Shopify가 AI 검색에서 발생한 주문의 큰 성장을 언급한 것은 AI commerce가 실험 단계를 넘어가고 있다는 신호입니다. AI가 상품 발견에 영향을 주고, 사용자가 AI 답변에서 비교와 방문, 구매로 이동하는 흐름은 더 이상 먼 미래가 아닙니다.
하지만 13배라는 숫자를 그대로 자사 목표로 가져오면 안 됩니다. 고배율 성장은 낮은 기준점에서 나오는 경우가 많습니다. 또 AI 측정은 아직 성숙하지 않았기 때문에 증가분 중 일부는 시장 성장이라기보다 이전에 보이지 않던 활동이 보이기 시작한 결과일 수 있습니다.
1%와 15%가 동시에 맞을 수 있다
Adobe 계열 리포트는 AI referral traffic이 빠르게 증가하지만 전체 트래픽 비중은 아직 작다고 설명합니다. BrightEdge는 AI agent activity가 웹사이트 트래픽에서 의미 있는 비중을 차지한다고 봅니다. 두 말은 충돌하지 않습니다. 사람의 AI 방문은 아직 작고, 기계의 AI 요청은 이미 크다는 뜻입니다.
GA4만 보는 팀은 수면 위의 작은 부분만 봅니다. 서버 로그와 Edge 로그를 보는 팀은 수면 아래의 요청을 봅니다. 둘 다 사실이지만 사업적 의미는 다릅니다.
세 가지 성장 속도
Observed Growth는 현재 관측되는 모든 AIAA가 이전 기간 대비 얼마나 증가했는지입니다. 직관적이지만 새 데이터 소스 연결의 영향을 크게 받습니다.
Comparable Growth는 두 기간 모두에서 연결되어 있던 같은 데이터 소스끼리만 비교합니다. 같은 가시성 조건에서 실제로 AI 행동이 증가했는지를 묻습니다.
Coverage Expansion Lift는 Observed Growth와 Comparable Growth의 차이입니다. 나쁜 숫자가 아닙니다. 이제야 보게 된 AI 활동을 뜻합니다. 다만 수요 성장으로 포장하면 안 됩니다.
좋은 성장과 나쁜 성장
좋은 AI 성장은 Visit, Commerce, Attribution 계층에서 보입니다. AI 리퍼러 방문이 늘고, 상품 조회나 상담 신청이 늘며, 주문이나 CRM 데이터와 연결되는 비율이 높아집니다. 이 숫자는 경영진에게 보고할 수 있습니다.
품질이 낮은 성장은 Request 계층만 튀는 경우입니다. 새 크롤러가 많이 들어왔거나, 로그 수집 범위를 넓혔거나, SOV 샘플을 늘린 경우입니다. 중요한 관측이지만 매출 성장은 아닙니다.
Shopify의 사례가 말하는 것은 AI가 commerce 결과에 도달하기 시작했다는 방향성입니다. Gravity가 AIAA를 쓰는 이유는 그 방향성을 과장하지도, 과소평가하지도 않기 위해서입니다. 어떤 계층이 성장했는지, 어떤 계층은 아직 증거가 약한지 분리해야 투자 판단이 가능합니다.
중요한 것은 Shopify의 플랫폼 발표를 그대로 우리 회사 KPI로 복사하지 않는 것입니다. 13배라는 숫자는 시장 방향을 보여 주는 강한 신호이지만, 개별 브랜드에서는 카테고리, 평균 주문금액, 구매 주기, 재구매 구조, 상품 비교 난이도, AI 답변에서 인용되는 외부 소스에 따라 결과가 크게 달라집니다. 저가 즉시 구매 상품과 B2B 또는 고가 DTC 상품은 AI 영향이 나타나는 계층이 다릅니다.
예를 들어 뷰티, 전자기기, 생활용품은 AI 답변에서 비교와 추천을 본 뒤 비교적 빠르게 상품 페이지와 구매로 이어질 수 있습니다. 반면 SaaS, 산업재, 교육, 금융, 의료처럼 의사결정이 긴 분야에서는 AI가 초기 shortlist와 질문 정리에 영향을 주고, 실제 문의나 계약은 나중에 Naver 검색, Google 검색, Direct, 영업 접점, CRM을 통해 진행될 수 있습니다. 이 경우 AI의 영향은 Attribution 하나만으로 읽을 수 없습니다. Answer, Request, Visit, Commerce를 함께 봐야 합니다.
브랜드가 처음 만들어야 할 보고서는 단순한 “AI 주문 수”가 아닙니다. AI 답변에서의 브랜드 언급, AI Agent의 페이지 요청, AI referrer에서 온 사람 방문, 상품 조회와 상담 신청, 주문 연결률을 나란히 놓고 observed와 comparable을 분리해야 합니다. 새 로그나 GA4 이벤트를 추가한 달에는 증가분을 Coverage Expansion Lift로 따로 표시합니다. 그래야 측정 개선과 실제 수요 증가를 혼동하지 않습니다.
또 13배라는 헤드라인에 끌려 단기 ROI만 보는 것도 위험합니다. AI 검색은 기존 광고 클릭보다 더 앞단의 비교와 신뢰 형성에 개입합니다. 이번 달의 Answer 개선이 당장 매출로 나타나지 않고 다음 달의 브랜드 검색, 세 달 뒤의 상담 품질, 반년 뒤의 자연 유입에 영향을 줄 수 있습니다. AIAA는 이 시간차를 완전히 해결하는 마법은 아니지만, 어느 계층에서 변화가 시작됐는지 기록하고 나중에 검증할 수 있게 합니다.
