제로 클릭 시대: 에이전틱 커머스의 부상과 쇼핑 에이전트를 공략하는 GEO 전략

제로 클릭(Zero-Click) 시대, 검색의 새로운 시작

오늘날 우리가 인터넷에서 정보를 찾는 방식은 눈에 띄게 변화하고 있습니다.

과거에는 검색창에 궁금한 것을 입력한 후, 수많은 링크를 일일이 클릭하며 필요한 정보를 찾아 헤매곤 했습니다. 하지만 최근에는 이러한 과정이 점차 줄어들고 있습니다. 인공지능(AI)의 발전 덕분에 사용자가 원하는 정보를 여러 출처에서 종합적으로 분석하고, 핵심 내용만을 깔끔하게 정리된 답변으로 즉시 제공받을 수 있게 되었기 때문입니다. 이제 사람들은 더 이상 여러 번 클릭할 필요 없이 원하는 정보를 쉽고 빠르게 얻을 수 있게 된 것이죠.

실제로 최근 통계에 따르면, 구글 AI Overviews의 영향으로 검색의 60% 이상이 클릭 없이 완료된다고 합니다.

우리는 이처럼 '제로 클릭(Zero-Click)' 시대로 성큼 들어서고 있습니다.

사용자 행동의 변화: 검색에서 대화로

이러한 검색의 변화는 특히 쇼핑에서 뚜렷하게 나타나고 있습니다.

온라인 쇼핑은 다양한 플랫폼을 통해 수많은 상품을 손쉽게 탐색하고 구매할 수 있는 편리함을 제공합니다. 하지만 때로는 너무 많은 선택지가 오히려 독이 되기도 하죠. 소비자들은 자신에게 꼭 맞는 제품을 찾기 위해 방대한 정보와 리뷰의 홍수 속에서 적지 않은 피로감을 느끼게 됩니다.

한 통계에 따르면 실제로 대다수의 소비자(85%)가 이러한 피로감 때문에 장바구니에 담아둔 상품 구매를 포기하기도 합니다. 이러한 상황 속에서 AI의 등장은 소비자들의 쇼핑 경험을 혁신하고 있으며, 특히 사용자의 검색 질의 형태에도 큰 변화를 가져오고 있습니다.

1. 더 길고 구체적인 검색 질문

단순한 키워드 검색을 넘어, 이제 사용자들은 AI에게 더 많은 검색 및 의사결정 과정을 위임하기 시작했습니다. 단순히 "러닝화 추천"을 검색하는 대신, "무릎이 안 좋은데 가볍게 신을 만한 10만 원대 러닝화 추천해줘 " 처럼 구체적인 조건과 맥락을 포함한 롱테일(Long-tail) 쿼리가 대세로 자리 잡고 있습니다.

2. 대화처럼 이어지는 후속 질문

이제 검색은 한 번으로 끝나지 않습니다. "그중에서 제일 싼 건?", "이거랑 비슷한데 다른 색상은?" 처럼 이전 질문의 맥락을 유지하면서 이어지는 후속 질문(Contextual Follow-ups) 패턴이 일반화되고 있습니다. 검색 자체가 대화형으로 변화하고 있으며, 이러한 대화형 검색은 쇼핑에 대한 접근 방식을 근본적으로 바꾸고 있습니다.

에이전틱 커머스(Agentic Commerce)의 부상

사용자 행동의 변화와 AI 기술의 발전은 '에이전틱 커머스(Agentic Commerce)'라는 새로운 흐름을 만들어냈습니다. Adobe Business에 따르면, 2025년 10월 생성형 AI 소스에서 리테일 웹사이트로 유입된 트래픽은 전년 대비 1,200%나 급증했습니다. 더 주목할 점은 AI를 통해 유입된 방문자들의 구매 전환율이 일반 트래픽 대비 16% 더 높았다는 것입니다. 이는 AI가 단순한 트래픽 증대를 넘어, 실제 구매로 이어지는 양질의 방문을 이끌어내고 있음을 명확히 보여줍니다.

AI 에이전트가 쇼핑의 전 과정을 대신 수행하는 시대, 에이전틱 커머스는 이제 현실로 다가오고 있습니다.

쇼핑 에이전트의 등장

에이전틱 커머스의 핵심 주역은 바로 '쇼핑 에이전트'입니다.

쇼핑 에이전트란 AI가 사용자를 대신하여 상품을 조사하고, 비교하며, 심지어 구매까지 수행하는 시스템입니다. 제품 탐색부터 가격 비교, 최종 구매 결정까지 모두 AI 에이전트의 역할이 되는 셈이죠. 이는 누구나 쉽게 이용할 수 있는 온라인 개인 쇼핑 도우미가 등장한 것과 다름없습니다. 특히 최근 주요 글로벌 기업들은 이미 이러한 흐름에 발맞춰 빠르게 움직이고 있습니다.

