🔎 ‘검색’을 설계하는 사람들의 리얼 인사이트

🎧 팁스터의 새로운 콘텐츠 팟캐스트가 유튜브와 스포티파이에서 시작됩니다!

👑 팁스터 북터뷰

IT 재직자라면 한번쯤 읽어보면 좋은 책을 저자와 함께 직접 인터뷰해 소개드립니다!

🌱 이벤트 안내

유튜브 시작을 알리는 기념으로 <북터뷰>에 공개된 회차들의 좋아요, 댓글을 남겨주시는 분들 중 추첨을 통해 [10년차 IT 기획자의 노트]책과 [팁스터 유료멤버십 1개월권]을 선물로 드립니다.

팟캐스트 듣기

👑 팁:수다 (Coming Soon)

현직자들의 공감되는 사연과 직장생활에서의 고민을 직접 풀어해치고, 나라면 어떻게 해결할지 심층 고민을 기반으로한 수다가 공개됩니다! (사연 신청하고 싶으신 분들은 지금 바로 신청해주세요!)

사연 신청하기

🍳 오늘의 레시피 ’검색 기능’

검색은 단순히 정보를 찾는 기능일까요?

사실은, 사용자가 가장 먼저 기대고 싶은 안내자에 가까워요. 이번 뉴스레터에서는 검색 기능을 설계하고 개선해온 세 명의 메이커와 이야기를 나눴는데요. 사용자와 정보를 제대로 연결하기 위해, 그들은 어떤 고민과 선택을 해왔을지 지금 바로 확인해보세요!

🧑‍🍳 오늘의 메이커

14년차 서버 개발자, 콜린

안녕하세요. 현재 재직 중인 회사에서 서버 개발을 담당하고 있는 콜린이라고 합니다.

🥕 핵심 재료

🔥 조리 방법

Q1. 검색 기능을 처음 도입하거나 개선하기로 결정했을 때, 가장 중요하게 해결하고자 했던 사용자 문제나 비즈니스 목표는 무엇이었나요? (당시 어떤 고민들을 하셨고, 초기 가설은 무엇이었는지 구체적인 사례나 스토리와 함께 들려주실 수 있을까요?)

검색 기능을 도입하거나 개선할 때 어떤 고민이 있었는지에 대해서는, 예전에 참여했던 서비스에서 엘라스틱서치를 도입했던 경험을 예로 말씀드릴 수 있을 것 같아요.

처음에는 사내에서 제작한 콘텐츠만 다뤘기 때문에 단순한 like 검색 정도로도 충분했지만, 사용자가 직접 카카오톡 테마를 만들어 자유롭게 업로드할 수 있도록 기획이 바뀌면서 통합 검색의 필요성이 생겼어요. 콘텐츠 양과 다양성이 급격히 증가할 것으로 예상됐고, 이 흐름 속에서 검색은 필수 기능이 되었죠.

이후 도입된 팔로우, 좋아요 기반의 랭킹 시스템 같은 소셜 기능과도 연계되면서, 검색은 유저들이 원하는 콘텐츠를 빠르게 찾는 것을 넘어 유저의 참여를 유도하는 도구로서 설계하고자 했어요. 예를 들어, 퀄리티가 높다고 판단되는 콘텐츠나 작가에게는 인증 마크를 부여하고, 검색 결과에서 우선적으로 노출되도록 해 유저가 자연스럽게 “나도 저렇게 만들어서 더 많은 사람들에게 보여주고 싶다”는 동기를 느끼도록 말이죠.

결과적으로 이 검색 기능은 사용자가 콘텐츠를 찾기 쉽게 만드는 것뿐만 아니라, 유저를 단순한 소비자에서 크리에이터로 전환시키는 중요한 도구로 작용했다고 생각해요. 검색은 단순한 기능이 아니라 하나의 흐름이었고, 사용자 여정의 출발점이자 중간 지점, 때로는 도착점이기도 했어요.

Q2. 사용자들이 원하는 '좋은' 검색 결과를 정의하기 위해 어떤 과정과 노력을 하셨나요? 예를 들어, 검색어 의도를 파악하거나, 다양한 결과(상품, 콘텐츠 등) 중 무엇을 우선순위로 보여줄지 결정할 때 어떤 데이터나 사용자 피드백을 활용하셨는지, 그리고 그 과정에서 겪었던 어려움이나 흥미로운 발견이 있다면 공유해주세요. 

좋은 검색 결과를 정의하고 제공하는 작업은 생각보다 훨씬 복잡하다고 생각해요. 그중에서도 가장 어려웠던 부분은 검색어의 의도를 정확히 파악하는 일이었어요. 현재는 그 의도를 정밀하게 분석하거나 자동화할 수 있는 시스템이 충분히 갖춰진 상태는 아니기 때문에, 우선은 검색어에 대한 기본적인 로그, 사용자 상호작용 정보, 개인화 데이터를 차근차근 축적하는 데 집중하고 있어요. 이런 기초 데이터가 향후 검색 품질 개선의 기반이 될 거라고 판단했기 때문이죠.

또한, 검색어 의도를 완전히 예측하기 어려운 상황에서는 유연한 구조로 대응하는 것이 중요하다고 생각했어요. 사용자의 검색 행동, 시기, 맥락에 따라 가장 적절한 결과를 보여주기 위해, 노출 순서를 상황에 맞게 조정하거나, 필요시 가중치를 조정할 수 있도록 구조를 마련하고 있어요. 아직 완전히 자동화된 시스템은 아니지만, 변화에 대해 조금 더 유연하게 반응할 수 있는 기반을 마련해 가고 있는 단계에요.

검색어 추천(Suggest) 기능을 운영하면서 흥미로운 점도 있었어요. 초기에는 신조어나 밈, 줄임말처럼 표준화되지 않은 키워드에 대응하기 위해 별도의 사전을 구축하려고 했지만, 구축과 유지가 어렵고 신뢰도도 낮다는 한계가 있었어요. 그런데 검색어 추천 기능을 함께 제공하자, 사용자들이 의도한 키워드를 더 빠르고 정확하게 선택하게 되었고, 오타나 불완전한 입력도 훨씬 잘 보완되는 것을 확인할 수 있었어요.

