AI 검색 시대, SEO는 죽었나? 성과에서 '영향력 SEO'로 전환[AIEO 브리핑]

이성규

2025년 6월 19일

[Top 1] 검색의 진화: AI 시대 SEO의 새로운 역할

클릭 감소 시대, SEO는 영향력 확대로 전환…AI와 인간, 구글과 ChatGPT 경쟁 속 생존 전략은?

최근 몇 주간 검색 및 인공지능(AI) 분야에서 괄목할 만한 변화가 있었습니다. 이에 대한 심층적인 분석과 미래 전망을 제시하고자 합니다. 특히 유료 구독자를 위해 현재 검색 성과를 측정하는 핵심 지표(KPI)에 대한 독점적인 정보를 제공합니다. 이번 분석에서는 검색엔진최적화(SEO)의 미래에서 클릭의 역할, 업무 방식의 다변화, AI 모드와 에이전트 검색, 구글과 ChatGPT 간의 치열한 경쟁 등을 심도 있게 다룹니다.

2025년 4월 16일, OpenAI는 ChatGPT o3를 출시했습니다. 불과 몇 시간 만에 기존에 준비했던 자료를 전면 수정해야 했습니다. 이러한 급격한 변화는 일상적인 일이 되었으며, 새로운 모델이 출시될 때마다 불안감과 안도감이 반복되는 상황입니다.

변화는 끊임없이 일어나고 있으며, 검색 인터페이스는 하루아침에 바뀌고, SEO 전략의 기반은 계속 흔들리고 있습니다. 2025년 중반, 현재 검색 시장의 상황과 이것이 우리에게 의미하는 바를 명확히 하고자 합니다.

결론적으로 구글의 AI Overviews(AIO)는 노출수를 부풀리는 반면 클릭수를 감소시키고 있습니다. 생존한 클릭은 그 어느 때보다 구매 의도가 높습니다. '성과'(Performance) SEO는 구글, LLM, 그리고 고객이 참고하는 모든 소셜 피드에 걸쳐 '영향력'(influence)을 행사하는 방향으로 진화하고 있습니다.

구글이 AIO를 확대한 이후, 노출수는 증가했지만 클릭수는 감소하는 추세가 뚜렷합니다. 이는 AIO로 인해 검색량이 증가하고, 구글이 개요를 확장하는 순간을 '노출'로 기록하며, 인용된 모든 출처를 1위로 간주하기 때문입니다. 결과적으로 방문자 없이 가시성만 부풀려지는 현상이 발생하고 있습니다.

2024년은 트래픽 정점의 해였습니다. AIO 사용성 연구에서 링크 클릭률이 매우 낮다는 점을 고려할 때, 클릭수는 기존 대비 10% 이하로 감소할 가능성이 있습니다. 그러나 클릭은 단순한 지표일 뿐이며, 전환, 수익, 파이프라인, 판매 등과 같은 더 중요한 지표를 나타내는 선행 지표로서의 역할만 수행했습니다.

사용자 행동을 자세히 살펴보면, '포고 스틱' 현상이 일반적인 검색 행동으로 나타나고 있습니다. 여정의 마지막 클릭이 중요하며, 연구 결과 '최종 답변' 클릭의 80%가 AIO가 아닌 유기적 결과로 연결됩니다. 클릭하는 사람들은 검증, 비교, 구매와 같은 의도가 높은 행동을 보입니다. 따라서 클릭수는 감소하지만, 생존한 클릭은 순수한 단백질과 같습니다.

SEO, 영향력 확대전략으로 재편해야 한다

클릭수가 감소하면서 SEO의 가치 제안이 바뀌고 있습니다. 지난 20년간 SEO는 성과 채널로 여겨졌지만, 이제는 영향력 확대를 위한 전략으로 전환해야 합니다. 기존의 SEO 성과 측정 방식은 검색량 x 클릭률 x 전환율 = 예상 수익이었습니다. 그러나 이제는 AIO와 LLM 환경에서 트래픽뿐만 아니라 고객의 질문이 있는 모든 곳에서 인지도를 높여야 합니다. 구글의 AI Overviews, ChatGPT, Reddit 스레드, YouTube 댓글, Discord 채팅 등 모든 채널에서 브랜드가 일관되게 나타나야 합니다. 이는 새로운 KPI를 필요로 하며, SEO는 직접 반응에서 영향력으로 진화하고 있습니다.

