ChatGPT·Perplexity의 ‘답변’과 ‘커머스’의 연결
ChatGPT, Perplexity 같은 AI 기반 검색·대화 서비스에서 제품 추천과 함께 AI 검색 구매 링크가 자연스럽게 노출되는 장면은 이제 익숙하다. 겉보기에는 검색 광고와 비슷해 보이지만, 그 내부 작동 원리는 기존 검색·커머스 모델과 근본적으로 다르다.
이 글에서는 AI가 구매 링크를 노출하는 의도 해석 → 답변 생성 → 출처 참조의 흐름을 LLM·RAG 관점에서 기술적으로 살펴보고, 이 변화가 기획·마케팅·개발·이커머스 실무에 어떤 과제를 던지는지 정리한다.
1. AI는 검색 엔진이 아니다
전통적인 검색 엔진이 “키워드”를 중심으로 작동했다면, AI는 질문 전체를 하나의 의도(Intent)를 해석한다.
예를 들어 다음 두 질문은 전혀 다르게 처리된다.
- “무선 이어폰 추천”
- “출퇴근 지하철에서 통화 잘 되는 가성비 무선 이어폰”
후자의 경우 AI는 단순 키워드가 아니라 다음 신호를 동시에 인식한다.
- 사용 환경: 출퇴근, 지하철, 통화
- 핵심 가치: 마이크 품질, 노이즈 캔슬링
- 가격 민감도: 가성비
- 사용자의 상태: 비교·선택 단계에 근접한 구매 의도
이 단계에서 이미 커머스 맥락은 질문 안에 포함되어 있다.
구매 링크는 광고가 아니라, 이 의도를 끝까지 완성시키기 위한 정보 요소에 가깝다.
2. 구매 링크는 ‘추천의 결과’가 아니라 ‘답변의 일부’
AI가 제품 설명 → 장단점 → 비교 → 링크라는 구조로 답변하는 것은 우연이 아니다. 이는 LLM 기반 답변 생성 구조에서 자연스럽게 발생한다.
- 질문에 충분히 답하려면 구체적인 제품 예시가 필요하고
- 예시를 들면 출처와 추가 확인 경로가 필요하며
- 그 결과 신뢰 가능한 링크가 포함된다
실제 상용 AI 서비스는 대부분
LLM + RAG(Retrieval-Augmented Generation) + 실시간 웹 검색 구조를 사용한다.
간단히 말하면:
- LLM이 질문의 의도와 제약 조건을 분석하고
- 웹·리뷰·제품 페이지·커머스 정보를 검색해
- 신뢰 가능한 정보 청크를 선별한 뒤
- 이를 재구성해 하나의 답변으로 만든다
구매 링크는 이 과정에서 “클릭을 유도하기 위한 장치”가 아니라 답변의 완결성을 높이기 위한 참조 정보(reference)로 포함된다.
이 점에서 AI 커머스는 기존 배너 광고나 CPC 모델과 근본적으로 다르다.
3. 실제 사례: AI는 어떻게 구매 링크를 노출할까
예를 들어 GPT에서 “가성비 무선 이어폰 조사 비교 추천해줘”라고 하면:
- 3~5개의 대표 제품이 제시되고
- 가격대, 주요 스펙(배터리, ANC, 통화 품질 등)이 요약되며
- 공식몰 등 신뢰 가능한 구매처 링크가 함께 제공된다.
중요한 점은:
- 특정 브랜드 하나를 밀어주지 않고
- 비교 기준을 명확히 제시하며
- 링크는 “광고 클릭”이 아니라 정보 확인의 연장선으로 작동한다는 것이다
AI는 판매자가 아니라 의사결정을 돕는 비교·요약자에 가깝다.
4. AI 커머스의 핵심은 ‘노출’이 아니라 ‘선택 가능성’이다
ChatGPT·Perplexity는 특정 브랜드를 일방적으로 추천하지 않는다.
대신 다음과 같은 구조를 취한다.
- 복수의 선택지 제시
- 추천 이유의 명시적 설명
- 사용 목적별 분기
- 단점까지 포함한 균형 잡힌 정보
이 구조에서 중요한 것은 얼마나 자주 노출되느냐가 아니라,
“AI가 이 질문에 답할 때, 왜 이 브랜드를 언급할 수 있는가”다.
이제 경쟁 대상은 다른 광고주가 아니라, 같은 질문에 더 설득력 있는 답변 맥락을 가진 콘텐츠다.
5. 기획자·마케터·개발자에게 생긴 새로운 과제
기획자 관점
- 우리 제품은 어떤 질문에 등장해야 하는가?
- 기능이 아니라 문제 해결 시나리오 단위로 정의되어 있는가?
마케터 관점
- 제품 설명에 ‘누구를 위한’, ‘어떤 상황에서’, ‘왜 필요한지’가 구조화되어 있는가?
- 경쟁사 대비 차별점이 한 문장으로 요약 가능한가?
- 장점뿐 아니라 AI가 인용해도 안전한 수준의 단점 설명이 있는가?
개발자/테크 관점
- 구조화된 데이터(Schema, Spec, 비교 정보)가 존재하는가?
- AI가 신뢰할 수 있는 1차 정보로 인식할 만한 기술 문서가 있는가?
- 마케팅 페이지와 기술 문서 간 정보 불일치는 없는가?
AI는 감성보다 맥락 + 근거 + 구조에 훨씬 민감하다.
6. 그래서 GEO(Generative Engine Optimization)
AI 기반 추천 환경에서의 최적화는 검색 순위 조정이나 키워드 삽입으로 해결되지 않는다.
GEO는 다음 질문에 답하는 작업이다.
- AI는 어떤 질문에서 우리 브랜드를 떠올릴까?
- 어떤 표현과 정보 단위가 답변에 포함될까?
- 경쟁 브랜드와 구분되는 ‘이유’를 AI가 설명할 수 있을까?
이는 콘텐츠, 기술 문서, 커머스 정보, 마케팅 메시지가 하나의 ‘답변’으로 정렬되어야 가능한 일이다.
AI 검색 환경에서 우리 브랜드의 현재 위치가 궁금하다면, 다음 3가지를 먼저 직접 체크해보는 것이 좋다.
- 주요 제품 관련 질문 10개를 AI에 직접 입력해본다
- 경쟁사 대비 언급 빈도와 설명 맥락을 비교한다
- 자사 콘텐츠가 AI가 요약·인용하기 쉬운 구조인지 점검한다
만약 이 과정에서
- 왜 경쟁사만 자주 언급되는지 궁금해지거나
- 우리 브랜드가 어디서 빠지는지 명확히 보이지 않는다면
GEO 컨설팅을 통해 구조적으로 진단하고 개선할 수 있습니다.
GEO 컨설팅은
AI 답변 구조 관점에서 우리 브랜드의 현재 위치를 진단하고,
답변에 포함되기 위한 콘텐츠·정보 구조 개선 방향을 제안한다.
최신 마케팅/고객 데이터 활용 사례를 받아보실 수 있습니다.