이제 마케팅 대상은 사람이 아닌 AI다 — 에이전트 커머스 시대, 교육 플랫폼이 'AI 추천 후보'에 드는 4단계
2025년 연말 쇼핑 시즌, 생성형 AI 도구가 리테일 사이트로 유입시킨 트래픽은 전년 대비 693.4% 폭증했습니다. McKinsey는 2030년까지 미국 리테일 매출의 9,000억~1조 달러가 '에이전트 커머스'에서 발생할 것으로 전망합니다. 질문을 바꿔야 할 때입니다. 당신의 강의는 사람에게 노출되고 있나요, 아니면 AI에게 추천되고 있나요?
에이전트 커머스란 무엇이고, 왜 교육 플랫폼이 더 위험한가
에이전트 커머스(Agentic Commerce)는 소비자가 직접 검색·비교·구매하던 과정을 AI 에이전트가 대신 수행하는 구조를 말합니다. "30대 직장인이 6개월 안에 데이터 분석 실무를 배울 수 있는 강의를 찾아줘"라고 입력하면, AI가 후보를 추리고 비교해 단 몇 개만 제시합니다. 사용자는 광고를 보지 않고, AI가 좁혀준 선택지 안에서 결정합니다. 교육 상품은 일반 소비재보다 이 변화에 더 취약합니다. 강의는 가격·기간·난이도·수강 후기 등 고려 요소가 많은 고관여 상품이기 때문에, 사용자는 점점 더 "비교를 AI에게 위임"하려는 경향이 강합니다. 즉, AI의 추천 후보 리스트에 들어가지 못하면 그 강의는 존재하지 않는 것과 같습니다.
💡 PRO TIP: 퍼널의 최상단(인지·고려 단계)이 통째로 AI에게 넘어가고 있습니다. 기존에 '검색 광고 → 랜딩페이지 → 전환'으로 짜둔 퍼널을 'AI 추천 → 검증 → 전환'으로 다시 그려보세요.
AI는 무엇을 보고 강의를 추천하는가 — 4가지 신호
AI 에이전트는 광고비 입찰가가 아니라 신뢰할 수 있는 정보의 양과 일관성을 기준으로 후보를 고릅니다. 마케터가 관리해야 할 신호는 크게 네 가지입니다.
| 신호 | AI가 읽는 것 | 마케터의 액션 |
|---|---|---|
| 구조화 데이터 | 강의명·가격·기간·대상·커리큘럼이 기계가 읽을 수 있는 형식인가 | Course/FAQ 스키마(schema.org) 마크업 적용 |
| 제3자 언급 | 외부 블로그·커뮤니티·뉴스에서 일관되게 언급되는가 | PR·후기·UGC 확보, 디지털 PR |
| 수강 후기의 구체성 | 별점이 아니라 '무엇을, 누가, 어떤 성과를 냈는가' | 정량 성과가 담긴 리뷰 수집 구조 설계 |
| 답변형 콘텐츠(AEO) | 사용자 질문에 직접 답하는 문장이 있는가 | 'Q&A 형식' 콘텐츠 + 핵심 문장 상단 배치 |
전통적인 SEO가 '키워드 순위'를 다퉜다면, AEO(Answer Engine Optimization)와 GEO(Generative Engine Optimization)는 **'AI가 인용하기 좋은 형태인가'**를 다툽니다. AI 유입 방문자는 일반 방문자 대비 전환율이 31% 높고, 방문당 매출은 254% 많다는 데이터가 있습니다. 트래픽의 질 자체가 다른 채널이라는 의미입니다.
'AI 추천 후보'에 드는 실전 세팅 4단계
1단계 — 타겟 페르소나의 'AI 질문'을 먼저 정의하라
카피를 쓰기 전에, 타겟이 AI에게 실제로 입력할 문장을 정의합니다. 예: "비전공자가 마케팅 직무로 이직할 때 가장 빠른 강의는?" 이 질문 속에 담긴 페인 포인트(비전공·시간 부족·검증된 성과 needs)를 콘텐츠 제목과 첫 문단에 그대로 녹입니다. AI는 사용자 질문과 의미가 일치하는 콘텐츠를 우선 인용합니다.
