검색 1위인데도 고객이 우리를 모른다면, 순위표부터 내려놓자

공들여 만든 페이지가 검색 결과 첫 줄에 올라왔다. 그런데 AI Overview가 그 위에서 답변을 끝내고, ChatGPT는 경쟁사 이름을 추천하고, 고객은 YouTube나 Reddit에서 비교를 마친 뒤 사이트에 들어오지 않는다. 검색되는 것과 선택되는 것은 이제 다른 문제다.

그래서 2027년 SEO를 준비하면서 키워드와 발행량만 늘리는 전략은 출발부터 어긋날 수 있다. 지금 필요한 질문은 “몇 위에 올릴까?”가 아니다. “AI가 답변을 만들 때 우리 브랜드를 어떤 근거로 이해하고, 어디에서 인용하며, 고객의 다음 행동까지 어떻게 연결할까?”다. 이 질문에 답하는 가장 현실적인 방법은 새 도구를 잔뜩 사는 것이 아니라, AI 검색 가시성을 점검하고 원본을 고치는 작은 루프를 만드는 것이다.

외부 정보: 검색은 링크 목록에서 답변 엔진으로 이동 중이다

Search Engine Land의 2026년 8월 분석은 2027년 검색 성공의 기준을 “발견되는 브랜드”에서 “이해되고, 신뢰받고, 인용되는 브랜드”로 확장한다. 같은 분석이 인용한 Google I/O 발표에 따르면 Google AI Mode는 출시 첫해 월간 사용자 10억 명을 넘었고, AI Overviews는 매달 25억 명에게 도달했다. 이 숫자가 모든 사이트의 트래픽을 예측해 주는 것은 아니다. 다만 검색의 첫 화면이 링크를 나열하는 공간에서 질문을 요약하고 비교하는 인터페이스로 바뀌고 있다는 신호다.

클릭의 가치도 달라졌다. SparkToro가 Similarweb 클릭스트림 데이터를 분석한 결과, 2026년 1월부터 4월까지 미국 Google 검색의 68.01%가 클릭 없이 끝났다. 2024년의 60.45%보다 높아진 수치지만, 미국의 Google 검색을 대상으로 한 분석이지 전 세계 모든 검색의 비율은 아니다. 그럼에도 노출과 방문을 같은 것으로 세면 성과를 잘못 읽게 된다는 점은 분명하다.

Google Search Central의 공식 가이드는 이 변화를 더 실무적으로 정리한다. AI Overviews와 AI Mode에 나오기 위해 별도의 AI 전용 마크업, llms.txt, 마크다운 복사본, 인위적인 문장 청킹이 필요한 것은 아니다. 페이지가 크롤링·색인되고 일반 검색에서 스니펫으로 표시될 수 있어야 하며, 사람에게 유용하고 독창적인 콘텐츠여야 한다. 즉 AI SEO는 기존 SEO를 버리는 별도 기술이 아니라, 기본기를 답변·추천·에이전트라는 새 표면에서 검증하는 일에 가깝다.

AI 검색에서 이기는 콘텐츠는 AI처럼 쓴 콘텐츠가 아니다. AI가 요약해도 출처로 남을 만큼 사실이 분명한 원본이다.

문제는 글의 양이 아니라 브랜드를 설명하는 근거가 흩어진다는 데 있다

제품 페이지에는 기능이 적혀 있지만 어떤 팀에 맞는지는 없을 수 있다. 회사 소개에는 전문성이 적혀 있지만 작성자와 검토 근거가 보이지 않을 수 있다. 사이트의 가격과 외부 프로필의 가격이 다를 수도 있다. 이런 정보가 서로 충돌하면, 글이 많은 브랜드보다 여러 출처에서 같은 의미로 설명되는 브랜드가 답변에 들어가기 쉽다.

따라서 2027년의 우선순위는 세 가지로 압축된다. 첫째, AI 답변에서 브랜드가 실제로 어떻게 묘사되는지 측정한다. 둘째, 답변이 참고할 원본 페이지를 더 정확하고 독창적으로 만든다. 셋째, 고객이 이미 검색하는 Google 밖의 채널에도 억지 홍보가 아닌 신뢰할 만한 증거를 쌓는다. 세 가지를 따로 하면 보고서만 늘어나지만, 하나의 작업 순서로 묶으면 매주 고칠 문제가 하나씩 선명해진다.

도구를 늘리지 않고 시작하는 AI 검색 워크플로

1. 고객의 결정과 가까운 질문 세 개를 고정한다

처음부터 수백 개의 프롬프트를 만들 필요는 없다. 매출·가입·문의와 가까운 질문을 세 개만 고른다. 예를 들면 “소규모 팀에 맞는 프로젝트 관리 도구”, “A와 B 중 어떤 상황에서 더 적합한가”, “도입 후 데이터 이전이 쉬운 서비스”처럼 비교와 선택을 요구하는 질문이 좋다. 단순히 브랜드명을 검색하는 질문보다 고객의 실제 판단 장면을 재현해야 수정할 페이지와 근거가 연결된다.

