대부분의 스토어 소유자들이 SEO 문제로 취급하고 있는 변화

Google AI Mode는 2026년 여름까지 순차적으로 출시될 예정입니다. 대부분의 논의는 발견(discovery)에 집중되어 있습니다. 즉, '내 제품이 AI 답변 안에 나타날 것인가?' 하는 점입니다. 이는 중요한 문제이지만, 제품 및 엔지니어링 영역에 정면으로 맞닿아 있으며, 당신이 완전히 제어할 수 있기 때문에 대응하기 더 쉬운 두 번째 효과가 존재합니다.

AI Mode는 전체 질문에 직접 답변합니다. 쇼핑객이 "150파운드 미만의 하이킹용 따뜻한 방수 재킷"이라고 입력하면, 링크 목록이 아닌 관련 답변을 받게 됩니다. 이런 경험을 몇 번 반복하면, 당신은 의도(intent)를 두 개의 명사로 압축하는 것을 멈추게 됩니다. 당신은 실제로 생각하는 방식대로 타이핑하기 시작합니다.

이러한 행동은 Google에만 머물지 않습니다. 이는 당신의 스토어 검색창에 들어오는 입력 분포(input distribution)를 변화시킵니다.

당신의 검색창이 곧 받게 될 입력

지난 20년 동안, 사이트 내 검색(on-site search)은 사용자들이 데이터베이스처럼 입력하도록 훈련시켜 왔습니다: "파란색 재킷(blue jacket)", "페이스 크림(face cream)", "러닝 슈즈(running shoes)". 사용자들은 완전한 문장을 입력하면 아무것도 나오지 않는다는 것을 배웠고, 따라서 도구에 맞춰 적응했습니다.

AI Mode는 그 훈련을 역전시킵니다. 쿼리(queries)는 다음과 같이 보이기 시작합니다:

• "지성 피부용으로 끈적이지 않는 보습제 (a moisturizer that isn't greasy for oily skin)"
• "25파운드 미만의 가벼운 데이 크림 (a lightweight day cream under £25)"
• "krem do twarzy" (전체가 영어로 된 스토어에서 입력된 폴란드어)

각각의 입력은 의도(intent), 제약 조건(constraint), 때로는 부정(negation), 때로는 다른 언어를 포함합니다. 이 중 그 어떤 것도 키워드 쿼리(keyword queries)가 아닙니다.

이러한 입력에서 키워드 검색이 깨지는 이유

기본 WooCommerce 검색과 "AI 검색"으로 마케팅되는 대부분의 플러그인은 내부적으로 키워드 시스템입니다: 토큰 매칭(token matching), 퍼지 매칭(fuzzy matching), 유의어(synonyms), 역색인(inverted index), 때로는 그 위에 얹어진 채팅 래퍼(chat wrapper) 방식입니다. 이들은 쿼리와 제품 텍스트 간의 토큰 중첩(token overlap)을 기준으로 순위를 매깁니다. 입력값이 문장이 되면 이 모델은 예측 가능한 실패 모드(failure modes)를 보입니다:

부정(Negation)은 보이지 않습니다. "끈적이지 않는 보습제 (A moisturizer that isn't greasy)"에는 "끈적이는 (greasy)"라는 토큰이 포함되어 있습니다. 토큰 중첩은 끈적이는 제품을 상단으로 올리며, 이는 의도와 정반대의 결과입니다. "~이 아닌 (isn't)"이라는 단어가 의미를 담고 있지만, 토큰 매칭은 이를 모델링하지 못합니다.

예산은 그저 더 많은 토큰일 뿐입니다. "£25 미만의 가벼운 데이 크림 (A lightweight day cream under £25)"이라는 문구에서 "under"와 "25"는 제품 텍스트와 매칭하기 위한 문자열(string)로 취급될 뿐, 가격에 대한 수치적 제약 조건(numeric constraint)으로 처리되지 않습니다. 키워드 검색(Keyword search)은 예산이 표현되었다는 개념 자체가 없습니다.

교차 언어(Cross-language)는 중첩이 전혀 없음을 의미합니다. "krem do twarzy"는 영어 설명과 공유하는 토큰이 전혀 없습니다. 요청한 제품을 정확히 재고로 보유하고 있음에도 불구하고, 토큰 매칭(Token matching)은 아무것도 반환하지 않습니다.

유의어 목록(Synonym lists)이 약간의 도움은 되지만, 이는 매칭 범위를 넓힐 뿐 이해도를 높여주지는 않습니다. 여전히 문장에서 가격을 읽어내거나 부정(negation)을 반전시킬 수는 없습니다.

