구글의 위기, 우리가 생각하는 것과 다르다
인터넷에서 가장 수익성 높은 비즈니스 모델은 항상 단순했습니다. 바로 광고 수익화가 가능한 검색어에 대한 검색 광고입니다. ‘세슘 원자에 양성자가 몇 개 있나’를 검색하면 구글은 돈을 벌지 못하지만, ‘최고의 테니스 라켓’을 검색하면 엄청난 수익을 창출합니다.
이러한 비대칭성이 전체 검색 경제를 규정합니다. 일부 검색어는 단순한 호기심에서 비롯되지만, 다른 검색어는 직접적인 구매 의도를 담고 있습니다. 사람들이 종종 제품을 검색하는 구글이 2조 달러 규모의 기업인 반면, 지식이나 재미있는 사실을 찾는 위키피디아가 비영리 단체인 이유도 바로 이 때문입니다.
구글은 검색량의 95%를 잃더라도 수익을 늘릴 수 있습니다. 상업적 가치가 있는 검색어를 유지하기만 한다면 말이죠. 그렇다면 구글은 이러한 가치 있는 검색량이 챗GPT나 퍼플렉서티(Perplexity) 같은 AI 플랫폼으로 이동하는 것을 막을 수 있었을까요?
아마도 그렇습니다. 2025년 5월, 애플의 수석 부사장 에디 큐(Eddy Cue)는 법무부의 반독점 재판에서 사파리(Safari)의 검색량이 20여 년 만에 처음으로 감소했다고 증언했습니다. 이 소식에 구글의 모회사인 알파벳 주가는 하루 만에 8% 가까이 하락하며 시가총액 1,500억 달러 이상이 증발했습니다. 이는 검색어가 AI로 유출되고 있다는 암시 때문이었습니다. 하지만 구글의 수익(검색 부문을 포함)은 계속 증가하고 있습니다. 이는 에디 큐의 발언과 구글의 2분기 실적을 종합해 볼 때, 구글이 잃고 있는 검색량은 현재로서는 수익 가치가 낮은 정보성 검색어에 국한되어 있음을 시사합니다.
AI는 클릭당 비용(Cost-Per-Click) 측면에서 가치가 낮은 정보성 검색어를 먼저 잠식하고 있습니다. 언어 모델이 ‘세슘’ 질문에 답한다면 구글은 검색어를 잃지만, 단 한 푼의 수익도 잃지 않습니다. ‘인기 OO 추천’과 같은 실제 구매 의도를 가진 커머스 관련 검색 여정을 AI가 대체하기 전까지는 수익이 유지됩니다.
이러한 변화는 필연적이지만, 모든 커머스가 똑같지는 않습니다. 어떤 커머스는 AI에 의해 잠식될 것이고, 어떤 커머스는 AI의 영향에서 자유로우며, 또 어떤 커머스는 새로운 스타트업에게 기회가 될 것입니다.
‘커머스’ 정의 및 AI가 가져올 기회
구매 행태는 고려 수준에 따라 크게 다섯 가지로 나눌 수 있습니다.
- 충동 구매 (Impulse buy): 슈퍼마켓 계산대 옆 초콜릿이나 틱톡샵에서 본 재미있는 티셔츠처럼, 사전에 필요성을 인지하지 않고 조사 없이 이루어지는 구매입니다.
- 일상 필수품 (Routine essentials): 식료품, 애견 사료, 청소 용품, 기저귀와 같이, 첫 구매 시 약간의 조사를 할 수 있지만 보통은 편리하고 합리적인 제품을 선택합니다.
- 라이프스타일 구매 (Lifestyle purchases): 고급 스킨케어, 명품 가방, 인테리어 소품처럼 ‘필수’는 아니지만 ‘원하는’ 제품입니다. 구매 전 온라인 검색과 후기 확인 등 어느 정도의 조사를 거칩니다.
- 기능적 구매 (Functional purchases): 자전거, 가구, 노트북, 휴대폰처럼 대부분의 소비자에게 고가이며, 여러 매장을 방문하고 전문가와 상담하는 등 상당한 조사가 필요한 품목입니다.
- 인생 구매 (Life purchases): 주택, 결혼식, 대학 교육처럼 수개월에 걸친 심도 있는 조사를 통해 여러 선택지를 신중하게 평가하는 구매입니다.
