외부 생성형 AI 환경에서 고객은 자신의 상황과 조건을 자연스럽게 설명하며 원하는 상품을 탐색하고, 대화 속에서 생각지 못한 선택지를 발견하고 있습니다.
하지만 많은 쇼핑몰 안에서는 여전히 키워드와 필터 조합만으로 원하는 상품을 찾아야 합니다. 더 중요한 것은 AI를 도입했는가보다, 변화한 고객의 기대에 어떤 탐색 경험으로 응답하고 있는가입니다.

아마존의 Rufus와 조 말론 런던의 AI Scent Advisor 사례처럼, 최근 커머스는 고객의 질문을 더 길고 풍부한 맥락으로 받아들이는 방향으로 이동하고 있습니다.
아마존 Rufus 사례는 대화형 탐색 경험이 고객을 더 빠르게 원하는 결과로 이끌고, 그 과정이 실제 전환과도 연결될 수 있음을 보여줍니다. 조 말론 런던의 AI Scent Advisor 역시 취향과 맥락을 설명하는 경험이 카테고리 탐색을 어떻게 바꾸는지 보여주는 참고 사례입니다.

고객은 대화와 맥락 기반 탐색에 익숙해지고 있습니다. 이제 중요한 것은 변화의 필요성을 아는 것보다, 이 경험을 얼마나 빠르게 서비스 안에 구현하느냐입니다.

에이전틱 커머스는 새로운 시도가 아니라, 고객 기대를 반영하는 서비스 설계의 방향에 가까워지고 있습니다.

👉 콘텐츠 자세히 보러가기

Z세대는 더 이상 짧은 키워드만 입력하지 않습니다. 이들은 자신의 상황과 취향, 예산과 목적을 자연스럽게 설명하고, 대화를 통해 더 적합한 상품을 추천받고 발견하는 방식에 익숙해지고 있습니다.
중요한 변화는 기술 자체가 아니라 기대 수준입니다. 고객은 더 대화적인 탐색과 더 빠른 발견을 기대하고 있습니다.

관련 수치도 이런 변화를 뒷받침하고 있습니다.
AI 기반 검색은 구매율을 53% 증가시켰고, AI와 대화 후 30분 내 구매 확률은 194%까지 높아졌습니다.

👉 콘텐츠 자세히 보러가기

이런 경험이 필요하다는 데에는 쉽게 동의하게 됩니다. 하지만 직접 구축하려고 하면 풀어야 할 과제가 한 번에 많아집니다.
상품 데이터 구조화, 대화 흐름 설계, 결과 정렬, 운영 연동까지 생각하면, 에이전틱 커머스는 분명 매력적이지만 실제 구현의 문턱은 여전히 높습니다.

genser Discovery는 그 문턱을 더 빠르게 낮추는 방법입니다

genser Discovery는 바로 이런 현실적인 고민을 해결하기 위해 나온 솔루션입니다.
텍스트 중심 필터를 걷어내고, 시각적 영감과 대화를 연결해 고객이 취향을 더 구체화하면서 상품을 찾아가도록 설계되어 있습니다. 사용자가 자신의 상황이나 스타일을 자연어로 설명하면, genser Discovery는 이를 해석해 더 적합한 상품으로 탐색을 좁혀갑니다. 멀티턴 대화, 상품 확장 추천, 이미지와 리뷰 같은 비정형 정보 활용도 모두 실제 쇼핑 맥락을 끊기지 않게 만들기 위한 요소입니다.

더 중요한 점은 도입 방식입니다. genser Discovery는 기존 쇼핑몰을 전면적으로 바꾸지 않고도 비교적 빠르게 검증하고 적용할 수 있도록 설계되어 있습니다.
에이전틱 커머스의 필요성은 분명히 느끼지만, 구현 부담 때문에 멈춰 있는 기업에게 더 현실적인 선택지가 될 수 있습니다.

gelatto는 소비자 대상의 에이전틱 디스커버리 플랫폼입니다.
알고 있는 상품을 더 빨리 찾는 것이 아니라, 대화로 의도를 구체화하면서 생각지 못했던 선택지까지 만나게 하는 경험을 보여줍니다.

앞서 말씀드린 변화는 결국 고객이 어떻게 탐색하고, 어떻게 발견하며, 어떻게 구매 확신에 가까워지는가의 문제입니다.
gelatto는 그 흐름을 가장 직관적으로 체감할 수 있는 경험이자, genser Discovery가 자사몰 안에서 구현하려는 방향을 이해하는 데에도 좋은 출발점이 됩니다.

먼저 gelatto에서 그 경험을 직접 확인해 보시고,
필요하시다면 genser Discovery를 통해 이 흐름을 귀사의 서비스 안에서 어떻게 구현할 수 있을지도 이어서 살펴보실 수 있습니다.