AI가 읽는 쇼핑몰 vs 못 읽는 쇼핑몰: 이커머스 구조화 데이터의 진실

핵심 요약

AI 검색 시대에 이커머스 데이터 구조화는 "있으면 좋은 것"이 아니라 "없으면 추천 목록에서 사라지는 것"입니다. 문제는 사람 눈에는 완벽해 보이는 사이트가 정작 AI에게는 읽히지 않는 경우가 많다는 점입니다. 그 원인을 기술적으로 규명하고, 자사몰 운영자가 바로 적용할 수 있는 5단계 체크리스트로 정리했습니다.

지금 우리 사이트, ChatGPT가 읽을 수 있는 형식일까요?
5분이면 내 사이트의 AI 준비도 점수를 확인할 수 있습니다.

왜 지금 '구조화'가 생존 문제가 됐는가

2024년 12월, 구글은 AI 개요(AI Overview)를 한국에 정식 도입했습니다. 이제 "30대 여성 겨울 코트 추천"을 검색하면, 링크 10개가 아니라 AI가 직접 골라낸 소수의 브랜드가 먼저 노출됩니다. 검색의 무게중심이 '링크 목록'에서 'AI의 답변'으로 옮겨간 것입니다.

핵심은 AI가 "어떤 사이트를 읽고 추천할지" 정하는 기준에 있습니다. 그 기준의 상당 부분이 바로 데이터 구조화 여부입니다. 글로벌 리서치 기업 가트너(Gartner)는 2026년까지 전통적 검색 트래픽이 약 25% 감소할 것으로 전망했고, 그 빈자리를 AI 기반 추천이 채울 것으로 분석했습니다.

주요 이커머스 플랫폼들은 이미 구조화 데이터를 표준으로 채택하는 추세입니다. 자사몰 운영자가 "우리 사이트는 왜 AI가 추천하지 않을까"를 고민하는 사이, 경쟁자는 이미 AI가 읽기 좋은 형태로 데이터를 정리해 두고 있는 셈입니다.

AI는 '모양'이 아니라 '의미'를 읽는다

현장에서 가장 자주 마주치는 오해가 있습니다. "디자인이 깔끔하고 정보도 다 있는데 왜 AI가 못 읽지?"라는 의문입니다. 답은 명확합니다. AI는 화면에 보이는 '모양'을 보는 것이 아니라, HTML에 담긴 '의미(Semantic)'를 읽기 때문입니다. 사람에게는 완벽한 상세페이지가, 기계에게는 의미를 알 수 없는 텍스트 덩어리일 수 있습니다.

패션·뷰티·식품 자사몰에서 반복적으로 발견되는 문제는 크게 세 가지로 압축됩니다.

특히 두 번째 문제는 생각보다 치명적입니다. 웹 인프라 기업 버셀(Vercel)과 MERJ의 분석에 따르면, 주요 AI 크롤러의 약 69%는 JavaScript를 실행하지 않은 채 HTML만 읽는 것으로 나타났습니다. 할인가를 자바스크립트로만 띄워 둔 쇼핑몰이라면, AI 입장에서는 '비싼 정가만 파는 곳'으로 인식될 위험이 있다는 뜻입니다.

구조화 데이터(Schema.org, JSON-LD)를 삽입하면 이 문제가 풀립니다. "이건 상품명, 이건 판매가, 이건 리뷰"라고 AI에게 명확히 알려 주면, ChatGPT나 Perplexity 같은 AI가 추천 후보로 인식할 수 있는 토대가 마련됩니다.

당장 적용하는 5단계 체크리스트

1. Product Schema 필수 5개 필드부터 채운다

Schema.org의 Product 타입에는 30개가 넘는 속성이 있지만, AI가 우선적으로 참고하는 핵심은 다음 5개입니다. 욕심내지 말고 이 다섯 개부터 정확히 채우는 것이 효율적입니다.

{
  "@type": "Product",
  "name": "유기농 쌀 10kg",          // 프로모션 문구를 제거한 순수 상품명
  "image": "https://...",
  "description": "충남 당진산...",   // 80자 이상 상세 설명 권장
  "offers": {
    "@type": "Offer",
    "price": "35000",                // 실제 판매가(할인 적용 후)
    "priceCurrency": "KRW",
    "availability": "InStock"        // 재고 상태 실시간 반영
  },
  "aggregateRating": {               // 평점 데이터(없으면 생략)
    "ratingValue": "4.7",
    "reviewCount": "89"
  }
}

패션몰 예시로 비교하면 차이가 분명해집니다.