여섯 번째 범주인 선망 구매(aspirational purchases)도 있지만, 구매 행태가 매우 특수하므로 자세히 다루지는 않겠습니다. 이는 승진 후 꿈꾸는 물건이나 수개월(또는 수년) 동안 저축해서 사는 물건을 의미합니다. 소득 수준에 따라 명품 핸드백, 스포츠카, 별장 등이 될 수 있습니다.
각 구매 여정은 다를 수 있지만, AI 에이전트가 특정 상품 코드(SKU)를 선택하거나 가격/재고를 추적하는 데 도움을 줄 가능성이 있습니다.
AI의 역할은 어떻게 진화할까?
AI는 각 구매 유형에 막대한 영향을 미치겠지만, 그 방식은 매우 다를 것입니다. 인터넷 시대에 쇼핑 행동이 어떻게 변화했는지 먼저 살펴본 후, AI 시대에는 어떤 모습일지 예측해 보겠습니다.
각 구매 유형별로 AI가 어떤 영향을 미칠 수 있는지, 그리고 초기 사례는 무엇인지 더 자세히 살펴보겠습니다.
1. 충동 구매
충동 구매의 특성상 사전에 조사하거나 전문가와 상담할 기회가 없으므로 AI 에이전트가 개입할 여지가 제한적입니다. 하지만 사용자의 주의를 끄는 알고리즘은 계속 발전하여, 광고주가 적시에 적절한 제품으로 타겟팅하는 것을 가능하게 할 것입니다.
또한, 브랜드는 개인화된 마케팅 자료를 더 쉽게 만들 수 있습니다. 예를 들어, 어머니의 날 선물에 대한 인스타그램 릴스를 보고 즉시 어머니의 이름이 새겨진 양초 광고를 보는 상황을 상상해 보세요. 이러한 이미지 맞춤화는 이제 대규모로 간단하고 저렴하게 할 수 있습니다.
2. 일상 필수품
일상용품은 이미 익숙한 브랜드와 상품 코드가 있을 가능성이 높으므로, 새로운 제품을 추가하는 경우(예: 강아지를 입양하고 사료를 선택해야 할 때)가 아니면 AI 리서치 에이전트가 큰 도움이 되지 않을 것입니다.
하지만 AI는 제품 소싱과 구매 과정에서 중요한 역할을 할 것입니다. 예를 들어, 항상 같은 세제를 구매한다면 AI 에이전트가 가격을 모니터링하다가 특정 가격 이하로 떨어지면 사용자를 대신해 구매할 수 있습니다. 특히 사용자의 과거 구매 패턴을 통해 몇 주 안에 새 세제가 필요하다는 것을 알고 있다면 더욱 유용할 것입니다. CamelCamelCamel과 같은 도구는 아마존 제품에 대한 가격 알림을 설정하고 좋은 가격에 판매될 때 알려주는 역할을 이미 하고 있습니다. 여러 소매업체를 아우르는 에이전트의 자동 구매 이 유형의 다음 모델이 될 수 있습니다.
3. 라이프스타일 구매
정기적으로 구매하지 않는 물건(특히 명품 가방처럼 고가인 경우)을 구매할 때는 최상의 선택을 위해 다양한 옵션을 평가하고 싶어 할 것입니다. 하지만 선택지를 조사하고, 종합하고, 여러 기준에 따라 순위를 매기는 것은 매우 시간이 많이 소요되는 일입니다. 이때 AI 에이전트에게 힘든 작업을 맡기고, 사용자의 과거 구매 내역, 선호도, 심지어 체형이나 눈 색깔까지 고려하여 특정 상품 코드가 완벽한 선택인 이유를 설명해 주는 추천을 받는 것을 상상해 보세요. 여성 패션 아이템을 검색할 수 있는 Plush와 같은 초기 사례들이 이미 등장하고 있으며, 앞으로 더 많은 옵션을 심층적으로 조사하는 도구들이 나올 것으로 기대됩니다.
