쿼리 팬아웃: AI 검색에서의 가시성을 결정하는 백그라운드 프로세스

핵심

AI 검색 시스템은 사용자 질문을 받으면 백그라운드에서 여러 하위 질문(sub-queries)을 자동으로 실행하는 **쿼리 팬아웃(query fan-out)**이라는 프로세스를 통해 답변을 구성한다. 구글의 상위 순위에 랭크되는 콘텐츠도 LLM(대규모 언어 모델)에 인용되지 않을 수 있으며, 이는 팬아웃 프로세스에서 광범위한 주제 커버리지와 검색 가능성이 더 중요하기 때문이다.

쿼리 팬아웃이란

정의: 단일 사용자 질문을 여러 관련 하위 질문으로 분해하여 더 완전한 답변을 구성하는 AI 검색 시스템의 프로세스다.

작동 원리

• 질문을 "팬아웃"하여 일련의 관련 하위 질문으로 변환
• 편집 사이트, Reddit 스레드, 비교 페이지, 제품 페이지 등 여러 출처에서 정보를 수집
• 이 정보를 하나의 포괄적인 답변으로 종합

팬아웃을 사용하는 이유

• 정보 확인: 단일 출처의 오류나 편향을 방지하기 위해 여러 출처를 교차 검증
• 복잡한 특정 질문 처리: 가격, 신뢰성, 장기 가치 비교처럼 여러 계층을 가진 질문을 관리 가능한 부분으로 분해
• 실제 질문에 답하기: "최고의 칫솔" 검색은 가격, 배터리 수명, 내구성에 대한 답변도 원할 가능성이 높음. 팬아웃은 사용자가 명시하지 않은 필요도 예상하고 미리 증거를 수집

예시: "최고의 칫솔" 검색이 생성할 수 있는 하위 질문들

• "최고의 전동 칫솔" → 상위 평가 제품 및 편집 합의 제공
• "민감한 잇몸용 최고의 칫솔" → 사용 사례 추천
• "Oral-B 대 Philips Sonicare" → 직접 비교 데이터
• "최고의 친환경 칫솔" → 가치 있는 선택지 및 가격 정보

쿼리 팬아웃이 아닌 것

• 키워드 리서치: 사용자가 검색하는 용어를 찾는 프로세스. 팬아웃은 사용자가 질문할 때마다 AI 시스템이 자동으로 백그라운드에서 실행하는 것
• People Also Ask(PAA): 사용자가 다음으로 검색할 수 있는 내용을 보여주는 검색결과페이지(SERP) 기능. 팬아웃은 보이든 보이지 않든 백그라운드에서 발생
• 고정된 질문 세트: 반복 검색 간 팬아웃 하위 질문의 27%만 일관성 있게 유지된다(SurferSEO 연구). 하위 질문은 표현, 사용자 맥락, 플랫폼에 따라 변동

AI 가시성에서 쿼리 팬아웃이 중요한 이유

높은 순위만으로는 AI 인용으로 이어지지 않는다

• AI가 질문을 하위 질문으로 분해할 때, 순위 위치와 무관하게 각 질문에 가장 관련 있고 완전한 출처를 선택
• ChatGPT는 순위 21위 이상의 페이지를 거의 90% 인용 (Semrush 연구)
• Perplexity와 구글도 동일한 패턴 보임

AI는 페이지가 아닌 구절을 검색한다

• AI 시스템은 사용자를 페이지로 보내는 대신, 콘텐츠를 스캔하여 질문을 해결하는 정확한 구절을 종합
• 질문에 빨리 답할수록 추출될 확률이 높음
• ChatGPT 응답에서 인용되는 구절의 44.2%는 페이지 상단 30% 구간에서 나옴. 중간 31%, 마지막 구간 24.7% (Kevin Indig의 120만 ChatGPT 응답 분석)

개별 키워드가 아닌 전체 주제에서 경쟁한다

• SEO는 개별 키워드에 초점. 팬아웃은 포괄적 커버리지에 초점
• 주제 전반에 걸친 광범위하고 잘 연결된 커버리지(필러 페이지와 주제 클러스터 방식)가 AI 가시성 증대에 도움

