내 카탈로그를 실제로 파악하고 있는 AI 영업 어시스턴트를 WooCommerce 스토어에 추가하는 방법

WooCommerce 스토어에 챗봇을 설치했습니다. 고객이 "M 사이즈 파란색 제품이 있나요? 재고가 있나요?"라고 묻습니다. 봇은 밝고 자신감 넘치지만, 완전히 쓸모없는 답변을 내놓습니다. 봇은 당신이 무엇을 판매하는지 전혀 모릅니다.

그 격차가 바로 모든 문제의 핵심입니다. 그리고 여기에는 명확한 기술적 원인이 있습니다.

왜 일반적인 AI 챗봇은 WooCommerce 스토어에서 실패하는가?

그들에게는 **카탈로그 컨텍스트 (catalog context)**가 없기 때문입니다. 범용 LLM (또는 LLM에 연결된 노코드 봇 빌더)은 영어가 어떻게 작동하는지는 압니다. 하지만 당신의 1,400개 SKU, 오늘의 재고 수준, 배송 규칙, 또는 주문 번호 #10428이 어제 발송되었다는 사실은 알지 못합니다.

모델에 근거 데이터 (grounding data)가 없으면, 모델은 답변을 회피하거나 ("제품 페이지를 확인해 주세요" — 마찰 발생, 판매 손실) 환각 (hallucination)을 일으킵니다 ("네, 재고 있습니다!" — 더 나쁜 상황, 이제 화가 난 고객을 마주하게 됩니다).

둘 다 고객이 원하는 것이 아닙니다. 고객은 영업 관련 질문을 했습니다. 이에 답변하기 위해 어시스턴트는 두 가지 사항에 대한 실시간 액세스가 필요합니다: 당신의 제품 카탈로그와 당신의 주문 데이터입니다. 이 액세스 권한을 올바르게 확보하는 것이 전체 작업의 핵심입니다.

"카탈로그를 파악한다"는 것은 실제로 무엇을 의미하는가?

난이도 순으로 나열한 세 가지 역량입니다:

• 실제 데이터에 기반한 제품 Q&A (Product Q&A grounded in real data) — 모델의 학습 데이터가 아닌, 실제 제품 설명과 속성을 바탕으로 "이 제품은 방수가 되나요?"와 같은 질문에 답변하는 능력.
• 주문 조회 (Order lookup) — 실제 주문 내역을 읽어 "제 주문은 어디 있나요?"라는 질문에 답변하는 능력. 이때 고객 A가 고객 B의 주문을 읽을 수 없도록 검증되어야 합니다.
• 사람 연결 (Human handoff) — 언제 멈추고 전체 컨텍스트와 함께 사람에게 연결할지 아는 능력. 이를 통해 고객이 같은 말을 반복하지 않게 합니다.

개발자에게 필요한 개념과 함께 하나씩 살펴보겠습니다.

제품 카탈로그에 답변의 근거를 어떻게 마련하는가? (RAG)

1,400개의 제품을 프롬프트에 붙여넣을 수는 없습니다. 컨텍스트 윈도우 (context window)를 초과하고 비용도 폭증할 것입니다. 표준적인 접근 방식은 **검색 증강 생성 (Retrieval-Augmented Generation, RAG)**입니다. 카탈로그를 한 번 인덱싱(index)한 다음, 질문이 들어오면 질문과 관련된 몇 개의 제품만 검색하여 그것들만을 모델에 전달하는 방식입니다.

인덱싱(indexing) 단계는 각 제품을 벡터("embedding")로 변환하여 벡터 데이터베이스(vector database)에 저장합니다.

// 인덱싱 단계 (제품이 동기화/변경될 때 큐(queue)에서 실행됨).
// 각 제품은 검색 가능한 벡터가 됩니다 — 한 번 실행된 후 점진적으로 수행됩니다.
foreach ($products->chunk(50) as $batch) {
...

질문이 들어오는 시점에는 _질문(question)_을 임베딩합니다(검색 품질을 위해 'document'가 아닌 'query'를 사용하는 것이 중요합니다). 그 후 가장 일치하는 항목들을 가져오며, 오직 그 항목들만이 프롬프트(prompt)에 포함됩니다.

