구글 FAQ 스키마 제한, GEO 전략 전면 수정[GEO 브리핑]

오웰AI

2025년 11월 4일

1. 광고 시장, AI 생성 답변 등장으로 클릭률 하락 전망

구글 AI 개요, 검색 환경 재편 가속화

구글의 AI 개요(AI Overviews) 기능이 기존 검색 환경에 지각변동을 일으키고 있습니다. AI 생성 답변이 더 많은 검색어와 산업 분야에 걸쳐 노출되면서 광고주들은 급변하는 시장 환경에 직면했습니다. 초기 데이터에 따르면, AI 개요가 검색 결과 페이지(SERP)에서 차지하는 공간이 늘어남에 따라 유료 검색 광고의 클릭률이 8~12%포인트(상대적으로 20~40% 하락) 감소할 수 있다는 분석이 나왔습니다.

애드테나(Adthena)의 데이터 과학팀은 구글 AI 개요의 실제 영향력을 파악하기 위해 지난 4월부터 5월, 그리고 8월부터 9월까지 두 차례에 걸쳐 5개 주요 산업(소매, 여행, 금융, 헬스케어, 자동차)의 2,100만 개 이상의 검색 인덱스를 분석했습니다. 이번 분석은 △산업 및 검색 유형별 AI 개요 노출 빈도 △AI 개요를 유발하는 검색어 유형 △산업 및 검색어 길이에 따른 AI 개요 가시성 변화 추이 △AI 개요의 정의와 중요성 등을 규명하는 데 초점을 맞췄습니다.

AI 개요는 구글이 검색어에 대해 생성하는 답변으로, 검색 결과 페이지 상단에 주로 위치하며 AI 생성 콘텐츠와 웹 출처를 결합하여 요약된 정보를 제공합니다. 이는 단일 출처에서 정보를 가져오는 ‘특징적 요약(Featured Snippets)’이나 구조화된 데이터 및 지식 그래프에 기반하는 ‘지식 패널(Knowledge Panel)’과는 차별화됩니다. AI 개요는 여러 출처를 종합하여 정보를 제공한다는 점에서 더욱 강력한 영향력을 지닙니다.

AI 개요의 이러한 위치는 광고 및 오가닉 검색 결과를 페이지 하단으로 밀어내면서 브랜드 가시성 확보 방안에 대한 광고주들의 재고를 요구하고 있습니다.

특히 주목할 점은 AI 개요가 검색 퍼널의 하단까지 침투하고 있다는 것입니다. 초기 연구에서는 주로 길고 정보 탐색 중심의 검색어에서 AI 개요가 나타났으나, 최근에는 짧고 검색량이 많은 키워드, 즉 유료 광고 전환을 유도하는 검색어에서도 AI 개요가 등장하는 패턴이 관찰되었습니다. 이는 AI 개요가 더 이상 정보 탐색 단계에만 국한되지 않고, 광고비 지출과 투자수익률(ROI)이 집중되는 상업적 검색어 영역까지 확장되고 있음을 시사합니다. 이러한 퍼널 압축 현상은 AI 개요가 기존 유료 검색 광고와 동일한 공간을 차지하며 가시성 확보 방식에 변화를 가져오고 있음을 의미합니다.

산업별 심층 분석 결과, 검색어 길이가 길수록 AI 개요가 노출될 확률이 높다는 기존의 경향은 모든 산업에서 일관되게 나타났습니다. 그러나 이번 분석에서는 그 영향력의 규모와 강도가 더욱 커졌습니다. 특히 금융 및 소매 산업에서 짧고 검색량이 많은 검색어에 대한 AI 개요 노출이 의미 있게 증가했습니다.

산업별 파괴력의 정도는 다양하게 나타났습니다. 헬스케어와 금융 산업은 검색 환경의 급격한 재편을 경험하고 있는 반면, 일부 부문에서는 점진적인 변화가 관찰되었습니다. 금융 산업의 경우, 단일 단어 검색어에서의 AI 개요 가시성이 11%에서 긴 검색어에서는 약 79%까지 상승했으며, 소매 산업은 9~10단어 검색어에서 84%에 달해 비교 및 상품 탐색 관련 검색어에서 생성형 결과가 지배적인 양상을 보였습니다. 헬스케어 분야는 짧은 의료 관련 검색어에서도 AI 개요가 빈번하게 노출되어 생성형 결과에 대한 높은 포화도를 나타냈습니다. 자동차 및 여행 산업은 상대적으로 완만한 성장세를 보였으나, 긴 검색어에서의 AI 개요 출현 빈도가 증가하는 추세를 보였습니다.

