판매 챗봇은 고객이 사려는 순간을 어떻게 알아챌까?

홈페이지에서 상품을 묻는 고객이 모두 구매하려는 것은 아니다. 사람과 AI의 대화 기록 72만 5,219건 가운데 상품·구매 관련 대화는 5.76%였고, 주문·예약 요청은 0.33%였다. 판매 챗봇은 상품을 알아보는 고객과 구매를 결정한 고객을 구분하고, 정확한 영업 정보를 바탕으로 다음 행동을 안내해야 한다.

홈페이지 챗봇에서 실제 구매 이야기는 얼마나 나올까?

AI 판매 챗봇 회사 자보★ 소속 연구자는 아이소★가 제공한 사람과 AI의 대화 기록을 2026년 10월 5일 조회해 분류별 기록 수를 집계했다. 상품·구매 관련 상업 대화는 4만 1,800건이었고, 주문·예약 같은 거래 요청은 2,387건이었다.

상업 대화는 거래 요청보다 약 17.5배 많았다. 상품을 비교하거나 조건을 알아보는 대화와 실제로 주문하려는 대화는 같은 것으로 볼 수 없다. 다만 이 수치는 특정 대화 자료에서 나온 비율이다. 우리 가게 홈페이지를 찾는 고객에게도 똑같이 적용된다고 단정할 수는 없다.

고객이 상품을 알아보는지, 구매하려는지 어떻게 구분할까?

상품을 알아보는 고객에게는 상품의 특징과 가격, 구매 조건을 알려주는 것이 중요하다. 반면 구매를 결정하려는 고객에게는 재고와 주문 방법, 예약 가능 여부처럼 다음 단계에 필요한 정보를 안내해야 한다.

챗봇은 고객이 실제로 말한 내용을 기준으로 판단해야 한다. 고객이 예산이나 방문 날짜를 이야기했다면 그 조건을 대화가 이어지는 동안 유지해야 한다. 구매 의사가 불분명하다면 사겠다고 단정하지 말고 필요한 내용을 되물어야 한다.

대화 기록의 깊이도 참고할 만하다. 여기서 깊이는 저장된 턴 수 칸의 값이며, 고객이 실제로 몇 번 말했는지와 정확히 같은지는 확인되지 않았다. 상업 대화 가운데 기록상 깊이가 2 미만인 비율은 58.41%였고, 4 이상인 비율은 13.51%였다.

고객과 대화가 길어지면 구매 가능성도 높아질까?

대화가 길다는 이유만으로 구매 가능성이 높다고 판단해서는 안 된다. 이번 조사는 대화 깊이를 집계했을 뿐, 깊이와 실제 구매 사이의 관계를 측정하지 않았다. 판매 전환율이나 챗봇의 성능도 조사하지 않았다.

상업 대화의 깊이를 보면 기록의 절반 넘게가 2 미만이다. 따라서 첫 답변부터 고객이 필요한 정보를 얻도록 구성하는 편이 합리적이다. 가격과 주요 조건을 먼저 안내하고, 고객이 구매를 원한다면 주문이나 예약 방법을 이어서 알려주는 방식이다.

자료 묶음에 따라서도 비율이 달랐다. 세 묶음의 상업 비율은 4.87~6.35%였고, 가장 큰 묶음 C가 상업 대화는 가장 적게 냈다.

우리 가게 가격과 재고는 챗봇에 어떻게 넣어야 할까?

챗봇이 정확하게 답하려면 가게의 영업 정보부터 정리해야 한다. 상품명, 가격, 재고, 영업시간, 서비스 지역, 구매 조건을 한곳에 모으고 각 정보의 출처와 유효기간, 마지막 수정 시점을 남겨야 한다.

가격표와 실제 판매 가격이 다르거나 재고 정보가 오래됐다면 문제가 생긴다. 챗봇이 확인되지 않은 내용을 사실처럼 답하지 않도록 해야 한다. 정보가 서로 다르거나 유효한지 알 수 없다면 고객에게 다시 확인하거나 직원에게 연결해야 한다.

연구자는 판매 챗봇을 영업 정보, 대화 상태, 다음 행동, 모델 훈련의 네 부분으로 나누는 구조를 제안했다. 이는 실제 제품을 열어 검증한 결과가 아니라 설계 제안이다.

고객이 앞에서 말한 조건을 왜 계속 기억해야 할까?

고객이 원하는 상품과 예산, 방문 날짜를 이미 말했는데도 챗봇이 다시 묻는다면 대화가 불편해진다. 고객이 조건을 고치면 새로운 내용을 반영하고, 아직 확인하지 않은 항목은 임의로 채우지 않아야 한다.

