할인 찾고 중고 사고 AI에 묻는다…고물가가 바꾼 소비 방식
미국 신학기 구매자 61%가 AI 쇼핑 도구 활용…가격 비교·추천 검색 일상화
중고·리퍼브 구매도 확대…유통업계, 광고보다 ‘선택받을 정보’가 중요해져
소비자가 원하는 물건을 찾는 방식이 달라지고 있다. 여러 쇼핑몰을 직접 방문해 가격을 비교하던 소비자가 생성형 인공지능에 조건을 말하고 적합한 제품을 추천받기 시작했다. 새 제품만 고집하지 않고 중고와 리퍼브 상품을 함께 비교하는 소비도 늘고 있다.
고물가 속에서 소비자는 지출 자체를 포기하기보다 같은 예산으로 더 나은 상품을 구하는 방법을 찾는다. 쿠폰과 할인행사를 기다리고 AI로 최저가를 검색하며, 상태가 좋은 중고제품까지 구매 후보에 넣는다. 절약과 기술 활용, 순환소비가 하나의 구매 과정 안에서 결합하는 모습이다.
미국소매협회가 발표한 2026년 신학기 소비조사에 따르면 구매자의 61%가 생성형 AI와 AI 기반 쇼핑 도구를 이용했다. 주요 용도는 최적 가격과 할인정보 검색, 상품 추천, 구매 아이디어 확인이었다(NRF·2026년).
초·중·고교 학생을 둔 구매자의 32%는 중고 또는 리퍼브 상품을 구매했거나 구매할 계획이라고 답했다. 대학생 관련 구매자에서는 이 비율이 47%로 높아졌다. 대학생 구매자의 중고·리퍼브 이용 비율은 2025년 40%에서 2026년 47%로 7%포인트 상승했다(NRF·2026년).
AI와 중고거래의 확산은 불황기에 나타나는 일시적인 절약 행동으로만 보기 어렵다. 소비자는 가격과 품질, 후기, 배송조건, 지속가능성을 한꺼번에 비교하는 방법을 익히고 있다. 이러한 경험은 신학기 이후에도 가전과 패션, 여행, 금융상품 등 다른 소비시장으로 확대될 가능성이 크다.
소비를 줄이기보다 구매 효율을 높인다
경기 불확실성과 물가 상승이 커지면 가계는 지출을 조정한다. 과거의 전형적인 불황형 소비는 구매를 미루거나 수량을 줄이고 저가 브랜드로 이동하는 방식이었다. 현재 소비자는 지출을 줄이는 동시에 구매 과정의 효율을 높이는 도구를 적극적으로 활용한다.
2026년 미국의 초·중·고교 신학기 지출은 총 433억달러로 예상됐다. 전년의 394억달러보다 늘었고, 기존 최고치였던 2023년의 415억달러도 넘어서는 규모다. 가구당 예상 지출은 평균 863.86달러로 조사됐다(NRF·2026년).
대학생과 가족의 신학기 지출은 처음으로 1000억달러를 넘어 1035억달러에 이를 것으로 전망됐다. 1인당 평균 지출 계획은 1437.79달러였다. 고물가와 생활비 부담 속에서도 교육과 전자기기, 의류, 주거 관련 지출은 줄이기 어려운 필수비용에 가깝다.
소비자는 필요한 물건을 사되 구매 시기와 판매처, 제품 상태를 조정했다. 전체 구매자의 47%는 개학에 필요한 필수품만 먼저 구입한 뒤 필요할 때 추가로 구매하겠다고 답했다. 구매를 여러 시점으로 나눠 가계의 현금흐름을 관리하는 방식이다.
상품을 사지 않는 소비보다 더 계산적인 소비가 나타나고 있다. 동일한 제품을 더 낮은 가격에 구하고, 필요성이 낮은 물건은 뒤로 미룬다. 중고와 리퍼브 제품도 품질이 확인되면 새 상품과 같은 비교표 안에 올린다.
검색창에서 대화형 AI로 이동한 가격 비교
온라인 쇼핑은 검색어를 입력하고 결과 목록에서 상품을 선택하는 방식으로 성장했다. 소비자는 제품명을 정확히 알아야 했고, 여러 쇼핑몰과 가격비교 사이트를 오가며 조건을 확인해야 했다. 광고비를 많이 쓴 상품이 검색결과 상단을 차지하는 구조도 일반화됐다.
