방금 출시된 영국 패션 앱 하나가 10,000개가 넘는 브랜드를 관련성으로 순위 매겨요, 자리값을 낸 순서가 아니라요. Debenhams, Karen Millen, Boohoo, PrettyLittleThing이 이미 올라와 있어요. 여러분의 상품 데이터가 부실하다면, 결과 안으로 다시 비집고 들어갈 광고 슬롯을 살 방법이 없어요.
TL;DR: Hey Savi가 2026년 6월 2일 Money20/20 Europe에서 출시됐는데, 사진이든 스크린샷이든 텍스트든 10,000개 이상 브랜드에 걸쳐 순위 매겨진 패션 결과로 바꿔주고, 그 순서는 관련성으로 정하며 명시적으로 스폰서 노출 순서가 아니에요. Debenhams Group이 첫 라이브 리테일러예요. 브랜드에게 이것은 AI 쇼핑 표면이 누가 나타날지 결정하는 방식의 예고편이에요. 광고 예산이 아니라 상품 데이터 품질이 결정해요. 해법은 다음 관련성 순위 표면이 출시되기 전에 카탈로그를 기계가 읽을 수 있게 만드는 거예요.
2026년 6월 2일 암스테르담에서 열린 Money20/20 Europe에서, AI 패션 검색 스타트업 Hey Savi는 자사와 PayPal이 영국 최초의 엔드투엔드 에이전틱 커머스 경험이라고 표현한 것을 출시했어요, PayPal 뉴스룸에 따르면요. 쇼핑객이 사진이나 스크린샷, 한 줄의 텍스트를 입력해요. 앱은 10,000개가 넘는 브랜드에 걸쳐 순위 매겨진 상품 결과를 돌려줘요. 그 순위는 관련성으로 정렬되며, 회사는 스폰서 노출로 정렬되지 않는다고 명확히 밝혀요.
그 하나의 설계 결정이 카탈로그 안 모든 브랜드에 대한 규칙을 바꿔요. 유료 검색 결과 페이지에서는 부실한 리스팅도 돈으로 상위에 오를 수 있어요. 관련성 순위 표면에서는 그럴 수 없어요. 여러분의 상품은 데이터의 힘으로 자리를 얻거나, 아예 나타나지 않거나 둘 중 하나예요.
Hey Savi와 PayPal은 실제로 무엇을 출시했나요?
Hey Savi는 여성을 위한 브랜드 중립적 AI 패션 검색 앱으로, 어떤 입력이든 10,000개 이상 브랜드에 걸친 순위 매겨진 결과로 바꿔주며, PayPal이 결제와 상품 데이터 연결 레이어를 공급해요. Debenhams, Karen Millen, Boohoo, PrettyLittleThing을 아우르는 Debenhams Group이 첫 영국 라이브 리테일러예요.
그 작동 방식이 의류를 파는 누구에게나 중요해요. PayPal의 역할은 발표에서 쉬운 말로 설명돼요. 자사 기술이 "판매자 스토어프런트를 AI 플랫폼에 연결해, 가격, 이미지, 설명, 리뷰, 재고 같은 상품 데이터를 쉽게 접근 가능하게 만든다"는 거예요. 다시 말해 PayPal이 카탈로그를 AI 표면으로 흘려보내요. Hey Savi는 받은 것을 순위 매겨요.
"이것은 리테일러에게 중요한 단계적 변화예요. 처음으로 모든 규모의 브랜드가 패션에서 가장 구매 의도가 높은 쇼핑객에게 발견될 수 있으니까요. 우리의 브랜드 중립적 플랫폼은 발견을 민주화해 관련성이 이제 직접 매출을 이끌도록 보장해요." - Sarah Daniel, Co-Founder, Hey Savi (source)
그 인용문을 보도자료가 아니라 브랜드의 눈으로 읽어보세요. "관련성이 이제 직접 매출을 이끈다"는 더 냉정한 문장을 정중하게 표현한 거예요. 여러분의 카탈로그가 순위에 오를 만큼 관련성 있고 완전하지 않다면, 여러분은 그 높은 의도의 쇼핑객에게 보이지 않고, 어떤 미디어 예산도 그것을 바꾸지 못해요. 이것은 모든 AI 쇼핑 검색 표면에서 펼쳐지고 있는 동일한 역학이며, 이제 첫날부터 주요 리테일 그룹이 라이브인 소비자 앱으로 출시된 거예요.
