팝업 대신 데이터…아무드가 日 시장 키운 방법

현지 매장 없이 누적 다운로드 670만건·MAU 90만명 확보

데이터 기반 상품 발견 경험으로 일본 시장 존재감 확대

(좌) 아무드에서 ‘출근룩(通勤コーデ)’ 검색 시 약 8200개의 상품 노출, (우) 타 플랫폼에서 동일한 키워드 검색. ⓒ에이블리코퍼레이션

일본 시장에서 K패션 기업들의 오프라인 진출 경쟁이 치열해지는 가운데, 현지 매장 없이 성장세를 이어가고 있는 에이블리코퍼레이션의 일본 쇼핑 플랫폼 '아무드(amood)'가 눈길을 끌고 있다.

아무드는 팝업스토어나 쇼룸 대신 앱 안에 축적되는 검색·클릭·찜·구매 데이터를 기반으로 일본 소비자의 취향과 구매 맥락을 분석하며 시장을 확대해가고 있다.

일본 패션 앱 TOP5 오른 아무드…매장 없는 성장 이끈 ‘유저 행동 데이터’

아무드는 현지 매장 없이도 일본 시장에서 유의미한 소비자 접점을 확보하고 있다. 2026년 4월 기준 누적 앱 다운로드 수는 670만 회를 기록했으며, 월간 활성 사용자 수(MAU)는 90만 명을 돌파했다.

또한 론칭한지 2년도 채 되지 않아 한국 플랫폼으로는 유일하게 패션 앱 다운로드 순위 TOP5에 오르며 일본 시장 내 존재감을 넓히고 있다.

이 같은 성과는 대규모 오프라인 매장망이 아니라, 앱 안에서 축적되는 유저 행동 데이터를 기반으로 만들어졌다는 점에서 차별적이다.

팝업이나 매장은 특정 기간과 장소에서 소비자 반응을 직접 눈으로 보고 귀로 들으며 생생하게 확인할 수 있다는 데 강점이 있다.

반면 아무드는 특정 시간과 공간을 넘어, 일본 유저가 평소 어떤 키워드로 상품을 찾고, 어떤 상품을 클릭하며, 어떤 상품을 찜하거나 장바구니에 담아 구매하는지 등 더 다양한 고객 행동 데이터를 상시적으로 파악한다.

유저는 구매 전 여러 상품을 비교하고, 디자인과 핏, 가격대, 착용 상황, 코디 가능성 등을 함께 고려한다.

오프라인 매장에서 짧은 상담이나 현장 반응만으로는 놓칠 수 있는 세부 취향과 구매 고려 요소도, 앱 안에서는 검색·클릭·찜·장바구니·구매 데이터로 축적된다.

아무드는 이러한 데이터를 기반으로 일본 유저가 어떤 상품에 관심을 보이고, 어떤 기준으로 상품을 좁혀가는지 파악하며, 이를 다시 검색 결과와 추천 경험을 고도화하는 데 활용하고 있다. 현지 매장이 없어도 소비자 반응을 서비스에 반영할 수 있는 구조가 만들어진 것이다.

검색·클릭·찜 데이터가 다시 AI 추천으로…상품 발견 경험 고도화

앞서 축적된 유저 행동 데이터는 AI 개인화 추천의 기반이 된다. 아무드는 일본 유저의 행동 데이터를 기반으로 개별 유저가 관심을 보일 가능성이 높은 상품을 제안한다.

에이블리가 국내에서 축적한 AI 추천 기술을 일본 시장에 적용해, 유저의 행동 이력과 유사한 취향을 가진 다른 유저들의 데이터를 함께 분석하는 방식이다.

에이블리 추천 기술의 강점은 단순히 유사한 상품이나 저렴한 가격대의 상품을 보여주는 데 그치지 않는다는 점이다.

