AI 쇼핑 에이전트 시대, 이커머스 SEO 대응 가이드

결론부터 말하면 이렇다. 오픈AI가 2026년 10월 1일 챗GPT에 가상 시착 기능을 전면 출시하면서, "AI가 상품을 보여주고 입혀보고 장바구니에 담는" 흐름이 한 단계 더 완성됐다. 구글은 이미 2025년 5월 I/O에서 가상 피팅룸을 공개했고, 뒤이어 UCP(유니버설 커머스 프로토콜)로 상품 조회와 결제까지 표준화하는 작업을 진행 중이다. 두 거대 플랫폼이 서로 다른 속도와 방식으로, 그러나 같은 방향으로 움직이고 있는 셈이다.

이 흐름에서 쇼핑몰이 당장 걱정해야 할 것은 프로토콜 이름을 외우는 일이 아니다. AI가 우리 상품 사진을 가져다 가상으로 입혀볼 만큼 사진이 깨끗한지, 가격·재고·옵션 정보가 플랫폼마다 일치하는지가 먼저다. 프로토콜은 결국 이 기초 데이터 위에서만 작동하기 때문이다.

이 글은 챗GPT 가상 시착이 정확히 무엇을 바꿨는지, 구글의 가상 피팅·UCP와는 어떻게 다른지, 그리고 두 생태계를 한 번에 대응하려면 상품 데이터와 이미지를 어떤 기준으로 정비해야 하는지를 예시 중심으로 정리한다.

이 글의 핵심만 먼저 정리하면 다음과 같다.

• 챗GPT가 2026년 10월 1일 가상 시착과 즐겨찾기(Favorites) 기능을 전 세계에 출시했다. 셀카나 전신 사진을 올리면 옷·액세서리를 입혀본 이미지를 바로 볼 수 있다.
• 구글은 이보다 앞서 2025년 5월 I/O에서 가상 피팅룸을 먼저 공개했고, 같은 해 7월 기능을 확장했다. AI 가상 시착은 이제 한 회사의 실험이 아니라 업계 표준 기능에 가까워졌다.
• 두 기능 모두 상품 사진의 품질에 크게 의존한다. 배경이 정리되고 해상도가 충분한 단독 상품 이미지가 없으면 가상 시착 품질도, 노출 자체도 떨어진다.
• 가상 시착·UCP·AP2처럼 이름은 달라도, 쇼핑몰이 준비할 기초는 같다. 상품 제목·가격·재고·이미지가 모든 채널에서 일치하고, 구조화 데이터로 기계가 읽기 쉽게 정리돼 있어야 한다.
• 에이전트를 거친 방문은 일반적인 방문 기록(페이지뷰)으로 잘 안 잡히는 경우가 많아, 매출 기여도를 측정하는 방식도 함께 손봐야 한다.

챗GPT 가상 시착, 정확히 무엇이 새로 생겼나?

사용자가 셀카나 전신 사진을 올리면, 챗GPT가 그 사람에게 옷이나 액세서리를 입힌 모습을 이미지로 만들어 보여준다. 쇼핑 결과 화면에 "입어보기" 버튼이 새로 생겼고, 이 버튼을 누르면 가상 시착 이미지가 바로 생성된다. 오픈AI는 2026년 10월 1일 목요일 이 기능을 전 세계에 동시 출시했다고 밝혔다.

같은 날 함께 나온 기능이 즐겨찾기(Favorites)다. 마음에 든 상품과 시착 이미지를 앱 안의 보관함(라이브러리)에 저장해 두고 나중에 다시 꺼내 볼 수 있게 해주는 기능이다. 쇼핑을 하다가 대화를 끝내도 담아둔 상품이 사라지지 않는다는 점에서, 지금까지의 "한 번 묻고 끝나는 대화형 추천"과는 결이 다르다.

가상 시착은 꼭 챗GPT가 미리 알고 있는 상품에만 적용되지 않는다. 사용자가 웹사이트 화면을 캡처해 올리거나 특정 연예인의 옷차림 사진을 올려 비슷한 상품을 찾아달라고 요청해도 작동한다.

이 지점이 쇼핑몰 입장에서는 양날의 검이다. 우리 상품이 챗GPT 쇼핑 결과에 아예 노출되지 않아도, 고객이 직접 스크린샷을 올리면 가상 시착까지는 가능하다. 다만 "챗GPT가 먼저 추천해 주는 상품"이 되려면 여전히 상품 피드와 노출 자체를 신경 써야 한다. 가상 시착이 구매까지 매끄럽게 이어지길 바란다면 결국 둘 다 챙겨야 한다는 뜻이다.

