구매를 줄일 수 있습니다. 여러분은 AI가 골라준 트렌드를 믿고 사는 편인지, 끝까지 직접 찾아보는 편인지 한번 돌아봐도 좋겠습니다.
정리하면
무신사는 AI 트렌드 큐레이션을 12개 카테고리로 넓혔고, 그 뒤로 이용자의 필터 활용이 크게 늘었습니다. 이 변화는 쇼핑앱의 경쟁 축이 상품 수를 늘리는 데서 탐색 시간을 줄이는 쪽으로 옮겨가고 있다는 점을 보여줍니다. 편리함이 커지는 만큼 취향 획일화나 데이터 활용 문제도 함께 지켜봐야 합니다. 결국 추천을 참고하되 스스로 고르는 감각을 놓지 않는 소비자가 이 변화를 가장 잘 누릴 수 있습니다.
— 카드 1~8의 본문이 비어 있어서 주제와 SNS 캡션만 보고 썼습니다. 주제 제목이 “필터 이용률 최대…”에서 잘려 정확한 증가 수치를 알 수 없었습니다. 그래서 숫자를 지어내지 않고 “눈에 띄게 올랐다”, “크게 늘었다”로만 적었습니다. 실제 수치나 카드 원문이 있으면 해당 섹션에 넣으면 됩니다. 아마존 AI 쇼핑 도우미와 잘란도 사례는 일반적으로 알려진 내용을 바탕으로 했습니다. 발행 전에 한 번 확인해 주세요. 본문 분량은 HTML 태그를 빼고 약 2,100자입니다.
카드뉴스 전체 보기
아래 카드뉴스 이미지로 전체 내용을 한눈에 확인할 수 있습니다.
