검색 결과 1위보다 무서운 것은 AI의 추천 1순위다
도슨티GEO검색 결과 1위보다 무서운 것은 AI의 추천 1순위다
ChatGPT 쇼핑 추천과 Google AI Mode의 변화가 보여주는 새로운 브랜드 경쟁의 원리
검색엔진에서 1위를 차지하는 것은 오랫동안 디지털 마케팅의 중요한 목표였습니다.
사용자가 검색어를 입력하면 여러 웹사이트가 순서대로 등장했습니다. 기업은 그중 가능한 한 높은 위치를 차지하기 위해 경쟁했습니다.
그런데 이제는 조금 다른 일이 벌어지고 있습니다.
사용자가 AI에게 이렇게 질문합니다.
"30만 원 이하에서 반려동물 털 청소에 적합한 무선청소기를 추천해 줘. 무겁지 않고 관리하기 편했으면 좋겠어."
AI는 단순히 무선청소기 판매 페이지를 나열하지 않습니다.
사용자가 제시한 조건을 해석하고, 여러 제품의 특징을 비교하고, 특정 제품이 적합한 이유를 설명합니다.
때로는 사용자가 요구한 조건 사이의 우선순위를 다시 확인하기도 합니다.
"흡입력과 가벼운 무게 중 어느 쪽이 더 중요한가요?"
검색 결과를 보여주던 인터페이스가 구매 판단을 돕는 대화형 인터페이스로 바뀌고 있는 것입니다.
이 변화는 기업에 새로운 질문을 던집니다.
검색 결과에서 상위에 노출되는 브랜드와 AI가 고객에게 가장 적합하다고 추천하는 브랜드는 반드시 같을까요?
그리고 AI가 추천에 더 깊이 관여하게 된다면, 기업은 무엇을 최적화하고 무엇을 측정해야 할까요?
2026년 발표된 연구와 Google·OpenAI의 최신 제품 변화는 이 질문에 중요한 단서를 제공합니다.
1. ChatGPT가 추천하는 상품의 83%는 Google Shopping에도 있었다
2026년 11월 4일, Semrush는 ChatGPT 쇼핑 최적화에 관한 분석을 공개했습니다.
이 글에서 가장 흥미로운 부분은 ChatGPT의 상품 추천과 Google Shopping 검색 결과 사이의 관계입니다.
Semrush의 자체 실험에서는 ChatGPT가 첫 번째로 추천한 제품이 약 75%의 사례에서 Google Shopping 상위 3개 결과에 포함됐습니다.
또한 2026년 3월 Peec AI의 연구에서는 ChatGPT 상품 캐러셀에 등장한 제품의 약 83%가 Google Shopping의 상위 40개 상품에도 포함돼 있었습니다.
이 연구는 유료 광고를 제외한 결과를 대상으로 했습니다.
두 결과 모두 중요한 사실을 시사합니다.
AI 쇼핑의 부상이 기존 검색 최적화의 종말을 의미하지는 않는다는 것입니다.
오히려 기존 검색엔진과 상품 데이터 생태계가 AI의 추천 환경에서도 여전히 중요할 수 있습니다.
그렇다고 Google Shopping에서 높은 순위를 얻으면 ChatGPT에서도 반드시 추천된다고 해석해서는 안 됩니다.
두 플랫폼에서 같은 상품이 자주 나타난다는 사실만으로 ChatGPT가 특정 Google Shopping 결과를 직접 사용했다고 단정할 수는 없습니다.
또한 연구가 진행된 시점과 현재의 상품 추천 시스템이 반드시 동일한 것도 아닙니다.
그럼에도 기업 입장에서 이 결과가 갖는 실무적 의미는 분명합니다.
검색엔진을 위한 상품 정보 정비와 AI 쇼핑을 위한 최적화는 완전히 별개의 작업이 아닙니다.
제품명, 가격, 재고, 상품 속성, 리뷰, 배송 및 반품 정보처럼 검색엔진과 AI가 제품을 식별하고 비교하는 데 활용할 수 있는 정보가 중요합니다.
좋은 GEO 전략은 SEO를 버리는 것에서 시작되지 않습니다.
이미 구축된 검색·상품 데이터 기반 위에서 AI가 고객의 조건에 맞는 선택지를 구성하는 방식을 이해하는 데서 시작됩니다.