쿼리 팬아웃이 구매 여정을 붕괴시킨다

• 기존: 구매자는 인식 → 검토 → 결정 단계를 거치며, 각 단계별로 콘텐츠 최적화
• AI 환경: 단일 높은 의도 질문이 팬아웃을 촉발하면, 인식, 검토, 결정 수준의 정보가 모두 한 답변에 포함됨
• 전체 구매 여정이 단일 상호작용에서 발생 가능. 콘텐츠는 특정 단계가 아닌 전체 퍼널에서 작동해야 함

6단계 워크플로우: AI 인용 획득하기

1단계: 머니 프롬프트(Money Prompts) 찾기

머니 프롬프트 정의: 고객이 자신의 문제를 해결하기 위해 AI 도구에 던질 대화형 질문이나 구문. AI SEO의 머니 키워드(높은 상업 의도 키워드)와 동일.

특징

• 보통 롱테일이고 매우 구체적
• 실제 사용 사례나 제약과 연결
• 단순 검색이 아닌 의사결정에 가까움

예시

• 키워드: "노이즈 캔슬링 헤드폰"
• 머니 프롬프트: "집에서 일하면서 아이들 소음을 차단할 수 있는 최고의 노이즈 캔슬링 헤드폰은? 300달러 이하는?"

찾는 방법

• 고객 지원 티켓
• 커뮤니티 포럼
• 판매 통화 녹음본
• 내부 채팅 로그
• 구글 서치 콘솔 쿼리
• Reddit 등 커뮤니티 검색

도구 활용: Semrush의 AI 가시성 도구는 사용자가 AI 도구에 입력하는 정확한 내용과 AI 응답을 보여줌. "주제 및 출처" 리포트는 브랜드가 이미 나타나는 123.7K개 프롬프트를 드러냄.

2단계: 팬아웃 세트 생성

수동 방법 (무료)

• AI 플랫폼에 다음 프롬프트 템플릿 입력: (원문에서 정확한 템플릿은 제시되지 않았으나, 머니 프롬프트를 입력하고 AI의 응답 분석)
• 여러 AI 도구에서 실행하여 각 플랫폼이 다르게 확장하는 방식 파악

도구 활용: Backlinko의 무료 ChatGPT 쿼리 팬아웃 도구

• Chrome 확장 설치
• ChatGPT에서 머니 프롬프트 실행
• 실시간으로 응답 캡처 및 백그라운드에서 실행된 모든 하위 질문 분석
• 인용된 모든 URL이 출처, 제품, 이미지, 뉴스로 분류됨

쿼리 타입 할당 (각 하위 질문에)

• Reformulation: 원본 프롬프트를 다시 표현한 버전
• Comparative: 두 가지 이상의 선택지를 비교
• Implicit: 사용자가 명시하지 않은 필요를 다룸
• Personalized: 특정 상황, 제약, 선호도로 맞춤화
• Entity expansion: 특정 브랜드, 제품, 인물 상세 탐색
• Related: AI가 사용자가 다음에 원할 수 있다고 예상하는 연결 주제

3단계: 의도 타입별로 하위 질문 분류

분류 기준: "이 질문에 답한 후 사람이 실제로 하고 싶은 것이 무엇인가?"

의도 버킷과 콘텐츠 포맷

| 버킷 | 설명 | 예시 | 콘텐츠 포맷 | |------|------|------|-----------| | 정의/기초 | X가 무엇인가? X는 어떻게 작동하는가? | "노이즈 캔슬링 헤드폰은 어떻게 작동하는가?" | 설명 기사, 용어집 섹션 | | 비교/대안 | X 대 Y, X의 대안 | "Apple AirPods Max 대 Sony WH-1000XM4" | 비교 페이지, 머리대머리 섹션 | | 최고/추천 | 특정 사용 사례를 위한 최고의 옵션 | "집에서 일할 때 최고의 노이즈 캔슬링 헤드폰" | 리스티클, 구매 가이드 | | 문제/해결 | X를 고치는 방법, X가 왜 발생하는가? | "오디오에서 배경 소음을 제거하는 방법" | 하우투 가이드, FAQ 섹션 | | 가격/가치 | X의 비용, X가 가치 있는가? | "150달러 이하의 좋은 무선 노이즈 캔슬링 헤드폰?" | 가격 페이지, 가치 비교 섹션 | | 사회적 증거/토론 | 리뷰, Reddit 의견, 사용자 경험 | "시끄러운 환경에서 통화에 최고의 이어버드 reddit" | 리뷰 종합, 사용자 피드백 섹션 |

4단계: 기존 콘텐츠의 갭 감사

조사 방법: 자신의 사이트에서 검색 (예: "site:yourdomain.com [하위 질문 주제]")

평가 항목

• 커버리지: 하위 질문에 직접 답하는가, 아니면 주제를 지나칠 정도로만 언급하는가?
• 포맷: 의도에 맞는 콘텐츠 포맷인가?
• 자체 포함 답변: 독자가 다른 곳을 참고할 필요 없이 답변이 독립적으로 서는가?

