AI 검색을 SEO처럼 측정하면 안 되는 이유: 추적해야 할 올바른 지표

핵심

AI 검색은 기존 SEO의 친숙한 추적 방식이 통하지 않는다. 값이 클릭이나 순위로 나타나지 않으며, 브랜드 추천이 인용 없이도 가능하고, 직접적인 클릭이 없으면 전환 추적이 어렵다.

AI 검색의 작동 원리

SEO가 AI 검색을 잘못 이해하는 가장 큰 부분

• 기존 사고모델의 한계: AI가 렉시컬 검색(lexical search, 키워드 기반 검색)을 갑자기 대체한 게 아니다. 렉시컬 검색은 ChatGPT 등장 이전부터 쇠퇴했고, 많은 SEO 가정이 이미 구식이었다.
• SEO와 완전히 분리되지 않음: 일부 전술은 두 환경에 모두 적용되지만, 우선순위와 생각하는 방식은 변해야 한다.
• 새로운 사고모델 필요: SEO 전문가들이 이 일을 주도하기에 가장 적합하지만, AI 응답을 기존 순위처럼 취급하거나 옛날 전략을 그대로 적용할 수 없다. 가시성을 이해하는 기본 모델 자체를 업데이트해야 한다.

그라운딩 검색과 브랜드 영향력

그라운딩 검색(grounding searches): AI 시스템이 프롬프트 응답을 위해 외부 정보가 필요하다고 판단할 때 발생한다.

• 예: "나비에 대한 시를 써줘"는 모델의 내부 학습 데이터(오래된 정보)로 답한다.
• 반면 "톰 캐퍼는 누구고 최근에 뭘 하고 있어?"라고 물으면 백그라운드에서 구글 검색을 여러 번 실행한 후 답한다.

백그라운드 검색의 의미:

• 브라우저 콘솔에서 검사할 수 있으며(도구에 따라 다름), 구글은 팬아웃 뷰(fan-out view)에서 이를 암시한다.
• 이들 검색은 이상한 쿼리가 될 수 있어 정확히 순위 추적하는 건 권장하지 않지만, 가시성이 어떻게 작동하는지 보여준다.

관점의 전환:

• 기존: "이 쿼리에서 내 사이트가 나타나려면?"
• 현재: "AI 시스템이 사용하는 출처들이 내 브랜드를 올바르게 설명하도록 하려면?"
• 시스템은 정보가 자신의 웹사이트에서 오든 다른 곳에서 오든 상관하지 않는다. 그라운딩 검색은 최적의 답이 있는 곳 어디서든 가져온다.
• 오프사이트 작업의 중요성 증대: SEO 역사에서 이전보다 훨씬 더 오프사이트 일이 강조된다. 이를 디지털 PR이라고 부를 수 있으며, 이제 주요 전략으로 인정받고 있다.

프롬프트 조사 vs. 롱테일 키워드 조사

프롬프트 조사의 특성:

• 롱테일 키워드 조사보다 더욱 롱테일이므로 정확한 프롬프트 볼륨이 덜 유용하다.
• 클릭스트림 데이터에서 프롬프트 볼륨을 얻을 수 있지만, 키워드 볼륨만큼의 가치는 없다.
• 대부분의 프롬프트는 더 길고, 더 자연스러운 대화형이며, 맥락에 크게 좌우된다.
• 높은 볼륨의 프롬프트는 종종 "감사합니다"처럼 단순한 대화 채우기일 뿐이며, 의미가 주변 대화에 완전히 좌우되므로 최적화할 실질적 가치가 없다.

AI 검색에서의 올바른 접근:

1. 관심 있는 주제 식별
2. 그 주제를 대표하는 프롬프트 추적
3. 누가 인용되고 브랜드가 어떻게 나타나는지 이해
4. 주제 주변 응답이 시간에 따라 어떻게 변하는지 모니터링

• 쿼리 팬아웃 방법론: 특정 문구를 몇 명이 검색했는지 묻는 대신, 주제 주변에 어떤 주제와 의도가 모여 있는지, 인용이 어떻게 변하는지 추적한다.
• 유용한 신호는 개별 프롬프트 수준이 아니라 주제 수준에 있으므로, 프롬프트 조사는 기존 키워드 모델을 따라해서는 안 된다.

