핵심 요약

• AI 쇼핑 트래픽은 아직 작지만 빠르게 늘고 있습니다. Adobe는 이번 연말 시즌 AI를 통한 미국 리테일 사이트 방문이 130% 증가할 것으로 전망합니다. 2025년 693% 급증에 이은 흐름입니다.
• AI 쇼핑객은 더 우량한 고객의 모습을 보입니다. 다른 경로의 쇼핑객보다 구매 빈도가 높고, 더 오래 머물며, 이탈률이 낮습니다.
• 반품 감소가 숨은 보상이 될 수 있습니다. AI 쇼핑객 대다수가 반품 가능성이 낮다고 답했으며, 미국 반품 규모는 8,499억 달러로 전망되었습니다.
• 성패는 투자 규모보다 일하는 방식에 달려 있습니다. McKinsey 조사에서 AI 고성과 기업에 해당하는 응답자는 약 6%에 불과하며, 이들 대부분은 업무 방식 자체를 바꿨습니다.
• 사람 대신 쇼핑하는 AI 에이전트가 판도를 바꿀 것입니다. 상품 정보가 AI 에이전트의 질문에 답하지 못하는 매장은 고객이 페이지를 보기도 전에 판매 기회를 잃을 수 있습니다.

들어가며

리테일 기업은 연말 시즌에 많은 매출을 올리지만, 그중 상당 부분은 곧 반품으로 되돌아옵니다. 결국 반품이 시즌 매출 중 실제로 남는 몫을 결정합니다.

최근에는 연말 쇼핑을 준비할 때 AI 채팅 도구부터 여는 소비자가 늘고 있습니다. PwC에 따르면 미국 소비자의 29%가 올해 연말 쇼핑에 AI를 활용할 계획이며, 이는 2025년의 22%보다 높습니다. 초기 데이터는 이러한 AI 쇼핑 어시스턴트가 다른 유형의 고객을 데려오고 있음을 보여줍니다. 이들은 원하는 상품을 더 잘 알고, 반품할 가능성이 낮다고 답합니다.

이 글에서는 이를 반품 배당(returns dividend), 즉 반품이 줄면서 매장이 추가로 지키는 수익이라고 부르겠습니다.

반품이 왜 이렇게 큰 문제인가

반품은 이커머스 수익성을 크게 갉아먹습니다. NRF와 Happy Returns의 2025 Retail Returns Landscape에 따르면 2025년 리테일 매출의 15.8%, 금액으로 8,499억 달러가 반품될 것으로 예상되었습니다. 이커머스 반품은 온라인 매출의 19.3%로 더 높았고, 리테일 기업들은 연말 매출의 17%가 반품될 것으로 내다봤습니다.

리테일 기업은 진퇴양난에 빠져 있습니다. 리테일 기업의 72%가 최소 한 가지 반품 방식에 수수료를 부과하지만, 쇼핑객의 57%는 반품 수수료를 받기 시작한 매장을 더 이상 이용하지 않는다고 답했습니다. 또한 온라인 쇼핑객의 62%가 여러 사이즈를 산 뒤 대부분을 반품하는 '브래키팅' 같은 습관이 있다고 인정했습니다. 이커머스 반품을 줄이는 더 나은 해법은 처음부터 맞는 상품을 고르도록 돕는 것입니다.

데이터로 본 AI 쇼핑객

바로 이 지점에서 리테일 분야의 생성형 AI가 효과를 내기 시작했습니다. 미국 리테일 사이트 1조 건 이상의 방문 데이터로 전망을 내놓는 Adobe는 Quarterly AI Traffic Report (2026년 1월)에서 AI 도구를 거쳐 매장에 들어온 쇼핑객을 분석했습니다.

• 방문 증가: AI를 통한 매장 방문은 전년 대비 693% 증가했습니다.
• 구매 증가: 이들은 다른 경로의 방문자보다 전환율이 31% 높았고, 추수감사절에는 그 격차가 54%까지 벌어졌습니다.
• 관심도 상승: 이탈률은 33% 낮고, 체류 시간은 45% 길었으며, 13% 더 많은 페이지를 조회했습니다.
• 반품 의향 감소: 68%는 AI의 도움으로 구매한 상품을 반품할 가능성이 낮다고 답했습니다.

Adobe의 연말 시즌 결산 자료에 따르면 2025년 연말 시즌 반품은 전년 대비 1.2% 감소했습니다. AI 때문이라고 단정할 수는 없지만 눈여겨볼 신호입니다.

Adobe의 2026년 연말 시즌 전망은 AI 트래픽이 130% 늘어날 것으로 예측합니다. 소비자 5,000명을 대상으로 한 2026년 7월 Adobe 설문조사에서는 AI 쇼핑객의 77%가 구매에 더 확신을 갖게 되었고, 69%는 반품 가능성이 낮다고 답했습니다.

