# AI가 상품 몇 개만 골라 보여 주면, 쇼핑몰 상품은 줄여야 할까?

_AI가 3개만 보여 줄 때 AI를 무시한 구색은 매출을 평균 9.80~11.37% 잃었다._

> 코넬테크 연구진의 모의 실험에서 AI를 고려하지 않은 상품 구성은 평균 2.52~11.37%의 매출 손실을 보였다. 상품 수를 늘리기보다 AI가 어떤 상품을 먼저 고르는지 파악하는 일이 중요하다.

- 종류: 칼럼
- 주소: https://aisitekorea.com/column/ai-shortlist-assortment-revenue-loss-11-percent
- 발행: AI사이트코리아 (https://aisitekorea.com)
- 작성일: 2026-10-14

상품을 많이 올린다고 매출이 늘어나는 것은 아니다. 코넬테크 연구진의 실험에서 AI가 보여 줄 상품을 3개로 제한하자, AI를 고려하지 않은 쇼핑몰은 평균 9.80~11.37%의 매출을 잃었다. 반면 AI가 상품을 고르는 순서만 파악해도 평균 손실을 0.08~0.53%로 줄일 수 있었다.

AI가 상품을 몇 개만 골라 보여 준다면, 상품 수보다 어떤 상품이 선택되는지가 중요하다.

## 상품을 많이 올리면 고객에게 더 유리하지 않을까?

지금까지는 상품이 많을수록 고객이 원하는 제품을 찾을 가능성도 커진다고 생각하기 쉬웠다. 실제로 다양한 가격대와 사양을 갖추는 일은 고객의 선택지를 넓히는 방법이다. 하지만 고객이 AI에게 상품을 추천해 달라고 하면 상황이 달라진다.

고객은 쇼핑몰의 모든 상품을 직접 비교하지 않을 수 있다. AI가 먼저 상품을 추리고, 고객은 그 목록에서 구매할 제품을 고른다. 사장님이 상품을 열 개 올려도 AI가 세 개만 보여 준다면 나머지 일곱 개는 고객의 선택 과정에 들어오지 못할 수 있다.

## 연구진은 어떤 조건에서 실험했을까?

연구진은 판매자가 최대 8~12개 상품을 구성하고, AI가 그중 3~7개를 골라 보여 주는 상황을 만들었다. 고객은 추천 목록에서 하나를 사거나 아무것도 사지 않는다고 가정했다. 기존의 상품 구성 이론과 달리, 판매자가 직접 정하는 것은 고객이 보는 최종 진열이 아니라 AI가 읽을 상품 목록이었다.

먼저 아마존에서 아이폰 충전기, 로봇청소기, 반려동물 목줄 상품 72개를 골랐다. ChatGPT, Claude, Gemini에 고객 유형을 알려 주고 상품 10개 중 5개를 순위대로 선택하게 했다. 고객 유형은 가장 싼 제품을 우선하는 유형, 가격 대비 품질을 따지는 유형, 품질과 브랜드를 중시하는 유형으로 나눴다.

| 항목 | 숫자 |
|---|---|
| 분야별 상품 수 | 충전기 25개·로봇청소기 22개·목줄 25개(합 72개) |
| 가격 중앙값 | 충전기 16.79달러·로봇청소기 200.86달러·목줄 18.00달러 |
| 시험한 AI | ChatGPT 5.4 미니·Claude Haiku 4.5·Gemini 3.6 Flash |
| 고객 유형 | 3가지(AI 3종과 묶어 9개 집단) |
| 한 번에 준 상품 / 고르게 한 상품 | 10개 / 5개(순위대로) |
| 분야별 상품 묶음 | 600개(묶음마다 순서를 두 번 섞음) |
| 전체 AI 순위 기록 | 3만 2,400건 |
| 성향 추정용 / 확인용 | 2만 7,000건 / 5,400건 |
| 구색 모의 실험 | 633개 상황 × 7개 조건 = 4,431건 |

## AI가 어떤 상품을 고를지 미리 알 수 있을까?

연구진의 결과는 상당 부분 예측할 수 있다는 쪽에 가까웠다. AI의 선호를 추정한 뒤 처음 보는 상품 묶음에 적용했을 때, 1순위를 맞힌 비율은 78.8%였다. 상위 5개 상품의 구성까지 정확히 맞힌 비율은 66.6%였다.

