AI 검색 최적화 상품 페이지 어디부터 손봐야 할까요?
구글 AI Overview가 쇼핑 검색 7건 중 1건에 뜬다는 얘기 들어보셨어요? 2025년 11월엔 2.1%였는데 2026년 3월엔 14%로 5.6배 뛰었어요. 저는 이게 "AI가 상품을 골라주는 시대"가 생각보다 빨리 왔다는 신호로 읽혀요. Visibility Labs가 2,090만 건의 쇼핑 검색을 분석한 결과거든요.
그런데 AI가 답변에 올린 상품과 빠진 상품은 뭐가 다를까요? 이 글은 상품 페이지에서 AI가 읽고 추천하는 형식을 갖추는 실전 순서를 정리했어요.
AI는 이미지가 아니라 텍스트를 읽어요
상품 상세페이지가 전부 이미지로만 되어 있다면 AI는 뭘 추천해야 할지 모를 거예요. AI는 이미지 속 텍스트를 완벽하게 읽지 못하고, 텍스트로 된 정보만 신뢰해서 답변에 넣거든요.
AEO 완벽 정리에서 확인한 사례를 보면, 이미지로만 된 상세 페이지에 핵심 정보를 텍스트로 보완하는 것만으로도 AI 검색 노출이 시작됐다고 해요. 별도 예산 없이 지금 당장 할 수 있는 첫 단계죠.
그럼 어떤 정보를 텍스트로 적어야 할까요? 소재, 사이즈, 색상, 세탁 방법, 용량, 성분처럼 사람이 구매 전에 확인하는 스펙이에요. 이걸 본문에 텍스트로 적어두면 AI가 "이 상품은 면 100%고 기계세탁 가능하다"를 읽어서 답변에 반영할 수 있어요.
구조화된 데이터가 AI 추천의 첫 관문이에요
AI가 상품을 비교하고 추천하려면 기계가 읽을 수 있는 형식이 필요해요. 그게 바로 구조화된 데이터(Schema.org 마크업)예요. Google은 Product, Offer, Review 스키마를 통해 가격, 재고, 평점 같은 정보를 추출하거든요.
AI가 읽고 추천하는 상품 상세페이지 만드는 법에 따르면, 프린스턴대 GEO 연구(KDD 2024)에서 콘텐츠에 통계를 넣으면 AI 가시성이 약 22%, 전문가 인용을 넣으면 인용율이 약 37% 올라간다는 결과가 나왔어요. 즉 정확한 스키마 + 정량 스펙 + 외부 노출이 레버예요.
구조화된 데이터는 개발 리소스가 필요하지만, 한 번 설정하면 모든 상품 페이지에 자동 적용되는 구조라 효율이 높아요. 쇼핑몰 플랫폼(고도몰, 카페24 등)을 쓴다면 스키마 자동 생성 플러그인도 있으니 확인해보세요.
상품명에 검색될 만한 키워드를 넣어야 해요
"감성 코튼 니트"보다 "여성 오버핏 면 100% 니트 베이지"가 AI 검색에 더 잘 걸릴 거예요. AI는 사용자 질문을 분석해서 구체적인 속성을 가진 상품을 우선 추천하거든요.
상품명을 점검할 때 이 세 가지를 확인해보세요:
- 카테고리 키워드 — "니트", "원피스", "스니커즈"처럼 제품군이 명확한가
- 속성 키워드 — "오버핏", "면 100%", "기모", "방수"처럼 검색어에 자주 등장하는 특징
- 대상/용도 — "여성", "남성", "운동용", "출근용"처럼 검색 의도와 연결되는 단어
감성적인 브랜드 네이밍은 본문이나 이미지에서 보여주고, 상품명 자체는 검색에 걸리는 키워드 조합으로 구성하는 게 실전에서 유리해요.
FAQ와 리뷰가 AI 답변의 근거가 돼요
AI는 "이 제품 세탁 어떻게 해요?", "사이즈 큰가요?"처럼 실제 사용자가 궁금해하는 질문을 상품 페이지 안에서 찾아요. 그래서 FAQ 섹션을 상품 페이지에 넣으면 AI가 답변 소스로 인용할 확률이 높아져요.
리뷰도 마찬가지예요. "생각보다 작아요", "배송 빨랐어요", "색상이 화면이랑 달라요" 같은 실사용 피드백은 AI가 신뢰할 수 있는 경험 데이터로 봐요. 리뷰를 텍스트로 축적하고 Review 스키마로 구조화하면 AI가 "평균 평점 4.5점, 구매자 97%가 만족" 같은 요약을 자동으로 만들어줄 수 있어요.
다만 리뷰를 이미지로만 캡처해서 올리면 AI가 못 읽으니, 텍스트 형태로 남기는 게 핵심이에요.
