# 쇼핑몰 상품 글도 AI에 미리 시험해 볼 수 있을까?

_이커머스 상품 문구를 AI가 어떻게 고르는지 실제 데이터로 시험한 연구가 나왔다._

> 1만 3,747개 소비자 쿼리와 1,700만 4,657개 아마존 상품을 바탕으로 상품 문구를 바꿔 보니, 방식에 따라 AI 순위가 최대 4.36등까지 달라졌다.

- 종류: 칼럼
- 주소: https://aisitekorea.com/column/ecommerce-geo-test-13747-queries
- 발행: AI사이트코리아 (https://aisitekorea.com)
- 작성일: 2026-09-27

이제 쇼핑몰 상품 소개 글도 AI가 어떻게 고를지 미리 시험해 볼 수 있는 방법이 나왔다. 연구진은 1만 3,747개 소비자 쿼리와 1,700만 4,657개 아마존 상품을 묶어 상품 문구를 바꿔 가며 AI의 순위 변화를 측정했다. 결과를 보면 문구를 어떻게 쓰느냐에 따라 순위가 오르기도 하고 최대 4.36등까지 떨어지기도 했다.

상품 소개 글을 실제 AI 앞에 놓고 순위 변화를 숫자로 확인하는 실험이 가능해졌다.

## 어떤 질문을 AI에 넣어 봤을까?

이번 연구는 기존 상품 검색 데이터보다 실제 사람이 AI에게 물어보는 상황에 가깝게 질문을 만들었다. 기존 데이터셋의 질문은 평균 3단어에 문장 1개였지만, 이번 질문은 평균 58.83단어에 문장 4개였다.

질문마다 아마존에서 실제로 검색되는 상품 10개를 붙였다. 사람이 100개를 따로 확인한 결과 관련 상품은 평균 8.81개였고, 문장 자연스러움은 5점 만점에 4.30점이었다.

| 항목 | 규모 |
|---|---|
| 소비자 쿼리 수 | 1만 3,747개 |
| 원본 아마존 상품 표본 | 1,700만 4,657개 |
| 상품 카테고리 수 | 33개 |
| 쿼리 1개당 붙인 상품 수 | 10개 |
| 쿼리 평균 길이 | 58.83단어·문장 4개(기존 데이터셋 평균 3단어·문장 1개) |
| 사람 검수(표본 100개) 관련 상품 비율 | 평균 8.81/10, 10점 만점 69% |

## 어떤 상품 글을 비교했을까?

연구진은 5개 생성형 엔진을 사용해 상품 순위를 매겼다. GPT-5, 클로드 소넷 4.5, 제미나이 3 플래시, 딥시크 V3.2, 라마 4 매버릭이 대상이었다.

상품 문구를 고치는 데는 7개 도구를 사용했고, 사람이 직접 만든 재작성 방식은 15가지였다. 문구를 자신감 있게 바꾸는 방식부터 FAQ를 추가하는 방식, 광고 문구처럼 쓰는 방식, 이야기체로 바꾸는 방식까지 비교했다.

| 실험 축 | 구성 |
|---|---|
| 순위를 매기는 생성형 엔진 | 5개(GPT-5, 클로드 소넷 4.5, 제미나이 3 플래시, 딥시크 V3.2, 라마 4 매버릭) |
| 문구를 고치는 도구 | 7개(위 5개+GPT-4.1·GPT-4o-미니) |
| 손으로 만든 재작성 방식 | 15개(자신감 있게·전문용어·희귀어휘·매끄럽게·설득적으로·품질 강조·장점 강조·형식 갖추기·FAQ 추가·광고체·외국어 표현·한 문장 축약·이야기체 등) |

## 상품 글은 어떻게 써야 순위가 오를까?

모든 문구 수정이 도움이 된 것은 아니다. AI 답변처럼 형식을 갖추거나 FAQ를 추가하는 방식은 평균 순위를 조금 올렸지만, 광고 문구체나 이야기체는 오히려 순위를 떨어뜨렸다.

특히 이야기체로 꾸민 문구는 평균 4.36등이 떨어졌다. 외국어 표현을 섞은 문구는 1.66등, 광고 문구체는 1.82등이 떨어졌다.

