세일즈포스 예측, 전자상거래 트래픽 20%가 AI 에이전트

2026년 연말 홀리데이 쇼핑 시즌 동안 전자상거래 트래픽의 20%가 인공지능(AI) 챗 에이전트에서 유발될 것이라는 전망이 나왔습니다. 경제 매체 쿼츠(Quartz)는 고객관계관리(CRM) 및 전자상거래 설루션을 판매하는 세일즈포스의 예측 데이터를 인용해 이같이 전했습니다. 다만 해당 자료에는 조사 대상, 표본 크기, 구체적인 산출 방법은 공개되지 않았습니다.

보도에 따르면 소비자가 상품을 둘러보는 탐색 시간은 크게 늘었으나 실제 구매 전환율은 그에 미치지 못하고 있습니다. 쿼츠는 "온라인 쇼핑객이 훨씬 더 많은 상품을 살펴보지만 구매량은 소폭 증가하는 데 그쳤다"며, 브라우징 시간의 증가가 곧바로 구매 확대로 이어지지 않자 사용자들이 AI 기반 대화형 도구로 전환하고 있다고 분석했습니다. 세일즈포스 조사에 따르면 쇼핑객의 절반(50%)이 구매 여정의 특정 단계에서 AI 어시스턴트를 활용하고 있으며, 구매자의 74%는 이들 봇이 제시하는 제품 추천을 신뢰한다고 답했습니다.

실제 구매자 질의와 백그라운드 봇 혼재

AI 에이전트가 일으키는 20%의 트래픽은 사람이 직접 챗봇을 조작해 발생하는 요청에만 국한되지 않습니다. 해당 수치에는 소비자의 실시간 쇼핑 질의 외에도 AI 백그라운드 봇과 경쟁 업체의 가격 스크레이퍼(자동 수집 프로그램) 활동이 함께 포함되어 있습니다.

이는 에이전트 기반 상거래 환경에서 웹 트래픽의 성격이 변하고 있음을 보여줍니다. 쿼츠는 "에이전트는 일반 사람처럼 웹사이트를 탐색하지 않는다"고 설명했습니다. 에이전트는 디자인이 가미된 웹 페이지를 시각적으로 훑는 대신, 실시간 가격 정보, 정확한 제품 사양, 재고 현황이 담긴 구조화된 데이터 피드를 직접 호출합니다. 유통 업체의 카탈로그 데이터 피드 갱신이 늦어지면 에이전트의 추천 목록에서 제품이 누락되는 구조입니다.

범용 AI와 브랜드 자체 봇의 분업화

쇼핑객이 사용하는 대화형 도구의 유형도 단계별로 나뉘고 있습니다. 쿼츠는 소비자가 상품 목록 작성, 제품 간 비교, 할인 프로모션 코드 검색과 같은 초기 탐색 단계에서는 범용 AI 비서를 주로 활용한다고 전했습니다. 반면 특정 쇼핑몰이나 브랜드를 선택한 뒤 주문 배송을 추적하거나 반품을 처리하는 사후 단계에서는 해당 브랜드가 자체 운영하는 챗봇을 더 선호하는 양상을 보였습니다.

이러한 변화는 오프라인 매장으로도 이어지고 있습니다. 매장 방문 구매자의 약 12%가 진열대 앞에서 실시간으로 대화형 도구를 켜서 가격과 성능을 비교하는 것으로 나타났습니다. 아울러 물가 부담으로 인해 연말 쇼핑객의 35%가 더 저렴한 대체 상품을 찾는 가운데, AI 도구가 최저가 탐색을 대행하는 현상이 뚜렷해졌습니다.

상거래 인프라와 AI 검색 환경의 변화

이러한 상거래 트래픽의 변화는 최근 주요 플랫폼 기업들이 도입하고 있는 AI 커머스 규격과 맞물려 있습니다. 앞서 구글은 사용자가 플랫폼 밖으로 나가지 않고 결제까지 마칠 수 있도록 돕는 구글, 미국서 검색·제미나이에 '유니버설 카트' 출시를 발표한 바 있으며, 상거래 플랫폼 쇼피파이 역시 쇼피파이, AI 쇼핑 에이전트 지식 베이스 어드민 통합을 통해 에이전트가 읽을 수 있는 데이터 구조를 관리자 화면에 직접 연동하기 시작했습니다.

동시에 AI 엔진이 내부적으로 여러 번 질의를 쪼개어 실행하는 AI 배경 검색 '팬아웃 쿼리' 확대… 사전 선별 브랜드 쏠림 심화 현상처럼, 쇼핑 분야에서도 에이전트가 백그라운드에서 실시간 데이터 피드를 반복 조회해 사전에 브랜드를 추려내는 흐름이 강화되고 있습니다. 에이전트 트래픽이 웹사이트 방문자 지표에 잡히더라도, 이것이 실제 사람의 유입인지 기계적인 데이터 요청인지 분리해 집계하는 작업이 과제로 떠오르고 있습니다.

이 사이트가 보는 지점

이번 전망은 웹 분석 도구에서 집계되는 세션 수와 페이지뷰가 AI 에이전트 시대에 실제 잠재 고객 규모를 반영하기 어려워졌음을 보여줍니다. 트래픽의 20% 안에 실제 소비자의 질의뿐 아니라 백그라운드 에이전트와 스크레이퍼 호출이 뒤섞여 있어, 단순 트래픽 양보다 실시간 재고·가격 피드의 정확도가 인용과 노출의 핵심 기준으로 작동하게 됩니다. 웹페이지 본문 최적화 중심의 기존 방식에서 벗어나 기계가 즉시 읽어 갈 수 있는 구조화 피드의 정합성을 어떻게 유지하고 측정할 것인지가 새로운 과제로 부각됩니다.