이런 유행어 자체가 대부분 사용자 생성 콘텐츠 안에서 자주 사용되기 때문에, 콘텐츠에서 자주 등장하는 키워드를 자동 추천어로 연결하는 방식이 사전 기반 접근보다 훨씬 현실적이고 정확도가 높았던 거죠. 결과적으로 사전을 자동화하는 대신, 서제스트 품질을 지속적으로 관리하고 개선하는 쪽이 훨씬 효율적이고 성과도 좋았다는 점이 인사이트였어요.

Q3. 검색 시스템을 설계하거나 구현하면서 기술적으로 또는 디자인적으로 가장 도전적이었던 부분은 무엇이었나요? 예를 들어 성능 최적화, 복잡한 랭킹 로직 구현, 혹은 사용자 인터페이스 설계 등 특정 문제를 해결하기 위해 어떤 기술적/디자인적 고민을 하셨고, 어떤 트레이드오프를 감수해야 했는지 구체적인 상황과 함께 설명해주세요.

검색 시스템 설계에서 가장 도전적이었던 부분은 상태 반영의 타이밍 이슈와 검색 정확성 보장이었어요. alias* 구조 도입 전에는 읽기와 쓰기를 동일한 인덱스에서 처리하고 있었기 때문에, 콘텐츠의 정보가 대량으로 수정되었을 때, 그 정보가 검색에 반영되는 속도가 느려지거나, 서버에 과부하가 생겨 검색이 제대로 작동하지 않는 일이 자주 생겼어요. 즉, 작업을 다 끝냈더라도 사용자는 그 변경 사항을 검색 결과에서 바로 확인할 수 없었던 거예요.

이 문제를 해결하기 위해 ‘읽기’와 ‘쓰기’ 검색 경로를 분리하는 alias 구조를 도입하고, 여기에 ‘인덱스를 교체하는 방식’인 인덱스 롤링 전략을 함께 적용했어요.

쓰기 alias는 새로운 데이터나 변경된 정보를 처리하는 전용 경로로 사용하고, 읽기 alias는 안정적이고 검증된 인덱스를 바라보게 구성했어요. 그리고 모든 변경 작업과 인덱싱이 끝난 뒤에, 읽기 alias가 새로운 인덱스를 바라보도록 연결을 바꾸면, 사용자에게 보여지는 검색 결과도 바로 최신 상태로 바뀌게 돼요. 이 방식 덕분에 검색 품질을 우리가 원하는 시점에 정확하게 통제할 수 있게 됐어요.

이 구조는 단순히 성능 문제를 해결한 것을 넘어, 무중단 인덱스 롤링, 매핑 변경 대응, 검색 정확성 제어 등 운영 안정성과 확장성 모두를 개선하는 핵심 전환점이 되었어요.

*alias란? 말 그대로 ‘별칭’이라는 뜻이고, 검색 시스템(특히 Elasticsearch 같은 시스템)에서는 인덱스를 가리키는 가상의 이름이에요.

Q4. 검색 기능 개발 및 운영 과정에서 예상치 못했던 실패나 어려움을 겪었던 경험이 있으신가요? 예를 들어 특정 개선 시도가 오히려 사용자 경험을 해치거나, 데이터 분석 결과가 예상과 달랐던 경우 등 어떤 상황이었고, 그 실패를 통해 무엇을 배우고 어떻게 다음 단계에 반영하셨는지 과정을 함께 들려주세요.

가장 기억에 남는 실패는 콘텐츠의 대표 색상을 기반으로 한 컬러 검색 기능 도입이었어요. 사용자가 원하는 색상을 선택하면 유사한 콘텐츠를 쉽게 찾을 수 있을 거라는 가설 아래, 이미지의 대표 색상을 HSV(Hue, Saturation, Value)로 추출하고 Elasticsearch에 인덱싱해 색상 범위 검색 기능을 구현했어요. 하지만 실제 운영 과정에서 예상하지 못했던 문제가 나타났어요.

첫 번째는 컬러 범위가 너무 좁으면 검색 결과가 거의 없었고, 너무 넓히면 시각적으로 동떨어진 콘텐츠가 노출되어 혼란을 줬어요. 예를 들어, ‘자주색’만 선택하면 해당하는 콘텐츠 결과가 거의 없거나 1~2건만 노출되고, 컬러 범위를 넓히면 의도하지 않은 색상 결과까지 노출되었어요. 사용자는 이를 검색 실패로 인식하게 되었고, 검색 기능 자체에 대한 신뢰가 떨어지게 되었죠.

두 번째로는 색상 유사도 기준의 정렬은 사용자 인식과 달라 결과가 직관적이지 않았어요.

그리고 결정적인 문제는, 예외 처리나 fallback* UX 없이 급하게 출시한 탓에 사용자들에게 컬러 검색은 ‘잘 안 맞는 기능’이라는 인식을 심어주게 되었고, 기능 자체의 신뢰도에 타격을 입히게 되었어요.

이 경험을 통해 저는 다음과 같은 중요한 교훈을 얻었어요: “기술적으로 구현 가능하다고 해도, 사용자에게 유용하려면 철저한 설계와 사전검증이 필수다.”

그 이후로 기능을 설계하거나 배포할 때는, 반드시 다음 세 가지를 기본 원칙으로 삼고 있어요:

컬러 검색 기능의 실패는 아픈 경험이었지만, 덕분에 기능의 ‘정확성’보다 ‘신뢰감’이 더 중요하다는 인식을 얻게 된 값진 경험이었어요.

*fallback 이란? IT나 시스템 설계에서 자주 쓰이는 용어인데, 쉽게 말하면 “기본 기능이 실패했을 때 대신 사용하는 예비 수단"이에요.

