퇴근길, 무신사 앱을 켠다. 검색창에 아무것도 입력하지 않았는데 홈 화면 맨 위에 최근 유행하는 와이드 팬츠와 그 위에 어울리는 자켓이 나란히 떠 있다. 검색은 하지 않았지만, 마치 검색을 한 것 같은 결과다. 이게 최근 무신사가 도입한 AI 초개인화 추천 서비스의 실제 화면이다.
필자가 보기엔 이 장면 자체가 지금 패션 이커머스 업계에서 벌어지는 경쟁의 축소판이다. 검색해서 찾아주는 AI는 이제 기본값이 됐고, 검색 전에 먼저 답을 내놓는 AI가 새로운 승부처로 떠오르고 있다.
무신사가 바꾼 것 — 검색에서 발견으로
무신사는 지난 6월 ‘AI 트렌드 큐레이션’을 도입하면서 “사용자가 찾기 전에 AI가 답한다”는 문구를 내세웠다. 기존 추천 시스템은 사용자가 클릭하거나 검색한 이력을 바탕으로 움직였다. 이번 서비스는 다르다. 실시간으로 올라오는 트렌드 신호를 AI가 먼저 읽고, 아직 사용자가 검색하지 않은 아이템까지 앞서 제안한다.
이 지점이 흥미로운데, 추천의 기준점이 ‘과거의 나’에서 ‘지금의 유행’으로 옮겨간 것이다. 개인적으로는 이 차이가 생각보다 크다고 본다. 과거 이력 기반 추천은 결국 내가 이미 좋아하던 것만 반복해서 보여주는 한계가 있었다. AI 초개인화 추천은 여기에 실시간 트렌드 데이터를 얹어, 내가 아직 모르던 취향까지 건드리려 한다.
지그재그도 같은 길을 간다
흥미로운 건 경쟁사 지그재그(카카오스타일)도 비슷한 시기에 AI 초개인화 추천을 강화하고 나섰다는 점이다. 업계에서는 두 회사가 ‘맞불’을 놓듯 유사한 방향의 서비스를 연달아 내놓았다고 본다. 두 회사는 과거에도 마케팅 문구로 서로를 겨냥한 신경전을 벌인 적이 있는데, 이번엔 그 무대가 알고리즘으로 옮겨간 셈이다.
AI 초개인화 추천, 기술적으로는 무엇이 다른가
패션 플랫폼의 추천 엔진은 보통 사용자와 상품을 각각 벡터로 표현하고, 둘의 유사도를 계산하는 방식으로 작동한다. 여기에 최근 트렌드 신호, 즉 지금 어떤 스타일이 급부상하는지를 나타내는 데이터를 실시간으로 더하는 것이 이번 변화의 핵심이다.
아래 표는 기존 추천 방식과 AI 초개인화 추천의 차이를 정리한 것이다.
| 구분 | 기존 추천 시스템 | AI 초개인화 추천 |
|---|---|---|
| 기준 데이터 | 사용자의 과거 클릭·구매 이력 | 과거 이력 + 실시간 트렌드 신호 |
| 노출 시점 | 사용자가 검색·탐색한 뒤 | 사용자가 검색하기 전 |
| 목표 | 이미 알던 취향 재노출 | 새로운 취향 발견 유도 |
| 대표 사례 | 기존 개인화 추천 배너 | 무신사 트렌드 큐레이션, 지그재그 초개인화 추천 |
표에서 보듯 방향은 비슷하지만, 실행 방식은 회사마다 다르다. 필자가 보기엔 이 싸움의 승부는 결국 ‘트렌드를 얼마나 빨리, 얼마나 정확하게’ 데이터로 포착하느냐에서 갈릴 것 같다.
기업의 전략적 대응 — 왜 지금 초개인화에 힘을 싣나
무신사는 이미 전사적으로 AI 전환을 선언하고 개발과 운영, 콘텐츠 제작까지 AI를 결합하는 작업을 진행해 왔다. 오픈AI의 코덱스를 개발 방식에 도입했다는 보도도 나온 바 있다. 이번 AI 초개인화 추천은 그 흐름의 소비자 접점 버전이라고 볼 수 있다.
여기서 놓치면 안 되는 부분이 있다. 검색 없이도 상품이 팔리게 만든다는 것은, 결국 플랫폼이 사용자의 취향을 검색창보다 먼저 파악한다는 뜻이다. 이는 자연스럽게 데이터 활용 범위와 개인정보 처리 방식에 대한 질문으로 이어진다. 유사한 데이터 활용 이슈는 본지가 다룬 에이전틱 커머스 기사에서도 짚었던 지점이다.
- 실시간 트렌드 신호를 어디까지 수집하고 어떻게 가중치를 매길 것인가
- 추천이 반복될수록 사용자의 취향 다양성이 줄어드는 ‘필터 버블’ 문제를 어떻게 관리할 것인가
- 경쟁사와의 알고리즘 차별화를 얼마나 오래 유지할 수 있는가
IT-SUE의 시각
필자는 이 경쟁을 단순한 마케팅 싸움으로 보지 않는다. 무신사와 지그재그가 벌이는 AI 초개인화 추천 경쟁은, 결국 누가 더 정교한 실시간 데이터 파이프라인을 갖추느냐의 싸움이다. 사용자에게는 편리함으로 보이지만, 뒤에서는 상당한 인프라 투자와 알고리즘 고도화가 걸려 있는 셈이다.
개인적으로 흥미로운 지점은, 이 경쟁이 결국 플랫폼 간 데이터 격차를 더 벌릴 가능성이 크다는 것이다. 트렌드를 더 빨리 포착하는 플랫폼일수록 더 많은 사용자를 붙잡고, 그 사용자 데이터로 다시 추천을 정교화하는 선순환에 들어간다. IT-SUE는 이 초개인화 경쟁이 패션 플랫폼의 구조 자체를 어떻게 바꿔놓을지 계속 지켜볼 계획이다.
답글 남기기