AI 쇼핑 에이전트 시대, 브랜드는 어떻게 '구매 후보'에 오르는가 — 에이전틱 커머스 대비 전략

결론부터. AI 쇼핑 에이전트 시대에 브랜드가 '구매 후보'에 오르려면 광고 예산이 아니라 검색 가능성(retrievability)을 확보해야 한다. 에이전트는 사람처럼 배너를 보고 마음이 흔들리는 존재가 아니라, RAG(retrieval→reranking→generation) 파이프라인으로 후보를 좁히고 근거로 최종 추천을 만드는 기계다. 즉 후보 명단에 드는 싸움은 '누가 더 크게 외치는가'가 아니라 '누가 기계가 읽고 검증할 수 있는 형태로 존재하는가'의 싸움이다. 이 글은 그 후보 선정 메커니즘을 세 단계로 해부하고, 한국 기업이 실제로 어떻게 대비해야 하는지 문장 단위로 보여준다.

에이전틱 커머스: 쇼핑의 결정권이 '비서'에게 넘어간다

에이전틱 커머스(agentic commerce)는 사용자가 직접 상품을 비교·클릭·결제하는 대신, AI 에이전트가 요구사항을 받아 후보를 추리고 비교표를 만들어 추천하거나 대신 주문까지 하는 쇼핑 방식이다. 사용자는 "건성 피부에 맞고 향 없는 3만 원대 수분크림 추천해줘"라고 말하고, 에이전트는 수십 개 상품을 훑어 3~5개로 압축한 뒤 근거와 함께 내민다.

비유하자면, 예전의 온라인 쇼핑이 넓은 마트 진열대였다면 에이전틱 커머스는 당신의 취향을 아는 개인 비서가 이미 3개만 골라 식탁에 올려놓은 상태다. 마트에서는 눈에 띄는 매대·큰 POP·할인 스티커가 승부처였지만, 비서의 손을 거치면 그 화려함은 대부분 무의미해진다. 비서가 참고하는 것은 '이 상품이 조건에 맞다는 검증 가능한 근거'뿐이기 때문이다. 진열대의 게임과 비서의 게임은 규칙 자체가 다르다.

그래서 핵심 질문이 바뀐다. "어떻게 하면 더 많이 노출될까?"가 아니라 "어떻게 하면 에이전트의 후보 명단(consideration set)에 들어갈까?"다. 그리고 이 명단은 대부분 RAG라는 정보검색 구조 위에서 결정된다.

AI 쇼핑 에이전트의 내부: RAG 3단계로 후보가 정해진다

RAG는 2020년 Lewis 등이 제안한 구조로(arXiv:2005.11401), 모델이 학습으로 외운 지식(파라메트릭 메모리)에만 의존하지 않고, 외부 문서 저장소에서 관련 정보를 실시간으로 꺼내(비파라메트릭 메모리) 답을 생성하는 방식이다. 오늘날 상용 쇼핑 에이전트는 대부분 이 뼈대를 쓴다. 왜냐하면 상품·가격·재고는 시시각각 바뀌므로 '외운 지식'으로는 답할 수 없고, 반드시 지금의 카탈로그를 찾아서 답해야 하기 때문이다.

이 과정은 세 관문으로 나뉜다. 각 관문을 통과하지 못하면 브랜드는 그 지점에서 조용히 탈락한다.

1단계 · Retrieval(검색): 색인에 없으면 존재하지 않는다

첫 관문은 후보 풀을 만드는 검색이다. 도서관에 비유하면, 사서가 주제를 이해하고 책을 추천하기 전에 그 책이 애초에 서가와 색인 카드에 등록되어 있어야 한다. 등록되지 않은 책은 아무리 좋아도 존재하지 않는 것과 같다. 에이전트에게 '색인 카드'는 두 가지다.

• 크롤 접근성: AI 크롤러가 페이지를 읽을 수 있어야 한다. GPTBot·OAI-SearchBot(OpenAI), PerplexityBot(Perplexity), ClaudeBot·anthropic-ai(Anthropic), Google-Extended(구글) 같은 봇을 robots.txt에서 허용하지 않으면, 그 브랜드는 애초에 후보 풀에 진입하지 못한다. 문을 잠가 두고 왜 손님이 없냐고 묻는 격이다.
• 의미 검색 대응: 현대 검색은 키워드 일치(BM25)에서 의미 임베딩 검색으로 넘어왔다. Karpukhin 등 2020(arXiv:2004.04906)의 Dense Passage Retrieval은 밀집 벡터 기반 의미 검색이 전통적 BM25를 능가함을 보였다. 즉 사용자가 "향 없는"이라고 물어도, 상품 설명에 "무향"이라고만 적혀 있으면 의미상 연결돼 검색될 수 있다. 반대로 상품 정보가 이미지 안에만 있고 텍스트로 없으면 임베딩할 것이 없어 탈락한다.

