메이시스 AI 쇼핑 어시스턴트 – 방문당 소비액 4.75배 증가

4.75배라는 숫자가 왜 중요할까

메이시스가 지난 3월 23일 공식 출시한 "Ask Macy's" AI 쇼핑 어시스턴트가 말해주는 건 단순한 매출 증가가 아니야. 이건 온라인 쇼핑의 방식을 바꾸려는 AI의 시도가 실제로 먹혀 들어간다는 뜻이거든.

이 AI를 사용한 고객들이 안 쓴 고객들보다 4.75배 더 많이 지출했다는 건, 단순히 "좋은 기능이네"라는 수준이 아니야. 이건 AI가 리테일 환경에서 근본적인 역할 전환을 이루고 있다는 증거야.

메이시스는 작년 12월부터 조용히 이 기능을 테스트했어. 웹사이트 트래픽의 약 절반을 대상으로 진행한 테스트였는데, 결과가 이 정도면 대성공이라고 봐야 해. 구글 제미니 플랫폼을 기반으로 만든 이 어시스턴트가 단순한 챗봇을 넘어서 디지털 스타일리스트의 역할까지 해내고 있거든.

리테일 AI의 문맥을 이해해야 해

사실 리테일 업계가 AI 챗봇에 진심인 건 오래된 일이 아니야. 초반에는 고객 서비스 챗봇이 뭐하는 건지도 모를 답변을 하고, 실제로는 고객을 더 화나게 만드는 경우가 대부분이었어. 그래서 많은 회사들이 "AI 챗봇은 별로네"라는 결론을 내렸고.

하지만 LLM이 발전하면서 변화가 생겼어. 특히 구글 제미니 같은 모델이 시각 정보를 이해하고, 고객의 문맥을 파악할 수 있게 되니까, 단순 정보 검색이 아니라 스타일링이라는 창의적인 일을 할 수 있게 된 거야.

지금 미국 상위 20개 소매업체 중 약 40%가 이미 AI 어시스턴트를 배포했어. 하지만 대부분은 기본적인 Q&A 수준이야. 메이시스가 한 건 그 한 단계 위로 올라가는 거였어.

Ask Macy's가 실제로 뭐 하는 건데

이 어시스턴트는 그냥 "이 상품은 좋아요"라고 추천해주는 수준이 아니야. 더 정교해.

스타일링 대화 흐름은 이렇게 진행돼:

예산을 물어본다
어떤 상황인지 묻는다 (데이트? 사무실? 일상?)
개인의 스타일 선호도를 파악한다
그 기준에 맞춰서 상품을 추천한다
가상 피팅을 제시한다

이 과정에서 중요한 건 "룩을 완성하라"는 전략이야. 티셔츠 하나를 사는 게 아니라, "이 셔츠에는 이 바지, 이 신발, 이 액세서리까지"라는 식으로 세트를 꾸려주는 거야. 그래서 평균 주문 가격(AOV)과 장바구니 크기가 동시에 늘어난 거고.

디지털 스타일리스트의 실체

이게 왜 4.75배라는 극적인 효과를 낼 수 있었을까?

첫 번째 이유는 고객이 실제로 필요로 했던 경험이기 때문이야. 온라인 쇼핑의 가장 큰 문제는 뭘까? 오프라인 매장처럼 누가 와서 "이거 좋은데, 이것도 어울려요"라고 말해주는 사람이 없다는 거야. 메이시스는 그 공백을 AI로 채웠어.

두 번째는 개인화 수준이야. 제미니가 기반이 되니까, 단순한 규칙 기반이 아니라 실제로 고객의 취향을 이해하려고 노력하는 느낌이 들어. 예를 들어 "나는 미니멀한 스타일인데 따뜻한 색상을 좋아해"라고 말하면, AI가 그걸 진짜로 이해하고 추천을 한다는 거지.

구분	전통 온라인 쇼핑	AI 어시스턴트
검색 방식	키워드 입력	대화형 스타일링
추천	인기도 기반	개인 취향 기반
세트 구성	직접 찾아야 함	AI가 제안
설득력	상품 정보만	시각적 증거 (가상 피팅)

가상 피팅 – 이젠 "진짜"에 가까워졌어

메이시스의 또 다른 무기는 가상 피팅이야. 물론 가상 피팅 기술 자체가 새로운 건 아니지만, 럭셔리 브랜드 아미리(Amiri)가 시작한 "디지털 트윈" 기술은 정말 다른 수준이야.

이 기술은 단순히 옷 사진을 입히는 정도가 아니라, 거울 수준의 현실감으로 상품을 보여줘. 고객이 직접 그 옷을 입었을 때 어떻게 보일지를 상당히 정확하게 시뮬레이션하는 거야. 그래서 반품률이 낮아지는 거고.

"온라인 반품은 전체 리테일 문제의 30%를 차지한다. 이걸 해결하는 게 AI 리테일 스타트업의 최우선 과제가 됐다."

이건 CNBC에서 언급한 "Silent Killers"라는 개념이야. 반품 문제를 해결하는 AI 솔루션들이 조용히 리테일 환경을 바꾸고 있다는 뜻이지. 고객들도 모를 정도로 자연스럽게.