기술적으로는 최신 이미지 생성 모델이 적용돼, 이전보다 조명과 질감이 더 자연스러워지고 이미지 생성 속도도 빨라졌다고 오픈AI는 설명했다. 다만 이 글을 쓰는 시점까지 공개된 자료에는 앱 안에서 바로 결제까지 끝내는 기능은 포함되지 않았다. 가상 시착과 즐겨찾기는 "보여주고 저장하는" 단계이고, 실제 결제는 여전히 각 쇼핑몰 사이트로 연결되는 구조다.

구글의 가상 피팅룸·UCP와는 뭐가 다른가?

순서로 보면 구글이 먼저 움직였다. 구글은 2025년 5월 I/O 2025에서 AI 가상 피팅룸을 처음 공개했고, 같은 해 7월 기능을 확장해 더 다양한 체형·상품으로 범위를 넓혔다. 검색 결과에서 옷을 발견하면 바로 내 사진에 입혀볼 수 있는 흐름을 구글이 먼저 보여준 셈이다.

여기에 결제·상품 조회 표준까지 더해진 것이 UCP(유니버설 커머스 프로토콜)다. UCP는 2026년 1월 구글이 공개한 개방형 표준으로, 쇼핑몰이 표준 하나만 지키면 검색·AI 모드·제미나이 같은 여러 채널과 한 번에 연동되도록 설계됐다. UCP 자체의 동작 구조와 신청 방법은 유니버설 커머스 프로토콜(UCP) 완벽 가이드에서 단계별로 정리해 두었다.

결제 승인을 서명으로 증명하는 AP2(에이전트 결제 프로토콜)도 같은 구글 생태계 안에 있다. 가상 시착이 "보여주는" 역할이라면, UCP는 "상품을 조회하고 담는" 역할, AP2는 "결제를 확정하는" 역할을 나눠 맡는다. 세 가지가 어떻게 맞물리는지는 AP2 결제 프로토콜 가이드에서 더 자세히 다뤘다.

아래 표로 두 생태계의 역할을 정리하면 한눈에 비교하기 쉽다.

구분	구글 생태계	오픈AI(챗GPT) 생태계
가상 시착	2025년 5월 공개, 7월 확장	2026년 10월 1일 전면 출시
상품 보관	구글 월렛·유니버설 카트	즐겨찾기(Favorites)·라이브러리
상품 조회 표준	UCP(유니버설 커머스 프로토콜)	에이전틱 커머스 프로토콜(ACP)
결제 표준	AP2(에이전트 결제 프로토콜)	ACP 기반 토큰 결제
앱 내 결제	일부 파트너 한정 지원	가상 시착·즐겨찾기는 아직 미지원

표에서 가장 중요한 줄은 "앱 내 결제" 행이다. 두 생태계 모두 아직 모든 쇼핑몰에 열려 있는 단계는 아니며, 결제까지 완전히 끝나는 구조는 일부 대형 파트너부터 순서대로 확장되고 있다.

이름과 발표 시점은 다르지만 결론은 같다. 두 회사 모두 "AI가 상품을 보여주고, 담고, 결제까지 대신한다"는 같은 목표를 향해 각자의 방식으로 다가가고 있다. 쇼핑몰 입장에서는 어느 한쪽에만 맞춰 준비할 이유가 없다.

가상 시착, 사진만 좋으면 저절로 뜨는 걸까?

아니다. 사진 품질은 필요조건이지 충분조건이 아니다. 가상 시착이 제대로 작동하려면 상품 상세 페이지에 배경이 정리되고 해상도가 충분한 단독 상품 이미지가 최소 한 장은 있어야 한다. 모델이 여러 상품을 동시에 입고 찍은 화보형 사진만 있으면, AI가 "어느 부분이 이 상품인지" 구분하기 어려워진다.

나쁜 예와 좋은 예를 나란히 보면 차이가 분명하다.

