Google 판매자 센터의 AI 실적 인사이트는 AI 점유율, 구매 단계, 제품 관련 용어, 속성 격차를 보여줍니다. 브랜드가 다음으로 해야 할 일을 살펴보세요.
12,000 이상의 틈새 시장을 탐색해 보세요.
업데이트한 사람
Oct 12, 2026에 업데이트됨
Google Merchant Center가 판매자에게 AI Performance Insights를 제공하기 시작했습니다. 이제 브랜드는 공식 Google 대시보드를 통해 AI Mode, AI Overviews, Gemini에서 자사 제품이 어떤 소비자 니즈를 충족하는지, 구매 여정의 어느 단계에 해당하는지, 유사 브랜드와 비교해 AI 노출을 얼마나 얻고 있는지 확인할 수 있습니다.
하지만 보고서를 살펴본 뒤, 저는 한 가지 확신을 더욱 굳히게 되었습니다.
차세대 생성형 엔진 최적화, 즉 GEO에서 가장 가치 있는 데이터는 AI가 브랜드를 몇 번 언급하는지가 아닙니다. 고객 수요가 어디에 집중되어 있는지, 그리고 브랜드가 실제로 그 수요를 충족할 수 있는지가 중요합니다.
얼마 전 저는 Google Search Console과 Bing Webmaster Tools가 AI 검색 관련 데이터를 제공하기 시작했다는 글을 썼습니다.
당시 제 결론은 GEO가 제3자 모니터링과 업계의 판단에 주로 의존하던 새로운 개념에서, 공식 플랫폼 데이터를 통해 검증할 수 있는 단계로 나아가고 있다는 것이었습니다.
Microsoft는 인용을 보고하기 시작했고, Google Search Console은 AI 노출을 보고하기 시작했습니다. 적어도 한 가지는 분명해졌습니다. AI가 생성한 답변에서의 브랜드 가시성과 인용은 검색 플랫폼이 공식적으로 추적할 의향이 있는 지표가 되었습니다.
당시 업데이트는 주로 웹사이트와 콘텐츠 영역을 다뤘습니다.
이제 Google이 한 걸음 더 나아갔습니다.
이번에는 데이터가 Merchant Center에 들어왔습니다. 즉, 제품 및 이커머스 영역으로 확장된 것입니다.
Google의 AI Performance Insights는 AI Mode, AI Overviews, Gemini를 통해 소비자가 제품을 어떻게 발견하는지, 유사한 제품과 비교했을 때 브랜드의 Share of Voice가 어느 정도인지, 사용자가 어떤 제품 용어와 속성을 가장 중요하게 여기는지 판매자에게 보여주기 시작했습니다.
이것은 단순한 또 하나의 보고서가 아닙니다.
제품이 노출을 얻었는지보다 훨씬 더 중요한 질문에 Google이 답하려는 시도입니다.
소비자는 AI를 통해 쇼핑할 때 실제로 무엇을 중요하게 생각할까요?
현재 확인 가능한 인터페이스와 공식 설명을 바탕으로 보면, AI Performance Insights에는 크게 네 가지 데이터 범주가 포함됩니다.
첫 번째 지표는 Google의 AI 쇼핑 환경에서 브랜드가 차지하는 Share of Voice입니다.
간단히 말해, 관련 쇼핑 니즈에 대해 브랜드와 제품이 얻는 AI 노출 비중을 추정한 다음, Google이 자동으로 식별한 유사 브랜드와 비교하는 지표입니다.
그림 1: 브랜드의 AI Share of Voice와 유사 브랜드 평균을 보여주는 Google Merchant Center AI Performance Insights 예시.
이 지표는 여러 GEO 도구에서 사용하는 Visibility Score와 비슷하게 들릴 수 있지만, 중요한 차이가 있습니다.
제3자 GEO 도구는 일반적으로 다음과 같은 방식으로 작동합니다.
프롬프트 세트를 정의하고, 여러 모델에 정기적으로 질의한 뒤, 브랜드가 얼마나 자주 등장하는지 계산합니다.
Google의 데이터는 AI Mode, AI Overviews, Gemini를 포함한 Google 자체 AI 쇼핑 환경에서 나온 것입니다. 따라서 Google 생태계 내 실제 노출에 더 가깝지만, 해당 생태계 밖의 성과는 측정할 수 없습니다.
이 데이터의 가치는 모든 제3자 모니터링 도구를 대체하는 데 있지 않습니다. 브랜드에 공식적인 기준점을 제공한다는 데 있습니다.
