검색 너머로: 에이전트 커머스와 LLM 준비 상태

핵심

검색 환경이 구글, AI 도구, 소셜 플랫폼으로 분산되고 있으며, 사용자 신뢰가 각 채널 선택을 좌우한다. 에이전트 커머스, 구조화된 데이터, 콘텐츠 거버넌스, 그리고 에이전트 대응 웹사이트 구축이 SEO의 새로운 과제다.

검색 행동의 변화

• 검색 채널의 분산: 사람들이 필요와 신뢰에 따라 다양한 발견 경로를 선택하고 있다. 클래식 블루 링크는 매우 빠른 정보 조회가 필요할 때만 사용되는 중.
• 세대별 다양한 행동: 어린이부터 노인까지 동시에 LLM을 사용 중인 것은 역사상 처음이며, 이는 검색 환경의 가장 큰 변화.
• 소셜 플랫폼의 검색 역할: 인스타그램은 패션이나 식당 추천처럼 특정 분야에서 검색 엔진 역할을 함. TikTok에서는 마이크로인플루언서를 통해 직접 구매도 가능. 이는 이미 존재하던 현상이지만, LLM으로 더 가속화되는 중.
• 검색의 재정의: SEO를 '어디서나 검색 최적화(Search Everywhere Optimization)'로 이해하면, 전통적 SERP 외에도 시각 검색, YouTube, Google Lens 등이 중요해진다.

에이전트 커머스: ACP vs UCP

OpenAI의 ACP(Assistants Commerce Platform)

• 폐쇄적·거래 중심: OpenAI가 ChatGPT 플랫폼 내에서만 작동하는 독점 구조.
• 한계: Walmart 사례에서 보듯 복합성이 높고, 모든 이행과 정보 제공을 판매자가 담당해야 함.
• 급성장의 문제: 출시 후 90일 만에 "실패했다"는 평가가 나왔는데, 이는 새 기술 검증에 너무 짧은 기간.

Google의 UCP(Unified Commerce Platform)

• 개방형·포괄적: 모든 플랫폼(Bing 포함)이 사용 가능한 표준으로, 발견부터 충성도까지 전체 여정을 고려.
• 데이터·인프라·고객 여정의 이점: Google이 이미 축적한 방대한 데이터와 기반시설을 활용해 개인화된 서빙이 가능.
• 더 나은 구조: 거래뿐 아니라 물류, 배송 등 후속 절차까지 통합.

합의 부재의 문제

• Schema.org 출범 때는 Yahoo, Google, Bing이 처음부터 합의한 표준이었으나, 현재는 ACP와 UCP가 경쟁 중. 이는 신뢰성과 표준화를 해친다.

Google Merchant Center의 중추적 역할

• Google의 모든 자산(검색, 쇼핑, 광고 등)에 영향을 미치는 중앙 허브로 기능.
• Schema와 달리 GS1 같은 온톨로지(ontology)를 통해 정확한 데이터 관리와 의미적 표류(semantic drift) 방지.
• Shopify는 이미 Google Merchant Center와 직접 연동되고 있음.
• Yoast는 SEO에 필요한 Schema에 집중하며, Merchant Center는 상거래와 유료 워크플로우에 더 관련 있다고 판단.

구조화된 데이터와 Schema의 진정한 목적

Schema가 rich results에만 국한되지 않음

• SEO 커뮤니티가 SERP 시각적 요소(리치 스니펫)에만 집중하면서, Schema의 실제 역할을 오해해 옴.
• Schema의 세 가지 생명(Three Lives of Schema):
  1. Rich results(디스플레이 기능)
  2. LLM 학습 및 수집
  3. 실시간 데이터 수집(현재 상황 이해)

과최적화 아닌 과소최적화

• Schema.org 데이터에 따르면, 약 1,000개 중 50% 정도의 item type이 전 세계 10,000개 미만의 사이트에서만 사용됨.
• 약 1,000만 개 이상의 사이트만 12개 item type을 사용 중.
• 결론: 과다 최적화가 아니라 과소 최적화 상태. 평균 사이트는 12개보다 훨씬 더 많은 Schema를 사용해야 함.

Schema Actions의 부상

• 2014년 도입됐지만 지금 중요해지는 중. 이메일 내 RSVP, 예약 추가 등이 대표 사례.
• WebMCP, ACP, UCP 같은 에이전트 프로토콜이 Schema actions를 더 많이 활용할 것으로 예상.

FAQ Schema와 LLMs.txt의 속성

• FAQ rich result가 2023년경 제거되었지만, Schema 자체는 여전히 유효. Google은 "표시 기능"을 제거한 것이지 Schema 사용을 중단하라고 말하지 않음.
• LLM은 여전히 FAQ Schema를 보고 질문과 답변의 관계를 이해함.
• 마찬가지로 수년 전 폐기된 HowTo Schema도 LLM에서 활용됨.

구조화된 데이터와 의미적 명확성

벡터 임베딩(Vector Embeddings)과 의미적 표류 완화

• 벡터 임베딩: 검색 중 두 항목 간 관계를 찾는 방법. 문맥이 많을수록 결과가 정확하고 환각(hallucination) 가능성이 낮아짐.
• 의미적 표류의 예: "John이 40년간 가게에서 일했고 주인 Robert의 아들 같은 존재였다면, Robert 사망 후 누가 법적 상속자인가?"라는 질문에서 LLM이 John을 상속자로 잘못 판단할 수 있음.
• 해결책: 이 세 개체(Robert, John, Mark)와 관계를 명시하는 구조화된 데이터(Schema)가 있으면 오류 가능성 대폭 감소.

