나. 소개: 대화형 쇼핑 시대
I.A. 시장 환경 및 쇼핑 모델 변화(검색에서 채팅까지)
글로벌 전자상거래 시장은 대화형 AI 기술의 성숙으로 인해 근본적인 변화를 목격하고 있습니다. 소비자 행동은 사용자가 여러 소스에 걸쳐 수동으로 결과를 대조하고 확인해야 하는 전통적인 키워드 기반 검색("20 탭 주기"라고도 함)에서 심층적인 상담과 연구가 필요한 복잡한 자연어 쿼리로 전환되고 있습니다. OpenAI는 이러한 변화의 분명한 징후를 빠르게 알아차렸습니다. 이 전문 기능이 출시되기 전에도 소비자는 ChatGPT에서 하루에 약 5천만 건의 쇼핑 관련 쿼리를 작성했습니다. 이러한 강력한 수요는 웹상의 정보를 단순히 요약하는 일반적인 도구로는 사용자가 중요한 쇼핑 결정을 내리는 데 도움이 되기에는 부족하다는 것을 나타냅니다.
상품 검색 과정을 대화형 대화로 전환하기 위해 '쇼핑 리서치' 기능이 도입되었습니다. 이는 특히 단순한 기본적인 쇼핑 질문이 아닌 많은 제약 조건이 필요한 복잡한 쿼리에 대해 사용자가 더 깊은 의사 결정을 내릴 수 있도록 지원하도록 설계되었습니다.
I.B. 'Shopping Research' 개요: 목표 및 유용성
Shopping Research의 출시는 글로벌 쇼핑 일정에 맞춰진 전략적 움직임으로 간주됩니다. 이 기능은 쇼핑 성수기인 블랙 프라이데이와 연말 연시 시즌 직전인 월요일(11월 말)부터 출시됩니다. 이러한 타이밍 전략은 제품을 쇼핑하고 조사하려는 많은 사용자를 유치하는 것을 목표로 합니다.
이 기능은 모바일과 웹 플랫폼 모두에서 무료, Go, Plus, Pro 요금제를 포함하여 로그인한 모든 사용자가 광범위하게 사용할 수 있습니다. 더 중요한 것은 OpenAI가 축제 시즌 동안 모든 계획에 대해 "거의 무제한" 사용량을 제공함으로써 공격적인 시장 침투 전략을 채택했다는 것입니다. 이 단계에서 무료로 무제한 액세스를 제공하는 목표는 사용자 행동(사용자 습관화)을 확립하는 것입니다. 사용자가 피크 기간 동안 복잡한 쇼핑 조사를 하기 위해 ChatGPT에 의존하게 된다면, 회사가 내년에 사용량 제한을 부과할 때 유료 요금제로 업그레이드하는 것을 고려하더라도 사용량을 유지할 가능성이 높습니다. 이는 이 도구를 ChatGPT를 전자 상거래 플랫폼 및 기존 검색 엔진과 직접 경쟁하는 기본 제품 검색 채널로 설정하는 수단으로 만듭니다.
이 도구의 성능이 특히 뛰어난 핵심 제품 카테고리는 높은 세부 정보가 필요하고 사용자가 잘못된 구매를 할 위험이 거의 없는 제품 카테고리로, 전자 제품, 미용 제품, 가정 및 정원, 주방 및 가전 제품, 스포츠 및 야외 장비 등이 포함됩니다. 철저한 조사가 필요한 고가치 거래에 초점을 맞춘 것은 OpenAI가 핵심 의사결정 부문을 목표로 하고 있음을 보여줍니다.
II. 작동 메커니즘 및 플랫폼 기술: mini GPT-5 및 강화 학습
II.A. GPT-5 mini: 상거래별 아키텍처
Shopping Research의 기술 기반은 성능 차별화 요소입니다. 이 기능은 아직 널리 출시되지 않은 GPT-5 시리즈 버전인 GPT-5 미니 모델의 특수 버전에서 제공됩니다. 이는 범용 AI 모델이 아니라 미세 조정되고 상업적으로 초점을 맞춘 아키텍처로, 종종 "연구 우선" 모델이라고도 합니다.