• OpenAI는 ChatGPT에 쇼핑 리서치 기능을 도입하고, Stripe와의 협력을 통해 대화창 안에서 바로 구매를 완료할 수 있는 'Instant Checkout' 기능을 선보였습니다.
• Perplexity는 자체 AI 브라우저 Comet을 출시하며 웹 탐색부터 구매까지 AI가 대신 수행하는 쇼핑 에이전트 기능을 강화하고 있습니다. 최근 Amazon이 Comet의 대리 구매 기능이 서비스 약관을 위반한다며 소송을 제기하면서, 에이전틱 커머스의 법적 다툼이 이슈화되기도 했습니다.
• Google은 AI 에이전트 간 상호 운용을 위한 개방형 프로토콜 'Agent2Agent(A2A)'를 발표하며 에이전틱 커머스 인프라 구축에 앞장서고 있습니다. 이를 통해 서로 다른 AI 에이전트들이 원활하게 협력하여 최적의 경험을 제공할 수 있게 됩니다.

탐색 주체의 변화: 사람에서 AI로

이러한 변화는 단순히 쇼핑 방식의 변화를 넘어, 더 근본적인 질문을 던지게 합니다.

이제 웹을 탐색하는 주체가 사람뿐만 아니라 AI도 포함된다면, 웹사이트는 누구를 위해 최적화되어야 할까요?

기존에는 사람이 직접 검색하고, 링크를 클릭하며, 페이지를 읽었습니다. 그래서 웹사이트들은 사람의 눈에 잘 띄고, 사람이 읽기 편한 방식으로 콘텐츠를 구성하는 데 주력했죠. 하지만 AI 에이전트가 사용자를 대신하여 정보를 수집하고 판단하는 시대에는 상황이 달라집니다. 이제 콘텐츠는 사람뿐만 아니라 AI도 이해하고, 신뢰하며, 인용할 수 있는 형태로 만들어져야 합니다.

생성형 엔진이란?

앞서 살펴본 AI 기반 검색과 쇼핑 에이전트, 이들을 통칭해 생성형 엔진(Generative Engine)이라고 부릅니다.

생성형 엔진은 ChatGPT, Perplexity, Google AI Overviews와 같은 서비스들처럼, 여러 출처의 정보를 종합적으로 분석하고 가공하여 하나의 완성된 답변을 직접 생성합니다. 기존 검색엔진이 단순히 정보를 나열하는 것을 넘어, 질문의 맥락을 깊이 이해하고 필요한 내용을 재구성하여 사용자에게 바로 활용 가능한 형태로 제공하는 것이죠.

이러한 패러다임 변화 속에서 어떤 콘텐츠가 생성형 엔진에 의해 인용되고 추천되는지가 중요해졌습니다. 이제 기존의 검색엔진최적화(SEO)만으로는 이러한 변화에 효과적으로 대응하기 어려워졌고, 이 때문에 생성형 엔진 최적화, GEO(Generative Engine Optimization)라는 새로운 개념이 등장하게 되었습니다.

GEO란 무엇인가?

• GEO(Generative Engine Optimization)는 생성형 AI 엔진이 사용자의 질문에 답변을 생성할 때, 내 콘텐츠를 인용하거나 신뢰할 수 있는 출처로 선택하도록 최적화하는 전략입니다.

기존의 검색 환경에서는 "검색 결과 1페이지 상단"에 노출되는 것이 목표였습니다. 하지만 생성형 엔진 환경에서는 AI가 수많은 정보 중 내 콘텐츠를 "읽고, 이해하고, 답변의 근거로 채택"하게 만드는 것이 핵심입니다. 즉, AI에게 "이 정보는 믿을 수 있고 유용하다"고 설득하는 과정이라고 볼 수 있습니다.

SEO와 GEO의 차이

SEO와 GEO는 목표와 접근 방식에서 뚜렷한 차이를 보입니다.

두 개념은 대립하는 관계가 아닙니다. 오히려 상호 보완적인 관계에 있습니다. SEO를 통해 검색 엔진이 내 콘텐츠를 발견하게 하고, GEO를 통해 생성형 엔진이 그 콘텐츠를 실제로 인용하도록 만드는 것이죠. 두 가지를 함께 고려할 때 제로 클릭 시대에서도 콘텐츠의 가시성과 영향력을 유지할 수 있습니다.

생성형 엔진은 어떤 콘텐츠를 선호하는가?

그렇다면 구체적으로 어떻게 콘텐츠를 최적화해야 할까요? 이 질문에 대한 실증적인 답을 찾기 위해, 최근 공개된 연구

"What Generative Search Engines Like and How to Optimize Web Content Cooperatively" 를

함께 살펴보겠습니다.

AI의 취향을 어떻게 알아냈을까?

연구진은 AutoGEO라는 프레임워크를 개발했습니다. 이 시스템은 생성형 엔진이 어떤 콘텐츠를 선호하는지 자동으로 학습하고, 그 선호도를 규칙(Preference Rule)으로 추출합니다.