지난 4개월간 AI 개요의 가시성은 모든 산업 분야에서 성장했으며, 정보 탐색 및 상업적 검색 결과 페이지 모두를 재편하고 있습니다. 가장 빠른 성장세를 보이는 분야는 사용자들이 정보를 조사하고, 비교하며, 계획을 세우는 영역으로, 이는 전통적으로 유료 광고가 가장 효과적으로 성과를 내던 공간입니다.

"AI 개요가 금융·헬스케어를 혁신하는 법"

애드테나의 분석에 따르면, 금융 분야에서는 집계 서비스와 주요 은행들이 AI 개요 노출 증가를 주도하고 있으며, 헬스케어 분야에서는 상위 단계의 의료 정보 검색에서 특정 브랜드들이 주목받고 있습니다. 여행 분야에서는 예약 및 계획 관련 검색에서 AI 개요가 등장하면서 관련 광고의 영향력이 변화하고 있습니다. 소매 및 자동차 산업에서는 상품 및 차량 연구 관련 검색어로 점진적인 확장이 이루어지고 있습니다.

AI 개요에서 가장 큰 가시성 증가를 보이는 브랜드들은 종종 교육적이거나 비교 중심의 광범위하고 정보 집약적인 콘텐츠를 제공하는 곳들입니다. 이러한 페이지들이 구글의 생성형 결과에 활용되면서 순수 유료 광고 노출에서 가시성이 이동하고 있습니다.

시간이 지남에 따라 AI 개요의 가시성은 모든 검색어 길이에서 변화를 보였습니다. 금융 분야는 상업적 의도와 기존 PPC 및 비교 공간과의 중첩을 반영하며 모든 검색어 길이에서 균형 잡힌 성장을 보였습니다. 헬스케어 분야는 민감한 주제에 대한 AI 노출을 제한하고 단순하고 안전한 검색에 집중하는 경향을 보이면서 긴 검색어에서는 오히려 가시성이 감소했습니다. 소매 분야는 여전히 긴 검색어에서 AI 개요의 이득이 두드러졌으며, 여행 분야는 중간 길이의 계획 관련 검색에서 꾸준한 성장을 보였습니다. 자동차 분야는 짧고 중간 길이의 검색어에서는 완만한 성장을 보였으나, 특정 비교 검색에서는 AI 개요 처리의 변동성을 드러내며 긴 검색어에서 상당한 하락을 기록했습니다.

이러한 변화 속에서 애드테나의 AI 개요 대시보드는 광고주들이 AI 개요의 노출 위치와 방식, 성과에 미치는 영향을 측정하고, 혼란 속에서 앞서 나갈 기회를 발견할 수 있도록 지원합니다. 이 대시보드는 AI 개요 출현을 유도하는 의도 패턴을 파악하고 복잡한 데이터를 실행 가능한 전략으로 전환합니다. 광고주는 경쟁 환경에 대한 맞춤형 분석을 통해 경쟁사의 입찰 전략에 AI 개요가 미치는 영향을 파악할 수 있습니다.

AI 개요가 아직 침투하지 않은 영역에서는 광고주들이 SERP 공간 확보에 더욱 집중할 수 있습니다. AI 개요가 두드러지는 영역에서는 더 공격적인 입찰을 통해 가시성을 확보하고 도달 범위를 확장하며 광고 문구 전략을 조정할 수 있습니다. AI 개요는 브랜드가 유료 및 오가닉 검색에서 경쟁하는 방식을 재정의하고 있으며, 이에 대한 신속한 적응이 성공의 필수 요소가 되고 있습니다.

추천 태그 : 구글 AI, 검색 광고, AI 개요

2.구글 FAQ 스키마 제한, GEO 전략 전면 수정

AI 시대, FAQ 콘텐츠의 변화와 검색 노출 전략 재정립 필요성 대두

구글이 지난해 8월 FAQ 스키마(Schema) 적용 범위를 정부 및 보건 관련 웹사이트로 제한하면서, 과거 SEO(검색 엔진 최적화)의 유용한 도구로 여겨졌던 FAQ 스키마의 활용 방식에 근본적인 변화가 요구되고 있습니다. 이번 조치는 마케터들이 검색 결과 페이지(SERP)의 노출 영역을 넓히기 위해 FAQ 스키마를 활용했던 기존 전략의 효용성을 크게 감소시켰습니다.

