AI가 쇼핑몰 순위를 바꾸면 우리 가게는 어떻게 될까?

클로드 오퍼스 4.6은 영화 상품의 상위 10개 적중률을 56.0%에서 63.2%로 높였다.

쇼핑몰에서 높은 순위에 올랐다고 고객의 개인 AI 비서도 그 상품을 추천하는 것은 아니다. 미국 UC샌디에이고(캘리포니아대 샌디에이고)와 메타 AI★ 연구진의 2026년 10월 실험에서 클로드 오퍼스 4.6은 영화 상품의 상위 10개 적중률을 56.0%에서 63.2%로 높였다. 고객의 취향과 생활에 맞는 상품 정보를 홈페이지에 분명하게 적어 두는 일이 중요해질 수 있다.

개인 AI는 쇼핑몰의 순위를 참고하되, 고객이 허락한 다른 플랫폼 기록까지 살펴보고 추천 순서를 다시 정한다.

고객이 AI에게 쇼핑을 맡기면 무엇이 달라질까?

지금은 쇼핑몰이 자체 구매 기록과 비슷한 고객들의 구매 패턴을 바탕으로 상품 순위를 정한다. 하지만 고객이 개인 AI 비서에게 쇼핑을 맡기면, AI가 그 순위를 받아 고객의 다른 플랫폼 기록과 비교한 뒤 최종 추천 상품을 고를 수 있다.

쇼핑몰은 많은 고객의 구매 패턴을 알지만, 특정 고객이 다른 곳에서 무엇을 샀는지는 모를 수 있다. 반대로 개인 AI는 고객이 허락한 다른 플랫폼 기록을 보지만, 쇼핑몰의 추천 점수나 다른 고객들의 구매 패턴은 알지 못한다. 이 차이 때문에 AI는 쇼핑몰의 추천을 그대로 유지하기도 하고, 새로운 상품을 올리거나 기존 상품을 내리기도 한다.

결과	뜻
지킴	쇼핑몰 상위 10개에 있던 정답을 개인 AI도 남김
살림	쇼핑몰이 놓친 정답을 개인 AI가 상위 10개에 넣음
해침	쇼핑몰 상위 10개에 있던 정답을 개인 AI가 뺌
둘 다 놓침	어느 쪽 상위 10개에도 정답이 없음

AI가 순위를 바꾸면 어떤 일이 생길까?

연구진은 추천 결과를 네 가지로 나눴다. 쇼핑몰과 개인 AI가 모두 정답을 유지하면 「지킴」이고, 쇼핑몰이 놓친 상품을 AI가 상위 10개에 넣으면 「살림」이다. 쇼핑몰이 상위 10개에 올린 정답을 AI가 빼면 「해침」이며, 양쪽 모두 정답을 찾지 못하면 「둘 다 놓침」이다.

여기서 중요한 점은 AI가 순위를 바꾼다고 반드시 결과가 좋아지지는 않는다는 것이다. 클로드 오퍼스 4.6은 영화 분야에서 쇼핑몰이 놓친 정답을 11.6% 살려 냈지만, 쇼핑몰이 맞게 골랐던 정답도 4.2% 빼 버렸다. 추천 순위가 달라지는 상황에서는 상품이 새롭게 발견될 기회와 기존 고객을 놓칠 위험이 함께 생긴다.

AI	영화·TV 살림	영화·TV 해침	스팀 게임 살림	스팀 게임 해침
클로드 하이쿠 4.5	10.9%	10.1%	12.2%	12.2%
클로드 소넷 4.6	12.2%	5.0%	13.5%	10.2%
클로드 오퍼스 4.6	11.6%	4.2%	13.6%	9.0%
공개 소형 AI(큐웬3 4B, 훈련 전)	4.1%	9.9%	8.5%	10.4%
같은 AI를 연구진 방식으로 훈련	10.3%	4.0%	13.2%	6.0%

실제 실험에서도 추천 순위가 달라졌을까?

연구진은 아마존 리뷰 2023 자료에서 영화·TV, 장난감, 식료품, 뷰티를 각각 하나의 쇼핑몰처럼 설정했다. 같은 고객의 다른 상품군 기록은 다른 플랫폼에서 얻은 정보로 활용했다. 실제로 서로 다른 회사의 기록을 연결한 시험에는 스팀·닌텐도·엑스박스 게임 기록이 연결된 고객 645명이 참여했다.

후보 상품은 정답 한 개와 인기도에 비례해 뽑은 상품 49개를 합쳐 모두 50개였다. 쇼핑몰 순위는 해당 쇼핑몰의 기록만 사용하는 추천 모델과 클로드 소넷 4.6을 함께 활용해 만들었다. 따라서 이 실험은 실제 쇼핑몰 전체의 상품 검색부터 구매까지를 재현한 것이 아니라, 주어진 후보 가운데 정답을 상위 10개에 넣는지를 살펴본 시험이다.

