ChatGPT, 쇼핑 기능 도입으로 검색 시장 경쟁 심화 [AIEO 브리핑]

이성규

2025년 4월 30일

[Top1] ChatGPT, 쇼핑 기능 도입으로 검색 시장 경쟁 심화

OpenAI, 패션, 뷰티, 가정용품 등 쇼핑 기능 추가...구글 등 검색 엔진과의 경쟁 구도 주목

OpenAI가 ChatGPT 검색에 쇼핑 기능을 도입하며 검색 시장 경쟁에 본격적으로 뛰어들었습니다. 우선 패션, 뷰티, 가정용품, 전자제품 카테고리부터 시작하여, 사용자들은 ChatGPT를 통해 원하는 제품을 찾고 관련 정보를 얻을 수 있게 되었습니다.

ChatGPT는 사용자의 질문에 맞춰 제품 추천, 이미지, 리뷰 등을 제공하며, 제품 구매 페이지로 바로 연결되는 링크도 제공합니다. OpenAI는 이러한 쇼핑 결과가 유료 광고가 아니며, 판매 수수료도 받지 않는다고 밝혔습니다.

데이터는 제3자 웹사이트 및 데이터 피드에서 제공되는 구조화된 메타데이터를 활용합니다.

ChatGPT 쇼핑 인터페이스는 제품 사진, 가격, 설명, 판매처(예: Walmart), 구매 버튼 등으로 구성된 제품 그리드 형태로 제공됩니다.

ChatGPT의 Adam Fry는 Wired와의 인터뷰에서 "특정 알고리즘에 따른 신호 검색이 아닌, 개인 맞춤형 대화형 쇼핑 경험을 제공하는 데 초점을 맞추고 있다"고 밝혔습니다. 그는 "사람들이 제품에 대해 어떻게 평가하고 이야기하는지, 장단점은 무엇인지 등을 파악하려고 노력한다"고 덧붙였습니다. 예를 들어, 특정 브랜드의 검은색 옷만 선호한다고 말하면 ChatGPT는 해당 정보를 기억하고 다음 번 셔츠 구매 관련 질문 시 사용자의 취향에 맞는 제품을 추천해 줍니다.

OpenAI는 ChatGPT 검색에 다음과 같은 새로운 기능도 추가했습니다. 인용 개선, 트렌드, 자동 완성, WhatsApp 검색 기능 등이 있습니다.

OpenAI가 ChatGPT를 통해 핵심 검색 시장 경쟁에 뛰어들고, 쇼핑 기능까지 추가하면서 더 많은 사용자들이 구글과 같은 기존 검색 엔진에서 ChatGPT로 이동할 가능성이 제기되고 있습니다.

OpenAI가 구조화된 데이터를 활용한다는 점은 긍정적인 신호로, 별도의 노력 없이도 자사 제품이 ChatGPT 검색 결과에 노출될 수 있다는 기대감을 높이고 있습니다.

추천 태그: #ChatGPT쇼핑 #AI쇼핑 #검색엔진경쟁

[Top2] 구글 AI 개요, 클릭률 감소 논란 속 침묵

알파벳 실적 발표, AI 개요 성장 강조했지만 클릭률 질문 회피... 데이터 감소 우려 제기

알파벳이 지난밤 2025년 1분기 실적 발표에서 AI 개요(AI Overviews)의 성장을 집중적으로 부각했지만, 구글의 AI 생성 답변이 클릭률과 전환율에 미치는 영향에 대한 명확한 답변을 회피해 논란이 일고 있습니다.

업계에서는 구글이 클릭률 및 전환율에 대한 세부 정보를 공개하기에 적절한 시점이 아니라고 판단한 배경에 의문을 제기하고 있습니다. 이는 AI 개요의 클릭률이 낮다는 사실이 명확해지고 있기 때문이라는 분석이 나옵니다. 실제 데이터에 따르면, AI 개요 출시 이후 많은 웹사이트에서 트래픽 감소가 나타나고 있습니다.

JP모건의 한 분석가는 알파벳 측에 AI 개요 사용자 수와 수익화율에 대한 질문을 던졌습니다. 그는 "15억 명의 AI 개요 사용자를 어떻게 봐야 하는가"라며 "수익화율(monetization)이 거의 동일하다는 것은 클릭률과 전환율 측면에서 무엇을 의미하는가"라고 물었습니다. 이에 대해 필립 쉰들러 알파벳 수석 부사장 겸 최고 비즈니스 책임자는 "지금은 클릭률과 전환율에 대한 세부 정보를 논할 시점이 아니라고 생각한다"고 답했습니다.

