AI로 만든 상품 이미지가 전통 촬영보다 전환이 더 좋은지, 같은지, 나쁜지 궁금해하는 패션 브랜드는 결국 같은 답에 도착한다. 내 스토어에서 직접 테스트하라는 것이다. 벤더의 사례 연구는 잘 고른 것만 보여 주고, 업계 리포트는 내가 따라갈 수 없는 샘플 브랜드를 쓰며, 정직한 답은 카테고리와 고객층, 기존 이미지 품질에 달려 있다. 이 글은 Shopify 패션 스토어에서 AI 대 사람 촬영 A/B 테스트를 돌리는 실전 가이드다. 테스트 설계, 봐야 할 지표, 결론을 정직하게 지키는 원칙을 다룬다.
대부분의 AI 대 사람 촬영 테스트가 쓸모없는 데이터를 만드는 이유
대충 돌린 AI 대 사람 촬영 테스트는 대개 변수를 너무 많이 섞어서 실패한다. 상품 하나로만 돌리고, 표본이 너무 작고, 전환율이 인위적으로 높은 세일 주말에 걸쳐 돌리고, 변형 이미지가 한 가지가 아니라 여러 면에서 다르고, 변형마다 캐러셀 순서도 다르다. 이 중 하나만 있어도 결과는 무효다. 그런데 브랜드는 5퍼센트 차이를 보고 AI가 “통한다” 혹은 “안 통한다”고 결론 내려 노이즈 위에 전략을 세운다.
깔끔한 A/B 테스트의 원칙은 어렵지 않지만 끝까지 지키려는 의지가 필요하다. 상품별 편차를 통제하려면 최소 다섯 개 상품을 동시에 돌린다. 평일과 주말 트래픽을 모두 포함하도록 최소 2주는 돌린다. 테스트 대상 이미지 한 장을 빼고 캐러셀의 모든 위치를 동일하게 둔다. 비교가 성립할 만큼 큰 트래픽 구간에서 돌린다. 깔끔한 테스트는 방어할 수 있는 답을 주고, 엉성한 테스트는 믿을 수 없는 숫자를 준다.
실제로 작동하는 세 가지 테스트 설계
첫 번째 설계는 메인 이미지 교체다. 같은 상품에 대표 이미지만 다르고 나머지 상세 페이지는 동일하다. 변형 A는 브랜드의 기존 메인 이미지(보통 전통 촬영이나 공급사 스톡 이미지), 변형 B는 AI가 만든 메인 이미지다. 같은 트래픽 구간에서 장바구니 담기와 전환을 측정한다. 이미지 유형의 영향만 깔끔하게 분리된다.
두 번째 설계는 캐러셀 완성도 테스트다. 같은 상품, 같은 메인 이미지에서 변형 A는 캐러셀 이미지 두 장, 변형 B는 AI가 만든 캐러셀 이미지 다섯 장으로 나간다. 대부분의 브랜드에서 더 큰 상승 요인인 카탈로그 완성도의 영향을 분리한다. AI가 “더 낫냐”가 아니라 마침내 브랜드가 완성된 캐러셀을 감당할 수 있게 됐느냐를 보는 것이다.
세 번째 설계는 광고 소재 테스트다. Meta나 TikTok 광고 게재 위치와 카피는 동일하게 두고 소재 형식만 바꾼다. 변형 A는 스튜디오 소재, 변형 B는 크리에이터 포토셋에서 나온 AI 라이프스타일 소재다. CPM, CTR, 클릭 후 전환을 측정한다. 상세 페이지가 아니라 채널 수준에서 영향을 분리하며, 상세 페이지와 광고 소재에서 답이 다르게 나오는 경우가 흔하다.
테스트 설계에서 Apiway가 맞물리는 지점
Apiway를 대상으로 테스트하는 브랜드라면 접근 방식이 중요하다. Apiway는 순수 AI가 아니라 실제 사람을 기준점으로 삼는 워크플로이기 때문이다. 테스트의 변형 B는 Apiway가 실제로 만드는 콘텐츠여야 한다. 즉 브랜드의 옷을 입힌 크리에이터 마켓플레이스 의 착용 컷이다. “완전 합성 AI가 내 전통 촬영보다 나은가”와는 다른 비교이며, 기대 결과도 다르다.
Apiway가 기준 대비 가장 큰 A/B 상승을 보인 카테고리는 기준선이 공급사 스톡이나 단일 컷 카탈로그 이미지인 경우였다. 이미 시네마틱한 에디토리얼 촬영을 하는 브랜드라면 상승폭은 작고, AI의 가치는 이미지당 전환보다 물량과 속도에 있다. 둘 다 정당한 사업 성과이며, 테스트는 우리 브랜드의 단계와 카테고리에서 어느 쪽이 더 중요한지 보여 준다.