구분	나쁜 예	좋은 예
배경	다른 소품·모델이 섞인 화보 컷만 등록	흰색 또는 단색 배경의 단독 상품 사진 1장 이상 확보
해상도	저해상도 썸네일만 업로드	충분한 해상도의 원본 이미지 사용
상품 구분	세트 상품을 사진 한 장에 뭉쳐 표시	상품 하나당 이미지를 분리해 각각 등록
데이터 연결	이미지 URL이 깨져 있거나 로딩이 느림	이미지 URL이 안정적으로 열리고 로딩이 빠름

패션 쇼핑몰이라면 지금 바로 할 수 있는 점검이 있다. 상품 상세 페이지를 열어 모델이 입은 화보 사진 말고, 상품만 깔끔하게 찍은 사진이 따로 있는지 확인하는 것이다. 화보 사진은 분위기를 전달하는 데는 좋지만, AI가 "이 옷의 모양과 색"만 추출해 가상으로 입혀보는 작업에는 오히려 방해가 될 수 있다.

화보 사진과 단독 상품 사진은 역할이 다르다는 것부터 인정하는 것이 출발점이다. 둘 다 필요하다는 뜻이지, 화보 사진만으로 충분하다는 뜻이 아니다. 뷰티·액세서리 업종도 마찬가지다. 모델 착용 컷만 있고 제품 단독 사진이 없는 경우가 흔한데, 이런 상품은 가상 시착 대상에서 조용히 제외될 가능성이 크다.

상품 데이터는 어떤 기준으로 정비해야 하나?

이미지가 전부는 아니다. 상품 제목·가격·재고 상태·옵션 같은 기본 데이터가 사이트, 마켓플레이스, AI 쇼핑 피드 사이에서 서로 다르면, 사람 구매자도 AI 에이전트도 그 상품을 신뢰하기 어렵다. 해외 마케팅 분석 매체들이 챗GPT 쇼핑 대응을 다루며 공통으로 강조하는 지점도 결국 데이터의 일관성이다.

최소한 아래 항목은 상품 페이지와 피드 양쪽에서 항상 일치해야 한다.

• 상품명·브랜드·옵션(색상·사이즈): 페이지마다 표기가 다르면 같은 상품인지 AI가 혼동한다.
• 가격과 할인 여부: 세일 중인데 피드에는 정가로 남아 있으면 신뢰를 잃는다.
• 재고 상태: 품절인데 "재고 있음"으로 표시되면 가상 시착까지 마친 고객이 결제 단계에서 이탈한다.
• 이미지 URL: 상품 페이지의 이미지와 피드에 등록된 이미지가 다른 상품을 가리키면 안 된다.
• 반품·교환 정책 문서: 정책이 어디에도 정리돼 있지 않으면 AI 에이전트가 추천 자체를 꺼릴 수 있다.

이미 챗GPT 쇼핑 탭 신설, 쇼핑몰 노출 전략 바뀐다에서 다룬 것처럼, 챗GPT 쇼핑에 제출하는 피드에는 id, title, price, availability처럼 상품을 특정하는 필드가 최소 조건으로 들어가야 한다. 구조화 데이터(Product 스키마)를 이미 갖춰 뒀다면, 이 작업은 필드 이름만 형식에 맞게 옮기는 수준이라 생각보다 오래 걸리지 않는다. Product 스키마를 AI 검색에 맞춰 정비하는 구체적인 방법은 AI 오버뷰 시대의 상품 페이지 SEO에서 예시와 함께 확인할 수 있다.

피드 하나만 완벽히 채운다고 끝나는 일이 아니다. 자사 쇼핑몰, 네이버쇼핑, 쿠팡, AI 쇼핑 피드까지 같은 상품 정보가 동시에 돌아다닌다는 점을 기억해야 한다. 한 곳만 갱신하고 나머지를 그대로 두면 불일치가 다시 생긴다.

구조화 데이터는 구체적으로 뭘 넣어야 하나?

"구조화 데이터를 넣으세요"라는 말만으로는 실무에서 막막하다. Product 스키마(JSON-LD)에 실제로 채워야 하는 항목을 기준으로 보면 훨씬 구체적으로 다가온다. 핵심은 다섯 가지다.

• name·brand: 상품명과 브랜드명을 페이지 전체에서 동일한 표기로 통일한다.
• offers(price, priceCurrency, availability): 가격·통화·재고 상태를 실제 판매 조건과 똑같이 맞춘다.
• image: 배경이 정리된 단독 상품 이미지를 최소 한 장 이상 지정한다.
• aggregateRating·review: 실제로 쌓인 평점과 후기만 넣는다. 후기가 없는 상품에 억지로 평점을 넣는 것은 금지된 행위다.
• sku·gtin: 표준 식별자가 있으면 함께 넣는다. 필수는 아니지만 신뢰도를 높이는 보조 신호다.

