폭발적인 성장과 변화하는 트래픽 패턴
수치는 많은 것을 말해줍니다. 2024년 7월부터 2025년 2월까지 리테일 웹사이트로의 GenAI 트래픽은 무려 1200% 증가했습니다. 이러한 폭발적인 성장은 기존 채널을 능가하며 소비자들이 온라인 리테일러를 발견하고 상호 작용하는 방식의 근본적인 변화를 시사합니다. GenAI의 총 트래픽 점유율은 유기적 검색과 같은 확립된 소스에 비해 여전히 뒤쳐질 수 있지만 그 영향력은 부인할 수 없습니다.
주요 관찰 사항은 다음과 같습니다.
- 휴일 피크 초과: 2024년 휴일 쇼핑 시즌(11월 1일 ~ 12월 31일)에는 GenAI 트래픽이 전년 대비 1300% 급증하여 훨씬 더 인상적인 급증을 보였습니다.
- 기존 검색 능가: 일부 연구에 따르면 GenAI 기반 트래픽은 기존 유기적 검색 속도의 무려 165배로 성장하고 있습니다.
- 일관된 성장: ChatGPT(2022년 말 출시)와 같은 GenAI 도구가 비교적 최근에 등장했음에도 불구하고 추세는 2024년 9월 이후 매 두 달마다 트래픽이 꾸준히 두 배로 증가하고 있음을 보여줍니다. 이러한 지속적인 성장은 일시적인 유행이 아닌 근본적인 변화를 의미합니다.
- Adobe Analytics 데이터: 통찰력은 미국 리테일 웹사이트에 대한 1조 건 이상의 방문을 분석한 Adobe Analytics의 데이터를 기반으로 하여 발견에 상당한 신뢰성을 부여합니다.
이러한 빠른 가속은 소비자들이 리테일 관련 작업에 GenAI 사용에 대한 편안함과 친숙함이 증가하고 있음을 강조합니다. GenAI가 채택되는 속도는 전자 상거래에서 이전 기술에서 볼 수 있었던 일반적인 채택 곡선을 훨씬 능가합니다. 이는 소비자들이 실험 단계를 넘어 진정한 가치를 찾기 위해 GenAI를 빠르게 발견하고 일상 습관에 통합하고 있음을 시사합니다. GenAI가 곧 상당 부분의 소비자를 위한 지배적인 발견 채널이 될 수 있으므로 리테일러는 적응할 수 있는 기회의 간격이 줄어들고 있습니다.
특히 휴가 시즌 동안의 높은 성장은 선물 선택과 같은 복잡하고 연구 집약적인 쇼핑 작업을 처리하는 GenAI의 효과를 지적합니다. 소비자들은 GenAI를 활용하여 선물 아이디어를 생성하고, 독특한 제품을 발견하고, 예산을 관리합니다. 휴일 쇼핑의 복잡성과 높은 위험은 사용자들이 정보를 효과적으로 집계하고 다양한 추천을 제공하는 도구를 선호하도록 이끌 수 있습니다. 이것은 더 복잡한 구매 여정의 “고려” 및 “아이디어 구상” 단계에서 GenAI의 효과를 나타냅니다. 따라서 리테일러는 특히 피크 판매 기간 동안 이러한 더 복잡하고 연구 지향적인 쿼리를 충족할 수 있도록 제품 정보 및 콘텐츠를 최적화하는 데 집중해야 합니다.
GenAI 환경의 주요 업체
GenAI 트래픽 소스를 이해하는 것은 리테일러에게 매우 중요합니다. 현재 주요 업체는 다음과 같습니다.
- ChatGPT (60.6%): 대규모 사용자 기반과 다재다능함은 직접적인 전자 상거래 수익화가 주요 비즈니스 모델이 아님에도 불구하고 상당한 추천 트래픽으로 이어집니다.
- Perplexity (26.2%): 소스를 인용하는 것으로 알려진 이 "답변 엔진"은 인용 가능하고 권위 있는 정보 소스가 되는 것의 중요성이 커지고 있음을 강조합니다.
- Google Gemini(9.8%):
- Microsoft Copilot (3.4%):
ChatGPT가 선두를 달리고 있지만 (소스가 있는 답변으로 알려진) Perplexity와 Gemini의 존재는 분산화 추세를 나타냅니다. ChatGPT의 지배력은 광범위한 적용 가능성과 쇼핑을 포함한 다양한 쿼리를 이끌어내는 거대한 사용자 기반에서 비롯됩니다. 반면에 정확성과 인용에 중점을 둔 Perplexity는 이러한 속성을 중요하게 생각하는 사용자를 끌어들여 귀중한 트래픽을 발생시킵니다. 이는 리테일러에게 이중 전략을 지시합니다. ChatGPT와 같은 범용 AI에 대한 광범위한 가시성을 위해 최적화하는 동시에 Perplexity와 같은 전문 엔진을 위한 권위 있고 인용 가능한 콘텐츠를 만드는 것입니다. 모든 경우에 적합한 단일 접근 방식은 작동하지 않습니다. 다양한 AI 플랫폼이 정보를 제시하는 방식의 뉘앙스를 이해하는 것이 필수적입니다.
