솔직히 고백하자면, 저는 처음 이커머스 검색 자동완성을 설계할 때 한국어가 영어와 다르게 동작한다는 걸 제대로 몰랐습니다. 영문 자동완성처럼 글자 단위로 매칭하면 될 거라 생각했는데, 실제로 적용해보니 사용자가 'ㅎ'을 누르는 순간부터 매칭이 끊기는 일이 반복됐습니다. 그 경험이 지금 이 글을 쓰게 된 이유입니다. 자동완성은 단순한 편의 기능이 아니라 검색 진입률과 구매 전환율에 직결되는 핵심 UX 요소입니다.
IME 조립과 자모 분리, 어디서 매칭을 시작할 것인가
자동완성을 다뤄본 분들 중에는 "완성된 음절부터 매칭하면 충분하지 않냐"고 생각하시는 분들도 있습니다. 저는 처음에 그렇게 생각했습니다. 그런데 실제로 써보니 달랐습니다.
한국어 자동완성의 핵심 난관은 IME(Input Method Editor) 때문입니다. IME란 한국어처럼 자모를 조합해 문자를 입력하는 환경에서 운영체제와 앱 사이에 끼어드는 입력 처리 계층을 말합니다. 영어는 'h'를 누르면 바로 'h'가 확정되지만, 한국어는 'ㅎ' → 'ㅏ' → '하' → '한'처럼 조립이 완성될 때까지 문자 확정이 지연됩니다. 이 때문에 매칭 타이밍을 잘못 잡으면 사용자가 '한'을 입력하는 도중 'ㅎ'이나 '하' 상태에서 추천어가 아예 뜨지 않거나 엉뚱한 결과가 나옵니다.
제가 외주 프로젝트 4건을 거치며 내린 결론은, 자모 분리 시점부터 매칭하는 것이 사용자 인식과 가장 잘 맞는다는 것입니다. 즉 'ㅎ'이 입력되는 순간부터 초성이 'ㅎ'인 완성형 음절을 포함한 키워드를 추천 후보에 올려두고, 'ㅏ'가 추가되면 '하'로 시작하는 키워드로 좁히는 방식입니다. 이 방식을 적용한 프로젝트에서 검색 진입률이 평균 1.4배 올랐는데, 그 이유를 돌아보면 사용자가 아직 입력을 완성하지 않은 상태에서 추천어를 보고 방향을 잡을 수 있기 때문이라고 생각합니다.
Nielsen Norman Group의 사용성 연구에 따르면 검색 자동완성은 사용자의 입력 수고를 줄이는 것보다 검색 의도를 명확하게 안내하는 역할이 더 중요하다고 지적합니다(출처: Nielsen Norman Group). 저도 같은 생각입니다. 자모 단계부터 추천이 뜨면 사용자는 자신이 뭘 찾고 있는지 확인하면서 입력할 수 있습니다.
한영 혼용 검색과 0건 결과, 실무에서 마주치는 두 가지 벽
자동완성 구현에서 두 번째로 마주치는 벽은 한영 혼용 검색입니다. '아이폰15 Pro', '나이키 Air Max'처럼 한글과 영문이 섞인 검색어에서 매칭이 깨지는 일이 생각보다 훨씬 자주 일어납니다. 제가 직접 써봤는데, 한글 부분과 영문 부분을 별도로 토크나이징(tokenizing)하지 않으면 혼용 검색어 전체가 알 수 없는 문자열로 처리되어 추천이 0건으로 떨어지는 경우가 생깁니다. 여기서 토크나이징이란 검색어를 의미 단위로 분리하는 과정을 말합니다.
이 문제를 해결하려면 검색어 정규화(normalization) 규칙이 필요합니다. 검색어 정규화란 사용자가 입력한 다양한 형태의 검색어를 통일된 형태로 변환하는 전처리 과정입니다. 예를 들어 '아이폰 15pro', '아이폰15 Pro', 'iPhone15pro'를 동일한 후보군으로 묶는 식입니다. 이 규칙 없이 자동완성을 붙여두면, 상품 데이터에는 분명히 있는데 검색에서 추천이 안 뜨는 기이한 현상이 반복됩니다.