여기서 결정적인 통찰. 검색은 키워드 단독보다 하이브리드가 압도적으로 강하다. 공개 벤치마크 종합에서 recall@10은 의미 검색 단독 약 78%, BM25 단독 약 65%인데, 둘을 RRF로 결합한 하이브리드는 약 91%까지 오른다. 도서관 비유로는, 정확한 청구기호를 아는 색인 시스템(BM25)과 주제의 뉘앙스를 아는 사서(의미 검색)를 함께 쓸 때 원하는 책을 놓칠 확률이 급감하는 것과 같다.

Anthropic의 Contextual Retrieval(2024) 연구는 이 지점을 수치로 못박는다. 청크(문서 조각)에 맥락을 덧붙이는 것만으로 검색 실패율이 5.7%→3.7%로 약 35% 줄고, 여기에 BM25 하이브리드를 더하면 49%, reranking까지 더하면 67% 감소했다. 그리고 후보를 넉넉히 top-20까지 넘겨 재정렬하는 것을 권장했다. 상품 페이지 설계에 그대로 옮기면: "이 문단이 무엇에 관한 것인지"를 스스로 설명하는 자기완결적 문장이 검색 성공률을 끌어올린다는 뜻이다.

2단계 · Reranking(재정렬): 후보 20개에서 상위로 살아남기

검색이 넉넉히 20개쯤 후보를 건져 올리면, 그다음은 재정렬이다. 1차 검색이 '질문 따로, 문서 따로' 벡터의 근접도를 보는 빠른 스캔이라면, reranking은 질문과 상품 설명을 나란히 붙여 함께 정독하는 cross-encoder가 담당한다. 채용에 비유하면, 서류 키워드로 20명을 추린 뒤 각자를 직무기술서와 1:1로 대조해 순위를 다시 매기는 심층 면접이다. 이 단계에서 NDCG(순위 품질 지표)가 통상 5~15포인트, 난도가 높은 질의에서는 20포인트가량 개선된다.

재정렬을 통과하는 상품의 공통점은 질문의 구체 조건에 정면으로 답하는 문장을 갖고 있다는 것이다. "좋은 수분크림"이 아니라 "건성·민감성 피부용, 무향, 세라마이드 함유, 30ml 32,000원"처럼 조건 하나하나에 매칭되는 정보가 명시돼 있어야 면접관(cross-encoder)이 높은 점수를 준다.

3단계 · Generation(생성): 왜 이 브랜드가 답변에 인용되는가

마지막 관문은 생성이다. 에이전트는 상위 문서들을 읽고 추천문을 쓰는데, 이때 어떤 브랜드를 실제로 인용/추천하느냐가 갈린다. 여기에는 세 가지 물리 법칙이 작동한다.

• 근거가 가시성을 만든다. Aggarwal 등 2023(GEO, arXiv:2311.09735, KDD 2024)은 콘텐츠에 통계·출처 인용·직접 인용문을 추가하면 생성엔진에서의 가시성이 특정 조건에서 최대 약 40%까지 상승함을 보였다. 즉 "업계 최고" 같은 형용사가 아니라, 검증 가능한 숫자와 출처가 인용을 부른다.
• 충실성(faithfulness)이 신뢰를 만든다. RAGAS의 faithfulness는 답변의 주장이 출처 문서에서 추적 가능한 정도를 잰다. 실무에서는 0.9 이상이면 안정, 0.7 미만이면 위험으로 본다(팀마다 기준은 다르다). 상품 페이지의 주장이 근거로 뒷받침될수록, 에이전트는 그 주장을 안심하고 답변에 옮겨 적는다.
• 위치가 운명을 가른다. Liu 등 2023의 'Lost in the Middle'(arXiv:2307.03172)은 긴 맥락의 중간에 놓인 정보가 손실되는 U자형 현상을 보고했다. 핵심은 앞과 끝에서 가장 잘 기억된다. 상품 설명의 결정적 근거를 문단 한가운데 파묻으면, 그것을 읽어야 할 모델조차 놓친다.

