Index
“근데 사람들이 검색창에 정말 그렇게 길게 물어봐요?”
최근 한 클라이언트와의 미팅에서 나온 질문이었습니다. 20년 넘게 ‘홈페이지 제작 비용’, ‘가성비 노트북’, ‘제주도 숙소 추천’ 처럼 두세 단어로 끊어 치는 검색 습관에 길들여진 우리에게, 세 줄이 넘어가는 장문의 검색어는 어딘가 비현실적으로 느껴집니다.
하지만 챗GPT나 AI 검색창 앞에서 사람들의 행동은 완전히 달라졌습니다. 단어를 던지는 대신, 마치 내 이야기는 다 들어주는 영원한 내 편을 마주 앉혀놓은 것처럼 자신의 복잡한 사정과 제약 사항을 줄글로 털어놓기 시작했습니다.
“우리 회사소개서랑 제품 자료는 많은데 사내에 마케터가 없어서 웹사이트 글을 못 채우고 있거든? 제작사에 맡기면 원고 기획부터 작성까지 어디까지 해줘?”
검색창이 키워드를 찾는 ‘단어 색인기’에서 복잡한 맥락을 풀어놓는 ‘고민 상담실’로 변하면서, 지난 20년간 불패의 공식으로 여겨졌던 전통적 SEO는 설 자리를 잃어가고 있습니다.
단어 나열에서 ‘신세 한탄’으로:
검색 행동의 지각변동
우리는 지난 20년간 검색엔진의 한계에 맞춰 스스로의 생각을 검열해 왔습니다. 머릿속에 맴도는 질문을 문장으로 길게 쓰면 검색엔진은 엉뚱한 검색 결과를 뱉어냈기 때문입니다. 그래서 복잡한 비즈니스 고민을 억지로 쪼개 ‘홈페이지 제작 원고 외주’ 같은 앙상한 단어 파편으로 번역해 검색창에 던졌습니다.
그런데 생성형 AI가 등장하자 이 오랜 봉인이 풀렸습니다.
검색 세션 체류 시간의 극적인 변화: Semrush의 공식 집계 데이터에 따르면, 전통적인 구글 검색 세션 시간은 평균 6분 내외로 단발성 링크 클릭 후 이탈하는 경향이 짙습니다. 반면 챗GPT나 대화형 AI의 평균 세션 시간은 12~13분에 달합니다.
| Website | Total Visits | Bounce Rate | Pages per Visit | Average Visit Duration |
|---|---|---|---|---|
| ChatGPT | 5.6 billion | 39.37% | 4 | 12 mins 41 secs |
| 99.4 billion | 37.36% | 5.4 | 13 mins 03 secs | |
| YouTube | 48.6 billion | 30.4% | 9 | 24 mins 12 secs |
| 9 billion | 47.14% | 7.6 | 16 mins 25 secs | |
| 5.6 billion | 49.75% | 8.7 | 12 mins 46 secs | |
| X | 3.8 billion | 46.28% | 9.3 | 16 mins 07 sec |
| Baidu | 426.8 million | 32.85% | 5.9 | 11 mins 54 secs |
| Wikipedia | 4.4 billion | 58.75% | 3.2 | 9 mins 22 secs |
| Yahoo | 2.4 billion | 48.61% | 4.3 | 12 mins 11 sec |
| 2.6 billion | 61.11% | 4.9 | 31 mins 21 secs | |
| Amazon | 2.7 billion | 40.69% | 7.1 | 11 mins 49 secs |
대화형 롱테일(Conversational Long-Tail) 질의 폭증: 사람들은 더 이상 제품명이나 단순 네비게이션 검색을 하지 않습니다. 문제의 맥락(Context), 사내 인력의 한계, 예산 상황 같은 ‘제약 조건’을 함께 입력하며 해답을 구합니다.
사용자가 두 단어만 쳐도, AI는 ‘10개’로 쪼갠다: 쿼리 팬 아웃(Query Fan-out)
설령 어떤 사용자가 이전 방식 그대로 검색창에 “홈페이지 원고”라고 단 두 단어만 툭 던졌다고 가정해 봅시다. 현재의 검색엔진은 이 검색 요청에 어떻게 반응할까요?
최신 AI 검색 엔진(구글 AI 오버뷰, 퍼플렉시티 등)은 뒷단에서 ‘쿼리 팬 아웃(Query Fan-out)’이라는 메커니즘을 작동시킵니다. 사용자의 모호하고 짧은 질문 뒤에 숨은 의도를 파악해, 내부적으로 수많은 하위 질문(Sub-queries)을 생성해 웹을 입체적으로 샅샅이 뒤지는 기술입니다.