AI 쇼핑객의 반품이 적을 수 있는 이유

반품의 상당수는 상품이 기대와 다를 때 발생합니다. NRF는 쇼핑객들이 확신이 없어 같은 상품을 여러 사이즈, 색상, 스타일로 구매하는 경우가 많다고 지적합니다. AI 상품 탐색은 결제 전에 이 간극을 좁혀 줍니다. PwC에 따르면 AI 사용자의 75%는 상품 조사에, 55%는 가격 비교에 AI를 활용합니다. AI는 핏 정보와 리뷰 속 공통 불만을 짚어 주어, 세 가지 사이즈 대신 하나만 주문할 확신을 줍니다.

반드시 짚어야 할 한계

반품 관련 수치는 실제 행동이 아니라 스스로 밝힌 의향입니다. AI 쇼핑객은 애초에 구매 의지가 강한 고객일 수 있고, Adobe도 AI 사용자 기반이 아직 크지 않다고 밝혔습니다. 리테일 기업은 반품 배당을 가정하기보다 자사 데이터로 직접 검증해야 합니다.

반품 배당의 가치는 얼마나 될까

아래 표는 이 글을 위해 만든 가상의 예시이며, 전망치나 공개 데이터가 아닙니다. 연말 온라인 매출이 1억 달러인 매장을 가정했습니다.

반품을 한 건 줄일 때마다 반품 처리 비용과 처리 지연으로 늘어나는 고객 문의 대응 비용도 함께 줄어듭니다. 또한 리테일 기업의 40%가 최근 12개월 동안 신규 주문 출고와 반품 처리 중 하나를 선택해야 했던 만큼, 반품이 줄면 성수기에 처리 여력이 생깁니다. 높은 전환율까지 더하면 AI 쇼핑객은 이커머스 수익성을 끌어올리는 고마진 고객층입니다.

대부분의 리테일 기업이 기회를 놓치는 이유

AI로 실질적인 재무 성과를 내는 기업 자체가 매우 적고, 리테일 업계도 예외가 되기 어렵기 때문입니다. 1,719명을 조사한 McKinsey의 The State of AI in 2026: On the Road to ROI는 그 격차를 보여줍니다.

• 응답자 10명 중 약 9명이 AI를 정기적으로 사용합니다.
• AI가 EBIT(이자 및 법인세 차감 전 이익)에 영향을 미쳤다는 응답은 37%에 그쳤습니다.
• 약 6%만 고성과 기업에 해당하며, 이들은 EBIT의 5% 이상이 AI에서 나오고 그 효과가 상당하다고 답했습니다.

Gartner는 비용 증가, 불분명한 가치, 미흡한 리스크 관리로 인해 2027년 말까지 에이전틱 AI 프로젝트의 40% 이상이 중단될 것으로 예측합니다. 에이전틱 AI란 스스로 행동까지 수행하는 AI를 말합니다.

기술적 문제

• 부족한 상품 정보: 사이즈, 소재, 핏 정보가 없으면 AI 도구는 추측할 수밖에 없고, 이는 반품을 부르는 불일치로 이어집니다.
• 활용되지 않는 반품 데이터: 반품 사유가 상품 페이지나 AI 기반 상품 추천에 반영되는 경우는 드뭅니다.
• 유입 경로별 추적 부재: 유입 경로별로 반품률을 비교하는 매장이 적어, AI 쇼핑객의 반품이 실제로 적은지 알 수 없습니다.

사람과 프로세스의 문제

McKinsey에 따르면 고성과 기업을 구분 짓는 것은 투자 규모보다 AI를 활용하는 방식입니다. AI 고성과 기업의 약 4분의 3은 AI를 중심으로 업무 흐름을 근본적으로 재설계했지만, 다른 기업은 약 4분의 1에 그쳤습니다.

기업의 실천 사항

AI 고성과 기업과 그 외 기업 비교

업무 흐름을 근본적으로 재설계

약 4분의 3 대 약 4분의 1

3년 내 AI로 비즈니스를 혁신할 계획

그 외 기업 대비 3.3배

경영진이 AI를 직접 책임지고 주도

그 외 기업 대비 2배

AI 성과를 측정하는 명확한 프로세스 보유

그 외 기업 대비 2배

출처: McKinsey, The State of AI in 2026

리테일 AI 도입을 고민하는 기업이라면, 다른 것은 그대로 둔 채 이커머스 AI 챗봇만 추가해서는 반품을 줄이기 어렵다는 점을 기억해야 합니다. 상품 탐색부터 반품까지 전 과정을 다시 설계하고 단일 책임자를 두어야 합니다.

사람 대신 쇼핑하는 AI 에이전트에 대비하기

현재 AI는 주로 조언을 제공하고, 실제 구매는 여전히 사람이 합니다. PwC 조사에 따르면 선물 아이디어를 얻으려 AI를 쓰는 소비자의 64%는 별도의 탭을 열어 웹사이트에서 구매하며, AI 도구로 선물을 살 것이라는 소비자는 4%에 불과합니다.