나쁜 예는 상품 페이지에는 "품절"이라고 써 있는데 구조화 데이터에는 availability: InStock으로 남아 있는 경우다. 이런 불일치는 사람 눈에는 잘 안 보이지만, 기계가 데이터를 읽을 때는 바로 걸러진다. 좋은 예는 재고가 바뀌는 즉시 페이지 표시와 구조화 데이터, 쇼핑 피드 세 곳이 동시에 갱신되는 구조다. 이미 상품 상세 페이지에 구조화 데이터를 넣어 뒀다면, JSON-LD 구조화 데이터란 무엇인가 글에서 기본 문법부터 다시 점검해 볼 수 있다.

한 가지 더 챙길 게 있다. 후기와 평점은 가상 시착·AI 추천 어느 쪽에도 신뢰 신호로 작용한다. 후기가 0–2개뿐인 상품보다, 실사용 후기가 꾸준히 쌓이고 질문·답변(Q&A)으로 보완된 상품이 AI 추천에서도 우선 고려될 가능성이 크다. 후기를 늘리는 작업은 가상 시착과 무관해 보이지만, 결국 "이 상품을 추천해도 안전한가"를 판단하는 신호 중 하나로 함께 작용한다.

구조화 데이터를 처음 넣어본다면, 전체 상품을 한 번에 손대기보다 검증 도구로 먼저 확인하는 순서를 권한다. 구글 서치 콘솔의 "향상된 기능" 보고서나 구조화 데이터 테스트 도구로 샘플 상품 몇 개를 먼저 검사해, 오류가 있는지 확인한 뒤 나머지 상품으로 범위를 넓히는 방식이 안전하다. 처음부터 전체 카탈로그에 한꺼번에 적용하면, 오류가 하나라도 있을 때 전체 상품에서 같은 문제가 반복돼 고치는 데 더 오래 걸린다.

가격이 자주 바뀌는 상품은 어떻게 대응하나?

세일·프로모션이 잦은 업종일수록 가격 데이터의 실시간성이 더 중요해진다. 가상 시착까지 마친 고객이 결제 페이지에서 "표시된 가격과 다르다"는 경험을 하면, 그 자리에서 이탈할 뿐 아니라 이후 추천 대상에서도 밀릴 수 있다.

나쁜 예는 쇼핑 피드를 하루에 한 번만 갱신해 세일 종료 후에도 할인가가 몇 시간씩 남아 있는 경우다. 좋은 예는 가격이 바뀌는 즉시(혹은 최소 몇 시간 단위로) 피드와 페이지가 함께 갱신되는 구조다. 플래시 세일처럼 가격이 짧은 시간 안에 여러 번 바뀌는 이벤트라면, 이벤트 시작·종료 시점을 피드에 명시해 자동으로 가격이 원복되게 만드는 것이 안전하다.

가격 불일치는 한 번의 실수로 끝나지 않는다. AI 에이전트가 특정 쇼핑몰의 가격 데이터를 "믿을 수 없다"고 한 번 학습하면, 이후 추천에서 지속적으로 불리해질 수 있다는 점을 기억해야 한다.

리뷰·설명 문구, AI가 읽기 쉽게 쓰려면?

가상 시착이 "보여주는" 영역을 담당한다면, 상품 설명 문구는 여전히 AI가 상품을 "이해하는" 영역을 담당한다. 형용사로만 채운 설명보다, 소재·치수·관리 방법처럼 구체적인 사실이 담긴 문장이 AI 추천과 요약 양쪽에서 유리하다.

의류를 예로 들면 나쁜 예는 "핏이 예쁘고 트렌디한 디자인입니다"다. 무엇으로 만들어졌는지, 사이즈 기준이 어떤지 전혀 알 수 없다. 좋은 예는 "면 80%·폴리에스터 20% 혼방이며, 모델은 키 170cm 기준 M 사이즈를 착용했다"다. 소재 비율과 모델 착용 사이즈라는 구체적인 사실이 한 문장에 담겨 있어, 가상 시착 결과를 본 고객이 사이즈를 선택할 때도 그대로 참고할 수 있다.

이런 문장 습관은 비단 가상 시착을 위한 것만이 아니다. AI가 그대로 인용하기 쉬운 문장을 쓰는 방법은 업종을 가리지 않고 통하는데, 더 다양한 예시는 AI 오버뷰 시대의 상품 페이지 SEO에서 확인할 수 있다.

