Keyword Search Is Dying. Is Your Catalog Ready for AI Agents? — PayPal

한 줄 핵심

AI 에이전트가 쇼핑과 결제를 바꾸는 시대에, 검색용으로 만들어진 상품 카탈로그를 의미 기반 추천에 맞게 정제하는 방법과 그 효과를 실험으로 보여준다.

시간별 요약

1. 0:00
   소개 배경 음악만 흐르는 도입부로, 뒤이어 나올 발표의 흐름을 여는 구간이다.
2. 0:12
   PayPal의 에이전틱 커머스 PayPal에서 AI 에이전트가 쇼핑과 결제를 어떻게 바꾸는지 다루며, 이번 발표의 초점이 에이전트에 맞는 카탈로그 준비와 학습 내용 공유에 있음을 제시한다.
3. 0:52
   커머스의 진화 방식 오프라인 매장, e-commerce, 이메일·SMS·소셜 커머스를 거쳐 AI가 다음 단계의 커머스로 등장하고 있으며, 변화는 위기이자 기회로 작동한다는 관점을 제시한다.
4. 2:16
   검색의 시대에서 기존 커머스는 키워드 검색과 카탈로그 탐색, SEO 최적화가 중심이었고, 이 구조는 구매자의 탐색 부담을 크게 키워왔다.
5. 3:01
   의도의 시대로 이제 사용자는 키워드가 아니라 자신의 상황과 목적을 자연어로 표현하며, 브랜드는 사용자를 찾게 하는 대신 사용자의 의도에 맞춰 도달해야 하는 구조로 바뀌고 있다.
6. 3:51
   그다음은 위임의 시대 사용자가 에이전트의 추천을 신뢰하기 시작하면, 쇼핑과 결제의 더 많은 행동을 에이전트에 맡기는 단계로 넘어가며, PayPal도 그 신뢰를 쌓는 방향으로 움직이고 있다.
7. 4:31
   왜 지금 중요한가 2030년까지 전체 커머스의 15 to 25%가 에이전트에 의해 실행되고 온라인 사용자 수보다 에이전트가 많아질 수 있다는 전망이 제시되며, 이는 무시할 수 없는 구조적 변화로 설명된다.
8. 5:21
   시장 기회 미국 소매에서 1.1 trillion dollars, 전 세계적으로는 3 to 5 trillion 규모의 agentic commerce 기회가 예상되며, 앞으로 수십억 명이 AI로 쇼핑을 시작할 것으로 본다.
9. 6:01
   머천트가 보고 있는 변화 AI 엔진에서의 유입이 크게 늘고 있고, 이미 미국 소비자의 39%가 쇼핑에 AI를 사용하며, 에이전트 기반 유입은 더 높은 전환율과 풍부한 상품 데이터를 가져온다.
10. 6:51
    머천트에게 달라지는 것 검색 시대에는 SEO가 핵심이었지만, 의도의 시대에는 에이전트가 사업을 대표할 때 발견 가능해야 하고, 위임의 시대에는 신뢰할 수 있는 방식으로 수요를 전환해야 한다.
11. 7:40
    카탈로그는 에이전트를 위해 만들어지지 않았다 현재의 상품 카탈로그와 광고용 스펙은 사람 검색과 플랫폼 배포에 맞춰져 있어, 에이전트가 상품을 읽고 발견하기에는 충분히 최적화되지 않았다.
12. 8:20
    모델은 블랙박스다 에이전트가 사용하는 모델과 랭킹 방식은 다양하고 비결정적이어서, 과거 SEO처럼 단일 정답 전략을 세우기 어렵고 최적화 기준도 불명확하다.
13. 8:55
    실험 실행하기 답이 불명확한 상황에서는 실험이 필요하며, 머천트 상품 데이터를 풍부하게 만든 뒤 에이전트의 검색과 추천이 어떻게 달라지는지 테스트했다.
14. 9:20
    키워드 검색과 의미 검색 키워드 검색은 정확하고 예측 가능하지만 의도를 놓치기 쉽고, semantic search는 의미를 넓게 포착하지만 과도하면 초점이 흐려지므로 둘을 결합한 하이브리드 접근이 필요하다.
15. 11:10
    데이터 보강 패턴 상품 데이터 보강은 한 가지 방식으로 통일할 수 없으며, 카탈로그의 두께와 특성에 따라 속성 보완, 설명 깊이 추가, 구매자 맥락, 신뢰 신호 등을 다르게 설계해야 한다.
16. 12:05
    러닝화 보강 예시 단순한 상품명과 색상 정보만 있던 러닝화를 소재, 착용감, 사이즈 적합성, 리뷰 같은 정보로 확장하면 running, training, mesh 같은 의도까지 더 잘 연결된다.
17. 13:20
    결과: 보강이 도움이 되는가 실험 결과, 보강하지 않은 기준선은 성과가 낮았고 특히 카탈로그가 얇거나 상품 데이터가 약한 머천트일수록 개선 폭이 컸다.
18. 13:54
    텍스트를 늘리는 것보다 콘텐츠 품질이 중요하다 아무 텍스트나 많이 넣는다고 좋아지지 않으며, 불필요한 안내문이나 상투적인 문구는 오히려 신호를 희석시킬 수 있어 구조화된 고품질 콘텐츠가 핵심이다.
19. 14:29
    핵심 학습 보강은 키워드 검색에는 잘 듣지만 semantic retrieval에는 다른 데이터 구조가 필요하고, 과도한 보강은 환각과 성능 저하를 부를 수 있으므로 카탈로그 상태에 맞춘 전략이 필요하다.
20. 15:14
    정리 카탈로그 구조를 점검하고, 더 많은 텍스트보다 품질 높은 구조화 콘텐츠를 우선해야 하며, AI는 브랜드명보다 신뢰 신호와 콘텐츠 품질을 더 강하게 반영한다.

실무 인사이트

• 에이전트 대응의 출발점은 새로운 채널 대응이 아니라, 기존 카탈로그를 기계가 읽고 의미를 해석할 수 있는 구조로 바꾸는 일이다.
• 상품 데이터 보강은 무조건 많이 넣는 문제가 아니라, 카탈로그가 얇은지·상품 속성이 부족한지에 따라 필요한 신호만 정교하게 채우는 문제다.
• AI 쇼핑 최적화는 키워드 SEO의 연장이 아니라, 의도·신뢰·구조화 품질을 함께 설계하는 방식으로 재정의해야 한다.