대화형 AI는 소비자의 요구를 문장으로 입력받는다. 예산과 사용 목적, 선호 브랜드, 배송일, 필요한 기능을 한꺼번에 제시할 수 있다. 소비자는 제품명을 몰라도 “초등학생이 쓸 내구성 좋은 가방”이나 “100만원 이하 영상 편집용 노트북”처럼 조건으로 질문할 수 있다.
AI는 여러 제품의 사양과 가격, 후기를 요약하고 차이를 설명한다. 소비자가 다시 조건을 추가하면 후보를 좁혀준다. 검색결과를 하나씩 읽는 과정이 대화형 비교와 추천으로 바뀌는 것이다.
미국 신학기 구매자의 61%가 AI 기반 쇼핑 도구를 사용했다는 조사 결과는 이러한 변화가 일부 기술 이용자에게 한정되지 않았음을 보여준다. 신학기처럼 구매목록이 길고 예산 제약이 큰 시기에 AI가 비교작업을 줄여주는 도구로 선택된 셈이다.
다만 조사에서 말하는 AI 기반 쇼핑 도구에는 독립적인 생성형 AI뿐 아니라 유통 플랫폼의 추천과 가격 탐색 기능도 포함된다. 61%를 모두 대화형 챗봇 이용자로 해석해서는 안 된다. 중요한 변화는 소비자가 구매 판단 과정에서 알고리즘의 도움을 받는 비중이 커지고 있다는 점이다.
할인행사를 기다리는 소비자
소비자는 AI만 사용하는 것이 아니라 전통적인 쿠폰과 할인행사도 적극 활용했다. 신학기 구매 물품 가운데 평균 48%는 쿠폰과 할인, 판촉행사의 영향을 받은 것으로 조사됐다. 응답자의 73%는 필요한 상품의 할인 조건이 전년과 비슷하거나 더 좋아졌다고 평가했다(NRF·2026년).
7월 초까지 구매목록의 절반을 채우지 못한 소비자 가운데 46%는 더 좋은 할인조건을 기다린다고 답했다. 23%는 예산을 여러 시기로 나눠 사용하기 위해 구매를 늦췄다. 개학 직전 1~2주 안에 쇼핑을 마치겠다는 비율은 초·중·고교 구매자 52%, 대학생 구매자 48%였다.
구매가 늦어지는 현상을 수요 부진으로만 보면 실제 소비행동을 놓칠 수 있다. 소비자는 사지 않기로 결정한 것이 아니라 가격이 내려갈 시점을 기다리고 있다. 판매자는 구매 의향이 있는 소비자를 확보하고도 할인 시기와 재고 운영에 따라 매출을 놓칠 수 있다.
대형 할인행사가 특정 하루나 일주일에 집중되던 방식도 달라지고 있다. 소비자가 여러 플랫폼의 행사를 비교하고 AI로 가격 이력을 확인하면 일시적인 할인 문구만으로 구매를 유도하기 어려워진다. 유통업체는 할인율보다 실제 판매가격과 구성, 배송비를 투명하게 제시해야 한다.
상시 할인은 브랜드의 정상가격에 대한 신뢰를 떨어뜨릴 수 있다. 소비자가 정가를 형식적인 숫자로 인식하면 할인하지 않는 기간에는 구매하지 않는다. 유통업계에는 판촉 경쟁과 가격 신뢰를 함께 관리해야 하는 과제가 생긴다.
중고와 리퍼브가 신제품의 대안으로
중고제품은 과거에 경제적 여유가 부족한 소비자의 선택으로 인식되곤 했다. 거래 과정에서 품질을 확인하기 어렵고 보증과 환불이 제한된다는 문제도 있었다. 플랫폼이 거래 이력과 제품 상태, 안전결제, 배송을 관리하면서 진입장벽이 낮아졌다.
리퍼브 제품도 시장을 넓히고 있다. 리퍼브는 반품되거나 전시됐던 상품, 초기 불량을 수리한 상품을 점검해 다시 판매하는 방식이다. 새 제품보다 가격이 낮으면서 사업자가 품질을 확인하고 일정 기간 보증을 제공할 수 있다는 점이 개인 간 중고거래와 다르다.
2026년 조사에서 초·중·고교 구매자의 32%, 대학생 구매자의 47%가 중고 또는 리퍼브 상품을 구매했거나 구매할 계획이라고 답했다. 노트북과 태블릿, 가구, 의류처럼 가격 부담이 크거나 사용 기간이 제한된 품목에서 중고 선택의 유인이 커진다.