"스폰서 노출이 아니라 관련성"이 왜 이야기의 전부인가요
AI 쇼핑을 이해하는 가장 깔끔한 방법은 이거예요. 이것은 페인트만 새로 칠한 유료 검색이 아니에요. AI 표면에서 시스템은 여러분의 상품 데이터를 얼마나 잘 읽고 신뢰할 수 있는지를 기준으로 무엇을 보여줄지 결정하고, 대개 그 판단을 뒤집을 광고 경매가 없어요.
대부분의 리테일 팀은 예산으로 가시성 문제를 고칠 수 있는 세상에 맞춰 10년을 최적화하며 보냈어요. 어떤 질의에서 성과가 저조하다고요? 더 높게 입찰하세요. 그 근육은 여기서는 통하지 않아요. 순위가 관련성 우선일 때, 입력값은 여러분의 제목, 속성, 설명, 이미지, 재고 상태, 리뷰이고, 이는 PayPal이 출시에서 정확히 지목한 필드예요.
이것이 디지털 선반(digital shelf)이 머천다이징 문제에서 데이터 문제로 이동하는 이유예요. 예전에 선반은 여러분이 상품을 진열하고 엔드캡(endcap)을 사들이던 장소였어요. AI 표면에서 선반은 모델이 검색해 오는 것이 무엇이든 그것이고, 모델은 구조를 기준으로 검색해요. 상품당 5개의 부실한 속성을 가진 브랜드는 30개의 잘 구조화된 속성을 가진 브랜드에게 지는데, 어느 쪽 마케팅 팀이 더 크든 상관없어요.
AI 표면은 광고 지출이 아니라 상품 데이터 품질로 순위를 매겨요. 관련성 순위 앱에서는 결과 안으로 다시 비집고 들어갈 스폰서 슬롯이 없어요.
AI는 여러분의 상품이 나타날지 어떻게 결정하나요
쇼핑객이 어떤 항목을 입력하거나 사진 찍으면, AI는 하나의 문자 그대로의 검색을 돌리지 않아요. 요청을 여러 하위 질의로 분해하는데, Google은 이 과정을 query fan-out이라 부르고, 각각에 대해 상품을 매칭하려 시도해요. "80파운드 미만의 검정 미디 드레스" 하나가 더 좁은 점검들의 부채꼴로 바뀌어요. 실루엣, 색상, 길이, 가격대, 상황, 사이즈 재고 여부로요.
여기서 대부분의 카탈로그가 조용히 실패해요. Surfer SEO가 173,902개 URL을 분석한 연구에 따르면 AI가 인용한 페이지의 68%가 유기적 검색 상위 10위 안에 들지 못했고, fan-out 하위 질의에 부합하는 콘텐츠는 인용 가능성이 161% 상승했어요. 커머스로 옮기면 이렇게 돼요. 풍부하고 구체적인 표현으로 설명된 상품은, 데이터가 빈약한 브랜드가 더 크더라도, 훨씬 더 많은 하위 질의에서 검색돼요.
