지금의 리테일 미디어부터, 다가올 에이전틱 커머스까지.

AI 중심 커머스가 고객이 상품을 찾고 사는 방식을 바꾸고 있습니다. MCM은 이미 깊이 있는 카탈로그 데이터와 실시간 의사결정, 성과 측정으로 리테일 미디어 비즈니스를 움직이고 있죠. 이제 이 기반을 넓혀, 새롭게 떠오르는 'AI 에이전트가 이끄는 쇼핑 경험'까지 지원합니다.

몰로코의 고객사

에이전틱 커머스가 여는 새로운 기회, '듀얼 프론티어'

AI를 통한 리테일 사이트 유입은 전년 대비 4배 늘었습니다. ChatGPT와 Gemini 같은 AI 플랫폼에서 질문을 시작해, 최종 구매는 리테일러 사이트에서 마무리하는 쇼핑 여정이 늘고 있습니다. 리테일러에게는 AI 에이전트의 추천을 얻고, 고객 신뢰를 쌓을 새로운 기회가 열린 셈입니다. {[data-attribute="init-tooltip"][tooltip-content="<p>출처:<br><br>EMARKETER, "AI is growing quickly as a retail referral channel. Here's how retailers can win." 2026년 Q1.</p>"]}

AI 에이전트 생태계

구매 후보가 정해지는 곳

고객이 사이트에 오기도 전에, AI 에이전트는 정리된 상품 정보를 보고 어떤 리테일러를 추천할지 정합니다. 우리만의 경쟁력은 지키면서, 상품은 더 잘 발견되게 만드는 것. 그게 목표죠.

자사 스토어

고객 습관이 만들어지는 곳

고객은 '딱 필요한 순간에, 딱 맞는 도움을 주는' 경험에 습관을 들입니다. 맥락을 이해하는 AI는 리테일러가 그런 경험을 만들고, 고객과 더 단단한 직접 관계를 쌓도록 돕죠.

상품 데이터를 AI 에이전트가 활용할 수 있게 준비해보세요

몰로코와 연동된 리테일러는 상품별 핵심 정보를 담은 커스텀 필드를 활용해, 이미 피드 단계부터 카탈로그 데이터를 체계적으로 구조화하고 고도화하고 있습니다.이 하나의 작업은 두 가지 확실한 결실로 이어집니다.

현재는 몰로코 AI 모델이 이 데이터를 활용해 사이트 내 개인화 추천, 연관성, 상품 검색 성능을 최적화합니다.
앞으로는 AI 쇼핑 에이전트가 이 고도화된 데이터를 바탕으로 상품을 정확히 이해하고, 비교하며, 추천하게 됩니다.

단일 카탈로그 기반으로 옴니채널 최적화를 완성하세요

현재 리테일 미디어 비즈니스를 구동하는 카탈로그 최적화 작업은 두 가지 역할을 동시에 수행합니다:

SEO가 검색 순위를 높인다면, 구조화된 상품 데이터는 추론 엔진이 추천 여부를 판단하도록 돕습니다.
사이트 내 개인화를 지원하는 동일한 속성 정보가, 외부 AI 에이전트가 상품을 이해하는 데도 쓰입니다.

시그널 공유 범위를 직접 관리해보세요

몰로코가 시그널을 다루는 원칙

제품 사양과 가격, 재고 여부 같은 상품 정보는 자유롭게 공유합니다.
성과에서 얻은 인사이트는 원천 데이터를 공개하지 않는 선에서 골라 제공합니다.
독점적인 행동 데이터와 반품률, 학습 엔진은 보호합니다.

맥락형 AI가 검색과 탐색 여정에서 고객을 만납니다

고객은 20년 동안 검색과 탐색 중심의 쇼핑 습관을 만들어 왔습니다. 화면 한쪽의 챗봇만으로 이 습관이 바뀌지는 않죠. 기존 챗봇은 고객이 먼저 버튼을 누르고 말을 걸어야만 작동하는 수동적 방식입니다.

온사이트 인텔리전스

몰로코는 이를 넘어서는 방식이 앰비언트 인텔리전스(Ambient Intelligence)라고 믿습니다. 고객의 행동에서 망설임이 감지되는 순간 나타나 필요한 도움을 주고, 확신을 얻고 나면 다시 백그라운드로 조용히 물러납니다.
몰로코의 비전은 실시간 의사결정 기술로 세션 내 시그널을 읽고, 고객이 막히는 바로 그 순간에 맥락에 맞는 상품 정보를 건네는 것입니다.

버튼이 아니라 행동으로 작동

사이트 안에서의 행동은, 외부 AI 에이전트는 볼 수 없는 시그널을 남깁니다.

상품 사양을 들여다본 시간
옵션을 바꿔가며 비교한 행동
상품 페이지 사이를 오간 기록

자사만 보유한 데이터에 기반

범용 AI 모델의 추론 능력은 계속 좋아지지만, 어떤 SKU가 어떤 사용 목적에 맞는지 보여주는 데이터에는 접근할 수 없습니다. 이런 인사이트는 다음 데이터에서 나옵니다.

