하루인포팁

생활·건강·지원금·IT까지, 하루에 필요한 정보를 한 번에

파나틱스 Shop the Look AI 코디 추천, 10% 상승이 뜻하는 것

파나틱스 Shop the Look AI 코디 추천, 10% 상승이 뜻하는 것

작성자

카테고리:

약 21분 소요

Fanatics가 OpenAI 모델로 바꾼 Shop the Look은 구매자 개인을 분석하기보다 상품끼리 어울리는 조합을 미리 짜 두는 방식에 가깝습니다. 추천이 만들어지는 과정과 함께, 10% 상승은 조회가 늘었다는 뜻일 뿐 매출 효과는 공개되지 않았다는 점을 정리했습니다.

이 글에는 네이버 브랜드커넥트 제휴 링크가 포함되어 있습니다. 링크를 통해 구매가 이루어지면 작성자가 일정액의 수수료를 지급받습니다. 제품 선택과 구매는 독자의 판단이며, 이 글은 특정 제품의 효과를 보증하지 않습니다.


파나틱스 개요

파나틱스 개요

Fanatics의 새 Shop the Look은 구매자 한 명 한 명을 분석하는 개인화 엔진이라기보다, 상품끼리 어울리는 조합을 미리 짜 두는 AI 코디 추천에 가깝습니다. 공개 자료를 근거로 한 해석이며, 회사가 이렇게 정의한 것은 아닙니다. Shop the Look은 OpenAI 모델로 코디 세트를 만듭니다. 회사가 성과로 공개한 수치는 시험 단계에서 참여도가 10% 올랐다는 것 하나뿐입니다. 이 글은 추천이 어떤 재료와 순서로 만들어지는지, 10%가 정확히 무엇을 뜻하는지, 다른 추천 방식과 비교해 어느 위치에 있는지를 다룹니다. 실제 구매 전환과 매출 효과는 회사가 공개하지 않아 다루지 않습니다.

발표는 2026년 10월 26일 Fanatics 보도자료로 나왔습니다. 게시 시각은 미국 태평양시 기준 오전 6시 36분입니다. OpenAI도 공식 블로그에 같은 내용의 사례 글을 올렸는데, 문장 단위로 Fanatics 보도자료와 같습니다. OpenAI 페이지에는 게시일이 표시되어 있지 않으며, 보도 기준 발표일은 같은 날입니다. 이 글은 2026년 10월 28일 기준 공개 자료를 정리한 것입니다.

이 사례가 눈에 띄는 이유는 규모입니다. Fanatics Commerce 공식 페이지(2026년 10월 27일 확인)에 따르면 이 회사가 다루는 고유 SKU는 150만 개 이상(1.5M+), 사이트 전체 브랜드는 1,000개 이상, 연간 자체 제조량은 4,500만 개 이상, 판매 국가는 180개국 이상입니다. 카탈로그가 이만큼 크면 사람이 일일이 코디를 짜기는 사실상 불가능합니다. 생성형 AI를 추천 화면에 넣을 때 부딪히는 문제가 이 사례에 그대로 드러납니다.

항목 내용
발표 주체 Fanatics (OpenAI 공식 블로그에도 같은 사례 글 게재)
발표일 2026년 10월 26일
기능 상품 페이지에서 함께 입을 코디 세트 제안
실행 모델 OpenAI 모델 (모델명 미공개)
개발 도구 Codex
공개된 성과 시험 단계 참여도 +10% (구매·매출 지표 없음)

1. 파나틱스샵 상품 페이지에서 달라진 점

1. 파나틱스샵 상품 페이지에서 달라진 점

파나틱스샵에서 저지나 티셔츠 같은 상품 페이지를 열면, 같은 팀이면서 재고가 있는 상품으로 짠 코디 세트가 함께 뜹니다. 보도자료에 따르면 이 기능은 재고가 있고 팬의 팀과 스타일에 맞는 상품만 고르도록 설계되어 있습니다. 상품 하나를 보러 들어온 사람에게 함께 살 만한 상품을 한 화면에서 보여 주는 방식입니다.

적용 범위를 보도자료는 “now live across many sites”라고 적었고, 그 예로 Fanatics.com과 NFL·NBA·MLB·NHL 4개 리그의 공식 온라인 스토어를 들었습니다. 다만 성과 수치는 MLB 시험분에만 있고, 나머지 세 리그 스토어의 성과는 공개되지 않았습니다.

