인사이트

똑똑한 AI는 왜 우리 상품을 추천하지 않을까? ①

2026-04-16

[1편] 키워드 검색의 한계와 ‘재순위화’의 비밀

"주말 데이트에 어울리면서도 편하게 오래 걸을 수 있는 가죽 스니커즈 추천해줘."

이제 고객은 검색창을 점원처럼 대하며 복잡한 의도를 쏟아냅니다. 하지만 비슷한 품질의 상품 중에서도 어떤 것은 AI의 선택을 받고, 어떤 것은 철저히 외면당합니다. 1편에서는 MIT·컬럼비아대 연구진이 발표한 세계 최초의 이커머스 GEO 벤치마크 'E-GEO'를 통해, AI가 상품을 재순위화(Re-ranking)하는 원리와 키워드 검색 시대와는 완전히 달라진 노출 공식을 파헤칩니다.

[시리즈 전체 보기🕶️]

① 키워드 검색의 한계와 '재순위화'의 비밀 (→ 우리는 지금 여기에 있어요!)

② AI의 선택을 받는 10가지 GEO 공식

과거에는 '화이트 스니커즈' 같은 키워드를 잘 넣는 것이 중요했다면, 지금의 고객은 AI 에이전트에게 이렇게 묻습니다.

┃”주말 데이트에 어울리면서도 편하게 오래 걸을 수 있는 가죽 스니커즈 추천해줘.”

검색은 더 이상 단순한 정보 탐색이 아니라, ‘상담’이 되었습니다. 그리고 이 상담의 중심에는 사람이 아니라 AI 에이전트가 있습니다.

그런데 이상한 일이 벌어집니다.

비슷한 가격, 비슷한 품질의 상품인데도 어떤 상품은 AI 추천에 반복적으로 등장하고, 어떤 상품은 아예 언급조차 되지 않습니다.

광고를 늘려도, 상세페이지를 수정해도 결과가 달라지지 않는 이유는 무엇일까요?

이 질문에 대한 가장 실질적인 답이 바로 GEO(Generative Engine Optimization, 생성형 엔진 최적화)입니다.

이커머스 환경이 키워드 매칭에서 AI 에이전트 중심으로 급변하면서, 고객은 검색창을 ‘점원’처럼 대하기 시작했습니다. 복잡한 요구사항을 이해하고 답을 제시하는 구조 속에서, 이제 상품 설명은 단순 정보가 아니라 ‘선택의 근거’가 됩니다. 이러한 제로클릭 시대에 우리 브랜드의 상품이 AI 에이전트에게 선택받기 위한 구체적인 GEO 전략을 소개합니다.

* 본 가이드는 2025년 11월 MIT·컬럼비아대 연구진이 발표한 세계 최초의 이커머스 전용 GEO 벤치마크인 ‘E-GEO’ 연구 결과를 바탕으로 작성되었습니다.

[💡Mini Guide] 세계 최초의 이커머스 AI 최적화 벤치마크, ‘E-GEO’

E-GEO(Generative Engine Optimization in E-Commerce) 연구는 AI 에이전트가 주도하는 쇼핑 환경에서 우리 브랜드의 상품이 어떻게 하면 더 높은 순위에 오를 수 있는지를 과학적으로 분석한 최초의 시도입니다.

* 실제 구매 의도 데이터셋: 온라인 커뮤니티 Reddit에서 추출한 7,000개 이상의 정교한 소비자 질의와 Amazon 상품 리스팅을 바탕으로 구축되어, 기존 키워드 검색이 놓치는 복잡한 쇼핑 맥락(구매 의도, 제약 조건 등)을 완벽히 반영합니다.

* 기존 마케팅 전략 검증: FAQ 구조, 권위 있는 말투 등 업계에서 흔히 쓰이는 15가지 전략을 실증 비교한 결과, 단순한 기교보다 체계적인 최적화가 훨씬 효과적임을 밝혀냈습니다.

* 알고리즘 기반의 순위 상승: 복잡한 고민 없이 가벼운 최적화 알고리즘만으로도 기존의 모든 인간적 방식(Heuristics)보다 압도적인 순위 상승을 이끌어냈습니다.

* 보편적 필승 전략 발견: 상품 카테고리나 질문의 종류에 상관없이 공통적으로 적용되는 '보편적으로 효과적인(Universally Effective)' 전략의 증거를 발견하여, 구조적인 승리 공식을 제시합니다.

📁 AI가 원하는 건 키워드가 아닌 ‘의도(Intent)’입니다

◎ 짧은 키워드 설명의 한계

기존의 짧은 키워드 나열식 설명은 AI가 제품의 맥락을 추론하기에 정보량이 너무 적습니다. AI는 단순 단어 매칭이 아니라 사용자의 복잡한 의도와 상품의 연관성을 분석하기 때문에, 키워드만으로는 순위 경쟁에서 뒤처질 수밖에 없습니다.