반품 데이터
고객 지원 패턴
구매 후 행동

직접 방문 습관을 만드는 설계

고객이 자사 스토어로 직접 유입되면 다음 두 가지 강력한 이점을 얻을 수 있습니다:

유통 마진 방어
지속적인 경쟁 우위를 창출하는 독점 데이터 확보

현재 제공하는 기능과 다음 단계

현재 MCM에서 사용할 수 있는 기능과 개발 중인 기능을 확인해 보세요.

현재 MCM에서 제공하는 기능

카탈로그 표준화 및 상품 이해

온사이트 개인화와 검색, 광고 연관성을 위한 실시간 행동 기반 의사결정

수요 및 크리에이티브 자동화 워크플로우

개발 중인 기능 향후 변경 가능

외부 AI 에이전트의 상품 발견과 이해를 돕는 구조화된 상품 데이터

시그널의 공유 및 활용 방식을 관리하는 도구

AI 에이전트가 이끄는 쇼핑 경험의 성과를 기반으로 한 수익화

지금 준비하는 리테일러를 위한 세 가지 우선순위

깊이 있는 카탈로그 데이터가 지속적인 우위를 만듭니다

범용 AI 모델은 어떤 SKU가 어떤 사용 목적에 맞는지 스스로 학습할 수 없습니다. 그 지식은 여러분의 데이터에 있고, 추론 엔진이 여러분의 상품을 자신 있게 추천하는 근거가 됩니다.

사이트 안의 습관과 외부 AI 노출, 한 번에 준비할 수 있습니다

사이트 내 인텔리전스를 움직이는 카탈로그 작업은, 외부 AI 에이전트가 상품을 이해하게 만드는 작업이기도 합니다. 하나의 투자로, 두 개의 프론티어를 모두 준비할 수 있죠.

빠르게 학습할수록 경쟁 우위는 커집니다

AI 에이전트 유입이 본격화될 때, 일찍 시작한 리테일러는 이미 실험을 수십 번 돌려본 뒤일 겁니다. 그 학습은 돈으로 사거나 단기간에 압축할 수 없습니다.

자주 묻는 질문

에이전틱 커머스란 무엇이며, 왜 지금 중요한가요?

에이전틱 커머스는 쇼핑 여정이 기존 검색이나 직접 방문이 아니라, ChatGPT, Gemini, Perplexity 같은 AI 플랫폼을 따라 움직이는 환경을 말합니다. 지금 중요한 이유는, 이 플랫폼들이 벌써 어떤 리테일러를 추천하고 신뢰할지에 영향을 주고 있기 때문입니다. 한번 굳어진 패턴은 시간이 지날수록 바꾸기 어려워질 수 있죠.

앰비언트 인텔리전스는 챗봇과 무엇이 다른가요?

작동하는 시점과 이유가 다릅니다. 기존 챗봇은 쇼핑객이 먼저 버튼을 누르고 말을 걸어야만 작동하는 수동적 방식입니다. 몰로코가 그리는 앰비언트 인텔리전스는 반대입니다. 행동에서 망설임이 보이는 순간 나타나, 그 순간의 맥락에 맞는 도움을 건넵니다. 인터페이스는 여전히 대화형일 수 있습니다. 달라지는 건 '언제, 왜' 나타나느냐입니다.

시작하려면 새로운 인프라가 필요한가요?

기존 자산으로 시작할 수 있습니다. 기존에 보유한 카탈로그와 퍼스트 파티 데이터를 그대로 활용하여 시작할 수 있습니다. 약간의 카탈로그 업데이트나 API 연동만 거치면 충분하죠. MCM은 커머스 미디어 AI 모델과 캠페인 관리, 광고 게재 인프라를 고객사 전용 환경으로 꾸려 제공하고, 이 전용 환경의 AI 모델은 오직 해당 고객사의 데이터로만 학습합니다. 지금 리테일 미디어 비즈니스를 움직이는 바로 이 기반이, 앞으로 에이전틱 커머스까지 지원할 수 있습니다.

AI 에이전트 플랫폼과 무엇을 공유하고 무엇을 보호해야 하나요?

세 단계로 나눠서 보면 됩니다. 상품 사양과 가격, 재고 여부는 자유롭게 공유합니다. 성과에서 얻은 인사이트는 원천 데이터를 공개하지 않는 선에서 골라 공유할 수 있죠. 그리고 원본 행동 데이터와 속성별 반품률, 학습 엔진 자체는 보호합니다.

AI 에이전트 접점이 실질적인 성과를 만드는지 어떻게 확인하나요?

증분 효과 테스트로 확인할 수 있습니다. 기존 멀티터치 어트리뷰션(MTA) 방식만으로는 AI 에이전트가 기여한 새로운 접점의 성과가 과소평가되기 쉽습니다. 그래서 몰로코는 대조군(홀드아웃 테스트) 기반 증분 효과 측정 프레임워크로, 에이전트 세션이 만들어낸 순수 신규 매출을 따로 가려내죠.

지금의 리테일 미디어부터, 다가올 에이전틱 커머스까지.

몰로코의 고객사