쇼피파이 스토어 1,000개 조사: 중복 콘텐츠와 AI 인용 문제

핵심

AI 검색에서 브랜드는 답변에서 추천받지만, 인용과 클릭은 AI가 권위 있다고 판단하는 출처로 간다. 이 현상의 발생 빈도를 측정하기 위해 1,000개 쇼피파이 스토어의 상품 설명을 분석해 두 가지를 확인했다: 그 콘텐츠 중 얼마나 원본인가, 그리고 대형 언어 모델(LLM)이 실제로 그 글을 작성한 스토어를 인용하는가.

주요 발견사항

1. 설명 필드는 AI가 읽을 수 있는 콘텐츠를 부정확하게 나타냄

• 필드 vs 실제 페이지: 수집한 설명 필드의 30%가 50단어 미만이었지만, AI 크롤러가 가져오는 원본 HTML에서 측정하면 정확히 측정한 스토어 중 15.6%만 진정한 의미의 얇은 콘텐츠다. 얇은 설명 필드를 가진 상품의 71%는 페이지의 다른 부분에서 충분한 콘텐츠를 유지하고 있다.

  • 예: 레어뷰티의 'Soft Pinch Tinted Lip Oil'은 공개 설명 필드에 25단어만 있지만, 실제 렌더링된 페이지에는 약 2,100단어가 있다.

• 구조화된 데이터 계층의 약점: 88%의 스토어가 상품 구조화된 데이터를 생성하지만, 59%의 경우 AI가 읽을 수 있는 설명이 50단어 미만이거나 누락되어 있다. 이 필드는 LLM이 가장 신뢰성 있게 인용할 수 있는 영역이다.

2. 5분의 1의 설명이 다른 웹사이트로 복사됨

• 외부 중복의 규모: 샘플의 20%가 다른 도메인에서 동일하거나 거의 동일한 형태로 나타난다. 거의 모두 소매업체나 마켓플레이스에서 발견되며, 경쟁 쇼피파이 브랜드에서는 거의 찾아볼 수 없다.

  • 가장 인기 있는 복사본 위치: 노드스트롬, 샐리 뷰티, 퍼블릭스, 벨크, 아마존
  • MCoBeauty의 한 문장이 7개 다른 도메인에서 거의 동일하게 나타났다.

• 내부 중복: 같은 스토어 내 상품 중 22%가 다른 상품과 거의 동일한 복사본을 공유한다.

3. AI가 구매 질문에 답할 때 잡지가 아닌 스토어를 인용함

• 인용률의 현실: 60개 카테고리에서 조사 대상 확립된 브랜드들이 Google의 답변 계층에서 인용되거나 추천된 비율은 9.5%에 불과했다. 카테고리의 3분의 1에서는 이들 중 하나도 언급되지 않았다.

  • 답변은 대신 퍼블리셔(포브스 리스트, The Good Trade, CNN Underscored, OutdoorGearLab)나 마켓플레이스로 향했다.

• 브랜드 언급 vs 인용 출처: ChatGPT와 Perplexity에서 브랜드들이 권장된 159회 중, 브랜드 자신의 페이지가 인용 출처였던 경우는 31%에 불과했다. AI 도구가 총 인용한 1,851개 출처 중 2.8%만이 브랜드 자신의 페이지였고, 59%는 퍼블리셔였다.

• 패턴: 약 3분의 2의 호의적인 언급에서 브랜드는 이름이 올라가지만 리뷰어가 인용 출처가 된다. 브랜드가 작성하고 비용을 들인 스토어의 설명은 속성(attribution)을 받지 못한다.

4. 깊이, 속도, AI 준비도는 세 가지 다른 문제

이 콘텐츠 데이터를 이전 두 연구의 속도 및 AI 준비도 점수와 결합했을 때 (867개 스토어가 세 연구 모두에 포함됨):

• 상관관계 거의 없음: 콘텐츠 깊이 vs AI 준비도 점수는 스피어맨 계수 0.13, 속도 vs AI 준비도는 0.02다. 빠른 스토어가 잘 작성된 스토어가 아니며, 잘 구조화된 스토어가 빠르지 않다.

