Miros

Miros

Miros · 이미지 · 코딩

Miros는 온라인 스토어를 위한 AI 상품 탐색 플랫폼이다. 쇼퍼의 행동과 상품 이미지를 읽어 검색, 탐색, 추천을 개인화한다.

Miros 미리보기

Miros 소개

About

Miros란 무엇인가

Miros는 온라인 스토어가 기존 카탈로그 위에 얹어 쓰는 상품 탐색 레이어다. 운영사는 탈린에 본사를 두고 런던과 리스본에도 사무실을 뒀다. 컴퓨터 비전 기술은 에스토니아 타르투 대학의 연구에서 나왔다. 매장은 이 레이어를 붙여 고객이 검색할 생각조차 하지 않는 상품을 먼저 보여준다.

겨냥하는 이커머스 검색의 틈은 실제로 있다. Miros에 따르면 패션 쇼퍼의 85%는 검색창을 아예 열지 않고, 실제로 입력되는 검색의 90%는 결과를 제대로 내놓기 어려울 만큼 모호하다. 텍스트 검색은 고객이 원하는 것을 말로 표현할 수 있다고 전제한다. 색조와 넥라인까지 정해진 하객 원피스를 찾는 사람은 대개 그 표현에 실패한다.

상품 발견 플랫폼이라는 포지션에서 한계도 나온다. Miros는 기업용 도구라 데모와 구축 프로젝트를 거쳐 계약하고, 셀프서비스 가입은 없다. 의류, 가구, 인테리어처럼 이미지 비중이 큰 카탈로그에서 성과가 크고, 품번으로 찾는 게 익숙한 매장에서는 효과가 훨씬 작다.

시작하는 방법

  1. Miros 사이트에서 자사 카탈로그로 데모를 신청한다. 실제 상품 위에서 테스트가 돌아간다.
  2. 현재 검색과의 직접 비교 결과를 확인하고 범위를 정한다. 단어 없는 검색, 추천, shop the look, 또는 전체 묶음 중 하나다.
  3. Miros가 카탈로그를 인덱싱하게 둔다. AI가 상품 이미지에서 시각적, 의미적 속성을 뽑아내므로 수작업 태깅은 필요 없다.
  4. 자바스크립트 위젯을 설치하거나 GraphQL API로 연결한다. 헤드리스 스토어와 전통적인 스토어 모두 지원한다.
  5. 자사 분석 도구에서 세션을 추적하고, 첫 접점에서 효과가 확인되면 다른 탐색 화면으로 넓힌다.

제품 정보

Miros의 요금, 지원 플랫폼, 성능을 한눈에 확인해 보세요.

무료 플랜아니요
유료 플랜Custom enterprise pricing
플랫폼Web storefronts via JavaScript widgets or GraphQL API
개발사Miros
카테고리이미지 · 코딩
출시일Jul 2019
최근 업데이트Oct 2025
웹사이트 방문 수1.7K
웹사이트 글로벌 순위10.2M
API 제공 여부예

추천 대상

이 도구가 가장 잘 맞는 사용자, 작업, 상황입니다.

사용자

  • 패션과 의류 쇼핑몰
  • 가구와 인테리어 매장
  • 그로스와 이커머스 팀

작업

  • 둘러보기만 하는 트래픽의 전환 올리기
  • 검색 결과 없음 줄이기
  • AI 상품 추천 만들기
  • 수요에서 컬렉션 구성하기
  • 검색 엔진 교체 검증하기

활용 상황

  • 계정도 이력도 없는 첫 방문
  • 할인이나 연말 시즌 피크
  • 카테고리를 넘나드는 코디 탐색
  • 상품 수가 매우 많은 마켓플레이스

주요 기능

단어 없는 검색

검색어도 필터도 없이 둘러보기만 해도 관련 상품이 뜬다. Miros는 스크롤 속도, 클릭, 체류 시간, 지나친 상품으로 실시간 선호 프로필을 만든다. 벤더가 밝힌 도입처 사용률은 20%에서 55%다. 검색창을 아예 열지 않는 층을 정확히 덮는 숫자라는 점이 중요하다.

Discovery Bar

Discovery Bar는 검색창을 교체하지 않고 강화한다. 48개 언어의 자연어로 입력하면 각 검색어가 현재 선호 프로필과 합쳐진다. Miros는 이 방식으로 「결과 없음」 화면이 거의 사라진다고 설명한다. 이탈 이유로 흔한 항목 하나가 없어지는 셈이다.

인라인 추천

대부분의 AI 상품 추천 모듈은 구매 이력에 기댄다. 새 방문자에게는 그 이력이 없다. Miros는 상품 간 시각 유사도와 실시간 프로필을 함께 쓰기 때문에 첫 클릭부터 제안이 개인화된다. 도입 매장은 객단가 상승과 결제까지 이어지는 클릭 증가를 보고한다.

Shop the Look

Shop the Look은 카테고리가 다른 상품을 묶어 코디와 공간 세트를 만든다. 고정된 「룩 완성하기」 위젯과 달리 선호가 바뀌면 조합도 바뀐다. 단품이 아니라 조합을 파는 매장에 가장 직접적으로 맞는 기능이다.

이미지로 찾기

사진을 올리면 비슷하게 생긴 상품이 나온다. 정렬은 픽셀 유사도뿐 아니라 행동까지 반영하므로 같은 사진을 올린 두 사람이 다른 순서를 볼 수 있다. 단순 이미지 매칭과 갈리는 지점이 여기다.

Style Collections

머천다이징 팀은 보통 컬렉션을 손으로 짜고 일정에 맞춰 갱신한다. Style Collections는 신호 데이터에서 생성되므로 수요가 움직이면 그대로 따라간다. 팀이 고르는 시간은 줄고 매장은 고객이 실제로 원하는 쪽에 가까워진다.

장단점

장점

  • 텍스트 검색이 힘을 못 쓰는 이미지 중심 카탈로그에서 작동하며, 상품 이미지에 수작업 태깅이 필요 없다.
  • 매장 쪽 구축은 약 2주 걸린다. 벤더는 엔지니어 1인주 미만의 공수로 본다.
  • 기존 Algolia나 Elasticsearch 옆에서 함께 돌아간다. 전면 교체를 강요하지 않는다.
  • 성과는 무작위 A/B 분할로 측정하므로 자사 트래픽에서 개선 폭을 확인할 수 있다.
  • 초대형 카탈로그를 감당하며 응답 시간은 50에서 300밀리초 수준이다.

단점

  • 가격이 공개되지 않는다. 비용을 알려면 데모와 영업 대화를 먼저 거쳐야 한다.
  • 기업용이라 개인 개발자나 작은 매장은 직접 가입해 시험할 수 없다.
  • 효과는 이미지가 풍부하고 둘러보기 중심인 카탈로그에 달려 있다. 품번으로 주문이 들어오는 매장은 차이를 거의 못 느낀다.
  • 선호 프로필에는 상호작용 데이터가 필요하다. 트래픽이 몰리는 캠페인 초반 몇 분은 완전한 개인화가 어렵다.

자주 묻는 질문

고객이 매장 안에서 어떻게 움직이는지 보고 검색, 둘러보기, 추천의 상품 순서를 바꾼다. 원하는 것을 말로 설명하게 하는 대신 클릭, 머문 시간, 지나친 상품에서 의도를 추론한다.