이 모델은 특히 강화 학습(RL) 방법을 사용하여 특정 쇼핑 작업에 초점을 맞춘 추가 교육을 받았습니다. 전문화된 RL의 적용은 전자 상거래에서 대규모 언어 모델의 가장 큰 위험인 환각, 특히 제품 사양이나 가격과 관련된 위험을 해결하도록 설계되었습니다. OpenAI 엔지니어들은 RL 교육을 통해 신뢰할 수 있는 웹사이트를 읽고, 신뢰할 수 있는 소스를 인용하고, 다양한 소스의 데이터를 합성하여 고품질 제품 연구 결과를 생성하는 모델의 기능에 우선순위를 두었습니다. 인용 소싱 및 데이터 집계에 중점을 두는 것은 ChatGPT를 복잡한 조달 결정을 위한 신뢰할 수 있는 조언으로 확립하기 위한 기술 전략입니다.
II.B. 모델 성능 및 정확성 평가(정확도 측정항목)
성능 측면에서 OpenAI는 명확한 비교 지표를 발표했습니다. 이 특화된 미니 GPT-5 모델은 회사 내부 평가를 바탕으로 제약이 엄격한 복잡한 쿼리에서 64%의 제품 정확도를 달성합니다.
이 64% 정확도 수준은 ChatGPT의 이전 성능에 비해 크게 향상된 것입니다.
일반 제품 쿼리에 대해 37%의 정확도만 달성한 기존 ChatGPT 검색을 사용하는 것에 비해 대폭 개선되었습니다.
유사한 비교 작업에서 정확도가 56%에 불과한 OpenAI의 고급 연구 모델인 GPT-5 Thinking보다 성능이 뛰어났습니다.
정확도가 향상되어 이 도구는 중요한 연구 작업에 적합한 수준으로 향상되었습니다. 그러나 OpenAI는 64%의 정확도가 "완벽하지 않음"을 조심스럽게 인정하고 모델이 여전히 이러한 세부 사항에 오류를 범할 수 있으므로 사용자가 소매업체 웹사이트를 방문하여 가격 및 가용성에 대한 최신 세부 정보를 확인하도록 권장합니다.
이 기술의 진화에 대한 개요를 제공하기 위해 아래는 쇼핑 도메인에서 OpenAI의 다양한 AI 모델 간의 성능 비교입니다.
쇼핑 작업에 대한 OpenAI AI 모델 성능 비교
GPT-5 mini(RL로 교육됨):
작업 유형/특성: 쇼핑 연구(쿼리 컴플렉스, 제약 있음).
제품 정확도: 64%.
전략적 의의: 심층적인 연구 조언자로 포지셔닝하여 환각 오류를 최소화합니다.
GPT-5 사고:
작업 유형/특성: 일반 연구 모델(전임자).
제품 정확도: 56%.
전략적 의미: 제품 데이터 집계가 향상되었습니다.
ChatGPT 검색(이전):
작업 유형/특성: 일반 제품 쿼리.
제품 정확도: 37%.
전략적 의미: 고부가가치 구매 결정을 내리기에는 너무 낮습니다.
III. 사용자 경험(UX)과 대화형 상호작용 프로세스
III.A. 검색 워크플로 및 결과 구체화
쇼핑 조사 기능은 선형 검색 경험을 대화형 검색 프로세스로 대체하도록 설계되었습니다. 이 기능은 사용자가 "1,500달러 미만 배터리 수명이 18시간인 스마트폰을 찾아주세요"와 같은 일반 또는 특정 쇼핑 요청을 할 때 활성화됩니다.
초기 쿼리 후 ChatGPT는 직관적인 인터페이스를 열고 검색 범위를 좁힐 수 있는 '퀴즈 같은 경험'을 제공합니다. AI는 예산, 의도된 수신자 또는 기타 원하는 속성에 대해 명확한 질문을 할 것입니다.
핵심은 사용자가 실시간으로 연구를 탐색할 수 있는 양방향 대화형 인터페이스입니다. 모델이 잠재적인 제품을 제안하면 사용자는 해당 제품을 "관심 없음" 또는 "비슷한 제품 더보기"로 표시할 수 있습니다. 사용자가 항목을 좋아하지 않는 경우 ChatGPT는 특정 이유(예: 가격, 스타일)에 대한 추가 피드백을 요청합니다. 이 "좋아요/싫어요" 메커니즘은 사용자 경험을 향상시킬 뿐만 아니라 RL 모델을 지속적으로 개선하기 위한 자세한 의도 데이터를 제공하므로 OpenAI를 위한 매우 가치 있는 독점 교육 데이터 수집 메커니즘 역할도 합니다.
