소매업체가 AI에 적응하는 것: 전자상거래의 새로운 정상에서 무엇이 중요합니까?

AI 도구의 지속적인 개발은 전자상거래에 큰 영향을 미치고 있습니다. 소비자는 점점 더 생성적 AI 도구를 사용하여 제품을 검색, 선택, 구매하고 있습니다. 이는 전자상거래 마케팅 펀넬의 모든 수준에 영향을 미칩니다. 한편, 소매업체는 실시간 공개 웹 데이터를 수집하여 동적 가격 설정, 수요 예측, 재고 관리 등의 목적으로 AI 도구를 사용하고 있습니다.

가장 중요한 것은 이러한 변화가 빠르게 발생하고 있으며 전자상거래 소매업체는 이를 따라가야 합니다. 연구에 따르면, 67%의 고객은 기업이 자신의 변화하는需求에 충분히 대응하지 못한다고 생각합니다. 2025年的 전자상거래 피크 시즌, 즉 블랙 프라이데이 이전부터 연말 휴일까지는 고객이 AI를 어떻게 사용하고 소매업체가 어떻게 적응하고 활용할 수 있는지의 첫 번째 주요 테스트입니다.

SEO에서 GEO로

어도비 애널리틱스에 따르면, ChatGPT, Perplexity, Claude와 같은 생성적 AI 도구에서 소매업체로의 트래픽은 2024년 7월부터 2025년 2월까지 1,200% 증가했습니다. 한편, 조사에 따르면, 23%의 쇼핑객이 이번 휴일 시즌에 채팅봇과 AI 도구를 사용할 계획이며, 이는 Z 世代와 밀레니얼 세대에서는 42% 이상으로 증가합니다. 또한, AI의 영향은 이제 제품 발견을 넘어서서, 오픈AI가 최근 ChatGPT용 Instant Checkout을 출시하여 쇼핑객이 도구를 떠나지 않고 구매할 수 있도록 했습니다. 현재 이 기능은 에스티와 일부 Shopify 스토어에서 사용할 수 있습니다.

이러한 개발은 전자상거래 소매업체가 콘텐츠, 마케팅, 판매를 재고해야 합니다. 컨설팅 회사 베인은 소비자의 상당한 다수가 이제 제로 클릭 결과(에서 답변을 제공하는 AI 개요 대신 웹사이트를 방문하는)에 의존한다고 추정합니다. 40%의 검색에서 이는 소매업체의 웹사이트 트래픽이 줄어드는 것을 의미하지만, AI 소스를 통해 사이트에 도착하는 방문자의 전환률은 더 높습니다.

이 контек스트에서, 전통적인 검색 엔진 최적화(SEO) 전략은 여전히 관련이 있지만, 생성적 AI를 사용한 쇼핑의 트렌드는 명확하게 나타나고 있습니다. 따라서 생성적 엔진 최적화(GEO)가 등장했습니다. GEO는 전자상거래 상인에게 새로운 도전을 제시합니다. 생성적 AI 도구를 구동하는 대규모 언어 모델(LLM)은 브랜드의 평판, 신뢰성, 신뢰도를 평가하기 위해 훈련됩니다. 따라서 소매업체는 특히 외부 소스에서 리뷰나 추천을 얻음으로써 자신의 신뢰성을 높이기 위해 노력해야 합니다.

설명적 제품 쿼리

GEO와 관련된 또 다른 요인은 고객이 생성적 AI 도구를 사용할 때 쿼리를 형성하는 방식의 차이입니다. 오픈AI에 따르면, 거의 절반의 모든 쿼리가 “질문” 패턴을 사용합니다. 미국 소매업체 타겟의 최고 정보 책임자(CIO)는 최근 25%의 검색 요청이 복잡하고 정교한 ‘설명적 쿼리’라고 주장했습니다.

검색 엔진에서 고객이 “슬림핏 핑크 셔츠”를 검색하는 반면, AI 도구에서 동일한 쿼리는 “비즈니스 캐주얼 이벤트용 슬림핏 핑크 셔츠”가 될 수 있습니다. 이러한 설명적 쿼리에서는 제품 설명을 적응시켜야 합니다. 예를 들어, 제품 페이지에서 GEO 최적화의 모범 사례는 자세히 작성된 FAQ를 포함하여 더 많은 제품 설명을 포함하는 것입니다. 이는 AI 크롤러가 쉽게 어떤 질문에 대한 제품이 적합한지 식별할 수 있도록 합니다.

