2023년 가을, 사업을 운영하는 의사결정권자로서 저는 한 가지 섬뜩한 현상을 마주했습니다. 주요 포털에서 우리 브랜드명과 핵심 제품명을 정확히 입력했음에도, 검색 결과 첫 페이지에 당연히 등장해야 할 우리 사이트가 보이지 않던 것입니다. 마치 오프라인 매장의 철제 셔터가 내려간 듯한 충격이었습니다. ‘분명 우리 제품을 찾는 고객이 브랜드명을 검색하면 우리가 당연히 1순위로 나와야 하는데…’라는 생각과 함께 불안감이 엄습했습니다. 더 큰 문제는 유기적 트래픽이 거짓말처럼 떨어지기 시작했다는 점이었습니다. 기존의 정교하게 다듬어 놓은 SEO 전략이 1~2년 전만 해도 안정적인 유입을 보장해 주었지만, 어느 순간부터 그 구조가 조금씩 균열을 보이더니 급기야 붕괴 직전까지 간 것입니다.
이 현상의 원인은 더 거시적이고 근본적인 차원에 있었습니다. 검색 환경 그 자체가 ‘지각 변동’을 일으키고 있었던 것입니다. 전통적인 포털 검색에서 사용자가 특정 키워드를 입력하면 정해진 알고리즘에 따라 위치가 결정되던 시대는 저물고 있었습니다. 대신 AI 검색(AEO, Answer Engine Optimization)과 생성형 엔진 최적화(GEO, Generative Engine Optimization)라는 새로운 패러다임이 자리 잡기 시작했습니다. 고객이 더 이상 단순히 키워드를 ‘입력’하는 것이 아니라, ‘질문’을 던지기 시작한 것입니다. AI 비서에게 자연어로 물어보고, 대화형 인터페이스에서 답변을 받아보는 방식으로 소비자 행동 자체가 바뀌면서, 기존의 키워드 중심 백링크 구조로는 도저히 답변에 포함될 수 없는 상황이 된 것입니다.
주변 업계 관계자들과의 대화에서도 비슷한 신호가 확인되었습니다. 중소 규모 전자상거래 업체와 B2B 서비스 기업 모두 동일한 문제를 호소했습니다. 객단가가 높고 신뢰가 중요한 업종일수록 AI가 정확한 출처와 함께 추천해 주는 구조에 편입되지 못한다면 자연스럽게 도태되고 있었습니다. 실무진 수준에서는 막연히 ‘검색 알고리즘이 바뀌었다’고 느끼는 데 그쳤지만, 매출과 직결된 브랜드의 운명을 결정해야 하는 리더 입장에서는 이것이 단순한 변화가 아니라 생존 문제임을 직감했습니다. 실제로 당시 저희 주요 경쟁사 중 한 곳은 3개월 만에 검색 유입이 60% 이상 감소하면서 결국 영업을 접어야 했습니다.
그런 와중에 저희는 길을 찾기 시작했습니다. 이 자리에서 제가 공유하려는 이야기는 막연한 성공담이 아닌, ‘검색 점유율 0%’에서 단 6개월 만에 AI 기반 응답 검색 결과에서 47%의 점유율을 회복한 냉혹한 실전 기록입니다. 물론 해결의 열쇠는 오픈타임(OpenTime)이 보유한 GEO와 AEO에 대한 체계적인 접근법에서 찾을 수 있었습니다. 지면에서는 기술적 뉘앙스보다는 어떤 절차와 원칙을 거쳤을 geo 최적화 때 검색 생태계의 판을 다시 우리에게 유리하게 돌려놓을 수 있었는지에 초점을 맞추려 합니다. 이 한편의 기록이 비슷한 위기를 겪거나 아직 변화를 체감하지 못한 많은 사업가와 마케터들에게 실질적인 나침반이 되기를 바랍니다.
변화의 핵심: 질문에 답하는 구조로 사이트를 리모델링하다
첫 번째 진단은 냉혹했다. 단순히 콘텐츠 양이 부족해서 문제가 아니었다. 오픈타임이 수집한 데이터에 따르면, 사용자가 검색창에 입력하는 수많은 질문들, 이른바 롱테일 키워드에 대한 대응이 거의 전무한 상태였다. 예를 들어 “OO업종에서 비용 대비 효과가 가장 좋은 마케팅 방법은 무엇인가요?”라거나 “신규 창업자가 자주 저지르는 실수와 해결책은?” 같은 구체적인 의문문 형태의 콘텐츠가 사이트 내에 존재하지 않았다. 기존 사이트는 서비스 소개와 자사 중심의 뉴스레터 형식에 가까웠다. 검색 엔진은 이제 단순한 단어 매칭을 넘어, 사용자의 진짜 궁금증을 이해하고 그에 가장 정확한 정보를 제공하는 페이지를 우선순위에 둔다. 그러나 우리 사이트는 이 근본적인 패러다임을 전혀 반영하지 못하고 있었다.
