랜딩페이지 방문은 지난달보다 늘었는데, 본 시간은 절반으로 줄고 구매율도 떨어졌습니다. 우리 제품에 대한 관심은 늘었는데 마음이 식은 걸까요? 아니면 랜딩페이지가 더이상 소구되지 않는 것일까요? 그러나 다르게 생각해 볼 수도 있습니다. 가격 페이지를 찾아온 방문자가 사람이 아니라, 고객이 보낸 AI 에이전트였다면요.
AX라고 하면 대부분 AI 전환을 떠올립니다. 이 아티클에서 언급하는 AX는 Agent Experience, 곧 AI 에이전트가 우리 웹사이트와 제품을 쓰며 겪는 에이전트 경험입니다. 기업이 에이전트 경험을 준비하는 첫걸음은 웹사이트를 고치는 일보다, 에이전트가 우리 웹사이트에서 실제로 무엇을 하는지 보는 일입니다. 에이전트 방문을 가려내고, 그 행동을 읽고, 영업 신호로 잇는 방법을 차례로 짚어 보겠습니다.
1. 우리 웹사이트를 찾는 방문자 일부는 이미 사람이 아닙니다
AI 에이전트가 고객이 된다는 것은 사람 대신 AI가 정보를 찾고, 비교하고, 실행한다는 뜻입니다. 요청자인 사람은 조건과 목적만 건네고, 에이전트가 대부분은 자동으로 실행합니다. 결정은 여전히 사람이 내리지만, 그 결정에 올라가는 일렬의 과정은 에이전트가 진행하는 것입니다.
이미 AI 에이전트가 고객이 되는 변화는 쇼핑에서 먼저 숫자로 드러났습니다. 2025년 미국 연말 쇼핑 시즌에 생성형 AI 도구에서 링크를 눌러 리테일 사이트로 들어온 트래픽은 전년보다 693.4% 늘었습니다. 기업 구매도 같은 길을 걷고 있습니다. 기업 구매자의 94%가 이미 구매 과정에서 AI를 쓴다고 답했고, 가트너는 2028년까지 B2B 구매의 90%를 AI 에이전트가 중개할 것으로 내다봤습니다.
에이전트 경험이라는 단어는 Netlify의 공동 창업자 매트 빌만(Matt Biilmann)이 2025년 처음 언급했습니다. AI 에이전트가 제품이나 플랫폼의 사용자로서 겪는 경험 전체를 가리킵니다. AI 전환이 우리 회사가 AI를 쓰는 일이라면, 에이전트 경험은 고객의 AI가 우리 회사를 쓰는 일입니다.
그런데 이 새로운 유형의 방문자는 데이터에 제대로 잡히지 않습니다. 검색 크롤러 같은 정상 봇까지 포함한 자동화 트래픽은 2024년 전체 웹 트래픽의 51%로 처음 사람을 넘어섰고, 그중 에이전트 브라우저는 사람처럼 보입니다. 예를 들어 OpenAI의 에이전트 브라우저 Atlas는 일반 크롬과 같은 브라우저 정보로 접속하고, 페이지의 분석 스크립트도 그대로 실행합니다. 분석 도구가 보여 주는 방문자 수에는 이미 사람과 에이전트가 섞여 있습니다.
2. 에이전트 방문은 어떻게 가려낼까
시발점은 방문마다 유형을 붙이는 일입니다. 에이전트를 완벽하게 가려내는 방법은 아직 없습니다. 그래서 "에이전트인가 아닌가"를 한 번에 판정하기보다, 얼마나 확실한지에 따라 나눠 두는 편이 현실적입니다.
가장 확실한 쪽은 스스로 신원을 밝히는 방문입니다. 2025년 8월 Cloudflare는 에이전트가 요청에 전자 서명을 붙여 신원을 밝히는 '서명된 에이전트(signed agents)' 분류를 도입했고, ChatGPT agent 등이 처음 참여했습니다. 서명까지는 없어도 브라우저 정보에 자기 이름을 적어 봇이라고 밝히는 방문도 비교적 쉽게 가려집니다.
어려운 쪽은 Atlas처럼 사람의 브라우저로 들어오는 에이전트입니다. 이때는 행동 패턴이 단서가 됩니다. 몇 초 만에 다음 페이지로 넘어가거나, 스크롤과 마우스 움직임 없이 본문만 읽고 나가거나, 사람이 칠 수 없는 속도로 폼을 채우는 방문입니다. 한 번의 방문에서 가격, 보안 문서, 연동 가이드를 차례로 여는 경로도 사람보다는 비교표를 채우는 에이전트에 가깝습니다. 이런 방문은 "행동 패턴으로 의심되는 방문"으로 따로 묶어 둡니다.
이렇게 나눈 결과는 이벤트 속성으로 남깁니다. 방문마다 서명된 에이전트, 스스로 밝힌 봇, 행동 패턴 의심, 사람 가운데 하나를 붙이고 판별 근거를 함께 기록하면, 같은 대시보드에서 유형별로 나눠 볼 수 있습니다. 이벤트를 어떤 기준으로 설계할지는 이벤트 택소노미 글에서 다뤘습니다. 처음부터 완벽하게 가려내려 하기보다, 같은 기준으로 꾸준히 나눠 세는 쪽이 먼저입니다. 기준은 데이터가 쌓이면서 다듬을 수 있지만, 나눠 두지 않은 과거 데이터는 나중에 되살리기 어렵습니다.
