"A/B테스트"라고 하면 개발팀이 서버에 코드 두 버전을 심어놓고 트래픽을 반씩 나누는 장면을 떠올리기 쉽습니다. 실제로 대형 플랫폼은 그렇게 합니다. 하지만 1인 셀러나 소규모 스토어라면 그 정도 장치가 없어도 실험은 시작할 수 있습니다.
이커머스에서 A/B테스트는 결국 이 질문 하나로 요약됩니다.
"지금 방식과 바꾼 방식 중 어느 쪽이 더 많이 팔리는가?"
정교한 도구가 없어도, 기간을 나눠서 비교하거나(순차 비교) 요일·시간대를 맞춰 두 버전을 번갈아 노출하는 방식으로도 충분히 시작할 수 있습니다. 완벽한 통계 검증보다 중요한 것은 무엇을 바꿨고 무엇이 달라졌는지를 기록하는 습관입니다.
지금까지 13강에서 데이터 진단을, 14~20강에서 상세페이지 개선안을 만들어봤습니다. 그다음 단계가 바로 실험입니다. 진단과 개선안은 "이렇게 하면 나아질 것 같다"는 가설이고, 실험은 그 가설이 실제로 맞는지 확인하는 절차입니다.
이커머스 실험은 크게 세 갈래로 나뉩니다.
| 갈래 | 무엇을 바꾸는가 | 대표 예시 |
|---|---|---|
| 가격 실험 | 할인율, 묶음가, 가격 표기 방식 | 단품가 유지 vs 2종 세트 묶음가 |
| 상세페이지 실험 | 대표이미지, 후킹카피, 리뷰 노출 순서 | 향 지속시간 문구 유무 |
| 배송·결제 조건 실험 | 무료배송 기준, 도착보장, 간편결제 노출 | 3만원 이상 무료배송 유지 vs 기준 조정 |
세 갈래는 서로 배타적이지 않습니다. 오히려 순서대로 하나씩 실험하는 편이 무엇이 효과를 냈는지 구분하기 쉽습니다. 가격과 상세페이지를 동시에 바꾸면 매출이 올라도 어느 쪽 덕인지 알 수 없습니다.
"할인을 더 하면 당연히 더 팔리지 않을까요?"라는 질문을 자주 받습니다. 맞을 때도 있지만 항상 맞지는 않습니다. 할인율을 올렸는데 오히려 전환율은 그대로거나, 객단가만 떨어져 순이익이 줄어드는 경우도 흔합니다. 13강 진단에서 확인했듯, 글로우캔들의 진짜 병목은 가격이 아니라 "향을 직접 맡아볼 수 없다는 확신 부족"이었습니다. 이런 상품이라면 가격을 아무리 낮춰도 전환율은 그대로일 수 있습니다.
실험은 "어느 쪽이 옳다고 믿는가"가 아니라 "실제로 어느 쪽이 더 팔렸는가"를 확인하는 절차입니다. 감으로 결정하면 그 결정이 왜 맞았는지, 틀렸다면 왜 틀렸는지 다음에 써먹을 근거가 남지 않습니다. 실험 기록은 남습니다.
13강에서 진단한 담당 상품 '글로우캔들 라벤더 단품'을 계속 사용합니다. 판매가 18,000원, 실질 마진율 42.6%, 월 방문자 약 3,000명, CVR 1.2%였고, 가장 약한 구간은 장바구니 대비 결제완료율(25%)이었습니다. 원인으로는 향을 직접 맡아볼 수 없다는 확신 부족, 리뷰의 "향이 약하다"는 언급 8건, "향 지속시간" 검색어에 대한 정보가 상세페이지에 없다는 점이 확인됐습니다. 14~19강에서는 이 문제를 겨냥해 상단 3초 화면에 향 지속시간 정보를 넣고, 향 지속력 관련 리뷰를 품질 설명 블록 옆으로 옮기고, 교환·환불 정책을 결제 버튼 근처에도 배치하는 상세페이지 개선안을 만들었습니다.
이 개선안이 실제로 결제완료율을 올리는지는 아직 확인 전입니다. 지금부터가 실험 단계입니다. 이 상품에서 뽑을 수 있는 실험 후보를 미리 살펴보면 이렇습니다.
세 가지 모두 22강부터 순서대로 설계법을 다룹니다. 지금 단계에서는 우리 상품도 이렇게 쪼개서 볼 수 있다는 것을 확인하는 것으로 충분합니다.
지금 관리하는 상품, 또는 글로우캔들 라벤더 단품을 놓고 아래 빈칸을 채워보세요.
[상품명]
1. 가격 관련 실험 후보:
2. 상세페이지 관련 실험 후보:
3. 배송·결제 조건 관련 실험 후보:
정답이 정해진 문제가 아닙니다. 13강 진단에서 이탈률이 높게 나온 지점, 14~20강에서 손댄 요소를 다시 열어보면 후보가 자연스럽게 나옵니다.
22강. 실험 설계 기본기: 가설·변수·기간·표본 정하기(이커머스 버전)에서 오늘 뽑은 실험 후보를 실제로 실행 가능한 설계로 구체화합니다.