구글과 챗GPT, 두 생태계를 한 번에 대응하는 체크리스트

프로토콜 이름을 외우는 대신, 두 생태계 모두에 공통으로 통하는 체크리스트로 접근하는 편이 효율적이다. 아래 다섯 가지가 가상 시착·UCP·ACP 중 무엇이 표준으로 자리 잡든 그대로 쓸 수 있는 기초다.

1. 단독 상품 이미지 확보: 배경이 정리되고 해상도가 충분한 사진을 상품마다 최소 한 장씩 갖춘다.
2. 상품 데이터 일치: 제목·가격·재고·옵션을 모든 채널에서 동일하게 유지한다.
3. 구조화 데이터(Product 스키마) 적용: 이름·가격·재고 상태·평점을 기계가 읽기 쉬운 형태로 마크업한다.
4. 정책 문서 정리: 반품·교환·고객센터 정보를 별도 페이지로 명확히 공개한다.
5. 서버단 주문 추적 체계: 에이전트를 거친 방문은 일반적인 페이지뷰로 잘 안 잡히므로, 주문 데이터를 서버 쪽에서 따로 집계해 둔다.

이 다섯 가지를 다 갖추는 데 특별한 개발 인력이 필요한 것도 아니다. 관리자 페이지에서 상품 옵션값을 채우고, 반품 정책 페이지를 하나 만들고, 상품 단독 사진을 한 장씩 추가하는 일부터 시작해도 충분하다. 완벽하게 갖추는 것보다, 트래픽이 많은 주력 상품부터 순서대로 채워나가는 쪽이 현실적이다.

카페24·고도몰 같은 국내 빌더에서는 어떻게 하나?

국내 쇼핑몰 빌더가 UCP나 ACP를 자동으로 지원하는지는 이 글을 쓰는 시점까지 공식적으로 확인되지 않았다. 카페24·고도몰·식스샵 같은 플랫폼을 쓰고 있다면, 당장 할 수 있는 일은 빌더 자체 기능을 기다리는 것이 아니라 빌더 안에서 상품 데이터를 최대한 꼼꼼히 채우는 것이다.

대부분의 국내 빌더는 상품 옵션·이미지·재고를 입력하는 관리자 화면을 이미 제공한다. 문제는 기능이 없어서가 아니라, 그 입력란을 비워 두거나 대충 채우는 경우가 많다는 점이다. 옵션별 이미지를 따로 등록하는 기능이 있다면 활용하고, 상세 설명에 소재·치수 같은 정보를 빠짐없이 적어두는 것만으로도 지금 가능한 준비는 상당 부분 끝난다. 빌더가 자체적으로 UCP·ACP를 지원하는 시점이 오면, 이미 채워둔 데이터가 그대로 활용될 가능성이 크다.

지금 당장 시작할 수 있는 건 무엇인가?

업종별로 우선순위가 조금씩 다르다. 아래는 바로 적용해 볼 만한 예시다.

패션·의류 쇼핑몰이라면 가상 시착의 직접적인 수혜 업종이다. 주력 상품 상위 20–30개부터 단독 상품 사진을 점검하고, 색상·사이즈 옵션이 빠짐없이 채워져 있는지 확인하는 것이 먼저다. 나쁜 예는 "블랙, 화이트 외 다수"처럼 옵션을 뭉뚱그려 적는 것이고, 좋은 예는 색상·사이즈별로 재고와 이미지를 각각 분리해 등록하는 것이다.

뷰티·잡화 쇼핑몰은 가상 시착 대상은 아니더라도 상품 데이터 일관성에서 얻을 게 많다. 성분·용량·색상 옵션을 상세 페이지와 피드 양쪽에 똑같이 채워두면, 가상 시착이 아니더라도 AI 쇼핑 추천에서 비교 대상으로 뽑힐 확률이 올라간다.

식품·생활용품처럼 시착과 거리가 먼 업종도 안심할 단계는 아니다. 어차피 상품 데이터 정비는 구글 쇼핑 노출과 AI 오버뷰 인용에도 그대로 도움이 되기 때문이다. 가상 시착이라는 기능 하나에만 집중하면 업종을 가려 대응하게 되지만, 데이터 기초 체력이라는 관점으로 보면 모든 업종에 똑같이 적용된다.