AI 모드는 단일 프롬프트를 수십 개의 백그라운드 쿼리로 확장하는 '팬 아웃' 프로세스를 사용합니다. 검색 자체가 브라우저를 벗어나 모든 피드, 앱, 장치에 나타나는 채널 수준에서도 동일한 현상이 발생하고 있습니다.

LLM은 모든 앱에 검색 기능을 주입했습니다. Microsoft Excel에서 쿠키 레시피를 검색하거나, Meta AI를 통해 WhatsApp, Instagram, Facebook에서 검색할 수 있습니다. YouTube와 Netflix는 AI Overviews를 테스트하여 플랫폼 내에서 완벽한 비디오를 검색할 수 있도록 지원합니다. 결과적으로 검색은 더 이상 Google.com에서 시작되거나 끝나지 않습니다. 각 플랫폼은 자체적인 미니 SERP가 되었으며, 구글은 ChatGPT뿐만 아니라 수천 개의 작은 AI 검색 엔진과 경쟁해야 합니다.

사용자들은 AI 답변을 실제 사람들의 의견과 교차 검증합니다. AIO 사용성 연구에 따르면 사용자들은 AI 답변을 읽은 후 Reddit 스레드, YouTube 댓글, Discord 채팅 등으로 이동하여 실제 사람들이 동의하는지 확인합니다. 신뢰성은 이제 기계 답변과 인간 대화 모두에서 비롯됩니다. 소셜 또는 커뮤니티 플랫폼에서 보이지 않으면 최종 결정 과정에서도 보이지 않습니다.

TikTok, Facebook, Instagram, Threads, Bluesky, YouTube, Google, ChatGPT, Perplexity, Claude, Snapchat 등 플랫폼 목록은 계속 증가하고 있으며, 일일 활성 사용자 수도 증가하고 있습니다. 이는 기존 미디어에서 관심이 재분배되고 있음을 의미합니다.

브랜드의 '검색' 영역은 이제 사람들이 질문하는 모든 장소의 합입니다. Google 순위만 모니터링하는 것은 한 거리 모퉁이에서만 날씨를 확인하는 것과 같습니다. 예산을 확보하려면 각 추가 플랫폼을 구체적인 고객 인사이트와 연결해야 합니다.

AI 모드는 검색의 '최종 보스'입니다. Sundar Pichai는 결과 페이지가 가능한 UI 중 하나일 뿐이라고 언급했으며, Liz Reid는 이를 '구조물'이라고 불렀습니다. 즉, 구글은 수익 모델이 작동하는 순간 기존 SERP를 기꺼이 포기할 의향이 있습니다.

현재 AI 모드 채택률은 1%를 약간 넘는 수준입니다. AI 모드 답변 하나가 20~50개의 후속 검색을 흡수하여 광고 슬롯을 없앨 수 있기 때문입니다. 구글이 새로운 수익 창출 방법을 찾을 때까지 AI 모드 롤아웃은 제한될 것입니다.

AI 모드는 사용자 의도를 이해하는 사람들에게는 낙원이 될 것입니다. 각 프롬프트 뒤에는 가격, 사양, 비교, 주변, 리뷰 등 수십 개의 마이크로 쿼리가 '팬 아웃'되어 답변이 조합됩니다. 이러한 마이크로 쿼리는 현재 최적화하고 있는 롱테일 키워드와 동일하며, 병렬로 실행되어 하나의 이야기로 재구성됩니다.

AI 모드가 베타에서 기본으로 전환될 때를 대비하여 다음과 같이 준비하십시오. 모든 핵심 주제에 대한 예상 팬 아웃 세트를 매핑하고, 각 마이크로 쿼리에 대한 순위를 추적하고, 콘텐츠를 인용하기 쉽도록 구성하십시오.

2025년의 반전은 구글이 ChatGPT를 자체 영역에서 만나고 있다는 것입니다. AI 모드는 구글의 결과 페이지를 OpenAI가 대중화한 채팅 우선 UI로 끌어올립니다. 이는 구글이 사용자 기대에 부응하기 위해 광고에 최적화된 SERP에서 '레벨 다운'할 의향이 있음을 보여줍니다.