• 나쁜 예 — name: "[BEST] 오버핏 코트 🎁"

• 좋은 예 — name: "캐시미어 블렌드 오버핏 코트" / description: "소재: 울 80% 캐시미어 20%, 기장: 105cm, 세탁: 드라이클리닝"

같은 상품이라도, AI에게 의미가 전달되는 쪽은 명백히 후자입니다.

2. 가격 정보를 이중으로 검증한다

앞서 짚은 '할인가 누락'은 가장 흔한 실수입니다. 관리자 페이지에서 할인율을 설정해도, JSON-LD에는 정가가 그대로 들어가는 경우가 많습니다. 정적 데이터만 넣지 말고, 할인 로직을 통과한 최종가를 삽입해야 합니다.

// 잘못된 방식: 정적 데이터(정가)만 삽입
const schema = {
  offers: { price: product.originalPrice }
};

// 올바른 방식: 할인 로직 통과 후 최종가 삽입
const finalPrice = applyDiscount(product);
const schema = {
  offers: {
    price: finalPrice.toString(),
    priceValidUntil: "2025-12-31"  // 할인 종료일도 함께 명시
  }
};

우리 사이트 가격 데이터, AI가 제대로 읽고 있을까요?
실시간 진단으로 누락된 항목을 바로 확인해 보세요.

3. 리뷰 데이터를 Schema에 연결한다

외부 리뷰 위젯을 쓴다면, 그 데이터는 별도의 Review Schema로 다시 연결해 줘야 합니다. iframe 안에만 머무는 리뷰는 AI에게 존재하지 않는 정보나 마찬가지이기 때문입니다. 리뷰를 구조화하면 AI가 상품의 신뢰도를 판단할 근거가 생깁니다.

{
  "@type": "Review",
  "author": { "name": "김**" },     // 개인정보 마스킹
  "datePublished": "2025-11-15",
  "reviewBody": "배송 빠르고 품질 좋습니다",
  "reviewRating": {
    "ratingValue": "5"
  }
}

4. Breadcrumb으로 카테고리 맥락을 제공한다

AI는 상품을 추천할 때 "이게 어떤 카테고리의 제품인지"라는 맥락을 중요하게 봅니다. BreadcrumbList Schema를 넣으면 "여성 > 아우터 > 코트" 같은 계층 구조를 AI가 이해할 수 있습니다.

{
  "@type": "BreadcrumbList",
  "itemListElement": [
    { "@type": "ListItem", "position": 1, "name": "홈", "item": "https://..." },
    { "@type": "ListItem", "position": 2, "name": "여성", "item": "https://..." },
    { "@type": "ListItem", "position": 3, "name": "아우터" }
  ]
}

식품몰이라면 "유기농 > 쌀/잡곡 > 백미"처럼 계층을 명시하는 식입니다. AI가 상품의 위치를 정확히 파악할수록, 관련 검색에 노출될 가능성도 함께 높아집니다.

5. 구조화 데이터 품질을 자동으로 모니터링한다

구조화는 한 번 넣고 끝나는 작업이 아닙니다. 상품이 수정되거나 재고가 바뀌면 Schema도 실시간으로 따라가야 합니다. 최소한 아래 항목은 점검 체계를 갖추는 편이 좋습니다.

• 품절 상품 → availability: "OutOfStock" 자동 변경

• 할인 종료 → priceValidUntil 삭제

• 신규 리뷰 → Review Schema 자동 추가

• Google Search Console에서 주간 오류 리포트 확인

지오독스는 이 문제를 어떻게 해결하는가

위 다섯 단계는 원리만 알면 누구나 시도할 수 있지만, 상품이 수백 개를 넘어가면 사람 손으로는 감당하기 어렵습니다. 지오독스(GeoDocs)는 이 과정을 자동화하는 데 초점을 맞춘 GEO 최적화 서비스입니다. 핵심 기능은 네 가지입니다.

• AI봇 접근 허용 — robots.txt를 자동으로 설정해, ChatGPT·Perplexity 등 AI 크롤러가 사이트에 정상 접근하도록 길을 엽니다.

