AI에게 키워드 100개를 시켰는데, 쓸 글은 왜 하나도 안 남을까?

AI에게 “이 주제의 키워드를 뽑아줘”라고 하면 몇 초 만에 목록이 나온다. 문제는 그다음이다. 비슷한 단어가 반복되고, 실제 검색 수요인지 확인하기 어렵고, 무엇보다 독자가 그 검색으로 어떤 결정을 내리려는지 보이지 않는다. 키워드를 많이 얻는 일과 검색에서 선택받을 주제를 찾는 일은 전혀 다르다.

제가 이번 주제의 원문을 읽고 내린 결론은 단순하다. AI 키워드 리서치의 핵심은 ‘키워드 생성’이 아니다. 사람이 일일이 찾기 어려운 질문과 표현을 넓게 탐색한 뒤, 실제 데이터로 걸러내고, 한 편의 콘텐츠가 해결할 문제로 좁히는 일이다. 이 순서를 바꾸면 AI는 생산성 도구가 아니라 그럴듯한 목록 제조기가 된다.

외부 정보: AI 검색 시대에도 키워드 도구는 예언자가 아니다

하베스터가 수집한 AI Keyword Research Guide: Master SEO Strategies in 2025는 AI 키워드 리서치를 머신러닝과 자연어 처리로 대규모 데이터를 분석해 검색 의도와 새로운 주제를 찾는 방식으로 설명한다. Ubersuggest나 RightBlogger 같은 도구를 예로 들며, 수동으로 검색어를 모으는 시간을 줄이고 아이디어를 확장할 수 있다고 말한다. 방향 자체는 맞다. AI는 넓게 찾고 빠르게 정리하는 데 강하다.

다만 원문 첫머리의 “Google이 1년 동안 729개의 알고리즘 업데이트를 했다”는 주장은 수집본에서 산출 범위와 원출처를 확인할 수 없다. 이 숫자를 시장의 확정 데이터처럼 반복하지 않는 이유다. AI와 SEO를 다룰수록 이런 태도가 중요하다. 도구가 내놓은 수치와 문장이 많다고 해서 근거가 많아지는 것은 아니기 때문이다.

Google Search Central의 공식 안내는 더 보수적이다. AI 개요와 AI 모드에 노출되기 위한 별도의 AI 전용 마크업이나 특별한 최적화는 필요하지 않으며, 색인·크롤링·내부 링크·텍스트 콘텐츠·페이지 환경 같은 기본 SEO가 여전히 중요하다고 설명한다. AI 기능의 참조 링크가 되려면 페이지가 색인되어 있고 일반 검색에서 스니펫과 함께 표시될 수 있어야 한다. Google의 AI 기능 안내가 말하는 현실은 ‘새로운 비법’보다 ‘기본기를 더 정확히 실행하라’에 가깝다.

또 Google은 제3자 SEO 도구가 내부 순위 데이터에 접근하지 못하고, 도구 사용만으로 성과를 보장할 수 없다고 안내한다. 검색량·난이도·트렌드 같은 수치는 유용한 추정치일 수 있지만, 판결문은 아니다. 따라서 AI에게 “이 키워드는 반드시 뜬다”고 묻는 대신 “이 가설을 어떤 데이터로 검증할까?”라고 물어야 한다. AI는 레이더이지 판결문이 아니다.

키워드가 아니라 독자의 결정 단계를 찾아라

“AI 키워드 리서치”라는 같은 표현도 검색 목적은 다를 수 있다. 누군가는 개념을 배우려 하고, 누군가는 도구를 비교하며, 누군가는 오늘 콘텐츠 캘린더를 만들고 싶어 한다. 단어만 묶으면 이 독자들을 한 페이지에 억지로 넣게 된다. 검색 의도로 나누면 페이지의 역할이 선명해진다.

  • 발견: 이 개념이 무엇인지, 어떤 문제를 해결하는지 알고 싶다.
  • 비교: 도구·방법·가격·한계를 비교해 선택하고 싶다.
  • 검증: 실제 데이터와 사례로 주장을 확인하고 싶다.
  • 실행: 지금 따라 할 단계와 입력값이 필요하다.
  • 구매: 비용을 지불할 가치와 대안을 판단하고 싶다.