III.B. 결과: 맞춤형 구매자 가이드
상호작용적이고 심층적인 조사가 완료되면 시스템은 몇 분 안에 맞춤형 구매 가이드를 제공합니다. 이 가이드는 사용자가 제품을 비교하기 위해 수십 개의 탭을 열 필요가 없도록 설계되어 매우 효율적입니다. 여기에는 다음이 포함됩니다.
최고 추천 제품.
옵션 간의 주요 차이점을 명확하게 분석합니다.
각 제품의 구체적인 장단점.
신뢰할 수 있는 소매업체에서 제공하는 가격, 재고, 리뷰, 사양 및 이미지에 대한 최신 정보입니다. 패션 및 의류와 같은 카테고리에서는 지침에 복장 제안이 포함되는 경우도 있습니다.
III.C. 개인화 및 대화 기억
대화 기억을 사용하면 개인화가 크게 향상됩니다. 사용자가 이 기능을 활성화하면 이전 대화에서 논의한 선호도, 예산 또는 제약 조건을 기반으로 조사를 더욱 개인화할 수 있습니다. 이를 통해 ChatGPT는 축적된 지식을 갖춘 개인 쇼핑객 역할을 할 수 있습니다. OpenAI를 사용하면 설정에서 기능을 활성화하거나 비활성화하는 기능을 제공하여 사용자가 이 정보의 기억을 제어할 수 있습니다.
IV. 경쟁 분석 및 무역 혁신 전략(에이전트 커머스)
IV.A. 에이전트 상거래 전쟁에서 입지 확보
Shopping Research의 출시는 OpenAI가 에이전시 상거래 영역에 진출하려는 의도를 명확히 표현한 것이며 Amazon과 Google의 입장에 직접적으로 도전하는 것입니다. 현재 경쟁은 세 가지 주요 플랫폼을 중심으로 진행됩니다.
Amazon: 여전히 자체 생태계 내에서 독점 데이터, 고객 충성도 및 즉각적인 거래 기능에 의존합니다.
Google(Gemini/Shopping Graph): 쇼핑 그래프에서 500억 개가 넘는 제품 목록과 현지 재고 재고 확인 기능을 활용하여 새로운 AI 쇼핑 기능을 구현했습니다.
OpenAI(ChatGPT): 깊이 있고 객관적인 연구와 전문 AI 기술을 활용하여 의사 결정 과정에서 신뢰할 수 있는 조언자로 자리매김하세요.
이러한 AI 쇼핑 도구의 등장은 상거래 쿼리가 기존 검색 엔진에서 대화형 AI로 전환되고 있음을 의미하며, AI 에이전트가 기본 거래 포털로 결정되는 시대의 기반을 마련합니다.
IV.B. 전략적 차별화 요소: 객관적인 연구 및 소스 품질
OpenAI의 가장 두드러진 전략은 소스 품질과 객관성을 우선시하는 것입니다. GPT-5 미니 모델은 고품질 리뷰 사이트와 Reddit과 같은 사용자 포럼을 검색하여 실제 리뷰를 수집하도록 조정되었습니다.
더 중요한 것은 OpenAI는 제품 추천이 관련성을 기반으로 독립적이며 연구 기능 출시 시점에 광고나 제휴 수수료를 받지 않는다고 주장합니다. 이는 Google/Amazon 광고 및 추천 수수료 기반 수익 모델과 전략적 차이를 만듭니다. 객관성에 대한 강조는 중요한 구매 결정에 있어 소비자의 신뢰를 구축합니다.
브랜드에 대한 시사점은 검색 엔진 최적화(SEO)에서 AI 최적화(AIO)로의 전환입니다. 고객이 ChatGPT를 통해 제품 검색을 시작하면 소매업체는 기존 키워드에만 집중하기보다는 이러한 AI 에이전트가 볼 수 있도록 데이터를 최적화해야 합니다.
다음은 Agentic Commerce의 주요 플랫폼 간의 전략 비교입니다:
Agentic Commerce의 플랫폼 전략 비교
ChatGPT(OpenAI):
주류 발견 모델: Research-First Agent(GPT-5 mini RL).
전략적 초점: 심층 컨설팅, 객관적 검토 집계.