정말 중요한 지표
대부분의 A/B 테스트 대시보드는 전환율 하나만 강조하는데, 패션 콘텐츠를 평가하기에는 너무 좁다. 봐야 할 전체 지표는 다음과 같다. 상세 페이지의 세션 시간(세션이 길수록 보통 상승과 상관이 있다), 장바구니 담기 비율 (상류 신호), 결제 완료율 (하류 신호), 방문자당 매출 (최종 이익 신호), 그리고 구매 후 반품률 (이미지가 핏을 잘못 보여 주면 AI 이미지가 악화시킬 수 있는 장기 신호)이다.
광고 소재 테스트에는 채널 레이어의 획득당 비용과 테스트 기간 동안의 소재 피로도를 더한다. 크리에이터 세트에서 가져온 AI 라이프스타일 이미지는 제작 비용 대비 시각적 다양성이 높아 스튜디오 소재보다 피로가 느리게 쌓이는 경우가 많다.
표본 규모와 트래픽 원칙
이 테스트를 돌리는 패션 스토어 대부분은 검정력이 심각하게 부족하다. 상품 상세 페이지 테스트에서 통계적으로 유의하게 10퍼센트 전환 상승을 감지하려면 보통 변형당 약 5,000 세션이 필요하다. 대부분의 스토어에서 2주 안에 이 트래픽 기준을 넘는 상품은 한두 개뿐이다. 바로 그 상품들로 테스트하자. 트래픽이 적은 SKU에 퍼뜨려 놓고 검정력이 있는 것처럼 결과를 읽으면 안 된다.
광고 소재 테스트는 표본이 더 빨리 모인다. 적당한 지출로도 광고 세트 하나가 며칠 만에 비교를 성립시킬 수 있다. 그래도 평일과 주말 노출을 포함하고 소재 피로를 통제하도록 테스트 기간을 지키는 원칙은 같다.
속지 않고 결과 읽기
데이터를 읽을 때 지킬 정직함의 규칙이 세 가지 있다. 첫째, 차이가 5퍼센트 미만이고 테스트의 검정력이 부족하다면 그 결과는 노이즈다. 그 위에 전략을 세우지 말자. 둘째, 변형이 전환에서는 이기고 반품률에서는 진다면 AI 이미지가 핏을 잘못 보여 주고 있는 것이다. 키우기 전에 원인을 조사하자. 셋째, 변형이 한 상품에서는 이기고 같은 테스트의 다른 상품에서는 진다면 결과는 형식이 아니라 상품에 따른 것이다. AI 사진 전체에 대한 판결이 아니라 카테고리 수준의 증거로 다루자.
이 테스트를 깔끔하게 돌린 브랜드는 대개 뉘앙스 있는 답을 얻는다. AI 이미지는 일부 카테고리(란제리, 수영복, 기존 이미지가 빈약했던 틈새 의류)에서는 분명히 이기고, 다른 카테고리(기존 촬영 품질이 이미 높은 헤리티지 카테고리)에서는 비긴다. 둘 다 유용한 답이고 둘 다 카탈로그 제작 전략에 정보를 준다.
다른 공개 테스트들이 발견한 것
Botika는 이커머스 이미지 A/B 테스트에 관한 유용한 가이드를 공개했다 . 대규모 AI 대 사람 촬영 테스트의 또 다른 시각을 위해 이 글과 함께 읽을 만하다. Veeton은 EILEEN FISHER 등 브랜드 사이트에서 AI 이미지가 만든 전환 상승 사례 데이터를 공개했다. 외부 데이터셋은 각각 삼각 검증에 유용하지만, 내 스토어와 내 상품, 내 고객에서 돌린 테스트를 대신할 수는 없다.
테스트를 돌려 보자
깔끔한 테스트를 돌리는 가장 빠른 방법은 상품 하나에 AI 변형을 올려 기존 기준선과 맞붙이고, 2주간의 실제 트래픽이 답하게 하는 것이다. 무료 Apiway 계정 에 가입하자. 일회성 150 크레딧이면 상품 하나의 상세 페이지와 캐러셀 패키지를 충분히 만들 수 있다. Shopify에서 변형을 돌리고, 트래픽 배분을 공정하게 설정하고, 전환 데이터가 결정하게 하자. 벤더의 의견은 노이즈다. 내 스토어의 데이터만이 유일하게 의미 있는 신호다.