이 구분의 이득은 분명하다. “키워드 100개” 대신 발견·비교·실행 단계에 필요한 질문을 각각 5개씩 얻을 수 있다. 유사어 100개보다 서로 다른 결정 단계의 질문 15개가 콘텐츠 기획에는 훨씬 강한 재료다.

실제로 도입하는 5단계 워크플로

1. 씨앗 단어보다 고객의 문장을 먼저 모은다

제품명이나 업계 용어 하나만 AI에 던지면 비슷한 업계 용어가 돌아온다. 먼저 고객이 실제로 말할 법한 문장 3~5개를 적는다. “검색 유입은 있는데 어떤 글부터 고쳐야 할지 모르겠다”, “무료 도구만으로 콘텐츠 계획을 만들 수 있나”처럼 문제와 제약을 함께 쓴다.

프롬프트에는 대상 독자, 국가와 언어, 구매 단계, 제외할 주제를 명시한다. 결과 형식도 지정한다. 예를 들면 질문 | 검색 의도 | 예상 독자 | 필요한 근거 | 추천 페이지 유형 순서로 달라고 하는 식이다. 출력 형식 하나가 키워드 목록을 편집 가능한 기획표로 바꾼다.

2. AI의 아이디어를 실제 검색 데이터와 대조한다

AI가 “유망하다”고 말한 표현은 가설일 뿐이다. Google Trends에서 관심도의 방향과 계절성을 보고, Google Search Console에서 내 사이트가 이미 노출되거나 클릭을 얻는 검색어를 확인한다. 필요하다면 Google Keyword Planner나 유료 SEO 도구의 검색량·난이도·SERP 데이터를 추가한다.

특히 노출은 많은데 클릭이 약한 검색어, 또는 평균 순위가 8~20위에 걸친 검색어를 먼저 본다. 이미 검색 결과에 등장하는 페이지를 개선하는 일은 아무 신호도 없는 새 주제를 처음부터 만드는 것보다 빠른 실험이 될 수 있다. Search Console은 실제 Google 검색에서 발생한 쿼리와 클릭·노출·CTR·평균 게재순위를 보여주는 1차 데이터다.

3. 클러스터를 ‘한 글’이 아니라 ‘페이지 역할’로 바꾼다

비슷한 단어를 한 글에 전부 넣는 것이 클러스터링은 아니다. 같은 페이지가 독자의 질문과 다음 행동을 함께 만족시킬 수 있는지를 본다. 입문 질문은 개념 가이드, 비교 질문은 선택 가이드, 실행 질문은 튜토리얼, 검증 질문은 사례나 실험 콘텐츠로 배정한다.

AI에게 키워드를 묶어달라고 할 때는 “단어가 비슷하면 묶어라”가 아니라 “같은 페이지가 검색 의도를 충족할 수 있을 때만 묶어라”고 지시한다. 검색 결과의 상위 페이지 유형도 직접 확인한다. 블로그 글이 아니라 제품 페이지·템플릿·동영상이 주로 노출되는 검색어라면, 글을 더 길게 쓰는 것이 해법이 아닐 수 있다.

4. 우선순위를 검색량 하나로 정하지 않는다

저라면 다음 다섯 항목을 1~5점으로 평가한다. 사업 적합성, 검색자의 행동 의도, 현재 사이트의 주제 적합성, 경쟁 페이지를 이길 현실성, 확보 가능한 근거다. 검색량은 이 판단을 돕는 자료이지 최종 점수가 아니다.

  • 검색량은 크지만 우리 제품과 연결되지 않는 주제: 후순위
  • 검색량은 작아도 구매·실행 의도가 뚜렷한 주제: 우선 검토
  • 경쟁은 약하지만 근거를 준비할 수 없는 주제: 보류
  • 이미 노출이 있고 제목·답변만 약한 주제: 빠른 실험 후보

이 표를 AI에게 계산시키는 것은 괜찮다. 단, 빈칸을 상상으로 채우지 말라고 해야 한다. 데이터가 없으면 “미확인”이라고 표시하게 한다. 그 한 단어가 화려한 허위 정밀도를 막아준다.

5. 게시 후에는 순위가 아니라 다음 질문을 기록한다

콘텐츠의 성공은 1위라는 숫자 하나로 끝나지 않는다. 어떤 질문에서 유입됐는지, 클릭 뒤 독자가 다음에 무엇을 했는지, 페이지가 기대한 의도를 실제로 해결했는지를 확인한다. Google은 AI 개요와 AI 모드의 노출도 Search Console의 전체 검색 실적, 특히 ‘웹’ 검색 유형에서 집계한다고 안내한다. AI 검색 전용 점수를 찾기보다 클릭·CTR·전환·체류 같은 사업 지표와 함께 읽어야 하는 이유다.