우선순위를 못 정했다면 "검색 실적은 높은데 클릭률이 낮은 상품"부터 손보는 것이 가장 효율적이다. 이미 노출은 되고 있다는 뜻이므로, 사진과 데이터만 다듬어도 효과가 금방 체감된다.

매출로 바로 이어질까? 측정은 어떻게 하나?

아직 단정하기는 이르다. 가상 시착이나 UCP를 거친 거래가 매출에서 정확히 몇 퍼센트를 차지하는지, 공식적으로 수치를 공개한 플랫폼이나 대형 쇼핑몰은 이 글을 쓰는 시점까지 없다. 기능이 나온 지 얼마 되지 않았고, 아직 일부 파트너·국가부터 순차 적용되는 단계이기 때문이다.

측정이 까다로워지는 이유도 있다. 즐겨찾기(Favorites)처럼 상품을 저장해 두고 나중에 다시 방문하는 흐름은, 처음 발견한 경로를 추적하기 어렵게 만든다. 사용자가 챗GPT에서 상품을 발견해 즐겨찾기에 담아두고, 며칠 뒤 직접 사이트 주소를 입력해 들어와 결제하면 유입 경로 데이터에는 "직접 방문"으로만 남는다.

현실적인 대응은 두 가지다. 첫째, 챗GPT·구글 관련 레퍼럴 트래픽을 애널리틱스에서 별도로 구분해 꾸준히 지켜본다. 둘째, 서버단에서 주문 데이터를 별도로 집계해, 유입 경로 데이터가 놓치는 부분을 보완한다. 완벽한 측정은 아직 어렵지만, 꾸준히 추세를 기록해 두면 몇 달 뒤 변화를 비교할 기준점이 생긴다.

구글·오픈AI 말고 다른 AI 쇼핑 도구도 챙겨야 하나?

방향은 비슷하지만 하나씩 다 쫓아다닐 필요는 없다. 아마존의 AI 쇼핑 도우미 루퍼스(Rufus)는 아마존 앱 안에서 상품을 비교·추천해 주는 기능으로 이미 자리 잡았고, 퍼플렉시티 같은 AI 검색 도구도 답변 중에 구매 가능한 상품을 함께 보여주는 쇼핑 기능을 운영하고 있다. 국내에서는 네이버의 AI 검색(큐: 등)이 비슷한 역할을 한다.

플랫폼마다 세부 동작은 다르지만, 어디서든 공통으로 요구하는 것은 같다. 상품명·가격·재고가 명확하고, 설명이 구체적인 사실로 채워져 있고, 신뢰할 수 있는 후기가 쌓여 있는 상품이다. 한 플랫폼에 맞춰 억지로 데이터를 꾸미기보다, 이 공통 기준을 지키는 쪽이 여러 플랫폼에 동시에 대응하는 가장 효율적인 방법이다.

엔진 하나를 완벽히 맞추는 전략보다, 어느 엔진이 봐도 오해할 여지가 없는 데이터를 만드는 전략이 결국 더 오래간다. 새로운 AI 쇼핑 기능이 발표될 때마다 전면 개편을 검토하기보다, 기초 데이터를 꾸준히 다져두고 필요할 때 빠르게 붙이는 쪽이 현실적이다.

재고·가구처럼 고관여 상품도 같은 전략이 통할까?

가상 시착은 의류·액세서리처럼 "입어보는" 상품에 특히 유리하지만, 가구·전자제품처럼 고관여 상품에도 같은 원칙이 적용된다. 다만 강조점이 조금 다르다.

가구라면 치수·소재·조립 여부처럼 구매 결정에 직접 영향을 주는 정보가 핵심이다. 나쁜 예는 "고급스럽고 세련된 디자인의 소파"처럼 느낌만 전달하는 설명이다. 좋은 예는 "가로 210cm·깊이 95cm, 패브릭 소재, 조립 설치 포함"처럼 공간을 계획할 때 바로 참고할 수 있는 수치를 담은 설명이다. 전자제품이라면 규격·호환성·배터리 사용 시간처럼 비교 구매에 필요한 수치를 명확히 밝히는 것이 같은 역할을 한다.

업종이 다르더라도 원칙은 같다. 느낌을 전달하는 문장과, 사실을 전달하는 문장을 구분하고, AI와 사람 모두가 비교할 수 있는 사실 문장을 앞세우는 것이다.

소상공인·1인 쇼핑몰도 지금 신경 써야 하나?

