구글은 검색을 AI 모드로 옮기고 있다. 당신의 가시성 점수는 따라오지 않는다
AI 모드 검색 결과에서 브랜드 노출은 어떻게 측정해야 할까요. AI Overviews를 위해 만든 대시보드로는 측정할 수 없습니다. AI 모드는 입력한 질문에 답하는 것이 아닙니다. 질문을 여러 하위 쿼리로 쪼개고, 그것들을 동시에 실행한 뒤, 돌아온 결과로 답을 조립합니다. 지난달의 점수는 여기서 벌어지는 일에 대해 거의 아무것도 말해주지 않습니다.
이것이 구글이 일반 검색을 AI 모드로 옮기고 있는 상황의 불편한 지점입니다. 엔진은 무엇을 읽을지 결정하는 방식을 바꾸었는데, 대부분의 브랜드 팀은 여전히 옛 기준으로 측정하고 있습니다.
AI 모드는 더 커진 AI Overview가 아닙니다
AI Overviews는 결과 페이지에 붙는 요약입니다. AI 모드는 다른 제품입니다. 사용자가 계속 추가 질문을 던지는 대화형 화면이고, 엔진은 각 턴을 뒤에서 확장합니다. 구글 스스로 이 구조를 분명히 설명합니다. AI 모드는 ‘query fan-out’ 기법을 사용해 질문을 여러 하위 주제로 나누고, 사용자를 대신해 다수의 쿼리를 동시에 발행합니다.
여기서 두 가지 결론이 나오고, 둘 다 기존 가시성 점수의 전제를 무너뜨립니다.
- 타깃 키워드는 쿼리가 아닙니다. 사용자의 질문 하나가 다섯에서 열다섯 개의 기계 생성 하위 쿼리가 됩니다. 한 번도 매핑하지 않은 하위 쿼리에서 경쟁하게 됩니다.
- 대화는 움직입니다. 사용자가 계속 추가 질문을 하기 때문에 두 번째, 세 번째 턴은 첫 턴의 맥락을 이어받아 답합니다. 첫 턴에 답하던 페이지가 세 번째 턴에서는 완전히 빠질 수 있습니다.
AI 모드 검색 결과에서 브랜드 노출을 측정하는 방법
필요한 지표는 세 가지이며, 이미 추적 중인 세 지표와는 다릅니다. 언급률은 ‘나오는지’를 알려주지만, ‘애초에 도달 가능했는지’는 알려주지 않습니다.
| 지표 | 무엇을 읽는가 | 무엇을 알려주는가 |
|---|---|---|
| 하위 쿼리 커버리지 | 한 질문 뒤의 fan-out 하위 쿼리 중, 자사 사이트에 답할 페이지가 있는 하위 쿼리의 수 | 답이 쓰이기 전에 후보가 될 수 있었는지 |
| 언급 빈도 | 같은 질문과 후속 질문을 반복 실행할 때 브랜드가 나타나는 횟수 | 존재가 안정적인지, 아니면 우연인지 |
| 언급 형태 | 어떻게 지칭되는지. 추천 옵션인지, 여러 개 중 하나인지, 본문 속 지나가는 언급인지 | 그 언급에 상업적 무게가 있는지 |
세 지표는 따로 읽으십시오. 하나의 숫자로 합치면 점수가 반박 불가능해집니다.
지표 1: 하위 쿼리 커버리지
구글 내부의 fan-out은 관찰할 수 없으니 재구성합니다. 중요한 질문을 골라, 완전한 답이 다뤄야 할 하위 주제를 AI 어시스턴트에게 나열하게 하고, 그 목록을 이번 작업 집합으로 삼습니다. 그다음 자사 사이트를 페이지 단위로 대조해 각 하위 주제를 커버됨, 부분 커버, 누락으로 채점합니다.
결과는 대개 치우쳐 있습니다. 브랜드는 자사가 파는 것에 관한 하위 주제에는 강하고, 비교 단계의 구매자가 필요로 하는 인접한 세 하위 주제에는 취약합니다. 가격 논리, 전환 비용, 그리고 제품이 실패했을 때 벌어지는 일입니다. AI 모드가 조용히 고려 대상에서 빼는 지점이 바로 이 틈입니다.
AI는 브랜드를 얼마나 자주 언급하는가
빈도는 가장 많이 보고되고 가장 적게 통제되는 지표입니다. 같은 주에 같은 질문을 다섯 번 던져 세십시오. 편차는 정상입니다. 유용한 것은 편차의 평균이 아니라 편차의 모양입니다.
- 5회 중 5회: 안정적인 후보입니다. 빈도가 아니라 형태를 보십시오.
- 5회 중 2~3회: 후보군에는 있지만 선호 후보는 아닙니다. 고쳐야 할 것은 양이 아니라 증거입니다.
- 0~1회: 아예 검색되지 않고 있습니다. 무엇이든 다시 쓰기 전에 하위 쿼리 커버리지로 돌아가십시오.
