6가지 평가 기준을 순서대로 뜯어보면

분석 자료들을 종합하면 AI 에이전트가 상품을 평가할 때 대략 다음 순서로 판단하는 경향이 있습니다. 다만 이 순서는 ChatGPT, Google, Perplexity 등 플랫폼별로 미세하게 조정될 수 있다는 점을 감안하고 봐야 합니다.

  1. 구조화 데이터 품질: 정확성, 완전성, 최신성. 5강에서 다룬 JSON-LD 필드가 여기에 해당합니다.
  2. 쿼리 관련성: 사용자가 입력한 의도와 상품 데이터가 얼마나 정확히 매칭되는지.
  3. 가격 경쟁력: 같은 상품군 안에서 상대적인 가격 위치.
  4. 가용성: 실제 재고가 있는지, 배송이 가능한지.
  5. 리뷰 및 신뢰 신호: aggregateRating, 리뷰 수, 반품률.
  6. 판매자 신뢰도: 과거 거래 이력, 클레임 발생률.

주목할 부분은 가격 경쟁력이 1순위가 아니라 3순위라는 점입니다. 아무리 가격이 저렴해도 구조화 데이터가 부실하거나 사용자 의도와 맞지 않으면 그 이전 단계에서 이미 걸러진다는 뜻입니다.

브랜드 규모보다 데이터 정확도가 앞선다

이 순서가 만드는 실질적인 결과는 이렇습니다. 유명 브랜드라도 상품 데이터가 부정확하거나 부족하면 AI의 고려 대상에서 아예 빠질 수 있습니다. 반대로 인지도가 낮은 중소 브랜드라도 정확한 데이터와 우수한 리뷰를 갖췄다면 충분히 추천될 수 있습니다. 즉 기존의 브랜드력 중심 경쟁이 아니라 데이터 정확도 중심 경쟁으로 무게중심이 옮겨가고 있다는 뜻입니다. 이건 자본이 적은 중소 판매자에게 오히려 유리하게 작용할 수 있는 지점이라, 10강에서 실행 체크리스트로 다시 정리하겠습니다.

트래픽과 전환율로 확인되는 변화

실제 성과 지표도 이 흐름을 뒷받침합니다. 미국 소매 사이트를 기준으로 AI 경유 트래픽이 2025년 1분기 대비 2026년 1분기 사이 393% 늘었습니다. 시작점 자체가 낮았을 가능성이 커서 액면 그대로 받아들이기보다는 성장 속도의 신호로 참고하는 게 좋습니다. 더 눈여겨볼 대목은 AI 경유 세션의 전환율이 AI를 거치지 않은 세션보다 42% 더 높다는 분석입니다. AI가 이미 사용자 의도와 상품을 정교하게 매칭해서 데려오기 때문에, 유입되는 트래픽의 질 자체가 다르다고 해석할 수 있습니다.