따라서 Shopify 사례를 읽을 때 질문은 “AI가 많이 왔나”가 아니라 “AI에서 시작된 행동이 상업적 결과에 가까워졌나”여야 합니다. Request만 늘었다면 기술적 가시성이 좋아진 것입니다. Visit가 늘었다면 AI가 사람을 보내고 있습니다. Commerce가 늘었다면 구매 의도에 가까워지고 있습니다. Attribution이 늘었다면 경영 보고에 쓸 수 있는 증거에 가까워진 것입니다. 이 계층을 나눠야 큰 시장 신호를 우리 회사의 현실적인 실행 계획으로 바꿀 수 있습니다.
한국 시장에서는 이 해석이 특히 중요합니다. 사용자는 AI 답변에서 브랜드를 본 뒤 바로 구매하지 않을 수 있습니다. Naver나 Google에서 다시 검색하고, 블로그 리뷰, 가격 비교, 유튜브 영상, 배송 조건, 교환/반품 정책을 확인합니다. B2B라면 내부 공유, 결재, 기존 벤더와의 비교, 영업 상담도 거칩니다. AI가 구매 여정의 앞단에 강하게 영향을 줘도 마지막 로그만 보면 브랜드 검색이나 Direct로 보일 수 있습니다.
그래서 Shopify식 AI order growth를 읽을 때도 주문만 보면 부족합니다. AI 답변에서 상품 언급이 늘었는지, Agent가 가격과 FAQ를 읽었는지, AI referrer에서 온 사용자가 상품 페이지를 깊게 보는지, 비교표, 리뷰, 장바구니, 문의, checkout start가 늘었는지 봐야 합니다. 이 과정을 분리해야 AI가 수요를 만들고 있는지, 이미 구매 행동을 밀고 있는지 판단할 수 있습니다.
Request만 늘었다면 다음 일은 매출 보고가 아니라 정보 정비입니다. Schema, 상품 설명, 재고, 배송, 반품, FAQ, 비교 페이지를 AI가 읽기 쉽게 만들어야 합니다. Visit가 늘었다면 landing page 신뢰 요소, 가격 설명, CTA, 속도를 점검해야 합니다. Commerce가 늘었다면 주문 연결, CRM, 광고 접촉, 이메일 follow-up을 정리해야 합니다. 계층별로 다음 액션이 달라지는 것이 AIAA의 실무 가치입니다.
큰 숫자는 시장의 관심을 끌지만, 실제 팀을 움직이는 것은 분해된 숫자입니다. 13배라는 제목을 봤을 때 회의실에서 던질 질문은 “우리도 13배가 될까”가 아닙니다. “우리 브랜드는 Answer, Request, Visit, Commerce, Attribution 중 어디에 있고, 다음에 어느 계층을 키워야 하는가”입니다.
실행의 첫 단계는 주간 대시보드를 세 구역으로 나누는 것입니다. 상단에는 Answer와 Request를 두고 AI가 브랜드와 상품을 얼마나 읽고 언급하는지 봅니다. 중단에는 Visit와 Commerce를 두고 사람의 방문, 상품 조회, 비교, 상담, 장바구니를 봅니다. 하단에는 Attribution을 두고 주문이나 CRM 기회와 어디까지 연결됐는지 봅니다. 이 구조가 있어야 13배 같은 시장 데이터를 우리 회사의 운영 지표로 바꿀 수 있습니다.
또 하나 중요한 점은 AI 지표를 광고 지표와 같은 속도로 판단하지 않는 것입니다. 광고는 예산을 넣으면 클릭과 전환이 비교적 빨리 움직입니다. AI 검색은 콘텐츠, 외부 인용, 구조화 데이터, 상품 정보, 모델 업데이트가 함께 작동하기 때문에 변화가 늦게 나타날 수 있습니다. 그래서 단기 주문만 보지 말고, Answer와 Request 개선이 몇 주 또는 몇 달 뒤 Visit와 Commerce로 이동하는지 추적해야 합니다.
이 관점을 가지면 Shopify의 13배는 불안하게 만드는 숫자가 아니라 준비하게 만드는 숫자가 됩니다. AI가 commerce에 가까워지고 있다면 브랜드는 지금 상품 데이터, FAQ, 비교 콘텐츠, 로그, 주문 연결을 정비해야 합니다. 성장한 뒤에 측정하려고 하면 늦습니다. 성장하기 전에 증거 레이어를 만들어 두는 것이 중요합니다.
FAQ
Q1: Shopify의 13배 성장은 중요한가요?
A: 중요합니다. 다만 기준점이 낮았을 가능성과 측정 범위 변화는 따로 봐야 합니다.
Q2: Observed Growth와 Comparable Growth는 무엇이 다른가요?
A: Observed는 현재 보이는 전체 증가이고, Comparable은 같은 데이터 소스 기준의 실질 증가입니다.
Q3: Coverage Expansion Lift는 나쁜 건가요?
A: 아닙니다. 이전에 보이지 않던 AI 활동을 보기 시작했다는 뜻입니다. 다만 시장 성장으로 보고하면 안 됩니다.
Q4: 가장 강한 증거는 무엇인가요?
A: AI referrer, session, order 또는 CRM 데이터가 연결된 경우입니다.
Q5: 한국 커머스 팀은 무엇부터 해야 하나요?
A: AI 방문, AI 요청, 상업 이벤트, 주문 귀속을 분리한 기본 대시보드부터 만들어야 합니다.