다만 AI마다 결과가 달랐다. Gemini의 1순위 예측 정확도는 88.9%였지만, ChatGPT는 73.6%, Claude는 74.0%였다. 한 AI에서 잘 추천되는 상품이라고 해서 다른 AI에서도 같은 결과가 나온다고 볼 수는 없다.

| 구분 | 1순위 맞힘 | 상위 5개 구성 맞힘 |
|---|---|---|
| 전체(확인용 5,400건) | 78.8% | 66.6% |
| ChatGPT | 73.6% | 56.9% |
| Claude | 74.0% | 61.3% |
| Gemini | 88.9% | 81.7% |
| 충전기 | 78.6% | 61.4% |
| 로봇청소기 | 77.3% | 69.7% |
| 반려동물 목줄 | 80.6% | 68.8% |

## 상품을 잘못 구성하면 매출이 얼마나 줄어들까?

연구진은 AI를 고려해 상품을 구성한 경우와 AI가 없다고 생각하고 구성한 경우를 비교했다. 고객의 실제 구매 취향 자료가 없었기 때문에, AI의 선호와 비슷한 부분에 고객마다 다른 취향을 섞어 모의 실험을 진행했다. 매출은 판매된 상품의 정가를 기준으로 계산했다.

결과는 AI가 보여 주는 상품 수에 따라 달랐다. 쇼핑몰이 최대 10개 상품을 올리고 AI가 3개만 보여 주는 조건에서는 평균 손실이 11.37%였다. AI가 7개를 보여 주면 손실은 2.52%로 줄었다.

| 쇼핑몰 최대 상품 수 / AI가 보여 주는 수 | AI 무시: 평균 손실 | AI 무시: 나쁜 쪽 5% 경계 | AI 무시: 최대 손실 | 순서만 반영: 평균 손실 |
|---|---|---|---|---|
| 8개 / 3개 | 9.80% | 28.04% | 57.08% | 0.52% |
| 8개 / 5개 | 4.04% | 13.85% | 37.96% | 0.18% |
| 10개 / 3개 | 11.37% | 30.66% | 52.11% | 0.53% |
| 10개 / 5개 | 5.50% | 18.45% | 37.90% | 0.26% |
| 10개 / 7개 | 2.52% | 10.36% | 23.83% | 0.08% |
| 12개 / 5개 | 6.53% | 21.42% | 37.90% | 0.28% |
| 12개 / 7개 | 3.56% | 12.64% | 23.83% | 0.13% |

상품을 몇 개 보여 주느냐가 중요한 이유는 분명하다. AI가 보여 줄 수 있는 자리가 적을수록 어떤 상품이 추천 목록에 들어가느냐가 매출에 더 큰 영향을 준다. 상품을 많이 올려도 AI가 고객에게 보여 주지 않는다면 그 상품은 구매 기회를 얻기 어렵다.

## 그렇다면 상품 수를 줄여야 할까?

연구진의 실험에서는 AI를 고려한 구색이 대체로 더 적었다. 쇼핑몰이 최대 10개 상품을 올리고 AI가 3개를 보여 주는 조건에서, AI를 무시한 구색은 평균 8.35개였다. AI를 고려한 구색은 평균 4.20개였다.