봇 전략과 크롤 접근

봇 차단 전략

훈련 봇 vs. 그라운딩 봇의 구분이 필수:

• 훈련 봇(training bots): 기본 모델을 지원한다. 많은 경우 이들을 차단해도 응답에서 보이는 것이 수년간 바뀌지 않을 수 있다. 대규모 모델은 느리게 재학습되거나 교체되기 때문이다.
• 그라운딩 봇(grounding bots): 라이브 검색, 웹 크롤, 사용자 쿼리에 대한 실시간 응답을 지원한다. 이들을 차단하면 AI 시스템이 현재 정보가 필요할 때 콘텐츠에 접근할 수 없게 된다.

차단 전략의 고려사항:

• 일부 출판사는 AI 회사와 협상하거나 트래픽 기반 비즈니스 모델을 보호할 정당한 이유로 더 공격적으로 차단한다.
• 하지만 대부분의 브랜드에게는 그라운딩 봇을 열어두는 게 합리적이다.
• 이는 오프사이트 전략에도 영향을 미친다. 제3자 언급은 LLM(대형 언어 모델)이 접근할 수 있을 때만 AI 가시성에 도움이 된다. 해당 사이트가 그라운딩 크롤러를 차단하면 라이브 응답에 나타나지 않을 수 있다.

실무적 접근:

• 어떤 사용자 에이전트를 차단 중인지 확인 (훈련 크롤러 vs. 그라운딩 크롤러)
• 기본적으로 그라운딩 봇을 차단하지 않으며, 확실하지 않으면 차단하지 말 것
• 그라운딩 봇을 차단하기로 결정했다면 비즈니스상 타당한 이유가 있는지 확인

LLMs.txt의 유용성

• 처음에는 LLMs.txt가 거짓 광고라고 봤으나, Anthropic이 이를 요청했다는 사실을 알게 됐다.
• AI SEO에는 구글 지배 시대에 익숙하지 않은 흥미로운 순환이 있다. 어떤 엔진의 거짓 광고가 다른 엔진의 현실이 될 수 있다.
• Anthropic이 실제로 이 데이터를 어떻게 사용하는지는 말할 수 없다. 하지만 AI SEO 전략이 구글 중심이라면 (대부분의 경우 그렇다고 믿음) LLMs.txt 파일은 아무 영향도 주지 않는다.
• Limy의 5억 1,500만 LLM 봇 트래픽 이벤트 분석은 주요 AI 봇이 파일을 의존한다는 증거를 거의 찾지 못했으나, 에이전트(agentic) 사용은 발견했다.
• 지금으로선 이에 많은 시간을 들이지 말 것. AI 시스템이 브랜드를 설명하기 위해 사용하는 출처를 이해하는 게 먼저다. 하지만 여유가 있다면 여전히 고려할 만하다.

올바른 지표 측정

잘못된 측정 방식

"AI 응답에서 첫 번째 URL이 내 것이므로 나는 1위다, 성공이다"라는 생각은 잘못된 지표를 측정하는 것이다.

AI 검색은 기존 검색처럼 트래픽을 보내지 않는다. 가치가 있지만 기존 검색과는 다른 종류의 가치다. CTR(클릭률)은 SEO인들이 익숙한 수준이 아니며, 프롬프트 추적을 링크, 클릭, URL 위치만으로 판단해서는 안 된다.

올바른 지표

다른 마케팅 채널을 측정하는 방식에 가깝게:

• 브랜드 가시성이 있는가?
• 대화에 포함되어 있는가?
• 추천받고 있는가?
• 올바른 주제와 연관되어 있는가?
• 권위 있는 출처가 정확하게 설명하고 있는가?

인용되지 않아도 추천은 승리:

• 예: 누군가가 "내 필요에 가장 좋은 스마트폰"을 묻고 AI 응답이 Samsung을 추천하며 PCMag을 인용한다면, Samsung은 자신의 사이트가 인용되지 않아도 추천받은 것이므로 실패라 보기 어렵다.
• 인용은 중요하지만 유일한 것은 아니다.

전환 기여 분석(attribution) 악몽:

• AI 가시성이 작동하는 방식을 반영하고 있다.
• 10년 전처럼 정확한 전환 추적은 불가능하다.
• 프롬프트 추적은 전통 SEO 지표와 함께 가시성, 추천, 브랜드 연관성을 측정해야 한다.
• Moz AI Visibility 도구를 사용해 프롬프트 목록을 만들고 추적할 수 있다.