구글은 FAQPage 마크업이 광고나 홍보 목적으로 사용되어서는 안 되며, 오직 사용자의 질문에 답하기 위해 생성된 실제 FAQ 페이지에만 적용되어야 한다고 명확히 했습니다. 이는 과거 많은 SEO 전문가들이 모범 사례로 여겨 FAQ 스키마를 마케팅 페이지에 적용했던 관행을 재고해야 할 시점임을 시사합니다.

AI 기반 검색 환경의 도래는 FAQ 콘텐츠의 중요성을 재조명하고 있습니다. 대규모 언어 모델(LLM)은 명확하고 구조화된 정보를 기반으로 답변을 생성하기 때문에, 사용자의 질문에 대한 직접적이고 사실적인 답변을 제공하지 못하는 웹사이트는 AI 검색 결과에서 간과될 위험이 있습니다. 따라서 FAQ 콘텐츠의 적절한 배치와 구조화는 사람과 기계 모두를 만족시키는 핵심 과제가 되었습니다.

마케팅 목적의 FAQ 콘텐츠는 스키마 적용보다는 페이지 내에 직접 포함시키는 것이 권장됩니다. 제품, 서비스, 카테고리 페이지에 Q&A 콘텐츠를 추가하여 구매자의 의문점을 해소하고, 기능 설명을 강화하며, 예상치 못한 시나리오에 대비할 수 있습니다. 단, 페이지의 주된 목적이 질문에 답하는 것이 아닌 이상 FAQPage 스키마를 적용하지 않아야 구글의 규정을 준수하면서도 LLM이 콘텐츠를 이해하고 활용할 수 있도록 합니다.

단일 주제나 고의도 테마를 중심으로 구축된 전용 FAQ 페이지는 FAQPage 스키마를 활용하기에 적합합니다. 이러한 페이지는 질문과 답변을 전체 텍스트로 제공하여 LLM이 질문과 권위 있는 답변을 연결하고 AI 기반 검색 결과에서 인용될 가능성을 높입니다. 답변 작성 시에는 간결하고 사실적이며 자연스러운 언어를 사용해야 하며, 홍보성 문구나 과장된 표현은 피해야 합니다. AI 모델은 진정한 전문성을 반영하는 콘텐츠에 가장 잘 반응하며, 이는 관련 개체, 사실, 관계를 풍부하게 포함하여 주제별 권위를 강화하는 방식으로 나타납니다.

구글은 FAQ 마크업을 광고 목적으로 사용하는 것을 명시적으로 금지하고 있으며, 스키마 적용 여부와 관계없이 답변을 판매 제안으로 전환하는 것을 지양해야 합니다. 사용자 가치를 최우선으로 고려하고, 내부 링크나 클릭 유도 문구를 통해 자연스럽게 전환을 유도하는 것이 바람직합니다. 또한, FAQPage 마크업은 단 하나의 명확하고 사용자 생성이 아닌 답변이 존재할 경우에만 적용해야 합니다. 여러 관점이 유효한 경우에는 QAPage 또는 부제목이 있는 긴 형식의 기사를 사용하는 것이 좋습니다.

마크업 적용 여부와 관계없이, FAQ 콘텐츠는 검색 결과와 AI 검색 결과 모두에서 성능을 모니터링하는 것이 중요합니다. 구글의 Rich Results Test를 통해 마크업을 검증하고, Search Console에서 가시성을 추적하며, Gemini, Bing Copilot, ChatGPT와 같은 AI 검색 도구에서 FAQ가 어떻게 나타나는지 주시해야 합니다. FAQ 스키마가 더 이상 리치 스니펫을 직접적으로 유도하지 않더라도, 잘 구조화된 Q&A 콘텐츠는 AI 시스템이 사용자의 질문에 대한 브랜드의 답변을 검색하는 데 핵심적인 역할을 합니다.

추천 태그 : FAQ 스키마, SEO 전략, AI 검색

3. AI 기반 브라우저, 검색 및 구매 여정을 재정의하다

에이전트형 브라우저의 부상과 마케팅의 미래

대규모 언어 모델(LLM)의 영향력이 생산성 도구, CRM, ERP를 넘어 브라우저 자체까지 확장되고 있습니다. 브라우저가 사고하고 행동하는 방식의 변화는 사용자의 정보 탐색, 의사 결정, 구매 과정에 근본적인 영향을 미칩니다.