Q5. 수많은 검색 관련 의사결정을 내리실 때, 검색 기능을 단순히 '검색창과 결과 목록' 이상으로 어떤 관점이나 '멘탈 모델'을 가지고 바라보시나요? 그리고 앞으로 검색 기능이 어떤 방향으로 발전해야 한다고 생각하시는지, 그 이유는 무엇인지 평소의 철학이나 비전과 함께 이야기해주세요.

TikTok의 검색 경험을 보며 인상 깊었던 점은, 콘텐츠 시청 중 검색을 누르면 방금 본 내용이나 관심 있을 만한 키워드가 자연스럽게 추천된다는 점이었어요. 겉보기엔 사소하지만, 사용 흐름을 끊지 않고 더 많은 콘텐츠 소비로 이어지도록 정교하게 설계된 것이 느껴졌어요.

TikTok은 이렇게 검색을 단순한 정보 탐색 수단이 아닌, 서비스 목적에 부합하는 사용자 행동 유도 도구로 잘 활용하고 있다고 생각해요.

이 경험을 통해, 제가 속한 서비스에서도 검색은 단순한 입력-출력 기능이 아니라 사용자 여정의 핵심 전환 지점이 되어야 한다고 생각하게 되었어요.

물론 현재 검색 기능이 완성도 높다고 보긴 어렵지만, 어떤 방향으로 나아가야 할지는 분명히 하고 있어요. 그 과정에서 검색의 핵심 목표는 다음과 같아요.

저는 우리 서비스의 검색이 단순한 탐색을 넘어 동기 부여와 창작으로 이어지는 흐름을 만들어가기를 바라고 있어요. 아직 부족하지만 “이 구조가 사용자의 다음 행동으로 자연스럽게 이어질 수 있을까?”, “이 검색 결과가 어떤 참여나 전환을 유도할 수 있을까?”를 고민하며 설계하고 있어요.

🍬 디저트

콜린님이 인상 깊은 경험을 느꼈던 Tiktok의 검색 엔진에 대한 글이에요. 글에서는 TikTok의 검색 기능이 어떻게 사용자에게 맞춤형 정보를 제공하며, 기존의 검색 엔진과는 다른 방식으로 정보를 탐색하게 하는지를 설명하고 있어요.

12년차 콘텐츠 플랫폼 프로덕트 매니저, 릴리

"좋은 검색은 사용자의 질문에 정확하고 따뜻하게 답하는 것이라 믿어요"

콘텐츠 플랫폼에서 8년 넘게 일하며, 사용자와 콘텐츠가 더 잘 만날 수 있도록 돕는 검색 경험과 추천 시스템을 설계하고 있어요. 단순히 ‘무엇을 보여줄 것인가’가 아니라, ‘어떻게 보여주면 사용자 여정이 더 좋아질까’를 끊임없이 고민하고 있고요. 검색이라는 기능이 단순 도구를 넘어 서비스와 사용자가 신뢰를 쌓는 접점이 될 수 있도록 설계하고, 수많은 실험과 실패를 통해 유의미한 방향성을 만들어내는 데 흥미가 많은 PM입니다.

🥕 핵심 재료

🔥 조리 방법

Q1. 검색 기능을 처음 도입하거나 개선하기로 결정했을 때, 가장 중요하게 해결하고자 했던 사용자 문제나 비즈니스 목표는 무엇이었나요? (당시 어떤 고민들을 하셨고, 초기 가설은 무엇이었는지 구체적인 사례나 스토리와 함께 들려주실 수 있을까요?)

지금 담당하는 콘텐츠 플랫폼의 초기 버전에는 검색 기능이 없었어요. 검증을 위한 버전이기도 했고, 양보다는 질을 강조한 방향이라 카테고리나 에디터 추천을 통해 콘텐츠를 발견하는 방식을 활용했기 때문이에요. 1년 간, 작가와 독자가 늘어나면서 사용자들이 원하는 콘텐츠를 쉽게 찾지 못한다는 피드백을 꾸준히 제공했는데요. 원하는 글을 직접 찾아보고 싶어하는 수요가 생겼다는 걸 알 수 있었어요. 

이를 위해 검색 스쿼드가 TF 형태로 만들어졌고, 고민 끝에 몇 가지 초기 가설을 세웠어요. 첫째, 검색을 제공하면 사용자 이탈률이 줄고 만족도가 올라갈 것이라는 가설이었어요. 원하는 콘텐츠를 못 찾으면 그냥 떠나버리지만, 검색으로 찾아주면 계속 서비스를 이용할 거라는 판단이었죠. 둘째, 플랫폼에 축적된 오래된 글들도 검색을 통해 롱테일 트래픽을 얻을 수 있다는 기대가 있었어요. 예컨대 출시 당시 큰 주목을 못 받은 글도, 누군가의 검색어와 매치되면 다시 읽히면서 콘텐츠 소비가 늘어날 것이라고 봤죠.

물론 고민도 많았어요. "과연 어떤 방식으로 검색을 제공해야 사용자 불편을 구체적으로 해결할까?" 하는 부분이었는데요. 단순 키워드 매칭으로 검색을 만들면 기대에 못 미칠 수 있고, 엉뚱한 결과가 나오면 오히려 실망만 줄 수도 있는 상황이었어요. 예를 들어, 사용자가 “고양이”를 찾았을 때 진짜 원하는 건 귀여운 고양이 사진이 첨부된 에세이일 가능성이 높은데, 키워드 일치만 따지면 엉뚱하게 "고양이 별자리" 같은 글이 상위에 나올 수도 있으니까요.

그래서 초기에는 작게 시작하자는 전략을 택했습니다. 우선 기본적인 키워드 검색으로 MVP를 만들되, 결과 랭킹을 개선할 수 있는 여지를 남겨두자고 했죠. 비즈니스 관점에서는 플랫폼 내 창작자(작가)들의 노출 기회를 늘리는 것이 중요했어요. 검색을 도입하면 잠재적으로 모든 작가에게 트래픽 기회가 갈 것이라고 판단했죠. 

