이커머스 GEO: AI가 「추천 상품」을 고르는 방식

AI는 상품을 어떻게 추천하는가?

「OO 예산대 노트북 추천해 줘」 같은 질문에 AI 엔진은 4단계 파이프라인——검색, 그라운딩, 생성, 인용——을 돌립니다. 검색 단계에서 상품 비교 쿼리로 팬아웃되고, 그라운딩 단계에서 가격·스펙·평점이 여러 소스에서 일치하는 상품만 남습니다. 즉 이커머스에서 탈락하는 것은 「정보가 없는 상품」이 아니라 「정보가 소스마다 다른 상품」입니다.

한국 시장의 특수성은 마켓플레이스의 무게에 있습니다. 쿠팡과 네이버쇼핑은 국내 상품 검색의 중심이며, 이들 플랫폼의 상품 정보(가격·리뷰·평점)가 AI 답변의 그라운딩 재료가 됩니다. 자사몰만 정비하고 마켓플레이스 정보를 방치하면, 엔진이 교차 검증할 「제3자 소스」가 비어 있는 셈입니다.

자사몰과 마켓플레이스의 역할 분담은?

• 자사몰: 1차 소스의 역할. 공식 스펙, 정가, 상세 비교, Product·Review 스키마를 갖춘 「정답지」.
• 마켓플레이스(쿠팡·네이버쇼핑): 교차 검증 소스의 역할. 자사몰과 일치하는 상품명·스펙·가격 체계, 축적된 리뷰.
• 리뷰·비교 매체: 권위 소스의 역할. 「최고의 X」류 답변에서 가장 자주 인용되는 층(소스 그래프).

실행 체크리스트는?

1. 자사몰 상품 페이지에 Product 스키마(이름·가격·재고·평점) 적용, 본문과 일치 유지
2. 상품명 규칙 통일——자사몰·쿠팡·네이버쇼핑에서 동일 상품이 다른 이름이면 엔티티가 분리됩니다
3. 비교 콘텐츠 자체 발행——「자사 라인업 비교」「경쟁 카테고리 대비 스펙 표」는 팬아웃 쿼리의 직접 대응 자산
4. 리뷰 수집과 응대의 상시화——리뷰는 AI가 읽는 기계 판독 평판 데이터
5. 가격·재고 변동 시 모든 채널 동시 갱신——불일치는 그라운딩 탈락 사유

흔한 함정은 무엇인가?

첫째, 「마켓플레이스가 알아서 해 주겠지」——플랫폼 등록은 색인일 뿐, AI 인용 가능한 정보 구조(스펙 표·비교·근거 있는 서술)는 판매자가 만들어야 합니다. 둘째, 프로모션 가격만 갱신하고 스펙 서술을 방치하는 것. 셋째, 자사몰 없이 마켓플레이스만 운영하는 구조——1차 소스가 없으면 브랜드 인지 차원에서 「공식」의 위치를 확보할 수 없습니다. 효과는 상품 카테고리 질문 세트의 월간 실측으로 검증하세요(측정 SOP).