마이크로소프트는 이러한 변화의 속도를 보여줍니다. 마이크로소프트 365 코파일럿은 이미 포춘 500대 기업의 약 70%가 사용하고 있으며, 이는 대기업 시장에서의 강력한 배포력을 시사합니다. 구글 역시 검색, 워크스페이스, 클라우드 전반에 걸쳐 제미나이(Gemini)를 적극적으로 통합하고 있습니다. 제미나이는 검색의 AI 모드와 AI 개요에 탑재되어 있으며, 워크스페이스에서는 월 수십억 건의 AI 지원을 제공한다고 알려졌습니다. 또한, 교육 분야에서는 1,000만 명 이상의 미국 대학생이 제미나이 포 에듀케이션을 이용하고 있습니다.

세일즈포스와 SAP 같은 기업들도 핵심 엔터프라이즈 흐름에 AI 에이전트를 도입하고 있습니다. 세일즈포스는 에이전트포스(Agentforce)와 에이전틱 엔터프라이즈(Agentic Enterprise)를 발표했으며, SAP는 주울(Joule)을 AI 코파일럿으로 내세우며 협업 AI 에이전트를 비즈니스 프로세스에 통합하고 있습니다.

이러한 배경 속에서 브라우저가 다음 혁신의 중심이 되는 것은 당연한 수순입니다.

에이전트형 브라우저의 등장

전통적인 브라우저는 웹페이지와 링크를 보여주는 데 그쳤지만, 에이전트형 브라우저는 페이지를 해석하고, 맥락을 유지하며, 사용자를 대신해 행동할 수 있습니다. 페이지를 읽고, 정보를 요약하며, 양식을 채우고, 작업을 완료하는 등 사용자가 원하는 결과를 달성하도록 지원합니다.

퍼플렉시티(Perplexity)의 코멧(Comet)은 AI 우선 브라우저로서 사용자를 대신해 작동합니다. 로이터 통신은 코멧의 출시와 크롬의 지배력에 도전하려는 시도를 보도했으며, 더 버지(The Verge)는 코멧이 무료로 제공된다고 전했습니다.

하지만 에이전트형 브라우저의 보안 문제는 이미 중요한 이슈로 부상했습니다. 브레이브(Brave)의 연구는 코멧에서의 간접 프롬프트 주입 문제를 지적했으며, 무역 언론은 에이전트 주도 흐름이 조작될 위험을 강조했습니다. 최근 OpenAI는 챗GPT(ChatGPT)를 핵심으로 하고 작업 실행을 위한 에이전트 모드를 갖춘 브라우저, 챗GPT 아틀라스(ChatGPT Atlas)를 출시했습니다.

마케팅에 미치는 영향

에이전트형 브라우저의 등장은 마케팅 방식에 큰 변화를 가져올 것입니다. 사용자는 브라우저 내에서 더 많은 작업을 완료하게 되므로, 정보 탐색 및 의사 결정 단계가 압축됩니다. 이는 콘텐츠가 선택되고 요약되며 실행되는 방식에 대한 기준을 높입니다. 마케팅 기술 분석은 브라우저가 에이전트 및 대화형 계층을 전면에 내세울 때 검색 및 탐색 경험이 재정의될 것이라고 분석합니다.

이러한 변화는 크게 네 가지 측면에서 예상됩니다.