향상된 사용자 참여와 정보에 입각한 결정의 힘
GenAI의 전체 트래픽 점유율은 유료 검색과 같은 성숙한 채널에 비해 작을 수 있지만 성장률은 훨씬 빠릅니다. 직접 트래픽(32.71%) 및 유기적 검색(31.09%)과 같은 기존 채널은 여전히 총 웹사이트 트래픽의 주요 출처입니다. 이는 균형 잡힌 관점을 제공합니다. GenAI는 빠르게 성장하는 새로운 채널이지만 아직 확립된 채널을 대체하지 못했습니다. 그러나 강력한 성장 궤적은 기업이 전략적으로 리소스의 우선순위를 지정해야 함을 요구합니다.
중요하게도 GenAI 트래픽은 더 높은 사용자 참여도를 나타냅니다.
- 참여도 증가: 사용자 참여도는 비 AI 소스에 비해 8% 더 높습니다.
- 방문당 더 많은 페이지: 방문당 조회된 페이지 수가 12% 증가했습니다.
- 낮은 이탈률: 이탈률은 23% 더 낮습니다.
이는 GenAI 플랫폼을 통해 도착하는 사용자가 초기 전환율이 약간 낮더라도 명확한 의도를 가지고 있거나 이미 예비 조사를 수행했을 가능성이 더 높음을 시사합니다. GenAI 사용자는 주로 연구, 추천 검색 및 독특한 제품 발견에 참여합니다. 쇼핑에 AI를 사용한 소비자의 놀라운 92%가 개선된 경험을 보고하고 87%가 크거나 복잡한 구매에 AI를 사용할 가능성이 더 높습니다. AI 기반 챗봇은 구매 전 질문에 응답하여 장바구니 포기율을 낮출 수도 있습니다. 소비자들은 쇼핑 깔때기의 다양한 단계에서 GenAI를 적극적으로 사용하고 있으며 이는 이러한 도구에 대한 신뢰와 의존도가 기본 정보 검색을 넘어 증가하고 있음을 시사합니다. 자연어와 복잡한 의도를 이해하는 GenAI의 능력은 이러한 변화의 핵심 동인입니다.
GenAI는 소비자에게 더 큰 연구 기능을 제공하여 특히 복잡하거나 고가 품목에 대해 더 많은 정보를 바탕으로 결정을 내릴 수 있도록 해줍니다. 복잡한 구매는 본질적으로 미묘한 기능을 더 많이 연구하고 비교해야 하며 GenAI는 이 프로세스를 단순화합니다. 소비자들은 이제 정보에 더 쉽게 액세스하고 종합할 수 있습니다. 즉, 복잡한 사이트 구조를 탐색하거나 마케팅 전문 용어를 해독하는 데 덜 의존하면서 더 많은 정보를 바탕으로 리테일 웹사이트에 도착합니다. 리테일러는 제품 데이터가 포괄적이고 정확하며 AI가 쉽게 소화할 수 있도록 해야 합니다. 이 데이터는 AI 추천 및 비교의 기반이 되기 때문입니다. 피상적이거나 오해의 소지가 있는 정보는 더 쉽게 노출됩니다.
사용자 간의 놀라운 92% 만족도는 GenAI가 개인화, 연구 효율성 또는 의사 결정 자신감과 관련될 수 있는 기존 온라인 쇼핑 경험에서 충족되지 않은 요구 사항을 해결하고 있음을 나타냅니다. 기존 전자 상거래는 여전히 검색 피로, 일반적인 추천 및 정보 과부하로 어려움을 겪을 수 있습니다. GenAI는 이러한 문제를 해결하는 개인화되고 대화식이며 효율적인 방법을 제공합니다. 이러한 “향상된” 경험은 GenAI가 기존의 문제점을 효과적으로 해결하는 데서 비롯됩니다. 새로운 도구 일뿐 아니라 많은 사람들에게 쇼핑 작업을 수행하는 더 나은 방법입니다. 리테일러는 GenAI가 타겟 고객에게 제공할 수 있는 특정 “향상”을 식별하고(예: 틈새 품목에 대한 더 나은 제품 검색, 기술 제품에 대한 더 명확한 비교) 이러한 상호 작용을 최적화하는 데 집중해야 합니다.
GenAI 트래픽은 사용자 참여 메트릭 측면에서도 두드러집니다. 사용자는 사이트에서 더 많은 시간을 보내고(참여도 8% 더 높음), 방문당 더 많은 페이지를 보고(12% 증가), 이탈할 가능성이 적습니다(이탈률 23% 더 낮음). 이는 콘텐츠에 대한 더 깊은 수준의 관심과 상호 작용을 보여줍니다.
줄어드는 전환 격차
GenAI 트래픽의 초기 전환율은 낮았지만(2024년 7월에는 43% 감소) 격차는 빠르게 좁혀져 2025년 2월에는 9%에 불과했습니다. 이는 소비자들이 쇼핑에 GenAI를 사용하는 데 익숙해짐에 따라 구매를 완료할 가능성이 점점 더 높아지고 있음을 나타냅니다. 향상된 참여 메트릭과 줄어드는 전환 격차는 GenAI가 수익 창출 채널로서 유망한 미래를 가지고 있음을 시사합니다.