출처: Semrush, How to Optimize for ChatGPT Shopping (2026.11.04)
2. 검색 순위는 페이지의 위치를 말하지만, AI 추천은 조건과의 관계를 말한다
여기서 두 가지 경쟁을 구분할 필요가 있습니다.
첫 번째는 검색 결과에서의 위치 경쟁입니다.
기업은 특정 검색어에 대해 자사 웹페이지나 상품이 얼마나 높은 위치에 나타나는지 확인합니다.
두 번째는 고객의 조건에 대한 적합성 경쟁입니다.
AI가 사용자의 요구를 해석하고 여러 후보 가운데 어떤 브랜드를 제안하는지 살펴보는 것입니다.
예를 들어 동일한 무선청소기라도 사용자의 질문에 따라 선택 기준은 달라집니다.
"흡입력이 강한 무선청소기 추천"
"손목에 부담이 적은 가벼운 무선청소기 추천"
"고양이 모래를 청소하기 좋은 무선청소기 추천"
"먼지통 관리가 간편한 무선청소기 추천"
모두 같은 제품군에 관한 질문이지만 최적의 선택지는 달라질 수 있습니다.
흡입력이 뛰어난 제품이 반드시 가장 가벼운 것은 아닙니다.
반려동물 털 관리에 적합한 제품이 모든 소비자에게 가장 경제적인 선택도 아닙니다.
AI가 여러 조건을 종합해 답변을 만든다면 브랜드의 경쟁력은 하나의 순위로 설명하기 어려워집니다.
어떤 브랜드는 가격을 중시하는 질문에서 자주 추천되고, 다른 브랜드는 성능이나 관리 편의성을 중시하는 질문에서 유리할 수 있습니다.
이것이 AI 추천의 중요한 특징입니다.
브랜드의 우위가 고정된 한 자리에서 결정되는 것이 아니라 고객이 제시한 조건에 따라 달라질 수 있다는 것입니다.
따라서 AI 검색에서 브랜드 경쟁력을 평가하려면 "우리 브랜드는 몇 위인가?"라는 질문만으로는 부족합니다.
"어떤 조건에서 우리 브랜드가 우선적으로 추천되는가?"를 함께 물어야 합니다.
3. OpenAI가 공식적으로 밝힌 쇼핑 추천의 작동 방식
OpenAI의 공식 쇼핑 안내 문서는 AI 추천의 중요한 특성을 설명합니다.
ChatGPT는 사용자의 질문에 쇼핑 의도가 포함돼 있다고 판단하면 상품 이미지, 설명, 가격, 판매처 등의 정보를 제시할 수 있습니다.
이때 상품 추천에는 판매자와 외부 제공업체가 제공하는 구조화된 데이터, 외부 콘텐츠, 사용자의 질문과 대화 맥락 등이 활용됩니다.
더 중요한 것은 조건에 따라 정보의 중요도가 달라진다는 점입니다.
OpenAI는 사용자가 30달러라는 예산을 제시하면 가격을 더 중시할 수 있지만, 가격 조건이 없다면 다른 특성을 더 중요하게 고려할 수 있다고 설명합니다.
또한 사용자는 후속 질문을 통해 제품을 비교하고, 조건을 수정하고, 대안을 요청할 수 있습니다.
이는 제품 검색을 한 번의 검색어 입력으로 끝나는 활동이 아니라 지속적으로 조건을 조정하는 의사결정 과정으로 바꾸고 있습니다.
예를 들어 처음에는 "가성비 좋은 무선청소기"를 찾던 사용자가 다음과 같이 질문을 발전시킬 수 있습니다.
"반려동물 털 청소에 더 적합한 것은?"
"먼지통을 직접 비우지 않아도 되는 제품은?"
"예산을 조금 높이면 어떤 선택지가 좋아질까?"
첫 질문에서 추천된 제품이 마지막 질문에서는 제외될 수 있습니다.
반대로 처음에는 등장하지 않았던 고가의 제품이 조건이 바뀌면서 유력한 후보가 될 수도 있습니다.
따라서 GEO에서 처음 등장한 브랜드를 확인하는 것만큼 중요한 것은 후속 질문에서 어떤 브랜드가 남고 어떤 브랜드가 제외되는지 살펴보는 것입니다.