커버리지 레벨 분류

| 레벨 | 설명 | 조치 | |------|------|------| | 미커버 | 이 하위 질문을 다루는 페이지가 없음 | 이 하위 질문을 직접 대상으로 하는 새 콘텐츠 생성 | | 부분 커버 | 페이지가 주제를 지나칠 정도로만 언급하지만 하위 질문을 직접 해결하지 않음 | 기존 페이지에 하위 질문을 완전히 답하는 전용 섹션 추가 | | 완전 커버 | 전용 섹션이나 페이지가 하위 질문을 완전히 답하고 주변 맥락 없이 추출·인용 가능 | AI 인용 모니터링 및 최신 정보 유지를 위해 정기적 업데이트 |

경쟁자 추적: 머니 프롬프트를 AI 플랫폼에서 실행하여 어느 브랜드가 답변에 나타나는지 파악. 경쟁자가 나타나는데 자신은 나타나지 않는 갭을 우선 해결.

5단계: AI가 추출하기 쉽도록 콘텐츠 구조화

콘텐츠 생성

• 커버리지가 없는 하위 질문을 위해 전용 페이지/섹션 생성
• 부분 커버리지인 기존 페이지에 자체 포함 답변 추가

AI 추출 최적화

• 특정 질문에 직접 답하기 (배경 맥락 전에 답변 제시)
• 콘텐츠 청킹: 명확한 제목, 짧은 문단, 불릿 포인트로 초점 있는 섹션으로 분할
• 페이지나 섹션 상단에 핵심 정보 배치
• 명확하고 정확한 언어 사용 (특정 제품명, 수치, 사용 사례별 표현 포함)
• FAQ 섹션 추가

실제 사례: Bose는 62.3K개의 AI 플랫폼 멘션을 보유

• 제품 페이지에 "24시간 배터리 수명", "전설적인 노이즈 캔슬링" 같은 구체적 주장을 스캔 가능한 요소로 배치
• 주요 사양을 구조화된 비교 테이블로 정리
• 비행, 사용 사례별 전용 랜딩 페이지 구축 (설명적이고 시나리오별 언어 사용)
• 사용자 프롬프가 페이지 시나리오와 일치하면 AI 시스템이 해당 페이지를 선호할 가능성 높음

6단계: AI 검색에서의 성과 측정

추적 항목 (머니 프롬프트 각각)

• 나타나는가: 응답에서 브랜드가 언급되거나 추천되는가?
• 정확한가: AI가 브랜드에 대해 말하는 내용이 정확한가, 아니면 오래되거나 잘못된 정보를 끌어오는가?
• 경쟁 위치: 같은 응답에 어느 경쟁자가 나타나며, 상대적으로 어떻게 포지셔닝되어 있는가?

수동 추적: 여러 LLM을 프라이빗/시크릿 윈도우에서 실행하고 기록

자동화 도구

• Semrush 프롬프트 트래커: 머니 프롬프트의 언급 변화를 자동으로 경고
• 가시성 개요(Visibility Overview): AI 가시성 점수로 경쟁자 대비 노출 빈도 추적
• Perception 도구: LLM이 브랜드를 어떻게 설명하는지 감정 추적. "업계 주도의 노이즈 캔슬링"은 강점으로, "오버더이어 모델이 땀에 강하지 않음"은 개선할 사용 사례로 식별

지속적 모니터링: 새로운 하위 질문이 등장하거나 경쟁자가 진출할 때 머니 프롬프트를 정기적으로 재검토하고 콘텐츠 업데이트.