반대로 AI 답변처럼 형식을 갖춘 방식은 0.14등, FAQ 추가는 0.05등 올랐다. 제목과 글머리 기호로 정리하는 방식도 0.02등 올랐다.

| 재작성 방식 | 평균 순위 변화 |
|---|---|
| AI 답변처럼 포맷팅(형식 흉내) | +0.14 |
| FAQ 추가 | +0.05 |
| 경쟁 제품 대비 장점 강조 | +0.03 |
| 제목·글머리 기호로 정리 | +0.02 |
| 외국어 표현 섞기 | −1.66 |
| 광고 문구체로 쓰기 | −1.82 |
| 이야기체로 꾸미기 | −4.36 |

상품 글의 길이만 늘린다고 좋은 결과가 나온 것도 아니다. 연구에서는 문장 길이와 순위 변화의 상관관계가 거의 없었고, 글머리 기호를 사용한 경우에는 평균 0.23등 순위가 올랐다.

## 사람이 고치는 것보다 AI가 고치면 나을까?

연구진은 사람이 정한 방식만 비교하지 않았다. AI가 여러 번 상품 문구를 고치면서 어떤 방식이 순위를 올리는지 스스로 찾아보게 했다.

5개 엔진과 15개 방식으로 만든 전체 75칸 가운데 63칸에서 순위가 개선됐다. 55칸은 0.10등 넘게 좋아졌고, 나빠진 칸은 7개였다.

| 비교 | 결과 |
|---|---|
| 실험한 전체 칸(5엔진×15방식) | 75칸 |
| 자동 최적화로 순위가 개선된 칸 | 63칸(84%) |
| 0.10등 넘게 개선된 칸 | 55칸 |
| 오히려 나빠진 칸 | 7칸 |
| 최악이던 이야기체 문구의 회복폭 | −4.36 → −0.50~+0.23 |
| 최적화 후 고유 어휘(unique) 방식 순위 변화 | +0.29 |
| 최적화 후 경쟁 강조(competitive) 방식 순위 변화 | +0.26 |

처음에 순위를 크게 떨어뜨렸던 이야기체 문구도 자동 최적화를 거치자 결과가 −0.50에서 +0.23 사이로 회복됐다. 중요한 점은 단순히 문장을 예쁘게 만드는 것이 아니라, 고객이 무엇을 사려고 하는지에 맞춰 내용을 정리하는 방향으로 바뀌었다는 것이다.

## 과장해서 쓰면 AI가 속을까?

연구진은 반대 실험도 했다. 상품을 더 좋아 보이게 만들기 위해 최상급 표현을 과하게 넣거나 감정에 호소하는 문구를 만들어 순위가 올라가는지 확인했다.

최상급 과장 문구는 처음에는 적발률이 100%였다. 그런데 자동으로 다듬은 뒤에는 적발률이 8% 미만으로 내려갔고, GPT-5에서의 순위 변화도 −4.14에서 +0.52로 바뀌었다.

| 항목 | 처음 | 자동으로 다듬은 뒤 |
|---|---|---|
| 최상급 과장 문구 적발률 | 100% | 8% 미만 |
| 최상급 과장 문구 순위(GPT-5) | −4.14 | +0.52 |
| 감정 호소 문구 순위(GPT-5) | −3.79 | +0.83 |
| 공격-방어 20칸 중 적발↓·순위↑ 동시 개선 | — | 15칸(75%) |
| 평균 적발률 하락폭 | — | 60포인트 |

감정 호소 문구도 GPT-5에서 −3.79에서 +0.83으로 바뀌었다. 공격과 방어를 조합한 20칸 가운데 15칸에서는 적발률이 낮아지면서 순위도 함께 올랐다.

다만 이 결과만 보고 과장 광고가 좋은 방법이라고 볼 수는 없다. 연구진은 이 실험 조건에서 자동으로 다듬은 결과가 조작보다는 실제 콘텐츠 개선에 가까운 방향으로 바뀌었다고 판단했다.

## 다른 AI에서도 같은 결과가 나올까?

특정 AI 하나에만 맞춰 문구를 고치면 다른 AI에서는 통하지 않을 수 있다. 그래서 연구진은 훈련에 사용하지 않은 클로드에서도 같은 문구가 통하는지 따로 확인했다.

