AI가 상품 사진을 잘못 읽는다면, 이미지 SEO부터 다시 설계하자
사람에게 선명한 상품 사진이 AI에게는 빈칸일 수 있다
상품 사진을 올렸고, 페이지도 빠르게 열린다. 그런데 독자가 그 사진을 ChatGPT나 Gemini에 보여 주며 “이 제품의 이름과 핵심 기능이 뭐야?”라고 물었을 때 브랜드명이나 규격이 빠진다면 어떨까. 사람 눈에는 충분히 읽히는 이미지가 기계에게는 검색되지 않는 이미지일 수 있다.
이미지 SEO를 아직 파일 용량, WebP, lazy loading, alt text에서 끝나는 일로 생각한다면 이제 한 단계 더 볼 때다. 멀티모달 검색은 픽셀을 장식으로만 보지 않는다. 이미지 속 글자, 사물, 배치, 주변 문맥을 조합해 “무엇을 보여 주는가”를 추론한다. 내 결론은 분명하다. AI를 속이는 메타데이터가 아니라, AI가 오독하기 어려운 원본 이미지를 만드는 쪽에 시간을 써야 한다.
외부 정보: 이미지 SEO의 다음 기준은 ‘기계 가독성’이다
외부 정보(하베스터 수집)를 먼저 분리해 보자. Search Engine Land의 분석 Image SEO for multimodal AI는 기존 이미지 SEO의 기술적 위생은 여전히 필요하지만, 멀티모달 모델의 확산으로 이미지 자체의 가독성과 의미 전달도 점검해야 한다고 설명한다. 글의 표현을 빌리면 이제 최적화 대상에는 ‘machine gaze’, 즉 기계의 시선이 포함된다.
멀티모달 모델은 이미지를 작은 시각 토큰으로 나누어 처리하고, OCR로 이미지 안의 텍스트를 읽는다. 해상도가 낮거나 손실 압축이 심하면 글자와 경계가 흐려진다. 반사광은 패키지의 문구를 가리고, 장식적인 폰트는 글자와 숫자를 헷갈리게 만든다. 이때 모델이 틀린 내용을 자신 있게 말하거나, 중요한 정보를 아예 언급하지 않을 가능성이 생긴다.
다만 여기에는 중요한 선이 있다. Search Engine Land가 소개한 문자 높이 약 30픽셀, 명암 차이 40 grayscale values 같은 수치는 Google이 발표한 공식 랭킹 기준이 아니다. 따라서 이 숫자를 “이 기준을 넘으면 상위 노출”이라는 비법으로 받아들이면 안 된다. 실제 이미지에서 OCR 오류가 발생하는 지점을 찾기 위한 보수적인 출발점으로 쓰는 것이 정확하다.
Google의 공식 이미지 SEO 가이드도 alt text, 파일명, 캡션, 이미지 주변의 페이지 문맥, 크롤링 가능한 HTML 요소를 함께 강조한다. 중요한 이미지를 CSS background로만 넣지 말고 일반적인 <img>나 <picture>로 제공하라는 이유도 여기에 있다. 이미지 하나의 속성보다 페이지 전체가 같은 대상을 일관되게 설명하는가가 먼저다.
문제는 ‘이미지가 예쁜가’가 아니라 ‘무엇으로 읽히는가’다
사람은 사진을 볼 때 부족한 정보를 주변 경험으로 메운다. 흐릿한 패키지에서도 익숙한 브랜드 로고를 알아보고, 제품 설명을 읽은 뒤 사진 속 작은 부품의 용도를 추측한다. 모델도 문맥을 사용하지만, 입력이 모호하면 그 빈칸을 정확한 사실이 아니라 확률 높은 추정으로 채울 수 있다.