예를 들어 한 유저가 특정 스타일의 상품을 검색하거나 찜했다면, 같은 취향군의 유저들이 함께 관심을 보인 의류, 패션 소품, 코디 아이템 등을 추천받을 수 있다.

결국 아무드의 AI 추천은 일본 유저가 남긴 행동 데이터를 다시 상품 발견 경험으로 되돌리는 구조다. 검색과 클릭, 찜, 구매가 반복될수록 유저별 관심사는 더 선명해지고, 플랫폼은 그에 맞는 상품을 더 정교하게 제안할 수 있다. 이는 아무드가 현지 매장 없이도 일본 유저와 K패션 상품을 연결할 수 있는 기반이다.

상품명 몰라도 ‘출근룩’으로 찾는다…아무드의 상황 검색 경쟁력

아무드의 데이터 운영이 두드러지는 지점은 검색 경험이다.

K패션 플랫폼의 경쟁력은 단순히 많은 상품을 보유하는 데서 끝나지 않는다. 유저가 정확한 브랜드명이나 품목명을 알지 못하더라도, 원하는 스타일과 착용 상황을 표현한 키워드로 상품을 찾을 수 있어야 한다.

실제 아무드에서는 ‘출근룩’ 검색 시 8000여 개 상품이 검색되는 것으로 확인됐다.

타 이커머스 플랫폼에서는 동일 키워드 검색 결과가 없거나 제한적으로 나타나는 반면, 아무드는 상황 기반 검색어를 상품 탐색으로 연결할 수 있다는 점에서 차별화된다.

일본 유저는 K패션을 찾을 때 브랜드나 상품명을 모르더라도 출근, 데이트, 등교, 여행 등 착용 상황이나 특정 무드, 코디 맥락을 바탕으로 원하는 상품을 찾을 수 있다.

이 같은 검색 경험은 아무드가 현지 매장 없이 일본 시장을 읽는 방식과도 맞닿아 있다. 매장에서는 방문객이 집었다가 다시 내려둔 상품, 피팅은 했지만 구매까지 이어지지 않은 상품, 특정 스타일의 구매를 망설인 이유 등을 하나하나 기록해두기 어렵다.

반면 아무드 검색창은 유저가 원하는 스타일과 상품을 직접 입력하는 데이터 창구다. 일본 유저가 어떤 상황에서 어떤 스타일을 찾는지, 어떤 상품을 클릭하거나 찜하고 구매하는지가 쌓이면서 현지 고객의 니즈와 트렌드를 파악할 수 있는 기반이 된다.

2만6000개 마켓이 만든 선택지…검색이 구매로 이어지는 기반

상황·취향 기반 검색이 실제 상품 발견으로 이어지기 위해서는 검색어에 맞춰 보여줄 수 있는 충분한 상품 풀도 중요하다.

아무드는 2026년 4월 기준 2만6000개 입점 마켓을 기반으로 다양한 K패션 상품을 일본 유저에게 선보이고 있다. 2026년 1월 기준 일본 수출 취급 상품 수(SKU)는 전년 동기 대비 20% 증가했으며, 같은 기간 재구매 고객 수는 15% 늘었다.

이처럼 아무드는 현지 매장 없이도 앱 안의 행동 데이터를 기반으로 일본 내에서 입지를 넓혀가고 있다. 이는 데이터 기반 운영도 또 다른 확장 방식이 될 수 있음을 보여주는 대표적 사례로 꼽힌다.

이에 향후 데이터 운영 역량이 K패션 영토 확대의 핵심 역량이 될 것이라는 전망이 나온다.

업계 관계자는 "K패션 일본 진출 경쟁은 브랜드 인지도와 상품력뿐 아니라, 현지 소비자가 원하는 상품을 얼마나 쉽게 발견하게 할 수 있는지의 문제로 넓어지고 있다"며 "데이터 기반 상품 발견 경험이 시장 안착 이후의 지속적인 성장성을 좌우하는 또 다른 축이 될 수 있다"고 했다.