더 큰 그림 – AI 리테일 경쟁의 시작

메이시스의 성공이 의미 있는 이유는, 이게 혼자가 아니기 때문이야.

구글은 4월 30일부터 검색 결과에서 가상 피팅 기능을 제공하기 시작할 예정이야. 이건 엄청난 변화야. 누군가가 "그린 린넨 셔츠"를 검색하면, 바로 그 검색 결과에서 자신이 그 셔츠를 입은 모습을 볼 수 있게 되는 거거든. 메이시스를 비롯한 파트너 소매업체들의 상품에 대해서 말야.

아마존은? 아마존은 아직 이 분야에서 메이시스나 구글만큼 극적인 움직임을 보이지 않고 있어. 하지만 아마존의 기술력을 생각하면, 시간 문제일 거야.

그리고 여기에 "Catches"처럼 가상 피팅을 특화한 스타트업들도 있고, 반품 문제 해결을 전문으로 하는 스타트업들도 몇십 개씩 있어. 이들이 조용히 뒷받침해주는 역할을 하면서 전체 생태계가 움직이고 있는 거야.

메이시스가 구글 제미니를 선택한 이유도 여기 있어. 단순히 "구글 서비스가 좋아서"가 아니라, 구글의 비전 능력과 자연어 처리 능력이 이런 스타일링 시나리오에 가장 맞아떨어진다고 판단한 거겠지.

소비자는 뭐가 달라지는데

이 기술이 확산되면 고객 입장에서는 어떻게 달라질까?

첫째, 쇼핑 시간이 줄어들어. 매장을 헤매다니지 않아도 AI가 스타일링을 해주니까, 뭐를 사야 할지 고민하는 시간이 대폭 줄어들어. 특히 시간이 없는 바쁜 사람들에게는 게임 체인저야.

둘째, 반품이 줄어들어. 가상 피팅으로 실제 모습을 본 후에 사니까, "아, 이건 내 스타일 아니네"라는 후회가 훨씬 적어질 거야. 그래서 반품률이 30%에서 훨씬 낮아질 수 있는 거고.

셋째, 의도하지 않은 추가 구매가 늘어날 수도 있어. 완성된 룩을 보여주니까, 원래는 생각 안 했던 신발이나 액세서리까지 사게 되는 거야. 이건 소비자 입장에선 "낭비"일 수도 있지만, 스타일 완성도는 높아진다고 볼 수 있지.

리테일러 입장에서는

리테일 경영진들은 어떨까? 이 기술에 주목하는 이유가 명확해.

AOV(평균 주문 가격) 증가는 리테일의 가장 기본적인 목표야. 같은 고객에게서 더 많이 팔아야 하니까. 메이시스의 4.75배는 이걸 직접적으로 달성했다는 증거야.

고객 만족도 증가도 자동으로 따라와. AI 스타일리스트가 개인 맞춤형으로 해주니까, 고객들이 느끼는 서비스 품질이 올라가는 거지. 그러면 재방문율도 올라가고, 충성도도 높아져.

운영 효율성도 개선돼. 패션 전문가를 고용하는 것보다 AI를 운영하는 게 훨씬 저렴하거든. 특히 시간대별 수요 변화에 탄력적으로 대응할 수 있어.

임팩트	고객	리테일러
쇼핑 경험	더 빠르고 개인화된 스타일링	더 높은 AOV
반품	줄어들 가능성	물류 비용 절감
충성도	만족도 높음	재방문율 증가
시간	절약됨	24/7 고객 지원 가능

그래서 이게 정말 미래일까

메이시스의 성공이 모든 리테일러가 같은 결과를 낼 거라는 뜻은 아니야. 몇 가지 조건이 필요해.

첫째, 제품 카탈로그의 질. AI가 추천할 수 있는 상품이 충분히 다양해야 해. 메이시스처럼 의류 회사면 더 좋고.

둘째, 고객 데이터 활용 능력. AI가 고객의 취향을 제대로 학습하려면, 이전 구매 기록, 검색 히스토리, 선호도 같은 데이터가 필요해.

셋째, 신뢰성. AI 추천이 계속 빗나가면, 고객들이 다시 안 쓸 거야.

하지만 메이시스의 테스트 결과를 보면, 이 기술이 최소한 의류/패션 리테일 분야에서는 실제로 먹혀 들어간다는 게 명확해져. 그래서 앞으로 몇 년간 이런 AI 어시스턴트가 표준처럼 배포될 가능성이 높아 보여.

블룸버그도 같은 관점에서 이 사건을 보도했고, 업계 전문가들도 주목하고 있어. 이건 단순히 메이시스 얘기가 아니라, AI가 커머스의 중심으로 이동하고 있다는 신호거든.

결국 4.75배라는 숫자는, AI가 리테일에서 더 이상 "있으면 좋은" 기술이 아니라 "없으면 경쟁력을 잃는" 기술이 되어 가고 있다는 걸 보여주는 거야.

참고 자료

Macy's "Ask Macy's" AI Shopping Assistant (March 23, 2026 Launch)
Google Gemini Platform Implementation
Catches: Digital Twin Virtual Try-On Technology
Google Virtual Try-On Search Integration (April 30, 2026)
CNBC: AI Retail Startups Addressing Return Problems
Bloomberg Coverage of AI in Retail
Fashion E-commerce AOV Benchmarks 2026