정리하자면, 검색 기능 도입의 핵심 목표는 사용자가 원하는 콘텐츠를 `바로 찾을 수 있게 해주는 것'과 동시에 '플랫폼 내 콘텐츠 소비를 촉진하여 활성도를 높이는 것'이었어요. 사용자 입장에서의 문제(찾고자 하는 걸 못 찾는 답답함)와 비즈니스 입장에서의 목표(콘텐츠 소비 향상, 작가 생태계 활성화)가 만나는 지점에 검색 도입 결정이 있었죠.

Q2. 사용자들이 원하는 '좋은' 검색 결과를 정의하기 위해 어떤 과정과 노력을 하셨나요? 예를 들어, 검색어 의도를 파악하거나, 다양한 결과(상품, 콘텐츠 등) 중 무엇을 우선순위로 보여줄지 결정할 때 어떤 데이터나 사용자 피드백을 활용하셨는지, 그리고 그 과정에서 겪었던 어려움이나 흥미로운 발견이 있다면 공유해주세요. 

"좋은 검색 결과"를 정의하기 위해 정량적 데이터 분석과 정성적 사용자 피드백을 모두 활용했어요. 우선 정량적인 접근으로는, 검색 로그 데이터를 면밀히 들여다봤어요. 어떤 검색어가 많이 입력되는지, 사용자가 검색 후 어떤 행동을 취하는지(첫 결과를 클릭하는지, 몇 번째 결과까지 스크롤하는지, 검색어를 다시 수정하는지 등)를 추적했죠. 이를 통해 검색 품질을 측정하는 몇 가지 지표를 세웠는데요. 예를 들어 첫 번째 결과 클릭률(CTR), 검색 후 이탈률(검색 결과를 보고 아무 액션 없이 떠나는 비율), 재검색률(한 번 검색 후 다른 키워드로 다시 검색하는 비율)이에요.

정성적인 방법으로는 실제 사용자들에게 피드백을 지속적으로 요청했어요. 베타 테스트 단계에서 유저 인터뷰와 설문을 진행했는데, 몇 가지 미리 준비한 검색 시나리오를 주고 “원하는 결과가 나왔나요? 어떤 결과가 더 위에 보였으면 좋겠나요?”처럼 물어봤죠. 기억에 남는 피드백 중 하나는 어떤 분이 "검색 결과 상위에 내가 원하지 않는 게 자꾸 나와요"라고 꼬집어 말해준 거예요. 구체적으로 들어보니, 그분은 플랫폼에서 특정 키워드로 글을 찾고 싶었는데 상단에는 그 키워드를 많이 포함한 다른 내용의 글들이 뜨고 정작 도움이 되는 콘텐츠는 노출 순위가 낮았던 거죠. 이 의견을 듣고 아, 단순 키워드 매칭만으론 부족하고 콘텐츠의 품질이나 신뢰도도 고려해야 한다는 깨달음을 얻게 되었어요.

또 하나 고려했던 건 결과의 종류와 우선순위인데요. 사용자는 대개 글(콘텐츠 자체)을 원해서 검색하지만, 플랫폼 입장에선 작가(창작자)도 노출하고 싶다는 욕심이 있기 때문이에요. 그래서 어떤 결과를 얼마나 위에 보여줄지 결정하기 위해 실험을 진행했어요. 글 결과 중간 중간 해당 키워드를 태그로 가진 작가 프로필을 몇 개 보여줬는데요. 일부 사용자는 검색 결과에 작가가 함께 보이는 걸 의아해했어요. "내가 찾는건 글인데 왜 사람 소개가 왜 나오지?"와 같은 의견이었죠. 반면 관심 주제의 작가를 발견해서 좋았다는 피드백을 주기도 했어요. 이 상반된 반응을 조율하기 위해, UI적으로 명확히 구분하기로 했어요. 예컨대 "작가 소개" 섹션을 따로 만들어 관련 작가들을 별도 블록로 보여주니 사용자도 혼동이 줄고, 작가도 노출되는 절충안이 되었죠.

흥미로운 발견도 많았어요. 하나는 사용자들이 생각보다 철자를 자주 틀리거나, 줄임말을 쓴다는 것이었어요. 예를 들어 어떤 분이 "투두 리스트 관리 앱"에 대한 글을 찾고 싶어서 검색창에 "to do 리스트"라고 영문 철자를 넣었는데, 저희 플랫폼 콘텐츠에는 대부분 "투두"처럼 한글로 쓰여 있어서 검색이 잘 안 된 거죠. 이런 사례를 데이터에서 발견하고, 검색어 교정 기능(오타 수정, 영문/한글 변환 등)이 필요하다는 것을 깨달았어요. 이후 철자 교정과 연관어 추천 기능을 도입해서 "to do"라고 검색해도 자동으로 "투두"에 대한 결과를 보여주도록 개선했죠. 

Q3. 검색 시스템을 설계하거나 구현하면서 기술적으로 또는 디자인적으로 가장 도전적이었던 부분은 무엇이었나요? 예를 들어 성능 최적화, 복잡한 랭킹 로직 구현, 혹은 사용자 인터페이스 설계 등 특정 문제를 해결하기 위해 어떤 기술적/디자인적 고민을 하셨고, 어떤 트레이드오프를 감수해야 했는지 구체적인 상황과 함께 설명해주세요.

검색 기능을 만들면서 가장 도전적이었던 부분을 하나 꼽자면, 검색 랭킹 알고리즘의 복잡함을 다루는 일이었어요. 기술적으로 단순히 단어가 일치하는 문서를 찾는 것은 비교적 쉽지만, “어떤 순서로 보여줄 것인가”가 진짜 고민이었죠. 저희는 기본적으로 Elasticsearch와 같은 검색 엔진을 사용해 키워드 일치도를 계산했는데, 그대로 두면 인기 없는 글이라도 키워드가 제목에 많으면 1등으로 나오는 경우가 있었어요. 반대로 훌륭한 글이어도 키워드가 조금밖에 없으면 뒤로 밀리곤 했죠.