쉰들러 부사장은 AI 개요가 "더 높은 만족도와 검색 사용량을 지속적으로 유도하고 있다"는 기존의 주장을 되풀이했습니다. 알파벳은 실적 발표에서 AI 개요와 수익화에 대해 다음과 같은 추가 정보를 공유했습니다.

순다르 피차이 알파벳/구글 CEO는 AI 개요가 "매달 15억 명 이상의 사용자를 확보하고 있다"고 밝혔습니다. 하지만 AI 개요는 사용자가 있는 '제품'이 아니라 구글 검색 기능의 일부라는 지적이 나옵니다. 이는 15억 명의 구글 검색 사용자가 매달 AI 개요를 접하고 있다는 의미이며, 사용자는 AI 개요를 선택 해제할 수 없습니다.

쉰들러 부사장은 AI 개요 출시 이후 상업적 검색어의 양이 증가했다고 밝혔습니다. 이 데이터는 구글이 지난 1월 블로그 게시물에서 공유한 내부 데이터에 근거한 것입니다.

쉰들러 부사장은 "AI 개요 전반적으로 수익화율이 거의 동일하게 유지되고 있다"고 말했습니다. 그는 이후 이어진 질의응답에서 수익화에 대한 추가 설명을 요구받았지만, 앞서 언급한 내용을 반복했습니다.

피차이 CEO에 따르면 매일 20억 명 이상이 구글 검색을 이용하고 있으며, 연간 검색 횟수는 5조 건에 달합니다. 1분기 구글 검색 실적과 관련된 추가 논의 내용은 다음과 같습니다.

AI 모드: 피차이 CEO는 AI 모드 검색어는 기존 검색어보다 "두 배 더 길며", "멀티모달 검색어에서 상당한 성장"을 보이고 있다고 밝혔습니다.
서클 투 서치: 피차이 CEO는 "이번 분기에 사용량이 거의 40% 증가했으며, 렌즈를 사용한 월간 시각적 검색은 10월 이후 50억 건 증가했다"고 밝혔습니다.
수익: 구글은 광고 수익이 669억 달러로 전년 동기 대비 10% 증가했다고 보고했습니다. 이는 주로 금융 서비스, 보험, 소매, 의료 및 여행 분야에서 발생했습니다.
추천 태그: #AI개요 #클릭률 #구글검색

🌟 [Tip] 미래 SEO 핵심: 챗봇, 검색 엔진, 지식 그래프 활용법

LLM, 지식 그래프, 검색 엔진 융합 시대, 디지털 발자국 관리로 AI 가시성 확보하는 방법

SEO는 검색 엔진 최적화를 의미하며, 2018년에는 Google, Bing, Yahoo와 같은 검색 엔진에서 사용자 문제에 대한 최적의 솔루션으로 콘텐츠를 추천하도록 설득하는 기술로 정의되었습니다. 2025년 이후에는 검색, 답변, 지원 엔진 최적화를 통해 Google, Bing, Yahoo, ChatGPT, Perplexity, Siri, Alexa, Copilot 등에서 사용자에게 최상의 솔루션을 추천하도록 설득하는 기술로 확장될 전망입니다.

핵심은 전환율을 높이는 데 있으며, 이를 위해 추천 엔진, 최적화 대상 기술이 추가되었습니다. 미래의 검색 및 온라인 연구는 대규모 언어 모델 챗봇, 검색 엔진, 지식 그래프라는 세 가지 핵심 기술을 기반으로 합니다. 각 검색, 답변, 지원 엔진은 이 세 가지 기술을 고유하게 조합하여 추천을 제공합니다.

대규모 언어 모델 챗봇은 사람들과 대화하며 질문에 직접 답변하고, 제안하며, 문제에 대한 최적의 솔루션으로 안내합니다. 하지만 환각(사실 날조) 현상, 제한된 데이터, 최신 정보 부재 등의 약점을 지니고 있습니다. 지식 그래프는 사람, 회사, 영화, 주제 등 다양한 개체에 대한 방대한 정보를 담고 있어 정보 구조화 및 사실 확인에 유용합니다. 챗봇에 지식 그래프와 검색 엔진을 추가하면 환각 문제를 해결하고 정보 소스를 확장할 수 있습니다.

