AI agent로 POD 스토어 운영, 사람은 무엇을 검수하나

print-on-demand(POD, 주문이 들어오면 그때 상품을 만들어 보내는 방식) 스토어 운영은 상품 등록, 가격 수정, 광고 소재 제작, 리뷰 분석 같은 반복 작업이 끊임없이 이어지는 일입니다. Shoperator는 이 반복 작업을 AI agent(AI가 스스로 도구를 골라 여러 단계 작업을 처리하는 프로그램)에 넘기는 것을 목표로 하는 도구입니다. Shopify 스토어를 스캔해 브랜드 성격을 학습하고, 광고 이미지와 영상 소재를 만들고, Slack 메시지 한 줄로 상품 가격을 바꾸거나 매출 분석과 광고 문구를 받아내는 흐름이 실제 동작으로 제시됐습니다.

Shoperator를 만든 사업가는 15년간 이 분야에서 일하며 연 매출 $2,000만 규모의 브랜드를 매각했고, 여러 브랜드와 고객사를 합쳐 누적 $1억 5천만 이상의 온라인 매출을 다뤘습니다. 그가 정리한 자동화의 범위와, 사람이 끝까지 붙잡아야 할 지점을 살펴봅니다.

▲ 3장 이미지 1개 영상 테스트 단위

광고 소재가 병목이 되는 이유

POD 셀러가 규모를 키우지 못하는 흔한 이유는 충분한 양의 광고 소재를 만들 시간과 예산이 없다는 점입니다. 외주 인력을 쓰면 관리 부담과 결과물의 편차, 교육 비용이 따라붙습니다. 자동화가 노리는 지점이 바로 여기입니다.

기본 단위는 명확합니다. 하나의 마케팅 콘셉트 아래 시각적으로 다른 상품 이미지 3장과 영상 1개를 묶는 것입니다. 콘셉트란 구매를 일으키는 각도, 즉 상황이나 감정적 이유를 뜻합니다. 남편이 아내에게 어머니날 선물을 사는 상황이 하나의 콘셉트가 됩니다.

핵심은 Facebook의 광고 전달 방식에 있습니다. 여러 광고 이미지가 눈을 가늘게 뜨고 봐도 비슷하게 보이면 Meta 알고리즘이 이를 같은 소재로 묶어 한 개에만 예산을 씁니다. 시각적으로 확실히 다른 3장을 만들어야 경매 알고리즘이 서로 다른 소재로 인식합니다. 같은 상품을 다른 방식으로 파는 것이지, 매번 새 상품을 디자인하는 것이 아닙니다.

여기에 Campaign Budget Optimization(CBO) 캠페인을 연결합니다. 하루 $50 정도의 예산을 여러 콘셉트 광고 세트에 나누고, 각 세트에 3장 이미지와 1개 영상을 묶어 넣는 구조입니다. 시장이 어려워질수록 이런 작업을 하는 셀러와 그렇지 않은 셀러의 격차가 벌어집니다.

Brand Book으로 매장을 학습시키기

Brand Book은 연결된 Shopify 스토어를 자동으로 스캔합니다. 기존 상품 목록, 브랜드 정체성, 시각 스타일과 색상, 잘 팔리는 상품을 분석합니다. 이어서 타깃 고객 아바타를 설정합니다. 성별, 연령대(20세부터 60세 이상까지), 브랜드 톤 키워드(예: 대담함, 프리미엄)를 고르는 방식입니다.

중요한 차이는 기억입니다. 대화 세션이 끊기면 앞선 맥락을 잊는 단발 챗봇과 달리, Brand Book과 과거 판매 데이터를 계속 기억합니다. 그 결과 생성되는 모든 마케팅 자산이 그 스토어의 위치에 맞게 유지됩니다.

▲ 메신저 기반 매장 운영 자동화

이미지 소재를 만드는 과정

Magic Edit 작업 공간은 연결된 Shopify 스토어에서 상품 목록을 그대로 가져옵니다. 메시지 카드가 함께 오는 목걸이를 고르고 “이 상품이 해 질 녘 황금빛 햇살 아래 해변에 놓여 있는 광고를 만들어 달라”는 짧은 prompt(AI에게 주는 지시문)를 넣으면, prompt 확장 agent가 조명과 질감, 심도, 브랜드 속성까지 담은 상업 사진 지시문으로 늘려 줍니다. 해상도 2K, 4:5 세로 비율을 지정하고 이미지 변형 3개를 대기열에 넣습니다. 앞서 생성해 둔 결과물에는 꽃밭에 놓인 목걸이와 깔끔한 메시지 카드 문구가 함께 담겨 있었습니다.

경쟁사 참고 기능도 있습니다. 현재 집행 중인 경쟁사 Facebook 광고를 검색해 레이아웃을 고르고 참조로 불러오면, 그 구도를 자기 상품에 맞게 바꿔 쓸 수 있습니다.

