최근의 한 감사에 따르면 완전한 스키마 마크업을 갖춘 이커머스 상품 페이지는 18%에 불과했어요. 이는 82%의 상품이 사실상 ChatGPT, Google AI Mode, 그리고 현재 주간 활성 사용자 9억 명에게 상품을 추천하는 다른 모든 AI 쇼핑 에이전트에게 보이지 않는다는 뜻이에요. 이를 가장 먼저 고친 브랜드는 이미 결과를 보고 있어요. 상품 피드 스키마를 감사하고 재구축한 브랜드는 AI 쇼핑 표면 전반에서 23%의 매출 상승을 확인했어요.
TL;DR: 이커머스 상품 페이지의 82%는 AI 에이전트가 추천에 필요로 하는 구조화된 데이터를 갖추지 못했어요. 해법은 스키마 마크업, 풍부한 상품 속성, 대화형 맥락을 포함해요. 이를 제대로 해낸 브랜드는 23%의 매출 상승을 확인했어요. 이 글은 오늘 바로 시작할 수 있는 구체적인 감사 체크리스트를 안내해요.
상품 페이지에서 "AI 준비 완료(AI-Ready)"란 실제로 무엇을 의미하나요?
AI 준비 완료란 AI 에이전트가 여러분의 상품을 찾고, 이해하고, 추천할 수 있는지를 결정하는 특정한 기술 및 콘텐츠 요건을 가리켜요. 주요 플랫폼이 평가하는 항목은 다음과 같아요.
구조화된 데이터(스키마 마크업): JSON-LD Product 스키마로, AI 시스템에게 상품의 이름, 가격, 재고, 브랜드, SKU, 이미지, 평점, 사양을 알려줘요. 이것이 토대예요. 이게 없으면 AI 에이전트는 원시 HTML을 파싱하며 자주 틀려요.
풍부한 속성: 대부분의 상품 페이지는 구조화된 속성이 5~8개예요. AI 에이전트는 30개 이상일 때 가장 잘 작동해요. 소재, 치수, 용도, 호환성, 관리 방법, 보증 세부 정보, 지속가능성 인증 등을 떠올려 보세요. 누락된 속성 하나하나가 AI가 답할 수 없는 질문이고, 여러분 대신 경쟁사의 상품이 추천되는 질의예요.
대화형 맥락: Google은 최근 Merchant Center를 위한 "대화형 속성(conversational attributes)"을 발표했어요. AI가 자연어로 상품을 논하는 방식에 맞춰 설계된 필드예요. 이는 "민감성 피부에도 좋나요?"나 "작은 아파트에 들어갈까요?" 같은 질문에 답하는 설명을 뜻해요. 여러분의 상품 데이터는 쇼핑객이 AI에게 던지는 질문의 종류를 미리 예상해야 해요.
크롤 가능한 콘텐츠: 상품 정보가 초기 페이지 렌더링 이후 JavaScript로 로드된다면, 대부분의 AI 크롤러는 그것을 절대 보지 못해요. HUMAN Security에 따르면 AI 에이전트 요청의 87%가 상품 페이지를 향해요. 상품 세부 정보가 JavaScript 실행 이후에만 로드된다면, AI 에이전트는 절대 그것을 보지 못해요.
핵심 수치: AI 에이전트 트래픽은 2025년 1월부터 8월까지 1,300% 성장했고, 그 에이전트 요청의 87%가 상품 페이지를 향해요. 에이전트는 이미 방문하고 있어요. 관건은 그들이 도착했을 때 쓸모 있는 무언가를 찾느냐예요.
AI 노출을 죽이는 가장 흔한 공백은 무엇인가요?
카테고리 전반에서 뚜렷한 패턴이 드러나요. 다음 공백들이 가장 큰 피해를 줘요.
누락되거나 불완전한 스키마 마크업. 이것이 바로 18% 문제예요. 이커머스 플랫폼은 기본적으로 기초적인 스키마를 생성하지만, 완전한 경우는 드물어요. 가격, 재고, 브랜드는 있을 수 있어요. 상세 사양, 평점, 상품 변형, 배송 정보는 보통 빠져 있어요.
JavaScript로 렌더링되는 상품 콘텐츠. 싱글 페이지 애플리케이션과 무거운 JS 프레임워크는 종종 핵심 상품 세부 정보가 클라이언트 측 실행 이후에만 나타나게 해요. ChatGPT와 Perplexity의 AI 크롤러는 대개 JavaScript를 실행하지 않아요. 상품 세부 정보가 JS 렌더링 벽 뒤에 있다면, AI 에이전트에게는 존재하지 않는 것이에요.