매번 ‘추가로 언급됨’으로 등장하는 브랜드는 5회 중 3회 ‘추천’으로 등장하는 브랜드보다 상업적으로 불리합니다. 형태를 동반하지 않은 빈도는 허영 지표입니다.
지표 3: AI 모드가 브랜드를 어떻게 언급하는가
숫자가 아니라 문장을 읽으십시오. 네 가지 형태가 반복되고, 각각 고치는 방법이 다릅니다.
| 언급되는 방식 | 무엇을 뜻하는가 | 취할 조치 |
|---|---|---|
| 추천 답변으로 지목됨 | 페이지가 결정적 사실을 담고 있었음 | 지키십시오. 날짜와 수치는 분기마다 갱신하십시오. |
| 여러 옵션 중 하나 | 비교 가능하지만 차별화되지 않음 | 6문단에 묻어둔 차별점을 앞으로 꺼내십시오. |
| 출처로 인용되고 브랜드명은 없음 | 콘텐츠는 유용했지만 엔티티가 불명확했음 | 각 섹션 첫 문장에서 엔티티를 지목하십시오. |
| 본문 속 지나가는 언급 | 다른 브랜드의 비교 안에 등장함 | 자사 비교를 직접 발행해 비교의 기준을 직접 쥐십시오. |
이전되지 않는 점수
여기에 실무 함정이 있습니다. 한 팀이 AI Overviews를 감사해 그럭저럭 괜찮은 언급률을 얻고, AI 모드도 비슷하리라 가정합니다. 그렇지 않습니다. 두 화면은 다섯 가지 구조에서 다르기 때문입니다.
| 구조 | AI Overviews | AI 모드 |
|---|---|---|
| 발동 | 일반 쿼리에 부수적으로 붙음 | 대화형, 다중 턴 |
| 쿼리 처리 | 대체로 입력한 그대로의 쿼리 | 다수 하위 쿼리로의 fan-out |
| 맥락 | 단일 턴 | 이전 턴을 이어받음 |
| 출처 선택 | 순위가 매겨진 결과와 발췌 | 하위 주제와 데이터 소스를 넘나드는 검색 |
| 무엇을 측정할지 | 키워드 집합 대비 언급률 | 하위 주제 집합 대비 커버리지·빈도·형태 |
두 점수는 서로 다른 계측기로 다루십시오. ‘AI 가시성’이라는 단일 합성 수치는 한쪽이 키워드형이고 다른 쪽이 주제형이라는 사실을 감춥니다.
AI 모드용 5단 프롬프트 패널
다음 다섯 개를 순서대로 복사해 쓰십시오. 각 단은 하나의 질문에 답하고, 3단이 다음 달 예산 사용 방식을 바꿉니다.
- 기준선 — “‘[고객의 질문]’이라는 질문에 우리 브랜드가 나옵니까? 예 또는 아니오로 답한 뒤, 등장하는 문장을 인용하십시오.”
- fan-out 재구성 — “‘[고객의 질문]’에 대한 완전한 답이 다뤄야 할 하위 주제를 나열하십시오. 질문에 답하지 말고 하위 주제만 나열하십시오.”
- 커버리지 감사 — “위의 각 하위 주제에 대해 [자사 도메인]을 확인하고, 직접 답하는 페이지가 있는지 알려주십시오. 커버됨/부분/누락으로 표시하십시오.”
- 빈도 실행 — “‘[고객의 질문]’을 다섯 번 던지고 매번의 언급 형태를 기록하십시오. 추천/여러 개 중 하나/출처만/없음.”
- 형태 대조 — “우리 브랜드가 언급되는 방식과 [경쟁사]를 비교하십시오. 두 문장을 인용하고 어느 쪽이 추천으로 읽히는지 알려주십시오.”
3단이 가장 비용이 크고, 라이터에게 넘길 수 있는 작업 목록을 만드는 유일한 단입니다. 나머지 네 개는 지금 어디에 서 있는지를 알려줍니다.
두 점수, 하나의 결정
두 측정값이 손에 들어오면 결정은 기계적으로 정해집니다. AI Overviews가 강하고 AI 모드가 약하면 문제는 콘텐츠 품질이 아니라 주제 커버리지입니다. 건너뛴 인접 하위 주제를 쓰십시오. 둘 다 약하면 문제는 더 앞단, 즉 페이지가 검색되지 않는 데 있으므로 문장을 고쳐 써도 검색은 고쳐지지 않습니다. AI 모드가 강하고 AI Overviews가 약하면 일반 쿼리에서의 순위 문제이며, 이는 평범한 SEO 작업이지 AI 작업이 아닙니다.
AI 모드는 같은 웹을 비추는 더 큰 창이 아닙니다. 물어보는 것이 다른 질문이며, 실제로는 여러 질문입니다. 그리고 그곳에서의 가시성은 당신이 쓸 계획조차 없었던 페이지에 달려 있습니다.
이어서 읽기
