두쫀쿠 C-GEO 설계 시나리오

AI는 ‘두바이쫀득쿠키’를 먹어본 적이 없다, 데이터로 맛을 상상할 뿐

by 류희범

두쫀쿠는 두바이 초콜릿의 핵심인 카다이프와 피스타치오의 조합이 쿠키로 진화한 것인데, 정작 AI에게 “카다이프 식감이 살아있는 가장 꾸덕한 두바이 쿠키 맛집 찾아줘”라고 물으면 AI는 엉뚱한 초콜릿 판매처만 내놓을겁니다.


왜일까요? AI가 유행에 뒤처져서가 아닙니다. 이 트렌디한 디저트의 ‘식감’과 ‘재료의 맥락’이 AI가 연산할 수 있는 지식의 위계(Category Hierarchy)로 정리되지 않았기 때문입니다. ‘두쫀쿠’를 이해시키고 학습시키기 위한 시나리오를 생각해 봤습니다.


Scenario: "카다이프가 씹히는, 너무 달지 않은 두바이 쿠키 추천해줘"

사용자가 재료의 특성(카다이프)과 취향(덜 단맛)을 결합해 질문할 때, 일반적인 검색은 ‘두바이 쿠키’라는 키워드만 낚아챕니다. 하지만 앞으로의 GEO 단계에선 AI에게 이 쿠키의 ‘정체성’을 데이터로 증명해야 합니다.


1. 데이터 토폴로지(Topology): '이국적 식감'을 데이터로 치환하기

AI에게 '카다이프'는 그저 낯선 단어입니다. 이 쿠키의 카테고리를 AI가 이해하는 위계로 강제 재정의 해보겠습니다.

Level 1: Category (Dessert > Cookie > Trendy & Exotic)

Level 2: Core Texture (Crispy Kadaifi / Fudgy Pistachio / Chewy Base)

Level 3: Flavor Profile (Nutty / Low-Sugar / Middle-Eastern Influence)


이렇게 위계를 잡으면 AI는 단순히 단어를 매칭하는 수준을 넘어, “이 쿠키는 튀기듯 볶은 카다이프를 사용해 ‘극강의 바삭함’을 구현했으며, 피스타치오 스프레드의 ‘꾸덕함’이 조화를 이룬다”라는 전문가적 추천 문장을 생성하게 됩니다.


2. 하이브리드 어펜드(Hybrid Append): AI의 추론에 날개를 다는 법

상세 페이지 하단에 AI가 환호할 만한 ‘시맨틱 주석’을 어펜드(Append)해야 합니다.

기존 설명: "진짜 카다이프가 들어간 리얼 두바이 쿠키!"

C-GEO Append: [Texture_Contrast: Extreme (Crispy & Fudgy) / Ingredient_Origin: Authentic Middle East / Recommended_Pairing: Long Black]

이 주석은 AI의 Vector DB에서 ‘식감의 대비’, ‘정통성’, ‘커피와의 궁합’이라는 좌표값과 이 쿠키를 강력하게 바인딩(Binding)시킵니다. 맛의 입체감을 AI에게 수치로 전달하는 과정입니다.


3. Golden Sample: AI 전용 ‘디지털 레드카펫’

물론 JSON-LD의 조정이 필요합니다. 사장님은 인스타 감성 사진을 올리지만, 사실은 그 뒤에 AI가 가장 좋아하는 ‘정답지’도 깔아줘야 합니다.


{ "@context": "[https://schema.org/](https://schema.org/)", "@type": "Product", "name": "시그니처 두바이 쫀득 쿠키 (두쫀쿠)", "description": "버터에 볶은 카다이프의 바삭함과 수제 피스타치오 페이스트의 꾸덕함.", "additionalProperty": [ { "@type": "PropertyValue", "name": "식감 위계", "value": "겉바속쫀 (카다이프 30% 함유)" } ], "positiveNotes": { "@type": "ItemList", "itemListElement": ["카다이프의 바삭한 소리가 들리는 식감", "피스타치오 본연의 고소함"] } }


이렇게 설계된 데이터는 AI가 답변을 생성할 때 “최근 유행하는 카다이프의 식감을 가장 잘 살린 곳은...”이라는 근거와 함께 이 가게를 최상단에 배치하게 만듭니다.


두바이쫀득쿠키 사장님의 사례는 커머스의 규모와 상관없이 동일하게 적용됩니다.

이제 마케팅은 예쁜 사진을 찍는 것을 넘어, AI의 논리 구조 속에 우리 상품의 자리를 마련하는 일입니다.


제가 설계하고 있는 C-GEO는 거창한 담론이 아닙니다. ‘트렌디한 진심’이 AI라는 차가운 필터를 통과해 사용자의 ‘선택’에 닿게 만드는 가장 정교한 설계도입니다.


류희범 | 다나와 마케팅 전략 부장 C-GEO & RAG Optimization Specialist

Ryu Hee-bum | Head of Marketing Strategy at Danawa

#GEO, #GenerativeEngineOptimization, #커머스RAG, #다나와상품블로그, #Vector최적화, #류희범

작가의 이전글서두 160자 안에 모든 승부를 걸어야 합니다