파나틱스 모자가 어떻게 추천되는지는 CNBC 기사에 예시가 나옵니다. 2026년 10월 26일 CNBC 보도에 따르면 저지 페이지에 같은 팀의 모자와 양말을 붙여 주는 식입니다. 팀이 맞는지가 얼마나 중요한지는 Fanatics Commerce 최고제품책임자 Justin Tsai의 말에 잘 드러납니다. CNBC가 전한 발언은 “Nobody who is a Los Angeles Dodgers fan wants to be matched with a San Francisco Giants item”입니다. 라이벌 팀 상품이 섞이면 추천 자체가 실패라는 뜻입니다.

구분 공개된 내용 공개되지 않은 내용
노출 위치 상품 페이지 앱 적용 여부
적용 사이트 Fanatics.com, 4대 리그 공식 스토어 국가·지역별 노출 범위
선별 조건 팀 일치, 스타일, 재고 보유 조건별 가중치
갱신 주기 매일 갱신 시각
성과 데이터 MLB 시험분 참여도 +10% NFL·NBA·NHL 성과

CNBC는 평균 쇼핑 세션이 30분 이상이고, 신상품이 주당 1,000개 이상 추가된다는 Fanatics 측 발언도 전했습니다. 이 두 수치는 CNBC 보도에 나온 값이며 회사 공식 문서에는 나오지 않습니다. 그래도 신상품이 이 속도로 들어온다면 사람이 손으로 코디를 짜서 따라잡기는 어렵습니다. AI 생성으로 옮겨 간 이유도 여기서 짐작됩니다.


2. AI 코디 추천 구조 — 재료, 생성, 필터, 갱신

2. AI 코디 추천 구조 — 재료, 생성, 필터, 갱신

Shop the Look의 구조는 실시간 대화형 AI가 아니라 미리 만들어 두는 배치형으로 읽힙니다. 보도자료에 적힌 요소를 순서대로 놓으면 아래 표처럼 됩니다. 공정의 각 칸은 보도자료에 있는 내용이고, 이를 하나의 흐름으로 묶은 것은 해석입니다.

공정 하는 일 근거
도구 구축 OpenAI와 Fanatics 엔지니어링 팀이 Codex로 맞춤 추천 도구 개발 보도자료
데이터 보강 상품·카탈로그 데이터에 속성 정보를 덧붙임 보도자료
코디 생성 OpenAI 모델이 보강된 상품 데이터·팀 정보·재고 정보로 상품별 코디를 조립 보도자료
평가·필터 추천을 평가하고, 머천다이징 규칙으로 호환성·관련성 유지 보도자료, CNBC
갱신 카탈로그가 바뀌면 매일 다시 생성 보도자료

자주 헷갈리는 부분은 Codex가 코디를 추천하는 것이 아니라는 점입니다. 일부 매체는 제목에서 Codex를 추천 엔진처럼 표현했지만, 보도자료를 보면 Codex는 추천 도구를 만드는 데 쓴 개발 도구입니다. 실제로 화면에 나가는 코디를 조립하는 것은 이름이 공개되지 않은 OpenAI 모델입니다. 이 구조를 이해하려면 개발 단계와 실행 단계를 나눠 봐야 합니다.

생성된 코디를 그대로 내보내지 않는다는 점도 중요합니다. 보도자료는 Fanatics의 머천다이징 규칙이 호환성과 관련성을 지킨다고 쓰고, 갱신에 대해서는 “looks are refreshed daily as catalogs change.”라고 적었습니다. AI가 초안을 만들고 규칙이 걸러 내는 이중 구조입니다. 품절 상품이나 다른 팀 상품이 섞일 위험은 규칙 쪽에서 막습니다.

개발 속도도 공개됐습니다. 보도자료에 따르면 “Testing the new approach on 50 products took less than a day to complete.” 이후 며칠 다듬은 뒤 같은 주에 MVP 승인을 받았습니다. 다만 공개된 것은 개발 속도와 참여도뿐이고, 실행 모델의 이름과 버전, 운영 비용, 추천 정확도를 어떻게 평가했는지는 나오지 않았습니다.

용어 풀이
1. 배치 생성 — 요청이 올 때마다 계산하지 않고 정해진 주기에 결과를 한꺼번에 만들어 두는 방식으로, 응답 지연과 실시간 계산 비용을 줄여 줍니다.
2. 머천다이징 규칙 — 어떤 상품을 함께 보여 줄지 정하는 판매 운영 기준으로, AI가 만든 조합에서 맞지 않는 상품을 걸러 냅니다.
3. MVP — 핵심 기능만 갖춰 먼저 내놓는 최소 기능 제품으로, 실제 반응을 보고 확장할지 판단하는 데 씁니다.


