미국 소비자 2,300명을 조사한 결과 58%가 매주 AI로 상품을 탐색하거나 구매하고 있습니다. 어도비는 올해 홀리데이 시즌 AI 트래픽이 전년 대비 520% 증가할 것으로 내다봤습니다. 그러나 AI 검색을 통한 이커머스 매출 비중은 아직 8% 수준입니다. 게임은 이제 막 시작됐고 지금 자리를 잡지 못한 브랜드는 향후 1~2년 안에 채널 자체에서 보이지 않게 됩니다. 이 글은 AI 검색이 쇼핑 행동을 어떻게 바꾸고 있는지 데이터로 짚고, 우리 상품이 ChatGPT, 구글 AI Overviews, AI Mode에 인용되도록 만드는 실전 GEO 전략을 정리합니다.
목차
- 지오랭크가 본 한국 커머스 GEO 현장
- 한 줄로 보는 AI 커머스: 데이터·정의·체크리스트
- AI가 상품을 찾는 방식: 피드, 그래프, 멀티모달
- 심층 데이터: AI 검색 시대 소비자 행동의 변곡점
- 자주 묻는 질문 (FAQ)
- 더 깊이 파보기: 연관 GEO 가이드
지오랭크가 본 한국 커머스 GEO 현장
지오랭크가 패션 D2C 브랜드 K사와 함께 진행한 6개월 프로젝트를 먼저 풀어볼게요. 처음에는 ChatGPT에 "데일리 미니멀 아우터 추천"이라는 프롬프트를 넣어도 K사 브랜드명이 한 번도 등장하지 않았습니다. 매월 신상품을 13~18개씩 올리고 자사몰 방문자도 월 4만 명대로 안정적인데 그랬어요. 원인을 뜯어보니 상품명에 핵심 속성이 빠져 있었고, 예를 들어 두께·계절·체형 같은 형용사가 누락돼 있었습니다. 상품 상세 페이지 본문은 감성 카피로만 가득해 AI가 이 옷이 "어떤 상황에 어울리는 무엇인지"를 추출하기 어려운 상태였어요.
전략을 바꿔 상품 피드 16개 필드를 모두 채우고 시멘틱 트리플(주어-서술어-목적어) 구조로 상세 설명을 다시 썼습니다. 동시에 인플루언서 언박싱 영상 대본에 상품 속성을 자연스럽게 녹여 유튜브 트랜스크립트로도 잡히게 했어요. 4개월 차부터 ChatGPT 추천 답변에 K사 상품이 등장하기 시작했고, 6개월 누적 AI 채널 유입 전환율이 기존 광고 채널 대비 2.3배로 올라왔습니다.
다만 이 과정에서 헛다리도 짚었습니다. 처음 한 달은 "AI Overviews에 노출시키자"는 목표만 잡고 콘텐츠 길이를 늘렸는데, 정작 AI Overviews는 1년 지난 기사를 가져다 쓰는 경우가 많아 단기 성과가 나지 않았어요. ChatGPT와 Perplexity 쪽이 훨씬 빠르게 반응했습니다. 이 사례에서 얻은 교훈은 두 가지였어요. AI 채널마다 신선도 기준이 다르다는 점, 그리고 상품 데이터의 밀도가 결국 노출 확률을 결정한다는 점이었습니다.
한 줄로 보는 AI 커머스: 데이터·정의·체크리스트
AI 검색 커머스란 ChatGPT, Perplexity, 구글 AI Overviews, AI Mode 같은 생성형 AI 답변 안에서 우리 상품이 추천·비교·구매 흐름에 등장하도록 만드는 영역을 말합니다. 기존 SEO가 검색결과의 파란 링크 자리를 노렸다면, AI 커머스 GEO는 답변 본문과 카드형 상품 비교 안으로 직접 들어가는 게임이에요. 그래서 노출의 단위가 페이지가 아니라 "속성 한 줄" 수준까지 내려갑니다.
데이터로 보는 현황
| 지표 | 값 | 출처/시점 |
|---|---|---|
| 미국 소비자 중 매주 AI로 쇼핑하는 비율 | 58% | iPullRank·Profound 조사 (2,300명) |
| 현재 AI 엔진을 통과하는 커머스 거래 비중 | 약 8% | 산업 추정치 |
| 2025 홀리데이 AI 트래픽 증가 전망 | +520% YoY | 어도비 |
| TikTok·Reddit에서 10초마다 발생하는 매출 | $33,000 | 플랫폼 합산 |
| 미국 고객 옴니채널(오프+온라인 혼합) 비율 | 78% | 산업 조사 |
| 구글 쇼핑 상품 설명 글자 제한 | 5,000자 | 구글 가이드 |
우선순위 체크리스트 (Step-by-Step)
- 상품 피드 점검 — 모든 속성 필드를 채웠는지 확인합니다. 브랜드, 카테고리, 색상, 소재, 사이즈, 사용 시나리오, 비호환 사례까지 한 번에 들어가는지 봅니다.