디지털 샌드박스 для GEO

기묘한 반전으로, AI는 콘텐츠 분석과 GEO를 도와주기 위해 사용되고 있습니다. 컬럼비아 비즈니스 스쿨의 연구자들은 대규모 언어 모델(LLM)을 사용하여 “디지털 트윈”을 생성하고 있습니다. 특정 제품을 입력하면 LLM은 이름, 나이, 직업, 선호도 등이 포함된 쇼핑객 페르소나를 가진 디지털 트윈을 생성합니다. 이 트윈은 затем ChatGPT에서 해당 회사의 제품이 얼마나 두드러지게 나열되는지 확인하기 위해 관련 검색을 수행합니다. 회사는 이러한 디지털 트윈의 결과를 바탕으로 제품을 어떻게 설명하고 제시할지 조정할 수 있습니다.

이러한 ‘디지털 샌드박스’ 접근법은 전자상거래 회사에서 GEO를 수행하는 생산적인 방법이 될 수 있지만, 이는 위험도 없지 않습니다. AI 에이전트에는 자신의 편향이 있을 수 있으며, 이는 그들의 수행과 행동에 영향을 미칠 수 있습니다. 그러나 이러한 접근법은 전자상거래 지능에서 앞으로 나아갈 수 있는 잠재적인 방법을 제공합니다.

AI 기반 데이터 수집

마케팅 펀넬은 AI에 의해 혼란을 겪는 전자상거래의 단 하나의 요소입니다. 더 중요한 영역은 비즈니스 인텔리전스(BI)입니다. 이는 데이터를 수집하고 사용하여 전략과 운영을 개선하는 통찰력을 생성하는 것을 의미합니다. 효과적인 BI를 위해 전자상거래 회사들은 신뢰할 수 있는 최신 데이터셋을 필요로 합니다. AI는 이제 경쟁 데이터를 수집하는 데 중요한 역할을 하고 있습니다.

공개 웹 데이터를 추출하는 관행, 즉 가격과 제품 설명을 추출하는 것은 수년간 전자상거래 경쟁의 주요 요소였습니다. 이제 AI는 이를 간소화하고 있습니다. AI 기반 도구는 자연어로 프롬프트할 수 있으므로, 코딩이 필요하지 않으며, 엔지니어가 데이터 수집 파이프라인을 구축하는 데 시간을 할애할 필요가 없습니다. AI는 또한 스크래핑에 적합한 URL을 수집하고 필터링할 수 있습니다. 예를 들어, 경쟁사의 웹사이트에서 특정 카테고리의 모든 제품 페이지를 찾을 수 있습니다.

AI 기반 쇼핑 어시스턴트의 普及으로, 전자상거래 회사들은 또한 특정 동작이 완료된 후 나타나는 데이터 포인트를 수집할 것입니다. 예를 들어, 최종 체크아웃 가격입니다.

수요 예측 및 실시간 반응

실시간 데이터를 수집하면, 경쟁 가격, 재고 등에 대한 정보를 바탕으로 소매업체는 가격이나 마케팅을 즉시 조정하고 고객에게 최상의 제안을 제공할 수 있습니다.

동적 가격 설정은 소매업체가 사용할 수 있는 가장 중요한 BI 함수 중 하나이며, 최근 조사에 따르면, 유럽의 61%의 소매업체가 이를 사용합니다. 그러나 동일한 조사에 따르면, 15% 미만의 소매업체가 이를 위해 알고리즘 또는 AI를 사용하고 있으므로, 여전히 기회가 있습니다. 경쟁 가격에 대한 최신 데이터를 사용하여 LLM을 훈련하면 가격을 자동으로 조정할 수 있으며, 특히 휴일 시즌과 같은 피크 기간에 유용합니다.

AI는 고객 수요와 재고 수준에 대한 데이터를 사용하여 미래 수요를 예측할 수 있습니다. 이는 여러 가지 이점을 제공할 수 있습니다. 델로이트 디지털은 소매업체가 AI를 사용하여 자신의 재고를 모니터링하고, 재고를 동적으로 관리하며, 주문하는 방법에 대해 강조했습니다. 또한, AI는 웹에서 수집된 데이터를 분석하여 브랜드가 어떻게 인식되는지에 대한 전략적 수준의 통찰력을 제공하는 데 도움이 될 수 있습니다.

기회에 열려 있는

AI는 전자상거래 마케팅 펀넬을 혼란시키고 있지만, 또한 새로운 기회를 창출하고 있습니다. 지오 최적화된 콘텐츠를 분석하고 생성하는 데 사용될 수 있습니다. 실시간 공개 웹 데이터를 수집하는 노력에 힘을 보태고 있습니다. AI는 또한 가격, 재고, 전략에 대한 결정에서 데이터를 분석하여 가치를 더하고 있습니다. 그리고 다른 잠재적인 사용 예를 언급하지 않더라도, 향상된 고객 지원과 같은 것입니다.

AI와 같은 파괴적인 기술은 항상 두렵지만, 특히 주요 판매 기간에 접근하는 소매업체에게는 더욱 그렇습니다. 그러나 AI가 창출하는 기회에 열려 있는 소매업체는 단순히 생존하는 것 이상을 할 수 있습니다. 그들은 번창할 수 있습니다.