이제 이커머스 브랜드는 다음을 더 확신을 가지고 판단할 수 있습니다.
우리 제품은 몇 가지 테스트 프롬프트에만 등장한 것이 아닙니다. 실제로 Google의 AI 쇼핑 수요 환경에 진입했습니다.
하지만 Share of Voice를 시장 점유율로 해석해서는 안 됩니다.
Google이 비교 브랜드를 자동으로 선정하기 때문에 판매자가 경쟁 브랜드 집합을 완전히 통제할 수는 없습니다. 표본 크기, 제품 분류, Google의 개체 인식 범위도 비율에 영향을 미칠 수 있습니다.
Share of Voice가 100%라고 해서 브랜드가 해당 카테고리를 독점한다는 뜻은 아닙니다. 점수가 0%라고 해서 노출이 전혀 없다는 뜻도 아닙니다.
이 지표는 독립적인 비즈니스 성과 지표라기보다 추세를 파악하는 데 활용하는 것이 적절합니다.
Google은 AI 쇼핑 질의를 구매 퍼널에 따라 다음과 같이 분류합니다.
예를 들어 다음과 같습니다.
그림 2: AI Performance Insights는 쇼핑 수요를 Discovery, Evaluation, Purchase 단계로 구분합니다.
저는 이것이 AI 노출만 측정하는 것보다 더 가치 있다고 생각합니다.
과거에는 많은 GEO 모니터링 프로그램이 브랜드의 답변 등장 여부만 세었습니다.
하지만 "공기청정기란 무엇인가요?"라는 답변에 등장하는 것과 "반려동물과 함께 사는 집에 가장 적합한 공기청정기는 무엇인가요?"라는 답변에 등장하는 것의 상업적 가치는 크게 다릅니다.
첫 번째 질의는 일반적인 정보 탐색일 수 있습니다. 두 번째는 이미 구매 결정에 가까운 단계입니다.
검색 의도와 구매 단계를 구분하지 않으면, 브랜드 언급 100회보다 구매 의도가 높은 질의에 연결된 추천 10회가 더 가치 있을 수 있습니다.
Google은 이 데이터를 Merchant Center에 직접 제공함으로써 판매자에게 사실상 다음과 같이 말하고 있습니다.
AI 쇼핑은 전체 노출량만으로 평가해서는 안 됩니다. 구매 여정의 어느 단계에서 노출이 발생하는지 알아야 합니다.
Google은 소비자가 AI를 활용해 쇼핑할 때 자주 사용하는 제품 개념과 표현인 Product Terms도 제공합니다.
이 데이터는 신중하게 해석해야 합니다.
Google은 원시 프롬프트 전체 목록을 제공하는 것이 아닙니다. 집계된 제품 용어와 질의 유형을 제공하는 것입니다.
이러한 구조는 AI 검색의 특성에 부합합니다.
전통적인 검색에서 키워드는 매우 짧을 수 있습니다.
Alexa for Shopping러닝화반면 AI 사용자는 다음과 같이 질문할 수 있습니다.
일주일에 네 번 달리고, 평균보다 체중이 많이 나가며, 무릎이 자주 불편합니다. 장거리 저속 러닝에 적합하고 쿠셔닝이 더 좋은 러닝화가 있을까요?
이 하나의 질문에는 여러 차원이 포함되어 있습니다.
이 질의를 전통적인 키워드 보고서에 맞춰 분해하면 데이터가 파편화됩니다.
하지만 소비자 의도의 관점에서 보면 핵심 수요는 명확합니다.
무릎이 불편하고 체중이 많이 나가는 러너를 위한 쿠셔닝이 좋은 장거리 러닝화.
Google은 판매자에게 긴 프롬프트를 하나씩 모두 제공하는 대신, 이러한 질의를 더 관리하기 쉬운 수요 테마, 제품 용어, 구매 단계로 집계합니다.
보고서에 대한 업계 분석도 비슷한 결론에 도달했습니다. 더 많은 데이터가 제공되고 있지만, 판매자는 여전히 원시 질의, 클릭, 전환으로 이어지는 전체 여정을 볼 수 없습니다.
이는 GEO 업계에 중요한 신호입니다.
앞으로 가장 가치 있는 분석 단위는 개별 프롬프트가 아닐 수 있습니다. 그보다는 다음과 같을 수 있습니다.
동일한 근본 고객 의도에서 비롯된, 서로 다르게 표현된 질의의 클러스터.
네 번째 범주는 사용자가 중요하게 여기는 제품 속성과 해당 속성이 브랜드의 제품 데이터에서 누락되었는지 여부입니다.