- 상품명 재작성 — 검색되는 형용사를 앞부분에 배치합니다. 예를 들어 "굽 없는 빨간 가죽+스웨이드 슈즈"처럼 구체적 형용사가 먼저 나오는 구조가 안전합니다.
- 상세 설명 구조화 — 시멘틱 트리플과 짧은 단락, 표를 섞어 LLM이 청크 단위로 가져갈 수 있게 만듭니다.
- 리뷰·UGC 표면화 — 별점뿐 아니라 사용 맥락이 드러나는 리뷰를 본문에 노출합니다.
- 멀티미디어 보강 — 언박싱, 튜토리얼 영상을 자막·메타데이터까지 동시 보강해 둡니다.
- 인용 측정 — Profound, Otterly, AthenaHQ 같은 도구로 주간 인용률을 추적합니다.
순서가 중요합니다. 피드와 상품 페이지가 비어 있으면 아무리 좋은 영상을 만들어도 AI는 우리 상품을 "지식 단위"로 묶지 못합니다. 콘텐츠보다 데이터가 먼저예요.
AI가 상품을 찾는 방식: 피드, 그래프, 멀티모달
AI 검색 엔진이 상품을 추천하는 흐름은 단순한 키워드 매칭이 아닙니다. 세 가지 레이어를 동시에 본다고 이해하면 편해요.
1) 상품 피드 완전성 (Feature Completeness)
ChatGPT의 쇼핑 추천은 OpenAI가 직접 승인한 머천트 풀에서 나옵니다. 지금은 신청 폼을 통한 수동 승인 단계라 대형 리테일러일수록 유리해 보이는 면이 있습니다. 다만 OpenAI는 명시적으로 "작은 셀러도 충분히 경쟁할 수 있다"고 밝혀왔어요. 어떻게요? 피드의 정직성과 밀도입니다.
누군가 "묵직하지 않은 빨간 가죽+스웨이드 슈즈"를 검색했을 때 우리 피드에 "소재: 가죽, 보조소재: 스웨이드, 무게: 가벼움, 색상: 빨강" 이 모두 들어 있어야 노출됩니다. 한 필드라도 비면 그 쿼리에서는 보이지 않게 됩니다. 반대로 노출을 늘리려고 같은 상품을 가짜 변형으로 잔뜩 만들어 두는 행위는 빠르게 패널티를 받습니다. OpenAI 측은 이 부분을 사람이 직접 검토한다고 설명했어요. 스케일에 한계는 있지만 적어도 현재까지는 "양적 트릭"이 통하지 않는 환경이라는 뜻입니다.
2) Shopping Graph: 데이터의 두께가 곧 신뢰
구글의 Shopping Graph는 우리가 보내는 상품 피드와 상품 페이지, 리뷰, 영상을 하나의 지식 단위로 묶습니다. 같은 상품 정보가 여러 소스에서 일관되게 나타나야 그래프가 단단해지고, AI Overviews와 AI Mode가 그 위에서 답변을 생성합니다. 자사몰 상세 페이지와 마켓플레이스 등록 정보가 어긋나면 그래프는 쪼개지고 인용 확률은 떨어져요.
지오랭크 내부 분석에서도 자사몰과 마켓플레이스 5곳의 상품명·속성을 통일한 브랜드와 그렇지 않은 브랜드 사이에서 AI Overviews 노출 빈도가 2배 가까이 차이 나는 패턴이 나왔습니다. 이걸 매번 손으로 맞추긴 어렵기 때문에 마스터 데이터 시트를 두고 거기서 모든 채널로 분배하는 워크플로우가 현실적이에요. 운영 측면에서는 PIM(Product Information Management) 도입 여부를 결정해야 하는 시점이 빨라지고 있습니다.
3) 멀티모달과 비주얼 검색
구글 렌즈는 이미 일상이 됐고, 프로젝트 아스트라는 화면 공유와 영상 이해까지 끌어옵니다. 사용자가 매장에서 카메라를 들이대면 그 자리에서 우리 상품이 추천될 수 있다는 뜻입니다. 여기서 결정되는 건 이미지의 일관성과 라벨링이에요. alt 텍스트, 파일명, EXIF, 캡션, 주변 본문 — 다섯 곳이 같은 이야기를 해야 합니다.
영상도 마찬가지예요. AI는 자막과 메타데이터를 같이 보지만 둘 중 무엇에 더 가중치를 두는지는 플랫폼마다 다릅니다. 그래서 일단 둘 다 채워두는 게 안전합니다. 인플루언서 언박싱 영상의 경우 "상품명+핵심 속성"을 영상 도입부 30초 안에 두 번 발음하도록 가이드를 주면 트랜스크립트 인용률이 눈에 띄게 올라옵니다. 비싼 영상을 만들지 않아도 작은 디테일에서 차이가 벌어집니다.
