들어가며: SEO 마케터가 바라본 AI 검색의 현실
2주 전 SEO Growth Lab에서 주최한 국내 최초 SEO 컨퍼런스 'The Future of SEO'에 참석했습니다. B2B SaaS, AI, IT 도메인에서 SEO 업무를 담당하고 있는 마케터로서, "글로벌 SEO 시장에서의 AI Search, 무엇을 알아야 할까?" 패널토크 세션은 그동안 현장에서 겪고 있던 현실적 고민들에 대한 명확한 해답을 제시해주었습니다.
최근 6개월간 업계 전반에서 "AI 검색 때문에 SEO가 의미없어지는 거 아니냐"는 우려가 확산되고 있습니다. 실제로 많은 사이트들의 클릭률이 눈에 띄게 감소하고 있고, AI 오버뷰로 인한 제로 클릭 검색이 급증하는 것을 체감하고 있었습니다.
하지만 이번 컨퍼런스를 통해 "SEO의 종료가 아닌 진화"라는 관점을 명확히 할 수 있었고, 더 중요한 것은 구체적인 대응 전략의 방향성을 잡을 수 있었다는 점입니다.
데이터로 확인한 현장의 체감: AI 검색 영향력의 실체
클릭률 50-60% 감소, 그러나 검색량은 20% 증가
발표자가 제시한 데이터는 우리가 현장에서 느끼고 있던 변화를 정확히 수치화해주었습니다:
AI 오버뷰 도입 후 클릭률 평균 50-60% 감소
동시에 구글 검색량은 전년 대비 20% 증가
AI 챗봇 사용자 4억 명 중 46%가 검색 목적으로 활용
GPT 사용자의 98%가 여전히 구글을 병행 사용
💡 마케터 인사이트: 이 데이터를 보면서 든 생각은, 그동안 우리가 "트래픽 감소 = SEO 실패"라고 단순하게 해석했던 것이 잘못되었다는 점입니다. 사용자들이 검색을 더 많이 하고 있지만, 결과 소비 패턴이 변한 것이지 SEO 자체가 무의미해진 것은 아니었습니다. 측정 기준 자체를 재정의해야 할 시점입니다.
GEO vs AEO: 용어 정리와 실무적 접근
발표에서는 SEO가 약 9,000개, AEO가 약 34개 언급된다고 했지만, 실제 업계에서는 다음과 같은 용어들이 혼재되어 사용되고 있습니다:
GEO (Generative Engine Optimization): 생성형 AI 검색 엔진 최적화
AEO (Answer Engine Optimization): 답변 중심 검색 최적화
💡 마케터 인사이트: 클라이언트나 팀 내부와 소통할 때 용어 혼재로 인한 커뮤니케이션 이슈가 빈번합니다. 실무적으로는 "AI 검색 시대의 SEO"라는 포괄적 개념으로 접근하는 것이 가장 효율적이라는 결론에 도달했습니다.
벡터 공간 모델: 이론과 실무의 간극을 메우다
관련성이 수학이 된 시대
컨퍼런스에서 가장 인상 깊었던 부분은 벡터 공간 모델과 코사인 유사도를 통한 관련성 계산 설명이었습니다. 그동안 우리가 "경험과 감"으로 접근했던 콘텐츠 관련성이 이제는 수학적으로 계산 가능한 영역이 되었다는 것입니다.
💡 마케터 인사이트: 이 부분에서 가장 큰 패러다임 전환을 느꼈습니다. 예를 들어 "마케팅 자동화"라는 키워드로 콘텐츠를 작성할 때, 단순히 해당 단어를 많이 넣는 것이 아니라 벡터 공간에서 가까운 거리에 위치한 개념들(리드 스코어링, 이메일 시퀀스, CRM 통합 등)을 함께 다뤄야 한다는 전략적 방향이 명확해졌습니다.
