‘대화형 패션 커머스 시대’ 달라진 패션 AI 전략
패션 AI 승부, 이미지 생성이 아니라 ‘구매 불안’ 제거
구매 불안을 제거하기 위한 상세 페이지 전략
패션 브랜드가 AI를 활용한다고 할 때, 많은 사람이 가장 먼저 떠올리는 건 이미지 생성이다. 모델 착장 이미지를 만들고, 룩북 콘셉트를 뽑고, 상세페이지 문구를 쓰고, 광고 카피를 여러 버전으로 만든다.
실제로 글로벌 패션 브랜드들도 이 방향으로 빠르게 움직이고 있다. 망고는 틴 라인 캠페인(Mango Teen ‘Sunset Dream’ Collection)에 생성형 AI를 활용했고, 자라도 실제 모델을 기반으로 AI 패션 이미지를 생성하는 방식을 도입했다. H&M 역시 실제 모델의 AI 트윈을 활용하는 실험을 진행하고 있다.
AI로 제작한 Mango Teen ‘Sunset Dream’ 컬렉션 캠페인. [사진=https://mangofashiongroup.com/en/w/mango-crea-la-primera-campa%C3%B1agenerada-con-inteligencia-artificial-para-su-l%C3%ADnea-teen]
분명 의미 있는 변화다. 패션산업은 콘텐츠를 많이 만들어야 하는 산업이다. 시즌은 계속 바뀌고, 상품은 빠르게 쏟아지고, 채널마다 필요한 이미지와 문구도 다르기 때문이다. AI가 제작 속도를 높여주는 것은 당연히 강력한 장점이다.
# AI가 만든 예쁜 이미지보다 중요한 것
여기서 질문을 하나 던질 필요가 있다. 패션 브랜드가 AI로 먼저 해결해야 할 문제가 정말 ‘이미지 부족’일까.
패션 구매에서 가장 큰 문제는 단순히 예쁜 이미지가 부족해서 생기지 않는다. 고객이 구매 직전에 망설이는 이유는 훨씬 구체적이다. 내 몸에 맞을까. 실제 색감이 다르진 않을까. 사진 속 모델에게는 예쁜데 나에게도 어울릴까. 세탁은 불편하지 않을까. 자주 입을 수 있을까. 반품은 귀찮지 않을까.
패션 구매의 본질에는 이처럼 늘 불안이 있다. 오프라인 매장에서는 이 불안을 입어보는 행위로 줄인다. 직접 만져보고, 거울 앞에서 확인하고, 직원에게 물어보고, 사이즈를 바꿔 입어보면서 구매 확신을 얻는다. 온라인에서 이 과정은 상당 부분 이미지와 리뷰, 사이즈 표와 상세페이지로 대체되었다. 그런데 여전히 완전히 해결되지 않은 문제가 남아 있다. 고객은 여전히 옷을 입어보지 못한 채 산다는 점이다. 그래서 패션 AI의 진짜 승부는 이미지 생성이 아니라 구매 불안 제거에 있다.
이 관점에서 보면 AI 활용의 방향이 크게 달라진다. “룩북 이미지를 더 빨리 만들 수 있느냐”도 중요하지만, 더 중요한 질문은 “고객이 망설이는 이유를 얼마나 정확히 줄일 수 있느냐”다. AI가 상품을 더 멋지게 보여주는 도구에 머물면 생산자 관점의 AX(AITransformation, AI 전환)에 그친다. 반대로 고객이 더 안심하고 고를 수 있도록 돕는다면 소비자 관점의 AX로 넘어갈 수 있다.
# 패션 검색은 ‘키워드’에서 ‘대화’로 이동한다
잘란도의 사례는 이 점에서 흥미롭다. 잘란도는 고객의 신체 치수를 반영한 3D 아바타 기반 가상 피팅룸을 지속적으로 실험 및 고도화하고 있다. 2024년에는 리바이스 일부 상품을 대상으로 14개 유럽 시장에서 파일럿을 진행했고, 이후 더 큰 규모의 가상 피팅 경험으로 확장하겠다는 계획도 밝혔다.
