Search Engine Journal

기존의 디지털 전략이 웹페이지 방문 유도와 감성적 여정 설계에 집중했다면, AI 시대에는 파편화된 정보를 통합하여 기계가 이해하기 쉬운 형태로 제공하는 것이 핵심입니다. 정보가 여러 페이지에 흩어져 있을 경우 AI는 공식 사이트 대신 레딧이나 외부 매체를 통해 답변을 생성하며 브랜드 주권을 상실할 위험이 있습니다.

전통적인 링크 빌딩 중심의 SEO가 한계에 부딪힘에 따라, 특정 타겟 고객층에게 브랜드를 각인시키는 디지털 PR 전략의 중요성이 강조됩니다. 전문 협회나 매체를 활용해 브랜드 인지도를 높임으로써 사용자가 직접 브랜드를 검색하게 만드는 '브랜드 네비게이션' 구축이 AI 시대의 새로운 생존 전략입니다.

영국 경쟁시장청(CMA)이 구글의 AI 검색 결과 투명성을 강화하도록 강제하면서 검색 알고리즘의 공개 가능성이 커지고 있습니다. 하지만 핵심은 알고리즘의 공개 여부와 관계없이, AI가 쉽게 파싱하고 검증할 수 있는 웹 구조를 구축하여 정보 추출의 용이성을 확보하는 것입니다.

구글 AI Overviews 등 생성형 검색 엔진은 기업의 자사 홍보성 리스트를 출처로 인용하면서도, 정작 추천 제품으로는 해당 리스트 내 경쟁사를 선택하는 경향을 보입니다. 따라서 브랜드의 생존을 위해서는 자사 채널 최적화를 넘어 Reddit이나 전문 리뷰 사이트 등 외부 도메인에서의 브랜드 언급량을 늘리는 전략이 필요합니다.

Writesonic는 AI 검색을 통한 리드 비중이 35%까지 급증한 경험을 바탕으로, AI 에이전트를 활용한 SEO 운영 노하우를 공개했습니다. 핵심은 자사 사이트가 아닌 외부 커뮤니티와 플랫폼에서의 인용을 확보하는 것이며, 이를 위해 전문가의 지식을 구조화한 에이전트 구축과 지속적인 검증 루프(Closed-loop) 운영이 필수적입니다.

다지점 브랜드의 로컬 마케팅은 현재 파편화된 AI 도구들로 인해 데이터 불일치와 ROI 측정 불가라는 문제에 직면해 있습니다. 이를 해결하기 위해서는 단순한 LLM 활용을 넘어, 데이터를 구조화하고 AI의 실행을 관리하며 인간의 승인을 결합하는 'AI 오케스트레이션 레이어' 도입과 새로운 마케팅 리더십이 필수적입니다.

구글이 검색 콘솔에 인스타그램, 틱톡, X, 유튜브 등 소셜 미디어와 비디오 플랫폼의 성과를 추적할 수 있는 '플랫폼 속성' 기능을 추가했습니다. 이를 통해 크리에이터는 자신의 웹사이트 유무와 상관없이 구글 검색 및 디스커<0xA5>버에서의 클릭수, 노출수, 유입 검색어 등의 데이터를 상세히 분석할 수 있습니다.

AI는 마케팅 실험의 구축 비용을 낮춰 대량의 테스트를 가능하게 했지만, 동시에 유의한 결과와 무작위 노이즈를 구분하기 어렵게 만드는 부작용을 낳았습니다. 성공적인 성장을 위해서는 AI를 실행과 자동화에 활용하되, 가설 설정과 지표 정의, 그리고 실패한 실험을 중단하는 결정은 인간이 담당하는 엄격한 프레임워크가 필요합니다.

Clovion AI의 새로운 연구에 따르면, AI 어시스턴트에게 구체적인 구매 조건을 추가할 경우 초기 추천 브랜드 리스트의 62%가 사라지는 현상이 나타났습니다. 특히 모델별로 마케팅 자료나 기술 문서를 참조하는 방식이 달라 브랜드 기능을 과장하거나 누락하는 양상이 다르게 나타나므로, 정교한 콘텐츠 전략이 필요합니다.

최근 LLM의 토큰 비용 절감을 위해 웹사이트의 마크다운 버전을 별도로 제공하려는 SEO 트렌드가 나타나고 있으나, 구글은 이를 기술 부채로 규정하며 반대했습니다. 대신 웹사이트의 기본 구조와 접근성을 개선하는 것이 검색 엔진과 AI 에이전트 모두에게 가장 효과적인 전략이라고 조언합니다.

웹은 현재 HTML 기반의 기존 구조를 넘어, AI 에이전트가 정보를 더 효율적으로 찾고 상호작용할 수 있도록 돕는 기계 판독형 인프라(OKF, ARD, MCP 등)를 구축하는 과도기에 있습니다. 이는 단순한 SEO의 변화가 아니라, 웹이 인간을 위한 페이지와 에이전트를 위한 데이터 계층이라는 두 개의 머리를 갖게 되는 과정입니다.

이 글은 구글의 OKF 표준을 활용하여 AI 에이전트가 읽고 실행할 수 있는 개인용 '지식 브레인' 구축 방법을 설명합니다. YAML 메타데이터와 마크다운 구조를 통해 지식을 그래프 형태로 연결하고, 이를 바탕으로 에이전트가 업무 플레이북을 자동으로 수행하게 만드는 자동화된 워크플로우를 강조합니다.