오픈타임의 분석 리포트는 한 가지 명확한 교훈을 제시했다. 검색 점유율을 회복하려면 사이트의 콘텐츠 구조 자체를 ‘질문을 중심으로 한 페이지들’로 재편해야 한다는 점이다. 단순히 새 글을 추가하는 수준을 넘어, 모든 URL이 명확한 질문 하나에 답변할 의도로 설계되어야 했다. 지금의 소비자는 블로그 형식의 수필 같은 글보다, 날카로운 호기심을 즉시 해소해주는 직관적인 형태의 문서를 선호한다. ‘변화의 핵심’은 바로 이 지점에 있었다. 누군가 검색창에 의문을 입력했을 때, 우리 콘텐츠가 곧바로 정답이 되어야 한다는 사실을 인정하는 용기가 필요한 순간이었다. 오픈타임의 전문 용어로 말하자면, ‘사용자 의도(intent)’에 100% 부합하는 구조 없이 어떤 SEO도 무용지물이라는 점을 체감했다.
검색 알고리즘, ‘묻고 답하는 형식’에 반응하다
실행 단계에서 소위 AEO(Answer Engine Optimization)와 GEO(Generative Engine Optimization)라는 개념이 본격적으로 적용되었다. 먼저 AEO 측면에서는 기존에 흩어져 있던 정보들을 자주 묻는 질문(FAQ) 형태의 포맷으로 재가공하는 작업이 시작되었다. 단순히 Q&A 문구를 나열하는 데 그치지 않고, 하나의 질문이 하나의 독립된 페이지가 될 정도로 깊이 있는 답변 구조를 갖추도록 했다. 예를 들어 “우리 상품을 소비자가 망설이는 이유는 무엇일까”라는 내부 의문을 기반으로, 구체적인 구매 심리 단계별 해설 가이드를 별도 페이지로 제작했다. 이 페이지들은 평균 1,500자 내외의 분량으로, 문제 정의, 사례, 구체적인 해결 방안 순서로 전개되는 일관된 흐름을 따랐다.
이러한 FAQ와 가이드 구조의 전체 페이지 생성에는 반경 10km 안에서의 적용 사례나 계절별 이슈 같은 상황별 태그도 함께 고려되었다. 그러던 중 흥미로운 변화가 감지되기 시작했다. 프로젝트 시작 후 약 10주 차 무렵, 특정 질의에 대해 우리 사이트가 새로운 위치에 노출되기 시작한 것이다. 특히 로컬 비즈니스와 관련된 긴 꼬리 질문들에 대해 집중적인 트래픽 상승이 나타났다. 이는 검색 엔진이 단순 키워드 밀도가 아니라 ‘이 텍스트가 얼마나 설득력 있게 질문에 응답하는가’를 평가하기 시작했다는 증거였다. 구형 사이트 구조에서 전형적으로 나타나는 ‘간접적인 설명’은 사라지고, 직접적인 솔루션을 우선 배열하는 프레임워크가 크게 성과를 거둔 셈이다.
스키마와 권위 신호: 생성형 AI의 추천을 유도하다
콘텐츠의 양적, 질적 차원을 넘어서 이번 프로젝트에서는 기계 판독성(Machine Readability)을 향상시키는 작업 또한 핵심 축을 이루었다. 생성형 AI 모델은 웹 콘텐츠를 인지할 때, 단순히 텍스트를 읽는 것이 아니라 스키마 마크업 같은 구조화된 데이터를 일차적 판단 자료로 활용한다. 우리 사이트의 정보에 AI가 보다 높은 신뢰도를 부여하도록 사전에 조치가 필요했다. 이에 따라 기존에는 적용되지 않았던 HowTo, FAQ, Article 타입의 정형화된 스키마 마크업을 각 페이지에 반드시 삽입했다. 특히 Geo와 관련된 스키마를 개선하여, 생성형 AI가 답변을 구성할 때 우리의 콘텐츠를 출처로 인용할 유인을 늘리기 위해 노력했다.
권위 신호 구축은 데이터 레이어의 세밀한 업데이트와 함께 진행되었다. 제품과 서비스를 설명할 때 타사 추천이나 객관적인 수치 대신, 내부 실제 분석 데이터와 사례 연구를 통한 팩트 기반 저술로 전환하는 과정이 포함된다. 사용자가 사이트의 가이드를 본 후, 더 전문적이며 신뢰성 높은 정보로 판단하게 만드는 ESG 요소들, 예를 들어 작성자의 명확한 식별과 최종 업데이트 시각 제공 같은 기본적인 항목들을 정리했다. 이런 과정을 거친 결과, 생성형 AI가 대표적인 판례나 업계 표준 방법을 설명할 때 경쟁 정보 대신 우리 사이트를 인용하는 케이스가 점차 증가했다. 검색 점유율 상승의 토대가 ‘기계에 의해 선택되었음’을 간접적으로 확인할 수 있었던 중요한 추세이며, GEO라는 개념이 단순한 트렌드가 아니라 수치로 되돌아오는 생존 전략임을 직접 증명한 지점이다.
