AI 쇼핑 시대, 우리 데이터는 준비되어 있을까

검색 순위 다음은, AI가 읽는 데이터

몇 년 전까지 브랜드가 신경 쓰던 건 "검색했을 때 몇 번째로 뜨는가"였습니다. 지금은 질문이 하나 더 늘었습니다. "AI에게 물어봤을 때, 우리 제품이 추천되는가"입니다.

이미 많은 소비자가 쇼핑 전에 AI에게 먼저 묻습니다. "이 제품 지금 어디가 제일 싸?", "이거 재고 있는 데 있어?" 같은 질문에 AI 에이전트가 여러 플랫폼을 동시에 뒤져 답을 내놓습니다. 업계에서는 이미 이런 흐름을 기정사실로 보고 있습니다. 리테일 업계에서는 조만간 AI가 전통적인 검색을 상당 부분 대체할 것으로 내다보고 있고, AI 에이전트가 몇 년 안에 이커머스 매출의 상당 부분에 영향을 미칠 거라는 전망도 나옵니다. 아직은 AI가 결제까지 완전히 대신하는 단계는 아니지만, '추천하고 비교해주는' 역할은 이미 시작됐습니다.

문제는 이 과정에서 AI가 보는 화면이, 우리가 상세페이지에 정성껏 디자인해둔 그 화면이 아니라는 점입니다.

사람은 배너 이미지와 문구를 보고 판단하지만, AI 에이전트는 가격·재고·리뷰가 담긴 구조화된 데이터 값을 읽습니다. 이미지 안에 적힌 "30% 할인"이라는 문구는 AI에게는 보이지 않는 정보일 수 있습니다. 가전 브랜드 Y사의 사례(여러 프로젝트에서 반복적으로 확인된 패턴을 하나의 사례로 재구성한 것입니다)를 통해, 이 격차가 실제로 어떤 문제를 만드는지 살펴봅니다.

---

발견 1 — 채널마다 다른 "진짜 가격"

Y사는 AI 쇼핑 서비스에 자사 제품명을 직접 검색해봤습니다. 채널별로 AI가 제시하는 가격이 실제 결제 화면의 최종가와 얼마나 일치하는지 확인했습니다.

자사몰은 4%만 불일치했지만, 소셜커머스는 41%, 해외 리셀러 채널은 63%까지 벌어졌습니다. 원인은 단순했습니다. 프로모션 가격이 배너 이미지로만 표시되거나, 쿠폰 적용 전 가격이 대표 가격 필드에 남아있는 경우가 많았습니다. 사람은 "어차피 쿠폰 받으면 싸지겠지"라고 넘어가지만, AI는 그 필드값을 그대로 "가격"으로 읽고 비교합니다.

---

발견 2 — 품절 이후에도 "구매 가능"이라 답하는 AI

두 번째로 확인한 건 재고 정보의 실시간성이었습니다. 실제 품절 시점과, AI가 품절 사실을 인식하는 시점 사이에 얼마나 차이가 나는지 추적했습니다.

한 채널에서는 실제 품절 이후 12시간 동안 AI가 계속 "구매 가능"이라고 안내했습니다. 재고 데이터가 실시간으로 갱신되지 않고, 일정 주기로만 동기화되는 채널이었습니다. 소비자가 AI 추천을 믿고 들어갔다가 품절을 확인하면, 그 실망은 채널이 아니라 브랜드에 대한 신뢰 하락으로 이어집니다. AI가 잘못 안내한 것이지만, 소비자 기억에 남는 건 "그 브랜드는 재고 관리가 엉망이다"라는 인상입니다.

더 큰 문제는 이런 오안내가 한 번으로 끝나지 않는다는 점입니다. AI가 한 번 잘못된 재고 정보를 학습하거나 캐싱하면, 그 다음 질문에도 같은 오류를 반복할 가능성이 있습니다. 사람이 상담원에게 직접 물어보면 즉시 정정되지만, AI 에이전트를 거치는 소비자는 원본 데이터가 갱신될 때까지 계속 같은 오답을 받게 됩니다.

---

발견 3 — 리뷰는 많은데, AI는 요약을 못 한다

세 번째는 리뷰 데이터였습니다. Y사 제품은 리뷰가 수천 건 쌓여 있었지만, 정작 AI에게 "이 제품 리뷰 어때?"라고 물으면 애매한 답변만 돌아왔습니다. 리뷰 텍스트가 비정형 문장으로만 쌓여 있고, 평점 분포나 키워드가 별도로 구조화되어 있지 않았기 때문입니다. 반면 경쟁사 중 한 곳은 "배송 만족", "향 지속력" 같은 속성별 평점을 따로 태그로 남겨둔 덕에, AI가 훨씬 구체적으로 요약해 추천하고 있었습니다. 리뷰의 '양'은 비슷해도, '구조'가 다르면 AI에게 도달하는 정보량 자체가 달라집니다.

---

그래서 무엇을 먼저 점검해야 할까

세 가지 발견을 종합하면, AI 에이전트 시대에 브랜드가 점검해야 할 항목은 명확해집니다.

가격은 배너 문구가 아니라 실제 결제가와 일치하는 필드값으로 관리되어야 하고, 재고는 품절 즉시 반영되어야 합니다. 리뷰는 텍스트 나열이 아니라 평점 분포와 키워드로 구조화되어야 AI가 제대로 요약할 수 있고, 채널마다 표기 방식이 다르면 AI 입장에서는 어느 쪽이 맞는 정보인지 판단하기 어려워집니다. 다섯 가지 모두 결국 하나로 모입니다. AI에게는 '보기 좋은 페이지'가 아니라 '정확한 값'이 필요하다는 것입니다.

---

CrossView는 이 격차를 계속 추적합니다

CrossView는 40개국 124개 플랫폼의 가격·재고·리뷰 데이터를 구조화된 형태로 지속적으로 수집합니다. 채널마다 흩어진 가격 표기, 실시간으로 갱신되지 않는 재고, 정리되지 않은 리뷰까지 — AI가 우리 브랜드를 어떻게 "읽고" 있는지 사람이 놓치기 쉬운 지점을 데이터로 확인할 수 있습니다.

지금 당장 AI 에이전트를 통한 구매가 매출의 큰 비중을 차지하지는 않을 수 있습니다. 하지만 데이터 정합성은 하루아침에 만들어지지 않습니다. 채널을 늘리고, 프로모션을 돌리고, 리뷰가 쌓일수록 흩어진 데이터를 나중에 정리하는 비용은 더 커집니다. 검색 순위를 관리하던 시대에서, AI가 읽는 데이터를 관리하는 시대로 넘어가고 있습니다. 우리 브랜드는 지금 그 준비가 되어 있을까요?