제목의 질문에 바로 답하자면, ChatGPT가 상품을 추천할 때 주로 읽는 입력은 두 가지입니다.
첫 번째는 판매자가 직접 제출한 구조화된 상품 피드입니다. OpenAI 상품 피드 규격 설명에 따르면, 피드는 제목, 가격, 재고, 미디어 자료, 물류 정보를 포괄하는 상품 데이터의 단일 진실 공급원으로, 상품 검색과 상품 발견, 그리고 조건을 충족할 때 즉시 결제를 완료하는 데 활용됩니다. 이 데이터는 크롤러로 수집되는 것이 아니라 판매자가 구조화된 파일을 보안 엔드포인트로 푸시하고, 높은 빈도로 업데이트하여 정확성을 보장합니다(ChatGPT Product Feed 규격 설명).
두 번째는 공개 웹페이지에서 파싱할 수 있는 상품 페이지 정보입니다. 상품명, 현재 가격, 사양 파라미터, 적용 시나리오, 배송 및 반품 정책 등이 여기에 해당합니다. 사용자가 쇼핑 리서치 시나리오에서 받는 구매 가이드는 보통 인기 제품 추천, 핵심 차이 비교, 장단점 분석, 소매업체 링크를 포함합니다(ChatGPT 쇼핑 리서치 기능 보도).
따라서 실제로 결과를 결정하는 것은 두 계층입니다. 피드는 귀하의 상품이 후보군에 진입할 수 있는지를 결정하고, 상품 페이지는 인용될 때 정확하게 말하는지를 결정합니다. 두 가지가 일치하지 않는 것이 가장 흔한 문제의 원천입니다.
ChatGPT가 상품 정보를 얻는 세 가지 경로
- 쇼핑 리서치: 소비 결정을 위한 대화형 리서치로, 먼저 예산, 사용 대상, 관심 기능을 물어본 뒤 비교와 제안을 출력하며, 결과에 클릭 가능한 소매업체 링크를 제공합니다.
- 상품 피드: 판매자가 상품 카탈로그를 구조화하여 제출하면 검색 가능하고 비교 가능하며 추천 가능한 상품 항목이 형성되며, 필드 완성도가 필터링 여부를 직접 결정합니다.
- 피드 광고: 2026년 5월 12일 OpenAI는 ChatGPT 내에 product feed 광고 형식을 출시했으며, 판매자가 상품 카탈로그를 연결하고 필터 조건을 설정하면 시스템이 상품명, 이미지, 가격, 속성으로 광고를 자동 생성합니다. 보도에 따르면 광고주 한 명이 최대 100만 SKU를 커버할 수 있고, 새로 참여하는 이커머스 파트너는 먼저 100개의 상품 샘플을 제출해야 하며, 사용되는 피드 파일은 Google Shopping에 제출하는 구조화 파일과 기본적으로 동일합니다(product feed 광고 출시 보도).
세 경로의 공통점은 명확합니다. 입력은 모두 구조화된 필드이고, 모두 데이터 정확성에 민감하며, 모두 키워드 밀도로 승부하지 않습니다.
상품 피드란 무엇인가
피드는 기계가 읽을 수 있는 상품 목록 파일입니다. 한 줄에 상품 하나 또는 변형 하나가 들어가고, 필드가 고정되어 있으며 형식이 고정되어 있고 정기적으로 업데이트됩니다. 이것은 "상품 페이지를 보기 좋게 만드는 것"과는 다른 일입니다. 상품 페이지는 사람의 읽기와 전환을 위해 서비스하고, 피드는 기계 간의 매칭과 비교를 위해 서비스합니다.
규격 설명에는 놓치기 쉬운 세부 사항이 하나 있습니다. 피드는 상품 데이터의 단일 진실 공급원으로 정의된다는 점입니다. 이는 동일한 상품의 피드 내 제목, 가격, 재고가 랜딩 페이지에 표시되는 것과 반드시 일치해야 함을 의미하며, 그렇지 않으면 플랫폼과 사용자는 두 가지 사실을 보게 됩니다.