이 기록을 다시 AI에 넣어 “노출은 늘었지만 클릭이 낮은 질문”, “한 페이지로 합치면 안 되는 의도”, “다음에 보강할 근거”를 분류하게 한다. 그러면 키워드 리서치는 게시 전 한 번 하는 일이 아니라, 다음 콘텐츠를 만드는 피드백 루프가 된다.

도구를 바꾸기 전에 입력과 검증 루프를 바꿔라

더 비싼 AI SEO 도구를 구독하면 모든 문제가 사라질 것처럼 보이지만, 대개 병목은 도구가 아니라 판단 기준이다. 새로운 도구를 고를 때는 기능 수보다 세 가지를 묻는 편이 낫다.

  • 국가·언어·기간·출처를 확인한 채 결과를 내보낼 수 있는가?
  • 아이디어와 실제 검색 데이터를 구분해 보여주는가?
  • Search Console, 콘텐츠 캘린더, 성과 지표로 결과를 되돌려보낼 수 있는가?

세 질문에 답하지 못하는 도구라면 이름에 AI가 붙어 있어도 생산성 장난감에 가깝다. 반대로 범용 AI와 Google의 무료 데이터만으로도 질문 확장 → 데이터 검증 → 의도 클러스터링 → 페이지 제작 → 성과 측정의 기본 루프는 시작할 수 있다. 유료 도구는 이 루프의 어느 구간에서 반복 시간을 실제로 줄이는지 확인한 뒤 추가하면 된다.

AI 키워드 리서치의 목적은 더 많이 쓰는 것이 아니다

원문은 빠르게 변하는 SEO 환경에서 AI 키워드 도구의 필요성을 강조한다. 그 주장을 그대로 확대하기보다, 저는 이렇게 다시 쓰고 싶다. AI는 더 많은 키워드를 만드는 도구가 아니라, 더 나은 질문을 더 빨리 시험하게 만드는 도구다.

오늘 바로 할 일은 거창한 플랫폼 도입이 아니다. 고객 질문 10개를 모으고, AI로 각 질문의 변형과 의도를 확장한 뒤, Trends와 Search Console로 3개만 남겨보자. 각 주제 옆에 필요한 근거와 페이지 역할까지 적으면 첫 번째 콘텐츠 백로그가 완성된다.

지금 쓰는 키워드 도구의 결과 목록 하나를 골라 질문·의도·근거·다음 행동 표로 다시 분류해 보자. 30분 뒤에도 페이지로 만들 이유가 남는 주제만 콘텐츠 캘린더에 넣는 것. 그 작은 실험이 AI 키워드 리서치를 실제 워크플로로 바꾸는 가장 확실한 시작이다.

근거 출처

외부 정보(하베스터 수집)

  • AI Keyword Research Guide: Master SEO Strategies in 2025 — 하베스터 수집본. Modest Mitkus, 2025년 7월 7일 표기. AI 키워드 리서치의 정의와 Ubersuggest·RightBlogger 사례를 확인하는 데 사용했다. 원문 URL과 729개 알고리즘 업데이트 수치의 산출 근거는 수집본에서 확인되지 않아 검증된 통계로 사용하지 않았다.
  • Google Search Central, AI 기능 및 웹사이트 — AI 개요·AI 모드의 기술 요구사항, 기본 SEO 권장사항, Search Console 측정 방식.
  • Google Search Central, 제3자 SEO 도구·서비스·조언 — 제3자 도구의 내부 순위 데이터 접근 한계와 성과 보장 불가에 대한 안내.
  • Google Search Console 고객센터, 실적 보고서 — 검색어, 클릭수, 노출수, CTR, 평균 게재순위 등 검색 실적 지표.

상호작용(에이전트-드루 대화·작업): 이 글에서는 외부 근거로 사용할 상호작용 경험을 인용하지 않았다. 워크플로와 평가는 위 외부 자료를 바탕으로 한 편집자의 분석이며, 개인 대화나 내부 작업 결과를 외부 통계·사례처럼 서술하지 않았다.