쇼핑 AI가 상품 제목을 덜 볼까?

타오바오 12억 개 상품을 AI가 직접 고르는 시대, 오픈마켓 판매자는 무엇을 준비해야 하나

검색창에 키워드를 넣어 상품을 찾는 방식만 보면 상품 제목의 키워드가 중요했다. 하지만 알리바바가 타오바오 상품 약 12억 개를 AI가 직접 고르게 만든 사례에서는 다른 변화가 보인다. 특히 앞서 본 상품을 다시 가리키는 대화에서 상품을 직접 고르는 AI가 68.3점, 검색창을 거치는 AI가 41.8~47.5점을 기록했다.

상품 제목에 키워드를 넣는 일보다 AI가 상품을 이해할 수 있게 만드는 일이 중요해지고 있다.

이제 상품을 검색창에 넣지 않고 고른다고?

기존 쇼핑 AI는 고객과 대화한 뒤 그 말을 키워드와 가격 조건으로 줄여 기존 검색창에 넣는다. 검색 결과가 나오면 AI가 다시 골라 설명하는 방식이다.

문제는 고객의 말이 검색어로 줄어드는 순간 생긴다. 예를 들어 고객이 놀이공원에서 오래 걷기 편한 옷을 찾고, 이어서 앞에서 본 운동화보다 더 푹신하고 비에도 괜찮은 상품을 찾는다고 해 보자. 검색창에는 운동화나 비 같은 단어만 남을 수 있지만, 고객이 앞에서 본 상품과 원하는 느낌까지 함께 이어 가는 일은 어려워진다.

알리바바 연구진은 이 과정을 AI 안으로 가져왔다. 타오바오 상품 약 12억 개에 상품 사진·정리된 속성·상품 제목을 바탕으로 번호를 붙이고, AI가 그 번호를 직접 떠올려 상품을 고르고 순서를 정하게 했다.

모델 구성	수치
상품 번호를 붙인 타오바오 상품	약 12억 개
번호를 만드는 재료	상품 사진·정리된 속성·상품 제목
번호 단계	6단계, 단계마다 8,192개 부호
모델 크기	40억·80억·300억(활성 30억) 매개변수
시험 때 한 번에 떠올린 번호 후보	30개

실제 고객은 검색어처럼 말하지 않는다

연구진이 익명 처리한 타오바오 실제 질문을 바탕으로 만든 질문 279개를 보면 이런 특징이 더 뚜렷하다. 예산을 말한 질문은 27개로 9.7%, 브랜드를 말한 질문은 45개로 16.1%였다.

반대로 꼭 지켜야 할 조건을 말한 질문은 193개로 69.2%였다. 누구를 위한 상품인지 밝힌 질문도 63개로 22.6%였다. 고객은 단순히 상품명이나 브랜드명을 검색하는 것보다 용도와 상황을 설명하는 경우가 많았다.

실제 질문 279개에 담긴 조건	개수	비율
꼭 지켜야 할 조건이 있는 질문	193	69.2%
누구를 위한 것인지 밝힌 질문	63	22.6%
브랜드를 말한 질문	45	16.1%
「~는 빼고」 같은 부정 표현	35	12.5%
예산을 말한 질문	27	9.7%

여러 번 이어지는 대화 80개에서도 조건을 계속 지켜야 하거나, 처음에는 막연해서 되물어야 하는 경우가 있었다. 쇼핑 AI가 앞서 나온 상품과 고객의 반응을 계속 기억하고 연결하는 능력이 중요해지는 이유다.

여러 번 주고받는 대화 80개	개수
막연해서 되물어야 하는 질문	25
조건 여러 개를 끝까지 지켜야 하는 질문	20
뜻이 분명한 질문	15
여러 품목이 한꺼번에 필요한 질문	15
뜻이 모호한 질문	5

첫 질문부터 AI가 무조건 더 잘 고르는 것은 아니다

그렇다고 상품을 직접 고르는 AI가 모든 면에서 검색창을 거치는 AI를 앞선 것은 아니다. 첫 질문에서 고객의 뜻을 얼마나 채웠는지를 보는 항목에서는 검색창을 거치는 AI 가운데 하나가 72.2점으로 더 높았고, 상품을 직접 고르는 AI는 69.2점이었다.

상품의 적합도와 조건 지키기에서는 상품을 직접 고르는 AI가 95.0점과 76.4점을 기록했다. 고객 반응 반영은 71.5점, 앞서 말한 상품을 다시 가리키는 능력은 68.3점이었다.

300억 매개변수 모델에서는 앞서 말한 상품 다시 가리키기가 80.0점까지 올라갔다. 다만 연구진도 이 방식이 모든 항목에서 앞서는 것은 아니라고 적었다.

