에이전틱 커머스 상품 정보 구조화 5단계
- 상품명·옵션·정책을 분리하면 상품 정보를 일정한 기준으로 관리하고 비교하기 쉽습니다.
- 가격과 재고는 상품 페이지·피드·구조화 데이터에서 일치하도록 점검합니다.
- 구조화 데이터 적용 후 실제 페이지에서 오류와 최신성을 점검합니다. 적용만으로 검색이나 AI 추천 노출이 보장되지는 않습니다.
에이전틱 커머스에 대비한 상품 정보 구조화는 상품을 기계가 해석하고 비교할 수 있는 단위로 정리하는 작업입니다. 먼저 상품명과 속성, 옵션, 가격·재고, 배송·반품 정보를 분리하고, 실제 판매 페이지와 상품 피드의 값이 일치하도록 관리하세요. 구조화 데이터는 이 정보를 기계가 읽기 쉬운 형식으로 표현하는 수단입니다. 다만 특정 마크업의 적용만으로 검색 결과 표시나 AI 서비스의 추천이 보장되지는 않습니다.
상품 정보 구조화가 필요한 이유
고객의 조건과 상품 속성을 연결합니다
고객은 “가벼운 출퇴근용 가방”처럼 용도와 조건을 함께 말합니다. 상품명에 ‘가방’만 있고 무게, 크기, 수납 방식, 소재가 설명문에 흩어져 있으면 자동 비교 시스템이 조건을 안정적으로 파악하기 어렵습니다. 마케터와 MD는 고객이 자주 쓰는 표현을 실제 상품 속성과 연결하고, 근거가 있는 값만 등록해야 합니다.
구조화 데이터는 상품 카탈로그의 대체물이 아닙니다
스키마 마크업(Schema.org 어휘를 사용해 페이지 정보를 표시하는 방식)은 제품 페이지의 정보를 검색 시스템에 전달하는 한 방법입니다. Google은 제품 페이지의 Product 구조화 데이터와 Merchant Center 상품 피드를 함께 제공할 수 있다고 안내합니다. 어떤 마크업도 모든 AI 서비스의 데이터 접근이나 상품 선택을 보장하지는 않습니다. Google 검색 센터의 구조화된 제품 데이터 안내에서 적용 유형과 요건을 확인할 수 있습니다. Google은 구조화 데이터가 올바르더라도 검색 결과에 표시된다고 보장하지 않습니다. 구조화 데이터 일반 가이드라인도 함께 확인하세요.
에이전틱 커머스 상품 정보 구조화 5단계
1단계: 상품 데이터 원본과 담당자를 정합니다
상품관리시스템(PIM)이나 쇼핑몰 관리자 중 어느 곳을 기준 데이터로 삼을지 정하세요. 동일 상품이 여러 채널에 등록돼도 상품 ID, 브랜드, 모델명, 옵션 ID가 이어져야 합니다. 가격·재고·배송 정책의 수정 권한과 담당자도 정해 두면 채널마다 값이 달라지는 문제를 줄일 수 있습니다.
2단계: 비교에 필요한 속성을 필드로 분리합니다
카테고리별 필수 속성부터 정하고 선택 항목은 별도 필드로 둡니다. 의류라면 색상·사이즈·소재, 가전이라면 모델·규격·전력·호환 조건처럼 구매 판단에 직접 쓰이는 정보를 우선하세요. ‘가볍다’, ‘프리미엄’ 같은 모호한 표현은 측정값이나 구체적 설명으로 보완하고, 확인할 수 없는 수치는 만들지 않습니다. 고객 검색 의도를 속성 체계에 반영할 때는 인텐트 데이터 활용 방법처럼 검색어와 고객 의도를 분류하는 실무도 연결할 수 있습니다.
3단계: 옵션과 상품 변형을 부모·자식 관계로 묶습니다
색상이나 사이즈만 다른 상품은 각각 고유한 SKU를 유지하면서 공통 상품 그룹 ID로 연결합니다. 선택한 옵션이 실제 페이지의 이미지, 가격, 재고와 대응해야 합니다. Google은 변형 상품을 설명할 때 ProductGroup, variesBy, hasVariant, productGroupID 등을 활용하는 방법과 변형별 식별자 및 URL 요건을 안내합니다. Google 검색 센터의 구조화된 제품 옵션 데이터 가이드를 참고해 사이트의 실제 옵션 구조와 일치시키세요.
4단계: 가격·재고·배송·반품 정보를 동기화합니다
상품 페이지, 결제 단계, 상품 피드, 구조화 데이터에 표시되는 가격과 판매 가능 상태를 대조합니다. 할인 적용 조건과 배송비 부과 기준도 소비자가 확인할 수 있게 표시하세요. 출고 예정일, 반품 가능 기간과 비용처럼 구매에 영향을 주는 정책은 자연어 설명만 두지 말고 관리 가능한 항목으로 정리합니다. Google Merchant Center는 제품 데이터의 가격과 통화가 방문 페이지 및 구조화 데이터의 가격과 일치하도록 안내합니다. 자세한 기준은 Google Merchant Center 제품 데이터 사양을 확인하세요.
