Google Vertex AI 랭킹 API 실험: 의미론적 연관성을 통한 콘텐츠 감사

핵심

SERP 순위만으로는 콘텐츠의 진정한 가치를 알 수 없다. Google의 자체 AI 모델을 통해 의미론적 연관성을 측정하면, 순위와 실제 콘텐츠 품질 간의 간극을 드러낼 수 있다.

실험 구성

저자는 다음 세 가지 도구를 조합했다:

• DataForSEO — SERP 데이터 및 콘텐츠 크롤링
• Google Vertex AI 랭킹 API — 의미론적 연관성(semantic relevance) 점수 산출
• 커스텀 해석 레이어 — 순위 위치와 AI 이해도 간 관계 매핑

결과적으로 현재 순위에 있는 콘텐츠가 왜 순위를 유지하는지, 무엇이 누락되었는지 실질적으로 감사할 수 있는 방법론을 개발했다.

사례 분석: "SEO란 무엇인가" 검색어

SERP #2 → AI 점수: 0.996

• Google 공식 SEO 입문 가이드(SEO Starter Guide)
• 특징: 종합적, 권위 있음, 사용자 의도에 부합
• 거의 완벽한 점수 도출

SERP #5 → AI 점수: 0.992

• 고도로 기술적인 가이드(첫 페이지에 묻혀 있음)
• 특징: 높은 의미론적 일치, 깔끔한 형식, 명확하고 집중된 답변
• 현재 순위보다 더 높은 순위를 받을 자격이 있는 콘텐츠

SERP #6 → AI 점수: 0.145

• 상위 순위 페이지이면서 충격적으로 낮은 연관성 점수
• 특징: 약한 콘텐츠, 도메인 권한(domain authority)만으로 순위 유지
• 사이트 구조와 공격적인 내부 링킹으로 인한 순위 결과

기회: 순위는 높지만 콘텐츠 품질 때문이 아니라는 점이 최적화 기회를 제시한다.

100+ 페이지 분석에서 도출된 핵심 학습

1. 약한 콘텐츠도 구조적 지원이 있으면 순위 유지 가능

순위 #3인 페이지가 300단어의 채움 콘텐츠로만 구성되어 있었다.

순위 유지의 이유:

• 홈페이지에서 47개의 내부 링크
• 깔끔한 URL 구조
• 스마트한 브레드크럼(breadcrumb)
• 사이트 아키텍처가 모든 역할을 수행

2. Google은 페이지 전체가 아니라 문단 단위로 순위 결정

의미론적 점수가 높은 페이지를 분석했을 때:

• 길이에 의존하지 않음
• 명확한 문단 2–3개(점수 >0.900)에 집중
• 키워드를 반복해 채운 2,000단어 글은 일관되게 밀렸다

AI가 선호하는 패턴: "먼저 답변. 그 다음 확장."

3. 내부 링크가 의미론적 이해 형성

내부 링크는 단순 크롤 신호가 아니라 AI가 주제를 이해하는 방식을 형성했다.

효과적인 방식:

• 관련 콘텐츠로의 맥락 기반 링크
• 설명적 앵커 텍스트(정확 일치 스팸 아님)
• 논리적 주제 클러스터(topic cluster)

비효과적인 방식:

• 푸터 스팸 링크
• 단절된 사일로(silo)
• 과도하게 사용된 키워드 앵커

내부 링크 = 의미론적 기초(semantic scaffolding)

5단계 실행 프로세스

1. 분석 실행 — 상위 20개 검색 결과에 대한 Vertex AI 점수 산출
2. 불일치 찾기 — 높은 순위/낮은 점수 = 실력 없이 순위하는 콘텐츠
3. 우수 사례 심층 분석 — 0.900 이상의 페이지가 특별한 이유 파악
4. 약한 우승자 감사 — 낮은 점수인데 높은 순위? 링크 흔적 추적
5. 정밀 실행 — 고품질 콘텐츠와 구조적 SEO 결합