긴 대화를 통째로 넣는 것만으로 필요한 정보를 모두 활용할 수 있는 것도 아니다. 글에서 인용한 2023년 스탠퍼드대 등 연구진의 실험에서는 AI가 긴 입력의 처음과 끝에 있는 정보를 잘 활용했지만 가운데 있는 정보는 눈에 띄게 덜 활용했다. 고객의 핵심 조건을 별도로 정리해 유지하는 설계가 필요한 이유다.

연락처를 받을 때도 목적을 먼저 정해야 한다. 한국 개인정보 보호법 제16조는 목적에 필요한 최소한의 개인정보만 수집하도록 정한다. 구매 상담에 꼭 필요하지 않은 정보를 습관적으로 요구해서는 안 된다.

챗봇 업체가 말하는 훈련 대화 수는 믿어도 될까?

자보★ 홈페이지에는 수백만 건의 AI와 사람 간 판매 대화로 훈련했다는 설명과 월 600유로라는 가격이 표시돼 있다. 하지만 이번에 집계한 기록은 72만 5,219건이고, 그중 상업 대화는 4만 1,800건이다. 이 조사만으로 수백만 건의 상업 대화를 훈련에 사용했다는 주장을 확인할 수는 없다.

쌓아 둔 대화 기록과 중복을 제거한 기록, 상업 관련 기록, 권리와 품질을 확인한 기록, 실제 훈련에 사용한 기록은 서로 다르다. 업체가 제시하는 숫자가 어느 단계의 수치인지 확인해야 한다. 이번 조사에서는 모델의 실제 훈련 과정이나 작동 구조도 검증하지 않았다.

자료를 해석할 때는 한계도 살펴야 한다. 연구자는 기존 분류표를 그대로 사용했으며, 사람이 각 대화를 읽어 분류가 정확한지 확인하지 않았다. 조사 대상은 홈페이지 방문자 전체를 대표하지 않고, 한국어 대화나 한국 동네 가게만 따로 분석한 결과도 아니다. 연구자가 판매 챗봇 회사에 소속돼 있다는 점도 고려해야 한다.

우리 가게는 무엇부터 바꾸면 될까?

처음부터 복잡한 챗봇을 만들 필요는 없다. 먼저 상품·가격·재고·영업시간을 정리하고, 상품을 알아보는 고객과 구매를 결정한 고객에게 각각 어떤 답을 할지 정해야 한다. 고객이 말한 지역과 예산, 날짜를 대화 중에 유지하는 기능도 중요하다.

다음으로 첫 답변에 가격과 주요 조건, 가능한 다음 단계를 담아야 한다. 구매 의사가 분명하면 주문이나 예약으로 안내하고, 정보가 부족하면 되물어야 한다. 확인할 수 없는 재고나 지킬 수 없는 약속은 답하지 말고 직원에게 넘겨야 한다.

마지막으로 챗봇의 성과는 대화 횟수만으로 판단하지 않아야 한다. 실제 주문 기록을 기준으로 구매가 얼마나 이어졌는지 살펴야 한다. 이번 연구는 판매 효과를 측정하지 않았으므로, 제안한 설계가 실제 매출을 얼마나 높이는지는 별도로 확인해야 한다.

같이 읽을 글

• 고객이 AI에 묻는 질문 중 「사겠다」는 질문은 몇 %일까?
• 고객이 바꾼 조건을 쇼핑 챗봇은 끝까지 기억할까?
• AI가 우리 가게를 추천하면 고객은 정말 살까?
• 가게 상담 챗봇을 만들 때, 우리 자료만 쓸까 웹 검색까지 붙일까?

자료 출처

• Commercial Intent in Human–AI Conversations: A Corpus Audit and Architecture for Website Sales Agents(자보★ 소속 연구자·arXiv 2610.06205·2026년 10월 제출, 대화 기록 72만 5,219건·상업 4만 1,800건)
• 같은 논문 HTML 본문(표 1·2, 그림 3~7, 6~8장 구조·품질·한계)
• Javo, Agent IA de vente et support pour votre site(자보★ 프랑스어 제품 소개, 월 600유로·「수백만 건의 AI와 사람 판매 대화로 훈련」 표기)
• Purchase Advice and Observable Buyer Responses in Real AI Conversations(같은 연구자·arXiv 2609.09878·2026년 9월, 아이소★ 자료 중 구매 관련 대화 67건)
• Sell More, Play Less: Benchmarking LLM Realistic Selling Skill(바이룽★·퉁지대 등·arXiv 2604.07054·2026년 8월 3판, 판매 시나리오 1,805개·AI 15종)
• Lost in the Middle: How Language Models Use Long Contexts(스탠퍼드대·UC버클리·사마야AI·arXiv 2307.03172·2023년, 긴 입력 속 정보 위치 실험)
• 개인정보 보호법 제16조 개인정보의 수집 제한(국가법령정보센터·2026년 9월 11일 시행본)