Search Engine Journal

Ahrefs는 1,500만 개의 데이터 포인트를 통해 ChatGPT, Perplexity 등 AI 검색 엔진의 작동 방식에 대한 주요 오해를 바로잡았습니다. 스키마 마크업이나 llms.txt 같은 단기적 기술 최적화보다는 전통적인 검색 순위 유지와 외부 권위 있는 소스를 통한 브랜드 언급(Mention)이 AI 인용을 결정짓는 핵심 요소임을 강조합니다.

ChatGPT가 웹 검색(RAG) 과정에서 특정 사이트를 지정하는 site: 연산자 사용을 늘려 저품질 정보를 걸러내려는 움직임을 보이고 있습니다. 이로 인해 검색된 URL 수는 증가하고 있으나, 실제 답변에 인용되는 고유 도메인 수는 오히려 감소하는 양상이 나타나고 있습니다.

Search Engine Journal은 로컬 비즈니스가 AI 검색 환경에서 발견되고 선택받기 위한 실무 전략을 다루는 무료 라이브 이벤트를 개최합니다. 이번 행사에서는 AI 추천을 결정짓는 가시성 신호, AI 검색을 통한 고객 전환 방법, 그리고 AI 엔진이 인용하기 좋은 웹사이트 구축 기술을 집중적으로 다룰 예정입니다.

유튜브가 8월 24일부터 영상 재생이 시작되는 즉시 조회수를 카운트하는 방식으로 변경합니다. 이에 따라 공개 조회수는 늘어날 수 있으나, 수익 창출 및 채널 성장의 핵심인 '참연 조회수'와 시청 시간 지표에는 변화가 없습니다.

구글 서치 콘솔이 AI 오버뷰 및 AI 모드에서의 대화 파편을 일반 검색 쿼리로 기록하면서, 사용자의 AI 대화 내용이 의도치 않게 노출되고 있습니다. 이를 통해 마케터와 개발자는 기존 리포트에서 확인할 수 없었던 생성형 AI 시대의 구체적인 사용자 질문 패턴과 콘텐츠 반응을 분석할 수 있는 새로운 기회를 얻었습니다.

구글은 Gemini 및 Flow 사용자가 이미지, 비디오, 음악 생성 시 눈에 보이는 워터마록을 끌 수 있는 설정을 도입한다고 발표했습니다. 다만, 투명성 확보를 위해 보이지 않는 SynthID와 C2PA 메타데이터는 파일에 그대로 유지되어 AI 생성물임을 식별할 수 있게 합니다.

Jeremy Howard가 발표한 llms.txt V2는 AI 에이전트가 마크다운 콘텐츠를 발견할 수 있는 새로운 URL 패턴과 링크 관계(rel="alternate", rel="describedby")를 도입했습니다. 이는 검색 엔진 최적화보다는 코딩 에이전트나 문서 도구가 웹 데이터를 더 효율적으로 파악하도록 돕는 데 목적이 있습니다.

이 기사는 구글 Ads나 Bing Ads를 활용하여 이메일 환경 내에 광고를 노출하는 '유동적 검색 광고 배치'의 개념과 효과를 다룹니다. 이 전략은 기존 고객 리스트를 활용해 추가적인(Incremental) 트래픽을 확보하는 데 유용하며, 캠페인 운영 시 비디오와 디스플레이 요소를 분리하여 통제력을 높일 것을 권장합니다.

AI 어시스턴트가 단순 검색 결과 나열을 넘어 최적의 상점을 직접 선택해 제안하면서, 로컬 검색의 패러다임이 '사용자 비교'에서 'AI 큐레이션'으로 전환되고 있습니다. 기업들은 RAG 기술 등에 대응하기 위해 웹사이트와 리뷰 등 모든 채널에서 정보의 일관성을 유지하고 AI가 읽기 쉬운 구조를 갖추는 것이 필수적입니다.

구글의 연구 결과, 최첨단 LLM은 학습된 사실의 95~98%를 인코딩하고 있으나 실제 답변 시에는 26~34%를 제대로 회상하지 못하는 문제가 발견되었습니다. 특히 학습 시 습득한 주체와 객체의 순서가 질문과 다를 경우 회상 능력이 급격히 저하되며, 이는 모델의 크기를 키우는 것보다 정보 접근 방식의 개선이 핵심임을 시사합니다.

클라우드플레어가 내년부터 구글봇을 AI 학습 차단 대상에 포함하며, 챗GPT는 파트너십 여부와 관계없이 웹 페이지 상단 데이터를 인덱싱합니다. 또한 구글은 GA4의 캠페인 벤치마킹 기능을 도입하는 동시에 검색 결과 스크래핑을 막기 위한 법적 대응을 재개하고 있습니다.

앤스로픽은 유니코드나 숨겨진 문자 대신 LLM의 단어 선택 확률을 미세하게 조정하는 방식의 워터마크 기술을 공개했습니다. 이 기술은 가벼운 편집에는 저항력을 갖지만, 문장 전체를 재작성할 경우 무력화될 수 있는 한계가 있습니다.