4. 기능적 구매
이 품목들은 (1) 상당한 재정적 투자이며, (2) 수년 동안 매일 사용하게 될 제품이므로 매우 중요합니다. 따라서 사용자는 제품이 자신의 필요를 충족하고 오래 견딜 것이라는 확신을 갖고 싶어 합니다.AI 리서치 에이전트가 추천하는 제품을 구매하는 데 안심할 수도 있습니다. 하지만 좀 더 깊이 있는 대화를 위해 AI ‘컨설턴트‘와 전화나 영상 통화를 통해 자신의 필요를 더 자세히 설명하고 후속 질문에 답하는 방식을 선호할 가능성이 높습니다.일부
소매업체나 브랜드는 이미 자사 웹사이트에서 이러한 기능을 제공하지만, 이는 해당 업체가 판매하는 상품 코드로 제한됩니다. AI 컨설턴트는 다양한 브랜드의 제품 카테고리에 대한 깊은 지식을 갖추고, 시간이 지남에 따라 각 사용자와 그들의 선호도에 대한 더 많은 맥락을 학습하는 기회를 제공합니다. 예를 들어, 소파를 구매하는 것을 도왔다면, 나중에 그 소파와 어울리는 의자를 추천해 줄 수 있습니다.
5. 인생 구매
‘인생 구매’는 주택, 자동차, 결혼식, 대학 교육 등 몇 가지밖에 되지 않습니다. 이는 비용이 많이 들고 의미 있는 구매이므로, 옵션을 평가하는 데 수개월에서 수년이 걸릴 수 있습니다. 온라인에서 자체적으로 조사를 하지만, 전문가와 상담하고 직접 체험(예: 결혼식장이나 집 둘러보기, 자동차 시승, 대학 방문)할 가능성도 높습니다.사람들이 이러한 결정을 전적으로 AI에 맡기는 것을 상상하기는 어렵습니다. 하지만 AI 코치가 초기 옵션 조사부터 장단점 평가, 그리고 조건 협상이나 계약서 검토(이미 창업자들이 Claude가 첨삭한 투자 조건을 보내는 사례가 있습니다)에 이르기까지 전 과정을 안내할 가능성이 높습니다.
참고로, 이 글에서는 식음료, 여행, 의료와 같이 주로 다루지 않은 몇 가지 지출 항목이 있습니다. 식음료와 여행은 사람마다 다르기 때문에 한 범주로 묶기 어렵습니다. 어떤 사람에게는 근사한 식당에서의 식사나 주말 여행이 의미 있는 조사가 필요 없는 일상적인 구매일 수 있지만, 다른 사람에게는 큰 비용이 드는 구매(따라서 AI 리서치 에이전트가 역할을 할 기회)일 수 있습니다.
대부분의 의료비는 개인의 통제 범위를 벗어나기 때문에 분류가 더 복잡합니다. 이 부분은 다음 글에서 다루겠지만, AI를 통해 환자에게 더 나은 치료, 의사, 시술을 추천할 수 있는 기회는 무궁무진하다고 할 수 있습니다.
구글보다 아마존과 쇼피파이가 유리한 이유
AI에 의해 잠재적으로 와해될 수 있는 주요 커머스 플랫폼은 구글뿐만이 아닙니다. 아마존과 쇼피파이도 위험에 처해 있지만, 이들은 구글보다 구매 시점에 훨씬 더 가깝습니다. 이들은 구매 의도뿐만 아니라 실제 행동을 통해 수익을 창출하며, 반복 구매 행동을 통해 수익을 늘려갑니다.
아마존은 검색, 배송, 재구매 데이터를 소유하고 있으며, 무엇보다 중요한 리뷰 데이터를 가지고 있습니다. 아마존은 통합된 커머스 스택입니다. 검색이 아마존을 효과적으로 대체할 수 있지만, 아마존 자체는 수억 명의 구독자를 보유한 충성도 프로그램(아마존 프라임)을 포함한 커머스 검색 엔진 역할을 합니다.
쇼피파이는 판매자 측을 지원합니다. 상품 코드(SKU)를 호스팅하고, 결제를 용이하게 하며, D2C(Direct-to-Consumer) 브랜드를 활성화합니다. Shop Pay와 Shop App을 통해 이제 소비자 측에서도 영향력을 확대하고 있습니다.