쇼핑몰(대상)	시험 고객	그 쇼핑몰 기록(평균)	다른 플랫폼 기록(평균)	쇼핑몰 순위의 상위 10개 적중률
영화·TV	2,000명	4.9건	26.7건	56.0%
장난감	2,000명	2.8건	24.0건	47.7%
식료품	2,000명	2.9건	31.6건	45.0%
뷰티	2,000명	3.2건	26.6건	48.6%
스팀 게임	645명	11.9건	11.0건	40.8%

클로드 소넷 4.6과 오퍼스 4.6은 다섯 분야 모두에서 쇼핑몰 순위보다 상위 10개 적중률을 높였다. 반면 하이쿠 4.5는 쇼핑몰 순위와 비슷한 수준에 머물렀고, 일부 분야에서는 적중률이 낮아졌다.

쇼핑몰	쇼핑몰 순위	클로드 하이쿠 4.5	클로드 소넷 4.6	클로드 오퍼스 4.6
영화·TV	56.0%	56.8%	63.1%	63.2%
장난감	47.7%	48.2%	52.3%	52.4%
식료품	45.0%	43.0%	49.1%	48.5%
뷰티	48.6%	47.3%	50.6%	51.9%
스팀 게임	40.8%	40.8%	44.0%	45.4%

AI는 고객의 어떤 정보를 보고 판단할까?

개인 AI가 참고한 정보는 상품 번호, 상품명, 공개 분류뿐이었다. 가격이나 재고, 광고 여부, 배송 조건은 실험에 포함되지 않았다. 그런데도 다른 플랫폼 기록이 추천 결과에 영향을 줬다. 아마존 상품군 시험에서는 다른 플랫폼 기록이 쇼핑몰 자체 기록보다 평균 약 5.4~10.9배 많았다.

연구진은 훈련한 AI가 쇼핑몰이 놓친 정답을 살려 낸 900건을 분석했다. 그 결과, 살려 낸 상품의 72%가 다른 플랫폼 기록에 담긴 생활 정보와 관련이 있었다. 관심사와 좋아하는 작품·인물이 28%, 가정·가족이 19%, 생활 방식·식단·건강이 14%였다.

살려 낸 근거(900건)	비율
다른 플랫폼 기록의 생활 정보(합계)	72%
그중 관심사·좋아하는 작품이나 인물	28%
그중 가정·가족	19%
그중 생활 방식·식단·건강	14%
뚜렷한 근거 없는 순서 바꾸기	25%

실제 사례도 있다. 한 고객의 영화 쇼핑몰 기록에는 음악과 관련된 신호가 없었지만, 다른 플랫폼 기록에는 레드 제플린 음반 두 장이 있었다. 개인 AI는 이를 근거로 로버트 플랜트의 공연 영상을 쇼핑몰 순위 37위에서 1위로 올렸다.

반대로 장난감 쇼핑몰이 1위로 추천한 게임 캐릭터 피규어는 다른 기록에서 관련성이 높은 근거를 찾지 못했어도 그대로 1위를 유지했다. AI가 모든 상품을 무조건 바꾸는 것은 아니며, 다른 기록이 추천 변경을 뒷받침하는지가 중요하다는 뜻이다.

광고비로 올린 순위도 계속 통할까?

이 실험에는 광고가 없었다. 따라서 광고 상품이 실제로 얼마나 덜 추천되는지는 이 연구만으로 알 수 없다. 다만 개인 AI가 쇼핑몰의 순위를 참고하면서도 고객의 기록에 따라 이를 바꾼다면, 광고비로 확보한 노출 순위가 최종 추천까지 보장하지는 못할 가능성이 있다.

다른 연구에서는 여행자를 위해 일하는 AI가 플랫폼을 위해 일하는 AI보다 광고 숙소를 덜 선택하는 결과도 나왔다. 개인 AI의 목적이 고객에게 맞는 상품을 찾는 데 있다면, 판매자가 확보한 노출 순위와 고객에게 실제로 추천되는 순위 사이에 차이가 생길 수 있다.

한국에서도 고객이 자신의 정보를 다른 곳으로 옮길 수 있는 길이 넓어지고 있다. 개인정보보호위원회는 2026년 2월 10일 국무회의를 통과한 시행령 개정으로 본인전송요구권을 의료·통신에서 전 분야로 확대했다. 다만 모든 사업자가 대상은 아니다. 평균 매출액 등이 1,800억 원을 넘고 정보주체가 100만 명 이상인 대규모 처리자 등이 대상이며, 중소기업은 제외된다. 민간 대규모 처리자에는 1년의 유예가 적용된다.

동네 가게는 지금 무엇을 준비해야 할까?