ChatGPT 검색 출시 당시 공유했던 차트를 통해 다음과 같은 두 가지 주요 시사점을 얻을 수 있습니다. 전체 데이터 세트를 외삽하면 ChatGPT가 2030년 10월에 구글을 추월하고, 지난 12개월만 외삽하면 2026년 중반에 추월합니다.

성장은 운명이 아니며, 구글은 여전히 배포(Android, Chrome, Safari 계약)를 소유하고 있으며, AI 모드와 Gemini 내에서 ChatGPT의 기능을 일치시켜 속도를 늦출 수 있습니다. 또한 이 예측은 수익 점유율이 아닌 쿼리 점유율을 측정합니다. ChatGPT가 사용량을 늘리더라도 구글의 광고는 더 오랫동안 수익을 유지할 수 있습니다. 유료 채팅 또는 임베디드 광고 실험을 주시하고, 2026~27년에 갱신되는 기본 검색 계약(Apple, Samsung, Mozilla)을 주목해야 합니다. 모바일 대기 시간과 오프라인 모드도 중요한 요소입니다. 결론적으로 구글과 ChatGPT 간의 경쟁을 검색의 미래를 위한 실시간 A/B 테스트로 간주하십시오. 명확한 승자가 나타날 때까지 두 생태계에서 모두 가시성을 확보해야 합니다.

SEO 리더의 역할은 이제 단일 채널을 미세 조정하는 것이 아니라 AI Overviews, 챗봇, 소셜 피드에서 검색이 분산됨에 따라 전체 오케스트라를 제 시간에 유지하는 것입니다.

유료 미디어, 소셜 및 커뮤니티, 제품 마케팅, 콘텐츠/GTM 등 각 부서에서는 클래식 SERP, AIO, AI 모드에서 얻은 데이터를 통합하고, Reddit 스레드, TikTok 댓글, Discord 채팅을 분석하여 쿼리 뒤에 숨겨진 '이유'를 파악하고, 사용자 언어를 제품 포지셔닝에 활용하고, 에이전트가 답변을 쉽게 가져올 수 있도록 콘텐츠를 구성해야 합니다.

검색은 더욱 에이전트화될 것입니다. 우리는 곧 사람뿐만 아니라 그들을 대신하여 행동하는 AI 도우미를 위해 최적화할 수 있습니다. 이는 단락당 더 높은 인사이트 밀도, 제로 클릭 소비를 위한 구조화된 출력(테이블, JSON, 방법 체크리스트), 에이전트가 데이터를 직접 가져올 수 있도록 하는 API 또는 임베딩을 의미합니다.

전략가에서 지휘자로 전환하면 오케스트라가 악기를 다시 바꿀 때 악보를 손에 쥐게 될 것입니다.

추천 태그: AI검색 #SEO전략 #디지털마케팅

블루닷 인텔리전스 소식 : 인용출처 네트워크맵 추가

블루닷 인텔리전스에 추가된 공통 인용 출처 분석을 위한 네트워크맵
블루닷 인텔리전스

AI검색최적화 진단, 분석, 모니터링 플랫폼 블루닷 인텔리전스에 네트워크맵 기능이 추가됐습니다. 이를 통해 3개 AI검색이 공통적으로 인용하는 출처를 분석하고, 브랜드의 가시성을 높이는 콘텐츠 공략 전략을 손쉽게 실행하실 수 있습니다. AI검색최적화를 고민 중이라면 지금 블루닷 인텔리전스에 문의해주세요.

[Top 2] 에이전트 기반 SEO, 전문가 시간 절약 해법

LLM 기반 에이전트 활용, 아이데이션부터 감사, 콘텐츠 생성까지 SEO 생산성 극대화

최근 2년여간 '에이전트 기반 SEO(Agentic SEO)'라는 새로운 개념이 부상하고 있습니다. 이는 언어 모델(LLM) 기반 에이전트를 활용해 복잡한 작업을 자율 또는 반자율적으로 수행함으로써 SEO 전문가의 시간을 절약하는 아이디어입니다. 물론, 인간은 이러한 에이전트를 안내하고 결과를 검증하는 역할을 지속적으로 수행합니다.

ChatGPT, Claude, Gemini 등 강력한 LLM 도구의 등장으로 에이전트를 사용한 복잡한 프로세스 자동화가 용이해졌습니다. 따라서 에이전트 기반 SEO는 AI 에이전트를 활용하여 SEO 생산성을 최적화하는 것을 의미합니다. 이는 SearchGPT, Perplexity, AI Overviews 등 LLM 기반 검색 엔진에서 가시성을 높이는 것을 목표로 하는 생성 엔진 최적화(GEO)와는 차별화됩니다.

