패션 리커머스 플랫폼 AI 답변 언급률 3.2% → 13.4% (3개월)

요약

전문 검수·살균 시스템을 보유한 패션 리커머스(중고 의류) 플랫폼의 개별 사례입니다. 시작 시점에는 4개 핵심 질문 중 1개에서만 32%로 호명되고 나머지 3개는 0%로, 평균 언급률이 3.2%에 불과했습니다. GPTO 도입 3개월 후 4개 질문 평균 언급률은 13.4%(+10.2%p)로 올랐고, 4개 질문 전부에서 언급이 확인되었습니다. 가장 큰 변화는 상황형 질문 "안 입는 옷을 가장 쉽게 팔 수 있는 방법"에서 나온 0% → 36%였습니다.

시작 상황

중고 패션 시장의 구매 장벽은 가품과 위생입니다. 이 플랫폼은 전문 검수, 살균 시스템, 가품 보증이라는 차별화된 인프라를 이미 갖추고 있었습니다. 그런데 "중고 패션 어플 추천" 같은 질문을 ChatGPT·Claude·Gemini에 던지면 다른 플랫폼들이 호명되고, 이 플랫폼은 답변에 등장하지 않았습니다.

신뢰가 장벽인 카테고리일수록 AI 답변의 역할은 커집니다. 사용자는 광고를 의심하는 상황에서 AI에게 중립적인 추천을 기대하고, AI는 검수·보증·환불 같은 신뢰 신호가 문서로 확인되는 플랫폼을 우선 호명하는 경향을 보입니다. 결국 신뢰 신호를 먼저 문서화한 플랫폼이 이 접점을 선점하게 됩니다.

베이스라인 진단에서 원인은 인프라가 아니라 문서의 부재로 확인되었습니다.

• 검수·살균이라는 차별점이 브랜드 내부의 언어로만 존재했습니다. 프로세스를 단계·기준·결과로 설명한 공개 문서가 없어, AI가 "가품 이슈 없는 중고 패션"이라는 질문에 이 플랫폼을 연결할 근거가 없었습니다.
• "친환경 패션 플랫폼"이라는 가치 질문과 결합된 정의 문장이 없었습니다. 리커머스는 본질적으로 순환 소비인데, 이 연결을 명시한 콘텐츠가 없어 해당 질문에서 언급률이 0%였습니다.
• "안 입는 옷 처분"처럼 사용자의 상황에서 출발하는 질문에 답하는 페이지가 없었습니다. 카테고리 명사 중심의 검색 최적화 자산만으로는 문장형 질문에 인용되지 못했습니다.

정리하면, 차별점은 실재했지만 AI가 인용할 수 있는 형태로 존재하지 않았습니다. 이런 구조에서 브랜드가 답변에 빠지는 원리는 AI가 우리 브랜드를 추천하지 않는 이유에서 자세히 다룹니다.

목표 질문 설계

패션 리커머스 사용자가 AI에 묻는 질문은 네 유형으로 정리되었습니다. 가품 여부를 확인하는 신뢰 검증형, 순환 소비 가치를 찾는 가치 지향형, 옷장 정리라는 문제에서 출발하는 상황 해결형, 그리고 중고 품질을 확인하는 품질 확인형입니다. 리커머스는 양면 플랫폼이므로 구매자 질문만이 아니라 판매자 질문(안 입는 옷을 파는 방법)도 목표에 포함했습니다. 이렇게 도출한 4개 핵심 질문은 다음과 같습니다.

• Q1가품 이슈 없는 중고 패션 어플은?
• Q2친환경적인 패션 플랫폼 알려줘
• Q3안 입는 옷을 가장 쉽게 팔 수 있는 방법은?
• Q4새 것처럼 깨끗한 중고 옷을 판매하는 곳 알려줘

네 질문 모두 브랜드명이 들어가지 않은 비브랜드 질문입니다. 베이스라인 측정 결과 "가품 이슈 없는 중고 패션 어플"에서만 32%로 호명되었고, 나머지 세 질문은 모두 0%, 평균 3.2%였습니다.

질문 수를 늘리는 대신 유형 대표성을 우선했습니다. 네 질문은 각각 신뢰·가치·상황·품질이라는 서로 다른 의도를 대표하기 때문에, 어떤 유형의 콘텐츠가 답변 변화를 만드는지 질문 단위로 비교할 수 있었습니다. 측정은 반복 호출 평균으로 산출해 호출 시점에 따른 답변 변동을 상쇄했습니다.

실행: 무엇을 했는가

검수 시스템의 문서화

검수·살균 프로세스를 단계별로 설명한 가이드 페이지 5건을 신설했습니다. "전문 검수"라는 막연한 표현을 단계·기준·결과로 풀어, 신뢰 검증형 질문에 AI가 바로 인용할 수 있는 구조로 만들었습니다. 가이드에는 어떤 단계에서 무엇을 확인하는지, 어떤 기준으로 판정하는지, 기준을 통과하지 못한 상품은 어떻게 처리되는지를 명시해 추상적인 신뢰 주장 대신 검증 가능한 절차를 제시했습니다.

