AI 쇼핑 에이전트가 상품 탐색과 비교를 지원하고, 일부 환경에서는 구매 절차까지 수행하면서 온라인 쇼핑 경험이 달라지고 있습니다. 이제 커머스 브랜드는 검색 결과에서 상품이 노출되는지만 확인할 것이 아니라, 소비자가 구매 조건을 입력했을 때 AI의 추천 후보에 자사 상품이 포함되는지도 살펴봐야 합니다.

이러한 에이전트 커머스 시대에 대응하려면 상품 상세페이지, 구조화 데이터, 상품 피드를 점검하고, AI 답변에서 브랜드가 어떻게 언급되고 인용되는지 측정해야 합니다. 이 글에서는 에이전트 커머스의 변화와 브랜드가 준비해야 할 AI 쇼핑 최적화 과제를 살펴봅니다.

VIVI로 우리 브랜드의 AI 검색 가시성 확인하기

---

1. 에이전트 커머스란? AI 쇼핑 에이전트가 바꾸는 구매 과정

AI 쇼핑은 챗봇에 상품 추천을 요청하는 수준을 넘어, 소비자의 구매 조건을 해석하고 상품을 탐색하며 후보를 비교하는 방향으로 확장되고 있습니다. 일부 환경에서는 구매 절차까지 지원하지만, 실제 기능은 플랫폼과 판매자, 이용 지역에 따라 다릅니다.

에이전트 커머스(Agentic Commerce)는 AI 에이전트가 소비자의 의도와 조건을 바탕으로 상품 탐색, 비교, 구매와 관련된 작업을 수행하는 커머스 방식입니다.

ChatGPT는 AI 쇼핑 에이전트의 상품 탐색과 비교 기능을 강화하고 있습니다

OpenAI는 2025년 11월 쇼핑 리서치 기능을 발표했습니다. 소비자가 자연어로 원하는 상품을 설명하면 AI가 여러 출처를 조사하고, 구매 조건을 비교해 추천 결과를 정리하는 기능입니다.

2026년 3월에는 상품을 시각적으로 탐색하고 나란히 비교하는 쇼핑 경험을 확장하면서, Agentic Commerce Protocol(ACP)을 상품 발견 영역까지 확대한다고 발표했습니다. ACP는 판매자가 구조화된 상품 정보를 ChatGPT에 전달할 수 있도록 지원하는 표준 프로토콜입니다.

일부 판매자와 상품에서는 ChatGPT 내 결제 기능도 제공되지만, 모든 상품에 적용되는 것은 아닙니다. 따라서 브랜드는 플랫폼별 지원 범위와 상품 정보가 전달되는 경로를 구분해 확인해야 합니다.

Google은 AI 쇼핑과 구매 인프라를 연결하고 있습니다

Google 역시 AI 에이전트와 판매자 시스템을 연결하기 위한 기술과 서비스를 확대하고 있습니다. 2026년에는 Universal Commerce Protocol(UCP)을 발전시켰으며, 10월 15일에는 미국에서 Universal Cart를 출시했습니다.

Universal Cart는 여러 판매자의 상품을 한곳에서 관리하고 가격 변동과 프로모션 등을 확인할 수 있도록 지원하는 쇼핑 기능입니다. 두 기업의 접근 방식과 기능은 다르지만, 소비자가 직접 여러 사이트를 탐색하던 과정을 AI가 지원하고 상품 발견과 구매가 점차 가까워진다는 방향은 같습니다.

---

2. AI 쇼핑 시대, 기존 온라인 쇼핑과 상품 발견 방식은 어떻게 달라질까요?

기존 온라인 쇼핑에서 브랜드는 검색 결과 상단 노출, 광고, 썸네일을 통해 클릭을 유도했습니다. 소비자는 여러 상품페이지를 방문해 가격과 스펙, 리뷰를 직접 비교했습니다.

AI 쇼핑에서는 이 과정의 일부를 AI가 대신 수행할 수 있습니다. 예를 들어 소비자가 “소형 아파트에서 사용하기 좋은 저소음 공기청정기”를 요청하면, AI는 카테고리뿐 아니라 권장 사용 면적, 소음 수준, 필터 성능, 가격 등을 비교해 후보를 좁힐 수 있습니다.

이때 브랜드가 제공하는 상품 정보는 AI가 상품을 탐색하고 비교하는 데 활용될 수 있는 핵심 자료입니다. 기존 검색 최적화가 불필요해지는 것이 아니라, 검색 노출과 AI 추천 가시성을 함께 관리해야 하는 이유입니다.

