AI는 상세페이지를 어떻게 읽는가

사람은 상세페이지의 이미지, 감성적인 카피, 레이아웃을 종합해서 구매를 결정합니다. AI 에이전트는 이런 방식으로 페이지를 읽지 않습니다. 대신 페이지 안에 코드로 심어둔 메타데이터, 그 중에서도 JSON-LD 형식의 Product 스키마 필드에서 정보를 직접 추출합니다. 즉 아무리 카피가 매력적이어도 그 내용이 구조화된 필드로 정리돼 있지 않으면 AI 입장에서는 '없는 정보'와 다르지 않습니다.

이 변화가 작지 않은 이유는, 지금까지 마케팅에서 쌓아온 노하우, 즉 사람의 감성을 움직이는 카피 작성 능력이 AI 추천 국면에서는 힘을 못 쓴다는 뜻이기 때문입니다. 실제로 AI가 실제 답변에서 인용한 페이지들을 조사해보니 65%가 이미 schema markup을 갖추고 있었습니다. 아직 갖추지 않은 판매자라면 이미 경쟁에서 한 발 늦은 셈입니다.

반드시 채워야 할 필드 목록

Product 스키마의 기본 필드는 name, description, brand, gtin13(국제 상품 코드), image, price, availability(재고 상태)입니다. 여기까지는 온라인 쇼핑몰을 운영해본 사람이라면 익숙한 항목들입니다.

문제는 2026년형 AI 에이전트가 여기에 더해 다음 필드까지 요구한다는 점입니다.

  • aggregateRating: 단순 평점이 아니라 검증 가능한 리뷰 개수까지 포함
  • shippingDetails: 배송비와 배송 기간
  • hasMerchantReturnPolicy: 반품 정책의 상세 조건
  • additionalProperty: 사이즈, 컬러, 소재 등 상세 속성

이 필드들이 왜 중요한지는 다음 강의에서 다룰 AI의 추천 판단 기준과 직결됩니다. AI는 이 데이터를 통해 소비자의 반품·환불 리스크를 미리 가늠하기 때문에, 이 필드가 비어 있으면 아예 추천 후보에서 조용히 빠질 수 있습니다.

빠진 정보는 삭제가 아니라 강등이다

여기서 오해하기 쉬운 지점이 있습니다. 정확한 정보를 놓친 상품이 AI 고려 대상에서 완전히 제외되는 게 아니라는 점입니다. 실제로는 추천 순위에서 조용히 밀려나는 방식으로 손해를 봅니다. 눈에 보이는 오류 메시지나 경고가 뜨지 않기 때문에, 판매자 입장에서는 자기 상품이 왜 안 보이는지 원인을 파악하기가 더 어렵습니다. 그래서 주기적으로 스키마 검증 도구(Google의 Rich Results Test 등)로 우리 상품 페이지의 구조화 데이터가 제대로 인식되는지 점검하는 습관이 필요합니다.