ChatGPT Shopping과 Perplexity는 Google처럼 상품 페이지의 문구를 처음부터 끝까지 읽고 추천 여부를 결정하지 않습니다. 핵심은 기계가 읽을 수 있는 상품 데이터와 여러 사이트에서 일관되게 확인되는 리뷰 신호입니다. 따라서 AI 쇼핑에서 선택되는 상품은 가장 화려하게 소개된 상품이 아니라 사양, 가격, 재고, 평점 정보를 가장 정확하고 일관되게 제공하는 상품인 경우가 많습니다. 먼저 이 현실부터 이해해야 합니다.
먼저 AI 쇼핑 엔진이 상품을 고르는 방식을 이해해야 합니다.
ChatGPT의 쇼핑 기능은 판매자가 제공하는 상품 데이터 소스(product feed)와 여러 채널에서 수집한 리뷰 신호를 함께 참고합니다. 사용자가 원하는 조건을 설명하면 대화 안에 몇 가지 선택지를 구매 링크와 함께 제시하고, 사양, 가격대, 평점, 환불 정책 등을 비교합니다. Perplexity Shopping도 비슷합니다. 상품 구조화 데이터와 다수의 제3자 리뷰·논의를 수집한 뒤, 여러 출처의 평가가 얼마나 일치하는지를 추천 판단의 근거로 삼습니다.
이는 기존 이커머스 SEO와 관점이 크게 다릅니다. 과거에는 Google에서 개별 상품 페이지의 검색 순위를 높이는 데 집중했다면, 이제는 인터넷 전반에서 같은 상품의 데이터와 평가가 일치하는지도 관리해야 합니다. 자사몰 가격은 NT$1,290인데 쇼핑 플랫폼에는 NT$1,490로 표시되고, 리뷰 사이트에는 이전 사양이 남아 있다면 AI 엔진은 서로 충돌하는 신호를 읽게 됩니다. 이때 가장 안전한 선택은 해당 상품을 제외하고 데이터가 명확한 다른 상품을 추천하는 것입니다.
1단계: 기계가 읽을 수 있는 상품 데이터 제공
출발점은 상품 데이터 정비입니다. 각 상품에는 최소한 두 가지가 함께 필요합니다. 페이지에 삽입하는 Product 스키마(JSON-LD)와 제출 가능한 상품 피드입니다. 전자는 크롤러가 페이지에서 상품 정보를 바로 해석하도록 돕고, 후자는 판매자 데이터 소스를 활용하는 ChatGPT 같은 시스템이 신뢰할 수 있는 최신 정보를 가져갈 수 있게 합니다.
- 각 상품 페이지에 완전한 Product JSON-LD를 추가합니다. name, image, description, brand, sku, gtin(또는 mpn)을 입력하고, Offer에 price, priceCurrency, availability, priceValidUntil을 포함합니다.
- 실제 리뷰를 바탕으로 aggregateRating을 구성하고 ratingValue와 reviewCount를 페이지에 표시된 수치와 정확히 맞춥니다. 수치를 부풀려서는 안 됩니다. AI 엔진은 다른 출처와 교차 확인합니다.
- Google Merchant Center의 상품 피드를 관리하고 가격, 재고, GTIN 등의 항목을 공식 웹사이트의 스키마와 동기화합니다. 채널마다 정보가 다르게 표시되는 상황을 피해야 합니다.
- 배송비, 반품 가능 기간, 보증 조건을 구조화된 항목이나 명확한 정책으로 제공합니다. 사용자가 AI에 구매 결정을 요청할 때 자주 확인하는 기준입니다.
2단계: 제3자 리뷰를 통해 평가의 공감대 형성
AI 엔진은 자사몰의 별점 5점도 참고하지만 그것만 믿지는 않습니다. 더 중요하게 보는 것은 여러 출처에서 같은 평가가 반복되는지입니다. Reddit의 논의, YouTube 리뷰, 전문 리뷰 사이트, 가격 비교 플랫폼의 정보가 축적돼야 안심하고 추천할 수 있습니다. 공식 웹사이트에서만 좋은 평가를 받고 외부에서는 거의 언급되지 않는 상품은 Perplexity의 답변에 등장하기 어렵습니다.