대학생은 기숙사와 자취방을 옮기며 가구와 전자제품을 짧게 사용하는 경우가 많다. 새 제품을 구입해 감가상각을 감수하기보다 중고로 사고 다시 판매하는 편이 경제적일 수 있다. 소유보다 사용 기간의 비용을 계산하는 소비다.
환경적 가치도 중고거래 확산의 배경이다. 제품의 사용 기간을 늘리면 폐기물과 신규 생산에 필요한 자원 사용을 줄일 수 있다. 다만 소비자의 핵심 동기가 환경인지 가격인지는 품목과 계층에 따라 다를 수 있어 순환경제라는 표현만으로 소비행동을 설명해서는 안 된다.
AI 추천이 바꾸는 유통업계의 노출 경쟁
검색 중심의 온라인 유통에서는 검색결과 상단에 노출되는 것이 중요했다. 기업은 키워드 광고와 검색 최적화, 후기 관리에 비용을 투입했다. 대화형 AI가 상품 탐색의 출발점이 되면 노출 경쟁의 기준도 달라질 수 있다.
AI는 가격만 보는 것이 아니라 제품 사양과 배송, 반품조건, 후기, 브랜드 신뢰를 조합해 답변한다. 상품정보가 불완전하거나 서로 다른 판매처에서 사양 표기가 다르면 추천 대상에서 빠질 수 있다. 기업은 사람에게 매력적인 광고문구와 함께 기계가 정확히 읽을 수 있는 정보를 제공해야 한다.
제품명과 규격, 소재, 가격, 재고, 배송일, 보증조건을 구조화된 데이터로 관리하는 일이 중요해진다. 자사 홈페이지와 쇼핑몰, 외부 플랫폼의 정보도 일치해야 한다. AI가 오래된 가격이나 잘못된 사양을 인용하면 기업이 통제하기 어려운 방식으로 소비자 신뢰가 훼손될 수 있다.
대형 플랫폼은 자체 구매이력과 재고, 결제정보를 활용해 개인화된 추천을 강화할 수 있다. 데이터가 부족한 중소 판매자는 AI 추천 경쟁에서도 불리해질 가능성이 있다. 유통시장의 기존 플랫폼 집중이 대화형 AI를 통해 더 심화할 수 있다는 의미다.
반대로 소규모 브랜드에는 새로운 기회도 있다. 소비자가 구체적인 조건을 제시하면 광고비가 적더라도 특징이 분명한 제품이 추천될 수 있다. 친환경 소재와 수선 서비스, 특정 체형이나 용도에 맞춘 제품처럼 차별화된 정보가 있다면 대형 브랜드와 다른 경쟁이 가능하다.
최저가 추천이 항상 최선은 아니다
AI 쇼핑에는 정보의 정확성과 추천의 독립성 문제가 따른다. AI가 제시한 가격이 실시간 재고와 일치하지 않거나 배송비와 회원조건을 제외할 수 있다. 할인기간이 끝난 정보를 최신 가격처럼 안내할 가능성도 있다.
추천 순위를 누가 결정하는지도 중요하다. AI 서비스가 판매자에게 광고비나 수수료를 받는다면 추천과 광고의 경계가 흐려질 수 있다. 소비자는 객관적인 비교라고 생각하지만 실제로는 상업적 이해관계가 반영된 답변을 받을 수 있다.
사용자의 구매이력과 대화내용도 민감한 소비정보가 된다. 건강 상태와 자녀의 나이, 소득 수준, 거주지, 취향을 AI에 말하면 매우 구체적인 개인 프로필이 만들어질 수 있다. 이러한 정보가 광고와 가격 차별에 활용되는지 투명하게 밝혀야 한다.
AI가 개인별 지불 의사를 추정해 서로 다른 가격이나 혜택을 제시할 가능성도 살펴야 한다. 개인화된 할인은 소비자에게 유리할 수 있지만 기준을 알 수 없다면 가격의 공정성을 훼손한다. 소비자 보호정책도 허위정보뿐 아니라 추천 알고리즘과 개인화 가격까지 다룰 필요가 있다.
소비자도 AI의 첫 번째 답변을 최종 판단으로 받아들여서는 안 된다. 가격과 환불조건, 판매자 신뢰도는 실제 구매 페이지에서 다시 확인해야 한다. 전자제품과 안전용품처럼 성능이 중요한 품목은 공식 인증과 보증 여부를 따로 살펴야 한다.