  1. ChatGPT, Perplexity, Google의 AI 검색처럼 고객이 쓸 가능성이 있는 표면에서 같은 질문을 실행한다.
  2. 브랜드가 나왔는지만 보지 말고 어떤 카테고리·강점·제약으로 설명됐는지 기록한다.
  3. 답변의 인용 출처와 경쟁사가 등장한 이유를 함께 저장한다.
  4. 질문, 날짜, 국가·기기 조건을 남겨 다음 점검에서 비교 가능하게 만든다.

스프레드시트나 Notion에 질문, 브랜드 묘사, 인용 출처, 틀린 사실, 빠진 근거, 다음 수정 열을 만들면 충분하다. 스크린샷을 모으는 목적은 “우리도 언급됐다”는 인증샷을 쌓는 데 있지 않다. 답변을 바꿀 수 있는 원인을 찾는 데 있다.

2. Search Console과 GA4의 역할을 분리한다

Search Console의 생성형 AI 성과 보고서는 어떤 페이지가 AI 기능에 노출됐는지 확인하는 계기판으로 쓸 수 있다. GA4는 클릭 이후의 세션, 가입, 문의, 구매를 보는 결과 계기판이다. AI가 브랜드를 언급했지만 클릭이 없었다면 GA4 세션이 생기지 않는 것이 이상한 일이 아니다. 이 둘을 합쳐 “AI 검색 유입이 없다”고 결론 내리면, 노출은 생겼지만 전환 페이지가 약한 경우를 놓친다.

관찰 신호먼저 볼 도구다음 행동
답변에 브랜드가 없음AI 답변 기록표·Search Console색인, 내부 링크, 카테고리 설명을 확인한다
브랜드는 나오지만 기능이 틀림원본 페이지·GA4가격·범위·제약을 최신 정보로 고친다
노출은 있으나 행동이 없음GA4·전환 경로답변의 약속과 랜딩 페이지의 첫 화면을 맞춘다
경쟁사만 비교에 등장인용 출처·외부 채널독립적인 테스트·사례·전문가 근거를 만든다

3. 새 글보다 먼저 ‘오해를 만드는 원본’을 고친다

AI 답변에서 가격이 틀렸다면 새 비교 글을 발행할 일이 아니다. 제품 페이지의 가격, 제공 범위, 업데이트 날짜를 먼저 고쳐야 한다. 브랜드가 “초보자용”으로만 소개되지만 실제 강점이 기업용 권한 관리라면, 그 강점을 사용 조건과 사례로 원본 페이지에 추가한다. “최고의 도구”처럼 누구나 쓸 수 있는 표현보다 어떤 환경에서 유리하고 언제 불리한지를 쓰는 편이 사람과 AI 모두에게 더 명확하다.

4. 어디서나 복사할 수 없는 정보를 한 페이지에 심는다

Google이 말하는 사람 우선·비범용 콘텐츠는 멋진 문장을 뜻하지 않는다. 직접 사용한 환경과 기간, 비교 기준, 실패 조건, 측정 방법, 고객이 선택을 바꾼 이유처럼 다른 페이지가 그대로 복사하기 어려운 정보다. AI가 결론을 먼저 보여 주는 환경에서는 이런 원본성이 인용의 근거가 되고, 사용자가 사이트에 들어온 뒤 더 읽을 이유가 된다.

  • 작성자와 검토자의 관련 경험을 공개한다.
  • 비교한 대상과 평가 기준을 명시한다.
  • 좋았던 점뿐 아니라 비용·제약·실패 조건도 적는다.
  • 숫자에는 기준일과 측정 방법을 붙인다.
  • 주장을 뒷받침하는 1차 자료와 실제 사례를 연결한다.

5. Google 밖의 증거는 점유가 아니라 획득으로 만든다

Search Engine Land가 소개한 Ahrefs 분석은 약 7만 5천 개 브랜드를 대상으로 웹 언급과 AI Overview 가시성의 상관을 살폈다. 기사에 따르면 브랜드 언급의 Spearman 상관계수는 약 0.664, 전통적 백링크는 약 0.218, YouTube 언급은 약 0.737이었다. 이는 인과관계가 아니다. YouTube 언급을 늘리면 AI 노출이 자동으로 오른다는 뜻도 아니다. 다만 링크 수만 권위의 대리 지표로 삼기보다, 사람들이 실제로 브랜드를 논의하고 검증하는 장소를 살펴야 한다는 신호로는 충분하다.