에이전트가 구매의 새로운 인터페이스가 되면서, 두 플랫폼 모두 유리한 위치에 있습니다. 아마존은 최종 사용자에게 완벽하게 통제된 경험을 제공하고, 쇼피파이는 수백만 개의 상점에 분산된 소유권과 성장하는 소비자 접점을 통해 더 유리할 수 있습니다. 소비자의 검색이 구글에서 시작되든 챗GPT에서 시작되든, 최종적으로 도달하는 판매자가 쇼피파이에서 호스팅된다면 상관없기 때문입니다.
물론 구글은 상당한 유통망과 기술력(구글페이(Google Pay)를 통한 ‘결제 정보’ 역량은 말할 것도 없습니다)을 활용하여 AI 중심의 방식으로 더 많은 커머스 검색을 의도적으로 유도하거나, ‘CamelCamelCamel x AI’와 같은 새로운 구매 앱을 만들어 공세를 펼칠 수도 있습니다.
AI 커머스 에이전트의 발전을 위해 무엇이 필요한가?
AI 에이전트가 커머스에서 잠재력을 최대한 발휘하려면, 작동하는 기)에 중대한 변화가 필요합니다. 특히 다음 사항들이 필수적입니다.
- 더 나은 데이터: AI의 잠재력은 연산 능력보다는 무엇보다도 콘텐츠에 의해 제한됩니다. 대부분의 제품 리뷰는 불분명하거나, 조작되었거나, 지나치게 극단적입니다. 에이전트는 구조화되고 신뢰할 수 있으며 실시간 피드백에 접근할 수 있어야 합니다. ‘최고의’ 믹서기를 찾는다고 가정해 봅시다. 완벽한 세상에서는 AI가 모든 믹서기를 주문하고, 사용자의 부엌에서 일주일 동안 테스트한 후, 가장 마음에 드는 것을 결정하고 나머지는 반송할 것입니다. 하지만 현재 AI는 단순히 웹을 요약할 뿐, 조작된 쓰레기 같은 정보를 정직한 분석으로 바꿀 수는 없습니다.
- 통합 API: 추천에서 거래로 나아가려면, 에이전트가 소매 플랫폼 전반에서 원활하게 연결되어야 합니다. 이는 제품에 대한 정확한 데이터(예: 최신 가격, 재고)를 가져오는 것부터 시작하여, 사용자를 대신해 장바구니에 물건을 추가하고 최종적으로 결제하는 기능까지 확장됩니다.
- 사용자 특성 및 기억: 사용자의 선호도, 과거 구매 내역, 그리고 가격 할인 임계값(CamelCamelCamel처럼)을 이해하는 에이전트는 일상적인 구매를 자동화하고 라이프스타일 결정을 큐레이션할 수 있습니다. 이는 흥미로운 과제입니다. 왜냐하면 선호도는 시간이 지남에 따라 변하고 구매 유형에 따라 다르기 때문입니다. 예를 들어, 항공권에는 돈을 아끼지 않지만 일상용품은 저렴한 것을 원할 수 있습니다. 또한, 면 스웨터는 자주 반품하지만 양모 스웨터는 절대 반품하지 않을 수도 있습니다. 따라서 이러한 기억은 역동적이고 다면적이어야 합니다.
- 내포된 데이터 포착(Embedded capture): 가장 뛰어난 AI 네이티브 경험은 사용자 여정 중에 직접 데이터를 포착하여 더 나은 추천에 기여할 것입니다. AI 에이전트가 일반적으로 제품 설명 페이지나 리뷰에 없는 데이터를 바탕으로 사용자에게 무엇을 추천해야 할지 추론한다고 상상해 보세요. 이는 직접적인 방식(예: 앱을 열 때 마지막 구매에 대해 몇 가지 질문을 하는 것)일 수도 있고, 더 수동적인 방식(예: 사용자가 특정 품목이나 기능을 얼마나 오래 보는지 관찰하고, 망설이면 후속 질문을 하는 것)일 수도 있습니다.
이러한 기반이 마련되기 전까지, LLM은 똑똑한 요약기에 머물 뿐, 진정한 커머스 에이전트가 될 수 없습니다. 하지만 이러한 변화는 빠르게 진행되고 있으며, 커머스의 ‘중간 세 가지(일상 필수품, 라이프스타일, 기능적 구매)’ 영역이 AI에 의해 빠르게 잠식되기 시작할 것입니다.
원문 : AI x Commerce, Justine Moore and Alex Rampell of a16z
번역 & 편집 : Gemini, Eddie
이바닥늬우스 