1. 생성형 엔진의 검색 결과에서 "인용된 콘텐츠"와 "인용되지 않은 콘텐츠"를 수집합니다.
2. LLM을 활용해 두 콘텐츠의 차이점을 분석하고 선호도 규칙을 추출합니다.
3. 추출된 규칙을 적용해 콘텐츠를 최적화하고 해당 콘텐츠가 생성형 엔진의 답변에 얼마나 더 자주 포함되는지(가시성)를 측정했습니다.

실험 결과, 이 규칙들을 적용하자 AI 답변 내 해당 콘텐츠의 활용도(혹은 인용률)가 이전보다 평균 35.99% 향상되었습니다.

생성형 엔진이 선호하는 콘텐츠의 특징

연구를 통해 도출된 핵심 원칙들은 다음과 같습니다.

1. 질문에 대한 직접적인 답변: 핵심 답변을 바로 제시하는 콘텐츠가 선호됩니다. AI가 요약 알고리즘으로 핵심을 빠르게 파악할 수 있기 때문입니다.
2. 신뢰할 수 있는 출처: 주관적인 주장보다는 공신력 있는 기관의 연구나 공식 발표를 인용하고, 출처를 명확히 밝힌 콘텐츠가 높은 인용률을 보였습니다.
3. 구체적인 수치와 데이터: "뛰어난 성능"과 같은 추상적인 표현보다는 "전작 대비 20% 향상"처럼 정량화된 데이터가 AI 답변에서 핵심 근거로 채택됩니다.
4. 명확한 구조와 두괄식 구성: 핵심 내용을 상단에 배치하고, 표나 리스트 형태로 정보를 구조화하면 AI가 정보를 파싱하고 재구성하는 데 유리합니다.

흥미로운 발견

논문에서 특히 주목할 점은 LLM(거대 언어 모델) 간 규칙 중복률이 78~84%에 달한다는 것입니다. Gemini, GPT, Claude 등 서로 다른 AI 모델들이 콘텐츠를 평가하는 기준이 상당 부분 일치한다는 의미입니다. 즉, 특정 AI 하나만을 위해 최적화할 필요 없이, 위에 제시된 원칙들을 따르면 대부분의 생성형 엔진에서 효과를 볼 수 있습니다.

하지만 도메인 간의 차이는 존재했습니다. 연구에 따르면 도메인 간 규칙 중복률은 34~40%에 불과했습니다. 학술, 이커머스 등 분야별로 AI가 중시하는 요소가 다르다는 뜻이죠. 예를 들어, 학술 분야에서는 깊이 있는 분석이 강조되는 반면, 이커머스 분야에서는 실전 가능한 가이드라인이 더욱 중요하게 다루어집니다.

이커머스에서의 GEO 전략

쇼핑 분야에서는 AI가 사용자의 최종 구매 결정을 대행한다는 점에서 GEO가 특히 중요합니다. 연구 결과, 이커머스 도메인에서 인용률을 높이는 핵심 요소들이 확인되었습니다.

1. 구체적인 제품 정보: 제품명, 모델 번호, 기술 사양, 정량화된 데이터 등 검증 가능한 정보를 명확히 제시합니다.
2. 정확한 추천 근거: 단순 추천이 아니라 장단점 비교를 통해 해당 제품을 추천하는 맥락과 근거를 함께 설명합니다.
3. 실행 가능한 가이드: 일반적인 설명보다는 사용자가 바로 실행할 수 있는 단계별 지침이나 명확한 가이드를 제공합니다.
4. 객관적인 서술: 홍보성 표현이나 과장을 피하고, 장점과 한계를 균형 있게 제시해 사용자 스스로 판단할 수 있게 합니다.
5. 모듈화된 정보: 여러 정보를 하나의 긴 문단에 담지 않고, 각 개념을 독립적인 단락이나 목록으로 나누어 AI가 필요한 정보만 선택적으로 활용할 수 있게 구성합니다.

마무리하며

제로 클릭 시대의 도래와 에이전틱 커머스의 성장은 이제 피할 수 없는 현실이 되었습니다. 이제 우리의 콘텐츠는 단순히 사람의 눈길을 끄는 것을 넘어, AI의 이해와 신뢰를 얻어야 합니다.

오늘 우리는 함께 AI가 사용자를 대신하는 에이전틱 커머스 시대의 서막을 열었는데요, 그렇다면 머지않은 미래, AI 에이전트들이 서로 소통하며 비즈니스를 수행하는 Agent2Agent (A2A) 시대는 과연 어떤 모습으로 다가올까요?
이 끊임없는 변화의 물결 속에서 GEO 전략은 우리 콘텐츠가 AI 생태계의 중심에서 빛나도록 돕는 중요한 나침반이 될 것입니다. 이 변화를 기회로 삼아, 다가올 AI 시대의 주역이 되시기를 바랍니다.