이전에는 고객이 사이즈표와 모델 착장 사진을 보며 스스로 핏을 상상해야 했다면, 이제는 자신의 몸에 가까운 디지털 아바타를 통해 옷이 어떻게 보일지 확인하는 방향으로 쇼핑 경험이 이동하고 있는 것이다. 잘란도는 AI 패션 어시스턴트를 모든 시장으로 확장하며 “11월 바르셀로나에서 아버지의 60세 생일에 무엇을 입으면 좋을까?” 같은 상황형 질문에 답하는 방식으로, 패션 검색을 단순한 키워드 입력이 아닌 대화형 탐색으로 바꾸고 있다.
잘란도의 3D 아바타. [사진=https://corporate.zalando.com/en/technology/zalandoenhances-its-virtual-fitting-room-enabling-customers-create-3d-avatar-their-body]
이 변화는 단순한 기능 추가가 아니다. 고객의 질문이 바뀌고 있다는 뜻이다. 예전 고객은 검색창에 ‘블랙 재킷’, ‘와이드 팬츠’, ‘여성 트렌치코트’를 입력했다. 앞으로 고객은 “키 160대 여성이 출근할 때 입기 좋은 재킷”, “허벅지가 있는 남자에게 어울리는 와이드 팬츠”, “결혼식에도 입고 출근룩으로도 활용 가능한 원피스”를 물을 것이다. 또는 그렇게 묻지 않더라도 AI는 사용자와의 이전 대화를 기억하여 구체적인 상황에 맞는 제품을 추천할 것이다.
패션 검색은 키워드 검색에서 상황 검색으로 빠르게 이동하고 있다. 더 정확히 말하면 검색이 아니라 대화에 가까워지고 있는 것이다.
알리바바가 Qwen AI를 타오바오와 통합해 대화형 쇼핑 에이전트를 준비하는 것도 같은 흐름이다. 이 에이전트는 타오바오·티몰의 방대한 상품 카탈로그를 바탕으로 고객이 대화하듯 상품을 탐색하고 비교하고 구매할 수 있도록 설계되고 있다. 쇼핑의 시작점이 검색창에서 AI 대화창으로 이동하고 있는 셈이다.
무신사 역시 카카오와 협업해 ‘ChatGPT for Kakao(챗지피티 포 카카오)’ 서비스 패션 버트컬 부문의 파트너사로 참여했다. 카카오톡 사용자들이 챗지피티 포 카카오 내에서 “내일 출근할 때 입기 좋은 룩 추천해 줘”, “2월 시드니 여행에 어울리는 코디 보여줘” 등의 질문을 할 경우 무신사가 자체 개발한 AI 기반 커머스 탐색 기술인 ‘무신사 MCP’를 적용해 마치 패션 전문가와 대화하듯 자연스럽게 쇼핑 과정을 즐길 수 있다.
# 상세페이지, 일방적인 설명서가 아니라 대화 흐름이어야 한다
H&M의 실제 사람 모델을 기반으로 한 디지털 트윈 모델. [사진=https://hmgroup.com/news/hm-continues-its-exploration-of-creativity-with-ai]
그렇다면 패션 브랜드는 구체적으로 무엇을 준비해야 할까.
첫째, AI로 이미지를 만들기 전에 고객의 불안을 먼저 구조화해야 한다. 고객이 왜 안 사는지, 어떤 질문에서 멈추는지, 어떤 정보가 부족할 때 이탈하는지 정리해야 한다. 사이즈, 핏, 소재, 관리, 활용도, 가격 등은 패션 구매의 핵심 불안 요소다. 이 요소를 해결하지 못한 채 예쁜 이미지만 늘리면 전환율은 크게 달라지지 않는다.