출처: OpenAI, ChatGPT 웹 검색으로 쇼핑하기
4. AI 추천 경쟁에는 적어도 세 번의 선택이 있다
이러한 변화를 조금 더 체계적으로 이해해 보겠습니다.
AI가 소비자의 구매 결정을 지원하는 과정에는 서로 다른 세 가지 선택이 존재합니다.
첫째, 발견(Discovery)입니다.
사용자가 특정 브랜드를 언급하지 않았을 때 AI가 어떤 브랜드를 후보로 제시하는가의 문제입니다.
둘째, 비교와 선별(Evaluation)입니다.
가격, 기능, 사용 환경 등의 조건이 구체화될 때 AI가 어떤 브랜드를 계속 추천하고 어떤 브랜드를 제외하는가의 문제입니다.
셋째, 구매 연결(Transaction)입니다.
사용자가 제품을 선택한 다음 실제로 어떤 판매자와 구매 경로로 연결되는가의 문제입니다.
이 세 단계는 하나의 경쟁이 아닙니다.
예를 들어 전자제품 제조사의 상품이 AI의 추천 목록에 등장하는 데 성공했다고 해보겠습니다.
그렇다고 특정 온라인 판매점에서의 구매까지 보장되는 것은 아닙니다.
동일한 제품을 여러 판매점이 취급한다면, 제품을 선택하는 과정과 판매자를 선택하는 과정은 서로 다른 경쟁이 됩니다.
OpenAI는 판매자 선정 과정에서 재고, 가격, 품질, 제조사 또는 주 판매자인지 여부 등을 고려한다고 설명합니다.
AI가 브랜드를 추천하는 것과 실제 판매자를 연결하는 것은 구별할 필요가 있다는 뜻입니다.
브랜드 제조사뿐 아니라 유통사와 온라인 판매자에게도 중요한 변화입니다.
제품 자체의 경쟁력과 함께 상품 정보의 정확성, 재고, 가격, 구매 가능성 등이 AI 기반 쇼핑 경험에서 중요해질 수 있기 때문입니다.
5. 11월 4일, Google은 추천과 구매 사이의 거리를 더 좁혔다
2026년 11월 4일 Google은 캐나다의 AI Mode와 Gemini 앱에서 UCP(Universal Commerce Protocol) 기반 직접결제를 확대한다고 발표했습니다.
초기 지원 대상에는 lululemon, 일부 Shopify 판매자, Shoppers Drug Mart, Simons 등이 포함됐습니다.
지원되는 판매자의 제품을 탐색하던 사용자는 AI 인터페이스를 벗어나지 않고 Google Pay를 활용해 구매를 완료할 수 있습니다.
Google은 2027년 Merchant Center를 통한 간소화된 UCP 연동도 확대할 계획이라고 밝혔습니다.
UCP는 AI 에이전트, 판매자, 결제 시스템이 상품 탐색부터 구매에 이르는 과정을 연동할 수 있도록 설계된 개방형 프로토콜입니다.
물론 현재 모든 기업과 국가에서 동일하게 이용할 수 있는 기능은 아닙니다.
Google의 공식 안내에 따르면 직접결제는 일부 참여 판매자와 지원 지역에 한정됩니다.
하지만 이 변화가 시사하는 방향은 분명합니다.
AI는 단순히 제품을 찾아주는 도구에서 구매 과정의 일부를 직접 수행하는 인터페이스로 확장되고 있습니다.
출처: Search Engine Journal, Google Brings UCP Direct Checkout to AI Mode in Canada (2026.11.04)
공식 기술 문서: Google, Universal Commerce Protocol
같은 시기 Google AI Mode에는 미국의 홈서비스 예약과 견적 요청을 연결하는 기능도 추가됐습니다.
사용자가 수리 기사나 청소 서비스를 찾으면 AI Mode에서 적합한 업체를 탐색하고, 참여 플랫폼을 통해 예약 또는 견적 페이지로 이동할 수 있습니다.
Angi, Thumbtack, Jobber, Housecall Pro 등의 서비스가 연결 경로로 제시됐습니다.
이 변화는 커머스에만 국한되지 않습니다.