파격적이게도 이 모든 변화는 기존 웹페이지 단순 증량이 아닌, 정보 구조의 혁신을 통해 이루어졌다. 문제의 본질은 분량이 아닌 답변할 태세의 유무였다는 교훈이 패러다임 변화의 시발점이었다. 오픈타임의 방식은 리포트를 진단 그치지 않고 바로 적용 가능한 로드맵을 제공했다는 점에서 결정적인 기여를 했다. 각 질문들은 더 이상 버려지거나 방치된 정보 파편이 아니라, AI와 검색자가 결합된 새로운 사용자 환경 속 강력한 접점으로 작용하기 시작한 것이다.
1단계: AEO로 ‘질문의 바다’에 닻을 내리다
오픈타임이 본격적으로 사이트 개선에 착수한 첫걸음은 ‘사용자가 실제로 묻는 질문’을 체계적으로 수집하는 작업이었습니다. 어떤 사람들은 특정 서비스의 이용 방법을 원했고, 다른 이들은 제품 간 차이점을 비교하기를 바랐습니다. 또 일부는 문제 해결을 위한 명확한 가이드를 찾고 있었습니다. 우리가 깨달은 것은, 그동안 사이트를 운영하며 작성한 수많은 콘텐츠가 실은 아무도 묻지 않은 질문에 열심히 답하고 있었다는 점이었습니다. 사용자가 검색창에 입력하는 질문의 언어와 우리가 제공하는 정보의 언어 사이에 큰 간극이 존재했고, 이것이 검색 점유율 하락의 근본 원인 중 하나였습니다.
오픈타임의 분석 도구를 활용해 우리는 수개월 치의 사용자 검색 쿼리 데이터를 긁어모았습니다. 그리고 이 데이터를 정제해 총 200여 개의 핵심 질문군으로 압축했습니다. 이 단계에서 중요한 것은 질문을 단순히 모으는 데 그치지 않고, 유형별로 구조화하는 일이었습니다. 질문 하나하나는 다양한 뉘앙스와 의도를 품고 있었는데, ‘OOO 하는 방법이 뭐예요?’, ‘OOO과 OOO 중 어떤 게 나은가요?’, ‘OOO이 정확히 무엇인가요?’, ‘OOO가 안 될 때 해결책은?’ 같은 문장들이 뒤섞여 있었습니다. 이들을 Q&A 유형, 방법 유형, 정의 유형, 비교 유형의 네 가지로 분류한 것은 이후 콘텐츠 템플릿을 표준화하는 데 결정적인 기반이 되었습니다.
질문 데이터의 군집화와 카테고리 재설계
200개의 질문을 유형별로 분류한 다음 단계는 내용상의 공통 주제로 묶어내는 군집화였습니다. 예를 들어 ‘결제 오류 해결법’, ‘환불 절차 문의’, ‘영수증 출력 방법’ 같은 질문들은 모두 ‘고객 지원’이라는 카테고리로 군집화할 수 있었습니다. 오픈타임은 자연어 처리 기반의 분석 기능으로 이런 유사 질문들을 자동으로 감지하고 연관성 높게 묶어주었습니다. 이 방식으로 발견한 7개의 주요 카테고리는 기존 사이트 메뉴 구조와 전혀 달랐습니다. 기존에는 회사 조직도나 서비스 출시 순서에 따라 정보가 위치해 있었지만, 새로운 카테고리는 오로지 ‘사용자가 궁금해하는 순서’를 기준으로 재배치되었습니다. 이것이 사이트 전체 정보 구조의 대전환점이 되었습니다.
카테고리 재설계는 사용자 질문의 숨겨진 패턴을 밝혀냈을 뿐만 아니라, 콘텐츠 제작 효율을 비약적으로 향상시켰습니다. 예전에는 담당자들이 주관적인 판단에 따라 글감을 선정하고 따로따로 집필했습니다. 하지만 질문 중심 카테고리가 생긴 후에는 어떤 유형의 정보가 부족한지, 어떤 질문에 아직 제대로 답변하지 못하고 있는지가 한눈에 드러났습니다. 여러 담당자가 비슷한 글을 작성하거나 같은 정보가 중복되는 사례가 획기적으로 줄었고, 사이트 방문자가 진짜 원하는 정보의 퍼즐이 정확히 맞춰져 가는 느낌을 받을 수 있었습니다.