심층 데이터: AI 검색 시대 소비자 행동의 변곡점
ChatGPT 유입이 다른 채널보다 빨리 전환되는 이유
iPullRank이 분석한 트래픽 패널에서 ChatGPT 유입은 다른 채널 대비 전환율 상승 곡선이 뚜렷합니다. 다만 아직 가장 높은 전환 채널은 아니에요. 이 차이를 만드는 건 사용자가 ChatGPT에 오는 시점입니다. 키워드 검색을 통한 유입은 정보 탐색 단계가 섞여 있지만, ChatGPT에 오는 사용자는 이미 "어떤 걸 사야 할지" 답을 받으러 옵니다. 답변에 우리 상품이 포함됐다는 건 곧 구매 직전의 노출이라는 뜻이죠. 그래서 ChatGPT 인용은 트래픽보다도 "구매 직전 시야 진입"이라는 가치로 평가하는 편이 더 정확합니다.
블랙프라이데이 프롬프트 분석에서 드러난 변동성
ChatGPT는 블랙프라이데이 관련 프롬프트 볼륨에서 다른 플랫폼을 앞섰습니다. 그런데 흥미로운 건 같은 질문에 대해 상위 인용 사이트가 일 단위로 흔들렸다는 점이에요. 이 변동성은 두 가지 시사점을 줍니다. 첫째, 일회성 콘텐츠로는 자리잡기 어렵습니다. 둘째, 주간 단위 모니터링이 필수입니다. "지난 달 ChatGPT에 우리 브랜드가 나왔다"는 한 번의 스크린샷은 의미가 적어요. 주간 베이스라인을 잡고 캠페인 전후를 비교하는 흐름이 필요합니다. 관련 지표 설계법은 AI 검색 성과 측정 완전 가이드에 정리돼 있어요.
"기다릴까, 살까?" 질문에 답하는 콘텐츠가 살아남는다
블랙프라이데이 시즌 ChatGPT에는 "지금 폰을 새로 사야 할까, 블랙프라이데이까지 기다려야 할까?"나 "애플 기기에 어떤 할부 플랜이 있나?"처럼 구체적인 결정 지원 질문이 쏟아졌습니다. AI는 이런 질문에 답할 때 단일 상품 페이지보다는 비교·결정 기준이 정리된 콘텐츠를 인용하는 경향이 강해요. 자사몰 상품 페이지만 갖고는 이 흐름을 잡기 어렵습니다. 비교 표, 시기별 가격 추세, 페이먼트 옵션 안내 같은 "결정 콘텐츠"를 별도 페이지로 분리해 두는 편이 효과적이에요.
OpenAI 편향과 작은 셀러의 기회
대형 리테일러는 정돈된 피드 덕분에 자연스럽게 유리합니다. 그러나 작은 Etsy, Shopify 셀러가 OpenAI 파트너십을 통해 대형 브랜드를 따라잡는 사례도 보고됩니다. 다만 어떤 파트너십이 어떻게 추천에 영향을 주는지에 대한 투명성은 부족해요. 여기서 우리가 통제할 수 있는 변수는 결국 피드 품질 하나뿐입니다. 외부 변수에 휘둘리지 않으려면 자체 자산부터 단단하게 만드는 게 우선입니다. 한국 시장 기준으로는 자사몰, 네이버 스마트스토어, 쿠팡, 카카오 선물하기 — 이 네 곳의 데이터 일관성을 어떻게 유지하느냐가 가장 큰 운영 변수예요.
영상과 인플루언서 콘텐츠의 가중치
유튜브는 AI 검색에서 가장 자주 인용되는 소스 중 하나입니다. 하지만 LLM이 자막에서 뽑는지 메타데이터에서 뽑는지 메커니즘은 아직 명확하지 않아요. 그래서 인플루언서 언박싱 영상도 GEO 자산으로 다뤄야 합니다. 패키지 디자인, 영상 친화적인 개봉 구조, 자막 가이드까지, 이런 디테일이 AI 인용 확률에 영향을 줍니다. 단순히 "조회수가 잘 나오는 영상" 기준으로 인플루언서를 선정하면 GEO 관점에서는 손해가 날 수 있어요. 콘텐츠 매칭 지표에 "상품 속성 발음 횟수", "자막 키워드 일치율" 같은 항목을 추가해 두면 평가 기준이 명확해집니다.