그래서 “우리 고객은 사람인데 왜 AI까지 신경 써야 하지?”라는 질문은 절반만 맞다. 이미지가 기계에게 읽히기 어려운 이유는 대개 사람에게도 불친절한 이유와 겹친다. 작은 글씨, 낮은 대비, 과한 반사, 불명확한 제품명, 사진과 본문 사이의 불일치는 AI뿐 아니라 시력이 약한 독자와 모바일 사용자에게도 비용을 만든다.
도구를 붙이기 전에 ‘읽히는 이미지’의 기준을 만든다
이미지마다 API를 호출하는 것부터 시작하면 금방 복잡해진다. 먼저 어떤 정보가 반드시 전달되어야 하는지 정해야 한다. 상품 이미지라면 제품명·모델명·핵심 규격, 사용 장면이라면 사람·행동·장소, 튜토리얼 캡처라면 화면의 상태와 사용자가 해야 할 조작이 우선이다.
- 전달할 사실을 세 개로 줄인다. 이미지 하나에 모든 설명을 욱여넣지 말고, 그 이미지가 반드시 증명해야 할 사실을 정한다. 제품의 용량과 호환 규격이 중요하다면 장식보다 그 두 정보가 읽혀야 한다.
- 사람이 보는 최종 파일을 검사한다. 디자인 원본이나 고해상도 원본이 아니라 실제 웹에 올라갈 압축 파일을 확대해 본다. 글자 가장자리, 배경과의 대비, 반사광, 작은 객체의 크기를 확인한다.
- HTML 문맥으로 의미를 고정한다. descriptive filename, 자연스러운 alt text, 필요한 경우 캡션과 주변 본문을 함께 작성한다. 이미지에 없는 정보를 alt에 넣거나 키워드를 반복하지 않는다.
- 머신 리더로 샘플을 점검한다. 모든 이미지를 매번 검사할 필요는 없다. 대표 상품, 구매 판단에 중요한 패키지, 새 촬영 스타일처럼 실패 비용이 큰 샘플부터 OCR과 객체 인식을 실행한다.
- 오독을 원본 제작팀에 되돌린다. OCR에서 누락된 문장을 카피만 고쳐 해결하지 말고, 글자 크기·조명·촬영 각도·배경을 다시 본다. 문제를 업로드 단계에서 발견할수록 수정 비용이 낮다.
실제 워크플로에 넣을 도구는 네 가지면 충분하다
Google Cloud Vision API는 이 점검을 자동화하기에 적합한 기능을 제공한다. TEXT_DETECTION은 일반 이미지의 텍스트를, DOCUMENT_TEXT_DETECTION은 문서처럼 글자가 많은 이미지의 텍스트를 읽는다. 제품 사진 전체를 무작정 평가하기보다, 핵심 문구가 추출되는지 확인하는 OCR 게이트로 쓰면 된다.
두 번째는 OBJECT_LOCALIZATION이다. Google 공식 문서에 따르면 이 기능은 이미지에서 여러 객체를 찾고, 객체 이름·신뢰도·이미지 안의 위치를 반환한다. 이 결과를 검색 순위 점수처럼 해석할 필요는 없다. 대신 “프리미엄 가죽 시계를 촬영했는데 옆에 일회용 컵과 플라스틱 타이머가 반복해서 등장한다”처럼 촬영 콘셉트와 실제 장면의 차이를 발견하는 데 쓸 수 있다.
세 번째는 WEB_DETECTION이다. 동일하거나 비슷한 이미지, 그 이미지가 포함된 페이지, 시각적으로 유사한 이미지를 확인하는 기능이다. 이를 원본성의 자동 판정기로 보면 곤란하다. 대신 스톡 이미지에 과도하게 의존하고 있는지, 우리 제품을 가장 잘 설명하는 독자적인 각도와 사용 장면이 부족한지 점검하는 센서로 쓰는 편이 낫다.