검색 및 탐색: 에이전트형 흐름은 목록 기반 검색을 줄입니다. 에이전트가 정보 출처를 결정하고, 요약하며, 결과를 처리합니다. 마케터의 목표는 검색 순위 확보에서 사용자의 선호도와 제약 조건에 최적화된 에이전트에게 선택받는 것으로 전환될 것입니다. 이는 순수 클릭률을 낮추는 대신, 명확하고 작업 중심적인 답변에 대한 '정본(canonical) 소스'로서의 가치를 높일 수 있습니다.
콘텐츠 및 경험: 콘텐츠는 에이전트 친화적이어야 합니다. 명확한 구조, 강력한 제목, 정확한 메타데이터, 간결한 요약, 명시적인 단계가 중요합니다. 인간 독자와 파싱, 검증, 실행이 가능한 에이전트라는 두 가지 대상을 염두에 두고 작성해야 합니다. 또한, 체크리스트나 '방법' 안내와 같이 에이전트가 안전하게 실행할 수 있는 짧은 형식의 답변이 필요합니다. 긴 버전의 콘텐츠가 있다면, 에이전트 친화적인 짧은 버전도 함께 제공해야 합니다.
CRM 및 퍼스트파티 데이터: 에이전트가 사용자 여정의 상당 부분을 중개할 수 있습니다. 동의를 얻기 위한 조기 가치 교환이 필요하며, 에이전트가 맥락을 전달하고 세션을 시작하며 다음 행동을 트리거할 수 있도록 깨끗한 API와 구조화된 데이터가 요구됩니다. 일부 행동이 웹페이지에 도달하지 않는 경우, 이벤트 모델링 방식도 수정해야 합니다.
기여도 및 측정: 에이전트가 브라우저에서 장바구니를 채우거나 양식을 완료하면 전통적인 클릭 경로를 추적하기 어렵습니다. 에이전트 중개 이벤트 정의, 브라우저 에이전트와 브랜드 시스템 간의 핸드오프 추적, 에이전트 노출 및 행동에 대한 기여도를 반영하도록 모델 업데이트가 필요합니다. 이는 마케터들이 이미 어시스턴트 및 챗 인터페이스를 통해 학습한 교훈과 유사합니다.

지금 해야 할 일

콘텐츠부터 시작: 상위 10개 탐색 및 고려 자산을 감사하고 구조를 강화하며, 에이전트가 안전하게 활용할 수 있는 짧은 요약과 작업 스니펫을 추가합니다. 스키마 마크업을 적용하고 날짜와 사실을 명확히 명시하여 기계가 파싱하고 사람이 신뢰할 수 있는 명확성을 확보해야 합니다.
머신 신호 개선: schema.org를 활용하고, 피드, 사이트맵, 오픈 그래프, 제품 데이터가 완전하고 최신 상태인지 확인합니다. 재고, 가격, 예약 가능 여부 등을 노출하는 API가 있다면 명확하게 문서화하고 개발자 접근을 용이하게 해야 합니다.
에이전트 우선 여정 매핑: 브라우저가 보조 역할을 할 때의 카테고리 작동 방식을 단순하게 구상하고, 에이전트가 사용자의 작업을 마찰 없이 완료하도록 지원할 수 있는 지점을 결정해야 합니다. 이는 SEO뿐만 아니라 에이전트에 의해 호출될 수 있는 능력을 확보하는 것입니다.
지표 재고: 브랜드에 대한 에이전트 노출 및 전환을 정의하고, 에이전트가 세션을 시작하는 흐름을 태그하며, 에이전트 환경에서 발생하는 보조 전환에 대한 목표를 설정합니다. 이를 별도의 채널로 간주하고 계획해야 합니다.
소규모 테스트 실행: 에이전트 선택 및 요약 가능성에 대해 한두 페이지를 최적화하고 흐름을 계측합니다. 에이전트 브라우저와의 통합 또는 파일럿 프로그램이 있다면 참여하여 빠르게 학습해야 합니다. 아틀라스와 코멧이 기존 브라우저 대비 얼마나 빠르게 확산되는지 관찰하는 것이 경쟁 환경 파악에 도움이 될 것입니다.

역사적 관점과 미래 전망

과거 주요 브라우저의 발전은 명확한 약속과 함께했습니다. 넷스케이프는 웹 접근성을, 인터넷 익스플로러는 운영체제 통합을, 파이어폭스는 안전성과 개인 정보 보호를, 크롬은 속도와 안정성을 제공했습니다. 이러한 혁신은 기능과 신뢰를 결합했습니다. 에이전트형 브라우저 역시 유용성과 안전성을 동시에 입증해야만 확장될 수 있습니다. 사용자가 에이전트형 브라우징을 예측 불가능하거나 안전하지 않다고 인식하면 채택이 더뎌질 것이며, 시간 절약과 신뢰성을 제공하면 채택이 가속화될 것입니다. 역사는 신뢰가 실험을 표준으로 만드는 동력임을 보여줍니다.

