이코노미조선
|
|
|
AI 에이전트가 탐색부터 결제까지 전담하는 거래를 ‘에이전트 커머스’라고 부른다. 2030년 미국에서 이 시장의 매출이 3000억~5000억달러(약 400조~666조원)로 전자상거래의 최대 4분의 1에 이를 것으로 추산된다. 미국 소비자를 대상으로 한 최근 조사에 따르면, 응답자의 30~45%가 쇼핑 과정에서 AI의 도움을 받는다고 답했다. AI에 결제까지 맡겨 봤거나 그럴 의향이 있다는 응답은 64%에 달했다. 온라인 구매자의 44%는 쇼핑을 주로 거대 언어 모델(LLM)에서 시작하거나 AI 도구와 기존 검색엔진을 병행한다고 답했다. 이런 상황에서 소비재 기업이 직면한 질문은 단순하다. 가장 중요한 고객이 사람이 아니라 알고리즘이 되는 날 브랜드는 무엇을 준비해야 하는가. 에이전트가 선택하지 않은 상품은 소비자의 눈에 띌 기회조차 얻지 못하고 사실상 시장에 존재하지 않는 상품이 된다.
마케팅 ‘깔때기’가 무너진다 AI 에이전트가 개입한 쇼핑은 소비자가 검색어를 입력하고 결과 목록에서 직접 고르던 기존 온라인 쇼핑과 성격이 다르다. 소비자는 특정 상품을 검색하는 대신 “아들 생일 준비해 줘”처럼 해결하고 싶은 과제를 통째로 맡긴다. 에이전트는 상품 탐색과 비교, 결제라는 세 단계를 한 번의 대화로 처리한다. 마케팅 업계가 오랫동안 의존해 온 ‘깔때기(funnel)’ 모델, 즉 소비자를 인지와 관심, 비교를 거쳐 구매까지 한 단계씩 끌어내리는 틀이 흔들리는 셈이다. 품목마다 변화의 속도는 조금씩 차이가 있다. 소비자가 구매 전에 얼마나 꼼꼼히 비교하는지, 상품 간 차이가 얼마나 큰지에 따라 에이전트에 판단을 위임하는 정도가 갈리기 때문이다. 예컨대, 성분과 효능을 따져야 하는 뷰티, 퍼스널 케어에서는 이미 에이전트의 영향력이 뚜렷하다. 상품 간 차이가 크지 않은 생활필수품이 그 뒤를 바짝 따른다. 취향과 습관이 좌우하는 가공식품은 상대적으로 더디겠지만, 식단 계획을 통째로 맡기는 방식이 확산하면서 이 영역에서도 에이전트 활용도가 점차 높아질 전망이다.
로레알, 얼굴 스캔 상담을 신제품 데이터로 소비자가 AI에 입력한 요청 문장을 신제품 기획의 원천 데이터로 활용하는 움직임은 뷰티 업계에서 이미 시작됐다. 대표 사례가 로레알의 AI 서비스 ‘뷰티 지니어스’다. 뷰티 지니어스는 얼굴 스캔 결과에 고객이 입력한 정보를 더해 피부 관리 루틴을 개인별로 설계하고 피부 톤과 모발 유형, 각자의 고민에 맞는 제품을 추천한다. 로레알은 이렇게 축적된 고객 요청을 차기 제품 기획의 데이터로 삼고 신제품을 어떤 언어로 소개할지 정하는 데도 활용한다. 기업이 혁신 과제를 설정하는 기준 역시 소비자의 필요에 맞춰 재조정돼야 한다. 그렇다면 브랜드 구축은 여전히 의미가 있을까. 브랜드의 중요성은 변함없지만, 에이전트가 사람과 다른 잣대로 브랜드를 평가하는 만큼 구축 방식은 달라져야 한다. AI 에이전트는 ‘누구나 아는 브랜드’라는 폭넓은 인지도보다 특정 기준에서 경쟁사 대비 얼마나 확실한 우위가 있는지를 평가한다. 예컨대 소비자 리뷰가 많이 쌓이고 속성이 구체적이며 한 가지 특성으로 각인된 브랜드가 높은 점수를 받는다. 감성적 호소 역시 여전히 유효하다. 리뷰와 온라인 담론에 스며든 브랜드 서사를 LLM이 그대로 학습하기 때문이다. 브랜드는 사람의 마음을 끌면서 동시에 기계가 판독할 수 있는 형태를 갖춰야 한다. 기업은 우선 광고에서 상품이 어떤 상황에 적합한지 신호를 뚜렷하게 내보내야 한다. 웹사이트는 기계가 읽기 쉬운 구조로 정비하고 재고 현황이나 배송 속도 같은 정보는 기업의 에이전트가 다른 에이전트에 직접 전달하도록 설계할 필요가 있다. 유통 업체 상품 상세 페이지와 리뷰 관리 비중도 전보다 높아진다.