$questionVector = $embeddingService->embed($userMessage, 'query');
$relevant = $vectorDb->search($websiteId, $questionVector, limit: 5);

...

데모와 실제 프로덕션(production)을 구분 짓는, 직관적이지 않은 두 가지 세부 사항이 있습니다:

• 재고 상태를 최신으로 유지하세요. 임베딩(embedding)은 오래될 수 있지만, 재고 상태는 실시간으로 읽어야 합니다(또는 WooCommerce의 woocommerce_product_set_stock 훅을 통해 재동기화해야 합니다). 품절된 상품을 자신 있게 판매하는 woocommerce ai chatbot은 고객의 신뢰를 빠르게 무너뜨립니다.
• 모델을 제약하세요. 시스템 프롬프트(system prompt)에 "아래 제품들만 사용하세요. 절대 없는 재고를 만들어내지 마세요"라고 명시하는 것이 환각(hallucination)을 방지하는 방법입니다. 검색(retrieval)은 모델에게 진실을 제공하고, 지침(instruction)은 모델이 그 진실에 머물게 합니다.

"내 주문 어디 있나요?"라는 질문에 어떻게 안전하게 답변할까요?

주문 상태는 스토어에서 가장 흔한 고객 지원 질문이며, 실제 woocommerce order tracking chatbot의 활용 사례입니다. 여기서 함정은 보안입니다. 주문 데이터는 개인 정보이므로, 봇이 방문자의 어떤 주문이든 읽을 수 있게 해서는 안 됩니다.

효과적인 패턴은 다음과 같습니다: 주문 번호와 함께 두 번째 요소(결제 이메일 또는 우편번호)를 요구하십시오. 그리고 절대로 WooCommerce API 키를 챗봇의 클라우드에 두지 마십시오. 인증 정보(credentials)는 WordPress 측에 유지하고, 단일하고 제한된 엔드포인트(endpoint)만 노출하십시오:

// WP 플러그인 내부 — 인증 정보는 SaaS가 아닌 스토어에 유지됩니다.
register_rest_route('yourbot/v1', '/order/lookup', [
  'methods'  => 'POST',
...

어시스턴트는 order_number와 email을 수집하여 이 엔드포인트를 호출하고 실제 상태를 읽어옵니다. 실제 결제 이메일(billing email)을 사용하여 스토어에서 검증이 이루어지기 때문에, 한 고객이 다른 고객의 주문 정보를 캐내는 피싱(fishing) 행위는 불가능합니다. 만약 코어 WooCommerce를 사용하고 싶다면, 동일한 개념을 wc/v3/orders REST 엔드포인트에 적용할 수 있습니다. 단, 소비자 키(consumer keys)는 반드시 서버 측에 유지해야 하며, 브라우저나 봇의 프롬프트(prompt)에 절대 노출해서는 안 됩니다.

언제 봇이 멈추고 상담원에게 연결해야 할까요?

항상 탈출구(escape hatch)를 마련해 두어야 합니다. 환불, 불만 사항, 혹은 감정적이거나 가치가 높은 모든 상황은 사람에게 연결하십시오. 상담 전환(handoff)을 짜증 나는 경험이 아닌 '좋은' 경험으로 만드는 디테일은 다음과 같습니다. 상담원에게 **전체 대화 기록(full conversation transcript)과 모든 주문 문맥(order context)**을 전달하여, 고객이 같은 설명을 반복하지 않게 하는 것입니다. 문맥을 잃어버리는 상담 전환은 아예 봇이 없는 것보다 더 나쁜 느낌을 줍니다.

직접 구축할 것인가, 아니면 WooCommerce 전용 도구를 사용할 것인가?

이제 솔직한 이야기를 해보겠습니다. 위에서 언급한 모든 것은 구축 가능하며, 특별히 난해한 기술도 아닙니다. 하지만 "주말 동안 구축 가능한 것"과 "1년 동안 안정적으로 운영되는 것"은 전혀 다른 이야기입니다.