구글 AI 오버뷰 도입으로 인해 검색 결과에서 클릭 없이 정보를 얻는 '제로 클릭' 현상이 심화되며 기존의 트래픽 중심 성과 측정이 무력화되고 있습니다. 하지만 이는 콘텐츠의 실패가 아니라 사용자 행동 패턴의 변화를 의미하므로, 브랜드 인지도와 전환율 등 새로운 지표에 주목해야 합니다.

동명이인으로 인한 검색 노출 문제를 해결하기 위해 비표준적인 robots.txt 지시어를 활용하려던 시도가 구글에 의해 효과 없다고 부정되었습니다. 결국 LLM과 검색 엔진에서의 정체성 확립은 기술적 설정이 아닌, 웹 전반의 신뢰도 높은 콘텐츠와 디지털 발자국을 통해 이루어져야 합니다.

구글은 지식 데이터를 연결된 마크다운 파일 형태로 관리하는 '오연 지식 포맷(OKF)'을 공개했습니다. 이 방식은 기존의 평면적인 웹 페이지 읽기 방식을 넘어, AI 에이전트가 정보 간의 관계를 그래프 형태로 파악할 수 있게 하여 검색 및 에이전트 최적화에 새로운 가능성을 제시합니다.

Safari는 AI 에이전트가 네트워크 요청과 DOM 데이터를 직접 수집하여 웹사이트의 성능 및 호환성 문제를 디버깅할 수 있는 새로운 MCP 서버를 발표했습니다. 이를 통해 개발자와 SEO 전문가는 Core Web Vitals 최적화와 브라우저 호환성 테스트를 자동화된 방식으로 수행할 수 있게 됩니다.

구글은 Search Console에 AI Overviews 및 Discover의 AI 기능 노출량을 확인할 수 있는 새로운 보고서를 추가했습니다. 이는 AI 검색 가시성을 별도의 영역이 아닌 기존 검색 성능의 일부로 통합하겠다는 의지를 보여주며, 현재는 클릭률이 아닌 단순 노출수(Impressions) 데이터만 제공합니다.

미국 저작권법(DMCA)을 악용한 허위 신고로 인해 구글 검색 결과에서 정상적인 기사와 페이지들이 삭제되는 사례가 보고되었습니다. 신고자가 허위 정보를 제공하더라도 구글은 일단 콘텐츠를 삭제하며, 이에 대한 반박 책임은 사이트 운영자에게 있어 기업의 검색 노출에 심각한 위협이 되고 있습니다.

크롬 라이트하우스 13.3.0에 도입된 '에이전틱 브라우징' 감사 기능이 .txt 파일임에도 불구하고 마크다운 링크 문법을 강제하여 llms.txt 파일의 링크를 인식하지 못하는 오류가 보고되었습니다. 개발자는 이를 해결하기 위해 단순 텍스트 형태의 링크를 [text](url)와 같은 마크다운 문법으로 수정해야 합니다.

구글 AI Overviews 도입으로 인해 정보성 쿼리의 유기적 클릭이 약 40% 급감했으며, 이는 단순한 저가치 트래픽의 감소가 아닌 실제 유효 트래픽의 손실임을 시사합니다. 또한, 웹 성능 지표인 LCP 최적화 과정에서 개발자가 잘못된 요소를 타겟팅하여 실패하는 사례와 속도-전환율 간의 상관관계에 대한 업계의 논쟁을 다룹니다.

AI 요약 기능 확대로 웹사이트 유입 트래픽 감소가 예상되지만, 검색 쿼리 자체는 역대 최고치를 기록하며 디지털 가시성의 중요성은 여전합니다. 현대의 SEO는 단순 키워드 최적화를 넘어 LLM이 정보를 정확히 인지하고 인용할 수 있도록 데이터 구조와 브랜드 엔티티를 강화하는 AI 대응 전략으로 진화하고 있습니다.

이커머스 플랫폼 Nuvemshop은 LCP(Largest Contentful Paint) 최적화 과정에서 CSS 트랜지션이 브라우저의 요소 인식 오류를 유발한다는 사실을 발견했습니다. 이를 해결하기 위해 상단 섹션의 트랜지션을 제거하고, 첫 이미지의 레이지 로딩 해제 및 fetchpriority="high" 설정을 적용함으로써 LCP 점수와 전환율을 대폭 개선했습니다.

구글이 검색 결과에서 AMP 페이지를 제공할 때 기존의 AMP 캐시 서버를 거치지 않고 도메인의 AMP 호스트 페이지로 직접 연결하는 방식으로 업데이트했습니다. 이번 변경으로 인해 더 이상 AMP 캐시나 Signed Exchanges 설정이 필수적이지 않으며, 이는 단순한 전달 방식의 변화일 뿐 검색 랭킹에는 영향을 미치지 않습니다.

Cloudflare는 AI 크롤러를 Search, Agent, Training 세 가지 유형으로 분류하여 관리하는 새로운 제어 기능을 도입합니다. 9월 15일부터 적용되는 기본 설정에 따라 학습용 크롤러를 차단할 경우, 검색과 학습을 동시에 수행하는 구글봇 등 주요 검색 엔진의 접근까지 네트워크 레벨에서 차단될 위험이 있습니다.