표 하나로 어떤 필드를 준비해야 하는지 파악하기
| 필드 | 권장 준비 내용 | 중요한 이유 | 흔한 문제 |
|---|---|---|---|
| Product Name | 브랜드 + 시리즈 + 모델명 + 핵심 속성 | 대화 의도와 매칭되는 첫 번째 신호 | 키워드 남용, 모델명 누락, 동일 제품 명명 불일치 |
| Description | 주요 기능, 적용 시나리오, 목표 고객 | "이 요구에 적합한지" 판단 여부를 결정 | 사이트 전체에 동일한 문구 복사 |
| Price | 현재 판매가와 통화 | 가격 비교와 필터링에 사용 | 특가 미동기화, 세금 포함 기준 불명확 |
| Availability | 재고 있음 / 예약 판매 / 품절 | 추천 여부, 주문 가능 여부에 영향 | 장기간 "재고 있음"으로 유지 |
| Variants | 색상, 사이즈, 용량, 모델 | 변형이 각각 매칭될 수 있는지를 결정 | 부모 상품과 자식 SKU 혼용 |
| Specifications | 키-값 쌍 형태의 기술 파라미터 | 파라미터 비교형 질문을 지원 | 긴 문장 설명, 단위 불일치 |
| Policies | 반품, 배송, 보증 조항 | 신뢰와 최종 결정에 영향 | 페이지와 피드 정책 불일치 |
| Images | 메인 이미지, 다각도 이미지, 시나리오 이미지 | 노출과 클릭에 영향 | 메인 이미지에 프로모션 문구 포함 |
이름, 가격, 재고는 반드시 일치해야 한다
전자제품 쇼핑몰 사례로 설명하겠습니다. 동일한 "AuraSound NC-700 무선 노이즈 캔슬링 헤드폰"이 세 곳에 등장합니다. 공식 사이트에는 1299위안으로 표시되고 재고 있음으로 나오지만, 상품 피드에는 여전히 1499위안이고 품절로 표시되어 있으며, 특정 제3자 플랫폼에는 1199위안으로 게시되어 있습니다. 사용자가 "1500위안 이내 노이즈 캔슬링 헤드폰 추천"을 물을 때, 시스템은 피드 가격이 예산을 초과하여 건너뛸 수도 있고, 공식 사이트 페이지에서 1299위안을 읽고 추천했지만 랜딩 시 다른 정보를 표시할 수도 있습니다.
해결 방법은 세 가지입니다. 가격과 재고를 하나의 주 데이터 소스로 수렴시키고, 가격과 재고에 업데이트 시간을 부여하여 타임스탬프에 따라 어느 데이터가 유효한지 결정하며, 출시 전에 채널 간 일관성 검증을 한 번 실행하여 이름, 가격, 재고, 링크 네 가지 필드를 항목별로 비교합니다.
변형과 사양은 어떻게 구성할까
먼저 "하나의 상품"을 명확히 정의한 뒤 데이터를 논해야 합니다. 다중 사양 상품의 경우 부모-자식 구조를 권장합니다. 부모 상품은 스타일이나 시리즈를 대표하고, 자식 SKU는 구체적인 색상, 용량, 모델을 대표하며, 가격과 재고는 자식 SKU에 연결됩니다. 속성명과 단위는 통일해야 합니다. 예를 들어 배터리 지속 시간은 "시간", 무게는 "그램"으로 통일하여 동일한 파라미터가 다른 상품에서 "약 30h", "30시간 정도", "1.2kg/1200g"으로 혼용되는 것을 피합니다. 사양은 키-값 쌍을 사용하고 긴 설명 문장에 넣지 않습니다.
상품 이미지와 설명의 역할
설명의 처음 세 줄은 무엇인지, 누구를 위한 것인지, 어떤 문제를 해결하는지에 답해야 하며, 그 이후에 세부 사항을 펼쳐야 합니다. 실제로 효과적인 작성법은 사용 시나리오, 대상, 제한을 명확히 쓰는 것입니다. 예를 들어 "출퇴근과 장거리 비행에 적합하며, 액티브 노이즈 캔슬링은 저주파 소음에 효과가 뚜렷하고, 주변 소리 인지가 필요한 라이딩 시나리오에는 적합하지 않음"과 같습니다. 키워드 남용은 대규모 모델 매칭에서 거의 이득이 없으며 오히려 가독성을 떨어뜨립니다. 이미지의 경우 메인 이미지는 깔끔하게 유지하고 프로모션 문구를 넣지 않으며, 다각도 이미지와 비율 참조가 있는 시나리오 이미지는 크기와 형태를 판단하는 데 도움이 됩니다.
상품 페이지에 구조화 데이터가 필요한가
필요하지만 그것에만 의존해서는 안 됩니다. 상품 페이지는 schema.org의 Product, Offer를 출력하고 필요 시 평점과 자주 묻는 질문 표기를 보충하며, 페이지의 가격과 재고가 피드와 완전히 대응하도록 보장해야 합니다. 동시에 이 정보가 초기 HTML에서 얻을 수 있는지, 프론트엔드 스크립트 렌더링 후에만 나타나는 것이 아닌지 확인해야 합니다. 각 상품은 안정적이고 장기적으로 접근 가능한 독립 URL을 가져야 하며, 변형 간에는 모두 동일한 주소를 가리키는 것이 아니라 표준 링크로 구분해야 합니다.