정리하면, 후보에 오르는 브랜드는 (1) 크롤 가능하고 (2) 의미·키워드 양쪽으로 검색되고 (3) 조건에 정면으로 답하며 (4) 숫자·출처로 무장한 (5) 앞뒤 배치가 좋은 콘텐츠를 가진 곳이다. 이것은 광고비가 아니라 정보 설계의 문제다.

❌약한 예 / ✅강한 예: 후보에 오르는 상품 문장

이론을 실제 상품 페이지 문장으로 옮겨 보자. 아래 대조는 RAG 3단계 어디에서 탈락하고 어디에서 살아남는지를 그대로 보여준다.

왼쪽은 사람의 감성을 겨냥한 카피이고, 오른쪽은 기계가 검색·검증·인용할 수 있는 근거다. 에이전트는 형용사에 감동하지 않는다. "끝판왕"은 임베딩해도 어떤 질문 조건에도 매칭되지 않지만, "무향·건성용·32,000원"은 사용자의 구체 요구와 정확히 맞물린다.

추천문에 실제로 인용되는 형태도 대조해 보자.

❌ 약한 근거 문장
"우리 제품은 고객 만족도가 매우 높습니다."
→ 출처·수치 없음 → 모델이 옮겨 적기 부담 → 인용 탈락

✅ 강한 근거 문장
"자사 구매 후기 1,240건 중 재구매 의사 응답이 다수를 차지했으며,
 향 없는 점을 만족 사유로 꼽은 후기가 두드러졌다."
→ 숫자·범위·근거 명시 → faithfulness 높음 → 추천문에 인용 가능

주의: 오른쪽처럼 쓰되 없는 수치를 지어내면 안 된다. GEO 효과는 '검증 가능한' 근거일 때만 작동하고, 과장된 수치는 Claude처럼 근거가 약한 콘텐츠를 보수적으로 걸러내는 엔진에서 오히려 역효과를 낸다.

엔진마다 후보 명단이 다르다 — 하나의 최적화는 없다

중요한 현실: 에이전트는 하나가 아니고, 각자 다른 우물에서 후보를 길어 올린다. 대규모 인용 분석에 따르면 ChatGPT와 Perplexity가 인용하는 도메인의 중복은 약 11%에 불과했고, 인용의 약 90%가 엔진마다 달랐다. ChatGPT는 위키백과 인용 비중이 약 47.9%로 높았고, Perplexity는 Reddit 인용이 약 46.7%로 두드러졌다(출처: Profound/Discovered Labs 등의 분석). 같은 질문을 던져도 무대에 오르는 후보 명단이 통째로 다르다는 뜻이다.

따라서 "AI 검색 최적화"를 단일 지표로 뭉뚱그리면 메커니즘이 가려진다. 엔진별로 어떤 근거를 신뢰하는지가 다르므로, 후보 진입 전략도 엔진별로 나누어 봐야 한다.

네이버·에이전틱 커머스: 한국 시장의 이중 전선

한국 기업에게는 전선이 하나 더 있다. 글로벌 엔진과 별개로 네이버라는 독자 생태계가 에이전틱 방향으로 빠르게 이동 중이기 때문이다.

네이버의 실험적 대화형 서비스 큐:(Cue:)와 클로바X는 2026-04-09 종료됐고, 그 자리를 새 AI탭이 잇는다. AI탭은 2026-06-25~26에 대화형·에이전틱 형태로 전체 정식 출시됐다. 검색 결과 위에 요약을 얹는 AI 브리핑은 이미 통합검색 쿼리의 20% 이상에 적용되고 있으며, AI 브리핑 인용은 2026-04 기준 월 약 3.558억 건에 달했다. 한 표본 분석(272건)에서는 인용 출처의 약 58%가 블로그였고, 인용의 약 49%가 통합검색 Top10 밖 문서였다. 순위 밖이라도 인용될 수 있다는 것은, 네이버 역시 '순위 게임'에서 '근거·의도 매칭 게임'으로 이동 중임을 보여준다.

네이버의 랭킹 로직은 출처의 신뢰·전문성을 보는 C-Rank와 문서의 의도를 보는 D.I.A.+가 결합돼 있다. 네이버가 공표한 좋은 콘텐츠 5원칙 — 직접 경험, 일관된 주제, 진정성, 읽기 쉬운 구조, 최신성 — 은 사실상 앞서 본 RAG 통과 조건의 한국어 번역판이다. '읽기 쉬운 구조'는 검색·재정렬이 핵심을 집어내기 쉽게 하고, '직접 경험·진정성'은 faithfulness와 E-E-A-T를 높인다.