사용자가 성의 없이 단어만 던져도, AI는 그 이면에 숨은 다각도의 질문을 스스로 만들어 병렬로 검색합니다.
그러니 웹상에서 ‘홈페이지 원고’라는 단어만 여러번 반복해 둔 페이지는 AI에게 철저히 외면당합니다. 대신 “회사 자료를 원고로 바꿀 때 제작사와 고객의 역할 분담 기준”처럼 AI가 쪼개놓은 하위 질문에 구체적이고 깊이 있는 답을 내놓은 사이트만이 AI의 답변 조합에 최종 채택됩니다.
키워드 말고 ‘고객 상황(CEP)’을 정의해야 하는 이유
마케팅에서는 고객이 브랜드를 떠올리는 이런 결핍의 순간을 ‘CEP(Category Entry Point, 카테고리 진입 순간)’이라고 부릅니다. 고객은 평소에 업종이나 서비스 이름을 기억하지 않습니다. 막막함과 문제가 터지는 ‘구체적인 순간’에만 비로소 답을 찾기 시작합니다.
기존 마케팅의 착각: “고객이 ‘워드프레스 에이전시’를 찾을 것이다.”
고객의 실제 진입 순간(CEP): “회사소개서와 제품 카탈로그는 쌓여 있는데, 당장 다음 달 론칭할 홈페이지 첫 화면에 뭐라고 써야 할지 첫 문장이 안 떠오를 때”
크리에이티브밴드가 검색자산 시스템을 설계하며 키워드 검색량 순위보다 ‘고객 상황 맵’을 먼저 만든 이유가 여기에 있습니다. 검색어 이면에 존재하는 ‘고객의 곤란한 순간’을 정확히 타깃팅한 콘텐츠만이, 길어진 대화형 검색에서도, AI의 쿼리 팬 아웃 과정에서도 가장 먼저 호출되기 때문입니다.
GEO(AI 인용)의 조건
그렇다면 구체적으로 어떤 콘텐츠가 AI 검색 엔진의 간택을 받을까요? 2023년 말 프린스턴 대학교와 조지아텍, IIT 델리 연구진이 발표한 세계 최초의 GEO 정규 논문 《GEO: Generative Engine Optimization》은 전통적 SEO와 AI 검색 최적화의 차이를 숫자로 명백히 증명했습니다.
키워드 스터핑(Keyword Stuffing)의 종말
과거 구글 상위 노출에 쓰이던 단순 키워드 반복은 LLM의 신뢰도 평가에서 거의 0%에 가까운 영향력을 보였습니다.
인용률을 30~40% 끌어올린 핵심 요소
- 구체적인 통계와 데이터(Statistics Add): 모호한 설명 대신 구체적인 숫자와 실측 데이터 제시
- 권위 있는 출처 인용(Cite Sources): 객관적 근거와 외부 레퍼런스 명시
- 인용구와 사실 기반 서술(Quotation Add & Factual Phrasing): 실제 고객의 질문이나 업계의 사실관계를 명확한 어조로 정리
AI 검색 모델은 그럴듯한 미사여구나 키워드 짜깁기 글을 기가 막히게 걸러냅니다. 반면 ‘실제 고객 상담 메일에서 추출한 현실적인 질문’, ‘자사 웹사이트 121건을 분석해 얻어낸 구체적인 수치’, ‘역할 분담에 대한 명확한 업무 기준’처럼 독창적인 사실(Fact)과 맥락을 가진 원고는 AI가 가장 신뢰하는 출처로 채택됩니다.
웹사이트는 ‘키워드 낚시터’가 아니라 ‘답변 자산’이어야 합니다
“사람들이 정말 길게 물어볼까?”라는 질문에 대한 답은 명확합니다. 사람들은 이미 길게 묻고 있으며, 설령 짧게 물어도 AI는 더 깊고 길게 쪼개어 읽습니다.
이제 웹사이트에 글을 발행하는 목적은 검색 로봇을 속여 한 번의 유입을 낚아채는 것이 되어서는 안 됩니다. 우리 잠재 고객이 책상 앞에서 마주하는 가장 답답한 순간(CEP)에 가장 정확한 해답을 건네는 ‘기업의 지적 자산’으로 기능해야 합니다.
키워드 중심의 글쓰기에서 고객의 실제 상황을 풀어내는 자산 중심의 글쓰기로의 전환. 우리는 이것을 고객중심 SEO라고 부르고 있습니다. 크리에이티브밴드가 워드프레스에 AI를 접목하고, 검색자산 관리 시스템을 통해 고객의 현실적인 질문부터 집요하게 파고드는 이유입니다.
Index