AI 쇼핑이란? 쇼핑 에이전트 시대의 B2A 마케팅 전략

먼저 세 줄로 정리하면

• AI 쇼핑(AI Shopping)은 AI로 상품을 찾고 비교하고 구매를 돕거나 대신하는 경험이며, AI 쇼핑 에이전트는 그 가운데 고객의 조건을 묻고 여러 단계를 이어서 처리하는 시스템입니다.

• B2A(Business-to-Agent) 마케팅은 고객을 대신해 상품을 탐색하고 평가하는 AI 에이전트도 마케팅 대상으로 보는 전략으로, Forrester가 2026년 7월 웨비나에서 제시했습니다.

• 브랜드는 마케터가 쓰는 AI, 브랜드가 운영하는 AI, 고객이 데려오는 AI를 구분하고 각각의 성과를 다른 지표로 기록해야 예산과 역할을 정할 수 있습니다.

마케팅 회의에서 "이제 사람 말고 AI한테도 마케팅해야 한다"는 말이 나오면 다들 고개는 끄덕이지만, 다음 분기에 무엇을 바꿔야 하는지는 막연하게 느껴집니다. 광고 문구를 AI용으로 따로 써야 하는지, 자체 챗봇을 만들어야 하는지부터 의견이 갈리기 쉽습니다.

이 막연함은 AI 쇼핑에 참여하는 AI가 한 종류가 아니어서 생기는 경우가 많습니다. 우리 팀의 일을 돕는 AI와 고객을 대신해 우리 상품을 평가하는 AI는 이해관계도, 우리가 통제할 수 있는 범위도 다릅니다.

예시로 무선 청소기를 파는 국내 생활가전 브랜드(설명을 위해 만든 가상의 브랜드, 이하 예시 브랜드)의 마케팅팀을 끝까지 따라가 보겠습니다.

AI 쇼핑(AI Shopping)이란 무엇인가요?

AI 쇼핑은 인공지능으로 상품을 발견하고 비교하며 구매 결정을 돕거나 구매 작업을 대신하는 쇼핑 경험입니다.

리뷰를 요약해 주는 기능, 사진으로 비슷한 상품을 찾는 기능, 조건을 묻고 후보를 좁혀 주는 쇼핑 에이전트가 모두 여기에 들어갑니다. AI가 결제까지 이어 가는 쪽을 따로 에이전틱 커머스(Agentic Commerce)라고 부르는데, 둘은 겹치지만 모든 AI 쇼핑 기능이 거래 실행까지 맡지는 않습니다.

McKinsey가 2026년 6월 11개국 소비자 약 2만 1,000명을 조사한 결과를 보면, 쇼핑에 AI를 쓴 사람 가운데 56%는 범용 AI 채팅·검색 도구를, 27%는 소매업체의 AI 쇼핑 도우미를 썼습니다. 고객이 브랜드 밖의 AI에서 상품을 먼저 알아보는 경우가 더 많다는 뜻으로 읽을 수 있습니다(조사국에 한국은 포함되지 않았습니다).

AI 쇼핑 에이전트는 어디까지 대신하나요?

AI 쇼핑 에이전트가 대신하는 범위는 서비스, 국가, 판매자, 고객 설정에 따라 후보 추천부터 한도 안의 주문까지 다르게 정해집니다.

Google의 2026년 11월 4일 발표에 따르면 캐나다 사용자는 AI 모드와 Gemini 앱에서 UCP 기반 직접 결제로 lululemon, Simons 같은 판매자의 상품을 살 수 있습니다. 판매 주체는 계속 판매자입니다.

Walmart의 2026년 10월 21일 발표는 에이전트별 프로필, 구매마다 승인하거나 지출 한도 안에서만 허용하는 설정, 언제든 권한을 끄는 기능을 소개했습니다. 쇼핑을 대신 맡긴다고 해서 고객이 통제권을 놓는 구조는 아닙니다.

예시 브랜드 입장에서는 추천을 받는 접점과 실제 주문이 일어나는 접점이 갈라질 수 있습니다. AI 대화에서 후보가 된 청소기가 자사몰에서 다른 가격이나 배송 조건으로 보이면 그 불일치는 고객에게 브랜드의 문제로 남습니다.