빈약한 상품 설명. "파란색 면 티셔츠. 세탁기 사용 가능. S-XL 사이즈." 충분하지 않아요. AI 에이전트는 대화형 질의와 매칭할 만큼 풍부한 설명이 필요해요. "습한 날씨에 좋은, 줄어들지 않는 통기성 좋은 셔츠는 뭔가요?"라고 묻는 쇼핑객에게는 통기성, 습도에서의 성능, 수축 저항을 언급하는 설명이 필요해요. 그렇지 않으면 경쟁사의 상품이 대신 답해요.
FAQ 또는 Q&A 데이터 부재. 상품 페이지의 FAQ는 AI 인용의 금광이에요. 누군가 ChatGPT에 "이 블렌더는 얼음을 갈 수 있나요?"라고 물으면, AI는 명시적인 답을 찾아요. 그 정확한 질문에 답하는 FAQ가 있는 페이지가 그저 "700W 모터, 스테인리스 스틸 블레이드"만 나열한 페이지를 이겨요.
상품 관계 누락. AI 에이전트는 맥락에 맞는 추천을 해요. "이 카메라를 사시면 메모리 카드와 휴대용 케이스도 필요하실 거예요." 관계(액세서리, 보완 상품, 번들)가 정의되지 않은 상품은 이런 맥락적 추천 자리를 놓쳐요.
ChatGPT, Gemini, Perplexity는 실제로 무엇을 보나요?
각 플랫폼은 저마다 강점이 다르지만, 셋 모두 하나의 핵심 요건을 공유해요. 바로 구조화되고 풍부한 상품 데이터예요.
| 플랫폼 | 상품 데이터 소스 | 핵심 신호 | 쇼핑 방식 |
|---|---|---|---|
| ChatGPT (9억 WAU) | ACP 상품 피드, 웹 크롤링, 판매자 앱 | 스키마 마크업, 상품 속성, 리뷰 | 하루 5천만 건 쇼핑 질의, 추천 후 판매자로 리디렉션 |
| Google AI Mode | Merchant Center, Shopping Graph (500억+ 리스팅) | 피드 품질, 대화형 속성, 리뷰 | 대화형 검색, UCP 기반 체크아웃 |
| Perplexity (1억+ MAU) | 웹 크롤링, 판매자 제휴 | 스키마 마크업, 콘텐츠 깊이, 출처 권위 | 쇼핑 프롬프트의 92%가 상품 결과를 유발 |
공통된 맥락은 이거예요. 더 풍부한 데이터가 이겨요. 세 플랫폼 모두에서, 더 완전한 구조화된 데이터, 더 상세한 설명, 흔한 질문에 대한 더 명시적인 답을 갖춘 상품이 더 자주 추천돼요.
Walmart와 Etsy는 각각 ChatGPT 추천 트래픽의 20% 이상을 확보해요. 그들은 우연히 그 자리에 오른 게 아니에요. 경쟁사가 그 중요성을 이해하기 전에 상품 데이터 품질에 투자했어요.
여러분의 AI 준비 상품 페이지 감사 체크리스트
오늘 바로 팀에 건넬 수 있는 구체적인 체크리스트예요. 최적화의 ROI가 가장 높은, 매출 기준 상위 20% SKU부터 먼저 진행하세요.
스키마 마크업(Google의 Rich Results Test로 확인):
- 스키마에 상품명, 설명, 브랜드
- 가격과 통화 명시
- 재고 상태(
InStock,OutOfStock,PreOrder) - SKU 및/또는 GTIN/UPC
- 리뷰 수를 포함한
AggregateRating - 스키마에 alt 텍스트가 있는 상품 이미지
- 상품 변형(사이즈, 색상)을 별도의 offer로
콘텐츠 깊이:
- 설명이 용도와 맥락을 담아 150단어 이상
- 사양이 15개 이상의 속성을 다룸(5~8개가 아니라)
- 흔한 질문 3~5개에 답하는 FAQ 섹션
- 콘텐츠가 서버 측에서 렌더링됨(JS 전용이 아니라)
AI 배포:
- Merchant Center 피드가 완전하고 동기화됨
- ACP(ChatGPT) 배포를 위한 상품 피드 이용 가능
Robots.txt가 주요 AI 크롤러(GPTBot,Google-Extended,PerplexityBot)를 허용
경쟁 기준선:
- 상위 상품에 surfd AI 준비도 진단 실행
- 여러분의 속성 수를 카테고리 리더와 비교
- ChatGPT에서 여러분의 타깃 쇼핑 질의에 어떤 경쟁사가 나타나는지 확인
핵심 수치: 2025년 사이버 위크 동안 AI 에이전트를 갖춘 리테일러는 그렇지 않은 곳보다 7배 높은 매출 성장(13% vs 2%)을 봤어요. AI로 유입된 방문자는 전통적 검색 트래픽보다 38% 더 잘 전환돼요.
