AI 쇼핑 Agent가 만드는 새로운 경험
Vertical AI Agent 사례 분석 1
더 좋은 선택, 쇼핑을 돕는 AI Agent
지난 호에서는 Vertical AI Agent의 개념과 함께 AI가 단순히 질문에 답하는 도구를 넘어 사용자의 목적을 이해하고 과업을 지원하는 서비스로 진화하고 있음을 살펴보았습니다. 이번 호에서는 이러한 변화가 실제 서비스에서 어떻게 구현되고 있는지를 보여주는 대표 사례로, 최근 정식 출시한 네이버 AI 쇼핑 에이전트를 분석합니다.
네이버는 AI 쇼핑 에이전트 정식 출시와 함께 베타 출시 시점인 3월 대비 일평균 재방문 사용자가 약 3배 증가했으며, AI 쇼핑을 통한 거래액은 2.7배 이상 성장했다고 밝혔습니다. 이는 AI가 단순히 정보를 제공하는 수준을 넘어, 사용자의 의사결정을 지원하는 경험이 실제 서비스 성과로도 이어질 수 있음을 보여주는 사례입니다.
이번 리포트에서는 AI가 사용자의 목적을 이해하고 더 나은 선택을 할 수 있도록 탐색과 비교, 추천 과정을 함께 지원하는 사용자 경험(Agentic UX) 관점에서 네이버 AI 쇼핑 에이전트를 분석합니다. 이를 통해 AI 시대 디지털 서비스가 정보를 제공하는 것을 넘어 사용자의 의사결정을 돕는 방향으로 어떻게 진화하고 있는지 살펴 보려고 합니다.
쇼핑에서 사용자의 가장 중요한 과업은 자신의 목적에 가장 적합한 상품을 선택하고 구매하는 것입니다. 사용자는 수많은 상품을 비교하고 가격과 옵션을 확인하며 리뷰를 검토하고 광고성 정보를 걸러낸 뒤 최종 결정을 내려야 합니다. 이러한 과정은 상당한 시간과 인지적 노력을 요구하죠.
기존 쇼핑 서비스는 정보를 제공하는 데는 뛰어났지만 사용자의 선택을 돕는 지원에는 한계가 있었습니다. 상품을 많이 보여줄수록 선택지가 늘어 오히려 무엇을 선택해야 할지 결정하기는 더 어려워졌습니다.
네이버 AI 쇼핑 에이전트는 더 많은 검색 결과를 보여주는 방식을 벗어나 사용자의 목적과 상황을 이해하고 가장 적합한 상품을 제안하는 방식으로 접근합니다. 이는 검색을 없앤 것이 아니라 검색의 방식을 확장해가고 있습니다. 기존 검색에서는 사용자가 '미러리스 카메라'와 같은 키워드를 입력했다면 AI 쇼핑에서는 다음과 같이 구매 목적을 문장형으로 질문 할 수 있습니다.
"여행용으로 가볍고 사진이 잘 나오는 카메라를 추천해줘."
AI는 하나의 요청 안에서 여행이라는 상황, 휴대성, 사진 품질이라는 여러 조건을 동시에 이해하고 이에 맞는 상품을 추천합니다.
또한 사용자의 요청이 다소 모호하더라도, "집들이 음식 추천해줘."와 같이 목적만 설명하면 AI는 단순히 상품을 나열하지 않고 어떤 기준으로 선택하면 좋은지, 추천 이유는 무엇인지, 상품 간 핵심 차이는 무엇인지를 함께 설명하며 사용자의 판단을 지원합니다.
즉 AI 쇼핑 에이전트는 검색 결과인 단순 정보를 제공하는 역할을 넘어 의사 결정을 돕는 역할로 확장 진화하고 있습니다.
Agentic UX의 핵심은 사용자의 목표를 이해하고 선택 과정을 함께 설계하며 더 나은 결정을 내릴 수 있도록 지원하는 여정을 함께 합니다.
네이버 AI 쇼핑 에이전트 역시 사용자의 의도를 이해한 뒤 상품 탐색, 비교, 추천을 하나의 대화형 흐름으로 연결합니다. 사용자는 복잡한 검색 과정을 반복하기보다 자신의 목적을 설명하고 AI가 제안하는 추천 기준과 비교 정보를 바탕으로 최종 결정을 내립니다.