Perplexity는 검색 엔진을 요약하여 사용자에게 제공하며, 순위가 아닌 관련성이 중요해집니다. 하이브리드 검색 결과에서는 상위 10-20위 안에 들고, 지식 그래프에 존재하며, 사용자 의도에 가장 관련성이 높아야 합니다. LLM 챗봇은 사용자 대화 능력, 지식 그래프는 사실 확인 및 주제별 맥락, 검색은 정보의 폭과 신선함을 제공합니다.

AI 검색, 답변, 지원, 추천 엔진은 기본적으로 동일하게 작동하므로 동일한 전략을 적용할 수 있습니다. Google 검색은 지식 패널, 엔터티 목록, 토픽 필터 등의 지식 그래프 콘텐츠와 LLM 요약을 제공하며, Bing 검색은 LLM 통합이 더 강력합니다. ChatGPT는 LLM 기반 챗봇이며, Perplexity는 검색 결과 LLM 요약 엔진입니다. Google 'Learn About'은 LLM 요약, 지식 그래프 사실 확인, 검색 결과 직접 삽입 등을 제공하는 이상적인 조합에 가깝습니다.

LLM 챗봇, 검색 엔진, 지식 그래프는 웹에서 정보를 얻으므로 디지털 발자국 최적화가 중요합니다. 고품질, 정확한, 잘 구조화된 콘텐츠를 제공해야 LLM 대화, 지식 그래프 이해, 검색 순위에서 유리합니다. 웹 전체의 디지털 발자국을 최적화하고 웹사이트를 통해 연결하는 것이 현대 SEO 전략의 핵심입니다.

엔터티 최적화는 LLM, 검색, 지식 그래프 알고리즘이 사용자를 이해하도록 하는 것이며, 이를 위해 일관된 정보 세트를 구축해야 합니다. 웹사이트의 'About' 페이지를 중심으로 외부 디지털 발자국을 연결하고, 허브-스포크-휠 모델을 구현해야 합니다. E-E-A-T/N-E-E-A-T-T는 전문성, 경험, 권위, 신뢰, 투명성을 통해 신뢰도를 높이는 것입니다. 수상, 출판, 인증, 리뷰, 자격, 업계 리더와의 관계 등 기존 신뢰도 신호를 개선하고, 웹사이트, 소셜 미디어, Crunchbase 등에서 정보를 제공하며, 뉴스 매체나 업계 협회 등 제3자 사이트에서 언급되도록 해야 합니다.

콘텐츠 전략은 멀티미디어를 활용하고, 이미지, 비디오, 오디오에 캡션, 스크립트, alt 태그를 추가하여 최적화해야 합니다. 브랜드 웹사이트뿐 아니라 제2, 3자 사이트에도 콘텐츠를 게시하고, 고객 리뷰, 비디오, 기사, 소셜 미디어 게시물 등 사용자 생성 콘텐츠를 장려해야 합니다.

미래를 위한 SEO/AEO 전략은 Google, ChatGPT, Perplexity, Bing Copilot 등 추천 엔진이 웹을 정보 소스로 활용한다는 점을 기억해야 합니다. 디지털 발자국을 관리하여 콘텐츠가 포괄적이고 관련성이 높으며 정확하고 일관되도록 보장해야 검색과 AI 모두에서 추천될 수 있습니다.

추천 태그: SEO #AI최적화 #디지털발자국

🌟 [Tip] AI 검색 시대, 콘텐츠 구조화가 중요한 이유

SEO 업계에서는 AI 검색을 위한 콘텐츠 구조화 방안으로 스키마(Schema.org), JSON-LD, 리치 결과, 지식 그래프 등 구조화된 데이터에 주목해 왔습니다. 하지만 콘텐츠 자체의 구조가 AI 검색 결과에 미치는 영향이 더욱 중요해지고 있습니다.

구조화된 데이터는 선택 사항이지만, 구조화된 글쓰기와 형식은 필수적입니다. AI 기반 검색 결과에서 콘텐츠가 노출되려면 제목, 단락, 목록, 순서, 명확성, 일관성 등 콘텐츠 구조가 중요합니다.