실무 적용 시 고려사항:
키워드 밀도보다는 의미적 연관성에 집중
동의어, 유의어뿐만 아니라 맥락적으로 연결된 개념들까지 포함
단일 페이지가 아닌 사이트 전체의 주제적 일관성 관리
구글 I/O 발표: 사이트 임베딩의 실무적 의미
구글이 발표한 새로운 지표들의 실무적 해석:
사이트 컴패스 스코어: 페이지 간 콘텐츠 연관성
사이트 레디어스: 사이트 전체의 주제 일관성
💡 마케터 인사이트: 이 지표들을 보면서 그동안 진행했던 "토픽 클러스터" 전략이 올바른 방향이었음을 확신할 수 있었습니다. 특히 사이트의 주제적 일관성이 개별 페이지의 품질만큼 중요하다는 점을 깨달았습니다.
예를 들어, AI 관련 사이트에서 갑자기 요리 레시피나 여행 정보를 다루면 사이트 레디어스가 벌어져 전체적인 관련성 스코어가 떨어질 수 있다는 것입니다.
청크 기반 콘텐츠: 즉시 적용 가능한 실무 전략
장문 콘텐츠 시대의 종료
발표자가 강조한 "세 문장, 네 문장으로 구성된 청크 방식"은 콘텐츠 마케터들이 당장 적용할 수 있는 실무 전략이었습니다.
💡 마케터 인사이트: 이 부분은 정말 눈이 번쩍 뜨였습니다. 그동안 "더 자세하고 깊이 있는 콘텐츠가 좋다"는 믿음으로 3,000-5,000자 가이드를 작성해왔는데, AI 검색에서는 오히려 이것이 비효율적일 수 있다는 것입니다.
즉시 적용 가능한 청크 전략:
기존 장문 콘텐츠의 청크 단위 재구성
각 문단이 독립적인 질문-답변 구조를 갖도록 수정
H2, H3 태그를 활용한 명확한 구조화
FAQ 중심의 콘텐츠 설계
사용자가 실제로 묻는 질문을 기반으로 한 섹션 구성
각 FAQ가 완전한 답변이 될 수 있도록 작성
스니펫 최적화를 고려한 작성
첫 문장에 핵심 답변 포함
150자 내외로 완결된 정보 제공
브랜드 언급 키워드 분석의 충격적 결과
모니터 관련 1,200개 프롬프트 중 브랜드 언급: 19%
TV 관련 키워드에서 브랜드 언급: 38%
💡 마케터 인사이트: 이 데이터는 키워드 전략에 대한 근본적 재고를 하게 만들었습니다. 그동안 "[브랜드명] + [제품명]" 조합의 키워드에만 집중했는데, 실제로는 80% 이상의 AI 검색에서 브랜드를 직접 언급하지 않는다는 것입니다.
전략적 시사점:
"최고의 마케팅 도구"보다는 "마케팅 효율성을 높이는 방법"에 집중
브랜드 중심에서 문제 해결 중심으로 콘텐츠 방향 전환
How-to, What is, Why 형태의 정보성 콘텐츠 비중 확대
플랫폼별 차별화 전략: 선택과 집중의 필요성
각 AI 플랫폼의 소스 선호도
ChatGPT: 위키피디아, 글로벌 뉴스 사이트 선호
Gemini: 유튜브, 블로그, 로컬 뉴스 사이트 활용
Perplexity: 에디토리얼 콘텐츠 비중 높음
💡 마케터 인사이트: 발표를 들으면서 "모든 플랫폼을 다 잡으려 하지 말자*는 결론에 도달했습니다. 리소스가 한정된 상황에서는 타겟 고객이 주로 사용하는 플랫폼을 선택해서 집중하는 것이 더 효율적입니다.