3. ‘10% 상승’으로 늘어난 것은 조회였다

3. '10% 상승'으로 늘어난 것은 조회였다

헤드라인에 반복해서 나오는 10%는 출처마다 가리키는 지표와 측정 시점이 다릅니다. 같은 숫자가 두 가지 의미로 퍼지고 있으니, 기사를 읽을 때 어느 쪽 10%인지부터 구분해야 합니다.

구분 Fanatics 보도자료 CNBC 보도 (Justin Tsai 발언)
수치 10% 10%
지표 참여도(engagement) 추천 상품 조회(views)
시점 시험 단계 출시 후
대상 MLB 상품 약 30,000개 명시 없음
비교 기준 직전 버전 명시 없음
구매·매출 공개 안 됨 보도 안 됨

보도자료가 밝힌 성과는 하나입니다. MLB 상품 약 30,000개로 시험했더니 직전 버전보다 참여도가 10% 높았다는 것입니다. 2026년 10월 26일 CNBC 기사는 Tsai의 발언을 “after rolling out the new feature, there was a 10% increase in views of recommended items.”라고 전했는데, 여기서는 지표가 조회이고 시점이 출시 후입니다. 두 수치가 같은 측정에서 나왔는지는 회사가 밝히지 않았습니다.

같은 날 Quartz는 CNBC 보도를 다시 정리하면서 10%에 측정 기간·비교 기준·’views’의 정의가 없다고 지적했습니다. Superpower Daily도 이 10%는 회사가 내놓은 탐색 지표일 뿐 상업적 효과는 알 수 없다고 평가했습니다. 발표 이틀째인 2026년 10월 28일 현재, 실사용 A/B 테스트나 제3자 트래픽 분석 같은 독립 측정 결과는 아직 나오지 않았습니다.

결국 이 10%는 더 많이 봤다는 뜻이고, 더 많이 샀다는 뜻으로 읽으면 안 됩니다. 조회와 참여도는 구매로 가는 앞 단계 지표입니다. 추천 영역을 누르는 사람이 늘었다고 장바구니 금액이 같은 비율로 늘지는 않습니다. 전환율과 매출 영향은 Fanatics도 OpenAI도 공개하지 않았습니다.

이런 성과 발표를 읽을 때는 지표, 측정 기간, 비교군 세 가지를 확인하면 됩니다. 셋 중 하나라도 빠졌다면 그 수치는 방향만 보여 줄 뿐 규모는 말해 주지 않습니다.


4. 이벤트 기반 추천, 수동 큐레이션과 무엇이 다른가

4. 이벤트 기반 추천, 수동 큐레이션과 무엇이 다른가

Fanatics가 원래 AI를 쓰지 않던 회사는 아닙니다. 2025년 4월 4일 Sports Business Journal 보도(Fanatics 사이트 재게재)에 따르면 이 회사는 상품 검색에 Google Cloud의 Vertex AI Search for Commerce를 쓰고 있었습니다. 이번 Shop the Look이 Vertex 기반 추천과 함께 돌아가는지, 그것을 대체했는지는 공개되지 않았습니다.

방식마다 추천을 만드는 재료가 다릅니다. Google Cloud 문서(2026년 10월 22일 갱신)를 보면 Vertex의 ‘Frequently Bought Together’는 같은 세션에서 함께 구매한 기록으로, ‘Others You May Like’는 사용자 이벤트와 카탈로그로 추천을 예측합니다. 카탈로그만으로 동작하는 것은 ‘Similar Items’뿐입니다. Shopify Search & Discovery는 연관 상품을 자동으로 만들지만, 코디형에 해당하는 보완 상품은 상품마다 최대 10개를 손으로 고릅니다.

방식 추천 재료 유리한 상황 약점
Fanatics 방식 (LLM + 규칙, 직접 구축) 보강된 상품 데이터·팀·재고 신상품이 많고 ‘호환 규칙’이 핵심인 카탈로그 엔지니어링 역량과 데이터 보강 파이프라인이 있어야 함
Vertex AI Search for Commerce 추천 사용자 이벤트(구매·조회 기록)와 카탈로그 이벤트 데이터가 쌓인 기존 상품 이력이 없는 신상품에는 근거가 부족함
Shopify Search & Discovery 연관 상품은 자동, 보완 상품은 수동 지정 SKU가 적은 소규모 몰 SKU가 많아질수록 수작업이 감당되지 않음

Fanatics 방식은 구매 이력이 아직 없는 신상품도 바로 묶을 수 있다는 점에서 유리합니다(해석). 이벤트 기반 추천은 누가 무엇을 함께 샀는지 기록이 쌓여야 작동합니다. 반면 상품 속성과 팀 정보로 조합을 만들면 오늘 들어온 상품도 오늘 코디에 넣을 수 있습니다. 매주 신상품이 대량으로 들어오는 스포츠 굿즈 카탈로그와 잘 맞는 이유입니다.

