ChatGPT 검색, 환각 줄이고 쇼핑 의도 파악 개선 [GEO 브리핑]

이성규

2025년 9월 18일

[Top 1] ChatGPT 검색, 환각 줄이고 쇼핑 의도 파악 개선

OpenAI, 정확성·신뢰성·유용성 높인 검색 기능 업데이트 발표

OpenAI는 오늘 ChatGPT 검색 기능의 대대적인 업그레이드를 발표하며, 더욱 정확하고 신뢰할 수 있으며 유용한 검색 결과를 제공하겠다고 밝혔습니다. 이번 업데이트는 크게 세 가지 영역에 초점을 맞추었습니다.

첫째, 사실성 측면에서 ChatGPT 검색은 환각 현상(hallucinations)을 현저히 줄여 답변의 정확성을 높였다고 OpenAI는 설명했습니다. 이는 AI가 사실이 아닌 정보를 생성하는 오류를 최소화하여 사용자가 더욱 신뢰할 수 있는 정보를 얻도록 돕는다는 의미입니다.

둘째, 쇼핑 관련 검색 기능이 대폭 개선되었습니다. 사용자가 제품 추천을 원하는 의도를 더욱 정확하게 파악하여, 관련성 높은 결과만을 집중적으로 제공하게 됩니다. 이를 통해 사용자는 불필요한 정보 탐색 시간을 줄이고 원하는 상품 정보를 효율적으로 얻을 수 있을 것으로 기대됩니다.

셋째, 답변 형식의 개선도 이루어졌습니다. 이제 ChatGPT 검색 결과는 더욱 깔끔하고 이해하기 쉬운 형태로 제공됩니다. 세부적인 정보를 희생하지 않으면서도 가독성을 높여 사용자의 정보 습득 편의성을 증대시켰습니다.

이번 ChatGPT 검색 기능의 강화는 기존의 구글과 같은 전통적인 검색 엔진에 대한 대안으로서의 입지를 더욱 공고히 할 것으로 보입니다. 인공지능 기반 검색 도구의 채택이 증가하는 추세 속에서, OpenAI의 이번 업데이트는 사용자 경험을 한 단계 끌어올릴 것으로 평가됩니다. 다만, AI 검색 시장이 빠르게 성장하고 있음에도 불구하고, 현재 전체 추천 트래픽에서 차지하는 비중은 1% 미만에 머물러 있다는 점은 주목할 만합니다.

추천 태그 : ChatGPT, OpenAI, AI 검색
출처 : Improvements to search in ChatGPT

[Top 2] AI 시대, 키워드는 죽었다? 검색 광고의 대변혁

키워드 중심에서 맥락 중심으로, 광고 전략의 근본적 재설계 필요성 대두

온라인 광고의 역사에서 가장 큰 변화가 현재 진행형으로 펼쳐지고 있습니다. 과거에는 검색어 최적화에 집중했던 키워드 중심의 광고 방식이 대규모 언어 모델(LLM)의 등장으로 인해 그 의미를 잃어가고 있습니다. 사용자들은 더 이상 간결한 키워드 대신, 수백 단어에 달하는 상세한 질문과 맥락을 포함한 프롬프트를 통해 정보를 탐색하고 있습니다.

구글의 내부 문서에 따르면, AI 모드 초기 테스터들은 기존 검색보다 2~3배 긴 질문을 사용하고 있으며, 이미지, 스케치, 영상 등 다양한 멀티모달 검색 방식도 증가하는 추세입니다. 이는 사용자들이 단순히 관련 정보를 나열하는 것을 넘어, 개인화된 추천과 요약을 통해 의사결정을 돕는 AI의 안내를 기대하게 되었음을 시사합니다. 이러한 사용자 행동 변화는 구글과 같은 주요 광고 플랫폼의 수익 구조에도 근본적인 영향을 미치고 있습니다.

Q2 실적 발표에서 드러난 생성형 AI(GenAI) 관련 투자 규모는 이러한 변화의 속도를 가늠하게 합니다. 마이크로소프트는 300억 달러, 알파벳은 850억 달러에 달하는 막대한 자본 지출 계획을 발표했습니다. 이는 AI 기술 발전에 따른 인프라 구축 비용 증가를 반영하는 것으로, 향후 광고 수익 모델의 변화를 예고합니다.