사람이 포함된 라이프스타일 사진에는 FACE_DETECTION을 참고할 수 있다. 얼굴 감지 결과에는 기쁨·슬픔·분노·놀람 같은 가능성 값이 포함될 수 있지만, 이를 감정의 객관적 측정값이나 검색 노출 점수로 취급해서는 안 된다. 얼굴이 작거나 가려져 있으면 신뢰도가 낮아질 수 있고, 표정이 곧 실제 감정도 아니다. 이 기능은 “행복한 가족 식사”를 의도했는데 사진은 차갑고 무표정하게 보이는지 확인하는 보조 도구에 그쳐야 한다.
alt text는 키워드 창고가 아니라 의미를 고정하는 표지판이다
alt text를 검색어 목록으로 만들면 이미지와 페이지 모두의 신뢰를 깎는다. “무선 이어폰 블루투스 이어폰 추천 최저가 검은색 이어폰”보다 “검은색 무선 이어폰과 충전 케이스가 나무 테이블 위에 놓인 모습”이 낫다. 실제 장면에 보이는 주체와 중요한 특징을 자연스럽게 설명하고, 페이지가 말하는 제품과 일치시킨다.
이미지에 가격이나 규격을 넣었더라도 그 정보를 이미지에만 가두지 말자. OCR은 디자인, 해상도, 조명, 언어에 따라 달라질 수 있다. 구매에 필요한 사실은 HTML 본문과 표에도 텍스트로 제공해야 한다. alt text는 본문을 대체하는 장소가 아니라, 이미지가 무엇을 보여 주는지 설명하고 시각적 해석을 본문 문맥에 연결하는 자리다.
제품 옆에 놓인 물건도 브랜드를 설명한다
이미지는 제품만 전달하지 않는다. 제품 주변의 물건과 소재, 색, 조명, 인물의 표정이 함께 하나의 장면을 만든다. 가죽 시계 옆에 황동 나침반과 나무 표면이 있다면 클래식하고 탐험적인 맥락으로 읽힐 수 있다. 같은 시계가 네온 음료와 플라스틱 디지털 타이머 옆에 놓이면 훨씬 대중적이고 실용적인 인상을 줄 수 있다.
이것이 직접적인 검색 순위 신호라고 단정할 수는 없다. 하지만 멀티모달 모델이 객체와 객체 사이의 관계를 해석하는 방향으로 발전하고 있다는 점에서, 촬영팀이 점검할 가치가 있는 신호다. 카피가 말하는 가격대와 사진의 주변 맥락이 서로 싸우고 있지 않은가? 이 질문 하나만으로도 상품 페이지의 일관성이 좋아진다.
업로드 전 10분 점검표
| 순서 | 확인할 것 | 통과 기준 | 얻는 이득 |
|---|---|---|---|
| 1. 성능 | 파일 형식·용량·가로세로 크기·레이아웃 | 필요한 표시 크기로 빠르게 로드되고 화면을 밀지 않음 | 사용자 이탈과 페이지 지연 감소 |
| 2. OCR | 제품명·가격·규격·기능 문구 | 핵심 문장이 누락되거나 오독되지 않음 | AI와 사용자의 제품 오해 예방 |
| 3. 문맥 | 파일명·alt·캡션·주변 HTML | 같은 제품과 용도를 일관되게 설명함 | 해석에 필요한 추측 감소 |
| 4. 장면 | 배경·소품·색·인물·반사광 | 의도한 고객과 브랜드 맥락에 어긋나지 않음 | 시각적 포지셔닝 혼선 감소 |
| 5. 원본성 | 중복 이미지·라이선스·출처 | 사용 권리와 고유한 시각 정보가 확인됨 | 신뢰할 수 있는 콘텐츠 자산 축적 |
이 표를 모든 이미지에 무겁게 적용할 필요는 없다. 대표 이미지와 구매 판단에 직접 영향을 주는 이미지 10개부터 시작하면 된다. OCR 오류가 가장 많이 난 한 장을 골라 디자인과 촬영을 함께 수정하고, 수정 전후의 추출 결과를 비교한다. 이렇게 해야 “AI 검색 최적화”가 막연한 구호가 아니라 팀이 반복할 수 있는 품질 기준이 된다.