판단 기준은 이렇습니다. 같은 팀끼리 묶는 식의 호환 규칙이 핵심이고 신상품 유입이 많으면 LLM 생성이 맞습니다. 과거 구매 패턴이 핵심이면 이벤트 기반 추천이 맞고, 고를 SKU가 적으면 수동 큐레이션으로 충분합니다. Vertex와 Shopify의 추천 기능 가격은 이 비교에 넣지 않았습니다.

이 발표가 나온 시점도 함께 봐야 합니다. 2026년 3월 CNBC 보도에 따르면 OpenAI는 ChatGPT 안에서 바로 결제하는 Instant Checkout을 접었고, 2026년 10월 26일 CNBC 기사는 OpenAI가 소매업체와 ChatGPT 안의 전용 앱을 만드는 쪽으로 옮겨 가는 중이라고 전했습니다. Fanatics 건은 OpenAI가 소매업체 자체 사이트 안으로 들어가는 협업 모델의 한 예로도 볼 수 있습니다.

용어 풀이
1. LLM — 대규모 텍스트로 학습한 언어 모델로, 이 사례에서는 상품 정보를 읽고 어울리는 조합을 조립하는 역할을 합니다.
2. 이벤트 기반 추천 — 조회·장바구니·구매 같은 사용자 행동 기록을 학습해 다음에 볼 상품을 예측하는 방식입니다.
3. SKU — 색상·사이즈까지 구분한 재고 관리 최소 단위로, 숫자가 클수록 수동 관리가 어려워집니다.


5. 자주 묻는 질문 — 파나틱스 코리아 노출, 개인정보, 모델

5. 자주 묻는 질문 — 파나틱스 코리아 노출, 개인정보, 모델

Q. 파나틱스 코리아 같은 한국 접속 환경에서도 Shop the Look이 보이나요?
회사는 국가·지역별 노출 범위를 밝히지 않았습니다. 보도자료에 나온 적용 사이트는 Fanatics.com과 4대 리그 공식 스토어입니다. 판매 국가가 180개국 이상이라고 해서 모든 국가에 이 기능이 똑같이 나간다는 근거가 되지는 않습니다. 앱 적용 여부도 공개되지 않았습니다. 한국에서 접속했을 때 같은 모듈이 뜬다고 단정하기는 어렵습니다.

Q. 내 구매 기록이나 위치를 분석해서 코디를 추천하나요?
보도자료에 적힌 추천 재료는 보강된 상품 데이터, 팀 정보, 재고 정보 세 가지입니다. 개인의 구매·로그인·위치 이력을 쓴다는 서술은 본문에 없습니다. CNBC가 전한 OpenAI 측 Rosemary DeAragon의 발언은 “With AI, you can do more deterministic matching to do personalization in this next-level way.”로 개인화를 언급합니다. 하지만 코디를 매일 상품 단위로 만든다는 설명을 보면, 사용자마다 실시간으로 계산하는 개인화보다는 상품 단위 사전 생성 쪽입니다. 이 부분은 해석이며 회사가 명시한 내용은 아닙니다.

Q. ‘deterministic matching’이면 매번 같은 결과가 나오나요?
결정론적 성격이 모델에서 나오는지 규칙에서 나오는지는 공개되지 않았습니다. 보도자료로 알 수 있는 것은 LLM이 코디를 조립하고 머천다이징 규칙·재고·팀 조건으로 거른다는 순서까지입니다. 매일 갱신되므로 날짜에 따라 같은 상품 페이지의 코디가 바뀔 수 있습니다.

Q. 어떤 OpenAI 모델을 쓰나요?
보도자료와 OpenAI 사례 글 모두 실행 단계에서 쓰는 모델명과 버전을 밝히지 않았습니다. 확인되는 것은 개발에 Codex를 썼다는 사실뿐입니다. Fanatics는 ChatGPT Work와 Codex를 Corporate, Commerce, Collectibles, Betting and Gaming 부문 전반에서 쓰고 있다고 밝혔습니다.