이런 문제를 해결하기 위해 다양한 랭킹 실험을 거쳤어요. 일단 과거 데이터로 시뮬레이션을 돌려봤는데요. 예를 들어 100개의 대표적인 검색 쿼리에 대해 여러 랭킹 공식을 적용해보고, 그 결과를 팀원들과 블라인드 테스트했어요. 어떤 버전의 랭킹이 더 나은 결과를 내놓는지 서로 점수를 매겨 본 거죠. 재미있었던 건, 사람마다 "좋다"고 생각하는 결과가 약간씩 달랐다는 점이에요. 어떤 팀원은 최신 글이 위로 올라오는 걸 선호했고, 다른 사람은 좀 오래됐더라도 완성도 높은 글이 위에 있는 게 좋다고 대답했거든요.

결국 정답이 없는 문제기에 트레이드오프를 감수할 수밖에 없었어요. 신선도 vs 품질 사이에서 적절한 균형점을 찾는 게 핵심이었는데, 최종적으로는 혼합 랭킹을 채택했어요. 예를 들어, 기본은 텍스트 매칭 점수를 따르되, 일정 기간(예: 6개월) 이내의 콘텐츠는 가산점을 주고, 반대로 너무 오래된 콘텐츠(예: 3년 이상)는 약간 감점하는 식으로요. 여기에 조회수/추천수에 따른 가중치도 넣었지만, 인기만 반영하면 최신 이슈는 놓칠 수 있어서 상한선을 두어 인기 점수가 너무 영향 끼치지 않도록 했어요.

디자인적으로도 고민이 많았어요. 검색은 UI/UX 측면에서 사용자 여정의 마무리이자 새로운 시작이거든요. 특히 모바일 앱에서 검색 UI를 어떻게 구성할지가 가장 큰 도전이었어요. 예를 들어, 검색창을 누르면 곧바로 화면 위에 검색 입력 필드만 뜨게 할지, 아니면 별도 검색 화면으로 전환할지부터 결정해야 했어요. 저희는 고민 끝에 검색 전용 화면으로 전환하는 방식을 택했는데요. 인기 검색어나 추천 키워드를 보여줄 수 있고, 사용자도 검색 모드로 완전히 전환되니 몰입감이 생길거라는 기대 때문이었어요.

하지만 한 번 더 눌러야 하니 진입 단계가 늘어난다는 건 트레이드오프였죠. 이를 두고 팀 내에서도 의견이 갈렸지만, "검색은 서비스와 사용자의 마지막 밀당 지점(?)이니 차라리 한 번 더 탭하더라도, 빈 화면 대신 맥락을 제공하자"는 원칙을 세워 별도 화면 방식을 밀고 갔어요. 덕분에 검색 화면에 들어온 사용자는 곧바로 트렌드 키워드와 관련 작가 추천을 접하게 되고, 설령 검색어를 입력하지 않더라도 콘텐츠를 탐색하는 긍정적인 효과가 있었어요.

결과 화면 디자인도 쉽지 않았는데요. 앞서 말씀드린 것처럼 저희 검색은 글, 매거진, 작가 등 여러 유형의 결과를 보여줘야 했는데, 이를 한 화면에 어떻게 조화롭게 배치할지가 과제였어요. 처음엔 모든 유형을 한 리스트에 섞어서 보여줬더니 사용자들이 헷갈려했거든요. 그래서 탭으로 분리할까도 생각했지만, 그러면 한 번에 모든 결과를 못 보고 탭을 왔다갔다 해야 해서 번거로울거라 생각했어요. 결국 타협안으로 스크롤 속 섹션 분리를 활용했어요.

예를 들어 상단에는 글 결과를 카드 형태로 5개 보여주고, 중간에 구분선을 넣어 "작가 더 보기" 섹션을 넣는 식이에요. 이렇게 하니 한 화면에서 다양한 결과를 볼 수 있으면서도 구분이 명확해졌죠. 

Q4. 검색 기능 개발 및 운영 과정에서 예상치 못했던 실패나 어려움을 겪었던 경험이 있으신가요? 예를 들어 특정 개선 시도가 오히려 사용자 경험을 해치거나, 데이터 분석 결과가 예상과 달랐던 경우 등 어떤 상황이었고, 그 실패를 통해 무엇을 배우고 어떻게 다음 단계에 반영하셨는지 과정을 함께 들려주세요.

실패와 어려움은 셀 수 없이 많았어요. 😅 그 중 몇 가지를 말씀드리면, 먼저 잘못된 개선 시도로 오히려 사용자 경험을 해친 경우가 있었어요. 한 번은 검색 결과의 다양성을 높여보자는 취지로 랭킹 알고리즘을 손본 적이 있어요. 특정 키워드에 대해 비슷한 유형의 글만 쭉 나오는 걸 피하려고, 의도적으로 중복되는 주제나 출처를 분산시키는 로직을 넣은거죠. 예를 들어 어떤 유명 작가가 쓴 포스트들이 인기라 그 키워드로 상위 결과를 몽땅 차지하면, 상위 몇 개 중 일부는 다른 작가의 글로 바꿔치기하는 식이었어요.

나름 신선한 시도라고 생각했는데, 정작 사용자 입장에서는 가장 연관성 높은 결과가 밀려나고 두세번째로 좋은 게 보이는 현상이 생긴 거죠. 업데이트 후 모니터링해보니 오히려 1위 결과 클릭률이 떨어지고 재검색률이 살짝 늘어난 걸 알 수 있었어요. 원인을 분석해보니, 우리의 다양성 가설이 모든 경우에 맞지 않았다는 걸 깨달았어요. 사용자는 웬만하면 제일 관련성 높은 결과부터 보고 싶어하지, 다양한 출처를 보려고 검색하는 게 아니었어요. 특히 검색어가 명확한 경우엔 더더욱 그렇죠. 결국 이 랭킹 변경은 한 달 만에 롤백하게 되었어요. 