사용자는 다음과 같은 항목을 자주 물어볼 수 있습니다.
소비자가 제품의 야외 사용 적합성을 반복해서 묻지만, 제품 피드와 구조화된 데이터, 제품 페이지에 사용 환경이 전혀 설명되어 있지 않다고 가정해 봅시다. Google은 해당 제품을 추천해야 하는지 판단하기 어려울 것입니다.
Google Merchant Center는 관련 질의에 제품을 매칭하기 위해 판매자가 제출한 제품 데이터에 늘 의존해 왔습니다. 또한 Google은 정확하고 완전한 제품 정보가 제품의 올바른 노출 여부에 직접적인 영향을 준다고 꾸준히 강조해 왔습니다.
과거 판매자들은 주로 쇼핑 광고와 무료 제품 목록을 위해 피드를 최적화했습니다.
이제 동일한 필드가 AI Mode, AI Overviews, Gemini에서의 제품 발견에도 영향을 주기 시작했습니다.
제품 피드의 역할이 바뀌고 있습니다.
제품 피드는 더 이상 광고를 위한 데이터 소스에 그치지 않습니다. AI가 제품을 이해하는 데 사용하는 기반 언어가 되고 있습니다.
이번 업데이트에서 가장 과소평가되는 부분은 Google이 Share of Voice를 도입했다는 사실이 아닙니다. 데이터 구성 방식을 Google이 선택한 방식입니다.
Google은 판매자에게 AI 키워드 목록만 제공한 것이 아닙니다.
대신 AI Shopping 보고서는 다음 항목을 중심으로 구성됩니다.
왜 그럴까요?
AI 사용자는 적고 고정된 키워드 집합을 일관되게 사용하지 않기 때문입니다.
동일한 니즈도 수십 가지 방식으로 표현될 수 있습니다.
예를 들어 작은 집에 둘 공기청정기를 찾는 사용자는 다음과 같이 질문할 수 있습니다.
문장 차원에서 보면 이 질문들은 서로 완전히 달라 보입니다.
그러나 상업적 수요 관점에서는 몇 가지 안정적인 의도 클러스터에 속할 수 있습니다.
AI 추천에 실제로 영향을 미치는 것은 브랜드가 특정 프롬프트 하나를 다루는지 여부가 아닙니다. 중요한 것은 다음과 같습니다.
브랜드의 제품 정보와 콘텐츠 자산이 고객의 의사결정에 사용되는 반복적인 수요 구조를 포괄적으로 다루는가.
이 때문에 저는 소수의 사전 정의된 프롬프트만으로 GEO를 측정하면 잘못된 확신을 줄 수 있다고 오랫동안 생각해 왔습니다.
기업이 질문 100개를 신중하게 선택하고 브랜드 가시성이 20% 증가했다고 보고할 수 있습니다.
하지만 그 질문들이 고객이 실제로 중요하게 여기는 것을 반영하지 않거나, 가치가 높은 구매 상황을 누락했다면 20% 증가는 큰 의미가 없습니다.
Google 역시 개별 질의에서 집계된 수요와 의도로 이동하고 있습니다.
공식 플랫폼 데이터의 발전을 살펴보면 Google은 세 가지 계층을 채우기 시작했습니다.
첫 번째 계층은 Search Console로, AI 검색 기능 전반에서 웹사이트 콘텐츠가 얻은 노출을 보고합니다.
두 번째 계층은 Merchant Center로, AI Shopping 상황에서 제품의 Share of Voice, 쇼핑 단계, 제품 용어, 속성 수요를 보고합니다.
세 번째 계층은 Google Ads와 Merchant Center로, 제품 피드, 광고, 거래 데이터를 계속 연결합니다.
그럼에도 가장 중요한 공백은 여전히 남아 있습니다.
현재 판매자는 집계된 용어와 질의 유형을 볼 수 있을 뿐, 프롬프트별 전체 기록은 볼 수 없습니다.
브랜드는 제품이 AI에 노출되었다는 사실을 알 수 있지만, 특정 유형의 AI 질의가 얼마나 많은 클릭을 발생시켰는지는 알지 못할 수 있습니다.
다음 항목을 연결하는 질의 수준의 완전한 기여도 추적 경로는 아직 없습니다.
보고서는 결과를 보여줄 수 있지만, 다음 중 어떤 이유로 노출이 발생했거나 누락되었는지 완전히 설명하지 못할 수 있습니다.