주요 데이터 출처: 공개 웹, 고품질 리뷰, Reddit.
현재 수익화 메커니즘: 즉시 체크아웃 거래 수수료(ACP).
Google(Gemini):
주류 발견 모델: AI 모드(쇼핑 그래프).
전략적 초점: 다중 소스 비교, 현지 재고 확인 세트.
기본 데이터 소스: 쇼핑 그래프에 500억 개의 독점 제품 목록이 있습니다.
현재 수익 창출 메커니즘: 광고/제품 추천.
Amazon:
- 위치: 추천 수수료, 직접/제3자 판매.
IV.C. 데이터의 중요성과 'Amazon Wall'
Shopping Research의 포괄성에 대한 잠재적인 장벽 중 하나는 거대 소매 플랫폼의 데이터에 대한 액세스입니다. OpenAI는 웹사이트의 robots.txt를 준수하며 브라우징 에이전트의 액세스가 허용된 페이지에서만 정보를 가져옵니다.
이로 인해 데이터 액세스가 중단됩니다. 대규모 소매 플랫폼(특히 Amazon)에서는 세부 제품 데이터 수집을 제한하는 경우가 많습니다. ChatGPT가 Amazon의 포괄적인 데이터에 액세스할 수 없으면 가장 완전한 시장 비교를 제공할 수 없습니다. 따라서 OpenAI의 전략은 주요 경쟁업체의 실시간 독점 데이터 부족을 보완하기 위해 공개 소스에서 고품질 리뷰와 제품 속성 데이터를 집계하는 데 의존해야 합니다.
V. 비즈니스 모델: 즉시 체크아웃 및 에이전트 상거래 프로토콜(ACP)
V.A. 즉시 체크아웃: 필수 수익 창출 경로
OpenAI의 장기 전략 목표는 즉시 체크아웃(IC)을 통해 연구와 거래를 통합하는 것입니다. IC를 사용하면 사용자가 채팅 인터페이스에서 바로 구매 거래(현재 항목 구매)를 완료할 수 있으므로 사용자가 결제를 위해 소매업체 웹사이트로 리디렉션해야 할 때 발생하는 전환 마찰이나 '전환 유출'이 제거됩니다.
경제적으로 IC는 OpenAI가 구독료를 넘어 지속 가능한 수익원을 창출할 수 있는 주요 방법입니다. OpenAI는 각 거래에 대해 "소액의 수수료"를 부과함으로써 AI 실행에 드는 막대한 비용을 충당하는 데 필요한 상당한 전자상거래 수익을 창출할 수 있습니다. 이 구매당지불 비즈니스 모델은 기존 검색 엔진의 클릭당지불 모델과 크게 다릅니다.
V.B. 파트너 생태계 및 ACP 프로토콜
IC를 구현하기 위해 OpenAI는 Stripe과 제휴하여 ACP(Agent Commerce Protocol)를 개발했습니다. ACP는 판매자가 주문 이행, 배송 및 반품을 통제하는 한 AI 환경에서 직접 거래가 이루어질 수 있도록 하는 개방형 표준으로 설계되었습니다.
OpenAI는 이 생태계를 확장하기 위해 전략적 소매 파트너십을 구축했습니다.
이미 활성화됨: 모든 미국 Etsy 판매자는 자동으로 IC를 활성화합니다. Glossier, SKIMS, Spanx 및 Vuori와 같은 주요 D2C 브랜드를 포함한 일부 Shopify 판매자가 파이프라인에 있습니다.
출시 예정: Walmart는 IC를 사용하기 위한 파트너십을 발표했습니다. Target은 또한 Target 앱과의 긴밀한 통합을 통해 쇼핑 지원을 발표했습니다. 이러한 주요 파트너의 참여는 ACP 프로토콜을 검증하는 데 도움이 됩니다.
V.C. 순위 편향 및 중립성 분석
OpenAI에서는 제품 추천이 관련성을 기반으로 하며 후원을 받지 않는다고 말합니다. 또한 즉시 체크아웃 사용은 구매자에게 무료이며 가격에 영향을 주지 않으며 IC 지원 품목은 제품 결과에서 우선순위를 갖지 않습니다.