구글은 검색 AI 모드에서 사용자가 직접 모델을 선택할 수 있도록 Gemini 3.7 Flash를 도입했습니다. 이번 업데이트는 AI Pro 및 Ultra 구독자를 대상으로 하며, 더 정확한 지시 이행과 사용자 의도 파악을 통해 검색 품질을 높이는 데 중점을 두고 있습니다.

TollBit의 최신 보고서에 따르면 ChatGPT-User를 포함한 일부 AI 봇들이 웹사이트가 차단한 페이지에 접근하는 사례가 빈번하게 발생하고 있습니다. OpenAI는 사용자 요청에 의한 호출은 robots.txt 적용 대상이 아닐 수 있다는 입장을 밝히며, 이는 콘텐츠 소유자의 통제권 상실로 이어질 수 있습니다.

Anthropic은 EU AI 법안 제50조에 따라 Claude 모델의 생성 결과물에 워터마크를 적용할 계획이며, 이는 AI 생성 콘텐츠의 투명성을 높이기 위한 조치입니다. 그러나 이 과정에서 사용자의 편집된 저작물이 AI로 오인될 수 있다는 우려와 기술적 한계로 인한 식별 불가능성 문제가 동시에 제기되고 있습니다.

구글은 최근 유튜브 크리에이터 협업 사례를 통해 단순 조회수를 넘어 브랜드 검색 수요를 직접적으로 높인 성과를 강조하기 시작했습니다. 하지만 제시된 성공 사례들은 명확한 대조군이나 측정 기준이 결여되어 있어, 마케팅 효과를 객관적으로 검증하기 위한 정교한 데이터 분석 방법론이 필요합니다.

클라우드플레어 CFO는 5년 내 머신 트래픽이 인간 트래픽의 1,000배에 달할 것이라고 전망했습니다. 그러나 실제로는 AI 크롤러로 위장하여 SSH 키나 환경 변수 등 서버의 핵심 자산을 노리는 자동화된 스캐닝 공격이 급증하고 있어 보안 관점의 새로운 위협이 대두되고 있습니다.

ChatGPT는 사용자의 질문을 받으면 웹 검색 결과가 나오기도 전에 이미 내부 모델에 저장된 특정 브랜드를 포함한 검색 쿼리를 생성합니다. 이는 AI가 검색을 통해 후보를 찾는 것이 아니라, 이미 결정된 리스트를 확인하기 위해 각 기업의 사이트를 개별적으로 탐색하는 구조임을 의미합니다.

구글이 검색 캠페인 및 PMax 내 검색 인벤토리에서 캠페인 수준의 언어 타겟팅 설정을 제거하고, 대신 광고 소재와 랜딩 페이지의 언어 및 사용자 신호를 활용한 자동화된 매칭 방식을 도입합니다. 이는 수동 설정을 줄여 트래픽 제한을 방지하는 것이 목적이지만, 특정 언어 노출을 증명해야 하는 규제 산업군에는 새로운 과제를 던져줍니다.

AI 검색 엔진 최적화(GEO)를 위한 데이터 수요는 높으나, 기존 측정 플랫폼들의 신뢰도와 실행 가능성이 낮다는 전문가들의 분석이 나왔습니다. 특히 데이터의 정확성 문제와 비즈니스 가치 증명 실패가 시장 성장의 주요 걸림돌로 지목되었습니다.

Google Ads의 자동 입찰 알고리즘이 부풀려진 전환 데이터를 학습하여 실제 수익과 무관한 가치를 쫓는 '가치 인플레이션' 문제를 다룹니다. 이는 중복 카운팅이나 잘못된 오프체인 데이터 입력 등 설정 오류로 인해 발생하며, 방치할 경우 광고 예산이 허상의 성과를 위해 낭비되는 결과를 초래합니다.

앤스로픽의 최근 발표와 투명성 페이지 업데이트를 근거로 클로드의 워터마킹 알고리즘이 대학 연구 기반의 'MirrorMark'일 가능성이 높다는 분석입니다. 이 기술은 텍스트 품질을 유지하면서도 편집 후에도 식별이 가능한 강력한 내구성을 특징으로 합니다.

레딧은 강력한 매출 성장과 수익성을 기록했음에도 구글 검색 의존도에 대한 우려로 주가가 급락했습니다. 이는 AI가 정보를 요약하며 트래픽을 줄이는 시대에, 단순 유입량보다 사용자의 신뢰와 검증을 이끌어내는 커뮤니티 기반의 '인간적 대화' 데이터가 더 중요한 가치를 지니게 될 것임을 보여줍니다.

구글 AI 개요 도입으로 인한 웹사이트 클릭 감소 여부를 판단하기 위한 실질적인 데이터 분석 방법을 제시합니다. 검색 순위와 노출량은 안정적임에도 불구하고 클릭률(CTR)이 하락하는 현상을 포착하여 AIO의 트래픽 잠식 효과를 정량적으로 식별할 수 있습니다.