이 보고서가 주로 답하는 질문은 다음과 같습니다.
Google AI Shopping 내 특정 수요 범주에 브랜드가 진입했는가?
하지만 아직 다음 질문에 완전히 답하지는 못합니다.
브랜드가 노출된 이유는 무엇이고, 노출되지 않은 이유는 무엇이며, 노출 가능성을 체계적으로 높이려면 어떻게 해야 하는가?
업계 보도는 이번 업데이트를 정확하게 요약했습니다. Google의 AI 검색 데이터는 확장되고 있지만, 클릭, 정확한 질의, 경쟁 브랜드 집합, 전환 기여도 측면의 주요 공백은 여전히 남아 있습니다.
공식 보고서가 더 많이 제공된다고 해서 제3자 도구의 가치가 자동으로 사라지는 것은 아닙니다.
하지만 "프롬프트 정의, 반복 질의, 언급률 계산"에만 의존하는 제품은 점점 더 한계에 부딪히게 됩니다.
Google은 이미 판매자에게 다음을 알려줄 수 있습니다.
제3자 제품이 여전히 다음과 같은 보고만 제공한다면,
브랜드가 50개 프롬프트 중 13개에 등장했습니다.
그것만으로는 분명히 충분하지 않습니다.
제3자 GEO 제품은 공식 플랫폼 데이터가 아직 제공하지 못하는 최소 세 가지를 제공해야 합니다.
Google은 Google 생태계만 설명할 수 있습니다.
브랜드는 ChatGPT, Perplexity, Copilot, Claude 및 기타 AI 진입점에서의 성과도 파악해야 합니다.
각 플랫폼은 서로 다른 데이터 소스, 인용 메커니즘, 제품 카탈로그, 추천 로직을 갖고 있습니다.
공식 플랫폼은 자사가 수집하고 집계하는 데이터만 보여줍니다.
브랜드는 다음을 포함한 업계 수요의 완전한 구조를 파악해야 합니다.
실질적인 비즈니스 가치는 브랜드에 "노출되지 않았습니다"라고 알려주는 데서 나오지 않습니다.
다음과 같은 내용을 설명하는 데서 비롯됩니다.
공식 데이터가 성숙해질수록 제3자 도구는 모니터링 시스템에서 분석 및 의사결정 시스템으로 발전해야 합니다.
이번 업데이트에 대응해 또 다른 AI Share of Voice 수치를 즉시 쫓아가라고 권하고 싶지는 않습니다.
보다 실용적인 접근 방식은 우선 다음 네 가지 영역을 점검하는 것입니다.
많은 독립 이커머스 브랜드는 Merchant Center 피드에 가장 기본적인 정보만 제공합니다.
하지만 소비자가 AI를 통해 묻는 질문은 훨씬 더 복잡합니다.
소비자는 다음과 같이 질문합니다.
이 정보가 고객 서비스 팀의 지식으로만 존재하거나, 이미지에만 흩어져 있고 피드, 구조화된 데이터, 크롤링 가능한 제품 페이지에는 나타나지 않는다면 AI는 제품을 정확하게 이해하기 어렵습니다.
많은 브랜드의 제품 페이지는 보기에는 매력적이지만, 콘텐츠는 주로 다음으로 구성되어 있습니다.
이런 페이지는 이미 구매를 결정한 사람에게는 효과적일 수 있지만, AI가 복잡한 질문에 답하도록 돕기에는 적합하지 않습니다.
AI가 이해하고 추천하기 쉬운 제품 페이지라면 다음 내용을 명확하게 설명해야 합니다.
브랜드는 제품명을 중심으로 콘텐츠를 제작하는 데 익숙합니다.
AI Shopping 사용자는 상황을 통해 니즈를 표현하는 경우가 더 많습니다.
앞으로는 콘텐츠 구조가 제품 카탈로그에서 고객 의사결정 카탈로그로 확장되어야 합니다.
AI Performance Insights만으로 매출 성장을 입증할 수는 없습니다.
보다 합리적인 접근 방식은 다음을 결합하는 것입니다.
그래야만 브랜드는 다음을 평가할 수 있습니다.
초기 GEO 제품 대부분은 프롬프트 모니터링에서 시작했습니다.
고객이 질문 세트를 입력하면 도구가 정해진 일정에 따라 AI 모델에 질의하고, 브랜드의 등장 여부와 순위, 인용된 출처를 기록하는 방식이었습니다.
업계 초기에는 브랜드가 AI 생성 답변에 등장하는지부터 알아야 했기 때문에 이러한 방식이 유용했습니다.
