신제품을 준비할 때마다 저는 경쟁사 상세페이지부터 열어봅니다. 잘 팔리는 제품 몇 개를 골라 어떤 순서로 설득하는지, 어떤 수치를 내세우는지 눈으로 비교하는 거예요. 문제는 이게 생각보다 손이 많이 간다는 겁니다. 이미지를 캡처하고 구간별로 잘라, 4~5개 브랜드를 나란히 놓고 비교표까지 만들다 보면 반나절이 훌쩍 가거든요. "이 반복 작업, AI한테 맡겨도 되지 않을까?": 이번 실험은 이 질문 하나에서 시작됐습니다.
AI에게 맡긴 건 단순했습니다
올리브영에서 "수분세럼"을 검색해 판매순 상위권에서 실제 수분·보습 세럼만 추려 4개 브랜드를 골랐습니다: 아누아, 달바, 넘버즈인, 토리든. AI(Claude)에게 시킨 일은 단순했어요. 이 4개 상세페이지를 직접 열어 이미지를 전부 모아 하나로 이어붙이고, 설득 구조를 구간별로 분해한 다음, 브랜드 간 공통점과 차이점을 비교 리포트로 정리하는 것. 사람이 하면 반나절 걸릴 일을, AI는 브라우저를 직접 조작해가며 끝냈습니다.
간단해 보였던 작업, AI도 쉽지 않았습니다
올리브영은 자동 크롤링을 막아둔 사이트라 AI가 사람처럼 브라우저를 직접 조작하는 방식으로 접근해야 했습니다. 상세이미지는 스크롤해야 로드되는 지연 로딩 방식이라 처음엔 이미지를 다 놓쳤고, 30장 넘는 이미지를 한 번에 이어붙이려니 도구 자체가 시간 초과로 멈추는 일도 있었어요.
가장 까다로웠던 건 브랜드마다 이미지가 저장된 서버(CDN)가 달랐다는 점입니다. 어떤 브랜드는 정상적으로 받아지는데, 다른 브랜드는 보안 정책 때문에 이미지 요청 자체가 거부됐어요. AI는 결국 그 이미지 서버 주소로 새 창을 하나 더 열어, 그 안에서 다시 요청하면 통과된다는 우회로를 스스로 찾아냈습니다. 그래도 끝내 막힌 애니메이션 이미지 몇 개(토리든 12구간)는 억지로 채우지 않고 "이 구간은 못 받았다"고 정직하게 남겼어요. 사람이었으면 몇 시간은 붙잡았을 디버깅을, AI가 대신 겪고 우회로까지 찾아준 셈입니다.
상세페이지 내용이 AI 검색에 잡히지 않아요
앞서 말씀드린 우회 작업이 전부 필요했던 이유는 결국 하나였습니다. 이 4개 브랜드의 상세페이지가 전부 '통짜 이미지'로 만들어져 있었거든요. 성분도, 임상 수치도, 각주도 전부 그림 파일 안에 박혀 있고 실제 텍스트로는 존재하지 않았습니다.
사람 눈에는 문제가 없습니다. 어차피 이미지를 보고 판단하니까요. 하지만 요즘 소비자들은 점점 더 "이 제품 뭐가 좋아?"를 검색창이 아니라 챗GPT나 퍼플렉시티 같은 AI에게 직접 물어봅니다. 이런 생성형 AI 검색(GEO, Generative Engine Optimization)은 페이지를 사람처럼 '보는' 게 아니라 텍스트로 '읽습니다'. 성분표가 이미지 파일로만 올라가 있으면, AI 입장에서는 그 페이지에 어떤 성분이 들어있는지 아예 알 방법이 없어요.
AXIS-Y는 10점, Some By Mi는 3점입니다
국내 마케팅 매체 오픈애즈가 실제로 이 질문에 점수를 매겨봤습니다. 질문에 직접 답하는지, 성분·함량이 텍스트로 비교되는지, 제목·표·FAQ로 구조화됐는지, 시험기관·기간·결과 같은 근거가 명시됐는지, 사용법·주의사항까지 답하는지: 이 다섯 가지 기준으로 국내 자사몰 여러 곳을 채점한 겁니다. 결과는 극명하게 갈렸어요. 성분·함량·임상 결과·사용법이 전부 텍스트로 연결된 AXIS-Y는 10점 만점을 받은 반면, 콘텐츠 자체는 있었던 Some By Mi는 효능·성분 설명이 이미지 안에 갇혀 텍스트로 읽히지 않는다는 이유로 3점에 그쳤습니다.
