섹션 1: 기존 사이즈 표가 고객을 실망시키는 이유
사이즈 표는 신체 치수를 의류 라벨(XS/S/M/L 또는 0/2/4/6)과 매칭합니다. 하지만 치명적인 결함은 고객이 자신의 정확한 치수를 아는 경우가 드물다는 점입니다. 2019년 Fit Analytics 연구에 따르면 온라인 쇼핑객 중 지난 1년 내에 자신의 가슴, 허리 또는 엉덩이 둘레를 직접 측정해 본 사람은 40% 미만이었습니다. 치수가 정확하더라도 사이즈 표는 컷, 원단의 신축성, 의도된 핏(릴랙스 vs 슬림), 신체 비율의 다양성을 무시합니다. 두 명의 10 사이즈 쇼퍼가 허리와 엉덩이 둘레가 같더라도 상체 길이는 완전히 다를 수 있습니다.
두 번째 실패 요인은 브랜드 간의 변동성입니다. 한 브랜드에서 M을 입는 고객이 다른 곳에서는 L, 또 다른 곳에서는 S가 될 수 있는데, 이는 '사이즈 분노(Size Rage)'가 보편적인 소비자 경험 패턴으로 인식될 정도입니다. 사이즈 표는 가짜 정밀함을 제공합니다. 숫자나 문자가 핏 문제를 해결해 준다고 암시하지만, 현실에서 그 숫자는 스타일링 직관, 원단 지식, 그리고 대부분의 고객이 갖지 못한 신체적 자신감이 복합적으로 작용하는 결정의 시작점일 뿐입니다.
섹션 2: AI 사이즈 예측의 실제 작동 방식
AI 사이즈 예측 도구는 측정 기반과 비전 기반의 두 가지 범주로 나뉩니다. 측정 기반 도구는 고객에게 키, 몸무게, 체형을 입력하게 한 후 학습된 모델을 사용해 사이즈를 추천합니다. 이는 신체 치수뿐만 아니라 체형을 고려하고 반품 이력을 통해 브랜드별 핏 데이터를 학습하므로 사이즈 표보다 진보된 방식입니다. 그러나 여전히 한계는 수치에 머물러 있다는 점입니다. 무엇을 주문해야 할지는 알려주지만, 어떻게 보일지는 보여주지 못합니다.
Photta가 구현하는 비전 기반 AI는 완전히 다른 접근 방식을 취합니다. 쇼퍼가 자신의 사진을 업로드하면 AI가 실제 몸 위에 선택한 옷을 입힌 사실적인 이미지를 생성합니다. 이는 '어떤 사이즈를 사야 할까'가 아니라 '내 동생 결혼식에서 이 드레스를 입었을 때 내가 자신감이 생길까'라는 다른 종류의 불확실성을 해결합니다. 이 두 가지 모두 구매의 걸림돌이지만, 비전 기반 피팅은 측정 도구가 도달할 수 없는 스타일링 확신의 차원을 해결합니다.
섹션 3: 가상 피팅 접근 방식 — Photta의 기능
Photta의 위젯은 단일 스크립트 태그로 제품 페이지에 통합됩니다. 쇼퍼가 '직접 입어보기'를 클릭하고 사진(정면, 밝은 조명, 배경 무관)을 업로드하면, AI가 약 8~15초 만에 신체에 의류를 합성한 이미지를 생성합니다. 결과물은 의류의 실루엣, 원단의 드레이프, 쇼퍼의 신체 비율을 반영한 사실적인 이미지입니다.
이 모델은 의류 카테고리별로 정교하게 튜닝되어 있습니다. 니트의 드레이프, 데님의 무게감, 시스루 원단, 구조적인 아우터, 타이트한 실루엣 등 각각의 렌더링 방식을 다르게 처리합니다. Photta는 주얼리(반지, 귀걸이, 목걸이), 아이웨어(안경, 선글라스), 신발도 지원합니다. 각 카테고리는 특화된 파이프라인을 사용하며, 시스템이 제품 메타데이터에서 유형을 자동으로 감지하므로 별도의 설정이 필요하지 않습니다.
섹션 4: 두 방식을 병행해야 하는 시점
사이즈 표와 가상 피팅은 쇼퍼의 서로 다른 불안 요소를 해결하며, 함께 사용할 때 가장 큰 효과를 발휘합니다. 구조화된 블레이저를 보는 쇼퍼는 두 가지 질문을 갖게 됩니다. (1) '8 사이즈가 내 어깨에 맞을까?' — 이는 잘 조정된 사이즈 표나 측정 도구가 답해줄 수 있는 수치적 질문입니다. (2) '이 블레이저가 내 체형과 피부톤에 어울릴까?' — 이는 오직 가상 피팅만이 답해줄 수 있는 스타일링 확신의 질문입니다. 한 가지 불안만 해소해서는 구매 주저함을 완전히 해결할 수 없습니다.
권장 설정: 제품 페이지에 기존 사이즈 표를 유지하고, '장바구니 담기' 버튼 바로 위에 Photta 가상 피팅 버튼을 추가한 뒤 가상 피팅 모달의 하단에 사이즈 표 링크를 연결하세요. 이러한 이중 접근 방식을 구현한 머천트들은 숫자를 원하는 분석적 쇼퍼와 시각적 확인을 원하는 쇼퍼를 모두 만족시켜 최대 28%의 높은 전환율 상승을 보고하고 있습니다.
섹션 5: 어패럴 브랜드의 실제 전환 데이터
Photta의 파트너사 전반에서 가상 피팅을 이용한 세션의 중간 전환율 상승폭은 미이용 세션 대비 22%에 달합니다. 반품률은 설치 후 90일 이내에 25~30% 감소합니다. 이 수치는 40달러의 패스트 패션부터 400달러의 프리미엄 의류까지 모든 가격대에서 유지되지만, 반품 배송비 부담이 큰 고가 제품일수록 절대적인 금액 측면에서의 임팩트는 더 큽니다.
카테고리별로는 수영복(+31%), 드레스(+28%), 아우터(+24%)에서 가장 큰 전환율 상승이 나타났습니다. 이는 스타일링에 대한 불확실성이 가장 높고 사이즈 표가 가장 적은 확신을 주는 카테고리와 일치합니다. 기본 티셔츠나 단색 바지와 같은 베이직 아이템은 상대적으로 낮지만 여전히 긍정적인 상승(+11~15%)을 보입니다. 패턴은 일관됩니다. 의류의 스타일링 복잡성이 높을수록 사이즈 표 대비 가상 피팅의 가치가 커집니다.