상품 수를 줄이는 이유는 단순히 적게 팔기 위해서가 아니다. AI가 선택할 상품의 범위를 조정해 원하는 상품이 고객에게 노출될 가능성을 높이려는 것이다. 연구진은 AI가 상품을 고를 여지를 줄이기 위해 판매자가 상품 수를 의도적으로 줄이는 경우도 확인했다.

| AI가 보여 주는 수 | AI가 실제로 걸러 낸 경우 | 상품을 줄여 거르기를 피한 경우 | AI 때문에 구색이 달라진 경우(합계) |
|---|---|---|---|
| 3개 | 45.3% | 50.7% | 96.1% |
| 5개 | 34.1% | 51.7% | 85.8% |
| 7개 | 22.2% | 43.8% | 66.0% |

그렇다고 모든 쇼핑몰이 상품을 줄여야 한다는 뜻은 아니다. AI가 보여 주는 상품 수와 고객 취향에 따라 결과가 달라진다. 비슷한 상품이 여러 개라면 대표 상품을 중심으로 구성을 조정해 볼 수 있지만, 상품 수 자체를 줄이는 것을 목표로 삼을 필요는 없다.

## 고객 취향과 AI의 취향이 비슷하면 어떻게 될까?

AI가 고객의 취향을 잘 반영한다면 판매자가 AI의 선택 방식을 따로 고려하지 않아도 손실이 줄어들 수 있다. 반대로 고객 취향과 AI의 선호가 다르면 AI가 추천하는 상품이 고객에게 적합하지 않을 수 있다.

쇼핑몰 최대 상품 수가 10개인 조건에서 고객 취향과 AI 선호가 무관할 때, AI를 고려하지 않은 구색의 평균 손실은 AI가 3개를 보여 주면 24.06%였다. 고객 취향과 AI 선호가 가까워질수록 손실은 줄어드는 경향을 보였다.

| 고객 취향과 AI 선호의 일치(쇼핑몰 최대 10개) | AI 3개 | AI 5개 | AI 7개 |
|---|---|---|---|
| 무관(0): AI 무시 평균 손실 | 24.06% | 11.83% | 5.75% |
| 무관(0): 순서만 반영 평균 손실 | 0.21% | 0.03% | 거의 0 |
| 0.75: AI 무시 평균 손실 | 8.27% | 3.89% | 1.80% |
| 0.75: 순서만 반영 평균 손실 | 0.79% | 0.23% | 0.07% |

이 결과는 상품 수를 무조건 줄이거나 늘리는 것보다 고객이 원하는 상품이 AI 추천에 포함되는지를 살펴야 한다는 점을 보여 준다. AI가 고객의 선택을 잘 대변하는 상황과 그렇지 않은 상황을 구분해 접근해야 한다.

## 작은 쇼핑몰은 무엇부터 시작하면 될까?

연구진은 AI가 상품을 고르는 순서를 알고 있다는 조건에서 실험했다. 작은 쇼핑몰이 그 순서를 정확히 알기는 어렵지만, 고객이 실제로 사용할 만한 질문을 AI에 입력해 추천 결과를 기록하는 방법은 시도할 수 있다.

예를 들어 가장 저렴한 상품을 찾는 질문, 가격 대비 품질이 좋은 상품을 찾는 질문, 품질과 브랜드를 중시하는 질문을 각각 입력한다. 같은 질문을 여러 번 반복해 상품이 몇 번째로 나오는지 기록하면 된다. AI 서비스마다 결과가 다를 수 있으므로 서비스별로 따로 확인하는 것이 좋다.

| 할 일 | 근거 숫자 |
|---|---|
| 고객이 묻는 말로 AI에 물어 추천이 몇 개 나오는지 센다 | AI 3개일 때 AI 무시 손실 9.80~11.37%, 7개면 2.52~3.56% |
| 같은 질문을 여러 번 해 우리 상품 순서를 적는다 | 순서만 반영해도 평균 손실 0.08~0.53% |
| 싼 것·가성비·고급 고객 유형별로 따로 묻는다 | AI 3종 × 고객 유형 3가지 = 9개 집단을 따로 추정 |
| AI 서비스마다 따로 확인한다 | 1순위 맞힘 ChatGPT 73.6%, Gemini 88.9% |
| 비슷한 상품이 여럿이면 대표 상품 중심으로 줄여 본다 | AI 무시 구색이 1.48~4.15개 더 많았다 |