이 개념은 아이데이션, 감사, 생성이라는 세 가지 주요 축을 기반으로 합니다. 이 글에서는 아이데이션에 초점을 맞추어 심층적으로 논의하고자 합니다. 다음 기사에서는 에이전트 기반 SEO가 감사(실시간 수정이 가능한 전체 웹사이트 분석)에 어떻게 적용될 수 있는지, 그리고 "Human in the Loop" 또는 "SEO Expert in the Loop" 접근 방식을 사용하여 누락된 콘텐츠를 어떻게 생성할 수 있는지 살펴볼 예정입니다.

AI 에이전트 및 워크플로우

아이데이션 관련 구체적인 활용 사례를 제시하기 전에 에이전트의 개념을 설명하는 것이 중요합니다. AI 에이전트가 작동하려면 최소한 다섯 가지 핵심 요소가 필요합니다.

도구: 에이전트가 사용할 수 있는 모든 리소스와 기술적 기능입니다.
메모리: 모든 상호 작용을 저장하여 에이전트가 이전에 공유된 정보를 기억할 수 있도록 합니다.
지침: 에이전트의 한계와 규칙을 정의합니다.
지식: 에이전트가 문제를 해결하는 데 사용할 수 있는 개념을 담고 있는 데이터베이스입니다. LLM의 지식 또는 외부 데이터베이스를 사용할 수 있습니다.
페르소나: 에이전트의 "개성"과 전문성 수준을 정의하며, 특히 상호 작용 방식을 포함합니다.

워크플로우

워크플로우는 복잡한 작업을 더 간단한 하위 작업으로 분해하고 논리적으로 연결할 수 있도록 합니다. SEO에서는 특정 SEO 작업을 수행하는 데 필요한 데이터 수집 및 조작을 용이하게 하므로 유용합니다.

또한 최근 몇 달 동안 AI 제공업체(OpenAI, Claude 등)는 모델을 단순히 제공하는 것에서 벗어나 사용자 경험을 풍부하게 하는 방향으로 나아가고 있습니다. 예를 들어 ChatGPT 또는 Perplexity의 Deep Research 기능은 새로운 모델이 아니라 여러 단계로 복잡한 검색을 수행할 수 있는 워크플로우입니다. 인간이 수행하는 데 몇 시간이 걸리는 이 프로세스를 AI 에이전트는 몇십 분 만에 수행합니다.

아래 다이어그램은 "데이터 및 제약 조건"으로 시작하여 특정 작업(예: SERP 분석 또는 스크래핑)을 수행하기 위해 "Tools SEO 1"이라는 도구에 제공되는 간단한 SEO 워크플로우를 보여줍니다. 다음으로 특정 콘텐츠를 생성하기 위해 두 개의 AI(IA 1 및 IA 2)가 개입하고, 최종 결과물에 도달하기 전에 "HITL"(Human In The Loop) 단계가 있습니다. AI와 자동화가 중요한 역할을 하지만, 양질의 결과를 보장하기 위해서는 인간의 감독과 전문성이 필수적입니다.

활용 사례: 아이데이션

아이데이션부터 시작해 보겠습니다. 아시다시피 AI는 가능성을 열어주는 데 탁월합니다. 올바른 방법을 사용하면 AI가 주제에 대한 모든 가능한 아이디어를 탐색하도록 유도할 수 있습니다. 그런 다음 SEO 전문가는 자신의 경험을 바탕으로 최상의 제안을 선택, 개선 및 우선 순위를 지정합니다. 수많은 실험에서 인간의 창의성과 인공 지능 간의 시너지 효과가 긍정적인 영향을 미친다는 것이 입증되었습니다.

아래 Ethan Mollick이 X(Twitter)에 게시한 다이어그램은 AI 유무에 따른 창의적 프로세스의 벤치마크를 보여줍니다.

이 그림은 ChatGPT, Bard(현재 Gemini), 인간 통제 그룹(HumanBaseline), AI와 함께 작업하는 인간 그룹(HumanPlusAI), AI에 반대하여 작업하는 다른 그룹(HumanAgainstAI) 등 다양한 소스에 할당된 창의성 점수(0~10점)의 분포를 보여줍니다. 가로축은 인지된 창의성 수준을 나타내고, 세로축은 각 점수의 빈도(밀도)를 나타냅니다.