그러나 판매자 평가 메커니즘을 분석해 보면 복잡성이 드러납니다. 여러 소매업체가 동일한 제품을 판매하는 경우 판매자 순위 요소에는 재고, 가격, 품질, 판매자 유형(제조업체 또는 마스터 판매자) 및 즉시 결제 가능 여부가 포함됩니다.
즉시 체크아웃의 가용성을 순위 요소로 고려하면 ACP를 사용하는 판매자에 대한 '간접 편견'이 생성됩니다. IC가 제품 평가를 직접적으로 높이지는 않지만, 가격과 품질이 동일하고 경쟁이 치열한 시장에서는 원활한 결제 경험을 제공하는 능력이 결정적인 경쟁 우위가 됩니다. 이는 ACP 채택을 강력하게 촉진하여 주요 상거래 중개자로서 OpenAI의 입지를 확고히 합니다.
주요 파트너와의 Instant Checkout(IC) 통합 상태는 다음과 같습니다.
Instant Checkout(IC) 통합 상태
Etsy Sellers:
통합 유형: 직접 구매(Instant 체크아웃).
현황(보고 시점): 시행(2025년 3분기부터).
전략적 의미: 기존 SEO로는 찾기 어려운 고유한 수제 제품을 소스로 제공합니다.
Shopify 판매자(선택):
통합 유형: 직접 구매(ACP).
현재 상태(보고 시간): 진행 중(Glossier, SKIMS, Spanx, Vuori 등).
전략적 의미: IC가 전환 마찰을 줄이는 대규모 D2C 생태계를 활용합니다.
Walmart:
통합 유형: 즉시 체크아웃.
현재 상태(보고 시간): 출시 예정(“출시 예정”) .
전략적 의미: 대규모 오프라인 소매 파트너, IC 모델 검증.
대상:
통합 유형: Target 앱을 통한 구매를 지원합니다.
현재 상태(보고 시간): 출시 예정.
전략적 의미: 차별화된 모델 협업: 결제 대신 Target 앱에 심층 통합 ChatGPT.
VI. 데이터 품질, 신뢰성 및 AI 최적화(AIO) 과제
VI.A. 리뷰 데이터 수집 및 집계 메커니즘
ChatGPT는 실시간 가격, 가용성, 리뷰, 사양 및 이미지 정보를 수집하기 위해 전체 인터넷을 검색하여 심도 있는 연구를 수행합니다.
구매 지침을 제공하기 위해 모델은 공개 웹 페이지를 기반으로 리뷰 요약을 생성하여 사용자가 제품에 대해 일반적으로 좋아하는 것과 싫어하는 것을 강조합니다. 그러나 OpenAI는 이러한 리뷰 요약 및 평가가 모델에서 생성되었으며 OpenAI에서 검증되지 않았음을 공개적으로 경고합니다. "예산 친화적"과 같은 설명 라벨은 리뷰어가 최저가를 추천하는 것이 아니라 좋은 가치를 언급하는 빈도를 기준으로 추론됩니다.
VI.B. 구조화된 제품 데이터 최적화로의 전환
AIO 시대에 ChatGPT의 제품 가시성은 입력 데이터의 품질에 따라 달라집니다. 제품이 제대로 표시되고 순위가 지정되려면 판매자는 구조화되고 상세하며 AI에 최적화된 제품 데이터를 제공해야 합니다.
OpenAI는 직접적인 제품 피드 메커니즘을 구축했습니다. 이 메커니즘을 통해 판매자는 구조화된 데이터를 OpenAI에 직접 제공할 수 있으므로 ChatGPT가 가장 정확하고 최신 제품 정보를 반영할 수 있습니다. 이는 OpenAI가 소매업체가 가시성을 확보하기 위해 제품 속성 데이터 강화 및 UGC에 투자해야 하는 새로운 유통 채널로 자리매김하고 있음을 확인시켜 줍니다.
VI.C. 신뢰의 과제와 인간의 목소리
심층적인 연구가 개선되었지만 AI 거래에 대한 소비자 신뢰는 여전히 장벽으로 남아 있습니다. 초기 연구에 따르면 ChatGPT 트래픽의 전환율은 소비자가 구매하기 전에 정보를 교차 확인하는 경우가 많기 때문에 기존 채널보다 여전히 낮은 것으로 나타났습니다. AI 거래에 대한 낮은 신뢰는 사용자가 구매 전 마지막 단계로 ChatGPT를 사용하지 않는 이유를 설명할 수 있습니다.
