이미지로 구글 디스커버를 분석하는 AI 도구를 만들었습니다

핵심

구글 디스커버는 검색어 없이 사용자의 검색 기록, 위치, 앱 사용 패턴, 관심사를 바탕으로 콘텐츠를 추천하는 개인화된 피드입니다. 명확한 순위 규칙이 공개되지 않아, Gemini AI의 멀티모달 능력을 이용해 디스커버에 적합한 콘텐츠 특성을 분석하는 도구를 만들었습니다.

구글 디스커버란?

• 검색어 없는 추천 피드: 구글 검색과 달리, 쿼리 없이 콘텐츠를 주도적으로 노출
• 추천 기준
  • 검색 기록, 위치, 앱 사용 패턴, 사용자 관심사 기반
  • 특히 안드로이드와 구글 앱에서 강력함
• 강점: 높은 참여도를 보이는 사용자 층에 대한 유기적 도달 기회

디스커버 성공의 일반적 특성

공식 규칙은 없지만, 연구와 구글 가이드라인, SEO 전문가 경험을 바탕으로 우수 성과 콘텐츠의 특징:

• 고품질 이미지/시각 요소
• 명확하고 설득력 있는 헤드라인(클릭베이트 제외)
• E-E-A-T 신호(경험, 전문성, 권위성, 신뢰성)
• 주제의 시의성 또는 신선함
• 좋은 모바일 사용성

구글 디스커버 분석 도구 소개

AI가 디스커버 성능 패턴을 역공학할 수 있을까라는 질문에서 출발해 개발했습니다. Gemini AI의 멀티모달 모델을 활용해 다음을 분석합니다:

• 입력: 스크린샷 업로드 또는 기사 텍스트 붙여넣기
• 처리: 구조화된 프롬프트로 Gemini가 콘텐츠 처리
• 출력: 0.00~1.00 범위의 '디스커버 점수'와 상세한 구조화된 분석

이 도구는 무료이며 교육 목적으로 Hugging Face Spaces에서 호스팅됩니다.

도구 작동 방식

입력 → 분석 → 출력 단계

1. 콘텐츠 요약: 헤드라인, 발행사, 핵심 주제를 영문으로 추출
2. 주제 식별: 주요 카테고리 및 소주제 태그(디스커버의 카테고리 매칭 방식을 모방)
   • 예: 세계 뉴스, 영국 이민 정책, 비자 비용, 과학 기술 정책, 뇌 유출 현상 등
3. 콘텐츠 구조 분석: 헤드라인 형식(질문, 리스트, 진술), 시각 요소 유무, 콘텐츠 길이 및 레이아웃
4. 디스커버 가시성 패턴: 주제의 시의성, 지역/언어 타겟팅, 현재 트렌드와의 정렬, 주제 권위성 신호(사이트가 해당 주제를 자주 다루는지 등)
5. 최적화 제안: Gemini의 패턴 인식을 바탕으로 헤드라인의 독창성/감정성 강화, 저자 자격 표시, 시각 요소 개선 등 제시

분석 사례: 0.75 / 1.00 점수

강점:

• 고권위 출처(독일의 국제방송 DW)
• 시사적이고 국제적 관련성이 높은 주제
• 명확하고 정보성 높은 메인 이미지

약점:

• 표준 뉴스 포맷으로 인한 독창성 부족 우려
• 저자 E-E-A-T 신호 미흡(가시적 저자 이름이나 자격 없음)

스크린샷 업로드가 최적인 이유

디스커버는 시각 우선 피드이므로, 스크린샷 업로드는:

• 레이아웃과 디자인 평가
• 메인 이미지 감지
• 시각 계층 구조와 모바일 사용성 고려

를 가능하게 합니다. 멀티모달 AI가 이미지와 텍스트 맥락을 함께 처리하는 강점을 활용하는 방식입니다.

주요 제한사항

• AI이지, 구글이 아님: 분석은 Gemini의 패턴 인식을 기반—구글 알고리즘이 아님
• 상관관계 ≠ 인과관계: 어떤 특성이 흔하다고 해서 그것이 원인이라는 뜻은 아님
• 점수는 실험적: 내부 프롬프트 하나를 기반으로 한 Gemini 생성 수치일 뿐, 공식 순위 요소가 아님

활용 권장 사항

추천 용도:

• 콘텐츠 조각 비교
• 최적화 아이디어 브레인스토밍
• 콘텐츠 구조 이해 심화

주의: 점수를 예측으로 취급하지 말고, 사고 도구로 활용할 것.

확장: 이미지-투-SEO와 답변 엔진 최적화(AEO)

이미지 기반 분석 도구는 전환 엔진 최적화(AEO) 영역을 멀티모달 방향으로 확장합니다. ChatGPT, Perplexity, Gemini가 텍스트와 함께 이미지를 인용하면서 AI 인용이 시각 자산에 점점 더 의존하게 되고 있기 때문입니다.