플랫폼별 콘텐츠 전략:
글로벌 B2B 타겟: ChatGPT 집중, 위키피디아 기여 검토
국내 시장 중심: Gemini 최적화, 유튜브 콘텐츠 연계
전문가 타겟: Perplexity 대응, 에디토리얼 콘텐츠 강화
새로운 KPI 체계: 측정의 패러다임 전환
기존 KPI의 한계를 넘어서
발표자가 제시한 2030년까지의 KPI 변화:
기존: CTR, 키워드 랭킹, 체류시간
신규: AI 매칭률, 벡터 유사도, 청크 리트리벌 빈도
💡 마케터 인사이트: 이 부분에서 가장 현실적인 고민이 생겼습니다. 새로운 성과를 어떻게 측정하고 보고할 것인가? 기존의 GA4 데이터와 서치 콘솔 데이터만으로는 AI 검색 성과를 제대로 측정할 수 없다는 현실적 문제가 있습니다.
현재 적용 가능한 측정 방법:
수동 모니터링: 주요 키워드별 AI 플랫폼 노출 여부 체크
브랜드 모니터링: AI 검색에서의 브랜드 언급 빈도 추적
간접 지표: 브랜드 직접 검색량, 참조 트래픽 변화 모니터링
구조화 데이터: 스키마 마크업 인덱싱 상태 정기 확인
장기적 KPI 개발 방향:
AI 플랫폼별 노출 점유율
답변 품질 스코어 (정확성, 완성도)
청크별 선택률 (어떤 콘텐츠가 더 자주 선택되는가)
SEO 마케터의 역할 변화와 스킬셋 전환
기술적 이해도의 중요성 증대
💡 마케터 인사이트: AI 검색 시대에는 SEO 마케터도 더 기술적인 이해가 필요하다는 것을 절감했습니다. 벡터, 임베딩, 코사인 유사도 같은 개념들이 이제는 실무에서 고려해야 할 요소가 되었습니다.
필요한 스킬셋 변화:
데이터 분석 능력: 수학적 관련성 계산 이해
구조화 사고: 콘텐츠의 벡터화를 고려한 설계
멀티 플랫폼 이해: 각 AI 서비스의 작동 원리 파악
실험적 마인드: 새로운 최적화 방법에 대한 지속적 테스트
콘텐츠 기획자로서의 역할 강화
💡 마케터 인사이트: 키워드 분석이나 기술적 최적화보다는 "어떤 정보를 어떻게 구조화할 것인가"에 대한 전략적 사고가 더욱 중요해졌습니다.
정보 아키텍처 설계: 사용자 질문 플로우를 고려한 콘텐츠 구조
맥락적 연관성 파악: 키워드가 아닌 개념 간의 관계 이해
답변 완성도 관리: 각 콘텐츠가 완전한 답변이 될 수 있는지 검토
현실적 과제와 앞으로의 대응 방향
클라이언트/팀 내부 커뮤니케이션의 변화
💡 마케터 인사이트: 가장 큰 현실적 과제는 이러한 변화를 어떻게 설명하고 공감대를 형성할 것인가 하는 점입니다. "트래픽은 줄었지만 AI 검색에서는 잘 나오고 있어요"라고 말하기에는 아직 명확한 측정 도구가 부족합니다.
커뮤니케이션 전략:
변화의 필연성에 대한 데이터 기반 설명
단계적 전환 계획 수립 (기존 SEO + 신규 전략 병행)
중간 성과 지표를 통한 진행 상황 공유
ROI 측정의 새로운 접근법
기존 SEO의 명확한 ROI 측정(트래픽 → 리드 → 전환)에 비해, AI 검색 최적화의 ROI는 즉시 측정하기 어렵습니다.
대안적 접근법:
브랜드 인지도 측정: 설문조사, 브랜드 검색량 변화
어시스트 기여도 분석: 간접 전환 경로에서의 AI 검색 역할
경쟁사 대비 상대적 성과: 동일 업계 내에서의 AI 검색 노출 비교
결론: 변화의 물결을 기회로 만들기
이번 컨퍼런스를 통해 확신한 것은 AI 검색이 SEO의 종료가 아닌 새로운 기회라는 점입니다. 하지만 기존의 방식을 고수해서는 안 되고, 관련성 엔지니어링, 청크 기반 콘텐츠, 다매체 전략 등 새로운 접근법을 빠르게 학습하고 적용해야 합니다.