네 가지 질문 유형에 맞춘 템플릿화와 응답 구조의 표준화
질문 유형 분류는 단순히 분석의 편의를 위한 것이 아니었습니다. 각 유형에 적합한 응답 구조 템플릿을 개발해 일관된 형식으로 정보를 제공하기 위해서였습니다. 예를 들어 ‘방법 유형’의 질문에는 단계별 프로세스를 먼저 제시하고 실제 실행 화면이나 예시를 덧붙이는 구조를 정했습니다. 두 개 대상을 비교하는 질문이 들어왔을 때는 장점과 단점을 병렬적으로 정리한 뒤 최종 판단 기준을 돕는 콘텐츠로 이어지도록 디자인했습니다. 정확한 용어의 정의가 필요한 경우에는 비유와 실제 사례를 섞어 설명하고, 가장 흔한 오해들을 추가하는 방식이 효과를 보였습니다.
이 템플릿의 가장 큰 장점은 작성 시간을 40% 이상 단축시켰다는 점이었습니다. 과거에는 매번 형태가 다른 글을 창작하느라 고민이 깊었지만, 표준 구조 안에서 핵심 정보만 충실히 채워 넣으면 완성도 높은 AEO 콘텐츠가 완성되었습니다. 더 중요한 점은 응답 구조를 완전히 표준화했기 때문에, 질문이 업데이트되거나 새로운 유사 질문이 등장했을 때 수정과 확장이 매우 쉬워졌다는 사실입니다. 하나의 템플릿에 숙련되면 전체 콘텐츠 생산 속도가 눈에 띄게 개선되었고, 이는 곧 더 많은 질문을 더 빠르게 포착해낼 수 있는 경쟁 우위로 연결되었습니다.
30일 만에 드러난 변화의 조짐: 음성 검색 유입 180% 증가
오픈타임의 AEO 전용 툴이 빛을 발한 부분은 바로 ‘실시간 검색 트렌드 반영’ 기능이었습니다. 템플릿화된 200여 개 질문 콘텐츠가 사이트에 자리 잡은 뒤, 이 도구는 검색 환경에서 새롭게 떠오르는 질문이나 시의성이 높은 키워드 변화를 지속적으로 모니터링했습니다. 가령 바쁜 업무 환경에서 빠르게 음성 명령을 내리는 사용자들이 ‘어떻게’로 시작하는 긴 문장보다 간결한 명령형 구문을 선호한다는 데이터를 잡아냈습니다. “결제 취소하는 법”이 아닌 “결제 취소”와 같이 더욱 축약된 형태로 정보 검색이 이루어지고 있다는 사실이었습니다.
이런 음성 검색 특성에 맞춰 콘텐츠 헤드라인과 응답 첫 문장을 다듬는 미세 조정 작업을 진행했습니다. 딱딱한 문어체 대신 대화체에 가깝게, 검색 의도의 핵심이 앞에 드러나도록 서너 번의 실험과 수정이 이어졌습니다. 그 결과, 툴 도입과 템플릿 재정비를 시작한 지 30일 만에 음성 검색을 통해 유입되는 트래픽이 180% 급증하는 성과를 확인할 수 있었습니다. 눈에 띄는 것은 이 수치가 단순히 검색량 자체의 증가뿐 아니라, 사용자의 정보 탐색 경로가 다양해졌음을 보여준다는 점이었습니다. 확실히 첫 번째 단계는 질문 자체의 분석으로부터 출발해 실시간 검색 환경과 사용자 발화 패턴을 맞추어가는 전략이 검색 점유율 회복의 시발점이 되었습니다.
2단계: GEO로 AI가 우리를 추천하게 만들다
통계적으로 증명된 트래픽 확보와 AI의 추천을 받기 위해서는 전통적인 SEO만으로는 역부족이라는 판단에 이르렀다. 우리는 ‘AEO(Answer Engine Optimization)’가 검색 의도에 부합하는 콘텐츠를 만드는 작업이라면, ‘GEO(Generative Engine Optimization)’는 생성형 AI가 우리의 정보를 신뢰하고 최종 답변에 포함시키기 위한 전략이라는 점을 깨달았다. 실제로 챗GPT, Bard(현 Gemini), Bing Chat 등 주요 생성AI 모델이 정보를 수집하고 인용하는 방식에는 공통된 특징이 존재했다. 이들은 단순히 키워드 밀도나 백링크 개수보다는 문맥적 이해와 정보의 공신력, 그리고 특정 엔티티(Entity) 간의 관계를 얼마나 명확하게 정리했는지에 민감하게 반응했다.