3단계: 답변 엔진이 정보를 정확히 추출할 수 있도록 상품 페이지 구성
구조화 데이터를 갖췄더라도 페이지 자체에서 정보를 얼마나 쉽게 추출할 수 있는지가 인용과 추천에 영향을 줍니다. AI는 여러 마케팅 문장을 조합하기보다 완결된 답변을 그대로 가져가는 방식을 선호합니다. 사용자가 자주 찾는 정보를 문답이나 명확한 표로 정리하면 추천 결과에 반영될 가능성이 훨씬 높아집니다.
- 상품 페이지에 구체적인 사양과 사용 상황을 정리한 섹션을 마련합니다. 형용사만 나열하지 말고 ‘누구에게 적합하며 누구에게는 적합하지 않은지’를 설명합니다.
- 짧은 FAQ를 추가합니다. 사이즈 선택 방법, 이전 세대와의 차이, 배송 소요 기간, 반품 가능 여부 등을 다루고 각 답변은 2~3문장으로 정리합니다.
- 모호한 표현은 구체적인 수치로 바꿉니다. ‘초장시간 사용’보다 ‘18시간 연속 사용’이 낫습니다. AI 엔진은 전자는 인용하기 어렵지만 후자는 정확히 인용할 수 있습니다.
- 해당 콘텐츠가 서버에서 렌더링되고 크롤러가 읽을 수 있는 HTML에 포함됐는지 확인합니다. 클릭해야 열리거나 프런트엔드에서 별도로 불러오는 영역에 숨겨서는 안 됩니다.
4단계: AI 쇼핑 노출 성과 추적
최적화를 마쳤다면 실제 효과를 확인해야 하지만 기존 키워드 순위 도구로는 이를 볼 수 없습니다. 추적해야 할 것은 ChatGPT와 Perplexity가 자사 상품을 추천하는지, 몇 번째 선택지로 제시하는지, 어떤 내용을 인용하는지, 표시된 가격이 정확한지입니다. 이는 AI 답변을 전문적으로 추적해야 측정할 수 있는 새로운 브랜드 노출 지표입니다.
AI 쇼핑에서는 10위라서 눈에 띄지 않는 것이 아니라, 제시되는 세 가지 선택지에 아예 포함되지 않는 것이 문제입니다. 따라서 가장 먼저 확인할 지표는 추천 결과 등장률입니다.
우선순위와 자주 발생하는 오류
자원이 제한적이라면 우선순위는 명확합니다. 먼저 진입 조건에 해당하는 Product 스키마와 상품 데이터의 일관성을 바로잡습니다. 다음으로 AI가 안심하고 추천할 수 있도록 제3자 리뷰 흔적을 확보합니다. 마지막으로 페이지의 정보 추출 가능성을 개선합니다. 순서를 거꾸로 적용해 페이지 문구부터 다듬어도 가격 정보가 서로 다르고 스키마가 비어 있다면 효과는 제한적입니다.
가장 흔한 오류는 세 가지입니다. 스키마의 평점이 페이지 표시값과 다르고, 상품 피드의 가격이 공식 웹사이트 가격과 동기화되지 않으며, 정책을 이미지로만 제공해 엔진이 텍스트를 읽지 못하는 경우입니다. 이 중 하나만 있어도 AI 엔진은 해당 상품을 건너뛸 수 있지만 기존 분석 도구에서는 그 손실을 확인하기 어렵습니다. 자사 상품이 ChatGPT Shopping과 Perplexity에서 어떤 부분을 보완해야 하는지 알고 싶다면 30분 GEO 진단을 신청해 보세요. 실제 상품과 쇼핑 관련 질문으로 테스트한 뒤 개선이 필요한 지점을 알려드립니다.
