여러분 집에서 가장 큰 화면이 방금 AI 에이전트가 상품을 추천하는 장소가 됐어요. 6월 23일, Glance와 Samsung은 미국의 수백만 대 스마트 TV에 양방향 에이전틱 쇼핑 경험을 올렸어요. 여러분이 실물 상품을 판다면, 이제 에이전트가 쇼핑객이 여러분을 볼지 경쟁사를 볼지 결정하는 표면이 하나 더 생긴 거예요.
TL;DR: Glance와 Samsung은 미국의 2020년 이후 모든 Samsung TV에 에이전틱 쇼핑 에이전트를 출시하면서, 채팅, 검색, 마켓플레이스에 이어 거실 화면을 AI가 상품을 추천하는 장소로 추가했어요. 이 표면에서 이기는 브랜드는 에이전트가 검색하고 신뢰할 만큼 상품 데이터가 충분히 구조화된 브랜드예요. 대부분의 카탈로그는 그렇지 않고, 그 격차는 측정하기 전까지는 보이지 않아요.
여기 패턴은 익숙해요. 새로운 AI 표면이 열리고, 그것은 자체의 불투명한 검색 로직으로 어떤 상품을 보여줄지 고르며, 브랜드들은 몇 달 뒤에야 자신이 애초에 경합 대상에 든 적이 없었음을 알게 돼요. ChatGPT 쇼핑에서 그런 일이 일어났어요. Meta가 자사 앱을 쇼핑 표면으로 바꿨을 때 또 일어났어요. 이제 소파 위에서 일어나고 있어요.
Glance와 Samsung은 실제로 무엇을 출시했나요?
Glance와 Samsung은 Samsung의 Tizen TV 운영체제 안에서 작동하는 AI 쇼핑 에이전트를 출시해, 시청자가 패션, 액세서리, 라이프스타일 상품을 TV에서 바로 둘러보고 쇼핑할 수 있게 했어요. 미국의 2020년 이후 모든 Samsung 모델에서 가동되며, "For You"와 "Apps" 탭을 통해 노출되고, 휴대폰이나 두 번째 기기가 필요 없어요.
이번 출시는 시청자별로 구축된 개인화 피드를 갖춘 "양방향 인터랙티브 쇼핑"이라고 설명해요. PYMNTS에 따르면 Glance(InMobi 소유)는 커머스 플랫폼 단독으로는 도달하기 어려운 유통망을 얻고, Samsung은 엔터테인먼트 기기 이상으로 만들려고 수년간 애써온 그 화면에 쇼핑 레이어를 얻어요.
브랜드에게 중요한 작동 방식은 인터페이스가 아니에요. 그 아래에 놓인 것, 즉 상품 데이터를 흡수하고, 시청자의 추론된 의도에 비추어 평가하며, 어떤 항목이 개인화 피드에 들어갈지 결정하는 에이전트예요. 그 결정이 게임의 전부예요.
TV 표면이 들리는 것보다 더 중요한 이유
TV는 자체 규칙과 방대한 설치 기반을 지닌, 인간의 비교 쇼핑이 시작되기도 전에 에이전트가 추천을 내리는, 진정으로 새로운 검색 맥락에 해당해요. 그것이 누가 보이는지를 바꿔요.
전략적 요점은 이래요. 지금까지 열린 모든 AI 표면은 똑같이 작동해요. 쇼핑객이 원하는 것을 분해하고, 구조화된 데이터에서 후보 상품을 검색하며, 순위를 매기고, 짧은 목록을 보여줘요. 이것은 에이전틱 커머스의 핵심 작동 방식이고, 표면이 바뀌어도 변하지 않아요. 쇼핑객은 처음 몇 개 결과 너머를 좀처럼 보지 않아요. Glance가 TV에 "개인화 쇼핑 피드"를 구축할 때, 그것은 누군가 최고의 러닝화를 물었을 때 ChatGPT가 내리는 것과 똑같은 검색·순위 결정을 내리고 있어요.
새로운 에이전트 표면이 열릴 때, 브랜드는 요란하게 노출을 잃지 않아요. 조용히, 검색되지 않은 상품 하나씩 잃어가고, 그 손실은 그 표면을 특정해 측정하고 있을 때만 보여요.
Glance와 InMobi의 CEO Naveen Tewari는 이를 "맥락을 이해하고, 의도를 예측하며, 소비자를 그 순간에 만나는" 커머스라고 표현했어요. 브랜드용으로 옮기면, 에이전트는 각 시청자가 무엇을 원하는지 추측하며 그것을 여러분 카탈로그에 맞춰보고 있어요. 여러분 상품 데이터가 에이전트가 묻는 질문에 답하지 못하면, 여러분은 피드에 없어요.