AI를 활용한 쇼핑도 이미 나타나고 있다. 캡제미니의 2024년 조사에서는 상품 추천을 검색 엔진 대신 생성형 AI로 받는다는 응답이 58%로, 2023년의 25%보다 높았다. 오픈서베이의 2026년 3월 조사에서는 온라인 쇼핑에 AI를 사용해 본 사람이 10명 중 6명이었다.

| 조사 | 숫자 |
|---|---|
| 캡제미니(12개국 1만 2,000명, 2024년 10~11월): 상품 추천을 검색 엔진 대신 생성형 AI로 받는다 | 58%(2023년 25%) |
| 같은 조사: 쇼핑에 생성형 AI가 들어오길 원한다 | 71% |
| 오픈서베이(15~69세 2,100명, 2026년 3월): 온라인 쇼핑 때 AI를 써 봤다 | 10명 중 6명 |
| 같은 조사: AI 쓰임 1위 제품별 장단점 비교 | 54.4% |
| 같은 조사: 쇼핑몰별 최저가·혜택 비교 | 46.2% |
| 국가데이터처(2026년 7월): 국내 온라인쇼핑 거래액 / 모바일 비중 | 25조 954억 원 / 78.0% |

## 이 실험을 그대로 따라도 될까?

실험 결과를 모든 쇼핑몰에 그대로 적용해서는 안 된다. 고객의 취향은 실제 구매 기록이 아니라 연구진이 설정한 값이었고, 매출 계산에도 상품별 마진은 반영되지 않았다. 상품 역시 아마존의 세 분야 72개로 한정됐다.

시험한 AI도 가벼운 버전 세 종류였다. AI에게 제공한 정보는 상품 제목, 가격, 브랜드, 사양이었으며 별점과 후기는 포함되지 않았다. 따라서 네이버나 쿠팡의 쇼핑 AI에서도 같은 결과가 나온다고 단정할 수 없다.

그럼에도 사장님이 살펴볼 방향은 분명하다. 상품을 많이 올리는 데 집중하기보다 AI가 어떤 상품을 추천하는지 확인하고, 그 결과를 바탕으로 상품 구성을 조정해야 한다. 상품 수를 늘릴지 줄일지는 그다음에 판단할 일이다.

요점 ① AI가 3개만 보여 줄 때 AI를 고려하지 않은 구색의 평균 매출 손실은 9.80~11.37%였다. ② AI가 상품을 고르는 순서만 반영해도 평균 손실은 0.08~0.53%로 줄었다. ③ AI를 고려한 구색은 평균 1.48~4.15개 적었으며, 최대 10개·AI 3개 조건에서는 8.35개와 4.20개였다. ④ AI의 1순위 예측 정확도는 전체 78.8%였지만, 서비스별로는 ChatGPT 73.6%, Claude 74.0%, Gemini 88.9%로 차이가 났다. :::``` ## 같이 읽을 글 - AI는 물건을 고를 때 무엇을 볼까? - 구글 쇼핑에 뜨면 AI 모드에도 뜰까? - 쇼핑 AI에 우리 상품이 한 번 나오면 된 걸까? - 한국 고객은 온라인 쇼핑 때 AI에게 무엇을 물어볼까? ## 자료 출처 - AI-Mediation in Retail Markets: Revenue Effects and Assortment Optimization(코넬테크·arXiv 2610.12917·2026년 10월 제출, AI 순위 3만 2,400건·구색 실험 4,431건) - 같은 논문 HTML 본문(표 1·2·3, 4.2절 선호 일치 분석, 부록 A.1 지시문) - 71% of consumers want generative AI integrated into their shopping experiences(캡제미니 리서치 인스티튜트·2025년 1월 9일 발표, 12개국 1만 2,000명·2024년 10~11월 조사) - 온라인 쇼핑 트렌드 리포트 2026(오픈서베이·2026년 3월 19~23일, 15~69세 2,100명) - 2026년 7월 온라인쇼핑 동향(국가데이터처 발표·KDI 경제정보센터 게재, 거래액 25조 954억 원)