실행은 저품질 게스트 포스트나 포럼 도배가 아니다. 원본 조사 결과를 공개하고, 제품을 실제로 비교할 수 있는 영상과 고객 사례를 만들고, 업계 매체·팟캐스트에서 전문가가 조건과 한계를 설명하도록 하는 일이다. YouTube·Reddit·TikTok·Amazon을 모두 관리할 필요도 없다. 고객이 이미 결정을 내리는 두세 곳을 골라 웹사이트의 핵심 사실과 모순되지 않는 증거를 쌓는 편이 작지만 오래 간다.

llms.txt를 만들기 전에, 사람이 믿을 페이지인지 확인하자

AI 검색을 둘러싼 도구 시장은 매달 새로운 체크리스트를 만든다. 하지만 Google은 생성형 AI 검색에 특별한 스키마나 llms.txt가 필요하지 않다고 안내한다. 구조화 데이터는 화면에 보이는 내용을 정확히 설명하고 일반 검색의 리치 결과를 돕는 범위에서 유용하다. 다만 그것이 AI 인용을 보장하는 티켓은 아니다.

도입 전 판단 기준은 간단하다. 이 작업이 사람이 페이지를 더 잘 이해하게 하는가? 검색 시스템이 색인하고 맥락을 파악하는 데 실제로 도움이 되는가? 잘못된 정보가 답변으로 퍼지는 것을 줄이는가? 세 질문에 답하지 못하고 “AI가 좋아한다더라”만 남는다면, 그 예산은 원본 데이터·테스트·페이지 속도·내부 링크·검토 프로세스에 쓰는 편이 낫다.

주간 회의를 발행 회의에서 답변 품질 회의로 바꾸는 법

이 워크플로의 이득은 AI 가시성이라는 숫자를 하나 더 만드는 데 있지 않다. 마케팅, 콘텐츠, 제품, 고객지원이 같은 질문과 같은 근거를 보게 되는 데 있다. 아래처럼 30분만 고정해도 “무엇을 더 쓸까?”라는 회의가 “어떤 오해를 어떤 원본으로 고칠까?”라는 회의로 바뀐다.

시간할 일남길 산출물
5분핵심 질문 세 개와 지난 답변 확인변경된 브랜드 묘사와 새 출처
10분Search Console·GA4에서 노출과 행동 분리페이지별 관찰 신호와 전환 경로
10분가장 큰 오해 하나의 원본 수정 결정URL, 담당자, 검증 기준
5분외부 증거 확보와 다음 측정일 확정한 가지 실험과 기록 위치

성공 여부는 한 번의 AI 답변 점수로 판단하지 않는다. 같은 질문을 다시 했을 때 설명이 정확해졌는지, 원본 페이지에서 사용자가 다음 행동으로 이어졌는지, 외부 채널에서 브랜드의 의미가 일관되게 확인되는지를 함께 본다. 가시성은 시작 지표이고, 신뢰와 전환이 최종 지표다.

2027년 검색 성공은 더 많이 쓰는 팀이 아니라 더 잘 증명하는 팀의 몫이다

AI 검색 시대에 SEO를 버리는 것은 답이 아니다. 크롤링되고, 색인되고, 명확하게 이해되며, 실제 경험과 제3자 근거로 신뢰받는 원본이 더 중요해졌다. 달라진 것은 그 원본이 링크 목록에만 노출되는 것이 아니라 AI의 요약·비교·추천과 에이전트의 선택 과정에도 들어가야 한다는 점이다.

이번 주에 할 일은 거창하지 않다. 고객의 결정과 가까운 질문 세 개를 고르고, 기록표를 만든 뒤, 답변의 출처를 따라가라. 가장 큰 오해를 만드는 원본 페이지 하나를 고치고 Search Console과 GA4에서 노출과 행동을 따로 확인하라. 이 순서를 반복하면 “AI SEO 도구를 더 사야 하나?”라는 막연한 질문이 “어떤 페이지의 어떤 근거를 고치면 고객의 판단이 정확해지는가?”라는 실행 가능한 질문으로 바뀐다.

지금 핵심 질문 세 개를 정해 첫 기록을 남겨 보자. 이 글의 워크플로에서 중요한 도구는 특정 유료 서비스가 아니라, 답변을 관찰하고 원본을 수정하고 결과를 다시 확인하는 습관이다. 검색 1위를 지키는 데서 멈추지 말고, AI가 설명하는 순간에도 선택할 이유가 남는 브랜드를 만들어야 한다.

근거 출처

외부 정보(하베스터 수집)

상호작용(에이전트-드루 대화·작업): 이 글에는 별도의 에이전트-드루 실험 결과나 내부 성과를 외부 통계처럼 사용하지 않았다. 워크플로와 CTA는 위 외부 자료를 humanerd.kr 독자가 실제 운영에 적용할 수 있도록 재구성한 분석이다.