ACO란? 에이전틱 커머스 최적화와 GEO·AEO는 무엇이 다를까

이 글의 요약

• ACO(Agentic Commerce Optimization, 에이전틱 커머스 최적화)는 AI 쇼핑 에이전트가 상품을 정확히 알아보고 구매 후보로 고르며 거래로 이어 갈 수 있도록 상품 데이터와 구매 환경을 준비하는 일입니다.

• GEO와 AEO(답변 엔진 최적화)가 AI 답변 속 브랜드와 콘텐츠를 다룬다면 ACO는 개별 상품(SKU)의 식별, 가격·재고·배송 같은 판매 조건, 주문 연결까지 관리 단위를 좁힙니다.

• 제안자마다 범위가 달라 Scot Wingo는 상품 카드, Deloitte는 거래 실행, Azoma는 추천 전 발견 단계에 무게를 두므로 계약이나 내부 계획에는 맡을 범위를 구체적으로 적어야 합니다.

GEO를 운영해 온 커머스 브랜드라면 AI 답변에 브랜드 이름이 나온 다음이 궁금해질 시점입니다. 이름은 나왔는데 정작 추천된 상품이 단종 모델이거나 옵션 가격이 틀리거나 고객이 원한 날짜에 도착하지 않는 상품이라면 매출로 이어지기 어렵습니다.

최근 북미 커머스 업계에서 ACO라는 이름이 나오는 이유가 여기에 있습니다. 같은 이름을 쓰는 사람들 사이에서도 정의가 조금씩 다르니, 누가 어떤 뜻으로 쓰는지부터 나눠 보겠습니다.

예시로 '이번 주말까지 도착하는 발볼 넓은 방수 러닝화'를 찾는 고객과 그 상품을 파는 국내 브랜드(설명을 위해 만든 가상의 브랜드, 이하 예시 브랜드)를 끝까지 씁니다.

ACO란 무엇인가요?

ACO는 AI 쇼핑 에이전트가 우리 상품을 발견하고 이해하고 구매 후보로 선택하며, 필요한 경우 거래까지 이어 갈 수 있게 상품 정보와 구매 환경을 준비하는 업무입니다.

Agentic Commerce Optimization의 약자이고 국내에서는 에이전틱 커머스 최적화로 옮겨 씁니다. 시장 전체를 가리키는 에이전틱 커머스(Agentic Commerce)와 달리 ACO는 브랜드와 판매자가 해야 할 일을 가리킵니다.

아직 업계 표준 정의는 없습니다. 아래 세 제안자의 설명을 겹쳐 보면 ACO가 어디까지를 다루는지 윤곽이 잡힙니다.

ACO의 정의는 제안자마다 범위가 다릅니다

ACO는 상품 카드 관리, 추천 전 정보 정비, 거래 실행 준비라는 세 갈래로 정의되고 있습니다.

Scot Wingo는 상품 카드와 판매 제안에 집중합니다

Retailgentic을 운영하는 Scot Wingo는 2026년 2월 24일 글에서 2025년 9월 3일 연재에서 ACO라는 이름을 만들었다고 회고했습니다. 이 조어 주장은 저자 본인의 설명입니다.

그가 내세우는 지표는 세 가지입니다. 카탈로그 상품 가운데 올바른 상품 카드에 연결된 비율(Product Card Coverage), 우리 SKU 가운데 상품 카드를 우리가 차지한 비율(Product Card Ownership), 그리고 이 둘의 결과인 Agentic Commerce Sales입니다.

같은 모델의 성인용과 아동용이 섞이거나, 단종된 이전 세대가 연결되거나, 다른 판매자의 제안이 먼저 붙는 문제는 브랜드 언급률로는 잡히지 않습니다. Wingo의 ACO는 바로 이런 상품 단위 오류를 관리 대상으로 삼습니다.

Deloitte는 거래 실행까지 포함합니다

Deloitte의 2026년 보고서 'Agentic commerce: Redefining retail economics'는 ACO를 노출에서 실행으로 넘어가는 단계로 설명합니다. AI 에이전트가 거래할 수 있으려면 상품 데이터, 가격, 재고, 고객 식별, 멤버십, 분쟁 해결 같은 핵심 요소가 "기계가 읽고 즉시 검증할 수 있어야" 한다고 적었습니다.

별도의 'Agentic shopping' 보고서는 "ACO는 GEO에서 한 걸음 나아간 것"이라고 쓰고, 에이전트 환경에서는 AI가 직접 행동한다는 점을 그 이유로 듭니다.

Azoma는 추천 전 발견 단계를 5C로 설명합니다

Azoma의 2026년 9월 해설은 ACO를 결제보다 발견에 가까운 분야로 봅니다. Digital Shelf Institute와 만든 5C를 차례로 통과해야 하는 관문으로 제시합니다.

Azoma는 같은 글에서 2026년 2분기 ChatGPT 쇼핑 답변의 출처 가운데 브랜드 자사 사이트 비중이 3%였다고 밝혔습니다. 조사 방법과 표본은 그 글에서 자세히 공개하지 않았으니 방향을 보는 참고치로만 쓰는 편이 안전합니다.