나눠 보면 처음의 대시보드가 다르게 읽힙니다. 사람의 체류 시간은 그대로인데 몇 초 만에 읽고 나간 에이전트 방문이 평균을 끌어내렸을 수 있고, 떨어진 전환율도 분모에 섞인 에이전트 방문 때문일 수 있습니다.
3. 에이전트는 무엇을 읽고, 어디서 멈출까
에이전트 방문을 사람과 같은 잣대로 생각하면 안됩니다. 체류 시간이나 스크롤 깊이는 사람이 얼마나 관심을 보였는지 재는 지표이고, 에이전트는 필요한 정보를 크롤링하면 몇 초 만에 떠납니다. 에이전트에게 맞는 질문은 "얼마나 머물렀나"가 아니라 "어디까지 읽었고, 어디서 멈췄나"입니다.
읽는 경로는 고객의 조건을 드러냅니다. 에이전트는 담당자에게 예산, 규모, 꼭 필요한 기능 같은 조건을 받은 뒤 후보 웹사이트의 공개 정보를 읽어 비교표를 채웁니다. 그래서 에이전트가 가격 페이지 다음에 보안 문서와 연동 가이드를 열었다면, 그 고객의 비교표에는 보안 인증과 연동 범위라는 칸이 있다는 뜻입니다. 여러 회사의 에이전트 방문을 모아 보면 우리 시장의 수요자들이 무엇을 기준으로 고르는지가 보입니다.
멈춘 지점은 더 많은 것을 알려 줍니다. 자료를 보려면 이름과 연락처부터 남겨야 하는 페이지, 핵심 정보가 PDF나 이미지 배너에만 있는 페이지, 가격이 "문의"로만 적힌 페이지에서 에이전트의 방문은 끝납니다. 사람이라면 문의를 남겼겠지만, 에이전트는 그 칸을 비워 둔 채 다음 후보로 넘어갑니다. 에이전트가 멈춘 페이지는 진짜 고객이 보는 경쟁사 비교 페이지에서 공란으로 표기될 수 있는 자리입니다.
멈춘 지점이 확인되면 고칠 곳도 정해집니다. 가격 범위, 보안 인증, 연동 범위처럼 에이전트가 자주 멈추는 정보를 본문 텍스트로 열고, 문의는 짧은 폼 하나로 줄이고, 제품 기능까지 에이전트에게 열려면 API나 MCP(Model Context Protocol)를 개방하는 것을 검토합니다. 웹사이트를 무작정 고치는 대신 데이터가 가리킨 곳부터 고치고, 고친 뒤에는 같은 지점에서 멈추는 방문이 줄었는지 다시 확인합니다.
4. 에이전트 방문을 영업 신호로 잇기
에이전트 방문은 사람이 찾아오기 전에 먼저 오는 구매 신호입니다. 에이전트가 가격 페이지와 보안 문서를 연달아 읽었다면, 누군가 지금 우리 제품을 비교표에 올리고 있다는 뜻입니다. 봇으로 분류해 지워 버리면 이 신호도 함께 사라집니다.
이 신호는 이어 볼 때 쓸모가 커집니다. 방문을 회사 단위로 묶어, 에이전트가 읽고 간 페이지와 며칠 뒤 같은 회사에서 들어온 데모 신청을 연결해 보면 어떤 페이지가 에이전트의 추천을 거쳐 실제 영업 기회가 되는지 보이기 시작합니다. 반대로 에이전트가 자주 다녀가는데 영업 기회로 이어지지 않는 회사가 있다면, 그 회사의 비교표에서 우리가 빠지고 있을 가능성이 큽니다.
영업팀에게도 쓸모가 있습니다. 데모를 신청한 회사의 에이전트가 미리 읽고 간 페이지를 보면, 그 고객이 무엇을 기준으로 비교하고 있는지 첫 미팅 전에 알 수 있습니다. 같은 질문을 처음부터 다시 묻는 대신 고객의 에이전트가 정리한 조건에서 대화를 시작할 수 있습니다.
다만 성과 지표는 나눠서 봐야 합니다. 마케팅 성과를 재는 체류 시간, 전환율 같은 지표는 사람 방문만으로 계산하고, 에이전트 방문은 방문 수, 읽은 페이지, 멈춘 지점, 이어진 영업 기회처럼 별도의 지표로 봅니다. 두 방문자를 한 숫자에 섞으면, 사람의 관심도 에이전트의 신호도 함께 흐려집니다.
5. 이제, 다시 분석으로 돌아가보세요.
처음의 분석으로 돌아가 보겠습니다. 방문 유형을 나눠 보면, 가격 페이지 방문이 늘어난 몫의 상당 부분이 에이전트였고 사람의 체류 시간은 그대로였다는 결론이 나올 수도 있습니다. 그렇다면 그 숫자는 관심이 식었다는 경고가 아니라, 고객의 에이전트가 우리를 비교하기 시작했다는 신호입니다.
AI 에이전트가 고객이 되는 시대에 에이전트 경험을 준비한다는 것은 결국 이 차이를 볼 수 있게 만드는 일입니다. 이제 물어야 할 질문은 "방문자가 몇 명인가"보다 "그중 누가 사람이고, 누가 고객의 에이전트인가"입니다.
ThinkingAI도 같은 질문에서 출발해, 고객이 이미 쓰는 AI 에이전트가 CLI·MCP·Skills로 행동 데이터를 직접 읽고 분석하도록 제품을 열었습니다. 기업이 AI 에이전트를 업무에 들이는 방법은 기업용 AI 에이전트 도입 가이드에서 이어서 읽어 보세요.




