패션 GEO(생성형 엔진 최적화)는 "결혼식 하객룩 추천해줘" 같은 질문에 챗GPT나 퍼플렉시티가 답할 때, 우리 브랜드와 상품이 그 답변에 인용되도록 상품 데이터와 콘텐츠를 설계하는 작업입니다. 광고 지면을 사는 일이 아니라, AI가 읽고 추천할 근거를 미리 만들어 두는 일이에요.
시장은 숫자로 이미 움직였습니다. 2025년 홀리데이 시즌 미국 리테일 사이트의 생성형 AI 경유 트래픽은 전년 대비 11월 769%, 12월 673% 늘었고, AI를 타고 온 방문자는 일반 유입보다 전환 가능성이 30% 높았어요. 패션 브랜드의 준비물은 두 가지입니다. AI가 읽을 수 있는 상품 데이터, 그리고 스타일링 질문에 답하는 콘텐츠.
재미있는 사실 하나. 지금 구글에 "패션 GEO"를 검색하면 동명의 의류 쇼핑몰과 업종 불문 GEO 개론 글만 나옵니다. 패션에 맞춘 실행 가이드가 그만큼 없다는 뜻이라, 서치폴라리스가 산업별 가이드 시리즈의 패션 편으로 정리했습니다.
빠르게 훑으면 이렇습니다.
- 미국 리테일 사이트의 AI발 트래픽이 1년 새 393% 늘었습니다
- 패션 질문은 스타일링 추천, 상품 비교, 브랜드 평판의 3유형입니다
- 승부처는 콘텐츠 양이 아니라 사이즈·소재·핏이 담긴 상품 시맨틱 데이터예요
- 업종 공통 원칙은 산업별 GEO 가이드에 있습니다
옷 고르는 질문이 검색창을 떠나고 있습니다
숫자부터 봅니다. Capital One Shopping 리서치 집계로 미국 리테일 사이트로 유입되는 AI발 트래픽은 1년 만에 393% 늘었고, 소비자의 58%는 상품 추천을 받을 때 전통 검색 대신 생성형 AI를 씁니다. Adobe의 홀리데이 쇼핑 분석은 여기에 전환 데이터를 얹어요. AI 경유 방문자는 일반 방문자보다 구매로 이어질 가능성이 30% 높았습니다.
트래픽이 아니라 전환까지 움직였다는 게 핵심입니다.
공급자 쪽도 같은 방향이에요. 맥킨지의 State of Fashion 2026에서 패션 경영진의 35% 이상이 소비자 검색과 상품 발견에 이미 AI를 쓰고 있다고 답했고, 보고서는 AI 모델이 읽을 수 있는 시맨틱 상품 데이터를 필수 조건으로 지목합니다. 소비자의 40% 이상은 AI 답변을 유료 광고보다 신뢰할 만하다고 봐요. 옷을 고르는 상담이 매장 직원과 검색 포털에서 AI 채팅창으로 자리를 옮기는 중입니다.
AI가 추천하는 패션 브랜드의 조건
패션 업계의 AI 검색 질문을 뜯어보면 세 유형으로 나뉩니다. 유형마다 AI가 인용하는 소스가 달라서, 우리 브랜드가 어느 질문을 받을지부터 정해야 전략이 나와요.
| 질문 유형 | 질문 예시 | AI가 인용하는 소스 | 주 플레이어 |
|---|---|---|---|
| 스타일링 추천 | "결혼식 하객룩 추천해줘" | 스타일 가이드, 큐레이션 콘텐츠 | 콘텐츠 있는 브랜드, 미디어 |
| 상품 비교 | "10만 원대 린넨 셔츠 어디 게 나아?" | 상품 스펙, 가격·소재 데이터 | 상품 데이터 갖춘 쇼핑몰 |
| 브랜드 평판 | "이 브랜드 퀄리티 괜찮아?" | 리뷰, 커뮤니티, 언론 언급 | 리뷰 자산 있는 브랜드 |
여기서 인용의 셈법이 잔인합니다. Seer Interactive가 3,119개 쿼리를 추적한 결과, 구글에 AI Overview가 뜨면 오가닉 클릭률은 1.76%에서 0.61%로 떨어져요. 그런데 그 답변에 인용된 브랜드는 반대로 오가닉 클릭이 35%, 유료 클릭이 91% 늘었습니다. 인용되는 쪽과 안 되는 쪽의 격차가 벌어지는 제로섬 구조예요.