대형 브랜드처럼 급하게 움직일 필요는 없다. 가상 시착이든 UCP든, 지금 단계의 초기 파트너는 대형 유통사·대형 플랫폼 중심이다. 자체 개발 인력이 없는 소규모 쇼핑몰까지 순서가 오려면 시간이 더 걸릴 가능성이 크다.

다만 지금 해두면 손해 볼 것 없는 일은 분명히 있다. 상품 단독 사진 한 장 추가하기, 옵션값 빠짐없이 채우기, 반품 정책 페이지 정리하기는 특별한 기술 지식 없이 바로 시작할 수 있다. 오히려 상품 수가 적은 소규모 쇼핑몰이 이런 정비를 더 빠르게 끝낼 수 있다는 점에서는 유리한 면도 있다.

쇼핑몰 구조를 새로 설계하거나 상품 데이터 체계부터 다시 잡고 싶다면 복잡한 플랫폼 개발 서비스에서 데이터 구조 설계부터 함께 점검할 수 있다.

팀 구성 관점에서 보면, 이 작업을 꼭 "SEO 담당자 혼자"의 일로 떼어놓을 필요도 없다. 상품 사진은 MD나 콘텐츠 담당자가, 재고·가격 데이터는 운영팀이, 구조화 데이터와 추적 체계는 개발팀이 나눠 맡는 쪽이 현실적이다. 중요한 것은 담당자를 누가 맡느냐가 아니라, 세 영역이 서로 다른 데이터를 보고 있지 않도록 주기적으로 맞춰보는 과정이다. 작은 쇼핑몰이라면 한 사람이 세 역할을 다 맡는 경우가 많은데, 그럴 때는 체크리스트를 월 1회 정도 정기적으로 돌아보는 루틴을 만들어 두는 것만으로도 충분하다.

자주 묻는 질문

챗GPT 가상 시착에 우리 쇼핑몰 상품이 자동으로 뜨나요?

자동으로 보장되지는 않는다. 챗GPT 쇼핑 결과에 상품이 노출돼야 가상 시착까지 자연스럽게 이어진다. 다만 상품이 노출되지 않아도 사용자가 직접 사진을 캡처해 올리면 가상 시착 자체는 가능하다. 노출 확률을 높이려면 상품 피드와 구조화 데이터부터 점검하는 것이 순서다.

가상 시착 이미지도 저작권이나 초상권 문제가 있나요?

이용자가 본인 사진을 올려 생성하는 이미지인 만큼, 세부적인 법적 책임 범위는 플랫폼 정책과 국가별 법률에 따라 달라질 수 있다. 쇼핑몰 입장에서 단정적으로 답하기보다는, 오픈AI나 구글이 공개하는 이용 정책을 주기적으로 확인하는 편이 안전하다.

UCP와 AP2, 지금 당장 연동 작업을 시작해야 하나요?

대부분의 국내 쇼핑몰에는 아직 급하지 않다. 두 표준 모두 초기 버전이고 적용 대상도 미국 대형 유통사 중심이다. 지금은 연동 개발보다 상품 데이터·구조화 데이터 같은 기초를 다지는 쪽이 투자 대비 효과가 크다. 자세한 내용은 AP2 결제 프로토콜 가이드에서 확인할 수 있다.

네이버 스마트스토어도 이 흐름의 영향을 받나요?

네이버의 AI 검색·쇼핑 기능과 구글·오픈AI의 에이전틱 커머스 표준은 별개의 시스템이다. 다만 "상품 데이터를 정확하고 촘촘하게 관리해야 AI가 이해하기 쉽다"는 원칙 자체는 플랫폼을 가리지 않고 똑같이 적용된다.

작은 쇼핑몰이 딱 하나만 먼저 해야 한다면 무엇인가요?

주력 상품의 단독 상품 사진을 점검하는 일이다. 화보 사진만 있고 깔끔한 단독 사진이 없는 상품이 있다면, 그 한 장을 추가하는 것이 가장 빠르게 효과를 볼 수 있는 작업이다.

아마존 루퍼스나 퍼플렉시티 쇼핑에도 따로 대응해야 하나요?

따로 맞출 필요는 없다. 상품명·가격·재고·설명을 정확하고 구체적으로 채우는 기초 작업은 구글·챗GPT뿐 아니라 루퍼스·퍼플렉시티 같은 다른 AI 쇼핑 도구에도 동일하게 통한다. 플랫폼별로 피드 제출 방식이 다를 뿐, 준비해야 할 데이터의 본질은 같다.