UI 개선 실패도 있었는데요. 검색 결과 화면을 좀 더 보기좋게 꾸민답시고, 카드형 레이아웃으로 바꾼 적이 있어요. 이미지도 크고 글 카드도 카드 형태로 배치해서 잡지처럼 만들었는데, 이렇게 하니 한 화면에 보이는 결과 수가 확 줄어드는 문제가 생겼어요. 예전에는 한눈에 56개 결과 제목을 볼 수 있었는데, 카드형으로 바꾸니 23개밖에 안 보이는 거죠. 우리는 디자인이 예쁘면 좋아할 줄 알았는데, 일부 파워유저들은 "검색 결과를 한꺼번에 비교하기 어려워졌다", "원하는 거 찾으려면 너무 스크롤을 많이 해야 해서 불편하다”는 피드백을 늘어났어요. 심지어 어떤 분은 업데이트 후기에 별점을 낮추면서 이 부분을 꼬집기도 했어요.

결국 이 디자인 개편은 부분적으로 롤백을 결정했어요. 카드형 스타일은 유지하되 좀 더 컴팩트하게 조정하고, 사용자에게는 리스트/카드 뷰 선택 옵션도 주었죠. 이후로는, 겉보기 아름다움보다 실용적 가치를 우선 고려하게 되었어요. 특히 검색처럼 효율을 중시하는 화면에서는 “보는 즐거움”보다 “찾는 편의”가 우선이라는 교훈을 얻었죠.

Q5. 수많은 검색 관련 의사결정을 내리실 때, 검색 기능을 단순히 '검색창과 결과 목록' 이상으로 어떤 관점이나 '멘탈 모델'을 가지고 바라보시나요? 그리고 앞으로 검색 기능이 어떤 방향으로 발전해야 한다고 생각하시는지, 그 이유는 무엇인지 평소의 철학이나 비전과 함께 이야기해주세요.

저는 검색 기능을 볼 때 항상 "사용자의 질문에 대한 답을 주는 대화 창구"라고 생각해요. 겉으로 보면 그냥 검색창과 결과 리스트일 뿐이지만, 그 이면에는 사용자와 서비스 사이의 일종의 대화가 오간다고 믿어요. 사용자가 검색창에 키워드를 입력하는 행위 자체가 "이걸 알고 싶어요" 혹은 "이걸 찾아주세요"라고 말을 거는 것이고, 검색 결과는 그에 대한 서비스의 대답인 셈이죠.

이런 관점에서 보면 검색은 단순 기능이라기보다는 서비스 전체 경험의 한 부분으로 다뤄야할 필요가 있어요. 저는 팀원들에게도 "검색은 우리 플랫폼의 콘텐츠 큐레이터이자 안내자 역할을 한다"고 자주 이야기했어요. 예컨대 도서관에 갔을 때 사서에게 물어보는 느낌으로, 서비스에 찾아온 사용자가 무엇을 원하는지 이해하고 딱 맞는 자료를 건네주는 것이 검색의 궁극적인 목표라고 생각해요.

이런 멘탈 모델을 갖고 있기 때문에 의사결정을 할 때 항상 사용자 입장에서 한 번 더 생각하려고 노력해요. 숫자로 보는 검색어가 아니라, 실제 그걸 입력하는 한 사람의 상황과 맥락을 그려보는 거죠. "왜 이걸 검색했을까? 지금 급하게 찾는 걸까, 아니면 둘러보는 걸까?" 등을 상상해보면, 단순한 랭킹 이슈도 다르게 보일 때가 있어요. 가령 예전에 어떤 사용자가 같은 키워드를 3번 연속 검색한 로그를 본 적이 있어요. 처음엔 오타인가 했는데 자세히 보니 띄어쓰기를 바꿔가며 검색했더군요. 그걸 보고 "아, 이분은 정말 원하는 게 있는데 우리 검색이 잘 못 찾아주고 있구나. 세 번이나 시도하게 했구나" 싶어서 굉장히 마음이 쓰였습니다. 그래서 검색 실패 사례에 더 주목하게 되었고, "사용자가 검색을 여러 번 다르게 시도하게 만드는 건 최악이다"라는 팀 원칙도 세웠어요. 이런 식으로 한 번에 좋은 답을 주자라는 것이 제 검색 철학 중 하나입니다.

또 제가 바라보는 검색은 사용자 여정의 마지막 단계이기도 하지만 새로운 시작을 열어주는 단계이기도 한데요. 사용자가 원하는 걸 찾으면 그걸 눌러서 콘텐츠 소비 여정이 시작되잖아요. 그리고 좋은 검색 경험은 그 한 번으로 끝나지 않고 또 다른 탐색으로 이어지게 하고요. 예를 들어 검색 결과로 어떤 글을 읽었는데 거기에 새로운 키워드나 흥미로운 주제가 있다면, 사용자는 다시 그것을 검색하거나 관련 링크를 타고 이동할 수 있어요. 그래서 저는 검색 결과 페이지에도 추천 기능을 살짝 섞었는데요. 예컨대 검색어와 연관된 인기 글 목록이나, 해당 키워드로 많이 읽은 다른 주제를 제안하는 작은 위젯 등을 넣어두는거죠. 이렇게 하면 사용자가 첫 검색에서 원하는 걸 찾은 뒤에도 "이것도 한번 찾아볼까?" 하는 호기심이 생길 수 있거든요. 검색을 콘텐츠 소비의 허브처럼 만드는 그림을 그리고 있는 셈이죠. 이는 검색을 단순히 물건을 찾아주는 도구가 아니라, 콘텐츠 탐험을 촉진하는 파트너로 보는 관점이라 할 수 있어요.

궁극적으로 제가 그리고 있는 검색의 미래상은 "보이지 않는 검색"이에요. 사용자가 굳이 검색창에 키워드를 타이핑하지 않아도, 원하는 정보를 필요한 순간에 자연스럽게 제공받는 방향이죠. 예를 들어, 사용자가 앱에서 어떤 행동을 취할 때 그 맥락을 이해하고, 알아서 관련 정보를 추천해준다거나, 혹은 사용자와 대화를 통해 니즈를 파악해주는 형태가 될 수 있겠죠. 물론 거기까지 가려면 갈 길이 멀지만, 검색 UI에 대한 의존은 점점 줄어들고 경험 자체가 대화형으로 변할 것이라는 큰 흐름은 이미 경험하고 있어요. 그 사이에서도 제가 놓지 않으려 하는 원칙은, "사용자가 진짜 원하고 필요한 것을 최단 경로로 제공하자"입니다. 검색창이 있건 없건, 리스트가 보이건 안 보이건, 이 원칙만 지키면 된다고 생각해요.