뒤처져 있다면 어디서부터 시작할까요
그 체크리스트를 보고 여러분의 상품이 대부분의 기준에 미치지 못한다는 걸 깨달았다면, 여러분은 다수에 속해요. 가장 빠른 앞으로 가는 길은 surfd에서 무료 AI 준비도 진단을 실행하는 거예요. 상품 URL만 넣으면 여러분의 상품 페이지에 점수를 매기고 격차가 정확히 어디에 있는지 분석해줘요. 거기서부터 여러분의 상품을 5~8개 속성에서 30개 이상으로 풍부하게 하고, 스키마 공백을 메우고, 풍부해진 피드를 ChatGPT, Google AI, Perplexity에 배포하는 작업을 진행하면 돼요.
여기서 창은 실재해요. AI 에이전트 트래픽은 2025년 블랙프라이데이에 전년 대비 805% 성장했고 계속 가속하고 있어요. 오늘 그 트래픽을 확보하는 브랜드는 몇 달 전에 상품 데이터를 고쳤어요. 지금 고치는 브랜드는 다음 물결을 잡아요. 나머지 모두는 왜 경쟁사가 자신은 못 받는 AI 추천을 받는지 계속 궁금해할 거예요.
자주 묻는 질문
상품 페이지에서 "AI 준비 완료"란 무엇을 의미하나요?
AI 준비 완료란 완전한 스키마 마크업, 풍부한 구조화된 속성(30개 이상), 설명 속 대화형 맥락, FAQ 데이터, 서버 측 렌더링 콘텐츠를 갖춘 상품 페이지를 가리켜요. 이런 요소가 있어야 ChatGPT, Google AI Mode, Perplexity 같은 AI 쇼핑 에이전트가 상품을 발견하고, 이해하고, 추천할 수 있어요.
왜 상품 페이지의 18%만 완전한 스키마를 갖췄나요?
대부분의 이커머스 플랫폼은 이름, 가격, 재고를 다루는 기초적인 스키마를 기본 생성해요. 하지만 완전한 스키마에는 수동으로 설정하거나 보강해야 하는 상세 사양, 평점, 상품 변형, 이미지, 배송 데이터가 필요해요. AI 에이전트가 이 데이터를 추천에 사용하기 전까지는 그 영향이 보이지 않았기 때문에, 대부분의 판매자가 이를 우선순위에 두지 않았어요.
상품 데이터를 고치면 실제로 매출이 얼마나 개선되나요?
상품 피드 스키마를 감사하고 재구축한 브랜드는 ChatGPT Shopping, Google Shopping, Perplexity Shopping에서 동시에 발견 가능해지면서 23%의 매출 상승을 확인했어요. 2025년 사이버 위크 동안 AI로 유입된 방문자는 전통적 검색에서 온 방문자보다 38% 더 잘 전환됐어요.
AI 크롤러를 차단해야 하나요, 허용해야 하나요?
허용하세요. Amazon이 AI 크롤러를 차단하기로 한 결정은 ChatGPT 추천 트래픽이 3% 아래로 떨어지는 데 일조했고, 반면 AI 에이전트를 받아들인 Walmart는 ChatGPT 추천 트래픽의 20%를 확보해요. robots.txt가 GPTBot, Google-Extended, PerplexityBot을 허용하는지 확인하세요.
내 상품의 AI 준비도를 감사하는 가장 빠른 방법은?
surfd에서 무료 AI 준비도 진단을 실행하세요. 아무 상품 URL이나 입력하면 0~100점 리포트를 받아요. 수동 점검을 하려면 Google의 Rich Results Test로 스키마를 검증하고, 상품당 구조화된 속성 수를 세고, 상품 콘텐츠가 JavaScript 실행 없이 렌더링되는지 확인하세요.
AI 에이전트에게는 상품 속성이 몇 개나 필요한가요?
대부분의 상품 페이지는 구조화된 속성이 5~8개예요. AI 에이전트는 사양, 소재, 용도, 호환성, 관리 방법, 지속가능성 세부 정보를 포함해 30개 이상일 때 가장 잘 작동해요. 누락된 속성 하나하나가 여러분의 상품이 노출되지 못하는 쇼핑 질의를 뜻해요.