기존 온라인 쇼핑과 AI 쇼핑의 차이

특히 브랜드명을 직접 검색하지 않는 질문을 점검해야 합니다. “삼성 공기청정기 추천해 줘”는 이미 브랜드에 관심이 있는 소비자의 질문이지만, “원룸에서 쓰기 좋은 조용한 공기청정기 추천해 줘”는 아직 브랜드를 결정하지 않은 소비자의 질문입니다.

새로운 고객에게 발견될 가능성을 확인하려면 브랜드명보다 용도, 예산, 취향, 사용 환경이 중심인 비브랜드 구매 질문에서 자사 상품이 어떤 위치에 놓이는지 봐야 합니다.

---

3. AI 쇼핑 에이전트는 어떤 상품 정보를 바탕으로 추천할까요?

AI 쇼핑에 대응하기 위해 모든 상세페이지를 새로 제작할 필요는 없습니다. 먼저 기존 상품 정보가 AI와 소비자가 함께 활용할 수 있을 만큼 명확하고 구조적으로 제공되는지 점검하는 것이 우선입니다.

상세페이지 최적화: 상품 특징과 사용 조건을 명확하게 설명하기

상세페이지는 소비자가 상품을 이해하는 공간이면서 AI가 상품 정보를 수집할 때 참고할 수 있는 자료입니다. 제품명과 가격만이 아니라 사용 환경, 주요 스펙, 옵션, 사용법, 구매 판단에 필요한 조건을 HTML 텍스트로 명확히 제공해야 합니다.

예를 들어 화장품 이미지에 ‘산뜻한 마무리감’, ‘건성 피부를 위한 보습’, ‘사용 후 24시간 보습 지속력 시험 완료’가 담겨 있다면, 핵심 정보는 이미지 안에만 두지 않는 편이 좋습니다. 이미지 해석에만 의존하지 않도록 같은 내용을 접근 가능한 텍스트로도 제공해야 합니다.

FAQ와 리뷰: 고객의 구매 조건을 보완하기

상품 비교에 필요한 정보는 기본 스펙에 한정되지 않습니다. 배송과 반품 조건, 특정 환경에서의 사용 가능 여부, 실제 사용 경험도 구매 결정에 영향을 줍니다.

• 사용 환경: 침실이나 반려동물이 있는 가정에서도 사용할 수 있는가?

• 관리 조건: 필터 교체 주기와 관리 방법은 무엇인가?

• 사용감: 소음, 제형, 사용 편의성, 내구성은 어떤가?

FAQ와 리뷰는 이런 구매 조건을 보완하는 데 도움이 됩니다. 다만 FAQ나 리뷰를 추가한다고 해서 AI 추천이나 인용이 보장되는 것은 아니므로, 실제 답변에서 어떤 정보가 활용되는지 함께 추적해야 합니다.

구조화 데이터와 상품 피드: 상품 정보를 AI 쇼핑 시스템에 전달하기

구조화 데이터(Structured Data)는 웹페이지 정보의 의미를 표준화된 형식으로 설명하는 방식입니다. Google 검색에서는 Product, Offer, AggregateRating 등의 마크업으로 상품 정보, 가격, 재고, 평점 등을 전달할 수 있습니다.

상품 피드(Product Feed)는 상품명, 가격, 재고, 옵션 등을 정해진 형식으로 플랫폼에 전달하는 데이터입니다. OpenAI의 ACP도 판매자가 제공하는 상품 피드를 통해 상품 정보의 정확성과 최신성을 높이는 방향으로 설계되었습니다.

두 방식 모두 상품 정보를 기계가 처리하기 쉽게 제공하지만, 지원 플랫폼과 전달 경로는 다릅니다. 데이터를 추가하는 것만으로 AI 추천이 보장되는 것은 아니므로, 자사 상품 정보가 실제 AI 쇼핑 환경에서 어떤 경로로 제공되고 어떤 조건에서 활용되는지 확인해야 합니다.

---

4. 에이전트 커머스 시대, 브랜드가 준비해야 할 AI 쇼핑 최적화 전략 3가지

AI 쇼핑 대응의 출발점은 대규모 시스템 도입이 아니라, AI가 자사 상품을 어떤 질문에서 발견하고 무엇을 근거로 비교하는지 확인하는 것입니다.