Q. 이 기능이 Fanatics 매출에 얼마나 기여하나요?
기능 단위의 매출 기여도는 공개되지 않았습니다. 회사 전체 규모로는 CNBC가 올해 커머스 매출 전망 70억 달러 초과, 수집품 사업 매출 약 55억 달러라는 Fanatics 측 발언을 보도했습니다. 이 두 수치는 CNBC 보도에 나온 값이며, 회사 공식 페이지에서는 같은 수치를 찾을 수 없습니다. 이 수치로 Shop the Look의 효과를 추정할 수는 없습니다.

질문 공개 여부 근거
적용 사이트 공개 Fanatics.com, 4대 리그 공식 스토어
한국·해외 노출 비공개 지역 언급 없음
개인 이력 사용 본문 서술 없음 재료는 상품·팀·재고 데이터
실행 모델명 비공개 Codex는 개발 도구
매출·전환 효과 비공개 공개 지표는 참여도·조회뿐

정리

Fanatics Shop the Look은 Codex로 만든 도구가 카탈로그를 보강하고, OpenAI 모델이 상품별 코디를 만든 뒤 규칙과 재고 조건으로 걸러 매일 갱신하는 구조입니다. 공개 자료로 해석하면, 사용자를 실시간으로 분석하는 개인화보다는 상품끼리의 궁합을 미리 짜 두는 쪽에 가깝습니다. 화제가 된 10%는 시험 단계의 참여도이거나 출시 후의 조회 증가일 뿐이며, 구매와 매출에 미친 효과는 2026년 10월 28일 현재 공개되지 않았습니다. 자기 쇼핑몰에 비슷한 기능을 들일지 고민한다면 판단 기준은 하나입니다. 신상품 유입량과 호환 규칙의 비중이 크면 LLM 생성, 구매 이력이 충분하면 이벤트 기반 추천, 상품 수가 적으면 수동 큐레이션이 맞습니다.



함께 보면 좋은 제품

위 링크는 제휴 링크이며, 제품 선택은 독자의 판단입니다.

참고 자료

조사 기준일: 2026년 10월 27일

본문의 수치는 아래 자료에서 확인한 것입니다. 제조사 공식 자료(T1)와 전문 매체 실측(T2)을 구분해 표기했습니다. 가격·공급 상황은 변동이 크므로 기준일 이후의 값은 다시 확인해야 합니다.

공식 자료
– Fanatics 보도자료 「How Fanatics and OpenAI streamline the fan experience」 — https://www.fanaticsinc.com/press-releases/how-fanatics-and-openai-streamline-the-fan-experience (확인 2026-10-27)
– OpenAI 공식 블로그 — https://openai.com/index/fanatics-streamline-fan-experience/
– Fanatics Commerce 공식 페이지 — https://www.fanaticsinc.com/fanatics-commerce (2026-10-27 확인)
– Fanatics 뉴스 모음 — https://www.fanaticsinc.com/news (2026-10-27 확인)
– Google Cloud Vertex AI Search for Commerce 추천 모델 문서 — https://docs.cloud.google.com/retail/docs/models (2026-10-27 확인)
– Shopify Help Center 상품 추천 — https://help.shopify.com/en/manual/online-store/storefront-search/search-and-discovery-recommendations (2026-10-27 확인)
– CNBC (Ian Thomas, 2026-10-26) — https://www.cnbc.com/2026/10/26/fanatics-openai-codex-sports-merchandise-shopping.html (확인 2026-10-27)
– Quartz (2026-10-26) — https://qz.com/fanatics-openai-codex-ai-outfit-matching-tool-102626 (확인 2026-10-27)
– Superpower Daily — https://superpowerdaily.com/posts/fanatics-adds-coordinated-shopping-suggestions-built-with-openai-codex (2026-10-27 확인)
– Briefs — https://www.briefs.co/news/fanatics-taps-openai-to-dress-the-fans-shop-the-look-corrals/ (2026-10-27 확인)
– Sports Business Journal 재게재 (2025-04-04) — https://www.fanaticsinc.com/news/sports-business-journal-fanatics-leans-into-ai-to-improve-merchandise-sales (2026-10-27 확인)
– CNBC (2026-03-20, Instant Checkout 맥락) — https://www.cnbc.com/2026/03/20/open-ai-agentic-shopping-etsy-shopify-walmart-amazon.html (검색 결과로만 확인, 본문 미열람)
– Fanatics.com 상품 페이지의 실제 Shop the Look 모듈 (403 차단)
– Benzinga 기사 (403 차단)


코멘트

답글 남기기

이메일 주소는 공개되지 않습니다. 필수 필드는 *로 표시됩니다