{
  "id": "31e898bc-9157-49df-8289-f18689e6fb9c",
  "slug": "scenario/commerce-product-geo-landing",
  "doc_type": "case",
  "title": "상품 3,000개 쇼핑몰이 상품마다 'AI가 읽는 페이지'를 갖게 된 방법",
  "title_en": null,
  "one_liner": "커머스의 문제는 규모다. 상품 페이지 하나하나를 사람이 최적화할 수는 없다. 웹 로그와 내부 검색어로 우선순위를 정해 상품 GEO 랜딩을 자동 생성한 시나리오.",
  "summary_bullets": [
    "상품 GEO 랜딩은 별도 경로로 서빙되고 구매는 기존 쇼핑몰로 연결된다 — 기존 사이트 수정이 필요 없다"
  ],
  "body_md": "## 무엇이 문제였나\n\n모든 상품을 한 번에 하지 않는다. 매출·전환 데이터로 우선순위를 정하고 상위 상품부터 생성-검수-발행 사이클을 돌린다. 생성은 상품 실데이터(소재·사이즈·용도)만 소스로 쓴다.\n\n## 접근\n- Product·FAQ·Offer 구조화 데이터 자동 송출 — 가격·재고 변경 시 자동 갱신 (GEOcare)\n- 상황형 기획 콘텐츠를 생성해 상품 랜딩과 상호 연결 (Content Launcher)\n- 트렌드 상승 2주 전 시즌 콘텐츠·소재를 자동 스케줄로 선반영 (Market Signal + hub.bmp.ai)\n\n## 결과\n가상 시나리오 기준 예시 수치로, 상품 랜딩 보유 상품이 0개에서 상위 120개로 순차 확대, 상황·용도형 검색 유입이 월 2,100세션에서 5,800세션(12주)으로, 상품당 상세페이지 제작 시간이 평균 3시간 수작업에서 검수 15분(생성 자동)으로 줄었다고 제시된다.\n\n## 이 사례에서 배울 수 있는 것\n- 상품 GEO 랜딩은 별도 경로로 서빙되고 구매는 기존 쇼핑몰로 연결된다 — 기존 사이트 수정이 필요 없다",
  "related_slugs": [],
  "faq": [
    {
      "a": "커머스의 문제는 규모다. 상품 페이지 하나하나를 사람이 최적화할 수는 없다. 웹 로그와 내부 검색어로 우선순위를 정해 상품 GEO 랜딩을 자동 생성한 시나리오.",
      "q": "상품 3,000개 쇼핑몰이 상품마다 'AI가 읽는 페이지'를 갖게 된 방법"
    }
  ],
  "jsonld": null,
  "keywords": [
    "커머스·패션",
    "product-scenario",
    "geocare"
  ],
  "source_id": "https://bmp.ai/cases/commerce",
  "video_url": null,
  "duration_sec": null,
  "thumbnail_url": null,
  "image_url": null,
  "caption": null,
  "solution_slug": null,
  "captured_at": null,
  "width": null,
  "height": null,
  "created_at": "2026-08-22T23:36:37.444527+00:00",
  "updated_at": "2026-08-22T23:36:37.444527+00:00",
  "visibility": "public",
  "source_stage": "1",
  "anonymized": true,
  "source_key": "web-cases",
  "origin": "ingest",
  "locked": false,
  "locked_by": null,
  "locked_at": null,
  "gate_state": {
    "g1": {
      "hits": [],
      "pass": true
    },
    "g2": {
      "pass": true,
      "total": 67,
      "issues": [
        "본문이 짧습니다 (800자 미만)",
        "핵심 요약 불릿이 3개 미만입니다",
        "Q&A 쌍이 3개 미만입니다"
      ],
      "applies": true
    },
    "g3": {
      "pass": true,
      "required": false
    },
    "stage": "1",
    "decided_at": "2026-08-22T23:26:48.098Z"
  },
  "raw_id": null,
  "search_text": "상품 3,000개 쇼핑몰이 상품마다 'AI가 읽는 페이지'를 갖게 된 방법  커머스의 문제는 규모다. 상품 페이지 하나하나를 사람이 최적화할 수는 없다. 웹 로그와 내부 검색어로 우선순위를 정해 상품 GEO 랜딩을 자동 생성한 시나리오. 커머스·패션 product-scenario geocare ## 무엇이 문제였나\n\n모든 상품을 한 번에 하지 않는다. 매출·전환 데이터로 우선순위를 정하고 상위 상품부터 생성-검수-발행 사이클을 돌린다. 생성은 상품 실데이터(소재·사이즈·용도)만 소스로 쓴다.\n\n## 접근\n- Product·FAQ·Offer 구조화 데이터 자동 송출 — 가격·재고 변경 시 자동 갱신 (GEOcare)\n- 상황형 기획 콘텐츠를 생성해 상품 랜딩과 상호 연결 (Content Launcher)\n- 트렌드 상승 2주 전 시즌 콘텐츠·소재를 자동 스케줄로 선반영 (Market Signal + hub.bmp.ai)\n\n## 결과\n가상 시나리오 기준 예시 수치로, 상품 랜딩 보유 상품이 0개에서 상위 120개로 순차 확대, 상황·용도형 검색 유입이 월 2,100세션에서 5,800세션(12주)으로, 상품당 상세페이지 제작 시간이 평균 3시간 수작업에서 검수 15분(생성 자동)으로 줄었다고 제시된다.\n\n## 이 사례에서 배울 수 있는 것\n- 상품 GEO 랜딩은 별도 경로로 서빙되고 구매는 기존 쇼핑몰로 연결된다 — 기존 사이트 수정이 필요 없다",
  "embedding": null,
  "embedded_at": null,
  "embedding_hash": null,
  "backlinks": [
    "screenshot/bmp-ai"
  ],
  "html_url": "https://bizspring.ai/kb/scenario/commerce-product-geo-landing",
  "markdown_url": "https://bizspring.ai/kb/scenario/commerce-product-geo-landing.md"
}