🍬 디저트

이 아티클은 검색 기능을 단순한 도구가 아닌, 사용자와 서비스 간의 중요한 연결 고리로 바라보는 관점을 제공해요. 네이버의 검색 서비스 기획과 디자인 설계를 담당하는 김재엽 리더의 인터뷰를 통해, 검색 기능이 단순한 기술적 요소를 넘어 사용자 경험과 서비스 전략에 어떻게 기여하는지를 상세히 다루고 있어 함께 추천해요!

호기심이 많은 6년차 백엔드 엔지니어, 약풍

안녕하세요. 인프랩에서 백엔드 엔지니어로 일하고 있는 약풍입니다. 호기심이 많고 질문하는걸 좋아고요. 온라인 학습독려를 위한 기능들과 검색을 위한 디스커버리 기능을 집중적으로 개발하고 있습니다.

개인 링크드인

🥕 핵심 재료

🔥 조리 방법

Q1. 검색 기능을 처음 도입하거나 개선하기로 결정했을 때, 가장 중요하게 해결하고자 했던 사용자 문제나 비즈니스 목표는 무엇이었나요? (당시 어떤 고민들을 하셨고, 초기 가설은 무엇이었는지 구체적인 사례나 스토리와 함께 들려주실 수 있을까요?)

검색 기능은 크게 유저의 편의성과 구매 전환율 두 가지 목표를 고려하여 개선하고 있어요.

일반적인 이커머스 서비스를 가정했을 때, 검색 기능은 구매 퍼널의 가장 앞 부분에 있는 경우가 많은데요. 검색 기능의 1차적인 목표는 당연히 유저가 편하게 원하는 결과를 찾는거에요. 유저는 검색 기능에서 원하는 상품을 찾지 못하면 이탈하는 경우가 많은데, 이 이탈률을 줄이는 것이 큰 목표라고 할 수 있죠. 더 정확히는, 검색 결과 페이지에서 상품 상세페이지로의 클릭률을 중요한 지표 중 하나로 설정하고 있어요.

더불어 유저의 구매 지표도 검색 기능의 중요한 지표라고 생각하는데요. 요즘 서비스들의 검색/추천 페이지에서도 장바구니에 상품을 담을 수 있는 UX 를 쉽게 찾아볼 수 있어요. 비즈니스의 최종적인 목표는 구매이기 때문에, 검색 퍼널에서 코호트를 나누어, 검색 그룹별 유저의 장바구니 담기 클릭률 상승도 중요한 비즈니스 목표로 삼고 있어요.

Q2. 사용자들이 원하는 '좋은' 검색 결과를 정의하기 위해 어떤 과정과 노력을 하셨나요? 예를 들어, 검색어 의도를 파악하거나, 다양한 결과(상품, 콘텐츠 등) 중 무엇을 우선순위로 보여줄지 결정할 때 어떤 데이터나 사용자 피드백을 활용하셨는지, 그리고 그 과정에서 겪었던 어려움이나 흥미로운 발견이 있다면 공유해주세요. 

"좋은 검색 경험"을 나타낼 수 있는 지표를 설정하여 모니터링하고, 그 결과를 토대로 제품을 개선하고 있어요. 대표적으로 다음의 지표들을 모니터링 대상으로 삼고있죠.

먼저 "한 유저당 검색 횟수" 입니다. 검색 기능은 한 유저당 적은 횟수로 사용할수록 좋은 제품이라는 점이 매력적인데요. 개인적으로 유저가 원하는 상품에 도달하기 위해 가장 이상적인 검색 횟수는 1회라고 생각해요. 한번의 검색만으로 원하는 상품을 찾고, 구매를 완료하는 것이 자연스러운 흐름이기 때문입니다. 하지만 실제로는 유저가 여러 번 검색을 시도하는 경우가 많아요. 이 경우, 유저가 원하는 상품을 찾지 못했거나, 검색 결과가 만족스럽지 못한 경우가 많고요. 따라서 "한 유저당 검색 횟수" 를 중요한 팀의 지표로 설정하여 모니터링하고 있어요.

비슷한 지표로, "검색 결과 없음" 페이지가 노출되는 빈도도 모니터링 하고 있어요. 유저가 검색을 했을 때 검색 결과가 없는 경우가 가끔 있는데요. 검색 결과가 없는 특정한 키워드가 다수의 유저들로부터 많이 검색된다면, 그 키워드는 높은 구매 잠재력을 지닌 키워드로 해석할 수 있어요. 이런 키워드를 모니터링하고, MD 파트와 협업해 해당 키워드의 제품군을 상품에 추가하거나, 해당 키워드의 연관 상품들을 검색 결과 페이지에 노출하는 등의 액션을 취할 수 있어요.

Q3. 검색 시스템을 설계하거나 구현하면서 기술적으로 또는 디자인적으로 가장 도전적이었던 부분은 무엇이었나요? 예를 들어 성능 최적화, 복잡한 랭킹 로직 구현, 혹은 사용자 인터페이스 설계 등 특정 문제를 해결하기 위해 어떤 기술적/디자인적 고민을 하셨고, 어떤 트레이드오프를 감수해야 했는지 구체적인 상황과 함께 설명해주세요.

검색 기능을 상상하면 흔히 구글의 검색창 형태가 떠올라요. 실제로 검색창은 검색 기능에서 가장 중요한 요소고요. 하지만 검색창 이외에도 관련 기능들은 많은데요. 최근 들어 관심있게 보고 있는 요소 중 하나는 검색 필터에요.

검색 필터는 상품 리스트 화면에서 상품군을 좁혀주는 기능인데요. 많은 서비스에서 검색 필터를 기본으로 제공하고 있어요. 예를 들어 가격대와 카테고리 필터 등은 대부분의 이커머스 서비스에서 찾아볼 수 있는 기능이죠.