HumanPlusAI에 해당하는 곡선이 일반적으로 오른쪽으로 이동되어 있음을 알 수 있습니다. 이는 평가자가 이 인간+AI 협업을 가장 창의적인 접근 방식으로 간주한다는 의미입니다. 반대로 ChatGPT와 Gemini의 평균 점수는 높지만 인간-기계 시너지로 얻은 점수보다 낮습니다. 마지막으로 HumanBaseline 그룹(인간 단독)은 Human+AI 듀오의 성능 바로 아래에 있고, HumanAgainstAI 그룹은 창의성이 가장 낮습니다.

AI는 단독으로도 인상적인 결과를 낼 수 있지만, 인간의 전문성 및 감수성과 결합될 때 최고의 창의성을 달성할 수 있습니다. 몇 가지 구체적인 예를 들어 보겠습니다.

Deep Research와 같은 도구

사용 가능한 도구 중에서 Deep Research는 여러 단계로 심층적인 연구를 수행하여 아이데이션에 대한 귀중한 영감을 제공하는 능력으로 두드러집니다. 이 오픈 소스 버전을 사용하는 것이 좋습니다. 선호하는 경우 OpenAI 또는 Perplexity 버전을 사용할 수도 있습니다.

작동 방식

이 다이어그램은 오픈 소스 Deep Research 도구의 작동 방식을 설명합니다. 검색 쿼리를 생성 및 실행하고, 결과 페이지를 크롤링한 다음, 유망한 리드를 재귀적으로 탐색하고, 마지막으로 Markdown 형식으로 자세한 보고서를 생성합니다.

Deep Research를 사용하는 방법에는 여러 단계가 있습니다.

쿼리 입력: 쿼리를 입력하라는 메시지가 표시됩니다. 가능한 한 정확하게 입력해야 합니다. ChatGPT 또는 Claude에 DeepResearch 검색을 생성하도록 요청하는 것을 주저하지 마십시오.
검색 깊이 지정(권장: 3~10, 기본값: 6): 각 반복에서 얼마나 많은 주제를 찾을 수 있습니까?
탐색 깊이 지정(권장: 1~5, 기본값: 3): 크롤러가 흥미로운 주제를 찾으면 몇 페이지 깊이까지 탐색합니까?
세분화: 검색 방향을 세분화하기 위해 후속 질문에 답변해야 하는 경우가 있습니다.

이 오픈 소스 버전을 사용하면 이 오픈 소스 프로젝트를 실제 SEO 도구로 전환할 수 있습니다. 저는 4가지 이상의 활용 사례를 확인했습니다.

경쟁업체 콘텐츠 분석: 이 도구는 경쟁업체의 콘텐츠 수집 및 분석을 자동화하여 경쟁업체의 전략을 파악하고 차별화 기회를 포착할 수 있습니다.
롱테일 키워드 조사: 웹을 분석하여 잠재력이 높고 경쟁이 덜한 특정 키워드를 식별하여 콘텐츠 최적화를 용이하게 할 수 있습니다.
SERP 분석: 검색 엔진 결과를 수집 및 분석하여 추세와 경쟁업체의 포지셔닝을 이해할 수 있습니다.
콘텐츠 아이디어 생성: 심층적인 연구를 바탕으로 특정 틈새 시장에서 관련 주제와 자주 묻는 질문을 식별할 수 있습니다.

예를 들어 코드 생성 도구인 CursorAI를 설치하고 코드를 수정하여 SERP 분석을 생성하도록 요청할 수 있습니다. 이 도구는 필요한 모든 변경 사항을 쉽게 적용합니다. 에이전트 기반 SEO를 사용하면 기존 도구를 사용자 정의하고 개선할 수 있을 뿐만 아니라 특정 요구 사항에 맞는 도구를 만들 수 있습니다. 반면에 개발자가 아닌 경우 노코드 솔루션을 사용하는 것이 좋습니다.