B2A 마케팅이란 무엇인가요?

B2A 마케팅은 고객을 대신해 상품을 탐색하고 평가하는 AI 에이전트를 사람 고객과 함께 마케팅 대상으로 보는 전략입니다.

Forrester의 Chuck Gahun이 진행한 2026년 7월 23일 웨비나는 AI 에이전트와 크롤러가 상품 발견과 구매를 점점 더 중개하고 있다며 그 결과로 "business-to-agent(B2A) 마케팅 전략"이 필요해졌다고 설명합니다. 브랜드가 명확한 맥락, 통제된 콘텐츠 구조, 검증 가능한 사실로 에이전트의 해석을 이끌어야 한다는 내용입니다.

구매 목적과 예산을 가진 고객은 여전히 사람입니다. 달라진 점은 어떤 정보를 읽고 어떤 후보를 먼저 비교할지 정하는 과정에 대리자가 끼어든다는 것입니다.

Adobe Summit 2026의 'Making Agent-to-Agent Marketing Work for Humans' 세션에서 Adobe와 VML 발표자들은 AI 에이전트를 사람을 대리하는 영향력 있는 소비자 집단으로 다뤘습니다.

💡 B2A는 AI용 광고 문구를 따로 쓰는 일인가요? B2A에서 관리할 대상은 광고 문구보다 상품 속성, 정책, 외부 근거처럼 에이전트가 사실로 확인하는 정보에 가깝습니다.

Gartner의 Machine Customers 연구는 지능형 소프트웨어와 하드웨어가 고객 역할을 맡게 된다는 더 넓은 관점을 오래전부터 다뤄 왔습니다. B2A는 이 흐름을 마케팅 실무로 옮긴 표현으로 볼 수 있습니다.

AI 쇼핑에는 세 종류의 AI가 참여합니다

AI 쇼핑 시대의 마케팅에는 마케터를 돕는 AI, 브랜드가 운영하는 AI, 고객이 데려오는 AI가 함께 참여하며 셋은 이해관계와 측정 방법이 다릅니다.

마케터의 업무를 돕는 AI

Conductor는 Agentic AEO를 AI 에이전트와 에이전트 워크플로로 AEO를 운영하는 과정으로 정의합니다. 모니터링, 기회 우선순위 정하기, 실행을 AI가 맡고 사람이 감독하는 방식입니다.

국내에서는 HSAD가 2025년 9월 발표한 브랜드 맞춤형 에이전트가 AIEO(AI Engine Optimization), 곧 AI 검색 최적화용 콘텐츠 제작을 지원합니다. 이 AI들은 마케팅팀을 위해 일하므로 고객 대신 상품을 사는 쇼핑 에이전트와 같은 범주로 묶지 않습니다.

브랜드가 운영하는 AI

브랜드의 상담·추천 에이전트는 자사 상품과 정책을 바탕으로 고객을 돕습니다. Accenture Song은 이를 'agent of choice' 전략으로 부르며 깊은 전문성과 1차 데이터, 서비스 통합에 큰 투자가 필요한 카테고리 선두 기업의 길로 설명합니다.

고객이 데려오는 AI

외부 쇼핑 에이전트는 브랜드를 위해 일하지 않습니다. 고객 조건에 더 맞는 다른 브랜드를 제시할 수도 있습니다. 브랜드가 할 수 있는 일은 그 에이전트가 확인할 정보를 정확하고 일관되게 두는 것입니다.

예시 브랜드의 마케팅팀이 마케터용 AI로 콘텐츠를 두 배 빨리 만들었다고 해서 고객 측 AI의 추천이 늘었다는 뜻은 아닙니다. 두 결과는 다른 표로 기록해야 합니다.

브랜딩과 PR은 에이전트가 확인할 근거를 만듭니다

AI 쇼핑에서 브랜딩과 PR의 역할은 사람의 선호를 만드는 일에 더해, 에이전트가 사실로 확인할 수 있는 외부 근거를 일관되게 남기는 쪽으로 넓어지고 있습니다.

Google Cloud는 2026년 1월 글에서 AI 에이전트가 쇼핑객을 대신해 상품을 조사하고 찾고 구매까지 하는 공간을 '보이지 않는 매대(invisible shelf)'라고 불렀습니다. 실제 매대 옆에 디지털 매대가 하나 더 생긴다는 설명입니다.