마케터에게 이는 신뢰와 명확성이 필수적인 시스템 내에서 작업이 이루어질 것임을 의미합니다. 에이전트는 모호하지 않은 사실, 일관된 마크업, 콘텐츠 재사용에 대한 명확한 라이선스를 필요로 할 것입니다. 이를 용이하게 하는 브랜드는 검색되고 인용되며 추천받겠지만, 그렇지 못한 브랜드는 인지하기도 전에 새로운 표면에서 사라질 수 있습니다.

브랜드는 명확한 데이터, 구조화된 콘텐츠, 신뢰할 수 있는 사실을 제공함으로써 시스템 통합자처럼 사고해야 합니다. 에이전트는 이러한 자료를 바탕으로 작동하기 때문입니다. 지금은 위험이 낮고 가시성을 확보할 수 있는 초기 단계이며, 실험을 통해 미래를 준비해야 할 때입니다.

향후 3년 내 에이전트형 브라우저의 10~15% 채택률만으로도 크롬 출시 이후 가장 빠른 패러다임 전환 중 하나가 될 것입니다. 이는 에이전트 계층이 측정 가능한 채널이 될 것임을 의미하며, 지금 이루어지는 모든 최적화 선택이 미래에 복합적인 영향을 미칠 것입니다.

추천 태그 : 에이전트형 브라우저, AI 마케팅, 검색 엔진 최적화

4.AI 검색 시대, 브랜드 점유율(SOV) 추적의 중요성

AI 생성 결과 속 브랜드 노출 추적 및 SEO 연계 전략 중요성 대두

최근 마케팅, 기술, 비즈니스 리더들 사이에서는 챗GPT, 제미나이, 클로드와 같은 대규모 언어 모델(LLM)을 어떻게 최적화할 것인가에 대한 질문이 중요하게 떠오르고 있습니다. LLM 최적화는 브랜드가 AI 생성 결과에 어떻게 노출되고, 현재 무엇을 측정할 수 있는지에 초점을 맞춘 새로운 학문 분야로 자리 잡고 있습니다.

의사 결정권자들에게는 수많은 정보 속에서 가치 있는 기술을 식별하고 실질적인 성과로 이어지는 노력을 파악하는 것이 과제입니다. 이러한 논의는 크게 두 가지 핵심 영역, 즉 LLM 내 브랜드 존재감 추적 및 모니터링, 그리고 LLM 내 가시성 및 성능 개선으로 나뉩니다.

LLM 최적화의 근간이 되는 추적 및 모니터링은 검색 엔진 최적화(SEO)가 더 나은 추적 및 측정을 통해 발전해 온 것처럼, 가시성이 측정 가능해질 때 비로소 성숙할 것입니다. 현재 LLM 분야는 샘러시(Semrush), 모즈(Moz), Ahrefs와 같은 전문 도구가 등장하기 이전의 초기 단계와 유사합니다. 추적 없이는 모든 노력이 불확실한 가운데 이루어지며, 단순히 훌륭한 콘텐츠만으로 결과를 기대하는 상황에 머무르게 됩니다.

LLM 쿼리가 기존 검색과 다른 이유는 명확합니다. 전통적인 검색 행동은 반복적이며 안정적인 볼륨 지표를 생성하는 반면, LLM 상호작용은 대화적이고 변동성이 큽니다. 사용자들은 종종 한 세션 내에서도 질문을 다르게 표현하며, 이는 소규모 데이터셋에서는 패턴 인식을 어렵게 하지만 대규모에서는 실현 가능하게 만듭니다. 이러한 구조적 차이는 LLM 가시성이 다른 측정 모델을 요구하는 이유를 설명합니다.

이러한 변동성은 기존 SEO나 마케팅 분석과는 다른 추적 접근 방식을 필요로 합니다. 현재 선도적인 방법은 선거 예측에서 영감을 받은 폴링 기반 모델을 사용합니다. 이는 브랜드 또는 카테고리에 대한 250~500개의 고의도 쿼리 표본을 정의하고, 이를 매일 또는 매주 실행하여 LLM 응답의 반복적인 표본을 포착하는 방식입니다. 추적 도구는 브랜드와 경쟁사가 인용(링크된 출처) 또는 언급(텍스트 참조)으로 나타나는 시점을 기록하여, 모든 경쟁사 간의 점유율(Share of Voice) 계산을 가능하게 합니다. 이러한 집계 샘플링은 시간이 지남에 따라 브랜드 가시성에 대한 통계적으로 안정적인 추정치를 생성합니다.