그러나 이는 달라질 것입니다. 에이전틱 커머스란 AI 에이전트가 사람을 대신해 상품을 검색하고, 비교하고, 구매하는 방식입니다. McKinsey는 2030년까지 미국 B2C 리테일 시장에서 에이전틱 커머스를 통해 9,000억~1조 달러 규모의 매출이 발생할 수 있다고 추정하며, 풀필먼트와 반품을 재구축해야 할 6대 영역 중 하나로 꼽았습니다.

AI 쇼핑 에이전트가 구매를 대신하기 시작하면 반품률은 기계가 판단할 수 있는 지표가 됩니다. 에이전트는 상품이 설명과 일치하는 매장을 선호할 것이므로, 반품을 줄이는 리테일 AI는 어떤 매장이 추천받을지를 결정하는 요소가 됩니다.

이번 시즌에 실행할 수 있는 조치는 다음과 같습니다.

• 먼저 측정하십시오. AI를 통한 방문의 구매 전환율, 평균 주문 금액, 반품률을 별도로 추적합니다.
• 상품 정보를 개선하십시오. 브래키팅에 대응하는 매장들은 이미 사이즈 정보를 보강하고(41%), AI 핏 도구 같은 사이즈 추천 도구를 도입하고 있습니다(36%). 이 정보를 AI 에이전트가 읽을 수 있게 정리하십시오.
• 반품 사유를 활용하십시오. 반품 사유를 상품 페이지와 AI 기반 상품 추천에 다시 반영합니다.
• 쇼핑객이 망설이는 곳에서 도우십시오. 구매를 망설이는 순간에 질문에 답해 주면 이탈을 막을 수 있습니다. 의류처럼 반품률이 높은 페이지에 이커머스 AI 챗봇이나 가이드형 AI 상품 탐색 기능을 배치하십시오.

맺으며

이번 시즌 리테일 분야의 생성형 AI에 관한 논의는 대부분 트래픽 증가에 집중되어 있습니다. 그러나 더 중요한 이야기는 구매 이후에 있을 수 있습니다. AI 쇼핑객은 더 많은 정보를 갖고 방문해 더 자주 구매하며, 반품 의향은 낮습니다. 실제로 2025년 시즌에는 AI 트래픽이 급증하는 동안 반품이 1.2% 감소했습니다.

다만 이 혜택은 준비된 매장에만 돌아갑니다. McKinsey 조사에서 고성과 그룹을 제외한 기업 중 AI를 중심으로 업무를 재설계한 곳은 약 4분의 1에 불과했습니다. 상품 탐색, 상품 데이터, 반품을 하나의 측정 가능한 시스템으로 연결하는 기업은 반품 배당을 확보할 수 있습니다. 에이전틱 커머스가 성장할수록, 처음부터 맞는 상품을 파는 매장이 AI 쇼핑 에이전트가 추천하는 매장이 될 것입니다.

대부분의 마케팅 팀은 AI로 더 많은 콘텐츠를 만들고 있습니다. 앞서가는 팀들은 그보다 어려운 일을 해냈습니다. 콘텐츠 운영 방식 자체를 바꿨습니다.

AI 마케팅에서 실질적인 전환을 이루는 기업은 전체의 6%에 불과합니다. 그 격차를 만드는 것은 툴의 차이가 아닙니다. 워크플로 설계의 차이입니다. GenAI를 콘텐츠 파이프라인 전반에 걸쳐 광범위하게 도입한 브랜드는 매출 목표를 평균 22% 초과 달성했습니다. AI를 개인 단위의 단축키로만 사용하는 팀은 그 가치의 일부만 얻고 있습니다.

MagicSuite는 개별 작업 단위를 넘어 통합된 제작 시스템으로 전환할 수 있도록 지원하는 AI 기반 콘텐츠 인프라입니다. 더 빠른 콘텐츠, 더 정밀한 개인화, 더 강력한 캠페인 성과, 그리고 매번의 반복을 조직적 학습으로 전환하는 측정 체계까지. 6%의 올바른 편에 서고자 하는 팀을 위해 설계되었습니다.

MagicSuite가 고성과 콘텐츠 팀을 지원하는 방법 알아보기

메이크봇(Makebot)의 AI 전략 백서 Vol.02 「흩어진 AI에서 하나의 코어로: 통합 인텔리전스 코어로 완성하는 CX·EX 혁신」은 이 논의를 기업 전체로 확장합니다. 백서는 AI 성과가 기술 자체보다 이를 둘러싼 운영 모델에 달려 있는 이유와 Human-in-the-Loop(HITL)가 AI 실행의 표준 구조가 되어야 하는 이유를 설명합니다. AI는 제안하고, 사람은 명확한 통제 지점에서 승인합니다. 또한 하나의 통합 인텔리전스 코어로 고객 경험(CX)과 직원 경험(EX)을 단일한 흐름으로 연결하는 방법을 제시합니다. AI 쇼핑 에이전트 시대를 준비하는 리테일 기업이라면 백서를 무료로 다운로드해 전체 프레임워크를 확인해 보십시오.

‍