대규모 언어 모델(LLM)은 웹 콘텐츠를 어떻게 해석할까요? LLM은 기존 검색 엔진 크롤러와 달리 마크업, 메타데이터, 링크 구조에 의존하지 않고 콘텐츠를 토큰으로 분해하여 단어, 문장, 개념 간의 관계를 분석합니다. 페이지가 무엇에 관한 내용인지 알려주는 <meta> 태그나 JSON-LD 스니펫을 찾는 것이 아니라, 명확한 아이디어를 표현하는지, 일관성이 있는지, 질문에 직접적으로 답변하는지와 같은 의미론적 명확성을 찾습니다.

GPT-4나 Gemini와 같은 LLM은 정보가 제시되는 순서, 개념의 계층 구조(제목이 중요한 이유), 글머리 기호, 표, 굵게 표시된 요약과 같은 형식 단서, 모델이 가장 중요하다고 판단하는 데 도움이 되는 중복성과 강화 등을 분석합니다. 따라서 키워드가 풍부하고 스키마로 마크업되어 있어도 구조가 좋지 않은 콘텐츠는 AI 요약에 나타나지 않을 수 있지만, JSON-LD가 없는 명확하고 형식이 잘 갖춰진 블로그 게시물은 직접 인용되거나 바꿔 쓰여질 수 있습니다.

AI 검색은 순위보다 표현이 중요합니다. 언어 모델은 쿼리에 대한 응답을 생성할 때 여러 소스에서 문장별, 단락별로 정보를 가져옵니다. 전체 페이지를 검색하여 표시하는 것이 아니라, 이해할 수 있는 내용을 기반으로 새로운 답변을 구성합니다.

가장 확실하게 이해되는 콘텐츠는 다음과 같습니다. 각 부분이 하나의 아이디어를 표현하도록 논리적으로 구분된 콘텐츠, 어조와 용어가 일관된 콘텐츠, FAQ, 방법 단계, 정의 스타일 소개와 같이 빠른 구문 분석에 적합한 형식으로 제시된 콘텐츠, 재치가 아닌 명확성을 가지고 작성된 콘텐츠입니다.

LLM은 콘텐츠를 구문 분석할 때 명확한 제목과 부제목(LLM은 제목 구조를 사용하여 계층 구조를 이해함), 짧고 집중된 단락(LLM은 자체 포함된 생각을 선호함), 구조화된 형식(목록, 표, FAQ), 상단에 정의된 주제 범위(모델 또는 사용자가 핵심 내용에 도달하기 전에 600단어의 브랜드 스토리를 스크롤하게 만들지 마십시오), 본문의 의미론적 단서("요약하면", "가장 중요한", "1단계" 등)를 찾습니다.

2023년 Doostmohammadi 등의 연구 논문에 따르면 BM25와 같은 간단한 키워드 일치 기술이 의미론적 이해에만 집중하는 접근 방식보다 더 나은 결과를 얻는 경우가 많았습니다. 즉, 명확하고 문자 그대로의 표현이 답변을 개선했습니다.

AI 기반 검색 엔진에 의해 인용, 요약 또는 인용될 가능성을 높이려면 작가보다는 정보 설계자처럼 생각하고 그에 따라 AI 검색을 위해 콘텐츠를 구성해야 합니다. 논리적인 제목 계층 구조 사용, 단락을 짧고 자체적으로 포함, 목록, 표 및 예측 가능한 형식 사용, 주요 통찰력 우선 순위 지정, 의미론적 단서 사용, 노이즈 피하기 등의 핵심 기술을 활용해야 합니다.

구조화된 데이터는 여전히 가치가 있습니다. 검색 엔진이 콘텐츠를 이해하고, 풍부한 결과를 채우고, 유사한 주제를 구별하는 데 도움이 됩니다. 하지만 LLM은 콘텐츠를 이해하기 위해 구조화된 데이터가 필요하지 않습니다. 스키마는 도움이 되는 부스트이지만 구조와 명확성을 대체할 수는 없습니다.

결론적으로 LLM에 최적화하는 것은 새로운 도구나 해킹을 쫓는 것을 의미하지 않습니다. 명확성, 일관성, 구조와 같이 훌륭한 커뮤니케이션에 필요한 것을 강화하는 것을 의미합니다. AI 검색에서 경쟁력을 유지하려면 인간 독자를 위해 콘텐츠를 구성하는 것만큼 신중하게 AI 검색을 위해 콘텐츠를 구성해야 합니다.