AI 기반 추천이 제품 구매뿐 아니라 예약, 견적, 서비스 이용으로 확장되고 있다는 것입니다.
출처: Search Engine Journal, Google Adds Home Service Booking & Quote Links to AI Mode (2026.11)
6. 이것은 단순한 '제로 클릭 검색' 문제가 아니다
AI 검색에 관한 논의에서는 종종 제로 클릭(Zero-click)이라는 개념이 등장합니다.
사용자가 검색 결과에서 웹사이트를 방문하지 않고 필요한 정보를 얻는 현상입니다.
이는 콘텐츠 발행자와 기업의 트래픽에 영향을 줄 수 있기 때문에 중요한 문제입니다.
하지만 AI 쇼핑과 예약 기능의 확대를 단순히 웹사이트 클릭 감소라는 관점에서만 해석하면 더 큰 변화를 놓칠 수 있습니다.
핵심은 클릭이 줄어드는가보다 고객의 판단이 어디에서 이루어지는가에 있습니다.
기존의 검색 환경에서는 사용자가 여러 사이트를 방문해 정보를 비교하는 일이 일반적이었습니다.
AI 검색에서는 비교와 판단의 상당 부분이 AI와의 대화 안에서 진행될 수 있습니다.
그 결과 기업이 자신의 장점을 설명할 기회를 얻기 전에 AI가 이미 여러 후보를 평가했을 가능성이 있습니다.
물론 모든 고객이 AI의 추천을 그대로 따르는 것은 아닙니다.
고가 제품, 전문 서비스, 의료·금융 등 신중한 검토가 필요한 분야에서는 별도의 확인과 상담이 여전히 중요합니다.
또한 AI 답변이 실제 구매에 얼마나 영향을 미치는지는 산업별로 별도 검증이 필요합니다.
그럼에도 AI가 고객의 초기 후보군 구성과 비교 과정에 관여한다면, 기업이 경쟁해야 하는 접점은 달라집니다.
웹사이트에 도착한 고객을 설득하는 일뿐 아니라, 고객이 웹사이트에 도착하기 전에 AI가 우리 브랜드를 선택지로 포함시키도록 만드는 일이 중요해집니다.
7. 그래서 제안하는 새로운 지표: 조건부 추천 가시성
여기서 GEO 성과 측정을 위한 하나의 프레임워크를 제안하고자 합니다.
'조건부 추천 가시성(Conditional Recommendation Visibility)'입니다.
이 용어는 아직 업계에서 표준화된 지표가 아닙니다.
하지만 AI 추천의 특성을 이해하고 GEO 측정 체계를 설계하는 데 유용한 개념이 될 수 있습니다.
일반적인 브랜드 노출률이 "AI 답변에 우리 브랜드가 얼마나 등장하는가?"를 묻는다면 조건부 추천 가시성은 이렇게 묻습니다.
"특정 고객 조건이 주어졌을 때 AI는 우리 브랜드를 얼마나 자주 적합한 선택지로 추천하는가?"
예를 들어 협업 SaaS 기업이 다음과 같은 질문군을 설정한다고 가정해 보겠습니다.
| 고객 조건 | 질문 예시 | 측정 목적 |
|---|---|---|
| 가격 | 무료 또는 저렴한 협업 도구 추천 | 가격 경쟁력 |
| 사용 편의성 | 비개발자도 쉽게 쓰는 협업 도구 | 접근성 |
| 기업 규모 | 직원 100명 이상 조직에 적합한 협업 도구 | 확장성 |
| 통합 기능 | CRM과 연결되는 프로젝트 관리 도구 | 기능 적합성 |
| 보안 | 기업 보안 요구사항을 충족하는 협업 도구 | 신뢰·관리 |
| 경쟁 제품 | A사보다 설정이 쉬운 대안 | 대체 가능성 |
각 질문군에서 동일한 측정 조건으로 AI 응답을 여러 차례 수집한다고 해보겠습니다.
가상의 결과는 다음과 같을 수 있습니다.
| 질문군 | 우리 브랜드 추천률 | 경쟁사 A 추천률 |
|---|---|---|
| 가격 | 15% | 60% |
| 사용 편의성 | 70% | 45% |
| 기업 규모 | 20% | 75% |
| 통합 기능 | 65% | 50% |
| 보안 | 10% | 80% |
| 경쟁 제품 | 40% | 55% |
이 숫자는 실제 조사 결과가 아닌 설명을 위한 가상 사례입니다.