개인 AI가 상품명과 분류만 보고도 고객의 생활 정보와 연결해 추천한다면, 동네 가게도 상품 정보를 구체적으로 정리할 필요가 있다. 상품명에는 대상과 용도, 식단 조건, 시리즈나 작품명을 명확하게 적는 편이 좋다. 상품 분류도 실제 쓰임에 맞게 선택해야 한다.

예를 들어 가족용인지, 특정 연령대를 위한 상품인지, 무설탕이나 글루텐 프리 조건이 있는지처럼 고객이 상품을 선택할 때 필요한 정보를 빠뜨리지 않는 것이다. 가족이나 식단·건강과 관련된 상품은 그 쓰임을 설명 첫 줄에 드러내는 편이 좋다.

홈페이지와 각 플랫폼에서 같은 상품명과 분류를 사용하는 것도 중요하다. 고객의 다른 플랫폼 기록을 함께 참고하는 AI라면 상품 정보가 명확하고 일관될수록 해당 상품의 용도를 파악하기 쉬워질 수 있다. 다만 이는 이번 실험 결과에서 도출한 예상이며, 한국의 실제 쇼핑 환경에서 효과가 입증된 것은 아니다.

할 일	근거 숫자
상품명에 대상·용도·식단·시리즈를 분명히 적는다	개인 AI가 본 정보는 번호·상품명·분류뿐, 살린 근거의 72%가 생활 정보
상품 분류를 실제 용도에 맞게 정확히 고른다	후보 정보 3가지 중 하나가 분류, 영화 쇼핑몰 고객의 59.7%는 도서 분류 기록 보유
가족·식단·건강과 관련된 상품은 그 쓰임을 설명 첫 줄에 쓴다	가정·가족 19%, 생활 방식·식단·건강 14%
플랫폼 순위나 광고만으로 판매가 유지된다고 가정하지 않는다	상용 AI가 상위 10개 중 평균 2.92~4.52개 교체
홈페이지와 각 플랫폼에서 같은 상품명·분류를 쓴다	다른 플랫폼 기록 평균 24.0~31.6건을 개인 AI가 함께 봄
본인전송요구권 확대 일정을 확인해 둔다	1,800억 원·100만 명 기준, 민간 1년 유예

이 연구 결과를 어디까지 믿어야 할까?

이번 실험에는 한계가 있다. 아마존의 상품군을 각각 다른 쇼핑몰처럼 설정했기 때문에, 실제로 서로 다른 회사의 플랫폼 기록을 연결한 시험과는 차이가 있다. 서로 다른 회사의 기록을 이용한 시험은 스팀 게임 고객 645명을 대상으로 했다.

또한 후보 50개 안에 정답을 미리 넣었으므로, 실제 쇼핑에서 상품을 처음부터 찾아내는 능력까지 평가한 것은 아니다. 연구진이 만든 쇼핑몰 순위를 사용했고, 가격·재고·광고·배송 조건도 반영하지 않았다. 한국의 네이버·쿠팡이나 한국어 상품명을 대상으로 시험한 것도 아니다.

연구에는 메타 연구진이 참여했다. 메타는 개인 AI 비서를 내놓은 회사이기도 하다. 연구진은 시험 자료를 내부 승인 뒤 공개할 예정이라고 밝혀, 외부에서 같은 결과를 다시 검증할 수 있는 자료도 아직 공개되지 않았다.

따라서 지금 당장 모든 쇼핑몰의 추천 순위가 무너진다고 단정할 수는 없다. 다만 고객의 개인 AI가 쇼핑몰 순위를 그대로 따르지 않고, 다른 플랫폼 기록을 근거로 상품을 다시 고를 수 있다는 점은 가게가 준비해야 할 변화다. 플랫폼 순위만 바라보기보다 고객이 어떤 상품을 찾는지 이해할 수 있도록 홈페이지의 상품 정보를 충실하게 관리하는 것이 현실적인 출발점이다.

① 클로드 오퍼스 4.6은 영화 상품의 상위 10개 적중률을 56.0%에서 63.2%로 높였지만, 기존 정답을 4.2% 빼는 해침도 있었다.

② AI가 살려 낸 정답 900건을 분석한 결과, 72%는 고객의 관심사·가족·식단 같은 생활 정보와 관련이 있었다.

③ 개인 AI가 참고한 상품 정보는 번호·상품명·분류 3가지뿐이었다. 상품명과 분류를 구체적이고 일관되게 관리할 필요가 있다.

④ 본인전송요구권 확대 대상에는 평균 매출액 등이 1,800억 원을 넘고 정보주체가 100만 명 이상인 대규모 처리자 등이 포함되며, 민간 대규모 처리자에는 1년의 유예가 적용된다.

같이 읽을 글

자료 출처

작성일 2026년 10월 16일

#광고·커머스 #개인 AI 비서 #추천 순위 #플랫폼 광고 #마이데이터

← 칼럼 목록