Bloomberg는 3월 3일, Meta가 Meta AI 안에서 AI 기반 쇼핑 리서치 도구를 테스트하고 있다고 보도했어요. 이 기능은 가격, 브랜드 정보, 판매자 웹사이트로의 링크가 담긴 상품 캐러셀을 보여줘요. 네이티브 체크아웃은 없고 - 그냥 추천 링크로, Google Shopping이 수년간 작동해온 방식과 비슷해요. Forrester 애널리스트 Sucharita Kodali는 이를 "따라쟁이 수법(copycat move)"이라고 불렀고, 그 말이 맞아요. 하지만 그렇다고 이것이 무의미해지는 건 아니에요.
리테일러가 이제 고려해야 할 주요 AI 쇼핑 표면을 세어 보세요. ChatGPT, Google AI Mode, Perplexity, Amazon Rufus, 그리고 이제 Meta AI예요. 소비자가 대화형 AI를 통해 상품을 발견할 수 있는 플랫폼이 다섯 개인데, 각각 서로 다른 방식으로 상품 데이터를 끌어오고, 각자 고유한 랭킹 로직을 갖고 있어요. 대부분의 리테일 팀에게는 Google Shopping 피드 하나를 정확하게 유지하는 것조차 이미 고역이에요. 이게 방금 다섯 배 어려워졌어요.
Meta AI 쇼핑은 어떻게 작동하나요?
Meta의 AI 쇼핑 도구는, 현재 Meta AI 어시스턴트 안에서 테스트 중인데, 상품 추천을 가격, 브랜드명, 상품 이미지를 보여주는 시각적 캐러셀로 제시해요. 사용자는 자연어 질의로 상품을 리서치하고 큐레이션된 결과를 받아요. OpenAI의 이제는 폐기된 Instant Checkout과 달리, Meta는 추천 모델을 택했어요 - 상품을 클릭하면 사용자가 구매를 완료하러 판매자 웹사이트로 이동해요. 이 접근은 ChatGPT의 네이티브 체크아웃 시도를 무너뜨린 재고와 이행(fulfillment)의 복잡성을 피해가요.
Meta가 네이티브 체크아웃 대신 추천을 택한 것은 돌이켜 보면 - 아니 어쩌면 바로 이번 주 OpenAI의 후퇴에 비춰 보면 - 영리해 보여요. 그들은 판매 주체(merchant of record)가 되는 걸 피하고, 재고 동기화의 악몽을 비껴가면서도, 여전히 귀중한 발견의 순간을 잡아내요. 광고 수익 모델은 저절로 써져요. 판매자가 오늘 Facebook과 Instagram 피드에서 노출 자리를 사는 것과 똑같은 방식으로, AI가 생성한 상품 추천에서 노출 자리를 사는 거예요.
Meta의 앱들에 걸쳐 33억 명의 월간 활성 사용자가 있으니, 그중 작은 비율만 AI 쇼핑 도구를 써도 어마어마한 볼륨이에요. 우리는 이미 소비자의 41%가 상품 발견에 AI를 사용하고, 그중 3분의 1은 전통적 검색을 아예 버렸다는 걸 목격하고 있어요. 문제는 Meta AI가 진짜로 유용한 상품 추천을 올려줄 수 있느냐, 아니면 소비자가 무시하는 법을 배우게 되는 또 하나의 광고로 어수선한 피드가 되느냐예요.
AI 쇼핑 어시스턴트 시장은 얼마나 큰가요?
Grand View Research에 따르면, 전 세계 AI 쇼핑 어시스턴트 시장은 2024년 33.6억 달러로 평가됐고, 2033년까지 285.4억 달러에 이를 것으로 전망되며, 27%의 연평균 복합 성장률로 성장하고 있어요. 북미가 전 세계 시장의 약 40%를 차지해요. 성장은 대화형 AI의 개선, AI 매개 상품 발견에 대한 소비자의 높아지는 편안함, 그리고 쇼핑 의도를 잡으려는 주요 기술 기업들 간의 플랫폼 경쟁으로 견인되고 있어요.
그 성장 궤적이 왜 모든 주요 기술 플랫폼이 자사 AI 상품에 쇼핑 기능을 서둘러 추가하는지를 설명해줘요. Amazon에는 Rufus와 논란이 된 Buy for Me 기능이 있어요. Google에는 쇼핑 연동이 들어간 AI Mode가 있어요. Perplexity는 몇 달 전에 쇼핑을 출시했어요. OpenAI는 네이티브 체크아웃을 만들었어요(그리고 접었죠). 이제 Meta예요. 각 플랫폼은 동일한 280억 달러 기회를 보고 있고, 그 한 조각을 원해요.