구글은 AI 오버뷰가 월 20억 명, AI 모드가 월 1억 명의 사용자에게 도달하고 있다고 밝혔습니다. 또한, 지난 1년간 90개 이상의 퍼포먼스 맥스(Performance Max) 개선을 통해 전환율 및 가치가 10% 이상 증가했으며, AI 맥스(AI Max)를 활용한 검색 캠페인은 전환율 또는 가치 면에서 기존 방식 대비 27%의 향상을 보였다고 보고했습니다. 마이크로소프트 애즈 역시 2025년 2분기 AI 관련 광고 수익으로 130억 달러를 기록했으며, 코파일럿(Copilot) 기반 광고는 기존 형식 대비 2.3배의 전환율을 달성했습니다.

이러한 변화 속에서 광고주들은 새로운 전략 수립이 시급합니다. 과거의 키워드 중심 사고방식에서 벗어나, AI가 생성하는 맥락과 의도를 예측하고 선제적으로 대응해야 합니다. 구글의 퍼포먼스 맥스와 같이 피드, 크리에이티브, 잠재고객 데이터를 기반으로 하는 키워드 없는 광고 방식이나, 다이나믹 검색 광고(DSA), 자동 생성 소재, 광범위 키워드 등을 결합한 AI 맥스가 대안으로 떠오르고 있습니다.

단순히 검색어 보고서를 검토하고 부정 키워드를 추가하는 방식은 단기적인 해결책에 불과합니다. AI가 기억력과 맥락 이해 능력을 갖추면서, 명시적으로 표현되지 않은 시나리오와 사용자 의도에 기반한 광고 노출이 가능해질 것입니다. 미래에는 AI에게 브랜드에 유리한 정보를 제공하여 의사결정 과정 초기에 개입하는 것이 중요해질 것입니다.

AI 시대의 프롬프트는 단순한 질문을 넘어, 과거 세션, 이미지, 개인 선호도 등 풍부한 맥락을 포함하는 다층적인 대화입니다. 이러한 미묘한 뉘앙스를 과거의 키워드 목록만으로는 포착하기 어렵습니다. Tinuiti의 Q2 벤치마크 보고서에 따르면, 퍼포먼스 맥스는 쇼핑 광고 지출의 59%를 차지하며 18% 높은 클릭률을 기록했습니다. 이는 플랫폼이 타겟팅을 주도하고 있음을 명확히 보여줍니다.

AI 모드 논의에서 중요한 시사점 중 하나는 '제로 클릭' 여정의 위험성입니다. AI 어시스턴트가 대화 내에서 사용자의 요구를 충족시키면, 브랜드는 웹사이트 방문 없이도 정보를 제공받을 수 있습니다. Adobe Analytics에 따르면, AI 기반 추천 트래픽은 미국 소매 사이트로의 유입이 1,200% 증가했으며, 이는 60일마다 두 배씩 증가하는 추세입니다. 이러한 사용자들은 더 많은 페이지를 방문하고, 이탈률은 낮으며, 더 많은 시간을 탐색에 할애합니다. 특히 53%의 사용자는 앞으로 쇼핑을 위해 AI 도구에 의존할 계획이라고 밝혀, 사용자 여정의 시작점이 변화하고 있음을 보여줍니다.

이러한 환경에서 성공하기 위해서는 '신호(Signals) 대 키워드(Keywords)' 접근 방식이 중요합니다. 고객 관계 관리(CRM) 데이터를 활용한 잠재고객 목록 구축, 1st 파티 데이터의 활용, 풍부한 속성을 갖춘 제품 피드 최적화, 웹사이트 데이터 강화 등이 필요합니다. 또한, '크리에이티브를 통한 타겟팅' 전략으로, AI가 다양한 잠재고객에게 맞춰 동적으로 조합할 수 있는 모듈식 광고 소재를 구축해야 합니다.

클릭을 넘어선 측정 또한 중요합니다. AI 맥스와 퍼포먼스 맥스의 새로운 지표를 자주 평가하고, 피드 노출 점유율을 추적하며, AI 기반 추천에 제품이 얼마나 자주 노출되는지 모니터링해야 합니다. 궁극적으로 사용자가 작업을 얼마나 잘 완료하는지에 초점을 맞춰야 합니다.