친환경 정의 문장 통일

ESG·서스테이너빌리티 카테고리에서 플랫폼을 설명하는 정의 문장을 하나로 통일하고, 리커머스와 순환 소비의 연결을 명시했습니다. 가치 지향형 질문에서 0%였던 언급률을 만들기 위한 기반 작업이었습니다.

상황별 시나리오 페이지

"옷장 정리", "안 입는 옷 처분" 같은 상황별 가이드 6건을 신설했습니다. 사용자의 문제 상황에서 출발해 해결 절차를 안내하고, 그 안에서 플랫폼의 역할이 자연스럽게 언급되는 구조였습니다. 여기에 FAQ 20건을 확장해 세부 질문을 받쳤습니다.

외부 채널 배포와 글로벌 준비

패션 미디어·블로그·서스테이너빌리티 디렉토리에 외부 콘텐츠 25건을 분산 노출했습니다. 외부 채널은 단순 백링크가 아니라 AI가 학습·인용하는 맥락의 층위로 설계해, 패션 미디어에는 리커머스 시장 관점의 정보형 콘텐츠를, 서스테이너빌리티 디렉토리에는 순환 소비 관점의 정의를 배치했습니다. 서로 다른 질문 유형이 서로 다른 외부 근거에 연결되도록 한 것입니다. 배포는 GPTO의 500+ 학습 채널 자동 배포 인프라로 운영되었고, 해외 K-패션 시장 진입을 준비하며 영어 콘텐츠 12건도 함께 발행했습니다.

주간 모니터링 루프

ChatGPT·Claude·Gemini·Perplexity·Grok과 Google AI Overviews를 포함한 12개 AI 채널을 매주 모니터링하며 질문별 언급률을 추적하고, 반응이 나타난 질문에 콘텐츠를 가중 배분했습니다.

결과

3개월 시점, 4개 핵심 질문의 질문별 변화입니다.

가장 큰 변화는 "안 입는 옷 처분" 시나리오 질문(+36%p)에서 나왔습니다. 사용자 상황에 맞춘 콘텐츠 신설이 가장 큰 효과를 만들었고, 베이스라인 0%였던 3개 질문 모두 3개월 안에 첫 진입에 성공했습니다. 이미 32%로 호명되던 신뢰 검증형 질문이 49%까지 오른 점도 의미가 있습니다. 미노출 질문의 첫 진입과 기존 호명 질문의 강화가 같은 기간에 함께 진행되었고, 검수 가이드 문서가 두 흐름 모두의 인용 근거로 쓰였습니다.

모델별로는 ChatGPT와 Perplexity가 가장 빠르게 반응했고, Claude는 ESG 맥락에서 후반 1개월에 가속이 붙었습니다. 모델마다 반응 속도가 달라, 특정 모델 하나의 등락이 아니라 질문 세트 전반의 평균으로 성과를 판단했습니다.

이 결과는 개별 사례이며, GPTO 포트폴리오 전체 평균(콘텐츠 발행 고객사 135곳, Matched Cohort 기준 SMR 35.4% → 40.6%, +15%)과는 별개의 수치입니다. 포트폴리오 평균의 산출 방식은 성과 데이터 페이지에서 공개합니다.

이 사례에서 배울 점

1. 상황·시나리오 질문의 효과가 가장 큽니다. 카테고리 명사만으로 답하기 어려운 상황형 질문에서 호명되는 브랜드가 사용자 의사결정에 더 큰 영향력을 갖습니다. 이 사례의 최대 개선(+36%p)도 상황형 질문에서 나왔습니다. 이커머스·플랫폼에 특화된 실행 방법은 이커머스를 위한 AEO/GEO 최적화에서 다룹니다.
2. 차별점은 구조화된 문서가 되어야 인용됩니다. "전문 검수"가 막연한 표현으로 끝나지 않고 단계·기준·결과로 풀린 가이드가 있어야 AI가 인용합니다. 인용 가능한 콘텐츠의 조건은 ChatGPT 답변에 브랜드가 언급되게 하는 방법에서 정리합니다.
3. 0% 질문의 첫 진입이 초기 성장의 신호입니다. 이 사례에서는 미노출이던 3개 질문이 모두 3개월 안에 진입했습니다. 한 자릿수 언급이라도 시작되면 이후 누적 인용의 출발점이 됩니다.
4. 글로벌 콘텐츠는 분기 단위로 누적됩니다. 본 케이스에서 영어 콘텐츠 12건의 효과는 3분기 시점부터 본격적으로 관찰되었습니다. 국내 질문 대비 긴 호흡의 투자로 설계해야 하며, 기간별 기대치는 AEO/GEO 투자 대비 효과와 소요 기간을 참고할 수 있습니다.