표면 세트는 계속 파편화되고 있어요
2년 전 "AI 쇼핑"은 ChatGPT를 뜻했어요. 이제 그것은 채팅 어시스턴트, Google AI Mode, Perplexity, 마켓플레이스 에이전트, 그리고 거실 TV를 뜻해요. 각 표면은 서로 다른 데이터 요구사항, 서로 다른 검색 로직, 서로 다른 경쟁 세트를 지녀요. 한 표면을 위해 한 피드를 최적화하는 것으로는 더 이상 여러분을 다 커버하지 못해요.
| AI 쇼핑 표면 | 주요 에이전트 | 브랜드가 통제하는 것 |
|---|---|---|
| Chat | ChatGPT, Claude, Gemini | 구조화된 상품 데이터, 피드 품질 |
| Search-AI | Google AI Mode, Perplexity | 페이지 콘텐츠, schema, 검색 가능성 |
| Marketplace | 리테일러 에이전트 | 리스팅 데이터, 속성, 리뷰 |
| Connected TV | Samsung Tizen 위의 Glance | 카탈로그 피드, 상품 속성 |
모든 행을 관통하는 공통점은 같아요. 에이전트는 마케팅 카피가 아니라 구조화된 상품 데이터를 읽고, 자신이 파싱할 수 있는 것에서 승자를 골라요. 채팅에서 잘 대변되는 브랜드도, 피드가 그 표면에 아예 도달하지 못하거나 빈약한 속성으로 도착하면 TV에서는 보이지 않을 수 있어요. 한 에이전트를 위해 한 작업이 다음 에이전트로 이어진다고 가정할 수 없어요.
이것이 "우리는 AI에서 보이나요?"가 잘못된 질문인 이유예요. 올바른 질문은 "우리는 쇼핑객이 사용하는 각 표면에서, 그리고 누구를 상대로 보이나요?"예요. 이것들은 서로 다른 답이고, 그중 하나만이 표면별로 측정 가능해요.
대부분의 카탈로그가 에이전트가 순위를 매기기도 전에 지는 이유
대부분의 상품 페이지는 속성을 다섯에서 여덟 개 담고 있어요. AI 에이전트는 훨씬 더 많은 속성에 비추어 상품을 평가하는데, 하나의 쇼핑객 니즈를 여러 하위 질문으로 분해하기 때문이에요. Google은 이를 query fan-out이라고 불러요. 하나의 질의가 8~12개의 병렬 서브쿼리가 되어, 시스템이 추천을 조립하기 전에 각각을 따로 답해요.
Surfer SEO가 173,902개 URL을 분석한 연구에서는 AI에 인용된 페이지의 68%가 오가닉 상위 10위 안에 없고, fan-out 서브쿼리에 맞는 콘텐츠는 인용이 161% 증가한 것으로 나타났어요. 이것이 작동 중인 문단 단위 검색이에요. 에이전트는 페이지 전체의 순위를 매기는 대신 각 하위 질문에 답하는 특정 데이터를 뽑아내요. 커머스에 대한 시사점은 직접적이에요. 에이전트 추천에서 이기는 상품은 고전적 검색에서 순위가 가장 높은 상품이 아니라 그 데이터가 특정 하위 질문에 답하는 상품이에요. 우리는 커머스를 위한 query fan-out 해설에서 이를 처음부터 끝까지 짚어봤어요.
패션과 라이프스타일을 위한 TV 쇼핑 피드에서, 에이전트의 하위 질문은 핏, 소재, 상황, 계절, 가격대, 그리고 시청자의 이전 브라우징에 대한 스타일 매칭을 다룰 수 있어요. 재킷을 제목, 가격, 세 개의 불릿 포인트로만 나열한 카탈로그는 그런 질문에 답할 수 없어요. 30개 이상의 속성으로 보강된 카탈로그는 답할 수 있어요. 그 차이가 누가 피드에 들어갈지를 결정해요.
이것이 AI 준비도 뒤에 있는 작업이에요. 어떤 에이전트든, 어떤 표면에서든 검색하고 신뢰할 수 있을 만큼 여러분 상품 데이터가 완전하고 구조화되도록 만드는 것이죠. surfd의 AI 준비도 진단은 상품 페이지가 이런 에이전트에 얼마나 준비돼 있는지 점수화해 데이터가 부족한 지점을 정확히 짚어줘요.
신뢰에 관한 메모, TV가 판돈을 키우니까요
이 표면이 중요한 두 번째 이유가 있어요. PYMNTS Intelligence의 2026년 5월 Consumer AI Benchmark 신규 연구에 따르면, 쇼핑객은 에이전트가 발견과 비교를 처리하도록 기꺼이 맡기지만, 결제와 되돌릴 수 없는 결정에 이르면 물러나요. 소비자는 상품을 찾고 비교하는 데는 도움을 원하지만, 최종 결정권은 자신이 쥐고 싶어 해요.
이를 제대로 읽으면 시사점은 분명해요. 소비자는 에이전트가 자신을 대신해 상품을 노출하고 비교하도록 허락하는데, 이는 추천 단계에 가치가 집중된다는 뜻이에요. 에이전트가 고르는 깨끗하고 완전하며 신뢰할 수 있는 옵션이 되는 것은 그 어느 때보다 값진데, 쇼핑객이 바로 그 단계를 위임하고 있기 때문이에요. 오래된 가격이나 빠진 속성은 TV에서 미관상의 흠이 아니에요. 걸러질 이유예요.