항목(100점)	검색창 거치는 AI 3종	상품을 직접 고르는 AI(80억)	같은 방식(300억)
고객 뜻을 채운 정도	59.5~72.2	69.2	68.9
보여 준 상품의 적합도	89.8~94.0	95.0	95.8
조건 지키기	71.8~75.6	76.4	77.6
고객 반응 반영	55.9~62.9	71.5	68.5
앞서 말한 상품 다시 가리키기	41.8~47.5	68.3	80.0

AI가 상품을 직접 고른다고 공짜는 아니다

쇼핑에 맞춰 AI를 훈련하면 다른 능력이 떨어지는 부분도 있었다. 80억 매개변수 모델의 수학 문제 점수는 훈련 전 76.2점에서 훈련 후 59.6점으로 내려갔다.

대학원 수준 과학 문제 점수도 47.5점에서 41.4점으로 내려갔다. 긴 상품 설명 하나만 주고 해당 상품을 찾게 했을 때는 후보 4개 안에 맞는 상품이 들어간 비율이 2.2%였다.

상품 설명을 읽고 특정 상품 하나를 정확히 찾아내는 일은 아직 쉽지 않다는 뜻이다.

대가	훈련 전	훈련 후(80억)
수학 문제(MATH-500)	76.2	59.6
대학원 과학 문제(GPQA)	47.5	41.4
긴 설명으로 그 상품 찾기(후보 4개 / 64개 안)	—	2.2% / 5.3%

그럼 오픈마켓 판매자는 무엇을 봐야 하나

여기서부터는 연구진이 판매자에게 직접 권한 내용이 아니라, 연구 결과에서 생각해 볼 수 있는 부분이다(예상).

첫째는 상품 제목만 보지 말고 사진과 속성 정보를 함께 채우는 일이다. 상품을 직접 고르는 AI가 사진·속성·제목을 함께 읽어 상품을 이해하도록 만들어졌기 때문이다. 제목에 키워드를 넣는 작업이 사라진다는 뜻은 아니지만, 제목 하나에만 기대는 방식은 덜 중요해질 가능성이 있다.

둘째는 우리 상품만의 차이를 상품 정보에 분명하게 적는 일이다. 같은 물건이면 판매자가 달라도 AI가 비슷하게 볼 수 있도록 훈련됐기 때문이다. 배송이나 구성, 용도처럼 판매자별 차이가 있다면 속성이나 상세 설명에서 따로 보여 줄 필요가 있다.

셋째는 고객이 실제로 쓰는 상황과 용도를 상품 정보에 넣는 일이다. 실제 질문 279개 가운데 예산을 말한 비율은 9.7%, 브랜드를 말한 비율은 16.1%였다. 고객이 어떤 상황에서 쓰는 상품인지 AI가 연결할 근거가 상품 정보 안에 있어야 한다.

내 상품을 바깥 AI가 읽을 수 있는지도 봐야 한다

다만 오픈마켓마다 AI가 상품 정보를 읽는 환경은 다르다. 2026년 9월 29일 확인한 로봇 규칙을 보면 네이버 스마트스토어와 네이버쇼핑은 여러 외부 AI 봇의 접근을 막고 있고, 네이버쇼핑은 네이버 검색 봇에는 열어 두었다.

11번가는 오픈AI·앤스로픽·퍼플렉시티의 검색 봇에 상품 페이지를 허용하고 있다. 따라서 모든 오픈마켓 상품이 바깥 AI에 같은 방식으로 읽힌다고 생각해서는 안 된다.

쇼핑몰(2026년 9월 29일 로봇 규칙 확인)	바깥 AI 봇
네이버 스마트스토어	AI 봇 10종 이름 들어 차단, 페이스북 미리보기 봇 말고 전체 차단
네이버쇼핑	AI 봇 10종 차단, 네이버 검색 봇은 허용
11번가	오픈AI·앤스로픽·퍼플렉시티 검색 봇에 상품 페이지 허용

결국 지금 판매자가 할 일은 제목에서 키워드를 빼는 것이 아니다. 상품 제목을 기본으로 갖추되, 사진과 속성, 상세 설명까지 AI가 상품의 특징과 용도를 이해할 수 있도록 빈틈없이 채우는 쪽으로 상품 정보를 관리하는 것이다.

쇼핑 AI가 검색창을 거치지 않고 상품을 직접 고르는 방식으로 발전하면, 고객이 입력한 한두 개 키워드와 상품 제목의 일치만으로 상품을 설명하기 어려워진다. 고객이 말한 상황과 조건을 상품 정보 전체에서 연결할 수 있는지가 점점 중요해질 수 있다.

① 타오바오 약 12억 개 상품에 사진·속성·제목으로 만든 번호를 붙여 AI가 직접 고르게 했다 ② 앞서 말한 상품 다시 가리키기는 상품 직접 선택 AI 68.3점, 검색창을 거치는 AI 41.8~47.5점이었다 ③ 실제 질문 279개 중 예산은 9.7%, 브랜드는 16.1%뿐이었다 ④ 80억 모델의 수학 점수는 훈련 전 76.2점에서 훈련 후 59.6점으로 내려갔다

같이 읽을 글

자료 출처

작성일 2026년 9월 29일

#AI의 눈 #타오바오 #쇼핑 AI #상품 정보 #이어지는 대화 #오픈마켓

← 칼럼 목록