오프사이트 전략과 브랜드 서사

오래된 콘텐츠의 인용과 재작성

콘텐츠가 오래되면 덜 인용되는가, 재작성이 도움이 되는가는 사이트마다 다르다.

확인할 항목:

• 브랜드 가시성 도구에서 추적 중인 프롬프트의 인용
• 로그 분석으로 어느 페이지에 AI 봇이 접근하는지
• 브랜드 및 주제 주변 그라운딩 쿼리에서 순위 매기는 페이지

페이지 인용 저하 원인: 그라운딩 쿼리에서 더 이상 순위가 매겨지지 않을 수 있다. 이 콘텐츠를 업데이트하면 AI 시스템이 응답에 사용하는 검색에 다시 나타날 수 있다.

단순 신규 콘텐츠 작성은 해결책 아님: 우선은 AI 플랫폼이 그 주제에 대해 신뢰하는 출처가 어디인지 파악하는 것.

현대 SEO의 핵심 변화: 오프사이트 포커스

역사적 전환:

• 지난 5년간 가장 큰 변화는 자신의 사이트를 넘어 생각하기다.
• 업데이트도 중요하지만, 이미 브랜드나 카테고리를 위해 나타나는 제3자 사이트에 영향을 주는 것이 더 큰 기회다.
• 이러한 외부 출처에 영향을 주는 것이 자신의 기사를 다시 쓰는 것보다 가시성에 더 큰 영향을 미친다.

검색의 미래

5년 후 구글 검색의 모습

진화, 혁명 아님:

• 5년 후 Google 검색 결과 페이지(SERP) 스크린샷은 아마 매우 달라 보일 것이다.
• 하지만 모든 쿼리에서 AI 모드처럼 보이진 않을 것 같다.
• 구글은 하이브리드 경험 쪽으로 이동할 가능성이 높으며, 검색 의도에 따라 더 극적으로 변하는 SERP가 될 것이다.
• 이미 오늘날 지역 쿼리, 제품 쿼리, 정보 쿼리의 결과 페이지는 완전히 다르며, 이 추세는 계속될 것 같다.

아웃바운드 트래픽:

• 구글은 곧 아웃바운드 트래픽 전송을 멈추지 않을 것 같다.
• 결국 그럴 수도 있지만, 구글의 비즈니스 모델이 여전히 트래픽 전송 기반이므로 수익화 문제가 생긴다.
• 구글의 AI 기능 문서는 AI Overviews와 AI Mode를 링크를 표시하는 경험으로 설명한다. 이는 모든 결과를 대체하는 단일 AI 응답이 아닌 하이브리드 SERP 개념을 뒷받침한다.

미래 변수:

• 에이전트 이커머스가 일부를 대체할 수 있지만, 아직 입증되지 않았고 모든 비즈니스 유형에 맞지 않는다.
• 5년은 길지만, 구글이 비즈니스 모델을 처음부터 다시 만들기에는 충분하지 않다.
• Web Guide: 하이브리드 미래를 향하는 더 흥미로운 실험이다.

AI 가시성을 위한 가장 저평가된 기술 움직임

로그 분석(log analysis)의 중요성:

• 특히 더 큰 팀의 경우 AI 가시성을 위한 가장 저평가된 기술적 움직임 중 하나다.
• Search Console이 악화되고 있으며, 대부분의 AI 플랫폼은 직접적인 Search Console 동등물이 없다.
• 로그 파일이 AI 시스템이 무엇에 접근하는지 이해할 수 있는 최고의 장소 중 하나다.

로그 분석이 보여주는 것:

• 어느 AI 봇이 사이트를 크롤링하는지

• 어느 페이지를 요청하는지

• 접근 또는 성능 문제가 어디서 발생하는지

• 중요한 페이지에 도달하는지 여부

• 플랫폼 간 크롤링 행동 차이

• 수요 측면 도구(Moz AI Visibility 같은)를 대체하지는 않는다. AI 존재를 이해하려면 여전히 필요하다.

• 하지만 AI 검색에 필요한 데이터는 기존 SEO 분석에 사용한 데이터와 다르다.

결론: AI 검색을 SEO처럼 측정하는 것을 멈춰라

다음 단계의 검색에서 성공하려면 SEO 전문가들은 가시성을 측정하는 방식과 이 새로운 검색 표면에 대해 최적화하는 방식을 다시 생각해야 한다. 일부 전략은 여전히 겹치지만, 사람들이 정보를 발견하고, 평가하고, 행동하는 방식이 변하고 있다.