| 순위 입력값 | 유료 검색 시대 | AI 쇼핑 표면 |
|---|---|---|
| 여러분을 위로 올리는 것 | 입찰액 + 키워드 | 상품 데이터 완전성 + 관련성 |
| 예산으로 낮은 가시성을 고칠 수 있나요? | 예 | 아니요 |
| 무엇이 읽히나요 | 광고 문구 + 랜딩 페이지 | 제목, 속성, 이미지, 재고 상태, 리뷰 |
| 실패 양상 | 경쟁자에게 입찰에서 밀림 | 아예 검색되지 않음 |
시사점은 불편하지만 명료해요. 여러분의 상품이 이 fan-out 하위 질의들 전반에서 얼마나 자주 나타나는지 볼 수 없다면, 이제 유일하게 중요한 지표를 눈감고 다루는 거예요. 실제 쇼핑 질의 전반에서 여러분의 AI 상품 발견율(found rate)을 측정하는 것이 출발점이지, 카탈로그 정리 자체가 목적은 아니에요.
이 표면이 마지막은 아닐 거예요
Hey Savi는 한 나라의, 한 카테고리의, 하나의 앱이에요. 이게 중요한 이유는 그 패턴이에요. 지난 한 해 동안 에이전틱 발견은 몇 안 되는 미국 플랫폼에서 점점 늘어나는 표면들의 집합으로 파편화됐어요. 대형 리테일러의 어시스턴트 통합, ChatGPT와 Gemini 안의 쇼핑 경험, 그리고 이제 유럽의 버티컬한 관련성 순위 소비자 앱까지요.
새 표면 하나하나가 여러분의 브랜드가 발견되거나 보이지 않거나 하는 또 다른 장소이고, 거의 모두가 광고 지출이 아니라 데이터 품질로 순위를 매겨요. 카탈로그를 기계 판독을 위해 한 번 구조화하는 브랜드는 그 피드가 흐르는 모든 곳에서 이득을 봐요. 기다리는 브랜드는 표면마다, 뒤늦게, 더 높은 비용으로 최적화해요.
PayPal의 "Agentic Commerce Services"는 특히 재사용 가능한 커넥터이기 때문에 지켜볼 가치가 있어요. 출시 문구는 Debenhams의 카탈로그가 Hey Savi를 넘어 다른 AI 플랫폼으로 흐를 수 있음을 시사해요. 그것이 사실이라면, 한 앱을 위해 고친 데이터가 여러 앱에 걸쳐 성과를 내요. 이것이 카탈로그 준비도를 일회성 캠페인이 아니라 인프라로 다뤄야 한다는 논거이고, 이미 헤드리스 커머스(headless commerce) 구성이 상품 데이터를 특정 스토어프런트로부터 분리해내는 방식과 밀접하게 연결돼 있어요.
특히 의류의 경우, 패션 질의가 속성 집약적이라 판돈이 더 커요. 핏(fit), 원단, 상황, 색상, 사이즈 재고 여부가 모두 fan-out에 들어가요. 상품 데이터가 얕은 패션 브랜드는 쇼핑객이 구체적인 무언가를 물을 때 정확히 사라지는 브랜드예요.
이번 주에 할 일
- 쇼핑객이 여러분의 상위 20개 상품을 자연어로 어떻게 묘사할지 감사하세요. 핏, 소재, 상황, 가격대 같은 속성을 포함해 질의를 써보세요. 이것이 AI 표면이 fan-out으로 펼칠 하위 질의예요.
- 여러분의 카탈로그가 그 하위 질의에 답하는지 점검하세요. 상품 피드를 열어 각 항목이 제목과 가격만이 아니라 쇼핑객이 실제로 묻는 것들에 대한 구조화된 속성을 지녔는지 확인하세요. SKU당 5개가 아니라 25~30개 속성을 목표로 하세요.
- 순위만이 아니라 발견율을 측정하세요. 고객이 사용하는 AI 표면에 실제 쇼핑 질의를 돌려 여러분의 상품이 아예 나타나기라도 하는 빈도를 세어보세요. 수동 샘플링으로 시작해도 충분하고, AI 가시성 모니터링 도구들이 이 작업을 자동화해주기도 해요.