ACO와 SEO·GEO·AEO는 무엇이 다른가요?

ACO는 SEO와 GEO·AEO의 기반 위에서 관리 단위를 브랜드와 콘텐츠에서 개별 상품과 판매 조건으로 좁힌 업무입니다.

세 영역은 겹칩니다. Google의 AI 기능 가이드(2026년 7월 10일 갱신)는 AI 기능에도 기존 SEO 모범 사례가 그대로 적용되며, Google 검색에 나오기 위해 별도의 AI용 파일이나 특별한 schema.org 마크업을 만들 필요는 없다고 설명합니다.

반면 에이전트가 장바구니와 주문까지 처리하게 하는 API나 프로토콜 연결은 검색 노출과 다른 구현 과제입니다. 이 차이를 구분하지 않으면 콘텐츠 작업만으로 거래 연결까지 해결된다고 오해하기 쉽습니다.

박세용 어센트AI 대표는 2026년 11월 포럼에서 GEO를 "답변 점유", ACO를 "선택 점유", AOO를 "실행 가능성"으로 나눠 설명했습니다. 보도에 AOO의 영문 풀이는 나오지 않았습니다.

ACO가 전체 진행 단계 가운데 어디에 해당하는지 보고 싶다면 리드젠랩 AVO 6단계 프레임워크에서 진단부터 측정까지의 흐름을 확인해 보세요.

상품을 구별하는 속성과 식별자부터 점검합니다

ACO의 첫 점검 대상은 에이전트가 같은 모델의 옵션과 세대를 헷갈리지 않도록 상품을 구별해 주는 정보입니다.

상품명만으로는 같은 모델의 사이즈, 색상, 세대를 구분하기 어렵습니다. 제조사, 모델명, 해당하는 경우 GTIN이나 MPN 같은 식별자, 색상, 사이즈, 구성품, 호환 조건을 일관되게 관리해야 합니다.

예시 브랜드라면 '발볼 넓음'을 상품명 끝에 붙이는 것보다 발볼 너비를 별도 속성값으로 두는 편이 에이전트가 비교하기 쉽습니다. 모든 상품에 같은 식별자를 억지로 넣기보다 채널이 실제로 지원하는 필드를 씁니다.

가격·재고·배송·반품 정보는 같은 사실을 가리켜야 합니다

에이전트가 상품을 골라도 상세페이지, 상품 피드, 오픈마켓의 가격과 재고와 배송 조건이 서로 다르면 구매가 중간에 멈춥니다.

'이번 주말까지 도착'이라는 조건을 맞추려면 방수 설명보다 실제 재고, 고객 지역의 도착 가능일, 주문 마감 시간, 옵션별 가격이 먼저 필요합니다. 네이버가 2026년 9월 발표한 AI 쇼핑 에이전트 기능도 배송지 기준 도착일과 주문 마감 시간을 추천에 반영합니다.

가격이 적용되는 기간, 배송 예외 지역, 반품 기간과 비용도 텍스트로 적어 두세요. 구매 결정을 바꾸는 조건이 이미지 안에만 있으면 에이전트가 비교할 자료에서 빠집니다.

✅ 이미지형 상세페이지는 모두 갈아엎어야 하나요? 이미지는 그대로 두고, 구매 판단에 필요한 속성과 조건만 텍스트와 데이터로 함께 제공해도 됩니다.

사람용 설명과 에이전트용 데이터는 같은 원본에서 만듭니다

상품 정보는 사람이 읽는 설명과 에이전트가 계산하는 데이터를 같은 사실에서 만들어야 서로 어긋나지 않습니다.

박세용 대표의 2026년 3월 글은 상품 마스터를 Agent-Readable과 Consumer-Readable 양면으로 설계하자고 제안합니다. 에이전트용 층은 단위와 비교 가능한 값이 붙은 "연산 가능한 데이터", 사람용 층은 "같은 사실을 사람의 언어로 번역한 서사"라고 설명합니다.

국내에서는 이 생각을 제품으로 만든 사례도 있습니다. AEKO는 AI가 읽도록 쓴 상품 요약인 Context Card를 공개하고, ACP 연결 서비스는 상품 정보만 다루며 결제는 처리하지 않는다고 밝힙니다.

AX·AXO·AAIO·AUX는 상품 선택 다음 단계를 다룹니다

상품이 선택된 뒤에는 에이전트가 실제로 사이트와 서비스를 쓸 수 있는지가 문제가 되며, 이 영역을 설명하는 용어가 AX, AXO, AAIO, AUX입니다.

Microsoft 개발자 블로그의 2026년 10월 글은 AX를 두 질문으로 나눕니다. 에이전트가 우리 기술을 찾아서 고르는가, 고른 뒤에는 올바르게 쓰는가입니다.

쇼핑에 옮기면 앞의 질문은 ACO, 뒤의 질문은 AX와 AXO의 영역에 가깝습니다. Dharmesh Shah는 MCP가 제품을 에이전트가 "닿을 수 있게" 만든다면 AUX는 "쓸 수 있게" 만든다고 표현했습니다.

