연말 쇼핑 시즌이 다가옴에 따라 OpenAI와 Perplexity는 이번 주에 기존 챗봇에 통합되는 AI 쇼핑 기능을 발표하며 사용자들이 잠재적인 구매품을 조사하는 것을 돕고 있습니다.
이러한 도구들은 서로 상당한 유사성을 보입니다. 예를 들어, OpenAI를 활용하면 사용자는 ChatGPT에게 “1,000달러 이하이면서 화면 크기가 15인치 이상인 게이밍용 새 노트북”을 찾아달라고 요청하거나, 고급 의류 사진을 공유하며 더 저렴한 가격대로 유사한 제품을 추천받을 수 있습니다.
반면, Perplexity는 자체 챗봇의 메모리 기능을 활용하여 사용자의 쇼핑 검색 경험을 강화하는 방안을 강조합니다. 즉, 챗봇이 사용자의 거주지나 직업 등 이미 알고 있는 정보를 바탕으로 맞춤형 추천을 요청할 수 있도록 하는 것입니다.
Adobe는 AI 기반 온라인 쇼핑이 이번 연말 시즌에 520% 성장할 것으로 예측했으며, 이는 같은 분야의 AI 쇼핑 스타트업들에게는 큰 기회가 될 수 있습니다. 하지만 OpenAI와 Perplexity가 AI 쇼핑 경험 영역을 더욱 공격적으로 확장함에 따라, 이러한 스타트업들은 위협에 처한 것일까요?
실내 디자인 쇼핑 도구인 Onton의 CEO 자크 허드슨(Zach Hudson)은 전문화된 틈새시장(niche)을 보유한 AI 쇼핑 스타트업이 여전히 ChatGPT나 Perplexity 같은 범용 도구보다 사용자에게 더 우수한 경험을 제공할 것이라고 주장합니다.
허드슨은 TechCrunch과의 인터뷰에서 "어떤 모델이나 지식 그래프도 결국 데이터 출처만큼만 유용하다"고 말했습니다. 그는 "현재 ChatGPT와 Perplexity 같은 LLM 기반 도구들은 빙(Bing)이나 구글 같은 기존 검색 색인에 의존하고 있습니다. 이는 결과적으로 해당 색인에서 나오는 상위 몇 개 결과물만큼의 가치만을 갖게 만든다는 뜻입니다."라고 지적했습니다. (한편, Perplexity는 TechCrunch에 자사만의 검색 색인을 보유하고 있다고 언급했습니다.)
Daydream의 CEO이자 오랜 이커머스 전문가인 줄리 번스타인(Julie Bornstein) 역시 이 의견에 동의하며, 지난 여름 TechCrunch와의 인터뷰에서 검색 기능을 패션 산업의 "잊힌 아이(forgotten child)"라고 표현한 바 있습니다.
번스타인은 화요일 TechCrunch에서 "패션은… 고유하게 미묘하고 감성적인 영역입니다. 마음에 드는 드레스를 찾는 경험은 TV를 찾는 것과는 결코 같지 않아요"라고 말했습니다. "이러한 수준의 패션 쇼핑에 대한 깊은 이해는 실루엣, 원단, 상황, 그리고 소비자가 시간이 지남에 따라 의상을 구성하는 방식까지 포착하는, 도메인 특화된 데이터와 머천다이징 논리에서 비롯됩니다."
AI 쇼핑 스타트업들은 이러한 문제를 해결하기 위해 고품질의 데이터로 모델을 훈련시키기 위한 자체 데이터셋을 개발합니다. 이는 단순히 모든 인간 지식의 집합체가 아니라, 패션이나 가구와 같이 특정 카테고리를 분류하는 과정에서 달성하기가 더 용이합니다.
허드슨의 사례처럼 Onton은 수십만 개의 실내 디자인 제품을 보다 체계적으로 분류하는 데이터 파이프라인을 개발하여 내부 모델을 우수한 데이터로 훈련시키는 데 성공했습니다. 그러나 만약 AI 쇼핑 스타트업들이 그러한 수준의 전문화를 추구하지 않는다면, 허드슨은 이들이 대기업에 가려질 수밖에 없을 것이라고 전망합니다.
허드슨은 "상용 LLM과 단순한 대화형 인터페이스만을 사용한다면, 스타트업이 거대 기업들과 경쟁할 수 있는 방법을 찾기 매우 어렵다"고 덧붙였습니다.
하지만 OpenAI와 Perplexity가 가진 확실한 강점은 고객 기반이 이미 확보되어 있다는 점입니다. 또한 이들의 강력한 입지는 초기 단계부터 주요 소매업체들과 직접적인 계약을 맺을 수 있게 합니다. Daydream과 Phia는 구매 완료를 위해 고객을 소매업체 웹사이트로 리디렉션하는 방식으로 (때로는 제휴 수익을 얻기도 하지만), OpenAI와 Perplexity는 각각 Shopify 및 PayPal과 파트너십을 맺어 사용자가 대화형 인터페이스 내에서 바로 결제를 진행할 수 있도록 지원합니다.
막대한 양의 값비싼 컴퓨팅 파워를 운영에 의존하는 이들 기업들은 여전히 수익성 확보 방안을 모색하고 있습니다. 만약 구글(Google)이나 아마존(Amazon)의 사례에서 영감을 얻는다면, 소매업체가 검색 결과 내 제품 광고를 위해 비용을 지불하는 이커머스 연계 모델을 한 가지 선택지로 고려하는 것이 합리적일 수 있습니다.
하지만 결국 이러한 방식은 고객들이 검색 기능에 대해 갖고 있는 기존의 불편함을 오히려 심화시킬 위험도 있습니다.
번스타인은 "패션, 여행, 생활용품 등 특정 카테고리에 집중하는 버티컬 모델(Vertical models)은 실제 소비자의 의사 결정 패턴에 맞춰져 있기 때문에 우위를 점할 수 있다"고 강조했습니다.