크로스보더 이커머스에 GEO 감사가 필요한지 가장 빠르게 판단하는 방법은 간단합니다. ChatGPT나 Perplexity를 열고 실제 구매자가 검색할 만한 표현으로 “특정 상품을 살 때 추천할 브랜드 몇 곳을 알려 달라”고 물어보세요. 답변에 자사 스토어가 등장하지 않는다면 잃고 있는 것은 검색 순위만이 아닙니다. ‘AI가 소비자의 선택을 돕는’ 새로운 유입 경로 전체를 놓치고 있는 것입니다. 기존 SEO 감사가 Google이 사이트를 크롤링하고 검색 결과에 노출할 수 있는지를 점검한다면, GEO 감사는 AI 엔진이 상품을 이해하고 브랜드를 신뢰하며 답변의 근거로 활용할 수 있는지를 진단합니다. 두 감사의 체크리스트는 절반도 겹치지 않습니다.
그렇다면 이커머스 GEO 감사에서 무엇을 살펴봐야 할까요?
완전한 이커머스 GEO 감사는 본질적으로 3가지 질문에 답해야 합니다. 첫째, AI 엔진이 상품 데이터를 가져갈 수 있는가? 크롤러 접근성, 렌더링 방식, 구조화 마크업을 확인해야 합니다. 둘째, AI 엔진이 상품 정보를 정확히 이해하는가? HTML을 수집하는 것만으로는 부족합니다. 사양, 소재, 사용 맥락, 가격, 재고를 구조적으로 파악할 수 있어야 합니다. 셋째, 누군가 해당 상품군을 물었을 때 AI가 우리 브랜드를 추천하거나 인용하는가? 이 단계는 자사 웹사이트보다 외부 콘텐츠에서 형성된 브랜드 노출에 좌우됩니다. 많은 크로스보더 판매자가 예산을 첫째와 둘째 단계의 기술 개선에만 투입합니다. 셋째 단계가 비어 있으면 웹사이트의 기술 완성도가 높아도 AI는 브랜드를 언급하지 않습니다.
1단계: AI가 상품 데이터를 추출할 수 있는가?
많은 크로스보더 이커머스 사이트는 JavaScript 렌더링 의존도가 높은 프런트엔드 프레임워크를 사용합니다. 브라우저가 JS를 실행한 뒤에야 상품명, 가격, 리뷰가 표시되는 방식입니다. Googlebot은 2차 렌더링을 지원하지만, OAI-SearchBot, PerplexityBot, ClaudeBot 같은 AI 크롤러 대부분은 JS를 실행하지 않거나 제한적으로만 실행합니다. 감사의 첫 단계에서는 JavaScript를 끈 상태로 상품 페이지에 무엇이 남는지 확인해야 합니다. 빈 틀만 보인다면 AI도 빈 페이지를 보고 있는 셈입니다.
- 상품명, 가격, 사양이 프런트엔드 JS가 아닌 초기 HTML에 포함되어 있는지 확인합니다.
- robots.txt가 GPTBot, OAI-SearchBot, PerplexityBot, ClaudeBot 등 AI 크롤러를 잘못 차단하는지 점검합니다. 크로스보더 사이트에서는 외부 CDN의 기본 규칙 때문에 차단되는 경우가 많습니다.
- 상품 이미지에 “product-01.jpg” 같은 파일명 수준의 문구가 아니라 내용을 설명하는 alt 텍스트가 있는지 확인합니다.
- 다국어 버전에 hreflang이 올바르게 설정되어 있는지 확인합니다. AI가 영어 페이지와 중국어 페이지를 중복 콘텐츠로 판단해 신호를 분산하지 않도록 해야 합니다.
- 품절 상품에 올바른 상태 코드와 schema 마크업이 적용되는지 확인합니다. AI가 3개월 전 재고 정보를 근거로 소비자에게 답변하게 두어서는 안 됩니다.
2단계: 구조화 데이터는 이커머스 GEO의 기반입니다.
콘텐츠 중심 사이트라면 Article이나 FAQPage schema만으로도 어느 정도 충분할 수 있지만, 이커머스는 전혀 다릅니다. AI 엔진은 쇼핑 제안을 만들 때 Product, Offer, AggregateRating 구조화 데이터를 바탕으로 사양과 가격, 평점을 비교합니다. Product에 Brand, GTIN, Material, color, size가 있는지, Offer에 price, priceCurrency, availability, priceValidUntil이 있는지 확인해야 합니다. AggregateRating의 ratingValue와 reviewCount도 실제 페이지 정보와 일치해야 합니다. 단 하나의 필드라도 맞지 않으면 AI가 전체 데이터의 신뢰성을 의심할 수 있습니다.