우리가 이번에 AI를 시켜서 힘들게 읽어낸 4개 브랜드 상세페이지도, 지금 이대로라면 이 채점 기준으로는 낮은 점수를 받을 가능성이 큽니다.
답은 이미지가 아니라 HTML에 있었습니다
근본적인 해법은 상세페이지를 이미지 한 장이 아니라 처음부터 HTML(텍스트)로 만드는 것입니다. 지금 대부분의 상세페이지는 디자이너가 만든 긴 이미지 한 장을 그대로 올리는 방식이에요. 같은 정보라도 실제 텍스트 태그로 짜여 있으면, AI는 그 구조를 따라가며 핵심 성분과 함량, 임상 결과를 정확히 뽑아낼 수 있습니다.
이 차이는 수치로도 확인됩니다. 마케팅 툴 기업 Semrush가 테스트해보니, 페이지에 적절한 스키마(구조화 데이터)를 적용했을 때 GPT-4의 정보 추출 정확도가 16%에서 54%로 뛰었습니다. 프린스턴대가 2024년 KDD 학회에 발표한 GEO 연구에서도, 콘텐츠에 구체적인 통계를 넣으면 AI 답변에 노출될 가능성이 약 22%, 전문가 인용·출처를 명시하면 인용률이 약 37% 올라간다는 결과가 나왔습니다. 방향은 명확해요. AI는 이미지의 비주얼이나 감성적인 카피를 보지 않습니다. 구조화된 텍스트와 검증 가능한 사실만 골라서 읽습니다.
이미지를 아예 버리라는 뜻은 아니에요. 제품 톤앤매너를 보여주는 비주얼은 유지하되, 성분·수치·사용법·임상 근거 같은 핵심 정보는 이미지 밖에 실제 텍스트로도 있어야 한다는 것. 이 기본만 지켜도 지금 살펴본 4개 브랜드보다 AI 검색에서 한발 앞설 수 있습니다.
자주 묻는 질문
경쟁사 상세페이지 분석을 AI에게 맡기면 무엇을 해주나요?
AI(Claude)가 브라우저를 직접 조작해 상세페이지 이미지를 모아 하나로 이어붙이고, 설득 구조를 구간별로 분해한 뒤 브랜드 간 공통점과 차이점을 비교 리포트로 정리합니다. 이번 실험에서는 올리브영 수분세럼 4개 브랜드(아누아, 달바, 넘버즈인, 토리든)를 분석했습니다.
상세페이지가 통짜 이미지면 왜 AI 검색에 불리한가요?
생성형 AI 검색(GEO)은 페이지를 사람처럼 보는 것이 아니라 텍스트로 읽기 때문입니다. 성분·임상 수치가 이미지 파일 안에만 있으면 AI는 그 정보를 읽을 수 없어 추천 후보에서 빠질 수 있습니다.
AI 검색에 잘 읽히는 상세페이지는 어떻게 만드나요?
상세페이지를 이미지 한 장이 아니라 HTML 텍스트로 구성하는 것이 근본 해법입니다. 비주얼은 유지하되 성분·수치·사용법·임상 근거 같은 핵심 정보는 이미지 밖에 실제 텍스트로도 두어야 합니다.
Aha Friends에게
오늘 밤에도 누군가는 챗GPT에 "지성 피부에 맞는 수분세럼 추천해줘"라고 물어볼 거예요. 고객이 진짜 궁금한 건 성분표가 이미지냐 텍스트냐가 아니라 "이게 내 피부에 맞을까, 효과가 있긴 할까"입니다. 문제는 그 답을 AI에게 맡기는 순간 생겨요. 핵심 성분과 임상 수치가 이미지 안에만 있으면, AI는 그 정보를 아예 못 읽어서 우리 제품을 추천 후보에서 빼버릴 수 있습니다. 고객이 원하는 답은 상세페이지 안에 있는데, 정작 그 답을 대신 찾아주는 AI에게는 안 보이는 셈이죠.
마케터라면 한 걸음 더: 경쟁사 벤치마킹을 AI에게 맡겨보는 것도 좋지만, 그 과정에서 우리 페이지가 AI에게 어떻게 읽히고 있는지도 함께 점검해보세요. 다음 상세페이지를 새로 만들 때는 통짜 이미지 한 장 대신, 핵심 정보만이라도 처음부터 HTML 텍스트로 짜보는 것부터 시작해볼 수 있습니다.