How AI Engines Recommend Products

AEKO

12 min read

·2026-02-08

AI는 왜 특정 제품을 추천할까?

ChatGPT에 "100달러 이하 무선 이어폰 추천해줘"라고 물어보면 바로 목록이 나옵니다. 그 목록은 어디서 오는 걸까요? AI가 어떤 메커니즘으로 제품을 추천하는지 이해하면, 해외 시장에서 자사 브랜드가 그 목록에 오를 가능성을 높이는 전략을 세울 수 있습니다.

GPT, Claude 같은 대형 언어 모델(LLM)은 학습 데이터 컷오프 시점까지의 정보를 기반으로 응답합니다. 이 학습 데이터는 웹 크롤링, 리뷰 사이트, 포럼, 뉴스 기사, 공식 제품 페이지 등을 포함합니다.

Perplexity, 검색 연동 모드의 ChatGPT처럼 웹 검색을 함께 활용하는 모델은 실시간 데이터도 참조합니다. 학습 시점에 형성된 브랜드 인지도와, 지금 이 순간의 검색 결과가 모두 영향을 미칩니다.

핵심 포인트

해외 리뷰 사이트, 포럼, 언론 매체에 브랜드 노출이 쌓여 있지 않으면 AI의 학습 데이터에 포함되기 어렵습니다. 실시간 검색 연동 모델의 경우 최신 콘텐츠와 구조화된 데이터가 추가로 중요해집니다.

AI가 특정 브랜드를 추천하는 데는 명확한 패턴이 있습니다.

1. 패턴 매칭 (Pattern Matching)

AI는 학습 데이터에서 특정 제품 카테고리와 함께 가장 자주 등장한 브랜드를 파악합니다. 한국 브랜드가 해외 데이터에 충분히 쌓여 있지 않다면, 이 첫 번째 단계에서 이미 제외됩니다.

2. 소스 가중치 (Source Weighting)

모든 소스가 동일하게 취급되지 않습니다. Wirecutter, RTINGS 같은 전문 리뷰 매체, Reddit 같은 대형 커뮤니티, 구조화 데이터(JSON-LD)가 잘 정리된 공식 제품 페이지에 AI는 더 높은 신뢰도를 부여합니다.

3. 컨센서스 형성 (Consensus Building)

여러 소스가 특정 브랜드를 동일 카테고리에서 좋게 평가한다면, AI는 이를 합의된 사실에 가깝게 처리합니다. 한 채널에만 집중하는 것보다 여러 유형의 소스에 분산 노출되는 것이 중요합니다.

4. 최신성 신호 (Recency Signals)

실시간 검색을 지원하는 모델의 경우, 최신 리뷰와 현재 검색 결과가 과거 학습 데이터를 부분적으로 덮어쓸 수 있습니다. 지속적인 콘텐츠 업데이트가 단발성 캠페인보다 효과적인 이유입니다.

ChatGPT에서 Brand A를 추천받았더라도, Claude는 Brand B를, Perplexity는 Brand C를 추천할 수 있습니다. 각 모델은 서로 다른 학습 데이터, 다른 소스 우선순위, 다른 가중치 알고리즘을 사용합니다.

실무적 함의

ChatGPT, Claude, Gemini, Perplexity 각각에서 자사 브랜드가 어떻게 언급되는지 별도로 추적해야 합니다. 하나에서 잘 보인다고 나머지도 그렇다고 가정하면 안 됩니다.

"best sunscreen"을 영어로 물으면 미국 소비자 기준의 브랜드 목록이 나옵니다. 같은 질문을 일본어로 하면 전혀 다른 목록이 나옵니다. AI 엔진은 각 언어권의 소스를 참조합니다.

언어별 최적화가 필요한 이유

미국 시장만을 위한 영어 SEO 전략으로는 일본, EU 시장의 AI 추천을 커버할 수 없습니다. 목표 시장의 언어로 작성된 콘텐츠가 현지 권위 소스에 있어야 합니다.

AI 추천 알고리즘은 블랙박스이지만, 영향을 미칠 수 있는 지점은 분명히 존재합니다.

목표 시장의 권위 소스에 브랜드 노출 쌓기

미국이라면 Wirecutter, The Verge, Reddit. 일본이라면 価格.com, 현지 IT 미디어. 해당 시장의 소비자가 신뢰하는 소스에 자사 브랜드가 언급되어야 AI도 신뢰할 수 있는 데이터로 인식합니다.

구조화 데이터(JSON-LD) 적용

공식 제품 페이지에 Schema.org 기반 JSON-LD 마크업을 적용하면 AI가 제품 정보를 명확하게 파악할 수 있습니다.

llms.txt로 AI에 브랜드 정보 직접 제공

llms.txt는 AI 크롤러에게 브랜드와 제품에 대한 명확한 정보를 전달하는 표준 파일입니다. robots.txt의 AI 버전이라고 생각하면 됩니다.

정기 모니터링

AI 모델은 지속적으로 업데이트됩니다. 어떤 프롬프트에서 언급되는지, 경쟁사 대비 언급 빈도는 어떤지를 정기적으로 추적해야 변화에 대응할 수 있습니다.

Monitor how AI engines recommend your products across global markets.

직접 조작은 불가능합니다. 하지만 AI가 참조하는 소스에 브랜드를 노출시키고, 구조화 데이터를 적용하고, 권위 있는 제3자 언급을 축적하면 추천 확률을 높일 수 있습니다.

각 AI 모델은 서로 다른 학습 데이터, 소스 우선순위, 가중치 알고리즘을 사용합니다. 하나의 AI에서 잘 나온다고 다른 AI에서도 동일하다고 가정하면 안 됩니다.

AI 엔진은 쿼리 언어에 맞는 소스를 우선 참조합니다. 영어 질문에는 영어권 소스를, 일본어 질문에는 일본어 소스를 참조하므로 시장별로 다른 추천 결과가 나옵니다.