1) 고객의 구매 질문에 우리 상품이 등장하는가?

브랜드명이 포함되지 않은 실제 구매 질문을 선정해 자사 상품의 노출 여부를 확인해야 합니다.

• 민감성 피부에 적합한 저자극 수분크림 추천해 줘.

• 3만 원 이하로 구매할 수 있는 보습 크림은?

• 메이크업 전에 바르기 좋은 가벼운 수분크림 추천해 줘.

같은 카테고리라도 용도, 예산, 취향에 따라 AI의 추천 결과는 달라질 수 있습니다. 브랜드명을 직접 입력한 질문뿐 아니라, 아직 브랜드를 정하지 않은 소비자의 질문에서 자사 상품이 등장하는지 확인해야 합니다.

2) 경쟁 상품은 어떤 이유로 추천되는가?

자사 상품이 답변에 등장하지 않는다면 경쟁사가 어떤 근거로 추천되는지 비교해야 합니다. AI가 언급한 기능, 사용 환경, 가격, 고객 평가가 실제로 경쟁사 페이지의 어느 정보에서 비롯됐는지 확인하면 개선 방향을 찾을 수 있습니다.

이 과정은 경쟁사의 문구를 그대로 따라 하기 위한 것이 아닙니다. 자사 상품이 실제로 보유한 강점이 온라인에 충분히 설명되고 있는지 확인하는 작업입니다. 예를 들어 자사 수분크림도 산뜻한 제형이 강점인데 상세페이지에는 ‘풍부한 보습’만 강조되어 있다면, 사용감과 관련된 정보를 더 분명하게 보완할 수 있습니다.

3) 개선 이후 AI 답변은 달라졌는가?

상세페이지와 상품 정보를 개선했다면 같은 질문과 AI 엔진을 기준으로 개선 전후 결과를 비교해야 합니다.

• 브랜드나 상품이 답변에 언급되는 비율

• 자사 페이지가 출처로 인용되는 비율

• 경쟁 브랜드 대비 답변 내 점유율

• 추천되거나 제외되는 구매 조건

• 추천 근거로 활용되는 콘텐츠와 페이지

AI 답변은 시점, 개인화, 검색 결과, 모델 업데이트에 따라 달라질 수 있습니다. 한두 번의 테스트로 효과를 단정하기보다 동일한 조건에서 결과를 지속적으로 추적해야 합니다.

---

5. VIVI로 AI 쇼핑 가시성을 측정하고 개선하는 방법

에이전트 커머스가 발전할수록 브랜드는 상품페이지 디자인이나 검색 순위뿐 아니라, AI가 자사 상품을 어떤 조건에서 발견하고 어떤 근거로 추천하는지도 관리해야 합니다.

BubbleShare의 VIVI는 이러한 AI 쇼핑 가시성을 점검하고 개선하는 데 활용할 수 있습니다. VIVI Insight에서는 고객의 질문을 기준으로 AI 답변 속 브랜드 언급률, 인용률, 점유율을 확인할 수 있습니다. 어떤 질문에서 자사 브랜드가 등장하는지, 어떤 경쟁사가 함께 언급되는지, 자사 페이지가 추천 근거로 활용되는지 분석하면 콘텐츠와 상품 정보의 개선 우선순위를 정할 수 있습니다.

상품페이지의 핵심 설명이 통이미지에 집중되어 있다면 VIVI PDP Converter로 이미지 속 상품 정보를 텍스트와 HTML 형태로 변환하는 작업을 시작할 수도 있습니다. 현재 AI 답변에서 브랜드의 위치를 확인하고, 필요한 상품 정보를 보완한 뒤, 같은 기준으로 변화를 추적하는 운영이 가능합니다.

AI 쇼핑이 확대된다고 기존 온라인 쇼핑 전략을 모두 바꿀 필요는 없습니다. 다만 소비자가 상품을 발견하는 접점이 달라지고 있는 만큼, 브랜드도 그 변화가 자사 상품의 발견과 추천에 어떤 영향을 미치는지 측정해야 합니다.

고객이 AI에게 상품을 추천해 달라고 물었을 때, 우리 상품은 어떤 조건에서 선택지로 등장하고 있을까요? 그 질문에 답하는 것이 에이전트 커머스 시대의 준비를 시작하는 방법입니다.

→ VIVI 회원가입하고 AI 쇼핑 가시성 무료로 확인하기