• 스키마 자동 생성 — 상품 페이지를 분석(GPT Vision)해 JSON-LD 구조화 데이터를 자동으로 만들어 줍니다.

• AI 준비도 점수 — 내 사이트가 AI에게 얼마나 잘 읽히는지를 0~100점으로 진단합니다.

• 모니터링 대시보드 — 구조화 상태와 변화를 한 화면에서 지속적으로 관리합니다.

복잡한 개발 없이, 진단부터 적용·관리까지 한 흐름으로 이어 주는 것이 지오독스의 역할입니다.

구조화는 선택이 아니라 기본입니다

AI 검색 시대에 데이터 구조화는 더 이상 '추가 옵션'이 아닙니다. 위 5단계만 충실히 따라도 기본기는 충분히 갖출 수 있습니다. 다만 현실적인 벽은 분명합니다. 상품 수가 많을수록 직접 Schema를 작성하고, 가격·재고·리뷰 변동을 일일이 반영하기란 시간과 기술 모두에서 부담이 큽니다.

지오독스는 바로 그 지점을 자동화로 풀어 줍니다. 상품을 등록하면 스키마를 자동 생성하고, AI 준비도를 점수로 보여 주며, 변화를 대시보드에서 추적합니다. 사람이 반복 작업에 쓰던 시간을, 정작 중요한 상품과 콘텐츠에 돌릴 수 있게 됩니다.

AI 시대의 쇼핑, 지오독스와 함께 시작해 보세요.

우리 사이트도 AI가 추천할 수 있을까요?
5분이면 내 사이트의 구조화 점수를 확인할 수 있습니다.

자주 묻는 질문

Q. Schema를 넣으면 바로 ChatGPT가 추천하나요?

즉시는 아닙니다. AI가 사이트를 다시 크롤링하는 주기(보통 1~2주)가 필요합니다. 다만 구조화 품질이 높으면 우선순위가 올라가 더 빨리 반영될 수 있습니다.

Q. 개발 리소스가 없는데 직접 넣을 수 있나요?

가능합니다. 카페24 같은 솔루션은 앱스토어에 Schema 플러그인을 제공합니다. 또는 GTM(Google Tag Manager)을 이용하면 코드 수정 없이도 삽입할 수 있습니다.

Q. Product Schema만 넣으면 되나요?

기본은 Product입니다. 다만 브랜드 신뢰도를 높이려면 Organization, FAQ, HowTo Schema도 함께 고려하면 좋습니다. 우선순위는 Product → Review → Breadcrumb 순으로 잡는 것을 권장합니다.

Q. 리뷰가 적은데 억지로 Schema를 넣어도 되나요?

권장하지 않습니다. 리뷰가 5개 미만이라면 aggregateRating 필드는 생략하세요. 허위 데이터로 간주되면 오히려 패널티를 받을 수 있습니다.

Q. 할인가가 수시로 바뀌는데 매번 수정해야 하나요?

가격 정보를 서버에서 동적으로 생성하도록 설정하면 자동으로 갱신됩니다. 정적 HTML에 하드코딩하면 관리가 사실상 불가능해집니다.

Q. 경쟁사 Schema는 어떻게 확인하나요?

크롬 개발자 도구(F12)의 Elements 탭에서 <script type="application/ld+json">를 찾으면 됩니다. 또는 schema.org 검증 도구에 URL을 입력해 분석할 수도 있습니다.

Q. Schema를 넣었는데 Google Search Console에 오류가 뜨는 이유는?

필수 필드 누락(name, price 등)이나 잘못된 데이터 타입(숫자를 문자로 입력하는 등)이 주된 원인입니다. GSC의 상세 메시지를 확인한 뒤 수정하세요.

Q. AI 검색 최적화와 기존 SEO 중 무엇이 우선인가요?

둘은 병행하는 것이 맞습니다. Schema는 AI와 구글 검색 모두에 도움이 되므로 먼저 정비하고, 키워드 최적화를 그다음 순서로 진행하는 흐름을 권합니다.

Q. 구조화 데이터를 넣으면 검색 순위도 오르나요?

직접적인 순위 요소는 아닙니다. 다만 리치 스니펫(별점, 가격 등) 노출로 클릭률(CTR)이 올라가면, 간접적으로 순위 상승 효과를 기대할 수 있습니다.