외부 노출이 많을수록 AI가 신뢰해요
같은 상품이라도 블로그 리뷰, 인플루언서 언급, 뉴스 기사가 많으면 AI가 더 권위 있는 상품으로 판단해요. 이건 기존 SEO의 백링크 개념과 비슷한데, AI 시대엔 "얼마나 많은 곳에서 이 상품을 언급하는가"가 추천 순위에 영향을 준다는 거예요.
실제로 ChatGPT가 쇼핑 추천을 할 때 아마존 유입 트래픽이 54%로 가장 높았다는 2026년 이커머스 발견 변화 보고서를 보면, AI가 외부에서 자주 언급되고 리뷰가 많은 브랜드를 우선 추천한다는 게 드러나요.
인플루언서 시딩이나 보도자료 배포는 비용이 들지만, 초기엔 네이버 블로그나 커뮤니티에 실사용 후기를 자연스럽게 축적하는 것부터 시작해도 돼요. 중요한 건 우리 상품명과 특징이 외부 콘텐츠에 텍스트로 남아 있느냐예요.
AI 유입 고객은 전환율이 4배 높아요
AI 검색이 트래픽을 뺏어간다는 우려도 있지만, 실제 데이터는 반대예요. 2026년 4월 이커머스 데이터를 보면 AI 유입 쇼핑객의 전환율은 12.3%인데, 비AI 채널은 3.1%예요. 4배 차이죠.
왜 그럴까요? AI가 이미 사용자 질문을 분석해서 의도에 맞는 상품만 추천하기 때문이에요. "면 소재 니트 추천해줘"라고 물은 사람에게 AI가 면 100% 니트만 골라줬다면, 그 사람은 이미 구매 의도가 높은 상태로 상품 페이지에 들어오는 거죠.
다만 AI Overview가 검색 결과에 뜨면 일반 검색 클릭률이 61% 떨어진다는 BrightEdge 데이터도 있어요. 그래서 AI 검색 최적화는 선택이 아니라 노출 자리가 아예 바뀌는 환경에서 살아남는 전략이에요.
지금 당장 점검할 3가지
예산이나 개발 리소스 없이 오늘 바로 시작할 수 있는 체크리스트예요:
- 상품 상세페이지에 텍스트 정보 추가 — 이미지로만 된 부분을 찾아서 소재, 사이즈, 색상, 세탁법 같은 스펙을 텍스트로 본문에 적어요
- 상품명에 검색 키워드 넣기 — 감성 네이밍 대신 "카테고리 + 속성 + 대상"을 조합한 이름으로 바꿔봐요
- FAQ 섹션 만들기 — 고객이 자주 묻는 질문 3~5개를 상품 페이지 하단에 Q&A 형식으로 넣어요
이 세 가지만 해도 AI가 우리 상품을 읽을 수 있는 기본 형식이 갖춰져요. 구조화된 데이터나 외부 노출은 그다음 단계로 천천히 쌓아가면 돼요.
돈 안 들이고 검색 상위에 뜨는 글, 구조가 달랐다에서 다룬 원칙도 상품 페이지에 그대로 적용돼요. AI는 명확하고 구조화된 정보를 선호하거든요.
한 번 더, 빠르게 짚고 갈게요
Q. AI 검색 최적화를 위해 별도 파일을 만들어야 하나요?
A. 아니요, 필요 없어요. 구글은 AI 검색을 위해 별도 텍스트 파일이나 마크다운을 요구하지 않아요. 기존 상품 페이지 본문과 스키마 마크업이 전부예요.
Q. 이미지로만 된 상세페이지는 왜 AI가 못 읽나요?
A. AI는 이미지 속 텍스트를 완벽하게 인식하지 못해요. 그래서 이미지로만 스펙을 표시하면 AI 답변에서 배제돼요. 핵심 정보는 반드시 HTML 텍스트로 본문에 남겨야 해요.
Q. 구조화된 데이터는 어떻게 추가하나요?
A. Product, Offer, Review 같은 Schema.org 마크업을 페이지 HTML에 넣으면 돼요. 쇼핑몰 플랫폼을 쓴다면 자동 생성 플러그인이 있고, 직접 개발한다면 구글 구조화된 데이터 테스트 도구로 확인할 수 있어요.
Q. 상품명은 감성적인 이름보다 키워드 조합이 나은가요?
A. AI 검색 노출만 놓고 보면 그렇습니다. "감성 코튼 니트"보다 "여성 오버핏 면 100% 니트 베이지"가 검색 의도에 더 잘 걸려요. 감성은 브랜드 스토리나 이미지에서 보여주는 게 효율적이에요.
Q. AI 유입 트래픽은 전환이 잘 되나요?
A. 네, 오히려 훨씬 높아요. 2026년 4월 데이터 기준으로 AI 유입 쇼핑객의 전환율은 12.3%인데 비AI 채널은 3.1%예요. AI가 이미 의도에 맞는 상품만 골라서 보내주기 때문이에요.