- 재고와 이미지 데이터를 우선하세요. 관련성 순위 표면은 재고가 있고, 사이즈가 올바르고, 이미지가 잘 갖춰진 상품에 가중치를 둬요. 품절이거나 이미지가 부실한 항목은 브랜드 규모와 무관하게 강등돼요.
- 이 해법을 피드 인프라로 다루세요. 상품 피드 최적화를 통해 카탈로그를 기계 판독을 위해 한 번 구조화하면, 같은 강화된 데이터가 각 표면을 따로 땜질하는 대신 모든 새 표면으로 흘러가요.
자주 묻는 질문
Hey Savi가 무엇인가요?
Hey Savi는 여성을 위한 브랜드 중립적 AI 패션 검색 앱으로, 2026년 6월 2일 Money20/20 Europe에서 PayPal과 함께 출시됐어요. 사진, 스크린샷, 텍스트를 10,000개가 넘는 브랜드에 걸친 순위 매겨진 상품 결과로 바꿔주며, 스폰서 노출이 아니라 관련성으로 정렬하고, Debenhams Group이 첫 영국 리테일러예요.
Hey Savi는 쇼핑객이 앱 안에서 구매하게 해주나요?
네. PayPal이 결제 레이어를 공급하고 실시간 가격과 재고를 노출해 쇼핑객이 경험 안에서 구매할 수 있어요. 브랜드에게 주목할 변화는 체크아웃보다 앞단에 있어요. 여러분의 상품이 아예 발견되고 순위 매겨지는지 여부이고, 그것은 상품 데이터 품질에 달려 있어요.
왜 브랜드는 Hey Savi에서 돈으로 더 높은 순위를 살 수 없나요?
플랫폼이 결과를 스폰서 노출이 아니라 관련성으로 명시적으로 정렬하기 때문이에요. 순위는 AI가 여러분의 상품 데이터를 쇼핑객의 의도에 얼마나 잘 읽고 매칭할 수 있는지로 결정돼요. 그 위에 얹힌 광고 경매가 없으므로 완전성과 구조가 가시성을 결정해요.
AI 쇼핑 표면에 가장 중요한 상품 데이터는 무엇인가요?
제목, 속성, 설명, 이미지, 재고 상태, 리뷰인데, PayPal이 AI 플랫폼에 "쉽게 접근 가능하게" 만든다고 설명하며 지목한 바로 그 필드예요. 패션의 경우 핏, 원단, 색상, 상황, 사이즈 재고 여부를 둘러싼 속성 깊이가 특히 결정적이에요.
이것이 유료 검색과 어떻게 다른가요?
유료 검색에서는 더 높은 입찰이 부실한 리스팅을 끌어올릴 수 있어요. 관련성 순위 AI 표면에서는 그럴 수 없어요. 시스템이 데이터 품질과 의도 일치를 기준으로 검색하고 순위 매기므로, 부실한 카탈로그는 뒤에 얼마의 예산이 있든 보이지 않는 채로 남아요.
내 카탈로그가 AI 준비가 됐는지 어떻게 아나요?
고객이 사용하는 AI 표면에 실제 쇼핑 질의를 돌려 여러분의 상품이 얼마나 자주 나타나는지 측정하세요. AI 에이전트가 필요로 하는 것에 대조해 여러분의 구조화 데이터 완전성을 채점하세요. 그것은 보통 상품당 몇 개가 아니라 25~30개 속성이에요.
영국의 앱 하나가 그 자체로 리테일 전략을 바꾸지는 않아요. 그 뒤에 있는 패턴이 바꿔요. 발견은 여러분의 미디어 예산이 살 수 있는 것이 아니라 여러분의 데이터가 말하는 것을 기준으로 순위 매기는 표면들로 이동하고 있고, 카탈로그를 일찍 구조화하는 브랜드는 새 표면이 도착할 때마다 계속 나타날 거예요. 기다리는 브랜드는 출시가 하나씩 있을 때마다, 살 자리가 남아 있지 않다는 걸 계속 깨닫게 될 거예요.