한 가지 구조적 함정도 있다. 네이버는 외부 크롤러를 차단하므로, 글로벌 AI 엔진은 네이버 블로그 대신 나무위키·위키백과·티스토리를 우회 경로로 참조하는 경향이 있다. 즉 한국 브랜드는 (1) 네이버 안에서는 C-Rank·D.I.A.+에 맞는 블로그·콘텐츠로, (2) 네이버 밖 글로벌 엔진에는 크롤 가능한 자사 사이트·위키·티스토리로 이중 포석을 깔아야 한다. 한쪽만 최적화하면 절반의 에이전트에게 존재하지 않는 브랜드가 된다.

한국 기업 적용 시나리오 — 문장 단위로 실감 나게

추상론을 두 개의 구체적 장면으로 옮겨 보자.

시나리오 A · D2C 스킨케어 브랜드 '무해한실험실'

가상의 국내 D2C 뷰티 브랜드가 있다. 상품 상세는 예쁜 이미지 위주이고, 스펙(성분·용량·가격)은 대부분 디자인된 JPG 안에 들어 있다. robots.txt는 기본 템플릿 그대로라 AI 크롤러 허용 여부가 불분명하다. 어느 날 대표가 ChatGPT에 "향 없는 건성용 수분크림 추천"을 물었더니 자사 제품이 후보에 아예 없었다.

진단해 보면 세 관문 모두에서 탈락하고 있었다. ①검색: 스펙이 이미지 안에만 있어 임베딩할 텍스트가 없고, 크롤 접근성도 불투명. ②재정렬: "무향·건성용"에 정면으로 답하는 텍스트 문장이 없음. ③생성: 후기 수치·출처가 없어 인용할 근거 자체가 부재.

처방은 광고가 아니라 정보 설계다. (1) 상품 스펙을 텍스트·구조화 데이터로 노출하고 첫 문장을 "건성·민감성 피부용 무향 수분크림, 30ml 32,000원, 세라마이드 3종"으로 직답 배치. (2) robots.txt에서 GPTBot·PerplexityBot·ClaudeBot·Google-Extended 허용. (3) 자사 후기에서 검증 가능한 사실("향 없음을 만족 사유로 꼽은 후기가 다수")을 근거 문장으로 정리. (4) 네이버 쪽은 '직접 사용 8주 기록' 형식의 경험형 블로그로 C-Rank·D.I.A.+에 맞춤. 이 작업들은 각각 retrieval·reranking·generation·네이버 전선을 하나씩 여는 열쇠다.

시나리오 B · 중견 건강기능식품 브랜드 '단정홍삼'

오늘 한 걸음 더. 두 번째 장면은 홍삼·유산균을 파는 가상의 중견 건강기능식품 브랜드다. 이 시장은 규제 표현(효능·효과 문구 제한)이 강해, 마케팅 카피가 "활력 가득한 하루" 같은 모호한 감성어로 채워지기 쉽다. 문제는 이런 모호어가 에이전트의 조건 매칭에 아무것도 걸리지 않는다는 점이다.

소비자는 에이전트에게 이렇게 묻는다. "6년근 홍삼, 하루 사포닌 함량 표시 있고, 개별인정형 아닌 고시형으로 3만 원대 추천해줘." 여기서 승부를 가르는 건 감성어가 아니라 규격·인증·함량 같은 사실 데이터다.

이 브랜드는 규제 준수 때문에 오히려 검증 가능한 사실만 남기는 편집이 유리하다. 규제가 감성 과장을 막아 준 덕에, 사실 데이터로만 채우면 그것이 곧 faithfulness가 높은 콘텐츠가 된다. 특히 Claude처럼 근거 약한 주장을 걸러내는 엔진에서 유리하다. 여기에 네이버 쪽에서는 '실제 3개월 복용 후기 + 라벨 사진' 같은 직접 경험형 콘텐츠를 쌓으면, 글로벌·네이버 양쪽 전선에서 동시에 후보로 오를 수 있다. 규제 산업일수록 '사실 기반 정보 설계'가 오히려 강점이 되는 역설이다.

측정: 후보에 올랐는지 어떻게 아는가 (그리고 왜 한 번의 측정은 노이즈인가)

후보 진입을 늘렸다면, 그것을 측정해야 개선할 수 있다. 여기서 핵심 지표가 SOV(Share of Voice) — 특정 카테고리의 AI 답변 중 우리 브랜드가 언급되는 비율이다. "향 없는 수분크림" 같은 질문 세트를 반복 질의해 우리 브랜드가 몇 %의 답변에 등장하는지를 재는 것이다. (일부 한국 업체는 SMR, Share of Model Response 같은 변형 이름을 쓴다.)