~~콘텐츠 팀보다 데이터 팀이 먼저 바빠져야 하는 이유입니다.~~
그리고 패션의 병목은 대부분 상품 데이터에 있습니다. 상세페이지가 이미지 몇 장과 감성 카피뿐이면, AI 입장에서 그 상품은 라벨 없는 옷걸이입니다. 걸려는 있는데 뭘 파는지 읽을 수가 없어요. 사이즈 실측, 소재 혼용률, 핏 설명, 가격이 텍스트와 Product 스키마로 박혀 있어야 "170cm에 어울리는 와이드 슬랙스" 같은 조건 질문에 우리 상품이 후보로 잡힙니다. 스키마 문법은 구조화 데이터 가이드에 정리돼 있어요.
실행 순서는 상품 데이터부터입니다
패션 브랜드의 GEO 실행은 네 단계로 굴립니다. 순서를 바꾸면 효율이 떨어져요.
첫째, AI 크롤러 허용 확인. GPTBot과 PerplexityBot이 robots.txt나 CDN 봇 정책에 막혀 있으면 이후 작업이 전부 무효입니다. 둘째, 상품 상세 시맨틱화. 베스트셀러부터 실측·소재·핏 텍스트와 Product 스키마를 얹습니다. 셋째, 스타일링 질문 콘텐츠. "하객룩", "환승룩" 같은 상황 질문을 헤딩으로 쓰고 우리 상품으로 답하는 페이지를 만듭니다. 넷째, 인용 측정. 챗GPT와 퍼플렉시티에 시드 질문을 주기적으로 던져 우리 브랜드 등장 여부를 기록해요.
서치폴라리스 팀이 고객사 진단에서 반복해서 확인하는 패턴이 있어요. 콘텐츠는 많은데 상품 데이터가 비어 있는 브랜드가, 콘텐츠는 적어도 상품 데이터가 촘촘한 브랜드보다 인용을 못 받습니다. 그래서 우리는 룩북 콘텐츠 증산보다 상품 상세 정비를 먼저 권합니다.
솔직한 경계도 필요합니다. 시즌 회전이 극단적으로 빠른 초저가 물량 브랜드에는 GEO를 권하지 않아요. 상품 수명이 몇 주면 시맨틱 데이터를 쌓는 비용이 회수되기 전에 상품이 내려갑니다. 국내 시장에서 에이블리·지그재그 같은 앱 안에서 검색이 끝나는 타깃이라면 앱 내 최적화가 우선이고요. AI 채널은 자사몰과 브랜드 자산이 있는 쪽에서 레버리지가 큽니다.
아직 확실하지 않은 부분도 있습니다. 챗GPT 쇼핑 같은 AI 쇼핑 에이전트가 한국 패션 상품을 얼마나 깊이 다룰지는 데이터가 더 쌓여야 해요. 다만 어느 쪽으로 가든 조건은 같아서, 지금 정비한 상품 시맨틱 데이터는 어떤 AI 채널에서든 재사용됩니다. 커머스 공통 구조는 이커머스 GEO 가이드에서 이어져요.
패션은 결국 큐레이션 산업입니다. 큐레이터가 매장 직원에서 알고리즘으로, 다시 AI로 바뀌었을 뿐이에요. 그리고 AI는 읽을 수 있는 브랜드만 큐레이션합니다.
자주 묻는 질문
Q: 패션 업계에서 GEO는 무엇을 뜻하나요?
생성형 엔진 최적화(Generative Engine Optimization)입니다. 스타일링 추천이나 상품 비교 질문에 챗GPT 같은 AI가 답할 때 우리 브랜드와 상품이 인용되도록 상품 데이터와 콘텐츠를 설계하는 작업이에요. 지도 위치 정보(geo)나 동명의 의류 브랜드와는 무관합니다.
Q: 실제로 옷을 살 때 AI를 쓰는 사람이 많나요?
미국 리테일 사이트의 AI발 트래픽이 1년 새 393% 늘었고, 소비자의 58%가 상품 추천에 전통 검색 대신 생성형 AI를 씁니다. 2025년 홀리데이 시즌에는 AI 경유 방문자의 구매 전환 가능성이 일반 유입보다 30% 높았어요. 한국도 챗GPT 사용자가 2천만 명대라 같은 흐름이 진행 중입니다.
Q: 작은 쇼핑몰도 패션 GEO 효과를 볼 수 있나요?
가능합니다. 브랜드 평판 질문은 리뷰 자산이 많은 대형 브랜드가 유리하지만, "10만 원대 린넨 셔츠" 같은 조건 질문에는 아직 표준 답변이 없어요. 사이즈 실측과 소재, 핏 정보를 텍스트와 Product 스키마로 정리한 쇼핑몰이 그 자리를 가져갑니다.