이러한 가시성 추적을 지원하는 초기 도구로는 Profound, Conductor, OpenForge, bluedot intelligence 등이 있습니다. 일관된 규모의 샘플링은 무작위성을 해석 가능한 신호로 변환하며, 정치 여론 조사와 마찬가지로 개별 변동에도 불구하고 신뢰할 수 있는 예측을 제공합니다.

점유율 추적은 LLM 환경에서의 브랜드 존재감을 보여주지만, 전체 그림을 설명하지는 못합니다. 키워드 순위가 클릭 수를 보여주지 않는 것처럼, LLM에서의 존재감이 반드시 사용자 참여로 이어지는 것은 아닙니다. 따라서 브랜드는 사람들이 콘텐츠와 상호작용하는 방식을 이해하여 설득력 있는 비즈니스 사례를 구축해야 합니다. 현재로서는 단일 도구가 전체 그림을 포착할 수 없으므로, 여러 추적 신호를 계층화하는 것이 최선의 접근 방식입니다.

여기에는 점유율(SOV) 추적, GA4에서의 추천 추적, Google Search Console에서의 브랜드 홈페이지 트래픽 모니터링이 포함됩니다. 이러한 방법들은 현재 측정 가능한 모든 부분을 다루지만, 완전한 가시성을 약속하는 공급업체나 컨설턴트는 경계해야 합니다. 현재 추적 데이터는 결정에 유용하지만 결정적이지는 않다는 점을 인지하는 것이 중요합니다.

LLM의 '검색 볼륨'을 추정하는 것은 또 다른 과제입니다. 마케터들은 SEO나 PPC에 비해 훨씬 적은 가시성을 가지고 있습니다. 직접적인 검색 볼륨은 없지만, 새로운 도구와 방법론이 격차를 좁히기 시작하고 있습니다. 핵심적인 변화는 개별 쿼리 추적에서 더 넓은 주제 및 테마 분석으로 이동하는 것입니다. 이를 위해 상위 SEO 키워드와 연관 짓거나, 산업별 AI 채택률을 추정하거나, 새로운 추론 도구를 활용하는 세 가지 접근 방식을 고려할 수 있습니다.

LLM 가시성 최적화는 1) 콘텐츠 생성 또는 업데이트 방향을 결정하고, 이를 2) 브랜드 및 SEO 전략과 어떻게 연계할 것인지에 대한 두 가지 주요 질문으로 나뉩니다. 점유율 추적 도구는 경쟁 기회, 주제별 가시성 격차, 제3자 리소스 매핑, 그리고 브랜드의 약점 식별에 도움을 줄 수 있습니다.

LLM이 검색 방식을 재편하고 있지만, SEO는 여전히 디지털 가시성의 기반입니다. 구글 상위 페이지에 랭크된 브랜드는 ChatGPT 답변에서도 높은 비율로 나타나며, 이는 검색과 AI 결과 간의 명확한 중첩을 보여줍니다. 많은 검색 증강 생성(RAG) 시스템은 검색 결과 데이터를 기반으로 추가 컨텍스트를 확장하기 때문입니다. 따라서 강력한 기술적 상태, 구조화된 데이터, 권위 신호는 AI 가시성의 기반이 됩니다.

마케터들은 LLM에만 집중하기보다 SEO를 유지하고, AI 시스템이 여전히 깨끗하고 크롤링 가능한 콘텐츠와 강력한 E-E-A-T 신호에 의존한다는 점을 인지해야 합니다. LLM 추적은 새로운 검색 행동을 이해하기 위한 보완적인 렌즈로 사용해야 하며, SEO의 기본 원칙을 대체해서는 안 됩니다.

LLM 최적화는 온페이지 및 오프페이지 전략을 재정의합니다. 오프페이지 측면에서는 위키피디아, 레딧, 리뷰 웹사이트 등이 LLM이 자주 인용하는 출처로 나타납니다. 따라서 전통적인 링크 구축 전략은 LLM이 이미 인용하고 있는 페이지, 제품 카테고리를 평가하는 리뷰 또는 가이드, 브랜드 언급이 개체(Entity) 연관성을 강화하는 기사에 집중하도록 진화해야 합니다. 온페이지 측면에서는 경쟁사의 인용 콘텐츠 유형을 분석하고, 자사 웹사이트에서 인용되는 콘텐츠를 파악하여 콘텐츠 격차를 해소하거나 기존 콘텐츠를 최적화하는 기회를 얻을 수 있습니다.