하지만 한계도 점점 더 분명해지고 있습니다.
Dageno는 제한적인 프롬프트 모니터링에서 업계 전반의 검색 의도를 포괄적으로 다루는 방향으로 나아가고 있습니다.
우리는 다음 질문에 덜 관심이 있습니다.
사전 정의된 질문 100개에서 브랜드가 몇 번 등장했는가?
우리는 다음에 더 관심이 있습니다.
업계 전반에서 사용자는 어떤 시나리오에서 질문을 할까요? 이러한 니즈는 구매 여정의 어느 단계에 해당할까요? 경쟁사가 이미 포착한 수요는 무엇일까요? 어떤 검색 의도 클러스터에서 브랜드가 완전히 빠져 있을까요? 그 부재의 원인은 제품 정보, 콘텐츠 구조, 신뢰할 수 있는 출처, 브랜드 인지도 중 무엇일까요?
Google의 보고서도 구매 단계, 제품 용어, 검색어 유형, 제품 속성을 중심으로 AI 데이터를 구성하고 있습니다.
이는 업계가 향하는 방향에 대한 우리의 관점과 일치합니다.
AI 검색의 기본 단위는 더 이상 개별 프롬프트에 머물지 않을 것입니다. 점차 통합된 사용자 검색 의도와 의사결정 시나리오로 발전할 것입니다.
Google은 Google 생태계의 데이터를 제공할 수 있습니다.
Dageno는 여기에 플랫폼 간 커버리지, 업계 전반의 수요 인텔리전스, 인과관계에 대한 설명을 더해야 합니다.
목표는 고객에게 “AI 가시성이 10% 증가했다”는 것을 보여주는 스크린샷을 하나 더 제공하는 것이 아닙니다.
목표는 브랜드가 다음 질문에 답할 수 있는 새로운 시장 수요 지도를 구축하도록 돕는 것입니다.
Google Merchant Center의 AI Performance Insights 출시는 중요한 업데이트입니다.
처음으로 이커머스 브랜드는 공식 대시보드를 통해 Google AI 쇼핑에서 자사 제품이 차지하는 노출 점유율, 해당 노출과 관련된 구매 단계, 사용자가 관심을 두는 제품 용어, 제품 속성의 격차를 확인할 수 있게 되었습니다.
하지만 이번 업데이트의 가장 중요한 의미는 Google이 AI 가시성 지표를 하나 더 추가했다는 데 있지 않습니다.
Google이 다음을 공개적으로 인정했다는 데 있습니다.
AI 쇼핑에서의 경쟁은 단순히 제품이 색인되었는지 여부에 관한 것이 아닙니다. 사용자의 자연어 뒤에 숨겨진 실제 수요와 제품을 얼마나 잘 연결할 수 있는지가 핵심입니다.
과거에는 판매자가 키워드에 맞춰 제목과 피드를 최적화했습니다.
앞으로 브랜드는 잠재고객, 시나리오, 속성, 문제, 구매 단계를 중심으로 전체 제품 정보 시스템을 재구성해야 합니다.
이는 GEO가 수동으로 프롬프트를 입력하며 가치를 입증하는 새로운 개념을 넘어, 점차 정식 성장 분야의 모습을 갖추게 된다는 뜻이기도 합니다.
데이터 루프는 아직 완성되지 않았습니다.
정확한 프롬프트, 클릭, 추천 로직, 주문 어트리뷰션과 관련한 중요한 격차가 여전히 남아 있습니다.
하지만 대시보드는 늘어나고 있습니다.
다음 단계에서 앞서 나갈 브랜드는 AI 가시성 도구를 가장 먼저 구매하는 브랜드가 아닙니다. 업계 수요, 제품 데이터, 콘텐츠 자산, 공식 성과 지표를 가장 먼저 연결하는 브랜드가 앞서 나갈 것입니다.
사용자는 이미 AI를 통해 구매 결정을 내리고 있습니다.
브랜드가 경쟁해야 할 것은 단순히 노출을 하나 더 확보하는 일이 아닙니다.
사용자의 최종 답변에 포함될 자격입니다.
업데이트한 사람
Tim
Tim is the co-founder of Dageno and a serial AI SaaS entrepreneur, focused on data-driven growth systems. He has led multiple AI SaaS products from early concept to production, with hands-on experience across product strategy, data pipelines, and AI-powered search optimization. At Dageno, Tim works on building practical GEO and AI visibility solutions that help brands understand how generative models retrieve, rank, and cite information across modern search and discovery platforms.