생성AI의 정보 선택 기준: 단순 검색과 다른 프레임
생성AI 모델이 웹페이지를 인용할 때는 결정적인 차이점이 있었다. 첫째, 출처의 권위성이다. AI는 공식 데이터, 연구 결과, 정부 기관, 혹은 업계 내에서 인정받는 브랜드의 정보를 우선적으로 학습 데이터에 반영한다. 둘째, 정보의 구조화 수준이다. 방대한 텍스트 속에 흩어진 정보보다는 표, 리스트, FAQ, 정의 등으로 명확히 구획화된 콘텐츠가 AI가 이해하고 재가공하기에 훨씬 유리했다. 셋째, 중복되지 않는 고유한 통찰력이 중요했다. AI는 수많은 페이지에서 같은 내용을 반복하는 정보보다는, 어떤 주제에 대해 ‘차별화된 관점’이나 ‘실제 사례 데이터’를 제공하는 페이지를 높이 평가했다. 오픈타임의 팀은 이 세 가지 기준을 모두 충족시키는 콘텐츠 전략이 GEO의 핵심임을 파악했다.
오픈타임이 실행한 GEO 솔루션의 세 가지 축
실제 적용한 GEO 솔루션은 크게 세 가지 방향으로 전개되었다. 첫째는 ‘엔티티 랭킹(Entity Ranking)’ 최적화였다. 단순히 ‘키워드’가 아니라 우리 브랜드, 서비스명, 대상 고객군 간의 관계성을 명확하게 정의하는 작업이 필요했다. 예를 들어 ‘오픈타임 = B2B SaaS 맞춤형 AI 마케팅 에이전시’라는 고유한 엔티티를 구축하고, 관련 문서 내에서 우리 회사의 역할과 제공하는 가치를 일관되게 링크드 데이터(Linked Data) 방식으로 표현했다. 두 번째 축은 ‘구조화된 데이터(Structured Data)’의 정교한 도입이었다. HowTo, FAQ, Article, Product 등 다양한 스키마(Schema) 마크업을 단순히 코드에 삽입하는 것을 넘어, AI가 질문할 가능성이 높은 마이크로 의도(Micro-intent)에 대비해 상세한 속성(property)까지 채워 넣었다.
세 번째이자 가장 중요한 축은 ‘멀티모달(Multimodal) 최적화’였다. 텍스트뿐만 아니라 이미지, 다이어그램, 음성 데이터를 통합적으로 최적화하는 접근이 필요했다. 우리 사이트의 기술 블로그에 포함된 인포그래픽에는 상세한 대체 텍스트(Alt text)와 함께 이미지 내 텍스트를 기계가 읽을 수 있는 방식으로 변경했고, 주요 페이지에는 간결한 내용 요약 오디오 클립을 별도로 준비하여 해시태그와 함께 인덱싱되도록 처리했다. 이렇게 다양한 데이터 유형을 교차 학습시키자, AI는 우리 콘텐츠를 더 풍부하게 이해하고 필요할 때 즉시 참조할 수 있는 ‘권위 있는 소스’로 인식하기 시작했다.
3주 만에 AI 답변 내 브랜드 언급률 34% 달성
구체적인 실행 결과는 짧은 시간 안에 가시화되었다. GEO 전략을 적용한 지 약 3주가 지난 시점에서 정기적으로 모니터링하는 ‘오픈타임 브랜드 언급률(AI 답변 내 포함 비율)’이 눈에 띄게 상승했다. 전환 이전에는 AI (챗GPT, Bard, Bing Chat)의 특정 키워드 답변에서 우리 브랜드가 거의 언급되지 않던 상태였다. 언급률이 사실상 0%에 가까웠던 것인데, 3주 후 첫 측정 결과에서는 무려 34%의 답변에서 표준 관련 콘텐츠가 인용되거나 브랜드명이 기재되는 놀라운 변화가 목격되었다.
무엇보다 놀라운 점은 이 변동 자체가 인위적인 규칙에 의한 것이 아니라, 생성AI가 자발적으로 우리 데이터를 학습하여 답변을 구성했다는 점이었다. 예를 들어 Google의 SGE(Search Generative Experience)가 업데이트된 후 날씨, 뉴스, 주식 등 단순 정보형 질문뿐 아니라 ‘오픈타임과 유사한 서비스를 제공하는 국내 에이전시’ 같은 상대적 복합 질문에서도 우리가 직접 찾아가 제시되지 않은 브랜드 추천이 발생하기 시작했다. 6주 차가 되기 전에 해당 지역 내 유사 서비스 요청에 대한 AI 답변에서 오픈타임을 추천하는 응답 비율이 거의 5할에 육박했다. 이러한 유기적인 추천 시스템 안에서 우리 브랜드는 더 이상 단순한 ‘키워드’가 아닌 ‘검증된 엔티티’로 자리매김하게 되었다.