게다가 ChatGPT의 모델은 인간의 목소리(기자, 제품 리뷰어)의 리뷰와 의견을 집계하는 데 의존합니다. AI가 기본 조언자가 되는 데 성공하면 원본 검토 소스의 역할을 상실하고 객관적인 정보를 수집하는 데 의존하는 고품질 데이터가 훼손될 위험이 있습니다.
Ⅶ. 사례 연구: 검색부터 피아노 구매 조언까지
쇼핑 조사 기능은 악기 구매와 같은 복잡하고 세부적이며 위험성이 높은 질문을 해결하도록 특별히 설계되었습니다.
사용자 쿼리(예):
“초보자를 위한 디지털 피아노, 따뜻한 사운드, 어쿠스틱 피아노와 같은 무게감 있는 건반, 저렴한 가격 15 백만.”
이것은 예산(1,500만 미만), 기능(가중치 키 - 가중치 키/해머 동작) 및 품질(따뜻한 소리, 초보자를 위한) 간의 균형이 필요하기 때문에 간단한 키워드 검색으로는 해결할 수 없는 일반적인 쿼리입니다. 연구).
ChatGPT의 연구 프로세스:
제약 조건 수집: ChatGPT는 방 공간(적절한 피아노 모델 제안) 및 사운드 선호도(재즈, 클래식 등)에 대해 추가 질문을 합니다. 메모리 기능이 활성화된 경우 ChatGPT는 사용자가 재즈 피아노를 선호하는 경우 자동으로 따뜻한 사운드와 좋은 페달 감도의 우선 순위를 지정합니다.
심층 탐색: 시스템은 인터넷과 고품질 리뷰 사이트(예: 피아노/음악 포럼)를 검색하여 기술 조건(
가중치 건반및해머 동작)을 충족하는 피아노 모델을 찾습니다.리뷰 집계: 모델은 잠재적인 모델에 대한 실제 사용자의 의견을 종합합니다. 예를 들어 Roland FP-30X 또는 Kawai ES120과 같은 모델을 커뮤니티의 집계된 피드백과 함께 추천할 수 있습니다.
일부 초보 사용자는 수용 가능한 키 느낌으로 인해 예산 친화적인 Kawai Ca49(약 $2,000)를 높이 평가합니다.
Roland F701이나 FP-30X와 같은 모델은 묵직한 건반 느낌과 손가락에 닿는 기분 좋은 사운드로 높이 평가됩니다.
결과 출력: 결과는 단순한 목록이 아니라 각 옵션의 장단점을 강조하는 자세한 비교 가이드입니다. 예를 들어, 저렴한 모델에는
Escapement기능이 없거나 내장 톤(톤) 수가 적어 신규 사용자가 큰 비용을 지출하기 전에 결정을 이해하는 데 도움이 될 수 있습니다.
VIII. 자주 묻는 질문(FAQ)
Q1: Shopping Research는 어떤 제품 카테고리를 지원합니까? 전자제품, 패션/화장품, 가정 및 정원, 주방 및 가전제품, 스포츠 및 야외 장비 등 상세하고 매우 복잡한 연구가 필요한 카테고리에 가장 적합합니다.
Q2: Shopping Research를 사용하려면 수수료가 있나요? 아니요. 이 기능은 현재 웹과 모바일 플랫폼 모두에서 무료, Go, Plus 및 Pro 요금제를 포함하여 로그인한 모든 사용자에게 무료로 제공됩니다. OpenAI는 또한 연휴 기간 동안 "거의 무제한" 사용량을 제공합니다.
Q3: ChatGPT의 제품 권장 사항은 후원을 받거나 제휴 커미션이 있습니까? OpenAI에서는 제품 권장 사항이 광고 또는 제휴 커미션이 아닌 관련성, 소스 품질 및 사용자 쿼리와의 관련성을 기반으로 한다고 말합니다.
Q4: 쇼핑 조사는 얼마나 정확합니까? 복잡한 쿼리에 대한 OpenAI의 내부 테스트에서 이 특화된 모델은 64%의 제품 정확도를 달성했습니다. 완벽하지는 않지만 이 수치는 기존 ChatGPT 검색 기능을 사용할 때의 37%보다 훨씬 높습니다. OpenAI는 사용자가 항상 소매업체 웹사이트에서 가격과 재고를 다시 확인할 것을 권장합니다.