미래는 쿼리에 입찰하는 것이 아니라, AI에게 최상의 '원재료'를 공급하여 결정 순간에 추천을 확보하는 것입니다. 이러한 사고방식 전환이 AI 우선 시대의 진정한 경쟁 우위가 될 것입니다.

결론적으로, 키워드는 사라지지 않겠지만 그 역할은 빠르게 축소될 것입니다. AI 주도, 맥락 중심의 검색 환경에서 성공하는 브랜드는 사용자가 무엇을 입력하는지에 대한 집착에서 벗어나, AI가 무엇을 추천하는지를 형성하는 데 집중할 것입니다. 이 순간을 장악하는 브랜드는 단순히 발견되는 것을 넘어, 선택받게 될 것입니다.

추천 태그 : #구글AI #검색광고 #마케팅전략

SEO를 위한 사용자 페르소나 구축 전략

AI 검색 시대, 데이터 기반 페르소나로 클릭과 전환을 확보하라

AI 기반 검색 엔진의 등장으로 사용자 페르소나 구축은 더 이상 선택이 아닌 필수가 되었습니다. 과거에는 키워드와 의도만 일치시키면 되던 검색 최적화 방식에서 벗어나, 이제는 사용자의 정체성, 제약 조건, 신뢰 요구사항까지 고려해야 합니다. 이러한 변화는 사용자의 질문 의도뿐만 아니라, 누가 질문하는지, 어떤 맥락에서 질문하는지를 파악하는 것이 중요해졌음을 시사합니다.

기존의 사용자 페르소나는 주로 브랜딩이나 광고, UX 결정에 활용되었으나, 유기적 검색 가시성이나 성장에 직접적인 영향을 미친다고 여겨지지 않았습니다. 그러나 AI 검색 시대에는 사용자의 긴 프롬프트가 단순한 의도를 넘어, 사용자의 역할, 배경 지식, 제약 조건 등을 드러냅니다. 따라서 페이지가 사용자의 페르소나와 일치하지 않고 빠르게 연결되지 못하면 클릭이나 전환을 확보하기 어렵습니다.

이러한 변화 속에서 기업들은 기존의 정적이고 일반적인 페르소나 자료에서 벗어나, 실제 행동 패턴을 기반으로 한 실용적이고 LLM(거대 언어 모델)에 최적화된 사용자 페르소나를 구축해야 합니다. 이는 단순히 데이터를 수집하는 것을 넘어, 반복 가능한 프로세스를 통해 콘텐츠 브리프 및 SEO 워크플로우에 직접적으로 통합하는 것을 목표로 합니다.

기존 페르소나의 한계점:

인구 통계학적 정보의 한계: 과거 페르소나는 인구 통계학적 정보에 과도하게 집중하여 피상적인 통찰만을 제공했습니다. 이는 경쟁사 대비 차별화하거나 사용자의 전체적인 그림을 이해하는 데 부족했습니다.
정적 문서의 빠른 노후화: 한 번 생성되고 재분석 또는 업데이트되지 않은 페르소나는 쉽게 잊히거나 활용되지 못합니다. 실행 주체가 없어 피드백 루프가 부재하면 효과를 파악하고 개선하기 어렵습니다.
실행 가능한 인사이트 부재: 잘 디자인된 페르소나 결과물이라도 브리프, 출처, 신뢰 신호 등과 연결되지 않으면 생산 과정에서 분리되어 활용되지 못합니다.

AI 검색 시대의 새로운 접근 방식:

AI 검색은 사용자의 '정체성'과 '신뢰'를 최적화하는 방향으로 변화하고 있습니다. 사용자는 AI 개요를 통해 정보를 얻고, 거래나 중요한 의사 결정 시에는 신뢰할 수 있는 브랜드나 권위 있는 도메인을 통해 검증합니다. 따라서 검색 최적화는 단순히 검색 의도나 인구 통계학적 정보를 넘어, 사용자의 행동 패턴까지 고려해야 합니다.