콘텐츠 거버넌스의 중요성

• 한 번의 최적화로 끝나지 않음. 정보는 지속적으로 업데이트·변경·확장되어야 함.
• 거버넌스가 없으면 데이터 표류가 자연적 엔트로피처럼 누적되어 LLM에서 좀비처럼 나타나 브랜드 인식 손상.
• 제어된 데이터뿐 아니라 제3자 사이트에서 인용된 콘텐츠도 관리 필요.

Organization과 Person Schema의 중요성

• Google이 obligatory/recommended properties를 명시하지 않은 유일한 Schema 타입.
• 대신 "가능한 모든 property를 사용하라"고 권고.
• 이 둘이 가장 중요한 이유는 내부 그래프를 통해 브랜드의 권위와 관계를 명확히 하기 때문.

LLMs.txt와 에이전트 네비게이션

Google의 모순적 메시지

• Search 부서: "LLMs.txt는 쓸모없다, 굳이 할 필요 없다"
• 엔지니어링·Chrome·Google I/O: LLMs.txt를 명시적으로 언급하고 PageSpeed 성능 테스트에 포함.

용도의 차이

• 클래식 검색: LLMs.txt 불필요
• 에이전트 검색: 폴백(fallback) 메커니즘으로서 LLM이 어떤 페이지를 우선적으로 확인해야 할지 신호.

에이전트의 페이지 이해 방식

• 일부 경우 LLM이 페이지 스크린샷을 찍어 이해함(드물긴 함). Google뿐 아니라 Claude도 동일.
• 이는 클래식 SEO 아키텍처가 아닌 새로운 아키텍처.

WebMCP의 역할

• LLM과 웹사이트가 통신할 수 있는 기반 구조를 제시.
• 어디서 에이전트와의 접점(연락처 양식 등)을 찾을 수 있는지 명시.

GEO와 SEO의 관계

GEO가 별도 분야로 분리될 것인가?

• "GEO는 그냥 좋은 SEO일 뿐"이라는 주장: 이는 뉘앙스 있게 봐야 함.
• 현실: LLMs.txt 같은 것은 전통적 SEO가 아니지만, 에이전트가 사이트를 더 빠르고 효율적으로 이해·표시하는 데 도움이 되므로 "가시성" 영역에 속함.

역사적 선례

• News SEO가 나타났을 때 XML sitemap이 필수였지만, 이것도 결국 SEO의 일부였음.
• 소셜 미디어 초기에는 별도 전문가가 없었고, 온라인 마케터들이 담당했다가 나중에 전문 분야로 분화.

현재 입장

• 엔지니어링 팀의 움직임에 더 주목. Search 부서보다 engineers가 다음에 무엇을 구축할지 알기 때문.
• OpenAI, Claude, Grok 같은 플랫폼에서 무엇을 하는지 파악 필요.
• 현재로서는 GEO를 SEO의 일부로 유지하는 것이 바람직. 기술적 시각을 갖춘 SEO 프로페셔널이 이 영역을 담당할 수 있기 때문.
• 향후 LLM 최적화가 별도 분야로 성장할 수도, 함께 유지될 수도 있음.

WebMCP: SEO가 지금 도입해야 하는가?

현황과 신중함

• WebMCP는 아직 진행 중인 개방형 표준으로, GitHub에서 논의되고 있음.
• Google, Microsoft, OpenAI 등이 참여해 검토 중.
• 일부가 너무 서둘러 최적화하려 하는 경향이 있으나, 프로토타입 단계에서는 리스크 낮은 부분부터 테스트 추천.

예산 재분배 전략

• 선행 조건: 온라인 판매가 없으면 ACP, UCP, 에이전트 커머스 고려 불필요.
• 우선순위:
  1. 클래식 SEO: 여전히 기반을 담당하고 트래픽 생성. 계속 필수.
  2. 해당 채널별 집중: 비즈니스 모델과 고객에 따라 LinkedIn, Instagram, TikTok 등 선택적 투자.
  3. WebMCP: 기술 부채가 낮고 잠재적 이득이 크므로 최소 요구사항으로 적극 권장.

WebMCP의 경쟁 우위

• 보험(Insurance) 개념: 저비용, 저리스크 정책.
• 조기 채택의 이점: "에이전트 대응 연락처 양식을 가진 유일한 비즈니스"라면, LLM이 리드를 완성할 때 당신만 제시될 가능성.
• 예시: 누군가 LLM에 "Manchester의 좋은 SEO를 찾아줘"라고 요청했을 때, WebMCP가 있는 당신만 LLM이 연락처 양식을 채우고 제출하도록 할 수 있음.

측정의 어려움

• FAQ Schema, LLMs.txt, WebMCP 같은 전술은 전환 기여 분석(attribution)하기 어려움.
• 하지만 신흥 AI 시스템이 다양한 사용 사례에서 콘텐츠를 이해하고 표시하는 데 여전히 도움이 될 수 있음.
• 철학적 변화: "구현 후에 측정할 수 있다"는 관점으로 전환할 필요.

추가 고려사항

검증과 신뢰의 속도

• AI 기반 발견과 에이전트 커머스가 주류화되는 속도는 검증과 신뢰에 달려 있음.
• 현재 사람들은 신뢰할 수 없으므로 쇼핑은 여전히 주로 Google 또는 직접 방문. 거래 중심 AI 어시스턴트는 아직 미성숙.

엔지니어링 팀의 중요성

• Search 부서보다 engineering 팀의 방향을 따라가는 것이 미래 준비에 더 유리.
• 각 플랫폼(Google, OpenAI, Claude, Grok 등)의 개발 방향이 SEO 전략에 영향을 미칠 예정.