직접 구축해야 하는 경우: 완전한 제어권을 원하고, 이미 벡터 DB(vector DB)와 큐 워커(queue workers)를 운영 중이며, 지속적인 유지보수(카탈로그 변경 시마다 재임베딩(re-embedding), 프롬프트 튜닝(prompt tuning), 남용 처리, 다국어 지원, 주문 보안 예외 케이스 처리 등) 비용을 기꺼이 감수할 의사가 있는 경우입니다. 이는 진정으로 좋은 프로젝트이며 일부 팀에게는 올바른 선택입니다.

기성 도구(off-the-shelf tool)를 사용해야 하는 경우: 이번 주 안에 서비스를 출시하고 스토어 운영에 더 집중하고 싶은 경우입니다. 인기 있는 옵션인 Tidio, Gorgias, Intercom 등은 WooCommerce에 결합하여 사용하는 일반적인 이커머스/지원 채팅 도구입니다. 이러한 도구에서 카탈로그 기반(catalog-grounding) 기능은 네이티브(native) 기능이 아니라 사용자가 설정해야 하는 영역입니다.

일반적인 챗봇(chatbot)이 아닌, **WooCommerce를 위한 AI 영업 직원 (AI sales employee for WooCommerce)**으로 특별히 구축된 한 가지 옵션은 **Storebird**입니다. 이 도구는 위에서 언급한 패턴을 즉시 실행합니다. 근거 있는 답변(grounded answers)을 위해 카탈로그를 벡터 스토어(vector store)에 임베딩(embed)하고, WordPress 플러그인을 통해 검증된 주문 조회(verified order lookup)를 수행하며(따라서 귀하의 WooCommerce 키가 스토어를 떠나지 않습니다), 전체 문맥(context)을 유지한 채 상담원을 인간에게 인계합니다. 먼저 실제 스토어에 연결해보고 싶다면 무료 WordPress.org 플러그인이 있습니다. 이러한 도구들을 평가하는 유일하고 정직한 방법은 바로 이것입니다. 귀하의 카탈로그에 연결하고 가장 어려운 제품 질문을 던져보는 것입니다. 만약 카탈로그를 일급 입력값(first-class input)으로 취급하는 **WooCommerce용 Tidio 대안 (Tidio alternative for WooCommerce)**을 찾고 있었다면, 살펴볼 가치가 있습니다 (주문 조회 흐름을 먼저 보고 싶다면 짧은 데모를 확인하세요)).

저는 WooCommerce 네이티브(native) 경로를 선호하는데, 그 이유는 카탈로그 기반(catalog-grounding) 기능이 가치의 80%를 차지하는 어려운 부분이며, 일반적인 봇은 이를 다시 구축하게 만들기 때문입니다. 하지만 핵심 교훈은 아키텍처(architecture)에 있습니다. 어떤 경로를 선택하든, 어떤 **WooCommerce용 AI 영업 어시스턴트 (ai sales assistant for woocommerce)**를 평가할 때도 단 하나의 질문으로 판단하십시오. 이 도구가 실제로 귀하의 카탈로그와 주문을 알고 있는가, 아니면 추측하고 있는가?

요약 (TL;DR)

• 일반적인 챗봇(chatbot)은 카탈로그나 주문 문맥(context)이 없기 때문에 WooCommerce에서 실패합니다.
• **RAG (검색 증강 생성)**를 통해 제품 답변의 근거를 확보하십시오: 카탈로그를 벡터 DB(vector DB)에 임베딩하고, 질문당 몇 개의 관련 제품을 검색(retrieve)한 뒤, 모델이 해당 제품들에만 집중하도록 제한하십시오 (실시간 재고 확인 포함).
• "내 주문 어디 있나요?"라는 질문에는 주문 번호 + 2차 인증 요소로 답변하고, WooCommerce 인증 정보는 봇이 아닌 스토어에 유지하십시오.
• 항상 전체 문맥을 포함한 인간 인계 (human handoff) 옵션을 제공하십시오.
• 직접 제어권을 갖고 유지보수를 책임지고 싶다면 직접 구축하십시오. 그렇지 않다면 WooCommerce 네이티브 (WooCommerce-native) 도구를 사용하여 스토어 운영에 집중하십시오.