그런데 여기에 반드시 알아야 할 함정이 있다. LLM의 출력은 한 번 재서 믿을 수 없다. temperature=0으로 고정해도 GPU 연산·배치 처리 특성 때문에 결과가 흔들린다. 한 실험에서는 2,350억 파라미터급 모델을 1,000회 돌렸을 때 80가지 서로 다른 출력이 나왔고, 6개 모델을 480회 실험한 연구(arXiv:2602.14349)도 이 비결정성을 보고했다. 나아가 AI 가시성의 불확실성을 정량화한 연구(arXiv:2603.08924)는 인용이 멱법칙(power law)처럼 출렁이므로, 다중 실행 + 부트스트랩 신뢰구간으로 봐야 한다고 권한다.

비유하자면, 단 한 번의 SOV 측정은 주사위를 한 번 굴려 "이 주사위는 3이 나오는 주사위"라고 단정하는 것과 같다. 여러 번 굴려 분포를 봐야 진짜 성향이 드러난다. 그래서 "어제는 인용됐는데 오늘은 안 됐다"는 단일 관측에 일희일비하면 안 되고, 반복 측정으로 추세를 봐야 한다.

또 하나. 시중에 떠도는 'AI 프롬프트 검색량' 수치는 대부분 실측이 아니라 소규모 패널(시장 1% 미만)을 모델링한 추정치다. Conductor는 "신뢰할 수 없는 검색량 데이터는 없는 것보다 나쁘다"고 지적한다. 가짜 정밀도에 기대 전략을 세우면 방향 자체가 틀어진다. 그리고 가시성(SOV)은 그 자체가 목적이 아니라, 결국 리드·매출이라는 결과를 설명하는 2차 지표임을 잊지 말아야 한다. 후보에 오르는 것은 매출로 가는 다리이지 종착지가 아니다. 참고로 일부 분석에서는 AI 검색을 통한 유입의 전환율이 일반 검색보다 몇 배 높게 나타나기도 하는데, 구체 수치는 사례별 편차가 크므로 단정하지 않는 편이 안전하다.

Citeon은 이 원리를 제품에 담았다

지금까지 본 원리 — 후보 진입은 검색·재정렬·생성의 3관문을 통과하는 정보 설계의 문제이며, 엔진마다 명단이 다르고, 한 번의 측정은 노이즈다 — 는 그대로 실무 도구가 되어야 의미가 있다. Citeon은 이 메커니즘을 제품 기능으로 옮겼다.

• 4엔진 인용 측정(SOV): ChatGPT·Gemini·Perplexity·Claude 네 엔진에서 브랜드가 실제로 인용되는 비율을 측정한다. 엔진마다 후보 명단이 다르다는 현실을 엔진별로 나누어 본다.
• 사이트 진단 엔진: URL을 넣으면 크롤 접근성·구조·근거 문장 등 후보 진입을 막는 지점을 진단하고 한국어 처방을 준다. 시나리오 A·B의 '세 관문 어디서 탈락하는가'를 자동으로 짚는 도구다.
• 경쟁사 역추적: 우리 대신 후보에 오른 경쟁 브랜드가 어떤 근거로 인용되는지 되짚어 격차를 드러낸다.
• 주간 모니터링 추이: 단일 측정의 노이즈를 넘어, 추세로 변화를 읽는다. 부트스트랩식 반복 관측 사고와 맞닿아 있다.

가장 먼저 할 일은 진단이다. Citeon의 무료 진단(₩0)은 브랜드가 지금 AI 답변의 후보에 오르고 있는지, 어느 관문에서 탈락하는지를 보여준다. 에이전틱 커머스의 규칙이 바뀌기 전에, 우리 브랜드의 현 위치부터 확인하자. citeon.cloud에서 무료 진단 받기 →

자주 묻는 질문 (FAQ)

참고자료

• Lewis et al., Retrieval-Augmented Generation (2020)
• Karpukhin et al., Dense Passage Retrieval (2020)
• Liu et al., Lost in the Middle (2023)
• Aggarwal et al., GEO: Generative Engine Optimization (KDD 2024)
• Anthropic, Contextual Retrieval (2024)
• Conductor, Debunking AI Prompt Volume