AI 에이전트는 무엇을 기준으로 상품을 추천하는가

6가지 평가 기준을 순서대로 뜯어보면

분석 자료들을 종합하면 AI 에이전트가 상품을 평가할 때 대략 다음 순서로 판단하는 경향이 있습니다. 다만 이 순서는 ChatGPT, Google, Perplexity 등 플랫폼별로 미세하게 조정될 수 있다는 점을 감안하고 봐야 합니다.

1. 구조화 데이터 품질: 정확성, 완전성, 최신성. 5강에서 다룬 JSON-LD 필드가 여기에 해당합니다.
2. 쿼리 관련성: 사용자가 입력한 의도와 상품 데이터가 얼마나 정확히 매칭되는지.
3. 가격 경쟁력: 같은 상품군 안에서 상대적인 가격 위치.
4. 가용성: 실제 재고가 있는지, 배송이 가능한지.
5. 리뷰 및 신뢰 신호: aggregateRating, 리뷰 수, 반품률.
6. 판매자 신뢰도: 과거 거래 이력, 클레임 발생률.

주목할 부분은 가격 경쟁력이 1순위가 아니라 3순위라는 점입니다. 아무리 가격이 저렴해도 구조화 데이터가 부실하거나 사용자 의도와 맞지 않으면 그 이전 단계에서 이미 걸러진다는 뜻입니다.

여기서 한 가지 단서를 분명히 달아둘 필요가 있습니다. 이 6단계 순서는 플랫폼이 공식 문서로 발표한 알고리즘 설명이 아니라, 업계 분석이 관찰과 추론을 통해 정리한 것입니다. 순서가 뒤바뀌거나 플랫폼마다 가중치가 다를 수 있다는 뜻이므로 '이대로만 맞추면 1위'라는 식으로 받아들이면 곤란합니다. 대신 여섯 항목이 어느 정도 상식적인 방향을 가리킨다는 점은 활용할 만합니다. 어느 항목도 브랜드 인지도나 광고 집행액이 아니라는 사실 자체가 실무자에게는 충분한 힌트입니다.

이 순서를 우리 작업 순서로 바꾸면

평가 기준을 그대로 읽으면 남의 알고리즘 얘기지만, 항목별로 우리가 손댈 수 있는지를 기준으로 다시 나누면 작업 목록이 됩니다. 1번 구조화 데이터 품질과 2번 쿼리 관련성은 오늘 당장 우리가 통제할 수 있는 영역입니다. 필드를 채우고, 상품명과 속성값을 실제 고객이 쓰는 표현에 맞춰 정리하는 일이라 외부 승인도 예산도 필요 없습니다.

3번 가격과 4번 가용성은 통제는 가능하지만 사업 조건에 묶여 있는 항목입니다. 가격을 무리해서 내리기보다, 최소한 품절 상품이 재고 있는 것처럼 표시되는 상황만은 없게 만드는 쪽이 비용 대비 효과가 큽니다. AI가 추천했는데 실제로는 살 수 없는 상품이었다면 그 경험은 다음 추천에서 불리하게 돌아올 여지가 있습니다.

5번 리뷰 신호와 6번 판매자 신뢰도는 단기간에 바꾸기 어려운 누적 항목입니다. 대신 방향은 분명합니다. 리뷰를 실제로 모으고, 반품률과 클레임을 줄이는 운영이 그대로 AI 추천 경쟁력으로 환산된다는 뜻이라, 지금까지 CS 비용으로만 계산하던 항목을 마케팅 자산으로 다시 볼 이유가 생깁니다.

브랜드 규모보다 데이터 정확도가 앞선다

이 순서가 만드는 실질적인 결과는 이렇습니다. 유명 브랜드라도 상품 데이터가 부정확하거나 부족하면 AI의 고려 대상에서 아예 빠질 수 있습니다. 반대로 인지도가 낮은 중소 브랜드라도 정확한 데이터와 우수한 리뷰를 갖췄다면 충분히 추천될 수 있습니다. 즉 기존의 브랜드력 중심 경쟁이 아니라 데이터 정확도 중심 경쟁으로 무게중심이 옮겨가고 있다는 뜻입니다. 이건 자본이 적은 중소 판매자에게 오히려 유리하게 작용할 수 있는 지점이라, 10강에서 실행 체크리스트로 다시 정리하겠습니다.

물론 브랜드력이 아무 소용 없다는 말은 아닙니다. 리뷰 수와 거래 이력은 결국 오래 판매해온 브랜드에 유리하게 쌓이는 항목이고, 6번 판매자 신뢰도도 마찬가지입니다. 다만 1번과 2번이 앞에 놓여 있다는 구조 덕분에, 데이터를 방치한 대형 브랜드와 데이터를 촘촘히 정리한 소규모 판매자가 같은 후보군에서 비교될 여지가 생겼다는 것이 이번 국면의 핵심입니다.

트래픽과 전환율로 확인되는 변화

실제 성과 지표도 이 흐름을 뒷받침합니다. 미국 소매 사이트를 기준으로 AI 경유 트래픽이 2025년 1분기 대비 2026년 1분기 사이 393% 늘었습니다. 시작점 자체가 낮았을 가능성이 커서 액면 그대로 받아들이기보다는 성장 속도의 신호로 참고하는 게 좋습니다. 더 눈여겨볼 대목은 AI 경유 세션의 전환율이 AI를 거치지 않은 세션보다 42% 더 높다는 분석입니다. AI가 이미 사용자 의도와 상품을 정교하게 매칭해서 데려오기 때문에, 유입되는 트래픽의 질 자체가 다르다고 해석할 수 있습니다.

이 42%도 표본 범위와 상품 카테고리별 편차가 공개되지 않은 분석이라 우리 숫자로 그대로 옮겨 쓰기는 어렵습니다. 대신 활용할 방법은 있습니다. 우리 쪽에서 AI 경유 유입을 따로 식별할 수 있게 만들어두고 그 세그먼트의 전환율을 직접 재보는 것입니다. 남의 42%보다 우리 데이터에서 확인된 몇 퍼센트가 내부 설득에는 훨씬 강한 근거가 됩니다.