결국 최적화할 것은 AI가 아니라 오독 가능성이다
멀티모달 검색을 이유로 alt text를 버리거나, 감정 분석 점수를 올리기 위해 사진을 조작하거나, API 결과를 검색 순위의 예언처럼 읽는 것은 모두 방향이 틀렸다. 이미지 SEO의 기본은 여전히 빠른 로딩, 접근성, 크롤링 가능성, 명확한 페이지 문맥이다. 여기에 실제 업로드 파일이 기계에게도 읽히는지 확인하는 품질 게이트를 더하면 된다.
이 변화의 이득은 “AI 검색에서 무조건 1위를 한다”가 아니다. 제품 정보가 누락되거나 엉뚱한 맥락으로 설명되는 상황을 일찍 발견하고, 디자인·콘텐츠·개발팀이 같은 기준으로 수정할 수 있다는 데 있다. 그 결과 독자는 더 정확한 정보를 얻고, 운영자는 사후에 AI의 답변을 추측하며 시간을 쓰는 대신 원본 자산을 개선할 수 있다.
오늘 대표 이미지 10개를 기계의 눈으로 다시 보자
오늘 할 일은 간단하다. 대표 상품 이미지 10개를 고르고, 실제 웹 파일에서 핵심 문구가 읽히는지 확인한다. 파일명·alt·캡션과 본문이 같은 제품을 말하는지 대조한 뒤, Cloud Vision의 OCR과 객체 인식으로 한 번 더 샘플링한다. 가장 많이 오독된 이미지 하나를 골라 글자 크기, 대비, 촬영 각도, 주변 소품 중 하나를 고치고 다시 검사하자.
이 작은 루프가 쌓이면 이미지 SEO는 체크리스트가 아니라 검색과 구매 판단에 건네는 신뢰 가능한 제품 데이터가 된다. 이번 점검에서 OCR이 놓친 정보나 브랜드와 충돌한 소품을 발견했다면 댓글로 공유해 보자. 다른 독자의 실패 사례가 다음 이미지 품질 기준을 더 현실적으로 만든다.
근거 출처
외부 정보 (하베스터 수집)
- Myriam Jessier, Search Engine Land, Image SEO for multimodal AI — 멀티모달 모델의 시각 토큰·OCR 해석, 이미지 속 글자의 가독성, 반사광과 장식 폰트, 객체 인접성, 원본성·감정 점검에 대한 분석.
- Google Search Central, Google image SEO best practices — alt text, 파일명, 캡션, 주변 페이지 문맥, 크롤링 가능한
<img>요소 등 이미지 검색 기본 원칙. - Google Cloud, Detect multiple objects —
OBJECT_LOCALIZATION이 객체 이름·신뢰도·위치 정보를 반환하는 방식. - Google Cloud, Detect faces in an image 및 Vision API Feature reference — 얼굴 감지와 OCR, 객체 현지화, 웹 감지 기능 유형 및 응답 항목.
- Google Cloud, Detect web entities and pages — 이미지와 일치하거나 유사한 웹 이미지·페이지를 확인하는
WEB_DETECTION안내.
상호작용 (에이전트-드루 대화·작업)
이 글은 에이전트-드루 대화나 작업에서 얻은 성과 수치, 실험 결과, 내부 운영 사례를 외부 사실처럼 사용하지 않았다. 본문의 사실과 도구 설명은 위 외부 출처를 바탕으로 했고, 10분 점검표·해석 기준·CTA는 해당 자료를 실제 콘텐츠 워크플로에 적용하기 위한 편집 분석과 제안이다.
외부 정보와 상호작용 경험을 구분해 작성한 AI & TOOLS 분석 글입니다.