노코드 에이전트 워크플로우 도구

다음은 Dng.ai라는 노코드 도구의 예입니다. Moz에서 제공한 CSV 파일을 사용하여 데이터를 처리하고 Python 코드를 생성하며 필요한 모든 정보를 추출할 수 있는 에이전트를 분석합니다. 파란색으로 표시된 입력 필드는 시작점으로 사용됩니다. 그런 다음 주황색으로 표시된 스크래퍼, 크롤러, 키워드 도구와 같은 도구를 사용하여 필요한 모든 데이터를 추출합니다. 마지막으로 보라색으로 표시된 AI는 생성해야 하는 모든 클러스터를 식별합니다.

그런 다음 에이전트는 이 데이터를 사이트의 기존 주제와 비교하여 누락된 콘텐츠를 식별합니다. 마지막으로 SEO 전략의 최적 적용 범위를 보장하면서 생성할 주제의 전체 목록을 생성합니다. 에이전트 워크플로우를 구축하기 위한 많은 노코드 도구가 있습니다.

모두 나열하지는 않겠지만, 이 도구에서 볼 수 있듯이 워크플로우에서 인터페이스가 자동으로 생성되며 주제와 URL을 지정하고 실행 버튼을 누르기만 하면 2분 이내에 결과를 얻을 수 있습니다.

이 도구의 잠재력을 직접 탐색해 보십시오

모든 도구의 SEO 데이터에서 구축된 도구의 결과를 감상해 보십시오.

아이데이션 측면에서만 유튜브에 2시간 이상의 비디오를 만들 수 있었을 것이라고 생각합니다. 말하고 테스트할 것이 너무 많기 때문입니다. 이제 이러한 도구의 잠재력을 최대한 활용하고 SEO 전략을 최적화하기 위해 실험해 보시기 바랍니다. 다음에는 에이전트 기반 SEO를 사용한 감사 활용 사례를 다룰 것입니다.

추천 태그: 에이전트 기반 SEO, 인공지능(AI), 자동화

🌟 [Tip] AI 콘텐츠, EEAT 충족이 성공의 열쇠: SEO 전문가의 조언

구글의 EEAT(Expertise, Experience, Authority, Trustworthiness) 기준이 중요해짐에 따라, 많은 브랜드와 SEO 전문가들은 자격을 갖춘 사람이 작성한 것처럼 보이도록 콘텐츠를 개선하려 노력합니다. 하지만 이러한 노력은 종종 피상적인 수준에 머무르며, 진정한 신뢰성을 구축하기보다는 겉모습만 꾸미는 데 집중하는 경향이 있습니다. 이제 AI가 인간 전문가를 대체할 수 있는 시대가 다가오고 있습니다. AI는 방대한 지식을 학습하고 분석하여 정확하고 신뢰성 있는 정보를 제공할 수 있습니다. 이 글에서는 AI가 어떻게 EEAT 기준을 충족하고, 더 나아가 인간보다 더 나은 콘텐츠를 만들 수 있는지 살펴봅니다.

• 왜 중요하냐면: AI가 콘텐츠 제작의 새로운 표준이 될 수 있음을 시사합니다.

• 현재 많은 기업들은 사내에 전문 지식을 갖춘 인력이 부족하거나, 그들이 콘텐츠 제작에 적극적으로 참여하기 어려운 상황에 직면해 있습니다. 이로 인해 기업들은 가짜 전문가를 내세우거나, 유령 작가를 고용하여 콘텐츠를 제작하는 등 비윤리적인 방법을 사용하기도 합니다.

• AI는 이러한 문제점을 해결하고, 더 나아가 인간이 제공할 수 없는 수준의 전문성과 효율성을 제공할 수 있습니다. AI는 방대한 데이터를 학습하고 분석하여 정확하고 신뢰성 있는 정보를 제공할 뿐만 아니라, 다양한 시뮬레이션을 통해 실제 경험을 생성하고, 일관성 있고 객관적인 콘텐츠를 제작할 수 있습니다.

• 트렌드 분석: AI가 콘텐츠 제작 시장의 판도를 바꿀 잠재력을 보여줍니다.

• AI 기술의 발전은 콘텐츠 제작 방식에 혁명적인 변화를 가져오고 있습니다. 과거에는 인간만이 할 수 있다고 여겨졌던 콘텐츠 제작 영역에 AI가 진출하면서, 콘텐츠 제작 비용 절감, 효율성 향상, 품질 향상 등 다양한 이점을 제공하고 있습니다.