이 용어들을 순서대로 모두 도입할 필요는 없습니다. 고객이 맡길 대표 과제를 하나 정하고, 로그인, 옵션 선택, 장바구니, 주문, 오류 복구 가운데 어디서 멈추는지 확인하면 됩니다.

ACO는 다섯 단계로 측정해 보세요

ACO 성과는 브랜드 언급률 하나로 볼 수 없고, 상품 카드 연결부터 주문까지 분모가 다른 지표를 나눠 기록해야 합니다.

1. 상품 카드 연결을 셉니다. 조사한 SKU 가운데 올바른 모델과 옵션의 카드에 연결된 SKU 수가 분자, 조사한 SKU 수가 분모입니다.

2. 정보 정확성을 기록합니다. 상품이 제시된 유효 답변 가운데 가격, 재고, 옵션이 기준 정보와 맞은 답변 수를 셉니다.

3. 구매 조건 충족을 평가합니다. 도착일, 예산, 사이즈처럼 미리 정한 조건을 만족하는 후보가 나왔는지 봅니다.

4. 작업 완료를 확인합니다. 에이전트에게 실제로 맡긴 과제 가운데 장바구니나 주문 직전 같은 목표 상태까지 간 과제 수를 셉니다.

5. 주문과 매출을 따로 봅니다. 분석 도구와 주문 시스템에서 확인되는 AI 경유 주문과 매출만 기록합니다.

질문 원문, 모델, 검색과 개인화 조건, 국가와 언어, 반복 횟수, 측정일을 함께 남겨야 다음 달과 비교할 수 있습니다. 사이트에 들어온 봇 방문 수는 추천 횟수나 구매 건수와 다른 지표입니다.

Visa가 2026년 11월 5일 공개한 벤치마크에서 AI 모델 22개가 고객 요구를 알아내고 올바른 구매 판단을 내린 비율은 57.2%였습니다. 에이전트도 자주 틀린다는 뜻이니, 우리 상품의 중요한 조건을 정보에 분명히 적어 두는 일이 더 중요해집니다.

AI 답변 속 언급과 출처 인용을 상품 질문별로 나눠 기록하고 싶다면 리드젠랩 GEO 서비스 구성에서 측정과 실행 범위를 확인해 보세요.

자주 묻는 질문

ACO는 GEO의 새 이름인가요?

기반은 겹치지만 이름만 바꾼 것으로 보기는 어렵습니다. ACO는 개별 상품의 식별, 판매 조건, 거래 준비를 더 구체적으로 다루고 제안자마다 범위가 다르므로 어떤 일을 ACO로 부를지 먼저 정해 두세요.

ACO를 하려면 UCP부터 구축해야 하나요?

모든 브랜드가 바로 UCP를 붙일 필요는 없습니다. 이용 중인 쇼핑몰 플랫폼과 판매 채널이 어떤 규격을 지원하는지 확인하고, 상품 데이터의 정확성과 일관성을 먼저 맞춘 뒤 필요한 거래 연동을 정하는 순서가 무리가 없습니다.

ACO 대행을 맡길 때 무엇을 계약서에 적어야 하나요?

상품 카드 점검, 상품 정보 수정, 피드 관리, 거래 연동 가운데 어디까지 맡는지와 측정할 지표의 분모를 적어야 합니다. 같은 ACO라는 이름 아래 범위가 크게 다르기 때문입니다.

상품 수가 많으면 어디부터 시작하나요?

매출 비중이 큰 상품이나 고객 문의가 많은 상품 20~30개를 먼저 고르세요. 그 상품들의 속성과 판매 조건을 채널별로 대조하면 반복되는 오류 유형이 보이고, 나머지 상품에 같은 규칙을 넓히기 쉬워집니다.

ACO, 상품 데이터 점검으로 시작하세요

ACO는 AI 쇼핑 에이전트가 맞는 상품을 고르고 살 수 있게 상품 정보와 구매 환경을 준비하는 일이며, 출발점은 상품 식별 정보와 판매 조건이 채널마다 같은 사실을 가리키게 만드는 것입니다.

리드젠랩은 워드프레스, 스키마, Core Web Vitals를 코드 수준에서 직접 구현하는 팀이라 상품 페이지의 구조화 데이터나 속성 누락을 보고서로 넘기지 않고 같은 팀 안에서 고칩니다. 대표 포함 15인 팀에 데이터와 콘텐츠 직무가 함께 있어, 상품 단위 측정 결과를 상세페이지 문구 수정까지 바로 연결할 수 있습니다.

주력 상품 몇 개의 상세페이지 주소와 판매 채널을 알려 주시면, AI 쇼핑 답변에서 그 상품이 정확히 연결되는지와 먼저 맞춰야 할 속성을 정리해 드리겠습니다.

• 리드젠랩에 ACO 상품 데이터 진단 문의하기

• SOHA로 AI 답변 속 우리 상품 언급 확인하기

함께 보면 좋은 글

• AI가 고르는 상품 페이지의 조건, FAQ와 리뷰와 영상

• 중소 쇼핑몰 GEO KPI 목표치, 전환율·ROAS

• AI 쇼핑 에이전트와 Agentic Commerce 대응