AI 검색에서 클릭 없는 영향력을 추적하는 4가지 방법
핵심
생성형 AI 검색이 기존의 클릭 기반 구조를 변화시키면서, 마케팅 활동이 구매 결정에 영향을 미치지만 웹사이트 방문으로 측정되지 않는 상황이 증가하고 있다.
AI 답변이 클릭 없는 경험의 확산을 가속화
기존 검색은 이미 수년간 클릭 없는 경험으로 진화해왔다.
- 추천 스니펫(featured snippets), 정보 제목(knowledge panels), 로컬 팩(local packs) 등의 기능이 검색결과 페이지에서 직접 답변을 제공하면서 클릭률을 꾸준히 낮추었다.
생성형 검색은 이 경향을 더욱 가속화한다.
- 여러 번의 클릭이 필요했던 조사 과정을 하나의 상호작용으로 압축한다
- 사용자는 벤더를 비교하고, 추천을 평가하고, 정보를 수집하면서도 검색결과 페이지를 떠나지 않는다
- 브랜드 관점에서는 구매자 여정의 일부 가시성을 잃지만, 웹사이트 방문이 일어나기 전에 결정에 영향을 미칠 새로운 기회가 생긴다
기존 어트리뷰션 모델의 한계
전통적인 전환 기여 분석은 웹사이트 방문을 마케팅 활동이 결정에 영향을 미쳤다는 주요 신호로 사용해왔다.
일반적인 경로: 사용자가 검색 → 결과 클릭 → 웹사이트 방문 → 분석 플랫폼이 방문 기록 → 리드, 판매 또는 전환과 연결
AI가 이 발견(discovery)과 측정 가능한 트래픽의 관계를 끊기 시작했다.
구매 담당자가 웹사이트를 방문하기 전에 AI 생성 답변을 통해 여러 번 브랜드를 마주칠 수 있다. 웹사이트에 도착하면, 분석 도구에 남은 기록은 단순해 보인다:
- 직접 방문
- 브랜드 검색
- 전환
브랜드를 소개하고, 고려를 형성하고, 벤더 선택에 영향을 준 상호작용들은 보고서에 나타나지 않는다.
더 많은 발견과 평가가 AI 시스템 내에서 일어나면서, 전환 기여 분석은 의사결정 과정의 더 작은 부분만 포착한다. 웹사이트 방문은 여전히 기록되지만, 그 이전에 일어났던 대부분의 상호작용은 보이지 않는다.
이 상호작용들이 측정하기 어려워진 것이지, 중요하지 않아진 것이 아니다.
보이지 않는 영향력의 증가
측정하기 어려워지고 있는 상호작용들이 동시에 구매자가 발견, 평가, 비교하는 방식에 영향을 미칠 새로운 기회를 만들고 있다.
구매자는 한 채널을 통해 기업을 발견한 후, AI를 사용해 벤더를 비교하고 대안을 탐색하고 추천 목록을 작성하면서 웹사이트를 방문하지 않을 수 있다. 이 과정에서 추천(recommendations), 카테고리 비교(category comparisons), 인용(citations), 기타 AI 생성 답변을 통해 브랜드를 다시 마주칠 수 있으며, 이는 친숙함을 형성하고 신뢰성을 강화한다.
이러한 영향력의 형태:
- "최고의 옵션" 목록에 포함
- 카테고리 비교 내 추천
- 업계별 프롬프트 내 언급
- AI 생성 답변 내 인용
- 초기 단계 조사 및 평가 중 참고
이러한 상호작용은 클릭을 생성하지 않을 수 있지만, 구매자가 고려하는 기업, 추천 목록에 오르는 벤더, 공식 평가 과정이 시작되기 전 브랜드가 인식되는 방식을 형성할 수 있다.
AI 시대의 영향력 측정: 4가지 방법
전통적인 전환 기여 분석은 여전히 가치가 있다. 웹사이트 방문, 전환, 추천 출처, 채널 성과는 중요한 신호로 남아있다. 하지만 현실은 이러한 데이터가 구매 결정이 어떻게 이루어지는지에 대해 덜 완전한 설명을 제공한다는 것이다.
1. 보조 전환(Assisted Conversions)
AI 생성 추천은 구매자가 측정 가능한 구매 깔때기에 진입하기 훨씬 전에 결정에 영향을 미친다. 보조 전환 보고는 마지막 터치포인트가 아니어도 지속적으로 전환을 유도하는 채널을 식별하는 데 도움이 된다.
2. 브랜드 검색 증가(Branded Search Growth)
AI 가시성이 인지도를 만들고 있다는 가장 명확한 신호 중 하나는 브랜드 검색 활동의 증가다. AI 생성 추천, 비교, 인용을 통해 기업을 만난 후 특정 회사를 검색하는 구매자가 더 많다면, AI 추천 트래픽이 미미해도 브랜드 검색량은 증가할 수 있다.
3. 직접 트래픽 추이(Direct Traffic Trends)
직접 트래픽은 AI 영향력의 독립적인 측정값으로 취급해서는 안 된다. 하지만 설명할 수 없는 직접 방문 증가는 때때로 구매자가 다른 곳에서 기업에 대해 알아본 후 직접 탐색이나 브랜드 검색을 통해 나중에 돌아온다는 것을 나타낼 수 있다.
4. AI 시스템 내 브랜드 가시성(Brand Visibility within AI Systems)
AI 시스템 내 가시성은 그 자체로 의미 있는 신호가 되고 있다. 기업의 브랜드가 관련 프롬프트, 비교, 추천, 인용에 얼마나 자주 나타나는지 추적하면, AI 시스템이 기업을 카테고리 내 신뢰할 수 있는 출처 또는 옵션으로 보는지 여부를 밝혀낼 수 있다.
단일 지표로는 AI 기반 영향력을 완전히 설명할 수 없다. 목표는 전통적인 전환 기여 분석 데이터를 가시성, 고려, 추천의 신호와 결합하여 결정이 어떻게 형성되는지에 대한 더 완전한 그림을 만드는 것이다.
더 완전한 영향력 이해로 향하며
웹사이트 방문, 전환, 추천 출처, 채널 성과는 여전히 가치 있는 신호다. 하지만 구매 결정은 점점 더 구매자가 웹사이트에 도달하기 전에 일어나는 상호작용에 의해 형성되고 있다.
AI가 사람들이 발견하고, 조사하고, 평가하는 방식의 더 일반적인 부분이 될수록, 영향력과 그것이 구매 과정 전반에서 하는 역할에 대한 더 광범위한 이해가 필요하다.
가장 효과적으로 적응하는 조직들은 전통적인 전환 기여 분석 데이터를 가시성, 고려, 추천, 브랜드 발견의 새로운 신호들과 결합할 것이다.
더 완전한 영향력 그림은 구매자 여정이 분석 플랫폼이 쉽게 관찰할 수 있는 상호작용을 넘어선다는 것을 인식하는 데서 시작한다.