플랫폼별 쿼리 팬아웃 작동 방식

콘텐츠가 AI 답변에 나타나는 방식은 여러 요소에 따라 결정됨

• 시스템이 실시간 웹을 검색하는지, 학습 지식에서 끌어오는지
• 실행하는 하위 질문의 수
• 선호하는 출처 및 인용 방식

ChatGPT

• 간단한 정보성 질문: 학습 데이터에서 응답 (실시간 검색 없음)
• 신선한 정보, 비교, 현실 데이터가 필요한 질문: 실시간 웹 검색 실행

예시: "어느 차를 사야 할까 (Toyota 대 Honda)" 질문을 Thinking 모드로 실행하면, ChatGPT는 약 22초간 추론 후 41개 인용 출처의 답변 제시.

하위 질문 확인 방법

1. ChatGPT에서 머니 프롬프트 검색
2. 브라우저 주소 표시줄에서 "chatgpt.com/c/" 뒤의 슬러그 복사 (대화 고유 ID)
3. 페이지 우클릭 → "검사" 선택
4. 개발자 패널에서 "Network" 클릭
5. 필터 표시줄에 슬러그 붙여넣기
6. 페이지 새로고침
7. 슬러그의 fetch 버전 클릭
8. "Response" 탭 열기
9. Ctrl+F (Mac은 Cmd+F) → "queries" 검색

예시 결과: Toyota vs Honda 쿼리가 생성한 내부 검색들

• 자동차 사양
• 연비
• 신뢰성
• 안전 평가
• 장기 소유 비용

최적화 포인트: 콘텐츠가 각 하위 질문을 대상으로 하는가? 페이지가 ChatGPT가 검색하는 언어("장기 소유 비용" vs 단순히 "가치")를 사용하는가? ChatGPT는 Reddit 스레드, 리뷰 사이트, 비교 페이지처럼 제3자 출처를 많이 끌어오므로, 주제 권위(topical authority)—자신의 사이트뿐 아니라 ChatGPT가 검색할 가능성이 높은 출처 전반에서의 브랜드 노출—이 중요.

Perplexity

• 내부 팬아웃: 이전 대화 기록을 스캔하여 관련 맥락 찾기
• 외부 팬아웃: 외부 웹 관련 정보 검색
• 최종 답변은 두 계층을 모두 활용

예시: Toyota vs Honda 질문에서 Perplexity의 첫 번째 하위 질문 배치는 자동차와 무관

• 이전 대화에서 예산 제약, 운전 습관, 두 브랜드에 대한 과거 질문을 확인
• 그 후에야 신뢰성, 소유 비용, 안전 평가에 대한 외부 검색 시작

최적화 포인트: Perplexity는 예측할 수 없는 맥락(사용자의 과거 질문, 제약, 선호도)과 페이지를 짝지을 수 있음. 콘텐츠는 구체적이고 자체 포함되어야 하여 어떤 주변 맥락과도 정확하고 유용함.

Claude

• 즉시 하위 질문 실행이 아닌 먼저 명확화 질문 제시
• 사용자 답변에 맞춰 맞춤형 응답 생성
• 의도 명확화 후 검색하므로, 다른 플랫폼보다 더 적고 더 구체적인 팬아웃 하위 질문 생성

최적화 포인트: 모든 각도를 한 페이지에서 다루려 하기보다, 구체적이고 명확하게 정의된 사용 사례에 직접 답하기.

구글 AI 오버뷰와 AI 모드

• AI 오버뷰: 출처가 클릭 가능한 사이드바에 나열된 간결한 AI 생성 요약
• AI 모드: 복잡한 다중 부분 질문을 위한 전용 대화형 검색 탭

둘 다 구글의 기존 웹 인덱스를 활용하지만 실행하는 하위 질문을 노출하지 않음.

최적화 포인트: 답변 상단에 배치, 설명적 부제목 사용, 개별 구절이 독립적으로 서도록 콘텐츠 구조화.

결론

AI 검색은 쿼리 팬아웃으로 작동한다. 콘텐츠 전략도 그렇게 구성해야 한다.

• 높은 순위만으로는 AI 멘션을 얻을 수 없다
• 나타나는 브랜드는 자신의 청중이 실제로 묻는 질문을 커버하고, AI가 추출하고 인용하기 쉽게 만드는 브랜드다
• 하나의 머니 프롬프트부터 시작: 하위 질문을 매핑하고, 자신의 콘텐츠 상태 감사
• 갭을 채우면서 한 번에 한 주제씩 진행