• 특히, AI는 대규모 데이터를 분석하고 패턴을 파악하는 데 탁월한 능력을 발휘하여, 인간이 놓칠 수 있는 인사이트를 도출하고, 독자들에게 더욱 유용한 정보를 제공할 수 있습니다. 이러한 AI의 능력은 콘텐츠 제작 시장의 경쟁 환경을 변화시키고 있으며, AI를 적극적으로 활용하는 기업들이 시장을 선도할 것으로 예상됩니다.

• 상세 내용: AI가 EEAT 기준을 충족하는 방식과 콘텐츠 제작에 미치는 영향에 대해 자세히 설명합니다.

• AI는 전문성(Expertise), 경험(Experience), 권위(Authority), 신뢰성(Trustworthiness)이라는 EEAT 기준을 충족하는 데 필요한 역량을 갖추고 있습니다. AI는 방대한 양의 데이터를 학습하고 분석하여 특정 주제에 대한 전문 지식을 습득할 수 있으며, 다양한 시뮬레이션을 통해 실제 경험을 생성할 수도 있습니다.

• 또한, AI는 일관성 있고 객관적인 콘텐츠를 제작하여 권위를 구축하고, 오류를 최소화하여 신뢰성을 높일 수 있습니다. 이러한 AI의 능력은 콘텐츠 제작에 있어서 인간의 한계를 극복하고, 더 나은 품질의 콘텐츠를 제공할 수 있도록 돕습니다.

• 주요 시사점: AI가 콘텐츠 제작의 미래를 어떻게 바꿀지에 대한 통찰력을 제공합니다.

• AI는 콘텐츠 제작 방식을 근본적으로 변화시킬 잠재력을 가지고 있습니다. AI는 인간보다 더 효율적이고 정확하게 콘텐츠를 제작할 수 있으며, 이를 통해 기업은 콘텐츠 제작 비용을 절감하고, 더 많은 독자들에게 도달할 수 있습니다.

• 하지만 AI를 활용한 콘텐츠 제작에는 윤리적인 문제와 책임 소재에 대한 논의가 필요합니다. AI가 생성한 콘텐츠에 대한 투명성을 확보하고, AI의 오작동으로 인한 피해를 방지하기 위한 노력이 필요합니다.