• 유일한 관계: 콘텐츠가 가장 깊은 사분위수에 있는 스토어는 AI 준비도에서 의미 있게 높은 점수(44.9 vs 약 41)를 받았다. 깊이는 도움이 되지만 속도나 구조와 함께 제공되지 않는다.

인용되는 스토어의 차이점

인용된 스토어들은 크기나 속도 프로필이 아닌 콘텐츠 프로필을 공유한다.

인용되지 않는 스토어의 일반적 패턴:

• 모든 판매 채널에서 재사용되는 공급자 설명
• 형제 상품 간 복사된 콘텐츠
• 이미지나 자바스크립트에만 답변된 구매자 질문
• 얇거나 비어있는 구조화된 데이터 설명

인용되는 스토어의 패턴:

• 해당 상품을 위해 작성되고 스토어에 고유한 설명
• AI 모델이 인용할 수 있는 상품별 구절
• 원본 HTML에 텍스트로 표시된 답변
• 실제 상품 복사로 채워진 구조화된 데이터 설명

규모는 원본성을 보상하지 않는다. 100개의 원본 구조화된 설명은 LLM에 스토어를 인용할 100가지 이유를 제공한다. 1,000개의 템플릿 설명은 이미 다른 곳에서 본 텍스트를 1,000번 반복하게 하며, 인용은 처음 그 주제에 대해 뭔가 새로운 것을 작성한 사람에게 간다.

인용 가능한 상품 페이지의 모습

LLM이 인용되는 페이지를 만들려면 수동으로 작성하든 생성하든 12가지 필드를 올바르게 해야 한다:

1. 상품 제목(H1): 쇼퍼가 실제로 검색하는 구매 키워드 포함
2. 판매 헤드라인: 제목 아래 쇼퍼를 읽게 하는 훅
3. 짧은 설명: 구매 박스의 원본 콘텐츠, 원본 HTML에서 40~60단어
4. 긴 설명: 구매자를 교육하고, LLM이 인용하고 속성할 수 있는 구절
5. 주요 이점: AI 모델이 축자 인용할 수 있는 5개 스캔 가능한 포인트
6. 대상 그룹: 상품이 맞는 사람을 평문으로 표시
7. 함께 판매: 페이지 HTML에 텍스트로 렌더링된 상품 쌍
8. 기술 사양: 상품의 실제 속성에서만 구축된 HTML 표, 발명된 것 없음
9. FAQ: 구매 전 실제 질문, 리치 결과 대상
10. 메타 제목: 검색 스니펫의 헤드라인
11. 메타 설명: 클릭을 얻는 스니펫 복사
12. 교차판매: HTML에 렌더링된 카테고리 추천, 위젯으로 삽입되지 않음

모든 필드에 원본 복사본을 포함하고, AI 모델이 페이지를 읽는 방식으로 구조화하며, 스토어의 고유한 상품 데이터에서 생성하면 아무것도 발명되지 않는다.

솔직한 장애물: 규모

특히 대규모 카탈로그의 경우 처음부터 12개 필드를 작성하는 데 시간이 걸린다. 편집 팀이 수개월, 수십만 달러를 투자해야 하는데, 이것이 대부분 스토어가 하지 않는 이유다. 단순한 더 많은 단어는 거의 도움이 되지 않는다. 목표는 각 페이지에 인용될 수 있는 원본이고 구조화된 것을 제공해서, 인용이 당신을 검토한 퍼블리셔나 포럼이 아닌 당신의 스토어로 간다.

결론

이 모든 것은 쇼피파이에만 해당하지 않는다. 같은 얇고 신디케이트된 복사본이 모든 플랫폼에 나타난다. 이를 수정한 브랜드들은 플러그인이 아닌 편집 작업으로 했다.

가장 높은 영향력의 수정도 가장 기술적이지 않다. 스토어의 고유한 단어와 브랜드 목소리로, 구매자와 AI 모델 모두를 위해 한 번 작성된 상품 페이지는 15개 채널에 신디케이트된 공급자 문단이 절대 할 수 없는 것을 LLM에 제공한다: 한 페이지를 출처로 취급할 이유.