AI는 추천 결과만 제시하지 않고 왜 이 상품을 추천했는지 다른 상품과 무엇이 다른지를 함께 설명합니다. 이러한 설명은 사용자가 AI를 맹목적으로 따르도록 만드는 것이 아니라 스스로 판단할 수 있는 근거를 제공합니다. 즉 AI는 사용자의 의사결정을 돕는 파트너로써 역할을 수행합니다.
| Search UX | Agentic UX |
| 키워드 검색 | 목적 중심 요청 |
| 상품 탐색 | 맥락(Context) 이해 |
| 사용자가 비교 | AI가 비교 지원 |
| 리뷰 직접 확인 | 핵심 차이 요약 |
| 정보 수집 | 추천 근거 제공 |
| 사용자 판단 | 사용자 판단 지원 |
| 높은 인지 부하 | 낮은 인지 부하 |
기존 Search UX에서는 사용자가 탐색과 비교를 직접 수행해야 했습니다.
Agentic UX에서는 AI가 복잡한 탐색과 비교 과정을 지원하고, 사용자는 최종 판단에 집중합니다.
이는 단순히 검색 기능이 좋아진 것이 아니라 디지털 서비스의 역할 자체가 정보 제공에서 의사결정 지원으로 확장되고 있음을 의미합니다.
이번 사례에서 가장 큰 변화는 UI뿐만 아니라 사용자가 서비스를 이용하는 방식 자체가 달라지고 있다는 점입니다.
먼저 검색의 출발점이 바뀌고 있습니다. 예전에는 상품 이름이나 키워드를 입력했다면 이제는 사용자가 원하는 목적이나 상황을 설명하는 것만으로도 AI가 적합한 상품을 추천합니다.
또한 서비스 인터랙션 방식도 달라지고 있습니다. 버튼을 누르고 여러 화면을 오가며 정보를 찾던 방식에서, AI와 대화하듯 질문하고 답을 주고받는 경험으로 변화하고 있습니다.
쇼핑 서비스의 역할 역시 달라지고 있습니다. 과거에는 많은 상품 정보를 보여주는 것이 중요했다면, 이제는 사용자가 더 쉽게 비교하고 더 좋은 결정을 내릴 수 있도록 돕는 것이 핵심 가치가 되고 있습니다.
결국 AI 시대의 UX 경쟁력은 더 많은 정보를 제공하는 것을 벗아나 사용자가 고민해야 할 과정을 줄이고 더 쉽게 좋은 선택을 할 수 있도록 돕는 신뢰할 수 있는 파트너 역할을 잘 설계하는 것에 있다고 보여집니다.
추천 자료
Official Services
AI 쇼핑 에이전트의 첫 공개 자료입니다. '정보 요약 → 상품 추천 → 쇼핑 여정 동행'이라는 초기 UX 방향을 확인할 수 있습니다. 이번 리포트에서 설명한 Search UX에서 Agentic UX로의 출발점을 이해하는 데 가장 중요한 자료입니다.
네이버 쇼핑앱 AI 에이전트, 사용자에게 먼저 대화 건넨다
정식 서비스 이후 UX가 어떻게 진화하고 있는지를 보여주는 자료입니다. 사용자의 질문을 기다리는 AI를 넘어, AI가 먼저 대화를 제안하는 Proactive Agent로 발전하고 있음을 확인할 수 있습니다.
이번 리포트의 핵심인 '검색에서 실행으로(From Search to Action)'라는 UX 변화를 가장 잘 설명하는 공식 자료입니다. 쇼핑뿐 아니라 네이버 전체 AI 전략을 함께 이해할 수 있습니다.
Related UX Cases
Amazon Rufus (Alexa for Shopping) 소개
네이버 AI 쇼핑과 가장 비교하기 좋은 글로벌 사례입니다. 상품 검색이 아닌 대화형 쇼핑과 구매 의사결정 지원을 목표로 한다는 점에서 공통점을 확인할 수 있습니다.
Amazon이 Agentic AI를 쇼핑 경험 전반에 어떻게 적용하고 있는지 설명합니다. 가격 추적, 재구매, 장바구니 자동화 등 의사결정 이후의 행동(Action)까지 확장되는 흐름을 이해할 수 있습니다.
의견을 남겨주세요