채널별로 다른 신선도 기준이 만드는 운영 리듬
같은 상품 페이지여도 ChatGPT는 최근 30일 안의 업데이트에 빠르게 반응하는 반면, AI Overviews는 1년 전 기사도 그대로 인용하는 경우가 흔합니다. Perplexity는 그 중간 어딘가에 있고요. 이 차이를 무시하면 모든 채널에 같은 주기로 콘텐츠를 발행하게 되는데, 그러면 정작 빠른 채널은 너무 듬성하고 느린 채널은 너무 빨라 효과가 분산됩니다. 지오랭크가 권장하는 운영 리듬은 자사몰 상품 페이지를 월 1회 핵심 속성 단위로 리프레시하고, 비교·결정 콘텐츠는 분기 1회 통갈이로 가져가는 방식이에요. 이 두 축만 유지해도 채널별 신선도 기준에 자연스럽게 정렬됩니다.
한국 시장에서 추가로 봐야 할 변수
미국 데이터만 보고 그대로 가져오기에는 한국 환경이 살짝 다릅니다. 네이버 쇼핑이 검색 트래픽의 상당 비중을 여전히 차지하고, 카카오톡 선물하기처럼 메신저 기반 쇼핑 동선이 존재하기 때문이에요. AI 검색이 들어오면서 이 분포가 흔들리고 있지만 아직 ChatGPT, Perplexity 답변에는 영문 상품 정보가 잘 잡히고 한국어 자사몰 데이터는 상대적으로 누락되는 경향이 있습니다. 그래서 상품 피드를 한국어와 영문 두 버전으로 동시에 운영하는 브랜드가 늘고 있어요. 같은 상품의 같은 속성을 두 언어로 정리해 두면 글로벌 진출이 아니더라도 AI 채널 인용 확률이 가시적으로 올라옵니다.
자주 묻는 질문 (FAQ)
Q. ChatGPT에 우리 상품을 등록하려면 어떻게 해야 하나요?
OpenAI 머천트 신청 폼이 공식 진입로지만, 폼 제출만으로는 부족합니다. 자사몰의 상품 피드와 상세 페이지가 시멘틱 트리플 구조로 정리돼 있어야 ChatGPT가 추천에 안정적으로 활용합니다. 신청과 자산 정비를 동시에 진행하세요.
Q. AI Overviews 노출이 잘 안 나옵니다. 콘텐츠를 더 길게 써야 하나요?
길이보다는 신선도와 비교 구조가 더 중요합니다. AI Overviews는 의외로 1년 지난 기사를 인용하는 경우가 많아 단기 노출이 어려운 채널이에요. 같은 노력이라면 ChatGPT, Perplexity 쪽에서 먼저 자리잡는 게 보통 더 빠릅니다.
Q. 작은 D2C 브랜드도 AI 커머스에서 경쟁할 수 있나요?
피드 품질만 잘 갖춰져 있으면 가능합니다. 오히려 대형 리테일러보다 카테고리 전문성과 스토리텔링을 일관되게 보여줄 수 있다는 강점이 있어요. 단, 자사몰과 마켓플레이스 데이터를 통일하지 않으면 그래프가 흔들립니다.
Q. 상품 설명은 얼마나 길게 써야 하나요?
구글 쇼핑 기준 5,000자가 상한이지만 길이보다는 밀도가 중요합니다. 같은 정보를 두 번 반복하기보다는 사용 시나리오, 핵심 속성, 맞지 않는 사례까지 한 번씩 짚는 편이 AI 인용에 유리해요.
Q. 인용률을 어떻게 측정하나요?
Profound, Otterly, AthenaHQ 같은 도구가 ChatGPT, Perplexity 답변에서 우리 도메인 인용 빈도를 추적합니다. 주간 베이스라인을 잡고 캠페인 전후를 비교하는 워크플로우를 권장합니다.
더 깊이 파보기: 연관 GEO 가이드
상품 인용을 좌우하는 데이터 기반 진단이 궁금하다면, 250만 리뷰를 어떻게 분석해 AI 인용 패턴을 찾았는지 정리한 데이터 기반 GEO 완전 가이드: 250만 리뷰 분석으로 AI 인용을 잡는 진단법을 보세요. 이커머스 카탈로그를 같은 방법으로 진단하는 출발점이 될 거예요.
AI 슬롭에 묻혀 우리 상품 페이지가 안 보일까 걱정된다면, 양산형 AI 콘텐츠가 폭증하는 환경에서 살아남는 AI 슬롭 시대의 콘텐츠 전략에 답이 있습니다. 상품 설명 차별화의 기준을 잡을 수 있어요.
우리 브랜드가 AI에 "지식 단위"로 인식되는 원리가 궁금하다면, AI 검색 엔티티 최적화 완전 가이드에서 브랜드 엔티티가 어떻게 형성되고 강화되는지를 단계별로 풀어뒀습니다.
전체 자사몰 콘텐츠를 한 번 감사해 보고 싶다면, AI 검색 시대 콘텐츠 감사 완전 가이드가 옴니미디어 관점에서 무엇부터 점검할지 정리해 줍니다.