그 중에서도 상품의 기본 정보는 아니지만 유저들에게는 매력적인 소구점이 되는 정보들도 있는데요. 예를 들어, 인터넷 강의 중에서 "질문에 대한 답변을 잘 해주는" 강의가 대표적이에요. 이러한 기준은 상품의 기본 정보에는 포함되지 않지만, 구매에 긍정적인 영향을 미칠 수 있고요. 잘 살펴보니, 상품들에 이러한 요소들이 꽤 많이 존재한다는 것을 알게 되었어요.

팀에서는 다양한 소구점을 필터로 빠르게 추가할 수 있는 시스템을 설계하고 기획했어요. 검색 기능 외, 복잡한 도메인들이 검색 로직과 연관 관계를 맺게 되었지만, 이러한 검색 필터들이 서비스의 후킹 포인트가 될 수 있다는 점에서 매력적이었죠. 아직 개발중인 기능이지만, 개인적으로 기대하고 있는 기능이에요.

Q4. 검색 기능 개발 및 운영 과정에서 예상치 못했던 실패나 어려움을 겪었던 경험이 있으신가요? 예를 들어 특정 개선 시도가 오히려 사용자 경험을 해치거나, 데이터 분석 결과가 예상과 달랐던 경우 등 어떤 상황이었고, 그 실패를 통해 무엇을 배우고 어떻게 다음 단계에 반영하셨는지 과정을 함께 들려주세요.

검색 기능의 비즈니스 지표 개선을 위해, 팀 내에서 다양한 실험을 하고 있었어요. 그 중 하나가 Jam Study 와 관련된 AB 테스트인데요. Jam Study 는 선택지가 많을수록 오히려 구매율과 만족도가 낮아질 수 있음을 보여주는 연구에요.

상품 리스트 페이지에서는 상품들을 5열 카드 UI 형태로 보여주고 있었어요. 그러다, 혹시 5열 형태로 상품들을 보여주는 것이 유저 입장에서는 선택지가 너무 많아지는 것은 아닐까? 라는 의문이 생겼죠. 그래서 4열 형태로 더 적은 상품들을 보여주는 AB 테스트를 진행했어요. 실험 결과는 통계적으로 유의미한, 긍정적인 결과를 얻을 수 있었고요.

이와 별개로, 카드 UI 에 마우스를 호버(hover) 했을 때 더 다양한 정보를 보여주는 UI 에 대 해서도 AB 테스트를 진행했어요. 마우스를 호버했을 때 상품의 소구점들을 요약해서 보여주었을 때, 유저의 클릭/장바구니 추가에 긍정적인 영향이 생기는지 실험했는데요. 이번에도 통계적으로 유의미한, 긍적적인 결과를 얻을 수 있었어요.

Q5. 수많은 검색 관련 의사결정을 내리실 때, 검색 기능을 단순히 '검색창과 결과 목록' 이상으로 어떤 관점이나 '멘탈 모델'을 가지고 바라보시나요? 그리고 앞으로 검색 기능이 어떤 방향으로 발전해야 한다고 생각하시는지, 그 이유는 무엇인지 평소의 철학이나 비전과 함께 이야기해주세요.

제가 검색 기능을 담당하게 된지 오래 되지는 않았지만, 지금까지는 검색 기능을 비유적으로 "총알택시" 와 "오마카세" 와 빗대어 이해하고 있어요.

먼저 특정 유저들에게 검색은 총알택시와 같이 동작해야 합니다. 특정한 상품을 빠르게 찾고 싶을 때에는 총알택시처럼 유저를 원하는 상품까지 데려다 줄 수 있어야 하기 때문인데요. 원하는 상품이 명확한 고객에게는 원하는 상품을 최대한 빨리 노출시키는 것이 UX적으로도, 비즈니스적으로도 도움이 돼요.

반면에, 특정 유저들에게 검색은 오마카세와 같이 동작해야 하는데요. 앞의 예시와는 다르게, 비교적 선택의 옵션이 열려있는 유저에게는 유저가 원하는 상품을 잘 추천해 줄 수 있어야 하기 때문이에요.

때로는 총알택시와 오마카세가 합쳐져야 하는 경우도 존재해요. 총알카세라고 해야할까요 ..? 유저에게 빠른 속도로 원하는 상품을 찾아주면서도, 연관된 상품들을 함께 추천해 주는 것처럼요. 마치 기차역까지 빠르게 달리면서도, 근처의 맛집까지 추천해 주시는 택시처럼 말이죠.

이러한 가치관이 유지된다면, 검색 기능이 꼭 검색창과 검색 목록의 형태가 아니어도 된다는 생각도 가지고 있어요. 특히 LLM(채팅 형식의) UX 가 유저들에게 점차 익숙해지면, 서비스 내의 검색 기능에 채팅 UX 를 도입해 보아도 재미있을 것 같아요.

🍬 디저트

이제는 검색결과가 없는 경우의 페이지를 찾아보기 힘들지만, 컬리에서 Google Vertex AI Search를 도입해 검색 결과가 없는 경우를 보다 더 개선한 사례를 소개하는 아티클인데요. 기술적인 내용이 메인이지만, 전반적인 검색 결과를 구성하는 구조를 이해하기에 좋아 추천해요.

팁 다이브: 업무 커뮤니케이션에 대한 메이커의 추가 답변

멤버십 전용 콘텐츠, 팁 다이브에서는 '업무 커뮤니케이션' 주제로 참여한 메이커의 추가 답변을 확인하실 수 있으며, 질문은 아래와 같아요!

14년차 서버 개발자, 콜린

12년차 프로덕트 매니저, 릴리

호기심 많은 6년차 백엔드 엔지니어, 약풍

추가 답변 살펴보기

팁스터 신규 멤버십 오픈! (7일 무료 체험 가능)

팁스터 멤버십 7일 무료 체험

팁스터 뉴스레터의 공식 오픈채팅방에 참여해보세요!