둘째, 상세페이지를 ‘설명서’가 아니라 ‘대화 흐름’으로 바꿔야 한다. 지금까지 많은 상세페이지는 브랜드가 하고 싶은 말을 위에서 아래로 쌓는 방식이었다. 하지만 AI 시대의 상세페이지는 고객이 실제로 묻는 질문에 답하는 구조가 되어야 한다. 이 옷은 어떤 체형에 어울리는가. 정사이즈인가. 어떤 계절까지 입을 수 있는가. 비슷한 상품과 무엇이 다른가. 왜 이 가격인가. 어떤 상황에서 가장 잘 입히는가. 이런 질문에 선명하게 답할수록 고객도 이해하고, AI도 이해한다.
셋째, 브랜드의 언어를 더 구체적으로 만들어야 한다. ‘고급스러운’, ‘세련된’, ‘감각적인’ 같은 표현만으로는 부족하다. AI도, 고객도 그런 말만으로는 차이를 알기 어렵다. ‘출근과 주말 약속을 동시에 커버하는 미니멀 재킷’, ‘상체가 왜소한 남성에게 어깨선을 보완해주는 니트’, ‘하체 라인을 드러내지 않으면서도 부해 보이지 않는 팬츠’처럼 구체적인 상황과 고객 문제를 언어화해야 한다. 패션은 시각의 산업이지만, AI 시대에는 언어의 산업이기도 하다.
넷째, AI 활용의 윤리와 신뢰 문제도 함께 다뤄야 한다. AI 모델과 AI 이미지는 제작 효율을 높일 수 있지만, 고객이 “이 옷이 실제로 입었을 때 어떻게 보이는지”를 확인하고 싶어 한다는 사실은 사라지지 않는다. 리바이스가 AI 모델을 통해 다양성을 확대하겠다고 했을 때 비판이 나온 이유도 여기에 있다.
소비자 입장에서는 “다양성을 말한다면 실제 다양한 모델을 기용해야 하는 것 아닌가?”라는 의문이 생길 수 있기 때문이다. AI는 효율을 줄 수 있지만, 신뢰를 자동으로 주지는 않는다.결국 패션 브랜드의 AI 활용은 두 갈래로 나뉠 것이다. 하나는 더 빨리 만드는 AI다. 다른 하나는 더 안심하고 사게 만드는 AI다.
전자는 생산성을 높인다. 후자는 전환율과 신뢰를 높인다. 물론 둘 다 필요하다. 하지만 브랜드의 장기 경쟁력을 생각하면 후자가 더 중요하다. 고객의 불안을 줄이는 AI는 단순한 비용 절감 도구가 아니라 브랜드 경험의 일부가 되기 때문이다.
무신사 X 카카오 ChatGPT for Kakao [사진=무신사]
패션산업은 늘 몸과 이미지, 욕망과 현실 사이에서 움직여왔다. 고객은 멋진 옷을 사고싶지만 실패하고 싶지는 않다. 더 나은 나를 상상하지만, 동시에 내 몸과 내 일상에 맞는지 확인하고 싶어 한다. 이 미세한 간극을 줄이는 브랜드가 AI 시대의 디지털 혁신을 제대로 하는 브랜드다.
AI로 옷을 더 많이 보여주는 일은 이제 누구나 할 수 있다. AI로 고객이 덜 망설이게 만드는 일은 아직 많은 브랜드가 제대로 하지 못하고 있다. 그래서 기회도 여기에 있다. AI 시대 패션 브랜드의 질문은 AI로 “얼마나 그럴듯한 이미지를 만들 수 있는가”가 아니다. “고객이 입어보지 않고도 얼마나 안심하고 살 수 있게 만들 것인가.” 이 질문에 답하는 브랜드가 AX의 승자가 될 것이다.
