|
|
|
|
|
 |
압박 1 카탈로그 정리보다 매출이 먼저 아닙니까.
카탈로그 PM의 문제는 한 문장으로 "고객이 상품을 빠르게 찾고, 정확히 이해하고, 안심하고 구매하도록 상품 정보를 표준화·정합화·중복 제거해 플랫폼 전체 성과를 끌어올리는 것"입니다.
결국 카탈로그는 데이터 품질의 문제가 아니라 경험과 매출, 운영비용의 문제입니다.
카탈로그는 단독 제품이 아니라 공통 인프라입니다.
매출과 카탈로그는 경쟁이 아니라 순서의 문제입니다.
카탈로그는 감이 아니라 지표와 프로세스로 움직이는 영역입니다.
이 커머스에서 카탈로그 품질은 검색·추천·광고·CS·정산까지 전부를 흔드는 출발점입니다.
저는 화려한 말보다, 정확한 기준과 검증 가능한 개선으로 지마켓의 카탈로그 품질을 끌어올리겠습니다.
|
|
|
 |
지 마켓에서 카탈로그 품질이 나빠지면 어떤 문제가 연쇄적으로 생기나요
좋은 카탈로그를 "측정" 하려면 어떤 지표를 보시겠습니까
판매자(셀러)와의 충돌 상황에서 카탈로그 정책을 어떻게 집행하겠습니까
검색 /추천/광고/머천다이징팀과 카탈로그 PM은 어떻게 협업해야 하나요
압박 1 카탈로그 정리보다 매출이 먼저 아닙니까.
압박 2셀러가 "내 상품이 왜 묶였냐"라고 항의합니다.
품질지표는 중복률(duplicaterate), 매칭 정확도(precis ion/recall 또는 샘플링 기반 정답률), 속성 충족률(필수 속성채움), 속성 오류율(유효값 위반), 표준 명 적용률, 이미지 품질/규격 준수율 같은 '카탈로 그 자체의 건강'입니다.
비즈니스 임팩트는 검색 무결과율, 검색 후 전환율, PDP 전환율, 옵션 선택 이탈률, 반품/오배송 관련 CS비중, 동일상 품군 가격비교 사용률 같은 지표로 연결합니다.
중요한 건 "정리했더니 좋아졌다"가 아니라"어떤 품질지표가 어떤 비즈니스 지표를 끌어올렸는지"를 한 줄로 연결하는 것입니다.
흐름은 1) 입력표준화 2) 검증 3) 매칭 4) 편입 5) 모니터링으로 설계합니다. 입력 단계에서는 셀러가 제공하는 상품명/브랜드/모델명/옵션 구조를 템플릿화하고, 필수 값과 유효값을 강제합니다. 검증 단계에서는 금지어, 중복 옵션, 잘못된 단위(예:mL와 L혼용), 이미지 규격 등을 자동 검사해 반려 또는 보정 추천을 제공합니다. 매칭 단계에서는 후보군 생성(브랜드·모델·핵심 속성) 후 스코어링으로 동일 상품을 묶고, 불확실하면 "검수큐"로 보냅니다. 편입 단계에서는 카탈로그 ID를 확정해 검색/추천/재고/가격과 연결합니다. 마지막으로 모니터링에서 매칭 오류 신호(반품, 문의 급증, 리뷰불일치 를 감지해 재검 수루프를 만듭니다.
개편은 택소노미를 멋있게 만드는 프로젝트가 아니라, 검색과 필터, 구매 결정에 필요한 정보를 최소 비용으로 제공하는 프로젝트입니다.
저는 1) 고객 여정에서 필요한 속성정의2) 현행 데이터의 커버리지 /품질 진단 3) 필수/권장/선택 속성 계층 설계 4) 입력 UX와 검증 룰 설계 5) 마이그레이션과 운영정책 수립 순으로 진행하겠습니다. 특히 필수 속성은 늘릴수록 셀러 부담이 커지므로, "전환에 영향이 큰 속성"부터 단계적으로 필수화하겠습니다. 또한 속성 값은 자유입력이 아니라 가능한 한 표준값(드롭다운, 사전, 단위 강제 을 늘려야 합니다.
유입 문제라면 셀러 입력 폼, 템플릿, 가이드, 필수값 강제가 원인입니다.
저는 먼저 공통의 노스 스타를 잡겠습니다.
저는 순서를 "옵션 구조 →상품명→이미지"로 두겠습니다.
옵션 구조가 정리되면 상품명도 단정해집니다.
상품명은 키워드 스팸이 섞이기 쉬워, 먼저 옵션에서 빠질 정보를 제거하고, 상품명은 '브랜드-라인-모델-핵심 스펙'처럼 규칙을 정해 표준화를 진행하겠습니다.
상위 검색어에서 무결과율이 높은 구간 2) 조회는 높은데 전환이 낮은 상품군 3) 반품/CS에서 특정 사유가 반복되는 카테고리4) 동일 상품 중복으로 가격비교가 어려운 구간을 먼저 찾겠습니다.
예를 들어 동일 상품군의 필터 구성, 스펙 표준화, 옵션 선택 UX, 리뷰 통합방식 등이 참고포 인트가 됩니다.
저는 문제 발생 시 화면 탓을 하지 않고, 데이터 소스→변환→저장→서빙의 경로에서 어디 가 깨졌는지 추적 가능한 구조를 만들겠습니다.
상품 유입-검증-매칭-노출의 전체 플로우를 문서화하고, 카테고리별로 품질지표(중복률, 속성충족률, 매칭 정답률) 베이스 라인을 잡겠습니다.
예를 들어 상위 트래픽 카테고리에서 동일 상품 중복이 심해 가격 경쟁력이 분산된다면, 그 구간의 매칭 정확도와 대표 상품 노출로직을 먼저 손보겠습니다.
오늘 안에 해야 할 일은 "완벽한 원인 규명"이 아니라"확산을 멈추고 피해를 줄이는 조치"입니다.
즉시 해당 매칭 규칙/모델을 롤 백 또는 임계값 상향으로 보수화해 추가 오탐을 막습니다.2) 영향을 받은 상품군을 식별해 노출 제한(검색/추천에서 디부스트) 또는 구매 경고 문구로 고객 피해를 줄입니다.
반대는 보통 1) 지표 악화 우려 2) 운영 부담 증가3 단기 매출 하락 공포에서 나옵니다.
PM은 인기투표가 아니라, 근거로 결정하게 만드는 역할입니다.
카탈로그는 감이 아니라 지표와 프로세스로 움직이는 영역입니다.
저는 빠르게 플로우를 문서화하고, 품질지표 베이스 라인을 잡고, 임팩트 큰누수부터 개선하는 방식으로 성과를 만들 수 있습니다.
신입이라서 무리한 결정을 하겠다는 게 아니라, 신입답게 빠르게 배우고, 데이터로 판단하고, 반복 가능한 운영체계를 만들겠습니다.
동일 상품 기준, 속성 필수화 기준, 이의제기 프로세스를 명확히 만들어 흔들리지 않는 운영을 만들겠습니다. |
 |
상품, 속성, 카탈로그, 매칭, 품질, 단계, 이다, 값, 검증, 필수, 옵션, 지표, 입력, 검색, 만들다, 군, 모델, 고객, 브랜드, 중복 |
|
|
|
|
|
|
 |
|
|
|
|
|
|
|
|
|
|
|
| |
|
|
|
2025.12.26
9페이지