여기에서 중요한 것은 두 브랜드의 전체 평균 추천률 차이가 아닙니다.
우리 브랜드는 사용 편의성과 통합 기능에서는 강하지만, 보안과 대규모 조직에 관한 질문에서는 상당히 약하다는 사실입니다.
이러한 결과는 마케팅 전략으로 연결할 수 있습니다.
보안 기능 자체가 부족한 것인지, 기능은 있지만 관련 콘텐츠와 외부 근거가 부족한 것인지 구분해 확인해야 합니다.
기업 규모에 관한 질문에서 추천률이 낮다면 실제 고객 사례, 도입 규모, 기술적 제약, 경쟁사와의 기능 차이를 검토할 수 있습니다.
이때 반드시 실제 제품의 역량이 뒷받침되어야 합니다. 존재하지 않는 기능을 콘텐츠로 포장하는 것은 GEO 개선이 아닙니다.
이처럼 조건부 추천 가시성은 브랜드의 강점과 약점을 고객의 구체적인 구매 조건에 연결하는 데 목적이 있습니다.
다만 이를 실제 사업 성과를 설명하는 지표로 활용하려면 몇 가지 전제가 필요합니다.
측정 질문이 실제 고객의 정보 수요를 대표해야 하고, 반복 실행 횟수가 충분해야 하며, AI 모델과 측정 시점에 따른 변동성을 기록해야 합니다.
또한 각 질문군의 비즈니스 중요도가 다르므로 모든 질문을 똑같은 가중치로 합산하는 것도 주의해야 합니다.
8. GEO는 브랜드 언급률에서 추천 경쟁력의 진단으로 발전해야 한다
그렇다면 기업은 지금 무엇을 측정해야 할까요?
우선 브랜드를 직접 언급한 질문과 브랜드를 언급하지 않은 질문을 구분해야 합니다.
이미 우리 브랜드를 알고 있는 사용자의 평가 질문과 아직 브랜드를 결정하지 않은 사용자의 발견 질문은 성격이 다릅니다.
다음으로 AI가 우리 브랜드를 단순히 언급하는지, 출처로 인용하는지, 실제 선택지로 추천하는지 구분해야 합니다.
AI가 "A사는 가격이 저렴하지만 대규모 조직에는 적합하지 않습니다"라고 답했다면 단순히 A사가 등장했다는 사실만으로 긍정적인 추천이라고 볼 수 없습니다.
또한 경쟁사를 함께 측정해야 합니다.
우리 브랜드가 어느 질문에서 등장하는지만큼, 어느 질문에서 특정 경쟁사가 반복적으로 선택되는지도 중요하기 때문입니다.
마지막으로 AI 플랫폼을 구분해야 합니다.
ChatGPT, Gemini, Claude, Perplexity, 네이버 AI 검색은 각각 정보 검색과 답변 구성 방식이 다를 수 있습니다.
한 플랫폼에서 나타난 결과가 다른 플랫폼에서 동일하게 재현된다고 가정해서는 안 됩니다.
이러한 측정이 쌓이면 기업은 한 가지 더 실질적인 질문에 답할 수 있습니다.
"우리가 다음에 개선해야 할 것은 무엇인가?"
단순히 노출률을 높이는 것이 목표라면 모든 질문에서 브랜드가 더 자주 등장하도록 만들고 싶을 것입니다.
하지만 어떤 질문은 우리 브랜드의 실제 고객과 관련이 적을 수 있습니다.
어떤 질문은 이미 충분한 성과를 보이고 있을 수도 있습니다.
반면 구매 의도가 높고 우리 제품이 실제로 경쟁력 있는 질문에서는 경쟁사가 지속적으로 추천되고 있을 수 있습니다.
좋은 GEO 전략이라면 바로 이런 차이를 발견하고 개선 우선순위를 정할 수 있어야 합니다.
9. Docenty GEO: AI가 우리 브랜드를 추천하는 순간을 관찰하다
Docenty GEO는 기업이 주요 AI 검색 플랫폼에서 브랜드의 언급·인용·추천 현황을 모니터링하고 경쟁사와 비교할 수 있도록 지원하는 플랫폼입니다.