◎ 맥락의 자산화

E-GEO 데이터셋은 기존 키워드 데이터가 놓치기 쉬운 고객의 긴 문장 속에 담긴 TPO, 취향, 제약 조건 등 풍부한 쇼핑 맥락을 포착합니다. 이러한 맥락 데이터는 고객이 ‘무엇’을 사려는지뿐만 아니라 ‘왜’ 사려는지에 대한 의도(Intent)를 담고 있어, 단순 클릭 데이터로는 도달할 수 없는 고부가가치 자산이 됩니다.

◎ 데이터의 선순환

생성형 엔진은 이처럼 복잡한 요구사항을 분석하여 수많은 상품 중 가장 적합한 것을 골라내는 ‘지능형 필터’ 역할을 합니다. 이러한 고객의 의도와 요구사항을 정확히 반영해 상품 설명을 최적화하는 브랜드만이 AI의 선택을 받아 ‘가장 적합한 정답’으로 인용될 수 있습니다. 결국 고품질의 인텐트 데이터를 확보하고 활용하는 것이 AI 검색 시대의 독보적인 마케팅 경쟁력이 됩니다.

📁 AI 시대의 마케팅은 ‘재순위화(Re-ranking)’ 싸움입니다

AI 에이전트는 단순히 상품을 찾는 것을 넘어, 수만 개의 리스트 중 고객 의도에 가장 부합하는 순서로 상품을 다시 배치하는 '리랭커(Re-ranker)' 역할을 합니다. 생성형 엔진은 사용자의 질문을 받으면 먼저 관련 상품들을 모은 뒤, LLM의 정교한 추론 능력을 활용해 고객의 숨은 의도와 제약 조건에 맞춰 추천 순위를 결정합니다.

◎ GEO, 단순한 상위 노출을 넘어 ‘경제적 가치’를 증명하다

기존의 웹 검색 기반 GEO가 단순히 답변 내에 출처가 언급되거나 인용되는 '간접적인 노출'에 집중했다면, 이커머스 환경에서의 GEO는 훨씬 더 강력하고 직접적인 목표를 갖습니다. 바로 '순위(Ranking)' 그 자체입니다.

E-GEO 연구는 상품의 노출 순위를 핵심 지표로 삼습니다. 이는 이커머스에서 순위 상승이 곧 클릭률(CTR)과 구매 전환율, 나아가 매출 증대로 직결된다는 강력한 경제적 인과관계가 이미 증명되었기 때문입니다. 결국 이커머스 GEO는 최적화된 상품 설명 하나가 실제 비즈니스의 수익으로 변환되는 과정을 과학적으로 정식화한 전략입니다.

[그림 1] GEO 프로세스: GEO 모듈이 상품 설명을 재작성하여 생성형 엔진의 랭킹에서 노출 순위를 높이는 과정 (출처: MIT·컬럼비아대 E-GEO 연구, 2025 / 플래티어 재구성)

위 그림의 사례처럼 적절한 최적화(GEO)만으로도 하위권에 머물던 상품이 최상단 정답으로 등극할 수 있습니다.

◎ 순위 상승의 경제적 가치

본 연구가 인용한 산업 분석에 따르면, AI 추천 리스트에서 순위가 단 한 단계만 상승해도 제품당 연간 수만 달러의 추가 수익을 기대할 수 있습니다. 이는 높은 순위가 실제 고객의 클릭 및 구매 전환으로 직결된다는 강력한 실증적 증거들이 존재하기 때문입니다.

◎ 전략적 최적화: 선택이 아닌 생존

전통적인 검색 환경과 달리 생성형 AI 시대에는 상위권에 들지 못하면 브랜드 노출 기회 자체가 완전히 사라질 위험이 큽니다. 특히 인간의 직관에 의존한 기존의 15가지 마케팅 기교 중 대부분은 AI 순위 상승에 효과가 없거나 오히려 역효과를 냈습니다. 따라서 상품 설명을 AI 알고리즘이 선호하는 구조로 체계적으로 최적화하는 것은 브랜드의 생존을 위한 필수 전략입니다. 정확한 고객 의도를 포착해 상품 설명을 최적화하면 AI 엔진의 재순위화 점수가 높아져 상단에 배치됩니다. 상위 노출은 클릭과 구매 전환율을 비약적으로 높이며, 이는 다시 더 많은 고객 데이터를 확보하게 하여 지속적인 매출 성장을 이끄는 선순환 구조를 만듭니다.

[Deep Dive] 논문은 현재 업계에서 통용되는 15가지 초기 프롬프트(Heuristics)를 실험에 사용했습니다.

15가지 기교 종류: 광고 스타일(Advertisement), 권위 있는 톤(Authoritative), 클릭 유도형(Clickable), 비교 우위 강조(Competitive), 다양성 존중(Diverse), FAQ 추가, 언어 유창성(Fluent), 포맷 최적화(Format), 외국어 표현(Language), 미니멀리즘(Minimalist), 품질 강조(Quality), 스토리텔링(Storytelling), 기술적 용어(Technical), AI 최적화 트릭(Trick), 희귀 단어 사용(Unique).