고객이 "OO 청소기 어때?"라고 브랜드를 지정해 묻는 상황과 "원룸용 가벼운 무선 청소기 추천해 줘"처럼 조건만 말하는 상황은 다릅니다. 앞의 경우에는 기존 브랜드 선호가 작동하고 뒤의 경우에는 비교 가능한 상품 근거의 비중이 커질 수 있습니다.

그래서 브랜드팀은 기억될 이유와 사용 맥락을, 상품팀은 그 이유를 뒷받침할 속성과 수치를 준비해야 합니다. PR 기사, 크리에이터 리뷰, 고객 리뷰가 상품 정보와 같은 사실을 말하는지도 함께 봐야 합니다.

브랜드가 이런 정보를 어떻게 정리하는지 대기업 사례로 보고 싶다면 리드젠랩 대기업·글로벌 기업 사례를 확인해 보세요.

Brand Context Model은 브랜드 정보를 한 원본으로 관리하자는 제안입니다

Brand Context Model은 사람이 보는 웹 화면과 에이전트가 읽는 데이터가 같은 브랜드 정보 원본에서 나오게 하자는 구조입니다.

마테크 분석가 Scott Brinker는 2026년 11월 4일 글에서 Brand Context Model을 사람과 에이전트의 웹 화면이 함께 끌어다 쓰는, 계속 갱신되는 브랜드의 기준 표현이라고 설명했습니다. CMS나 LLM이 아니라 회사의 콘텐츠, 규칙, 기능을 연결한 그래프라는 설명도 덧붙였습니다.

같은 글의 Dual-surface Websites는 사람을 위한 적응형 경험과 에이전트를 위한 구조화된 서비스 층을 나란히 두되, 둘 다 같은 브랜드 컨텍스트 모델에서 움직이게 하는 사이트입니다.

국내 현장에서도 비슷한 문제의식이 나옵니다. 현대자동차 SEO 스페셜리스트 양효원은 Search SEOul 2026에서 "검색 가시성은 마케팅이 측정할 수 있지만 실제로 그것을 만들어내는 것은 조직 전체"라고 말했습니다.

PKO와 Agentic Engine Optimization은 인접 분야의 이름입니다

PKO와 Agentic Engine Optimization은 AI 쇼핑과 맞닿아 있지만 대상이 다른 별도 개념이라 B2A와 같은 전략으로 묶지 않습니다.

Graphite의 2026년 10월 연구가 다루는 PKO(Parametric Knowledge Optimization)는 학습 데이터에 영향을 줘 모델이 브랜드를 설명하고 추천하는 방식을 개선하려는 시도입니다. 웹 검색이 실행되지 않은 답변에도 영향을 주는 모델 내부 지식을 대상으로 합니다.

Addy Osmani의 2026년 4월 글이 말하는 Agentic Engine Optimization은 AI 코딩 에이전트가 기술 문서를 실제로 쓸 수 있게 구조화하는 일입니다. 약어가 답변 엔진 최적화와 같은 AEO라 헷갈리기 쉽습니다. 본인도 Google 전체의 권고가 아닌 개인 견해라고 밝혔습니다.

새 용어가 나올 때마다 풀네임, 제안자, 적용 대상을 함께 적어 두면 팀 안에서 같은 단어를 다른 뜻으로 쓰는 일을 줄일 수 있습니다.

B2A 마케팅은 다섯 단계로 역할을 나눠 보세요

B2A 마케팅을 시작할 때는 새 조직을 만들기보다 기존 팀의 정보 책임을 나누고 측정 표를 따로 만드는 것부터 하면 됩니다.

1. 고객이 AI에게 맡길 법한 구매 질문을 10개 정도 정합니다. 예시 브랜드라면 "원룸용 2kg 이하 무선 청소기, 30만 원 이하"처럼 조건이 들어간 질문입니다.

2. 질문에 답하는 데 필요한 정보(무게, 흡입력, 배터리 시간, 가격, 보증, 반품)의 기준 원본을 누가 관리하는지 팀별로 적습니다.