유니레버, 온라인 알고리즘까지 관리 뷰티·생활용품 기업 유니레버는 아마존과 월마트, 알리바바는 물론 새로 등장하는 AI 쇼핑 채널에서도 즉시 연동되는 콘텐츠 체계를 운용한다. 유니레버의 각 팀은 유료 광고뿐 아니라 유통 업체의 검색·추천 알고리즘과 AI가 생성하는 답변까지 관리 대상에 넣는다. 유니레버가 이처럼 움직이는 배경에는 판매 구조 자체의 변화가 있다. 클로드나 챗GPT 같은 범용 AI 에이전트가 상품 탐색을 맡고 결제와 배송은 유통 업체가 담당하는 혼합 방식의 커머스 구조도 갈수록 확산하는 추세다. 이에 따라 유통 업체의 역할도 판매 채널에서 기술 파트너로 확대된다. 소비재 기업은 유통 업체 에이전트에 상품 정보를 학습시키는 한편 데이터와 실험, 거래 정보의 공유 범위도 정해야 한다. 소비재 기업은 챗GPT 같은 AI 서비스에서 직접 판매할지, 유통 업체를 거칠지도 선택해야 한다. 이때 AI 서비스에 지급할 수수료와 향후 인상 가능성, 배송 부담, 기존 유통 업체의 반발을 두루 따져야 한다. 소비재 기업이 직접 판매에 나서지 않더라도 LLM은 이미 유료 추천을 노출하는 광고 매체로 진화하고 있다. LLM 운영사가 축적한 소비자 요청 데이터와 타기팅 역량을 수익 사업으로 키울 가능성도 있다. 문제는 소비재 기업 상당수가 이런 변화에 대응할 조직을 아직 갖추지 못했다는 점이다. 관련 업무가 마케팅과 영업, 전자상거래, 기술 부서에 분산돼 있어 추진 속도가 더디다. 소비재 기업은 본사에 소규모 글로벌 전담 조직을 두고 생태계 변화를 추적하면서 소비자 요청 데이터를 분석하는 체계를 구축할 필요가 있다. 아울러 미국과 인도, 중국처럼 변화가 빠른 시장에는 브랜드와 마케팅, 영업, 기술 인력을 한데 모은 실행 조직을 별도로 둬야 한다. 성과 지표 역시 클릭 수 대신 에이전트의 추천 성과와 실제 구매 실적으로 재편돼야 한다. 소비재 업계 생태계가 어떤 형태로 정착하든 기업이 지금 실행해 손해 볼 일 없는 조치도 있다. 출발점은 소비자가 가장 중시하는 기준에서 브랜드의 경쟁사 대비 위치를 점검하고 모호한 표현을 구체적인 사용 상황 설명으로 교체하는 일이다. 반품과 배송, 보증 조건을 기계가 판독할 수 있는 형태로 정비하고 ‘어떤 상황에서 우리 상품을 골라야 하는지’를 규칙으로 명문화하는 작업도 뒤따라야 한다. 에이전트 커머스는 아직 형성 단계지만, 방향은 분명하다. 소규모 브랜드라도 차별점이 뚜렷하면 알고리즘의 선택을 받을 수 있게 된다. 반면, 변화를 외면하는 기업은 규모와 관계없이 소비자의 요청 문장에서 자취를 감출 수 있다. 차별화된 속성을 서둘러 부각하는 기업이 우위를 선점하고 기계가 고르는 브랜드가 될 것이다. |
[이코노미조선=강지철 베인앤드컴퍼니 대표파트너] 소비자가 장바구니를 직접 채우는 시대가 저물고 있다. “다음 주 우리 집 냉장고에 채울 먹을거리를 다시 주문해 줘” 같은 한마디로 쇼핑이 끝나는 장면이 더는 낯설지 않다. 이제 소비자는 사람 대신 과제를 수행하는 인공지능(AI) 에이전트와 몇 마디 대화만 주고받으면 된다.