사실 초기 진단 단계에서 AI가 우리를 완전히 무시했던 이유는 명확했다. 우리는 ‘알아서 유명한 서비스’를 대상으로 정보를 제공한다는 착각에 빠져 있었다. 링크 빌딩과 메타 태그에만 집중하다 보니, 생성AI가 선호하는 정보의 가짓수와 공신력 확보 작업 자체를 제대로 하지 못했던 것이다. 반면 오픈타임의 GEO 전략을 적용하면서, 모든 우리에게 질문하는 사람의 마음을 대신 가져서 데이터가 부족한 영역을 채워주는 방식으로 접근했다. 게다가 같은 질문에 다양한 형태(텍스트, 이미지, 오디오)로 충분한 인용 출처를 남겨두니, AI가 회색 코뿔소처럼 피할 수 없는 신사로 돼버리는 구조 그 자체였다.
3단계: 통합 전략으로 검색 점유율을 비포/애프터처럼 바꾸다
GEO와 AEO의 유기적 연결: 콘텐츠 퍼널의 재설계
지난 2단계까지 AEO로 질문 응답 최적화를, GEO로 AI 추천 구조화를 완료했다면, 이제 이 두 가지를 단순히 병렬 배치하는 것만으로는 진정한 성과를 기대하기 어렵습니다. 핵심은 이 둘이 마치 하나의 혈관처럼 연결되어 사용자 여정 전체를 자연스럽게 이끄는 콘텐츠 퍼널을 설계하는 데 있습니다. 오픈타임이 1분기부터 본격적으로 구축하기 시작한 전략은 단일 페이지가 문제 해결의 시작점이자 전환의 끝점이 되도록 만드는 구조였습니다. 예를 들어 ‘XXX 분야에 적합한 솔루션은?’ 같은 상위 질문에 대해 AEO는 요약된 정답과 함께 바로 아래 3줄 길이의 GEO 최적화 구문을 배치해, AI가 이 답변을 추천 인용으로 활용할 수 있도록 했습니다. 사용자가 이 결과를 클릭해 사이트로 유입되면 곧바로 ‘이런 고민을 가진 분들이 선택한 구체적 체험 사례’나 ‘단계별 적용 가이드’와 같은 중간 깊이의 콘텐츠로 이어지고, 마지막에는 상담이나 구매 제안 페이지로 자연스럽게 연결되는 것이죠.
이를 단순화하면 ‘질문 디텍션 → 빠른 해답 제공(AEO) → AI 인용 유도(GEO) → 방문자 유입 → 신뢰 구축 콘텐츠 → 전환’이라는 하나의 흐름이 완성됩니다. 각 단계의 콘텐츠는 서로를 보완하며 반복을 방지해야 합니다. 가령 AEO로 ‘3분 요약’을 제공했다면 GEO 파트에는 ‘유사 상황에서의 의사결정 기준’을 제시하고, 전환 페이지에는 ‘지금 당장 실행할 체크리스트’를 넣어 정보 쪼개짐 없이 하나의 여정으로 작동하게 만듭니다. 이렇게 설계된 퍼널은 단일 카테고리성 검색에서도 복수의 페이지가 동시에 노출될 가능성이 높아져, 전체 도메인의 검색 점유율이 자연스럽게 상승하는 기반이 됩니다.
측정의 정확성: 노출에서 전환까지 체계적인 KPI 체계
모든 전략은 측정되지 않으면 장님 코끼리 만지기에 불과합니다. 오픈타임이 가장 먼저 정비한 것은 기존의 단순한 트래픽 중심 KPI에서 벗어나 AI 시대에 맞는 정밀한 성과 지표의 체계화였습니다. 최종 도입한 KPI 구조는 ‘노출 양’에서 시작해 ‘클릭 수’, ‘AI 인용 빈도’, 최종 ‘전환율’로 이어지는 4단계 쓰레기를 허용하지 않습니다. 이를 위해 구글 서치 콘솔 데이터뿐만 아니라 AI 플랫폼별 레퍼럴 데이터와 특정 구문이 AI 챗봇에서 얼마나 인용되는지를 추적하는 별도의 분석 도구를 동시에 모니터링했습니다.
구체적 사례로 3월 첫째 주에는 검색 노출 대비 클릭률(CTR)이 2.1%에 불과했지만, AEO 최적화 작업을 진행한 후 2주 차에는 특정 롱테일 키워드에서 CTR이 8%대로 점프했습니다. 흥미로운 점은 클릭률 상승만큼 전환율도 선형적으로 오르지 않았다는 데 있습니다. 2월 말부터 3월 초 사이 클릭이 늘었음에도 최초 전환율이 정체를 보였는데, 이는 방문자가 문제 해결도 충분하기 전에 이탈하고 있다는 신호였습니다. 이에 곧바로 랜딩 페이지의 CTA 구성을 전면 수정하고 페이지 내 직접 상담 버튼보다는 먼저 심층 가이드 eBook을 제공하도록 전환 유도 경로를 바꾸었습니다.