3. 자사몰, 오픈마켓, 보도자료, 리뷰에서 같은 정보가 다르게 적힌 곳을 찾아 담당 팀에 수정을 요청합니다.

4. 같은 질문을 주요 AI 채널에 날짜를 정해 넣고 언급, 추천, 출처 인용, 설명 정확성을 칸을 나눠 기록합니다.

5. 마케터용 AI의 작업 효율, 브랜드 운영 AI의 상담 성과, 고객 측 AI의 답변 결과를 각각 다른 표로 매달 보고합니다.

Visa가 2026년 11월 5일 공개한 벤치마크에서 AI 모델 22개가 고객 요구를 알아내고 올바른 구매 판단을 내린 비율은 57.2%였습니다. 고객 측 AI도 조건을 놓칠 수 있으니, 4단계 기록에서는 우리 상품이 맞지 않는 조건에서 제외되는지도 함께 보세요.

B2A 대응을 진단부터 실행까지 어떤 순서로 진행하는지는 리드젠랩 AVO 6단계 프레임워크에서 볼 수 있습니다.

자주 묻는 질문

AI 쇼핑과 에이전틱 커머스는 같은 말인가요?

겹치지만 같은 말은 아닙니다. AI 쇼핑은 AI를 활용한 쇼핑 경험 전반이고 에이전틱 커머스는 에이전트가 목적을 이해하고 여러 단계의 상거래 작업을 대신하는 부분에 초점을 둡니다.

B2A 마케팅은 사람 대신 AI만 설득하는 전략인가요?

아닙니다. 사람 고객의 목적과 선호를 바탕으로 일하는 대리자를 하나 더 고려하는 전략입니다. 사람이 브랜드를 고를 이유와 에이전트가 확인할 사실이 서로 맞아야 효과가 납니다.

AI 쇼핑에 대응하려면 자체 쇼핑 에이전트를 만들어야 하나요?

모든 브랜드에 필요한 것은 아닙니다. 고객이 주로 쓰는 외부 AI에서 우리 상품이 정확히 설명되는지부터 확인하고, 상담이나 거래에서 풀어야 할 과제가 분명할 때 자체 에이전트 범위를 정하는 편이 비용을 아낄 수 있습니다.

Agentic AEO와 ACO는 어떻게 다른가요?

Agentic AEO는 AI 에이전트로 마케팅 팀의 AEO 업무를 운영하는 방식이고, ACO는 고객 측 쇼핑 에이전트가 우리 상품을 이해하고 고르고 살 수 있게 준비하는 일입니다. 일하는 주체가 마케팅팀이냐 고객이냐로 나뉩니다.

AI 쇼핑 시대의 B2A 마케팅, 고객 측 AI의 답변부터 확인하세요

AI 쇼핑은 고객이 브랜드 밖의 AI에서 상품을 먼저 알아보는 흐름이고, B2A 마케팅은 그 AI가 확인할 정보를 정확하고 일관되게 두는 일에서 시작합니다. 마케터용, 브랜드 운영, 고객 측 AI를 나눠 측정하면 어디에 예산을 쓸지 판단하기 쉬워집니다.

리드젠랩은 기자 출신 대표가 12년간 콘텐츠를 다뤄 온 경험을 바탕으로, 보도자료와 리뷰처럼 에이전트가 근거로 삼는 외부 정보를 어떤 순서로 바로잡을지 함께 설계합니다. 의료법과 변호사법을 아는 산업별 전문 에디터가 있어 규제가 있는 업종에서도 상품과 서비스 정보를 규정 안에서 정리하고, 진행은 AVO 6단계 프레임워크에 따라 진단부터 측정까지 이어 갑니다.

고객이 AI에 물을 법한 구매 질문 몇 개를 알려 주시면, 주요 AI 채널이 우리 브랜드를 어떻게 소개하고 어떤 출처를 근거로 삼는지 확인해 드리겠습니다.

• 리드젠랩에 B2A 마케팅 진단 문의하기

• SOHA로 AI 답변 속 우리 브랜드 언급과 인용 확인하기

함께 보면 좋은 글

• AI가 우리 브랜드를 잘못 설명하고 있다면

• AI 쇼핑 에이전트와 Agentic Commerce 대응

• GEO 대행사 산출물 12가지, 계약 전 확인할 결과물