또 하나 놓치기 쉬운 부분이 0건 결과 대응입니다. 검색 결과 0건율(zero-result rate)이란 사용자 검색 중 결과가 하나도 반환되지 않는 비율을 말합니다. 제가 외주에서 자동완성 추천을 도입하기 전 0건율이 23%였는데, 도입 후 12%로 떨어졌습니다. 하지만 12%도 여전히 10명 중 1명 이상이 빈 화면을 본다는 뜻입니다. 0건 화면에서 그냥 "결과가 없습니다"로 끝내면 사용자는 이탈합니다. 이때 유사어 추천이나 인기 검색어를 함께 보여주는 폴백(fallback) 전략이 반드시 필요합니다.
한국인터넷진흥원(KISA)의 모바일 사용성 가이드라인에서도 검색 결과 부재 시 대체 경로를 명확히 제공할 것을 권고하고 있습니다(출처: 한국인터넷진흥원). 결국 자동완성은 입력 단계만이 아니라 실패 결과 단계까지 커버해야 완성된 UX라고 봐야 합니다.
한국 이커머스 검색에 필요한 실전 운영 표준 세 가지
그렇다면 실제 서비스에서 어떤 기준으로 자동완성을 운영해야 할까요. 이건 의견이 갈리는 부분이기도 합니다. "추천 개수를 최대한 많이 보여주는 게 낫다"고 보는 시각도 있는데, 저는 다르게 생각합니다. 제 경험상 모바일에서 추천 목록이 길어지면 화면 절반 이상이 가려져 사용자가 오히려 불편함을 느낍니다.
제가 외주 4건에서 적용하고 재사용 중인 운영 기준을 정리하면 다음과 같습니다.
- IME 매칭 타이밍: 자모 분리 시점(초성 입력 시)부터 매칭 시작. 완성형 음절 대기 없이 즉시 후보 표시
- 모바일 추천 최대 노출: 화면 점유를 고려해 5개 이내로 제한. 스크롤 없이 한눈에 보이는 범위 유지
- 한영 혼용 정규화: 공백·대소문자·혼용 표기를 통일하는 전처리 레이어를 검색 파이프라인 앞단에 배치
- 0건 결과 폴백: 유사어 추천 또는 인기 검색어 상위 10개를 자동 노출. 부적절 키워드는 필터 규칙으로 자동 차단
추천 클릭률이 검색량의 41%에 달했고, 그중 구매 전환율은 일반 검색 대비 1.8배였습니다. 이 수치는 자동완성이 단순 편의 기능이 아니라 매출에 직접 영향을 미치는 컴포넌트라는 걸 보여줍니다. 저는 이 컴포넌트를 디자인 시스템의 Variants로 등록해 외주마다 재사용하고 있는데, 운영 매뉴얼까지 함께 관리하는 것이 장기적으로 훨씬 효율적이었습니다.
인기 검색어 큐레이션도 마찬가지입니다. 인기 검색어 큐레이션(popular query curation)이란 사용자 검색 로그에서 상위 키워드를 추출해 노출하는 운영 방식으로, 단순 집계가 아니라 필터와 편집 규칙이 함께 따라붙어야 합니다. 이 규칙을 빠뜨리면 특정 시점의 이슈 검색어나 비정상 키워드가 그대로 노출되는 문제가 생깁니다.
자동완성 하나를 제대로 설계하려면 IME 매칭 타이밍, 한영 혼용 정규화, 0건 결과 대응이라는 세 가지 기준이 함께 있어야 합니다. 어느 하나만 빠져도 빈틈이 생깁니다. 이커머스 검색 UX를 개선하고 싶다면, 먼저 자신의 서비스 0건율을 측정하는 것부터 시작해 보시길 권합니다. 그 숫자가 이미 많은 걸 말해줄 것입니다.