추천 태그: AI, EEAT, 콘텐츠 마케팅

☕ 커피 마시며 읽어 볼 정보들

Google Search Console, AI 모드 클릭, 노출, 순위 데이터 통합 발표. Google Search Console(GSC)에 AI 모드에서의 클릭, 노출, 순위 데이터가 통합되어, 오늘부터 GSC 실적 보고서에 AI 모드 관련 총계가 반영됩니다. 이는 AI 모드가 미국 내 모든 사용자에게 확대 적용됨에 따라, 검색 결과 보고의 투명성을 높이기 위한 조치입니다. Google은 AI 모드 내 외부 링크 클릭, 페이지 노출, 그리고 표준 검색 결과와 동일한 방식으로 계산된 순위를 GSC에서 확인할 수 있도록 했습니다. AI 모드는 AI 개요와 달리 단일 위치로 표시되지 않으며, 링크 카드, 이미지 블록, 캐러셀 등 각 구성 요소가 Google의 표준 검색 요소 규칙에 따라 개별적인 위치를 갖습니다. 사용자가 AI 모드에서 후속 질문을 할 경우, Google은 이를 새로운 검색으로 취급하여 모든 클릭, 노출, 순위 데이터를 해당 새로운 검색어에 귀속시킵니다. AI 모드 보고에 대한 필터링 기능은 아직 제공되지 않지만, 이번 업데이트를 통해 AI 기반 응답이 검색 결과에 미치는 영향을 보다 정확하게 파악할 수 있게 되었습니다. | 전체 읽기
노출↑ 클릭↓ AI 검색이 가져온 마케팅의 딜레마. 2024년 하반기까지 긍정적인 상관관계를 보이던 Ahrefs 블로그의 노출수와 클릭수가 2025년 상반기에는 음의 상관관계로 급변했습니다. 이는 AI Overviews의 등장으로 노출수는 증가했지만, 검색 사용자들이 검색 결과 페이지를 벗어나지 않고 필요한 정보를 얻게 되면서 클릭수가 감소하는 "The Great Decoupling" 현상 때문입니다. AI Overviews는 기존 검색 결과에서 높은 순위를 차지한 콘텐츠를 인용하여 노출수를 늘리는 동시에, 제로 클릭 검색을 증가시켜 클릭률을 낮추는 요인으로 작용합니다. AI Overviews의 영향력을 파악하기 위해 Ahrefs는 SERP 기능 필터를 활용하여 AI Overviews가 발생하는 키워드를 분석하고, AI 가시성 도구인 Brand Radar를 통해 자사 URL이 인용된 키워드를 추적합니다. 과거에는 블로그 트래픽 증가가 비즈니스 성장과 밀접하게 연관되었지만, AI 검색 시대에는 이러한 상관관계가 약화되고 있습니다. 하지만 AI 검색을 통한 방문은 기존 검색보다 전환율이 23배 높다는 데이터도 있습니다. 따라서 콘텐츠 마케팅 방식의 변화가 필요하며, 트래픽 성장 목표를 재설정해야 할 것입니다. | 전체 읽기
범용 오픈-셋 분류기: 모든 레이블 분류 체계 지원. 새로운 검색 쿼리 분류기가 개발되어, 추론 시점에 제공되는 레이블 목록에 따라 각 검색 쿼리에 가장 적합한 레이블을 식별합니다. 이 모델은 재학습 없이도 새로운 레이블을 즉시 적용할 수 있어 유연성이 뛰어납니다. 레이블을 ID가 아닌 텍스트로 처리하여 여러 레이블을 동시에 선택할 수 있으며, 학습 데이터에 없던 레이블도 포함할 수 있습니다. 이 모델은 다양한 산업 분야에서 활용 가능하며, 쿼리와 레이블 텍스트 간의 의미적 적합성을 평가하여 도메인별 의도를 정확하게 파악합니다. 이 모델은 SEO 중심의 다양한 활용 사례를 지원합니다. GSC에서 추출한 모든 키워드를 사용자 정의 상업/거래 버킷으로 태깅하여 콘텐츠 전략에 활용하거나, 구글 검색 결과에서 나타나는 주요 의도와 사용자가 순위를 높이고자 하는 의도를 비교 분석할 수 있습니다. 또한, 고객의 퍼널 단계 변화에 따라 레이블 세트를 교체하여 동적 캠페인 보고를 수행할 수 있습니다. 모델은 쿼리와 레이블 쌍에 대한 관련성 손실을 최소화하도록 학습되었으며, 13만 개의 학습 샘플로 데이터 세트를 보강하여 지리적, 탐색적, 로그인 관련 혼동을 해결하고 성인, 포르노, 불법 제품 쿼리를 구별할 수 있도록 개선되었습니다. | 전체 읽기
LLM의 정보 수용도 실험: 허구 정보의 영향력과 대응 방식 분석. 최근 개인 블로그에서 대규모 언어 모델(LLM)의 정보 수용도를 평가하는 실험이 진행되었습니다. 이 실험에서는 어떤 LLM이 가장 쉽게 영향을 받는지, 허구 정보를 사실로 제시할 가능성이 높은지, 그리고 얼마나 빠르게 LLM의 답변에 영향을 줄 수 있는지를 조사했습니다. 또한, LLM이 답변의 신뢰성에 대한 맥락을 제공하는지, 아니면 정보를 액면 그대로 받아들이는지도 분석했습니다. 실험 결과, Google의 AI Overviews, AI Mode, Gemini, ChatGPT와 같은 LLM은 게시 후 24시간 이내에 허구의 "SEO 순위"를 반영하는 경향을 보였습니다. 특히 Google의 LLM은 해당 기사가 가볍거나 장난스러운 의도로 작성되었다는 맥락을 추가하여 출처의 신뢰성을 검증하려는 노력을 보였습니다. 반면, Perplexity와 Claude는 더욱 신중한 태도를 보이며 답변을 거부하거나 정보의 신뢰성 부족을 지적했습니다. 일부 LLM은 순위가 "광범위한 연구에 기반"한다는 허구 주장을 다른 맥락 없이 반복하여 검증 없는 인용의 위험성을 드러냈습니다. 이 실험은 인터넷에 연결된 LLM이 얼마나 쉽고 빠르게 새로운 콘텐츠에 영향을 받을 수 있는지를 보여주며, 허위 정보와 LLM 응답의 신뢰성에 대한 중요한 질문을 제기합니다. | 전체 읽기

Newsletter

디지털 시대, 새로운 정보를 받아보세요!