몇 분 만에 쇼케이스 사이트를 만들고 리드를 늘리세요
아이디어를 한 문장으로 입력하면 We0 AI가 쇼케이스 사이트, 페이지, CMS를 생성하고 출시 후 고객과 트래픽 확보를 돕습니다.
무료 등록을 위한 하나의 완전한 프로젝트 생성
하나의 완전한 생성 흐름을 시도하고 첫 번째 프로젝트 초안을 빠르게 보는 데 가장 적합합니다.
AI가 서로 다른 제품의 차이를 더 정확히 이해하게 하는 방법
유사한 상품은 가장 쉽게 뒤섞입니다. 방법은 차이를 비교 가능한 척도와 불리언 속성으로 전환하는 것입니다. 세 가지 헤드폰을 동일한 파라미터 차원(노이즈 캔슬링 깊이, 배터리 지속 시간, 무게, 블루투스 버전, 멀티포인트 연결 지원 여부)에 놓고, 각 제품에 "누구에게 적합하지 않은지" 한 문장을 보충합니다. 세대 간 제품은 전 세대와의 차이를 명시적으로 작성해야 합니다. 예를 들어 "NC-700은 NC-600 대비 배터리 지속 시간이 늘고 무게가 줄었음"과 같습니다. 동일한 이름에 다른 구성의 모델은 반드시 제목에 구분 식별자를 포함시켜 두 개의 다른 SKU가 같은 이름을 공유하지 않도록 해야 합니다.
가격과 재고가 변하면 어떻게 동기화할까
동기화는 링크를 봐야 하며 수동 수정에 의존해서는 안 됩니다. 첫째, 가격과 재고 변경은 통일적으로 백오피스를 통해 상품 주 데이터에 기록하며 내보내기 파일을 직접 수정하는 것을 허용하지 않습니다. 둘째, 주 데이터로부터 대외 상품 피드와 페이지 표시를 생성하며, 둘 다 동일한 쓰기에서 나옵니다. 셋째, 업데이트 빈도를 구분합니다. 가격과 재고는 높은 빈도로 업데이트하고 설명과 사양은 낮은 빈도로 업데이트하여 전체 재푸시로 인한 흔들림을 피합니다. 넷째, 변경 기록과 롤백 능력을 유지하여 이상 발생 시 이전 안정 버전으로 되돌릴 수 있습니다. 다섯째, 모니터링 지표를 구축합니다. 예를 들어 필드 누락률, 채널 간 가격 차이 건수, 마지막 업데이트로부터 경과 시간 등입니다.
통합 상품 데이터 소스 구축: 5단계 실행
- 인벤토리: 상품 데이터가 현재 어디에 존재하는지(공식 사이트 백오피스, ERP, 스프레드시트, 각 플랫폼 셀러 센터) 나열하고 어느 것이 정확한지 표시합니다.
- 모델링: 필드 사전을 정의하고 필수 항목, 유형, 단위, 값 열거를 명확히 합니다.
- 쓰기 수렴: 하나의 쓰기 입구만 유지하고 다른 시스템은 인터페이스로 데이터를 가져오며 각자 한 부씩 유지하지 않습니다.
- 다채널 내보내기: 동일한 주 데이터로 상품 페이지 표시, 피드 파일, 제3자 플랫폼 데이터를 생성하고 필드 매핑을 중앙에서 유지합니다.
- 검증과 모니터링: 출시 전 비교, 출시 후 모니터링, 불일치를 운영의 임시 수정이 아닌 결함으로 처리합니다.
수반되는 의사 결정 체크리스트는 이렇게 정할 수 있습니다. 운영자가 가격을 직접 수정할 수 있는지, 변형 분할 세분화가 어느 계층까지인지, 품절 상품을 피드에 유지할지, 정책 조항은 누가 유지하는지, 피드 푸시 실패 시 대체 방안은 무엇인지.
기업이 지금 해야 할 일
- 먼저 데이터를 고치고 그다음 채널을 논하십시오. 상품 제목, 카테고리, 이미지, 가격, 재고의 완성도를 높이는 것이 모든 기계 추천 시나리오의 전제입니다.
