온라인에서 옷을 고를 때 반품은 결제 뒤에 생기는 물류 문제가 아니다. 주문 전 화면에서 ‘이 옷이 내게 어떤 실루엣으로, 어떤 사이즈로 맞을까’를 판단하지 못할 때 이미 시작된다. 블룸버그는 8월 21일 잘란도, 자라, ASOS 같은 의류 판매자가 이 불확실성을 줄이기 위해 AI 가상 피팅룸에 투자하고 있다고 보도했다.
가상 피팅룸의 목표는 사진 한 장을 더 그럴듯하게 만드는 데 있지 않다. 상품의 치수와 핏, 고객의 신체 정보와 선호를 한 주문 화면에서 만나게 해 사이즈를 바꿔 재주문하거나 여러 벌을 받아 본 뒤 돌려보내는 선택을 줄이는 데 있다. 반품 비용을 낮추려면 배송 완료 뒤의 회수 공정보다 주문 전 판단의 질을 먼저 바꿔야 한다.
‘L’이라는 표기가 같아도 같은 옷이 아니다
잘란도는 2026년 6월 공개한 설명에서 브랜드·카테고리·재단·판매 시장에 따라 같은 L 또는 48 표기도 다른 치수를 뜻한다고 짚었다. 고객 역시 같은 치수라도 몸의 형태와 원하는 핏이 다르다. 청바지는 특히 선택지가 넓다. 한 스타일 안에서도 길이와 허리, 재단이 갈리면 단순 사이즈표는 ‘맞는다’는 답을 주기 어렵다.
그래서 이 시스템은 세 층으로 움직인다. 먼저 상품 데이터, 고객 후기, 과거의 반품 패턴으로 브랜드별 핏 차이를 읽는다. 그 위에 신체 치수와 선호를 올려 개인별 사이즈 추천을 만들고, 마지막에 3D 아바타로 같은 상품의 다른 사이즈가 보이는 모습을 비교하게 한다. 잘란도는 2018년부터 이 문제를 다뤄 왔고, 80명 규모의 사내 전문가 팀이 패션 지식과 머신러닝·컴퓨터 비전·3D 기술을 함께 쓴다고 밝혔다.
반품 감소 수치와 이용 횟수는 구분해서 봐야 한다
잘란도는 자사의 사이즈·핏 솔루션 전체가 2025년에 사이즈 관련 반품을 8% 줄였다고 발표했다. 2023년부터 Levi’s 등을 포함한 선택 브랜드와 진행한 가상 피팅룸 파일럿에서는 청바지 카테고리 반품률이 최대 40% 낮아졌다고도 밝혔다. 이 두 수치는 같은 범위를 가리키지 않는다. 8%는 전체 솔루션의 연간 결과이고, 40%는 특정 브랜드·청바지 파일럿의 최대치다.
자라를 운영하는 인디텍스는 FY2025 실적 발표에서 Zara Try-on이 고객 사진으로 합성 아바타를 만들고 실제 상품을 입은 이미지를 생성한다고 설명했다. 2025년 12월 중순부터 43개 시장에서 운영했고 세션은 700만 회를 넘었다. 인디텍스가 공개한 것은 배포 범위와 이용 규모이며, 이 발표에는 반품 감소율이 포함되지 않았다. 따라서 ‘많이 쓰였다’와 ‘반품이 줄었다’를 같은 성과로 묶어서는 안 된다.
사이즈 추천은 ‘정답’보다 비교 가능한 선택지를 보여 줘야 한다
반품을 줄이는 추천은 고객에게 하나의 정답 사이즈를 통보하는 방식보다 낫다. 같은 신체 치수라도 몸에 붙는 청바지와 넉넉한 청바지를 원하는 선택은 다르기 때문이다. 잘란도 역시 2026년 2월, 비슷한 치수의 두 사람이 서로 다른 핏을 원할 수 있으며 스타일 선호를 빼면 추천이 불완전하다고 설명했다.
여기서 제품팀이 확인할 지점은 세 가지다. 상품 데이터가 실제 재단과 얼마나 맞는지, 고객이 치수 입력과 아바타 생성을 부담 없이 끝낼 수 있는지, 추천 화면이 ‘왜 이 사이즈인가’를 비교 가능하게 보여 주는지다. 잘란도는 지나치게 사실적인 신체 아바타가 고객을 불편하게 할 수 있다는 내부 실험 결과를 공개했고, 2026년에는 심리적 안전을 설계 기준으로 두겠다고 밝혔다. 입어보기 경험의 다음 경쟁은 고객이 자기 정보를 맡기고도 편안하게 선택할 수 있는 화면에서 갈린다.
출처: Bloomberg (2026-08-21), Zalando (2026-06-22), Zalando (2026-02-02), Inditex (2026-03-11)