AI 기반 고객 여정에 적응
리테일러에 미치는 영향은 심오합니다. GenAI의 부상은 트래픽 확보, 콘텐츠 최적화, 사용자 경험 및 성과 측정을 포괄하는 총체적인 접근 방식을 요구하는 전략의 근본적인 변화를 필요로 합니다.
Generative Engine Optimization(GEO) 및 Answer Engine Optimization(AEO)의 부상
Generative Engine Optimization(GEO)은 AI 기반 검색 시스템(특히 대규모 언어 모델 또는 LLM)이 콘텐츠에 액세스하고 해석하고 자동으로 생성된 답변에 통합하는 방식에 영향을 미치고 최적화하는 방법을 포괄합니다. Answer Engine Optimization(AEO)은 검색エンジン에서 사용자 쿼리에 직접 답변하도록 콘텐츠를 최적화하는 데 중점을 두어 종종 “추천 스니펫”에서 눈에 띄는 위치를 확보합니다. GEO는 이 개념을 확장하여 AI가 다양한 플랫폼에서 생성하는 요약된 응답을 포괄합니다.
사용자들이 답변을 위해 GenAI로 점점 더 돌아서면서 기존 SEO는 더 이상 충분하지 않습니다. GEO/AEO는 이 새로운 패러다임에서 가시성을 확보하는 데 중요합니다. 콘텐츠는 AI 소비에 맞게 구성되어야 하며 질문에 직접적이고 권위 있게 답변할 수 있어야 합니다.
AI에 대한 최적화는 본질적으로 인간 사용자와 기계 모두를 위해 명확성과 완전성을 향상시키는 것과 같습니다. 잘 구성된 제품 설명, 포괄적인 FAQ 및 명확한 가치 제안은 AI 알고리즘과 인간 쇼핑객 모두에게 도움이 될 것입니다. 핵심어 스터핑 및 조작적인 전술에서 벗어나 진정한 가치와 유용성을 제공하는 데 집중해야 합니다.
AI 시대의 신뢰와透明성의 중요성
AI 시대에는 고객 신뢰를 구축하고 유지하는 것이 가장 중요합니다. AI는 고객 데이터를 활용하고 편향될 수 있으며 심각한 개인 정보 보호 문제를 야기합니다. transparency와 윤리적 고려 사항은 AI 배포의 최전선에 있어야 합니다.
리테일러는 AI 사용 방법, 고객 데이터 보호 방법 및 편향을 완화하기 위해 마련된 조치에 대해 명확하게 알려야 합니다. 고객에게 데이터에 대한 제어권을 제공하고 AI 기반 개인화에서 옵트아웃할 수 있도록 하는 것도 중요합니다. bertanggung jawab AI 관행에 대한 약속은 신뢰를 구축할 뿐만 아니라 장기적인 지속 가능성을 보장합니다.
리테일러를 위한 전략적 필수 사항
GenAI로 인한 심오한 변화에 직면하여 리테일러는 트래픽 확보 및 콘텐츠 최적화에서 사용자 경험 및 효과 측정에 이르기까지 포괄적인 방식으로 이 새로운 추세를 수용하면서 전략을 적극적으로 조정해야 합니다.
새로운 최적화 전략 수용:
- Generative Engine Optimization(GEO): AI 시스템이 자동화된 답변에 콘텐츠에 액세스하고 해석하고 통합하는 방식에 영향을 미치고 최적화합니다.
- Answer Engine Optimization(AEO): 검색 엔진에서 사용자 질문에 직접 답변하도록 콘텐츠를 최적화합니다.
- 콘텐츠 최적화: AI 소비를 위해 콘텐츠를 구조화하여 직접적이고 권위 있는 답변을 제공합니다. 잘 구성된 제품 설명, 포괄적인 FAQ 및 명확한 가치 제안에 집중하여 인간 사용자와 기계 모두를 위해 명확성과 완전성을 향상시킵니다.
소비자 경험 개선: GenAI는 개인화, 효율성 및 자신감을 통해 쇼핑 경험을 향상시킬 수 있습니다. 틈새 품목에 대한 더 나은 제품 검색 또는 기술 제품에 대한 더 명확한 비교와 같이 타겟 고객을 위한 특정 개선 사항을 식별하고 이러한 상호 작용을 최적화합니다.
전략적으로 플랫폼 관리: 리테일러는 오래된 방법만 고수하기보다는 새로운 플랫폼과 트렌드에 적응해야 합니다. 그들은 전략적으로 플랫폼을 관리해야 합니다.
윤리적 및 개인 정보 보호 문제 해결: AI 전략이 데이터 개인 정보 보호 규정 및 업계 모범 사례를 준수하는지 확인합니다. AI 사용 방법과 고객에게 미치는 영향에 대해 투명하게 알려야 합니다. AI와 전자 상거래의 개발은 리테일 부문에게 혁신적인 시대를 나타내므로 시간을 내어 자신과 직원을 교육하십시오.