2단계 — 강의 정보를 '기계가 읽는 형식'으로 구조화하라
랜딩페이지에 Course·FAQ·Review 스키마를 적용하고, 가격·기간·수료 조건·환불 정책을 표 형태로 명확히 노출합니다. AI는 모호한 마케팅 문구보다 **명시적 사실(facts)**을 신뢰합니다.
3단계 — 외부 신뢰 신호를 분산 배치하라
AI는 자사 사이트 한 곳의 주장보다 여러 출처의 일관된 언급을 더 신뢰합니다. 수강 후기 영상(UGC), 외부 블로그 리뷰, 커뮤니티 Q&A, 보도자료를 의도적으로 분산 확보하세요. 한 곳에서 10번 외치는 것보다 10곳에서 1번씩 언급되는 편이 강력합니다.
4단계 — A/B 테스트로 'AI 친화 콘텐츠'를 검증하라
모든 크리에이티브는 최소 2가지 변형으로 테스트합니다.
- A안 (혜택 강조형): "6개월 만에 포트폴리오 완성, 평균 연봉 1,200만 원 상승"
- B안 (문제 해결형): "비전공자도 가능한가요? — 수강생 73%가 비전공자입니다" B안처럼 질문에 직접 답하는 구조가 AI 인용·발췌에 더 유리한 경우가 많으니, AI 검색 유입 전환율을 기준으로 비교하세요.
⚠️ 주의사항: AI에 최적화한다고 사람이 읽기 불편한 키워드 나열식 문장을 쓰면 역효과입니다. AI도 사람이 읽기 좋은 자연스러운 문장을 선호하도록 학습되고 있습니다. '사람 먼저, 기계도 읽기 쉽게'가 원칙입니다.
측정 — 'AI 채널'을 별도 지표로 추적하라
AI 가시성은 막연한 트렌드가 아니라 측정 가능한 채널입니다. 다음을 정기적으로 추적하세요.
- AI 추천 점유율: ChatGPT·Gemini·Perplexity 등에 타겟 질문을 입력했을 때 우리 강의가 추천 후보에 드는 비율 (주 1회 수동 점검)
- AI 리퍼럴 트래픽: GA4에서 chatgpt.com, perplexity.ai 등 referral 소스 세그먼트 분리
- AI 유입 전환율 vs 평균 전환율: AI 유입의 질을 검증
- 인용 콘텐츠 식별: AI가 우리를 추천할 때 어떤 페이지·문장을 근거로 삼는지 역추적 이 지표들이 개선되는지를 봐야 AEO/GEO 투자에 대한 ROAS를 가늘할 수 있습니다.
마무리 — 후보 리스트에 드는 것부터가 시작이다
에이전트 커머스 시대의 마케팅은 '사람에게 더 크게 외치는 경쟁'에서 'AI에게 신뢰받는 경쟁'으로 옮겨가고 있습니다. 핵심은 세 가지입니다. ① 타겟이 AI에게 던질 질문을 먼저 정의하고, ② 강의 정보를 기계가 읽는 형식으로 구조화하며, ③ 외부 신뢰 신호를 분산 확보하는 것. 광고비를 늘리기 전에, 우리 강의가 AI의 추천 후보에 들어가 있는지부터 점검해야 합니다. 📌 매일 한 편씩, 현업 마케터를 위한 실전 인사이트를 전합니다. 퍼포먼스·그로스·CRM·트렌드까지 — 블로그를 구독하고 가장 먼저 받아보세요.
Next Step: 이번 주 안에 우리 대표 강의 3개를 ChatGPT·Perplexity에 타겟 질문으로 직접 검색해, 추천 후보에 드는지 / 어떤 경쟁사가 먼저 인용되는지 베이스라인을 기록해두세요. 리스크는 '아직 이르다'는 판단으로 측정을 미루는 것입니다 — 경쟁사가 AI의 학습 데이터에 먼저 자리 잡으면 후발 추격 비용이 급격히 커집니다.