5단계: 실제 페이지를 검수하고 변경 이력을 관리합니다
우선 대표 상품과 옵션이 많은 상품을 골라 페이지에 표시된 값, 피드, 마크업을 나란히 비교합니다. 오류가 없으면 카테고리별로 범위를 넓히고, 가격·재고 변경 후 다시 확인하는 절차를 운영에 포함하세요. 상품이 품절되거나 단종되면 피드와 페이지의 상태도 함께 갱신합니다.
- 대표 상품의 페이지와 원본 데이터를 확인합니다.
- 필수 속성 누락, 옵션 연결, 가격·재고 불일치를 기록합니다.
- 수정 후 Google의 구조화 데이터 테스트 도구 안내에 따라 리치 결과 테스트 또는 스키마 마크업 유효성 검사 도구로 오류를 확인합니다.
- 수정 책임자와 재검수 일정을 정하고 변경 이력을 남깁니다.
카탈로그에서 우선 관리할 필드
| 정보 묶음 | 관리 예시 | 점검 기준 |
|---|---|---|
| 식별·분류 | 상품 ID, 브랜드, 카테고리, GTIN | 상품 간 식별값 중복·누락 여부 |
| 상품 속성 | 소재, 크기, 색상, 호환성 | 고객이 비교할 수 있는 구체성 |
| 판매 조건 | 가격, 통화, 재고, 옵션 | 페이지·피드 값의 일치 여부 |
| 구매 후 정책 | 배송 지역·비용, 반품 조건 | 조건과 예외가 명확한지 |
자주 발생하는 오류와 운영 기준
- 옵션명을 내부 코드로만 표기: 소비자와 시스템이 알아볼 수 있는 색상·규격 명칭을 함께 관리합니다.
- 품절 정보가 늦게 반영: 재고 변경 주기를 정하고 판매 페이지와 피드 상태를 동기화합니다.
- 상품 설명과 마크업이 불일치: 페이지에 보이지 않는 가격이나 별점을 마크업에만 넣지 않습니다.
- 리뷰를 과장된 속성으로 변환: 리뷰에서 반복된 의견을 태그로 활용하더라도 개인 경험을 모든 상품의 확정 특성처럼 표시하지 않습니다.
가격, 통화, 재고 상태는 고객이 보는 상품 페이지와 피드, 구조화 데이터가 서로 맞아야 합니다. 불일치가 발견되면 노출 확대보다 원본 데이터와 갱신 흐름을 먼저 바로잡으세요.
구조화의 성과는 마크업 오류가 없는지만으로 판단하기 어렵습니다. 속성 누락률과 피드 불일치 건수, 품절 정보 갱신 지연, 상품 정보가 포함된 유입의 전환 흐름을 함께 관찰하세요. AI 추천 유입을 측정할 수 있다면 유입 경로와 랜딩 상품, 구매 결과를 분리해 기록하되, 추적되지 않는 노출을 임의로 추정하지 않는 것이 좋습니다.
자주 묻는 질문
Q. JSON-LD만 추가하면 AI 에이전트가 상품을 추천하나요?
아닙니다. JSON-LD는 페이지 정보를 구조화해 전달하는 형식입니다. 실제 추천 여부는 각 서비스의 데이터 접근 방식과 판단 기준에 달려 있으며, 구조화 데이터 적용만으로 검색 결과 표시나 추천을 보장할 수 없습니다.
Q. 상품마다 별도 페이지가 없어도 변형 데이터를 구조화할 수 있나요?
사이트의 실제 옵션 선택 구조에 맞춰야 합니다. 변형별 URL이 있는지, 선택한 옵션이 페이지에서 명확히 구분되는지 확인한 뒤 공식 가이드의 요건에 맞게 그룹 관계를 표시하세요.
Q. 리뷰를 요약해 상품 속성으로 등록해도 되나요?
반복적으로 확인된 사용 맥락을 내부 검색·추천용 태그로 활용할 수는 있습니다. 다만 개인 의견을 객관적 성능 수치처럼 바꾸거나, 특정 리뷰 평점을 실제 집계와 다르게 표시해서는 안 됩니다.
Q. 어디부터 점검하면 좋을까요?
매출이나 방문이 중요한 대표 상품, 옵션이 많은 상품, 재고 변동이 잦은 상품부터 살펴보세요. 필수 속성 누락과 페이지·피드 간 가격 및 재고 불일치를 확인한 뒤 같은 유형의 상품으로 범위를 넓히면 됩니다.