구조화 데이터는 Google에 잘 보이기 위한 부가 요소가 아닙니다. 상품 정보를 AI가 직접 인용할 수 있는 형식으로 ‘번역’해 주는 장치입니다. 구조화 데이터가 없으면 AI는 내용을 추정할 수밖에 없고, 대개는 필요한 데이터를 빠짐없이 제공한 경쟁사를 선택합니다.
크로스보더 이커머스에서 특히 주의할 부분은 가격과 통화입니다. 같은 SKU라도 미국에서는 USD, 일본에서는 JPY, 대만에서는 TWD를 사용합니다. 시장별 페이지에서 schema의 priceCurrency가 함께 바뀌지 않으면 AI는 서로 충돌하는 가격을 수집하고 어느 쪽도 인용하지 않을 수 있습니다. 감사는 반드시 ‘단일 시장, 단일 통화, 단일 사이트’ 단위로 진행해야 합니다.
3단계: 진짜 승부처는 AI 추천입니다.
앞선 두 단계를 통과한 것은 입장권을 얻은 것에 불과합니다. AI가 실제로 브랜드를 추천할지는 웹 전반에서 형성된 브랜드의 ‘언급 밀도’에 달려 있습니다. AI는 쇼핑 제안을 만들 때 자사 웹사이트뿐 아니라 미디어, Reddit과 각종 포럼, 가격 비교 사이트, 커뮤니티 게시물, YouTube도 참고합니다. 이 단계를 감사하려면 자사 사이트 밖으로 나가 AI의 관점에서 브랜드가 어떻게 보이는지 확인해야 합니다.
- 실제 구매자가 사용할 법한 표현으로 질문 5~10개를 만들고 ChatGPT, Perplexity, Gemini에 각각 물어봅니다. 브랜드가 몇 번 등장했는지, 어떤 설명과 함께 어떤 상품으로 소개됐는지 기록합니다.
- AI가 인용한 경쟁사의 출처를 비교합니다. 제3자 미디어, 추천 목록, 토론 게시물 가운데 자사 브랜드에 없는 출처가 곧 PR과 콘텐츠의 공백입니다.
- AI 답변에서 브랜드명이 잘못 표기되거나 설명에 오류·누락이 없는지 확인합니다. 이런 문제는 외부 콘텐츠에서 적극적으로 바로잡아야 합니다.
- 몇 주 간격으로 같은 질문을 반복해 답변이 어떻게 달라지는지 추적합니다.
이 작업은 곧 수작업으로 감당하기 어려워집니다. 질문 그룹, 플랫폼, 시간이라는 3개 축이 겹치면 업무량이 급증하기 때문입니다. Tenten의 Brand Radar는 이를 지속적으로 운영할 수 있는 대시보드로 전환하고자 합니다. 구매자 질문 세트를 고정하고 여러 플랫폼에서 정기적으로 실행해 AI 답변 속 브랜드 노출과 변화를 측정합니다. 감에 의존하던 3단계를 수치로 관리하는 것이 목표입니다.
감사 결과를 실행 가능한 우선순위로 정리하세요.
크로스보더 이커머스의 GEO 감사는 일회성 프로젝트가 아니라 ‘측정-수정-재측정’의 반복 과정입니다. 상품은 출시되고 단종되며, 가격은 조정되고, 새로운 경쟁사가 등장합니다. AI 모델도 몇 주마다 달라질 수 있습니다. 변수 하나만 움직여도 AI 추천률은 다시 바뀔 수 있습니다. 이 새로운 유입 경로를 지키려면 3단계 체크리스트를 표준화하고 정기적으로 실행해야 합니다.
다음 단계
AI가 상품을 아예 수집하지 못하는 것인지, 상품은 읽지만 추천하지 않는 것인지 판단하기 어렵다면 먼저 측정하는 것이 가장 빠릅니다. 핵심 상품군의 질문으로 크로스플랫폼 테스트를 실행하고 3단계의 격차를 하나의 표에 정리할 수 있습니다. AI의 눈에 우리 상품이 어떻게 보이는지부터 확인해 보세요.
