AI 쇼핑 검색에서 당신의 제품은 제대로 팔리고 있나요?
Google to add AI performance report to Merchant Center
구글이 Merchant Center에 AI 성과 리포트를 추가합니다. 이제 내 제품이 AI 쇼핑 검색 결과에서 어떻게 노출되는지 데이터로 확인할 수 있게 됐죠. 검색 광고만 보던 시대에서 AI 추천 채널까지 성과를 트래킹해야 하는 시대로 넘어가고 있습니다.
이것만 기억하세요
구글 Merchant Center에 AI 쇼핑 경험 전반의 노출 데이터를 볼 수 있는 리포트가 추가됨
AI 검색(SGE, Gemini 등)에서 내 제품이 어떻게 추천되는지 측정 가능해짐
전통적인 검색광고 성과 지표 외에 AI 추천 퍼포먼스를 별도로 추적해야 하는 시대 도래
왜 중요한가
ChatGPT가 쇼핑 추천을 시작하고, 구글도 AI Overview를 밀고 있는 지금, 사용자들의 구매 여정이 바뀌고 있습니다. 예전엔 "나이키 러닝화"를 검색하면 광고와 자연검색 결과를 봤지만, 이제는 AI가 "당신의 발 모양과 러닝 스타일에는 이 제품들이 맞습니다"라고 큐레이션해주는 세상이죠.
문제는 이 AI 추천 영역이 블랙박스였다는 겁니다. 내 제품이 AI한테 추천받고 있는건지, 경쟁사만 떠주는 건지 알 방법이 없었어요. 퍼포먼스 마케터 입장에선 최적화할 수도 없는 채널이었던 거죠. 구글이 이 데이터를 열어준다는 건, AI 시대 커머스 마케팅의 새로운 경쟁 영역이 생긴다는 의미입니다. 제품 피드 최적화, 리뷰 관리, 가격 경쟁력 같은 요소들이 AI 추천 알고리즘에 어떻게 작용하는지 이제 테스트할 수 있게 됐습니다.
실전 적용법
당장 해야 할 일은 Merchant Center 접근 권한부터 확보하는 겁니다. 아직 이 리포트가 모든 계정에 롤아웃된 건 아니지만, 조만간 볼 수 있을 거예요. 리포트에 접근하면 우선 베이스라인 데이터를 수집하세요. 3~4주치 데이터만 모아도 패턴이 보입니다. 어떤 제품군이 AI 쇼핑에서 노출이 높은지, 클릭은 많은데 전환이 없는 제품은 뭔지 확인하는 거죠.
그 다음은 실험입니다. 제품 타이틀을 더 자연어에 가깝게 바꿔보세요. AI는 "남성용 런닝화 280mm"보다 "발볼 넓은 남성을 위한 쿠셔닝 런닝화 280"같은 설명적 타이틀을 더 잘 이해합니다. A/B 테스트하면서 AI 노출 변화를 추적하는 거죠. 제품 설명에도 FAQ 형식을 추가해보세요. "어떤 사람에게 맞나요?", "다른 제품과의 차이는?" 같은 질문-답변 구조는 AI가 맥락을 파악하는 데 도움을 줍니다. 2주 단위로 변경사항을 적용하고, AI 리포트에서 노출과 클릭률 변화를 측정하면 됩니다. 전통적인 SEO와 비슷하지만, 이젠 구글 크롤러가 아니라 Gemini를 설득하는 게임입니다.
프레임워크 분석
이 변화는 마케팅 퍼널의 재구조화를 의미합니다. 전통적인 AIDA 모델(Attention-Interest-Desire-Action)에서 Attention 단계가 완전히 달라지고 있어요. 예전엔 검색 광고나 디스플레이로 주목을 끌었다면, 이제는 AI 큐레이션 알고리즘에 선택받는 게 첫 단계입니다.
제로 클릭 검색(Zero-Click Search) 개념도 진화하고 있습니다. AI가 직접 답을 제시하면서 클릭 자체가 줄어드는 현상이죠. 하지만 커머스는 다릅니다. 구매는 반드시 클릭이 필요하거든요. 그래서 AI 리포트는 추천은 받았지만 클릭되지 않은 지표를 보여줄 가능성이 높습니다. 이건 마이크로 컨버전(Micro Conversion) 트래킹과 유사한 개념입니다. 최종 전환 전 단계의 신호들을 측정하는 거죠.