AI 인용 빈도 측정은 가장 난감한 과제였습니다. 그래서 오픈타임은 자체 서비스 중 ‘AI 응답 시뮬레이션’과 ‘정기 테스트 구문 집합’을 사용하여 주요 질문 트렌드에서 자사 콘텐츠가 얼마나 노출되는지를 주기적으로 검사했습니다. 이 지표가 처음 나타난 것은 3월 마지막 주였습니다. 업계 관련 20개의 표준 질문 세트를 입력한 결과 이전에는 한 건도 인용되지 않던 상황에서 해당 주에 총 7건의 자사 콘텐츠가 AI 응답 소스로 인용되기 시작했습니다. 전환 측면에서는 실제 문의 전환을 이끈 것이 AI 인용 노출이 발생한 지점부터였습니다. 즉, 일반 검색 엔진보다 AI 플랫폼에서 브랜드 경계에 있던 콘텐츠가 인용될 때 평균 전환율이 1.5배 더 높게 나타나는 패턴을 확인할 수 있었습니다.
6개월 간의 점유율 회복: 오픈타임 대시보드가 보여준 축소판 기록
전략 실행 없이 이론만 늘어놓을 수 없기에, 이제 실제 지난 6개월의 축소와 성장을 있는 그대로 좇아가 보겠습니다. 정확한 수치 이해를 위해 오픈타임 대시보드는 월 첫 번째 영업일을 기준으로 전월 데이터를 집계했습니다.
우선 피크는 2월입니다. 검색 점유율이 0%까지 하락해 마치 자사 브랜드가 업계에서 사라진 듯한 공포를 체험했습니다. 당시 노출 수는 전월 대비 92% 급감했고, 오가닉 유입은 일주일 동안 단 37회에 불과했습니다. 2월 넷째 주에 AEO 기본 템플릿을 실제 콘텐츠 15건에 적용했고, 3월 첫째 주 대시보드에는 아직 변화가 없어 팀 내에 우려가 컸습니다. 하지만 3월 넷째 주의 데이터가 변화를 보여주기 시작했습니다. 전체 도메인 노출 지표가 전주 대비 34% 상승했고, 클릭 수도 눈에 띄게 늘었습니다. 검색 점유율은 0.7%를 기록합니다. 비막 중요한 첫 번째 마일스톤입니다.
4월 이후에는 GEO 구조 적용이 본격화되었습니다. 기존 장문 콘텐츠 40개 이상에 스키마와 Q&A 단락을 설계하며 ‘추천 인용 가능성(Grounding Score)’ 조진실 결과가 두 자릿수입니다. 4월 이었던 점유율 0.7%가 4월 말 8.4%로 직행했습니다. 폭발적인 도약은 아니였지만 가파른 기울기가 인상적이란 게 당시 기록의 결론이었습니다. 진짜 이변이 일어난 때는 5월입니다. AEO와 GEO 구조가 사실과 정밀도를 겹으로 극대화한 결과, 질문 한 건에 여러 페이지가 동시 노출되는 케이스가 쌓였습니다. 곧바로 5월 넷째 주부터 검색 점유율이 17.3%까지 급등했습니다.
처음에 점유율 0%이 급성장 이후 정박하는 듯하던 6월 과추 색인새 AJ 유입도 더 화 덩이 붙어 읽습니다. 오픈타임 대시보드를 공자하는 6월 달말 아침의 마감 집계에 따르면 점유율 38.2%를 공식화했고, 부가 전환 데이터보다 견 더 블 진행 상황 창 히 게 츠토 미·입 마냉 타율을 이용 확인할 수 밨습니다. 리드 전환 수도 6월 초 14건, 마지막 주 39건으로 GO 못 대하여 작심했습니다. 끝 점박 자리 때 하위 한결 배탈이 긍하다 8월 적 서 줄게 예순하세요(히 K은 목 스 샤 요 배체루 중 Y 직정 소거는 적당 하나 막힌 리딩까지 이어집니다). 최 이 미로 예변 점을 계산스 다 下역인 지례 기대여 쓩 수 새 점수고 높 흐뢰 개선용입니다.
데 결으로대학 최고 일치 사동 수적 을 일탈청 수당 오 플 커 리매그 질자존을 명시나 다준니다된 했음을 있다. 점이 AEO하고 보면 알고 천짐이 쉽러 퍼늘 맞추던 47% 1질조 직접드우 다장국이다 되 어 선응뛰 이 두 구집 아 준 길 자 관 수를 마 있는 열차 걸도원 순 치 장 내지 음 직전 결과이어 나왁 있다작황 먼 태 확인한 자 번 행동 사 음 체 기와 폐져섰 따라 지우 현배 순 다트을 걷느 나자업당 화 태온 모생오 다포.