27% CAGR은 또 이 시장이 대부분의 리테일 운영 팀이 적응할 수 있는 것보다 빠르게 움직인다는 뜻이기도 해요. 하나의 새 AI 표면에 맞춰 상품 데이터를 최적화하는 데 6개월이 걸리는 리테일러는, 그 작업을 마칠 즈음이면 두 개의 표면이 더 출시되어 있는 걸 발견하게 될 거예요.
리테일러는 몇 개의 AI 쇼핑 플랫폼을 지원해야 하나요?
2026년 3월 기준, 리테일러는 최소 다섯 개의 주요 AI 기반 쇼핑 발견 플랫폼을 마주해요. ChatGPT(OpenAI), Google AI Mode, Perplexity, Amazon Rufus, Meta AI예요. 각 플랫폼은 상품 데이터를 다르게 수집해요 - 어떤 곳은 판매자 웹사이트를 크롤링하고, 어떤 곳은 구조화된 피드에서 끌어오며, 어떤 곳은 파트너십 API를 사용해요. 여기에 더해, Klarna(OpenAI 기반), Shopify의 AI 기능, eBay의 AI 도구가 부차적 표면을 이뤄요. AI 상품 발견 최적화에는 통일된 표준이 없어서, 여러 플랫폼에 존재하는 것을 운영상 복잡하게 만들어요.
이것이 업계 관점에서 저를 밤잠 못 이루게 하는 부분이에요. SEO는 성숙하는 데 10년이 걸렸고, 리테일러는 결국 Google에 맞춰 최적화하는 법을 알아냈어요. 하지만 Google은 사실상 유일하게 중요한 검색 엔진이었어요. 이제는 중요한 AI 표면이 다섯 개이고, 각각 다르게 작동해요. ChatGPT는 파트너십과 웹 크롤링에 의존해요. Google AI Mode는 Shopping Graph에 직접 접근해요. Perplexity는 독립적으로 웹을 크롤링해요. Amazon Rufus는 Amazon 자체 카탈로그에서 작동해요. Meta AI는 아마 자사 커머스 파트너십과 광고주 데이터를 활용할 거예요.
지저분한 상품 카탈로그를 가진 리테일러 - 일관성 없는 타이틀, 빠진 속성, 낡은 가격 - 는 이미 Google Shopping에서 가시성을 잃고 있었어요. 이제 그 똑같은 엉망이 다섯 개의 AI 표면에 걸쳐 복제되고, 각각이 데이터 품질 문제를 서로 다른 방식으로 증폭시켜요. 여러분 리스팅의 사양이 불완전해서 확신을 갖고 경쟁사 상품을 추천하는 AI는, 아예 나타나지 않는 것보다 나빠요. 이것이 다섯 개 플랫폼에 걸쳐 곱해진 브랜드 대 비브랜드 가시성 격차예요.
리테일러는 멀티플랫폼 AI 발견을 위해 무엇을 우선해야 하나요?
리테일러는 모든 AI 발견 표면의 토대로서 구조화된 상품 데이터에 집중해야 해요. 이는 완전하고 일관된 상품 속성(사이즈, 색상, 소재, 호환성), 정확한 실시간 가격과 재고, 흔한 소비자 질문에 답하는 풍부한 상품 설명, 그리고 AI 시스템이 상품 페이지를 파싱하도록 돕는 스키마 마크업을 뜻해요. 데이터 품질에 투자하는 것은 모든 AI 플랫폼에 걸쳐 동시에 배당금을 안겨주는 반면, 플랫폼별 최적화는 지형이 더 파편화될수록 수확 체감이 와요.
Google은 리테일러에게 순위에 오르는 상품 타이틀과 설명을 쓰는 법을 가르치는 데 거의 20년이 걸렸어요. AI 쇼핑 시대는 그 학습 곡선을 몇 달로 압축하고 있는데, 대부분의 리테일러는 아직 시작조차 하지 않았어요.
다섯 개 표면 전부에서 이길 리테일러는, 상품 데이터를 분기마다 업데이트되는 마케팅 업무가 아니라 인프라로 다루는 곳이에요. 여러분의 카탈로그는 결제 스택만큼 실시간이고 믿을 수 있어야 해요. 모든 속성이 중요해요. AI가 어떤 속성을 써서 추천을 내릴지 여러분이 통제할 수 없으니까요.
Meta의 경쟁 참여는 이번 주가 아주 분명히 드러낸 사실을 확인해줘요. AI 쇼핑 지형은 통합되는 게 아니라 파편화되고 있어요. 한 플랫폼에 베팅하는 건 지는 수예요. 어디서나 통하는 상품 데이터 토대를 짓는 것이 확장되는 유일한 전략이에요. 그것이 바로 Agentic Commerce Optimization이 다루는 것이에요 - 모든 표면에서 동시에 여러분의 카탈로그를 AI 준비 상태로 만드는 것이죠.