김용석 디토리안
김용석 브랜드 컨설턴트는 삼성물산에서 마케팅을 시작해 지금은 스몰 브랜드의 성장을 돕는 '톡설팅'의 대표로 있다. 저서로는 <작은 기업을 위한 브랜딩 법칙 ZERO>, <AI가 선택하는 브랜드의 비밀: AEO>가 있다. brunch.co.kr/@kap
‘대화형 패션 커머스 시대’ 달라진 패션 AI 전략
패션 브랜드가 AI를 활용한다고 할 때, 많은 사람이 가장 먼저 떠올리는 건 이미지 생성이다. 모델 착장 이미지를 만들고, 룩북 콘셉트를 뽑고, 상세페이지 문구를 쓰고, 광고 카피를 여러 버전으로 만든다.
실제로 글로벌 패션 브랜드들도 이 방향으로 빠르게 움직이고 있다. 망고는 틴 라인 캠페인(Mango Teen ‘Sunset Dream’ Collection)에 생성형 AI를 활용했고, 자라도 실제 모델을 기반으로 AI 패션 이미지를 생성하는 방식을 도입했다. H&M 역시 실제 모델의 AI 트윈을 활용하는 실험을 진행하고 있다.
AI로 제작한 Mango Teen ‘Sunset Dream’ 컬렉션 캠페인. [사진=https://mangofashiongroup.com/en/w/mango-crea-la-primera-campa%C3%B1agenerada-con-inteligencia-artificial-para-su-l%C3%ADnea-teen]
분명 의미 있는 변화다. 패션산업은 콘텐츠를 많이 만들어야 하는 산업이다. 시즌은 계속 바뀌고, 상품은 빠르게 쏟아지고, 채널마다 필요한 이미지와 문구도 다르기 때문이다. AI가 제작 속도를 높여주는 것은 당연히 강력한 장점이다.
# AI가 만든 예쁜 이미지보다 중요한 것
여기서 질문을 하나 던질 필요가 있다. 패션 브랜드가 AI로 먼저 해결해야 할 문제가 정말 ‘이미지 부족’일까.
패션 구매에서 가장 큰 문제는 단순히 예쁜 이미지가 부족해서 생기지 않는다. 고객이 구매 직전에 망설이는 이유는 훨씬 구체적이다. 내 몸에 맞을까. 실제 색감이 다르진 않을까. 사진 속 모델에게는 예쁜데 나에게도 어울릴까. 세탁은 불편하지 않을까. 자주 입을 수 있을까. 반품은 귀찮지 않을까.
패션 구매의 본질에는 이처럼 늘 불안이 있다. 오프라인 매장에서는 이 불안을 입어보는 행위로 줄인다. 직접 만져보고, 거울 앞에서 확인하고, 직원에게 물어보고, 사이즈를 바꿔 입어보면서 구매 확신을 얻는다. 온라인에서 이 과정은 상당 부분 이미지와 리뷰, 사이즈 표와 상세페이지로 대체되었다. 그런데 여전히 완전히 해결되지 않은 문제가 남아 있다. 고객은 여전히 옷을 입어보지 못한 채 산다는 점이다. 그래서 패션 AI의 진짜 승부는 이미지 생성이 아니라 구매 불안 제거에 있다.
이 관점에서 보면 AI 활용의 방향이 크게 달라진다. “룩북 이미지를 더 빨리 만들 수 있느냐”도 중요하지만, 더 중요한 질문은 “고객이 망설이는 이유를 얼마나 정확히 줄일 수 있느냐”다. AI가 상품을 더 멋지게 보여주는 도구에 머물면 생산자 관점의 AX(AITransformation, AI 전환)에 그친다. 반대로 고객이 더 안심하고 고를 수 있도록 돕는다면 소비자 관점의 AX로 넘어갈 수 있다.
# 패션 검색은 ‘키워드’에서 ‘대화’로 이동한다
잘란도의 사례는 이 점에서 흥미롭다. 잘란도는 고객의 신체 치수를 반영한 3D 아바타 기반 가상 피팅룸을 지속적으로 실험 및 고도화하고 있다. 2024년에는 리바이스 일부 상품을 대상으로 14개 유럽 시장에서 파일럿을 진행했고, 이후 더 큰 규모의 가상 피팅 경험으로 확장하겠다는 계획도 밝혔다.