실용적인 사용자 페르소나 구축 단계:

데이터 수집 및 클러스터링: 기존 데이터 소스(GSC 쿼리, 온사이트 검색 로그, 지원 티켓, CRM 기록, 영업 통화 기록, 고객 성공 노트, 레딧, 커뮤니티 등)를 활용하여 사용자의 고충점, 작업, 반대 의견, 반복적인 질문 등을 수집하고 패턴을 분석합니다. 특히 AI 개요(AIO) 검증 스타일 데이터를 통합하여 망설임 유발 요인, 클릭 아웃 앵커, 증거 임계값 등을 파악합니다.
페르소나 프롬프트 카드 초안 작성: 수집된 데이터를 바탕으로 각 사용자 세그먼트를 한 페이지로 요약한 '페르소나 프롬프트 카드'를 작성합니다. 이 카드는 사용자의 목표, 맥락, 질문 스타일, 선호하는 답변 형식, 피해야 할 내용, 선호하는 출처 등을 포함하여 LLM 프롬프트에 직접 삽입할 수 있도록 구성합니다.
ChatGPT 등 LLM을 활용한 보정: 작성된 페르소나 프롬프트 카드를 사용하여 LLM과의 상호작용을 통해 유용한 답변을 생성하는지 검증하고, 각 페르소나가 필요로 하는 증거 유형을 파악합니다. 이를 통해 프롬프트 카드 수정 및 개선 작업을 진행합니다.
실제 신호로 검증: 페르소나 기반으로 제작된 콘텐츠를 발행한 후, 브랜드 검색 트렌드, 지원 전환율, 비구글 추천 트래픽 등을 측정하여 예상대로 영향력이 나타나는지 확인합니다. 30/60/90일 후 성과를 검토하고, 필요에 따라 콘텐츠를 개선합니다.

이러한 과정을 통해 기업은 적은 비용으로도 실질적인 데이터를 기반으로 한 사용자 페르소나를 구축하고, 이를 SEO 전략에 효과적으로 적용하여 AI 검색 시대의 경쟁 우위를 확보할 수 있습니다.

추천 태그 : 사용자 페르소나, SEO 전략, AI 검색

사용자들은 ChatGPT 어떻게 사용하고 있을까. OpenAI와 하버드 경제학자 데이비드 데밍이 발표한 최신 연구에 따르면, ChatGPT의 사용자층이 초기 그룹을 넘어 성별 격차를 줄이며 확대되고 있습니다. 특히 저소득 국가에서의 채택률이 가파르게 증가하며 AI 접근성의 보편화를 보여줍니다. 사용자들은 주로 정보 탐색, 실용적인 조언 구하기, 글쓰기 등 일상적인 업무에 ChatGPT를 활용하고 있으며, 이는 AI가 단순한 도구를 넘어 조언자로서의 가치를 인정받고 있음을 시사합니다. 또한, 업무 관련 사용뿐만 아니라 개인적인 용도로도 활용도가 높아지면서 경제적 가치 창출에 기여하고 있습니다. 이 연구는 150만 건의 대화 데이터를 분석하여 ChatGPT의 사용 패턴과 경제적 영향력을 파악했으며, 특히 지식 집약적인 직무에서 의사 결정 지원 및 생산성 향상에 기여하는 것으로 나타났습니다. 이러한 결과는 AI가 개인의 잠재력을 발휘하고 미래를 형성하는 데 중요한 역할을 할 수 있음을 강조합니다. | 전체 읽기
Google, 검색 품질 평가 가이드라인 소폭 업데이트: YMYL 정의 명확화 및 AI 개요 예시 추가. Google이 검색 품질 평가 가이드라인 PDF 문서를 소폭 업데이트했습니다. 이번 업데이트는 주로 YMYL(Your Money Your Life) 정의를 명확히 하고, AI 개요와 같은 새로운 기능에 대한 추가 예시를 포함하는 데 중점을 두었습니다. 또한, 문서 내 일부 오타 및 텍스트 오류를 수정했습니다. Google은 이번 업데이트가 검색 품질 평가자들에게 제공되는 전반적인 지침에는 변화가 없다고 밝혔습니다. 검색 품질 평가자들은 Google이 고용한 외부 컨설턴트에 의해 고용되어 Google 검색 결과의 품질을 평가하는 역할을 합니다. 이들의 평가는 검색 결과에 직접적인 영향을 미치지 않으며, 특정 사이트의 순위를 직접적으로 조정할 수 없습니다. 하지만 이러한 평가 결과는 Google 알고리즘 개선에 중요한 피드백을 제공하므로, 업데이트된 가이드라인의 변경 사항을 검토하는 것은 Google의 검색 결과 선호도에 대한 의도를 파악하는 데 도움이 될 수 있습니다. | 전체 읽기