추천 태그: AI 검색, 콘텐츠 구조화, LLM

☕ 커피 마시며 읽어 볼 정보들

Google, Gemini AI 모델 학습에 검색 엔진 데이터 활용. Google은 Gemini AI 모델 학습에 검색 엔진 데이터와 신호를 활용하고 있습니다. 이는 법무부 증언에서 공개된 문서들을 통해 확인되었습니다. 내부 이메일에서 한 Google 직원은 검색 신호가 권위 있는 페이지의 가중치를 높이고 스팸성 페이지의 가중치를 낮추는 데 매우 유용할 것이라고 언급했습니다. Google의 엔지니어링 담당 선임 이사인 Phiroze Parakh는 검색 데이터가 Google 검색의 AI Overviews 기능을 생성하는 모델을 사전 훈련하는 데 사용되었으며, 사용자 피드백 데이터는 검색어에 대한 응답으로 해당 기능을 트리거할지 여부를 결정하는 모델을 훈련하는 데 사용되었다고 증언했습니다. 이러한 데이터 활용은 AI 응답의 품질과 정확성을 향상시키는 데 기여할 것으로 기대됩니다. | 전체 읽기
Claude Sonnet 3.7, AI SEO 벤치마크에서 최고 성능 기록. SEO 에이전시 Previsible의 AI SEO 벤치마크 보고서에 따르면 Claude Sonnet 3.7이 Google의 Gemini, Meta의 Llama, X의 Grok과 같은 경쟁 LLM을 능가하며 최고 성능을 보이는 것으로 나타났습니다. Claude Sonnet 3.7은 83%의 점수를 획득하여 전반적으로 가장 우수한 성능을 보였지만, 이는 인간 SEO 전문가의 점수(89%)에는 미치지 못했습니다. LLM은 콘텐츠 작업에서 평균 85%, 기술 SEO에서 79%, 이커머스 SEO에서 63%의 점수를 기록했습니다. AI는 콘텐츠 생성 및 키워드 매핑과 같은 다양한 일상적인 SEO 작업을 처리하는 데 점점 더 능숙해지고 있습니다. 그러나 SEO의 진정한 가치는 전략적 계획, 기술 실행, 분야 간 협업 및 창의적인 문제 해결과 같은 인간 전문 지식에서 비롯됩니다. LLM에 지나치게 의존하면 브랜드가 비용이 많이 드는 SEO 실수와 검색 가시성에 노출될 수 있습니다. 흥미로운 점은 프롬프트에 "당신은 SEO 전문가입니다"와 같은 페르소나를 추가하면 성능이 평균 2.8% 향상된다는 것입니다. LLM이 웹 검색을 사용하도록 허용하면 평균적으로 3.2% 더 나쁜 성능을 보였고, 심층 연구는 평균적으로 5.7% 더 나쁜 성능을 보였습니다. | 전체 읽기
Google AI Overviews: B2B 사이트 영향 및 최적화 전략. 검색 엔진 마케팅 업계에서 Google의 AI Overviews에 대한 논의가 활발합니다. B2B 사이트의 경우, 정보성 키워드를 타겟팅한다면 AI Overviews가 유기적 트래픽에 상당한 영향을 미칠 수 있습니다. 반면, 지역 검색이나 이커머스에 집중하는 비즈니스는 아직 큰 영향을 느끼지 못할 수도 있습니다. AI Overviews는 데스크톱 화면의 42%, 모바일 화면의 48%를 차지하며, 유기적 검색의 47%에서 나타납니다. 또한, AI Overviews에 포함된 콘텐츠의 75%는 일반 검색 결과에서도 상위 12위 안에 랭크됩니다. 따라서 정보성 검색어의 약 60%, 상업적 검색어의 약 20%에서 AI Overviews가 나타나는 것을 고려할 때, AI Overviews가 검색 결과에 미치는 영향은 상당하다고 볼 수 있습니다. AI Overviews에 최적화하기 위해 특별한 노력을 기울이기보다는 기존의 SEO 모범 사례를 따르는 것이 좋습니다. 핵심 페이지에 대한 링크 구축, 명확하고 간결한 답변 제공, 클릭 가능한 제목 태그 생성, 훌륭한 사용자 경험 제공, 브랜드 구축 등이 AI Overviews와 일반 검색 결과 모두에서 높은 순위를 얻는 데 도움이 됩니다. | 전체 읽기