이것은 챗봇이 아닙니다

개발자들에게는 이 두 가지가 혼동될 수 있으므로 명확히 짚고 넘어갈 가치가 있습니다. 채팅 위젯(Chat widget)은 대화 인터페이스(conversation surface)입니다. 쇼핑객이 입력하고, 기다리고, 답변을 읽고, 클릭하여 이동합니다. 사이트 내 검색(On-site search)은 탐색 인터페이스(discovery surface)입니다. 쇼핑객은 입력하고 즉시 제품이 나타나기를 기대합니다. AI 모드(AI Mode)의 습관은 채팅이 아니라 쿼리(querying)에 관한 것입니다. 이에 대한 해결책은 페이지 구석에 챗봇을 덧붙이는 것이 아니라, 더 나은 검색을 구축하는 것입니다.

"AI 준비가 된 (AI-ready)" 사이트 내 검색이 실제로 하는 일

"AI 검색 (AI search)"이라는 문구는 거의 모든 것을 포괄할 정도로 확장되었으므로, 동작 방식을 통해 정의하는 것이 도움이 됩니다. AI 준비가 된 검색창은 다음과 같은 기능이 필요합니다:

• 고립된 토큰(isolated tokens)만이 아니라 전체 문장을 이해해야 합니다.
• 자유 형식의 텍스트(free text)에서 제약 조건을 읽어내야 합니다: "£25 미만"과 같은 가격이나 "가벼운 (lightweight)", "민감성 피부용 (for sensitive skin)"과 같은 속성(attributes) 등이 이에 해당합니다.
• 부정(negation)을 처리해야 합니다. 그래야 "끈적이지 않는 (isn't greasy)"이라는 검색어가 제품의 순위를 높이는 대신 잘못된 제품을 제거할 수 있습니다.
• 언어 간 매칭(Match across languages)이 가능해야 합니다. 즉, 한 언어로 된 쿼리가 다른 언어로 설명된 제품을 찾아낼 수 있어야 합니다.

기계적인 측면에서, 이는 키워드 매칭(keyword matching)과는 다른 범주에서 이루어집니다. 벡터 임베딩(vector embeddings)을 사용하여 쿼리의 의미를 제품과 비교하고, 랭킹(ranking)을 매기기 전에 원문 텍스트에서 구조화된 제약 조건(예: 가격 상한선)을 추출하는 의도 파싱(intent-parsing) 단계가 추가됩니다. 이를 평가하기 위해 내부 구조를 알 필요는 없습니다. 동작 방식은 외부에서도 테스트 가능합니다.

머릿속에 담아둘 수 있는 동작 매트릭스 (A behavior matrix)

1분 테스트 (The one-minute test)

라벨을 믿을 필요는 없습니다. 해당 상점이 어떤 검색 방식을 사용하든, 다음을 실행해 보세요:

1. 사용 사례(use case)가 포함된 완전한 문장을 입력합니다: "비 오는 날 하이킹할 때 입을 따뜻한 재킷."
2. 일반 텍스트로 가격이 포함된 문장을 입력합니다: "25달러 미만의 가벼운 보습제."
3. 부정어를 입력합니다: "끈적이지 않는 보습제."
4. 두 개 이상의 언어로 판매하고 있다면, 두 번째 언어로 쿼리를 입력합니다.

만약 두 개 이상의 항목에서 유용한 결과가 돌아오지 않는다면, 그 검색은 키워드 기반(keyword-based)입니다. 이는 해당 상점에 대한 비판이 아니라, 그 도구가 속한 카테고리의 문제이며, AI Mode가 곧 구식처럼 느껴지게 만들 카테고리입니다.

검색을 선택하거나 구축하는 개발자를 위한 조언

두 가지 핵심 사항이 있습니다. 첫째, "AI 검색"이라는 라벨을 액면 그대로 믿지 마세요. 그 라벨은 두 카테고리 모두에 붙을 수 있으므로, 문장, 제약 조건, 부정어를 사용하여 테스트하십시오. 둘째, 사이트 내 검색(on-site search)은 있으면 좋은 기능(nice-to-have)이 아니라 전환(conversion)이 일어나는 접점입니다. 검색을 하는 쇼핑객은 자신이 무엇을 원하는지 정확히 말하고 있는 것이며, 그들이 입 밖으로 낼 법한 질문에 대해 "결과 없음"이 뜨는 것은 실패한 검색으로조차 기록되지 않는 낭비된 의도(intent)입니다. 이는 그저 일반적인 이탈처럼 보일 뿐입니다.

저의 배경 (Where I'm coming from)

저는 WooCommerce 및 WordPress를 위한 의미론적 검색(semantic search)을 구축하고 있으므로(Queryra), 이 격차를 매일 목격합니다. 논쟁하기보다는, 위에서 언급한 교차 언어 및 가격 사례를 포함하여 가입 없이 테스트해 볼 수 있는 공개 데모가 있습니다:

woo.queryra.com

전체 글은 이 포스트의 정식 출처(canonical source)입니다:

queryra.com/blog/google-ai-mode-woocommerce-search

현재 상점의 사이트 내 검색을 평가하고 있다면, 먼저 1분 테스트를 실행해 보세요. 그 테스트가 그 어떤 기능 목록보다 더 많은 것을 알려줄 것입니다.