- 상품 데이터를 검색엔진이 보는 키워드 집합이 아니라 기계가 읽는 입력으로 취급하십시오. 시나리오, 대상, 속성 태그가 동의어 나열보다 더 유용합니다.
- 추천 유입의 측정을 구축하여 대화형 입구에서 오는 방문의 전환율과 객단가 성과를 별도로 관찰한 뒤 투자를 결정하십시오.
- 상품 페이지와 피드가 동일한 주 데이터를 공유하도록 하여 일관성을 프로세스 제약으로 만드십시오.
We0의 이커머스 독립 사이트는 상품, 분류, 사양, 재고를 동일한 백오피스에서 유지하며, CMS 백오피스로 상품 콘텐츠를 지속적으로 업데이트할 수 있고, 풀스택 코드 생성으로 상품 데이터 인터페이스와 동기화 로직을 필요에 맞게 커스터마이징할 수 있으며, SEO와 GEO 최적화로 상품 페이지의 정보 구조를 정리합니다(We0 이커머스 독립 사이트). 설명하자면, OpenAI 상품 피드의 직접 연동은 자격, 엔드포인트, 필드 매핑이 관련되어 별도 검증과 개발이 필요하며 내장된 역량으로 간주할 수 없습니다.
자주 묻는 질문
ChatGPT가 제 이커머스 사이트를 능동적으로 크롤링하나요?
상품 피드 경로는 판매자가 구조화된 파일을 능동적으로 푸시하는 것이지 크롤링에 의존하는 것이 아닙니다(규격 설명). 공개 웹페이지의 상품 정보는 검색되고 인용될 수 있으므로 상품 페이지는 여전히 사실을 명확히 작성해야 합니다.
상품명, 가격, 재고가 피드와 완전히 일치해야 하나요?
반드시 그렇습니다. 피드는 상품 데이터의 단일 진실 공급원으로 정의되며, 가격, 재고가 랜딩 페이지와 불일치하면 추천과 주문 경험에 직접 영향을 미칩니다.
제품 사양은 어떤 형태로 구성해야 하나요?
키-값 쌍의 기술 파라미터를 사용하고, 속성명과 단위를 통일하며, 파라미터를 긴 단락에 쓰지 말고 각 색상마다 별도의 필드 세트를 만들어내지 마십시오.
구조화 데이터만으로 충분한가요?
충분하지 않습니다. 구조화 데이터는 기계가 상품 페이지를 정확히 파싱하도록 돕지만, 상품이 후보군에 진입할 수 있는지는 완전한 상품 피드를 제출했는지에 달려 있으며, 둘은 동일한 주 데이터를 공유해야 합니다.
가격이 변하면 어떻게 동기화하나요?
백오피스에서 상품 주 데이터에 기록하고, 주 데이터로 페이지 표시와 피드 파일을 동시에 생성하며, 업데이트 시간, 변경 기록, 롤백 방안을 유지하여 내보내기 파일을 수동으로 수정하는 것을 피하십시오.
Related Tools
- 이커머스 독립 사이트 백오피스: 상품, 분류, 변형, 재고 통합 유지
- CMS 백오피스: 상품 설명, 정책, 콘텐츠 페이지 지속 업데이트
- 풀스택 코드 생성: 상품 데이터 인터페이스와 동기화 로직 커스터마이징
- SEO와 GEO 최적화: 상품 페이지 정보 구조와 인용 가능 단락 정리
- 구조화 데이터 검증: Product와 Offer 표기가 페이지와 일치하는지 확인
Related Links
- ChatGPT Product Feed 규격 설명(Lengow)
- ChatGPT 쇼핑 리서치 기능 보도(중화망 소프트웨어)
- OpenAI product feed 광고 형식 출시 보도(Stellagent)
- We0 이커머스 독립 사이트
Summary
ChatGPT가 상품을 추천할 때 읽는 것은 구조화된 상품 사실입니다. 판매자가 푸시한 상품 피드는 상품이 후보군에 진입할 수 있는지를 결정하고, 공개적으로 파싱 가능한 상품 페이지 정보는 상품이 인용될 때 정확한지를 결정합니다. 이커머스 사이트가 해야 할 일은 키워드 밀도를 최적화하는 것이 아니라 이름, 가격, 재고, 변형, 사양, 이미지, 정책을 하나의 통합 주 데이터로 수렴시키고, 페이지 표시와 피드를 동시에 생성하며, 검증과 모니터링으로 채널 간 일관성을 보장하는 것입니다. 피드 직결과 광고 연동은 독립적인 작업 항목으로 플랫폼 요구 사항에 따라 별도로 검증해야 합니다.