벡터 임베딩을 사용하여 웹사이트 콘텐츠를 LLM 쿼리 및 응답과 비교하는 초기 솔루션은 콘텐츠 적용 범위가 약한 부분을 탐지하고, 콘텐츠가 실제 LLM 답변과 얼마나 잘 의미론적으로 일치하는지 확인하는 데 도움을 줍니다. 이러한 통찰력을 행동으로 전환하는 자동화 시스템은 LLM 최적화의 다음 주요 진화가 될 것입니다.

LLM 트래픽은 전통적인 검색에 비해 아직 작지만 빠르게 성장하고 있습니다. 따라서 자원 배분을 서두르기보다는 SEO에 대한 집중을 유지하면서 LLM 전략을 통합하는 균형 잡힌 접근 방식이 현명합니다. LLM 최적화는 초기 SEO와 마찬가지로 아직 불완전하고 실험적이지만, 기회가 가득합니다. 지금부터 인용 추적, 제3자 언급 분석, SEO와 LLM 가시성 연계를 시작하는 브랜드는 이러한 시스템이 성숙함에 따라 측정 가능한 이점을 얻게 될 것입니다.

추천 태그 : LLM 최적화, 검색 엔진 최적화, AI 마케팅

☕ 커피 마시며 읽어 볼 정보들

Reddit, Google 의존성과 성장 둔화 우려 속 실적 발표. Reddit은 최근 발표한 3분기 실적에서 매출이 전년 동기 대비 68% 증가하고 순이익은 1억 6,300만 달러를 기록하며 긍정적인 성과를 보였습니다. 그러나 이러한 실적 발표에도 불구하고, Reddit의 트래픽 중 약 50%가 Google 검색에 의존하고 있다는 점은 투자자들의 우려를 낳고 있습니다. 특히, Reddit의 CEO 스티븐 허프먼은 3분기 실적 발표에서 Google 검색 트래픽이 정체 상태이며, AI가 아직 트래픽 증가에 기여하지 못하고 있다고 밝혔습니다. | 전체 읽기
Grokipedia, AI 생성 백과사전, 출시 일주일 만에 검색 엔진 색인 등록 시작. AI 기반 온라인 백과사전인 Grokipedia가 출시 일주일 만에 80만 개 이상의 AI 생성 페이지를 확보했으며, 구글과 빙 검색 엔진은 이미 수백, 수천 개의 페이지를 색인 등록한 것으로 나타났습니다. Grokipedia는 2025년 10월 27일 버전 0.1로 공식 출시되었으며, 현재 885,279개의 페이지를 보유하고 있습니다. 이는 인간이 운영하는 위키피디아의 700만 개 이상 페이지에 비하면 적은 수치이지만, AI가 콘텐츠를 생성하는 만큼 빠른 성장이 예상됩니다. | 전체 읽기
ChatGPT, 구글 검색 데이터 유출 및 사용자 프롬프트 노출 문제 발생. 최근 OpenAI의 ChatGPT가 구글 검색 데이터를 스크랩하는 과정에서 사용자 프롬프트가 유출되는 문제가 발견되었습니다. 이는 사용자가 ChatGPT에 입력한 내용이 구글 검색 콘솔(GSC) 데이터에 노출되는 현상으로, 특히 특정 페이지의 버그로 인해 발생한 것으로 추정됩니다. 해당 페이지에서는 프롬프트 앞에 페이지 URL이 자동으로 추가되는 문제가 있으며, 이로 인해 사용자의 의도와 상관없이 구글 검색을 유발하고 관련 데이터가 노출될 수 있습니다.이러한 데이터 유출은 OpenAI가 구글 검색 데이터를 확보하기 위해 API 대신 직접 스크래핑 방식을 사용하면서 발생한 것으로 보입니다. 이는 기존의 안전하고 효율적인 API 방식 대신 무분별한 데이터 수집에 나선 OpenAI의 행태를 보여주며, 사용자 프롬프트의 개인 정보 보호에 대한 심각한 우려를 낳고 있습니다. 현재까지 발견된 사례는 특정 조건에서 발생했지만, 유사한 방식으로 다른 사용자 프롬프트 역시 구글 생태계 내에서 예상치 못한 방식으로 노출될 가능성이 제기되고 있습니다. | 전체 읽기