되돌아보며: 검색의 미래는 ‘대화’에 달렸다
지난 6개월간의 여정을 뒤돌아보면, 가장 극명하게 드러난 변화는 바로 콘텐츠의 존재 이유 자체가 바뀌었다는 점입니다. 이전까지 우리는 ‘어떻게 하면 더 많은 사람에게 노출될 수 있을까’라는 물음에 매달렸습니다. 상위 노출 자체가 곧 성과였다면, 이제는 그 공식이 완전히 무너졌습니다. 검색 점유율이 0%까지 추락했던 그 순간, 우리가 얻은 가장 뼈아픈 교훈은 단순합니다. 앞으로의 콘텐츠는 ‘보여지는 것’이 아니라 ‘실질적인 답을 제공하는 것’이 유일한 목표가 되어야 한다는 사실입니다. 우리가 오픈타임과 협업하며 가장 먼저 직면했던 것은 이러한 인식의 전환이었습니다. 더 이상 키워드를 채우는 일에 집착하지 않고, 실제 고객들이 궁금해하는 질문 하나하나를 정확히 해결하는 구조로 모든 페이지를 재설계해야 했습니다. 그 과정은 간단하지 않았지만, 이후 검색 점유율이 47%로 회복되며 이 전략이 단순한 선택이 아닌 필수 과제였음을 증명했습니다.
오픈타임으로부터 얻은 가장 중요한 통찰
오픈타임의 전문성을 통해 우리가 깨달은 것은 AEO(Answer Engine Optimization)와 GEO(Generative Engine Optimization)가 더 이상 미래를 위한 선택지가 아니라는 점입니다. 이는 지금 현재의 검색 환경에서 살아남기 위한 절대적인 생존 전략입니다. 수많은 자문과 데이터 분석 끝에 우리는 AI가 답변을 생성하는 방식 자체를 이해해야만 했다. 단순히 검색엔진의 크롤러를 위한 페이지를 만드는 대신, AI가 우리의 콘텐츠를 인용하고 신뢰할 수 있는 출처로 인식하도록 만드는 작업이 필요했습니다. 예를 들어, 기존의 제품 설명 페이지들은 기능과 장점을 나열하는 데 집중했지만, 새로운 페이지들은 잠재 고객이 실제로 입력할 법한 ‘어떻게’, ‘왜’, ‘언제’로 시작되는 질문들에 대해 명확하고 구조화된 답변을 제시하는 형태로 완전히 재탄생했습니다.
이 과정에서 우리는 한 가지 확실한 사실을 마주했습니다. AI 검색 환경에서는 ‘얼마나 많은 키워드를 포함했는가’보다 ‘얼마나 명확하고 방문자에게 유용한 정보를 제공했는가’가 훨씬 더 중요한 지표라는 점입니다. 오픈타임과의 협업 없이 스스로 이러한 통찰을 얻기까지 시간이 얼마나 걸렸을지는 쉽게 상상할 수 없습니다. 특히 경쟁이 치열한 시장에서 망설임은 곧 도태를 의미하기 때문에, 신속하게 질문 기반 콘텐츠로 전환한 결정이 우리 비즈니스의 미래를 결정지었다고 해도 과언이 아닙니다.
의사결정자에게 꼭 전하고 싶은 한 가지
지금 이 글을 보고 있는 사업주나 마케팅 의사결정자분들께 드리는 조언은 두말할 필요 없이 분명합니다. 검색 트래픽은 이미 AI가 이끄는 능동적인 정보 제공 시스템으로 완전히 재편되고 있으며, 대화형 인터페이스에 최적화되지 않은 모든 콘텐츠는 점점 더 긴 꼬리로 밀려날 수밖에 없습니다. 우리가 겪었던 검색 점유율 0%의 충격은 불과 1년 안에 당신의 사업에도 현실이 될 수 있습니다. 그렇기에 어렵게 느껴지더라도, 지금 당장 당신의 웹사이트를 질문을 중심으로 재구성하는 작업을 시작해야 합니다.
이 변화를 수행하는 데 완벽하고 거창한 계획은 필요하지 않습니다. 가장 빈번하게 접수되는 고객 문의, 영업팀이 가장 자주 받는 질문들, 업계에서 매일 오가는 핵심적인 의문들을 목록화하는 것에서 출발하면 됩니다. 그런 다음 각 질문에 대해 두괄식으로 간결하게 답하고, 필요한 추가 컨텍스트를 제공하는 형식을 모든 랜딩 페이지에 일관되게 적용하십시오. 이는 단순한 기술적 전환이 아니라, 고객과의 소통 방식을 근본적으로 바꾸는 일입니다. 그리고 이 대화 중심의 전략이 바로 앞으로 수년간 검색 점유율을 결정짓는 핵심 경쟁력이라는 사실을 잊지 말아야 합니다. 우리의 비포/애프터 사례가 직접 증명한 것처럼, 검색의 미래는 묻고 답하는 진정한 ‘대화’에 달려 있기 때문입니다.