Attribution 모델링도 복잡해집니다. 고객이 AI 추천으로 제품을 알고, 나중에 브랜드 검색으로 들어와 구매했다면? 기존 Last-Click 모델로는 AI 채널의 기여를 놓칩니다. 데이터 기반 어트리뷰션(Data-Driven Attribution)이 더욱 중요해지는 이유입니다.
포트폴리오 활용
구글이 AI 성과 리포트를 도입하면서 AI 쇼핑 추천 채널의 성과 측정이 가능해진 시점, 기존 검색광고 중심의 커머스 마케팅 전략을 재점검해야 했습니다.
AI 추천 채널에서의 제품 노출을 최적화하고, 신규 채널의 ROI를 측정할 수 있는 프레임워크를 구축하는 것이 목표였습니다. 동시에 기존 검색광고 예산 배분과의 균형을 맞춰야 했죠.
Merchant Center 제품 피드를 AI 친화적으로 재구조화했습니다. 1) 제품 타이틀에 자연어 키워드 추가 ("넓은 발"→"발볼 넓은 분들을 위한"), 2) 제품 설명에 FAQ 섹션 삽입, 3) 리뷰 스키마 마크업 강화로 AI가 제품 평가를 파악하기 쉽게 만들었습니다. 매주 AI 리포트 데이터를 GA4의 커스텀 디멘션으로 통합해 전체 퍼널에서 AI 채널의 역할을 추적했습니다.
8주 후 AI 추천을 통한 제품 노출이 34% 증가했고, 해당 채널의 클릭률은 2.1%에서 3.7%로 개선됐습니다. 더 중요한 건 AI 채널의 Assist Conversion이 전체 전환의 18%를 차지한다는 걸 발견한 겁니다. 이 인사이트로 검색광고 예산의 15%를 제품 피드 최적화와 리뷰 관리에 재배분했고, 전체 ROAS가 12% 향상됐습니다. 포트폴리오 제목 예시: "AI 쇼핑 시대의 제품 피드 최적화 - 신규 채널 발굴로 ROAS 12% 개선"
실생활에서 쓰기
AI 검색이 기존 SEO와 다른 점은 무엇이라고 생각하나요?
가장 큰 차이는 '의도 파악의 깊이'입니다. 기존 SEO는 키워드 매칭이 핵심이었다면, AI는 맥락을 이해합니다. '달리기 시작한지 한 달 된 초보'라는 맥락을 파악하면 고급 러닝화보다 쿠셔닝 좋은 입문용 제품을 추천하죠. 그래서 제품 피드에도 '이 제품은 누구에게 맞는가'라는 정보가 중요해졌습니다. 저는 이걸 '컨텍스트 최적화'라고 부릅니다. 실제로 제품 설명에 사용자 페르소나를 명시했을 때 AI 추천 노출이 20% 이상 증가하는 걸 테스트로 확인했습니다.
이 변화가 커머스 마케팅 예산 배분에 어떤 영향을 미칠까요?
단기적으론 혼란이 있을 겁니다. AI 채널의 직접 전환은 낮아 보이지만, Assist 역할이 크거든요. Last-Click 어트리뷰션만 보면 과소평가하기 쉽죠. 저라면 1) AI 리포트 데이터를 최소 3개월 수집하고, 2) Data-Driven Attribution 모델로 전환해 각 채널의 진짜 기여도를 파악한 뒤, 3) 단계적으로 예산을 재배분하겠습니다. 제가 예전에 진행한 프로젝트에서는 AI 채널에 전체 예산의 10%를 테스트로 할당했고, 3개월 후 데이터 기반으로 15%까지 늘렸습니다. 중요한 건 성급하게 움직이지 않는 거예요. 신규 채널은 학습 기간이 필요하니까요.
MarkLens Weekly
매주 월요일, 이런 인사이트를 이메일로 받아보세요
This Week's Signals, Case of the Week, Portfolio Insight 등 5가지 섹션 무료 발행
무료 구독하기이 인사이트가 도움이 됐나요?