중고시장 성장에는 신뢰 기반이 필요하다
중고와 리퍼브 시장이 확대되려면 가격 외에 품질과 책임 기준이 필요하다. 제품 상태를 상·중·하로 표시하는 것만으로는 소비자가 실제 차이를 판단하기 어렵다. 배터리 성능과 수리이력, 부품 교체 여부처럼 품목별 핵심 정보를 제공해야 한다.
개인 간 거래와 사업자 판매도 구분할 필요가 있다. 리퍼브 상품을 반복적으로 판매하는 사업자는 품질검사와 환불, 보증 책임을 져야 한다. 개인 판매자로 위장해 소비자 보호 의무를 피하는 행위를 관리해야 한다.
제조사의 역할도 커진다. 수리 부품과 진단 소프트웨어, 제품 이력 정보를 제공하면 중고제품의 안전성과 잔존가치를 높일 수 있다. 수리가 어렵도록 설계된 제품은 중고시장에서 빠르게 가치가 떨어지고 폐기물로 전환된다.
유통기업은 새 제품 판매와 중고거래를 경쟁관계로만 볼 필요가 없다. 보상판매와 공식 인증 중고, 회수·수리 서비스를 운영하면 제품의 생애주기 전체에서 수익을 만들 수 있다. 소비자와의 관계도 한 번 판매하고 끝나는 방식에서 회수와 재판매까지 이어지는 구조로 바뀐다.
한국 유통시장도 ‘AI에 선택받는 정보’ 준비해야
한국 소비자는 가격비교와 후기 검색, 중고거래 플랫폼 이용에 익숙하다. 생성형 AI가 쇼핑 기능을 강화하면 기존 소비습관과 빠르게 결합할 가능성이 있다. 포털 검색과 쇼핑 앱에서 이뤄지던 비교가 대화형 추천으로 이동할 수 있다.
국내 유통기업은 자체 앱에 AI 상담과 상품 추천 기능을 도입하고 있다. 앞으로는 자사 서비스 안의 추천뿐 아니라 외부 AI가 자사 제품을 정확하게 찾고 설명하도록 만드는 작업이 중요해진다. 상품 데이터의 품질이 새로운 유통 경쟁력이 되는 셈이다.
중소상공인은 제품정보를 표준화하고 최신 상태로 유지하기 어렵다. 정부와 플랫폼이 상품정보 등록 양식과 데이터 연동 도구를 제공할 필요가 있다. AI 추천에서 중소 판매자가 구조적으로 배제되지 않도록 투명한 노출 기준도 마련해야 한다.
중고와 리퍼브 시장에서는 품질 분류와 보증 기준을 정비해야 한다. 제품 상태를 소비자가 비교할 수 있도록 표준화하고, 반복 판매자의 사업자 책임을 명확히 해야 한다. 거래량 확대와 분쟁 감소가 함께 이뤄져야 시장이 장기적으로 성장한다.
싸게 사는 소비에서 잘 고르는 소비로
AI 쇼핑과 중고·리퍼브 소비의 결합은 가격에 민감한 불황형 소비에서 출발했다. 그러나 변화의 방향은 최저가만 찾는 데 머물지 않는다. 소비자는 자신의 조건에 맞는 상품을 찾고, 구매 시기와 제품 상태를 조정해 예산의 효율을 높인다.
유통기업도 가장 싼 가격만 제시해서는 경쟁하기 어렵다. 정확한 상품정보와 신뢰할 수 있는 후기, 투명한 할인, 명확한 반품·보증 조건을 함께 제공해야 한다. AI가 정보를 비교할수록 모호한 광고문구보다 검증 가능한 조건이 중요해진다.
소비의 주도권이 전적으로 AI로 넘어가는 것은 아니다. AI는 후보를 좁히지만 가격의 적정성과 필요성, 제품의 가치에 대한 최종 판단은 소비자에게 남는다. 추천이 편리해질수록 추천 근거와 상업적 관계를 확인하는 능력도 필요하다.
고물가는 소비자에게 더 많은 계산을 요구했고, AI는 그 계산을 빠르게 처리하는 도구가 됐다. 중고시장은 새 제품 이외의 선택지를 넓혔다. 앞으로의 소비경쟁은 얼마나 많이 노출되는지가 아니라 소비자의 구체적인 질문에 얼마나 정확하고 신뢰할 만한 답이 되는지에 달려 있다.