이번 주에 할 일
- 여러분의 표면을 나열하세요. 오늘 여러분 카테고리가 나타나는 모든 AI 표면을 적어보세요. ChatGPT, Google AI Mode, Perplexity, 마켓플레이스 에이전트, 그리고 이제 커넥티드 TV까지요. 이름 붙이지 않은 것은 측정할 수 없어요.
- 한 상품의 속성 깊이를 감사하세요. 대표 SKU 하나를 골라 그 구조화된 속성을 세어보세요. 15개 미만이면 어떤 에이전트 표면에서든 query fan-out에 고전할 거예요. 쇼핑객이 실제로 물어볼 질문에 비추어 무엇이 빠졌는지 매핑하세요.
- 여러분 피드의 도달 범위를 확인하세요. 어떤 AI 채널이 실제로 여러분 상품 피드를 받는지 확인하세요. 많은 브랜드가 쇼핑객이 사용하는 표면의 절반에도 도달하지 못하는 피드를 최적화해요.
- 가격과 재고 동기화를 점검하세요. 에이전트는 여러분 피드가 말하는 대로 인용해요. 오래된 데이터는 여러분을 걸러내거나, 더 나쁘게는 잘못 추천되게 해요. 동기화 빈도가 매시간 이상인지 확인하세요.
- 합산이 아니라 표면별로 측정하세요. 단일 "AI 노출" 숫자는 여러분이 지고 있는 표면을 숨겨요. 각 에이전트에서 발견율과 위치를 따로 추적하고, 각각에서 누가 여러분을 이기는지 관찰하세요.
자주 묻는 질문
TV에서 쇼핑하는 것이 정말 새로운 건가요?
TV를 통해 구매하는 것은 새롭지 않아요. AI 에이전트가 개인화 상품 피드를 구축하고 각 시청자가 무엇을 볼지 결정하는 것이 새로워요. 그 변화는 고정된 카탈로그를 둘러보는 것에서, 에이전트가 여러분을 위해 상품을 검색하고 순위를 매기는 것으로의 전환인데, 이는 채팅과 검색 쇼핑을 재편한 것과 같은 모델이에요.
이것은 사람들이 TV에서 직접 구매한다는 뜻인가요?
에이전트의 역할은 발견과 추천이에요. ChatGPT와 마찬가지로 가치가 높은 단계는 노출되고 추천받는 것이며, 구매는 보통 판매자 자체 사이트에서 완료돼요. PYMNTS 연구는 소비자가 결제에 대해 인간의 감독을 원한다는 것을 보여주므로, 브랜드가 경쟁하는 곳은 체크아웃이 아니라 추천이에요.
TV 에이전트는 내 상품 데이터 관점에서 ChatGPT와 어떻게 다른가요?
밑바탕의 요구사항은 같아요. 에이전트가 파싱할 수 있는 구조화되고 완전한 상품 속성이죠. 차이는 도달 범위와 맥락이에요. TV 피드는 시청 행동에서 의도를 추론하고 시각적, 라이프스타일 속성에 기대므로, 핏, 상황, 스타일 같은 필드가 사양만큼 중요해요.
AI 쇼핑 에이전트가 실제로 필요로 하는 상품 데이터는 무엇인가요?
에이전트는 대부분의 페이지가 담고 있는 다섯에서 여덟 개 속성보다 훨씬 많은 것을 평가해요. 니즈를 사용 사례, 호환성, 소재, 가격, 맥락을 아우르는 여러 하위 질문으로 분해해요. 30개 이상의 구조화된 속성으로 보강된 카탈로그는 일관되게 더 많은 하위 질문에 답하고 더 자주 노출돼요.
이런 새로운 표면에서 내가 보이는지 어떻게 알 수 있나요?
직접 측정하는 거예요. 일반적인 브랜드 인지도는 에이전트가 특정 표면에서 여러분의 특정 상품을 검색하는지를 예측하지 못해요. 표면별로 발견율, 위치, 경쟁사 점유율을 추적하는 것만이 새로운 채널이 여러분에게 쇼핑객을 보내고 있는지 아니면 건너뛰고 있는지 알 수 있는 유일한 방법이에요.
새로운 화면이 방금, 사람이 아니라 에이전트가 어떤 상품이 보일지 결정하는 장소들의 목록에 합류했어요. 그 목록은 계속 커질 것이고, 새로운 표면은 저마다의 검색 규칙과 경쟁 세트를 지니고 도착해요. AI 노출을 표면별로 측정 가능한 규율로 다루는 브랜드는 표면이 늘어나도 계속 나타날 거예요. 그것을 이미 체크한 하나의 박스로 취급하는 브랜드는 자신이 애초에 피드에 없었음을 너무 늦게 계속 알게 될 거예요.