가상 시착 기능이 있으면 상세 페이지 사진을 다 새로 찍어야 하나요?

전부 새로 찍을 필요는 없다. 이미 화보 사진이 충분하다면, 그 옆에 배경이 정리된 단독 상품 사진 한 장만 추가하는 것으로 충분한 경우가 많다. 기존 화보 사진을 버리는 것이 아니라, 역할이 다른 사진을 하나 더 보완하는 개념으로 접근하는 것이 맞다.

우선순위를 못 정했다면, 3단계 로드맵으로 접근하자

체크리스트를 한 번에 다 해내려 하면 오히려 아무것도 못 끝낸다. 기간을 나눠서 접근하는 편이 실행력을 높인다.

이번 주 안에 할 수 있는 일은 진단이다. 주력 상품 10–20개를 골라 상품 페이지와 쇼핑 피드를 나란히 열어두고, 제목·가격·재고·옵션이 서로 일치하는지 눈으로 확인한다. 동시에 단독 상품 사진이 있는지도 함께 점검한다. 이 단계는 개발 작업 없이 운영자 혼자서도 끝낼 수 있다.

이번 달 안에는 발견한 불일치를 고치는 데 집중한다. 누락된 단독 상품 사진을 촬영하거나 기존 사진 중 활용 가능한 것을 추려 등록하고, 옵션값이 비어 있는 상품을 채운다. 반품·교환 정책이 흩어져 있다면 이 시기에 한 페이지로 정리하는 것도 함께 처리하면 좋다.

이번 분기에는 구조화 데이터와 추적 체계처럼 조금 더 손이 가는 작업을 맡는다. Product 스키마를 상품 페이지 전체로 확장하고, 서버단 주문 추적 체계를 마련해 에이전트를 거친 방문을 놓치지 않도록 보완한다. 여력이 된다면 이 시점에 챗GPT·구글 피드 제출 조건을 다시 한번 확인해, 표준이 업데이트된 부분이 있는지 점검한다.

기간	핵심 작업	필요한 자원
이번 주	상품 데이터 불일치 진단, 사진 유무 점검	운영자 혼자 가능
이번 달	사진 보완, 옵션값 채우기, 정책 문서 정리	촬영·콘텐츠 작업 소량
이번 분기	구조화 데이터 확장, 주문 추적 체계 마련	개발 리소스 일부 필요

로드맵의 순서를 바꿔도 무방하다. 다만 "진단 없이 바로 개발"로 뛰어드는 순서는 피하는 것이 좋다. 무엇이 틀렸는지 모른 채 시스템만 고치면, 똑같은 불일치가 다른 곳에서 다시 나타난다.

전체 흐름을 한눈에 정리하면

발표를 하나씩 따로 보면 복잡해 보이지만, 순서대로 이어보면 방향은 뚜렷하다.

• 2025년 5월 — 구글 I/O 2025에서 AI 가상 피팅룸 최초 공개.
• 2025년 7월 — 구글 가상 피팅룸 기능 확장.
• 2025년 9월 — 구글 AP2(에이전트 결제 프로토콜) 공개.
• 2026년 1월 — 구글 UCP(유니버설 커머스 프로토콜) 공개.
• 2026년 8월 — 챗GPT 사이드바에 쇼핑 탭 고정(EU 선공개).
• 2026년 10월 1일 — 챗GPT 가상 시착·즐겨찾기 전 세계 출시.

1년이 조금 넘는 기간 동안 두 플랫폼이 번갈아 가며 기능을 쏟아냈다. 다음에 어떤 발표가 나올지 예단하기보다는, 상품 데이터와 이미지라는 기초를 지금부터 다져두는 편이 어떤 변화가 와도 가장 빠르게 대응하는 방법이다.

---

AI 쇼핑 에이전트 생태계는 몇 달 단위로 계속 바뀌고 있어서, 혼자 모든 발표를 따라가며 대응하기가 쉽지 않습니다. 이루웹은 이런 변화를 꾸준히 살펴보며 쇼핑몰의 상품 데이터 구조와 SEO를 함께 점검해 드리고 있습니다. 가상 시착·AI 쇼핑 노출을 위해 우리 쇼핑몰이 지금 무엇부터 정비해야 할지 궁금하시다면, 이루웹 상담을 통해 편하게 문의해 주시기 바랍니다. 현재 상품 데이터 상태를 함께 점검하고, 우선순위가 높은 부분부터 차근차근 정리해 드리겠습니다.