15가지 방식 가운데 13가지에서 순위가 개선됐다. 순위 변화 범위도 −4.42~+0.02에서 −0.64~+0.40으로 좁아졌다.

| 전이 대상 | 결과 |
|---|---|
| 같은 계열(GPT-4.1→GPT-5) | 최악 칸도 −0.50 이내로 안정 |
| 훈련에 없던 다른 계열(→클로드) | 15개 중 13개 방식에서 개선, 범위 −4.42~+0.02 → −0.64~+0.40 |

연구 결과는 특정 AI의 작동 방식만 노리는 것보다 고객의 구매 의도에 맞추고, 핵심 정보를 넣고, 읽기 쉽게 정리하고, 사실을 왜곡하지 않는 방향이 여러 AI에서 통할 가능성을 보여준다.

## 그런데 우리 쇼핑몰 글을 AI가 실제로 읽을 수 있을까?

여기서 사장님이 먼저 확인할 것이 있다. 상품 글을 잘 고치는 것과 AI가 그 글을 실제 홈페이지에서 읽을 수 있는 것은 다른 문제다.

이번 확인에서는 아마존이 자사 홈페이지에서 OAI-SearchBot과 ChatGPT-User를 막고 있었다. 국내에서는 쿠팡이 403 오류를 돌려줬고, 11번가와 지마켓은 AI 봇 접근을 허용했다.

| 쇼핑몰 | AI 봇 접근(2026.9.16~20 확인) |
|---|---|
| 아마존 | OAI-SearchBot·ChatGPT-User 차단 |
| 쿠팡 | 403 오류 |
| 11번가 | 허용 |
| 지마켓 | 허용 |

따라서 쇼핑몰 상품 글을 AI 검색에 맞게 고치는 일은 문장만 다듬는 작업으로 끝나지 않는다. AI가 홈페이지에 접근할 수 있는지 먼저 확인하고, 그다음 고객이 실제로 물어볼 만한 질문에 상품 정보가 정확하게 답하도록 만드는 순서가 필요하다.

이번 연구에서 가장 현실적인 메시지도 여기에 있다. AI가 상품을 고르는 방식을 시험할 수 있게 됐지만, AI가 읽을 수 없는 홈페이지라면 상품 문구를 아무리 잘 고쳐도 그 내용을 가져갈 수 없다.

요점 ① 소비자 쿼리 1만 3,747개와 아마존 상품 1,700만 4,657개를 사용해 이커머스 상품 문구를 시험했다. ② 15가지 재작성 방식 중 이야기체는 평균 4.36등, 광고 문구체는 1.82등 순위를 떨어뜨렸다. ③ 자동 최적화는 75칸 중 63칸에서 순위를 개선했고, 55칸은 0.10등 넘게 좋아졌다. ④ 국내 쇼핑몰은 쿠팡이 403 오류를 보였고, 11번가와 지마켓은 AI 봇 접근을 허용했다.

## 같이 읽을 글

 

- 쿠팡에서 팔려면 상품 정보를 어떻게 바꿔야 할까?

- 네이버 쇼핑 AI가 우리 상품을 고르는 기준은 뭘까?

- AI가 우리 가게 정보를 엉뚱하게 읽을 수도 있을까?

- GEO 연구 45건을 모아보니, 뭐가 진짜 효과가 있을까?
 

## 자료 출처

 

- E-GEO: A Testbed for Generative Engine Optimization in E-Commerce(Bagga·Farias 등 5인·2025년 11월 arXiv 제출·2026년 7월 개정판·쿼리 1만 3,747개·상품 표본 1,700만 4,657개)

- E-GEO 논문 전체 본문(같은 연구진, 표 전체 수록)

- GEO: Generative Engine Optimization(Aggarwal·Murahari 등 6인·프린스턴 등·2024 KDD·질문 1만 개 실험)

- SafeGEO: Understanding Generative Engine Optimization Risks in Recommendation Agents(GEO 조작·안전성 후속 연구)

- GEO-Flag: Detecting and Measuring GEO-Optimized Web Content(GEO 최적화 콘텐츠 탐지 연구)