이전에는 고객이 사이즈표와 모델 착장 사진을 보며 스스로 핏을 상상해야 했다면, 이제는 자신의 몸에 가까운 디지털 아바타를 통해 옷이 어떻게 보일지 확인하는 방향으로 쇼핑 경험이 이동하고 있는 것이다. 잘란도는 AI 패션 어시스턴트를 모든 시장으로 확장하며 “11월 바르셀로나에서 아버지의 60세 생일에 무엇을 입으면 좋을까?” 같은 상황형 질문에 답하는 방식으로, 패션 검색을 단순한 키워드 입력이 아닌 대화형 탐색으로 바꾸고 있다.
잘란도의 3D 아바타. [사진=https://corporate.zalando.com/en/technology/zalandoenhances-its-virtual-fitting-room-enabling-customers-create-3d-avatar-their-body]
이 변화는 단순한 기능 추가가 아니다. 고객의 질문이 바뀌고 있다는 뜻이다. 예전 고객은 검색창에 ‘블랙 재킷’, ‘와이드 팬츠’, ‘여성 트렌치코트’를 입력했다. 앞으로 고객은 “키 160대 여성이 출근할 때 입기 좋은 재킷”, “허벅지가 있는 남자에게 어울리는 와이드 팬츠”, “결혼식에도 입고 출근룩으로도 활용 가능한 원피스”를 물을 것이다. 또는 그렇게 묻지 않더라도 AI는 사용자와의 이전 대화를 기억하여 구체적인 상황에 맞는 제품을 추천할 것이다.
패션 검색은 키워드 검색에서 상황 검색으로 빠르게 이동하고 있다. 더 정확히 말하면 검색이 아니라 대화에 가까워지고 있는 것이다.
알리바바가 Qwen AI를 타오바오와 통합해 대화형 쇼핑 에이전트를 준비하는 것도 같은 흐름이다. 이 에이전트는 타오바오·티몰의 방대한 상품 카탈로그를 바탕으로 고객이 대화하듯 상품을 탐색하고 비교하고 구매할 수 있도록 설계되고 있다. 쇼핑의 시작점이 검색창에서 AI 대화창으로 이동하고 있는 셈이다.
무신사 역시 카카오와 협업해 ‘ChatGPT for Kakao(챗지피티 포 카카오)’ 서비스 패션 버트컬 부문의 파트너사로 참여했다. 카카오톡 사용자들이 챗지피티 포 카카오 내에서 “내일 출근할 때 입기 좋은 룩 추천해 줘”, “2월 시드니 여행에 어울리는 코디 보여줘” 등의 질문을 할 경우 무신사가 자체 개발한 AI 기반 커머스 탐색 기술인 ‘무신사 MCP’를 적용해 마치 패션 전문가와 대화하듯 자연스럽게 쇼핑 과정을 즐길 수 있다.
# 상세페이지, 일방적인 설명서가 아니라 대화 흐름이어야 한다
H&M의 실제 사람 모델을 기반으로 한 디지털 트윈 모델. [사진=https://hmgroup.com/news/hm-continues-its-exploration-of-creativity-with-ai]
첫째, AI로 이미지를 만들기 전에 고객의 불안을 먼저 구조화해야 한다. 고객이 왜 안 사는지, 어떤 질문에서 멈추는지, 어떤 정보가 부족할 때 이탈하는지 정리해야 한다. 사이즈, 핏, 소재, 관리, 활용도, 가격 등은 패션 구매의 핵심 불안 요소다. 이 요소를 해결하지 못한 채 예쁜 이미지만 늘리면 전환율은 크게 달라지지 않는다.
김용석 디토리안
김용석 브랜드 컨설턴트는 삼성물산에서 마케팅을 시작해 지금은 스몰 브랜드의 성장을 돕는 '톡설팅'의 대표로 있다. 저서로는 <작은 기업을 위한 브랜딩 법칙 ZERO>, <AI가 선택하는 브랜드의 비밀: AEO>가 있다. brunch.co.kr/@kap