검색 순위에서 에이전트의 직접 추천으로

이커머스 브랜드의 기존 최적화 목표는 검색 순위 상승, 마켓플레이스 상위 노출, 제품 페이지로의 트래픽 유입에 맞춰져 있었습니다. 그러나 아마존 알렉사(Alexa for Shopping), 월마트 스파키(Walmart Sparky), 챗GPT, 제미나이 등 쇼핑 에이전트 기능이 확대되면서 구매 경로가 단축되고 있습니다.

AI 에이전트는 소비자의 복합적인 요구 사항을 해석하고, 다양한 출처의 정보를 대조 평가하여 특정 제품을 직접 추천합니다. 이에 따라 자사 웹사이트 최적화가 잘 되어 있고 마켓플레이스 평점이 높더라도, AI의 신뢰 기준을 충족하지 못하면 답변에서 완전히 제외되는 현상이 나타납니다. 이러한 환경에서 제품이 AI 쇼핑 에이전트에게 올바르게 발견·이해·평가·추천되도록 돕는 전략을 '에이전틱 커머스 최적화(ACO, Agentic Commerce Optimization)'로 정의합니다.

앞서 본지가 다룬 이커머스 AI 쇼핑 검색 추천 좌우하는 5가지 데이터 검증 기준과 마찬가지로, 상거래 영역에서의 AI 최적화는 단순 키워드 매칭을 넘어선 다각도의 데이터 정합성을 요구합니다.

ACO 구축을 위한 5대 핵심 영역

포브스 기술 위원회(Forbes Technology Council)에 게재된 아조마(Azoma.ai) 맥스 싱클레어 대표의 기고에 따르면, 브랜드가 ACO 전략을 수립할 때 점검해야 할 핵심 영역은 5가지로 요약됩니다.

  • 완전성(Completeness): AI가 제품을 정확히 식별할 수 있도록 성분, 규격, 사용 목적, 패키지 크기 등 세부 속성 데이터를 일관되게 제공해야 합니다. '150달러 이하의 발볼이 넓은 장거리 러닝화'와 같은 다중 조건 질의에 대응하기 위한 필수 조건입니다.
  • 맥락(Context): 소비자가 실제로 사용하는 자연어 질문과 브랜드의 설명 언어를 일치시켜야 합니다. 마케팅 전문 용어가 아닌 일상적 고민과 증상을 해결하는 콘텐츠 연결이 필요합니다.
  • 인용(Citations): AI 모델이 추천 결정을 내릴 때 참고하는 외부 출처의 신뢰도입니다. 자사 웹사이트뿐 아니라 언론 보도, 제휴 매체, 커뮤니티 리뷰 등이 종합적인 근거로 활용됩니다.
  • 정확성(Correctness): 카탈로그 데이터가 정상이어도 AI가 제품 변형을 혼동하거나 잘못된 성분을 매칭하는 오류(환각)가 발생할 수 있습니다. AI 질의를 통해 추천 결과의 사실관계를 지속적으로 모니터링해야 합니다.
  • 고객 획득(Customer Acquisition): AI 추천 노출이 실제 트래픽과 전환, 매출로 이어지는 경로를 추적하고 상업적 가치를 측정해야 합니다.

알렉사 쇼핑 인용의 73%는 '제휴 매체'

AI 에이전트가 어떤 출처를 신뢰하는지와 관련해 구체적인 관측 수치도 공개됐습니다. 아조마가 2026년 2분기 자사 플랫폼에 등록된 브랜드 및 제품 카테고리를 대상으로 진행한 수백만 건의 프롬프트 관측 분석에 따르면, 알렉사 쇼핑 응답에서 확인된 인용 출처의 73%가 제휴 사이트(affiliate sites)인 것으로 나타났습니다. 언론 보도(earned media)는 16%, 브랜드 공식 웹사이트 콘텐츠는 11%에 그쳤습니다.

"AI 시스템은 브랜드 웹사이트의 정보를 사용할 수 있지만, 추천을 내리기 전에 다른 곳을 먼저 살펴본다. 제휴 콘텐츠, 언론 보도, 리뷰, 포럼 등이 제품과 브랜드에 대한 추가적인 근거를 제공한다." — 맥스 싱클레어, 아조마 CEO

해당 분석은 무작위 표본 추출 방식은 아니지만, AI 쇼핑 에이전트의 답변 구성에서 온페이지(On-page) 데이터보다 외부 제3자 출처의 비중이 월등히 높다는 점을 보여줍니다. 이는 검색 엔진 최적화가 키워드 순위에서 인용 중심으로, GEO 실무 프레임워크로 이동하고 있는 흐름과 맞닿아 있습니다.

전통적 SEO와의 공존과 확장

에이전틱 커머스 최적화는 기존의 검색 최적화나 마켓플레이스 관리를 대체하는 것이 아니라, 소비자와 제품 사이에 위치한 AI 에이전트라는 새로운 계층에 대응하는 작업입니다. AI 쇼핑 도우미뿐 아니라 범용 대형 언어 모델(LLM) 역시 상거래 관련 질의에 대해 독립적인 가치 판단과 추천을 수행하고 있습니다.

결국 브랜드가 AI 기반 상거래에서 가시성을 확보하기 위해서는 완전한 제품 속성 구축과 더불어, 외부 신뢰 출처 전반에서 브랜드와 제품이 어떻게 언급되고 인용되는지를 통합 관리하는 체계가 요구됩니다.

이 사이트가 보는 지점

이번 자료는 AI 쇼핑 에이전트의 추천 알고리즘이 브랜드 공식몰보다 제휴 및 언론 등 외부 제3자 인용(89%)에 압도적으로 의존한다는 점을 관측 수치로 보여줍니다. 이는 기존의 키워드 순위에서 인용 중심으로, GEO 실무 프레임워크가 커머스 영역에서 '외부 인용의 교차 검증'이라는 측정 지표로 확장되어야 함을 시사합니다. 다만 해당 조사는 특정 플랫폼 내 비무작위 관측치이므로, 전체 AI 상거래 모델로 일반화하기 위해서는 추가적인 표준 측정이 필요합니다.