영상 소재를 만드는 과정

VideoGen은 정지 이미지를 영상으로 바꿉니다. 생성된 목업을 넘기고 “이 이미지를 광고로 바꿔 달라”는 짧은 지시를 넣은 뒤, 길이 10초 또는 15초와 9:16 세로 비율을 고르면 Instagram Reels나 TikTok에 바로 쓸 수 있는 영상이 나옵니다. 카메라 줌과 목걸이의 반짝임, 꽃이 흔들리는 움직임이 들어갑니다.

설정에서는 화면 텍스트를 고정하고 사람이 말하는 아바타 기능은 끕니다. 말하는 아바타는 부자연스러워 보여 상품에서 시선을 떼게 만들 수 있기 때문입니다. 완성된 영상에 카드 문구를 읽는 목소리를 직접 녹음해 얹으면 저비용으로 성과를 내는 광고가 됩니다.

Slack 한 줄로 매장을 고치는 agent

agent 기능은 메신저에서 작동합니다. Slack 대화창에 “목걸이 가격을 $49.99로 바꿔 달라”고 입력하면 Shopify의 옵션 가격이 몇 초 안에 갱신됩니다.

“잘 팔리는 상품을 기준으로 이 스토어를 키울 기회가 무엇인가”라고 물으면 지난 30일 데이터를 분석해 매출 상위 항목과 확장 기회를 정리해 줍니다. 권고에는 빠진 포장 옵션 보완, 기념일 기준 번들 구성, 감성 상품 가격을 $59~69 구간으로 올리기, ‘To My Daughter’ 컬렉션 확장이 포함됐습니다. 리뷰 13,000개를 근거로 아내에게 선물을 사려는 남성 고객을 겨냥한 광고 문구 6가지도 나왔습니다.

agentic storefront 준비

AI가 소비자의 상품 탐색과 구매를 대신 처리하는 흐름은 별도의 준비 항목으로 제시됐습니다. 이를 두고 SEO 2.0이라고 부릅니다. AI Shopping Readiness 대시보드는 Meta Muse, ChatGPT, Google Gemini 같은 AI가 상품을 크롤링하고 추천하는 데 필요한 10가지 기술 기준을 점검합니다. 스토어 접근성, 정책 투명성, 재고 확인, 리뷰 마크업, 배송 일정 명확성 등이 항목입니다. 점검 대상 스토어의 준비 점수는 99%로 표시됐습니다.

agentic 최적화를 적용한 두 스토어의 30일 성과도 함께 나왔습니다.

방문 수에 비해 매출 규모가 크다는 점에서 AI agent를 통한 구매의 가치가 크다는 해석이 가능합니다. 다만 두 스토어의 조건이 공개되지 않았으므로 이 수치를 일반적인 기대값으로 삼기는 어렵습니다.

요금제와 도입 조건

모든 플랜은 월 크레딧을 지급하고, 이미지 생성과 영상 렌더링, agent 자동화에 크레딧을 씁니다. 7일 무료 체험이 제공되며 매주 정해진 시간에 진행되는 코칭에 참여할 수 있습니다. 현재는 Shopify 앱으로 제공되고 WooCommerce와 BigCommerce 연동은 이후 계획입니다.

결국 사람이 남는 자리

자동화가 늘어도 판단은 사람 몫입니다. 강조된 원칙은 고객을 이야기의 주인공으로 두라는 것입니다. 광고는 상품이 무엇인지가 아니라 나에게 무엇이 좋은지를 말해야 하고, 상품의 기술적 특징보다 선물하는 순간의 감정적 확인에 초점을 맞춰야 합니다.

공급망 리스크도 그대로 남습니다. 자수 골프 모자를 큰 대회 시즌에 맞춰 준비했다가 Walmart가 제조사의 블랭크 모자 재고를 전량 사들이면서 $5만어치 주문을 이행하지 못한 사례가 있습니다. 여섯 자리 수의 환불 수표를 써야 했고, 이후에는 재고를 직접 쥐지 않는 POD 방식에 의존하게 됐습니다.

4분기는 연중 매출이 가장 큰 시즌이며 앞선 9개월을 합친 것보다 클 때가 많습니다. 개인화 주얼리와 선물 카테고리에서는 이 시즌의 수요가 특히 집중됩니다.

독자가 오늘 할 일은 세 가지입니다. 스토어의 구조화된 메타데이터가 AI 크롤러에 읽히는지 점검하고, 상품마다 시각적으로 확실히 다른 이미지 3장과 영상 1개를 하나의 콘셉트로 묶어 시험하고, 리뷰에 실제로 등장하는 표현을 광고 문구에 살리는 것입니다. 가격 인상이나 컬렉션 확장 같은 제안은 agent가 내놓더라도, 최종 결정과 브랜드의 목소리는 사람이 챙겨야 합니다.