ChatGPT, Claude, Gemini, Perplexity 등 다양한 AI 환경에서 질문별 브랜드 가시성을 관찰하고, 경쟁사와의 차이를 확인할 수 있습니다.
이러한 질문 단위 측정은 조건부 추천 가시성을 분석하는 출발점이 됩니다.
예를 들어 기업이 가격, 기능, 사용 환경, 경쟁 제품 등의 질문을 체계적으로 구성하면 각 조건에서 AI가 어떤 브랜드를 언급하고 추천하는지 비교할 수 있습니다.
중요한 것은 어떤 브랜드가 전체적으로 더 높은 점수를 받았는지가 아닙니다.
우리 브랜드에 가장 중요한 고객의 질문에서 어떤 경쟁이 벌어지는지를 이해하는 것입니다.
Docenty GEO는 이처럼 AI 검색에서 브랜드가 발견되고 평가되는 과정을 데이터로 관찰할 수 있도록 돕습니다.
다만 AI 추천 노출과 실제 매출 사이에는 여전히 차이가 있습니다.
추천 이후 사용자가 어떤 판매자를 선택했는지, 실제 구매로 이어졌는지, 최종 구매 결정에서 AI가 어느 정도 영향을 미쳤는지는 별도의 전환 데이터와 분석이 필요합니다.
GEO 측정은 이러한 고객 여정의 앞단을 이해하는 데 유용하지만 모든 비즈니스 성과를 단독으로 설명하지는 않습니다.
10. 앞으로 브랜드의 경쟁자는 검색 결과의 다음 페이지에만 있지 않다
우리는 오랫동안 검색 결과의 순위를 통해 디지털 경쟁을 이해했습니다.
한 기업이 1위라면 다른 기업은 2위였습니다.
하지만 AI가 고객의 요구에 맞춰 답변을 구성하는 환경에서는 경쟁의 형태가 복잡해집니다.
A사는 가격을 중요하게 생각하는 고객에게 추천될 수 있습니다.
B사는 전문적인 기능을 원하는 고객에게 적합할 수 있습니다.
C사는 처음에는 등장하지 않다가 사용자가 보안이나 유지보수 조건을 추가하는 순간 유력한 선택지가 될 수 있습니다.
이러한 환경에서 모든 질문의 1위를 차지하는 브랜드는 현실적인 목표가 아닐 수 있습니다.
오히려 기업이 집중해야 할 것은 자신의 제품이 실제로 강점을 가진 고객 조건에서 지속적으로 선택되는 것입니다.
이를 위해서는 브랜드가 어떤 질문에서 발견되는지, 어떤 기준으로 비교되는지, 어떤 경쟁사와 함께 추천되는지 알아야 합니다.
그리고 그 결과를 제품 정보, 콘텐츠, 외부 평판, 판매 채널의 개선으로 연결해야 합니다.
AI가 고객의 선택을 대신하거나 보조하는 역할을 확대할수록, 브랜드의 경쟁력은 단순히 얼마나 많이 보이는가로 설명하기 어려워집니다.
더 중요한 질문이 등장합니다.
우리 브랜드가 가장 잘 해결할 수 있는 문제를 고객이 AI에게 물었을 때, AI는 우리를 선택지에 포함시키는가?
검색 결과 1위보다 AI의 추천 1순위가 무서울 수 있는 이유는 바로 여기에 있습니다.
하지만 진정한 경쟁 우위는 모든 질문에서 첫 번째로 등장하는 것이 아닙니다.
우리 브랜드가 가장 잘할 수 있는 일에 관해 질문받았을 때, 그에 합당한 근거와 함께 추천되는 것입니다.
AI는 어떤 고객에게 우리 브랜드를 추천하고 있을까요?
우리 브랜드가 자주 등장하는 질문과 경쟁사에게 밀리는 질문을 구분하는 것부터 시작해 보세요.
본 글은 2026년 11월 11일 기준 공개된 OpenAI·Google의 공식 자료와 Semrush의 연구 및 관련 보도를 바탕으로 작성했습니다. 연구 결과는 조사 당시의 제품 및 검색 환경에 따른 것이며, 개별 브랜드의 AI 추천이나 구매 전환을 보장하지 않습니다.