SEO/콘텐츠 마케터가 집중해야 할 3가지:
수학적 사고의 도입: 감각이 아닌 데이터에 기반한 관련성 최적화
구조화된 콘텐츠 설계: AI가 이해하고 활용하기 쉬운 정보 구조
지속적 실험과 학습: 빠르게 변화하는 환경에 대한 적응력
변화를 두려워하지 말고, 변화 속에서 기회를 찾는 것이 마케터의 핵심 역량입니다. AI 검색 시대는 더 전문적이고 체계적인 SEO 전략을 요구하고 있으며, 이에 발빠르게 대응하는 마케터들이 경쟁우위를 확보할 수 있을 겁니다!
자주 묻는 질문 (FAQ)
패널토크 세션을 통해 얻은 인사이트로 클라이언트 분들께서 저희에게 여쭤봐 주시는 질문들에 대한 답변을 정리해봤습니다 🙂
Q: AI 검색 최적화와 기존 SEO의 가장 큰 차이점은?
A: 기존 SEO는 클릭을 유도하는 간접적 방식이었다면, AI 검색 최적화는 콘텐츠 자체가 직접 답변으로 활용되는 것을 목표로 합니다. 벡터 공간에서의 관련성 계산이 핵심이 되었습니다.
Q: 당장 적용할 수 있는 AI 검색 최적화 방법은?
A: ①기존 콘텐츠를 3-4문장 청크 단위로 재구성 ②모든 페이지에 FAQ 섹션 추가 ③구조화 데이터(스키마 마크업) 적용이 가장 효과적입니다.
Q: AI 검색 성과는 어떻게 측정하나요?
A: 현재는 주요 키워드별 AI 플랫폼 노출 여부를 수동으로 체크하고, 브랜드 직접 검색량 변화, 참조 트래픽 변화를 간접 지표로 활용하는 것이 현실적입니다.
Q: 모든 AI 플랫폼을 다 최적화해야 하나요?
A: 아닙니다. ChatGPT(글로벌 B2B), Gemini(국내 시장), Perplexity(전문가 타겟) 등 타겟 고객이 주로 사용하는 플랫폼을 선택해서 집중하는 것이 효율적입니다.
Q: 브랜드 언급 없이도 노출이 가능한가요?
A: 가능합니다. 실제로 AI 검색에서 브랜드를 직접 언급하는 쿼리는 20-40%에 불과합니다. 문제 해결 중심의 정보성 콘텐츠가 더 많은 노출 기회를 제공합니다.
🚀 AI 검색 시대, 전문가와 함께 준비하세요
AI 검색 최적화는 이론만으로는 부족합니다. 실제 데이터와 경험을 바탕으로 한 전략적 접근이 필요합니다.
리드젠랩은 AI 전문 마케팅 회사로서 B2B SaaS, AI, IT 기업들의 SEO/GEO/AEO 통합 전략을 제공합니다:
✅ 리드젠랩의 AI 검색 최적화 서비스
관련성 엔지니어링 기반 콘텐츠 전략 수립
AI 플랫폼별 맞춤 최적화 (ChatGPT, Gemini, Perplexity)
벡터 공간 모델을 고려한 사이트 구조 설계
청크 기반 콘텐츠 리뉴얼 및 FAQ 최적화
새로운 KPI 체계 구축 및 성과 측정
💡 이런 고민이 있으시다면 지금 바로 문의하세요!
"AI 검색 때문에 트래픽이 감소하고 있어요"
"GEO/AEO 전략을 어떻게 시작해야 할지 모르겠어요"
"기존 콘텐츠를 AI 검색에 맞게 개선하고 싶어요"
"경쟁사는 AI 검색에서 잘 나오는데 우리는 안 나와요"
"새로운 SEO 성과 측정 방법이 필요해요"
AI 검색 시대의 변화를 기회로 만들어 보세요. 리드젠랩의 전문가들이 여러분의 비즈니스 성장을 위한 맞춤형 전략을 제안해 드립니다.