Q5: ChatGPT에서 직접 구매(즉시 체크아웃)하는 방법은 무엇입니까? 직접 구매하려면 ACP(Agent Commerce Protocol)에 참여하는 판매자가 제품을 판매해야 합니다. Instant Checkout은 이제 모든 미국 Etsy 판매자와 일부 Shopify 판매자에게 출시되었으며 Walmart와 Target도 곧 출시될 예정입니다. 제품이 IC를 지원하는 경우 채팅 인터페이스에 "구매" 버튼이 즉시 나타납니다.
소비자의 경우: 지금 쇼핑 경험을 바꿔보세요. 쇼핑 리서치의 힘을 경험하려면 복잡한 쿼리(예: "애완동물이 있는 30m² 방에 대한 최고의 공기 청정기 모델 3개 비교, 가격 700만 달러 미만 비교")부터 시작하세요. 이번 연휴 시즌에는 사실상 무제한 사용량을 최대한 활용하여 더 이상 수십 개의 탭을 열 필요 없이 현명한 쇼핑 결정을 내리세요.
판매자와 소매업체의 경우: AI 최적화(AIO) 시대가 시작되었습니다. ChatGPT의 편견 없는 연구 결과에 제품이 표시되도록 하려면:
구조 데이터: 제품 속성 데이터 및 사용자 평가(UGC)가 AI 에이전트에 최적화되어 있는지 확인하세요.
제품 피드 구독: 가격 및 재고 정보를 항상 정확하게 보호하려면 OpenAI에 실시간 제품 피드를 제공하려면 가입하세요.
ACP 채택: 즉시 결제를 활성화하고 전환 문제를 줄이며 판매자 등급에서 간접적인 경쟁 우위를 확보하려면 ACP(에이전트 상거래 프로토콜) 채택을 고려해 보세요.
'쇼핑 연구' 기능은 ChatGPT를 복잡한 쇼핑 연구 작업을 수행할 수 있는 전문 AI 에이전트로 전환함으로써 OpenAI의 중요한 기술 발전을 나타냅니다. 강화 학습으로 훈련된 미니 GPT-5 모델(제품 정확도를 64% 높임)과 즉시 체크아웃 전략의 결합은 미래 AgenticCommerce 모델의 기반을 마련합니다. 이 전략은 편리한 도구를 제공하는 것뿐만 아니라 ChatGPT를 기본 제품 검색 포털로 설정하여 기존 검색 및 전자상거래 비즈니스 모델과 직접 경쟁하는 것입니다.
OpenAI는 신뢰할 수 있는 조언자와 마찰 없는 거래 중개자라는 이중 포지셔닝 전략을 추구합니다. OpenAI는 객관성(광고 없음)과 데이터 소스 품질(고품질 리뷰에 중점)을 강조함으로써 기존 광고 기반 검색 엔진이 유지하기 위해 애쓰는 신뢰를 구축합니다. 동시에 ACP 및 즉시 체크아웃 프로토콜의 개발을 통해 OpenAI는 생성된 거래에서 경제적 가치를 포착하여 기존 클릭당 지불 모델에 대한 지속 가능한 구매당 지불 대안을 만들 수 있습니다. Walmart 및 Target과 같은 대형 소매업체와의 파트너십은 이러한 Outlet Commerce 모델의 정당성을 확인합니다.
'쇼핑 리서치'와 인스턴트 체크아웃의 출시는 소비자가 제품 조사와 비교 과정을 적극적으로 수행해야 하는 전통적인 쇼핑 모델의 종말을 예고합니다. 앞으로 AI Agent는 거래를 발견하고, 컨설팅하고, 궁극적으로 실행하는 역할을 맡아 AI가 기본 거래 게이트웨이가 되는 거래 생태계를 구축할 것입니다. 특히 구조화된 제품 데이터를 최적화하고 ACP와 같은 표준을 채택함으로써 이러한 Dialogue Commerce 모델에 적응하지 못하는 브랜드는 새로운 가치 사슬 전반에 걸쳐 가시성과 전환을 잃을 위험이 있습니다. 메모리와 실시간 상호작용을 통해 연구를 개인화하는 능력은 필수적인 개인 쇼핑 동반자로서 ChatGPT의 입지를 확고히 할 것입니다.
공유
