Search Engine Journal

구글은 미국 내 일부 사용자를 대상으로 검색 광고에 'Strongest match' 또는 'Strong match' 라벨을 표시하는 실험을 진행 중입니다. 이 라벨은 기존의 광고 품질 및 관련성 신호를 기반으로 하지만, 구체적인 선정 기준과 가중치에 대해서는 아직 공개되지 않아 광고주들 사이에서 투명성에 대한 논란이 일고 있습니다.

웹 트래픽 중 자동화된 봇의 비중이 인간을 추월한 가운데, AI 에이전트는 비용 효율성과 정확성을 위해 웹페이지의 픽셀 대신 접근성 트리를 주로 활용합니다. 따라서 HTML의 구조적 정확성과 ARIA 태그를 올바르게 사용하는 것이 AI 에이전트에게 서비스를 정확히 전달하는 데 결정적인 역할을 합니다.

AI 검색 엔진이 정보를 요약·합성함에 따라 국가별로 분리된 정보가 뒤섞이는 '교차 시장 지식 오염' 위험이 커지고 있습니다. 이제 기업은 단순한 SEO를 넘어, 전 세계 어디서든 정확한 정보가 전달되도록 관리하는 데이터 거버넌스 전략을 구축해야 합니다.

생성형 AI가 비즈니스 워크플로우에 통합됨에 따라 브랜드 가시성은 검색 순위를 넘어 LLM이 기업 데이터를 얼마나 정확히 해석하느냐에 달려 있습니다. 조직 내 팀 간 정보 불일치는 AI를 통해 증폭되어 노출되므로, 이는 단순 마케팅 문제를 넘어 조직 운영 및 거버넌스의 문제입니다.

구글 딥마인드의 연구원은 숨겨진 토큰이나 동적 클로킹을 이용해 AI 에이전트를 해킹하고 금전을 탈취하려는 공격 사례가 이미 발생하고 있다고 밝혔습니다. 이러한 보안 취약점은 에이전트의 목표를 왜곡할 수 있으며, 대규모 시스템 운영 시 통계적인 실패와 막대한 경제적 손실로 이어질 수 있습니다.

AI 어시스턴트가 학습하거나 기억하는 과정에 숨겨진 지침을 삽입하여 특정 브랜드를 추천하도록 유도하는 'AI 추천 오염' 사례가 보고되었습니다. 이는 과거 SEO의 블랙햇 기법이 LLM의 메모리와 추론 과정에 침투하는 형태로 진화한 것이며, 기업의 의사결정 도구로서 AI의 신뢰성을 위협하고 있습니다.

WordPress용 Ultimate Member 플러그인에서 인증된 공격자가 비밀번호 재설정 링크를 탈취해 계정을 장악할 수 있는 취약점이 발견되었습니다. 이 결함은 CVSS 점수 8.8의 높은 위험도를 기록하며, 관리자 권한까지 노출될 수 있어 버전 2.12.0 이상으로의 즉시 업데이트가 권고됩니다.

Anthropic은 슬랙 채널에서 @Claude를 태그하여 업무를 지시할 수 있는 'Claude Tag' 기능을 발표했습니다. 이 기능은 AI가 채널 내 맥락을 기억하고 도구에 접근하여 지속적인 작업을 수행할 수 있게 함으로써, 단순 응답을 넘어 실질적인 업무 에이전트 역할을 수행하도록 설계되었습니다.

구글이 검색 광고의 '제한적 광고 게재(Limited Ad Serving)' 정책을 확대하여, 사용자 신고가 빈번하거나 브랜드 정체성이 불분명한 광고주의 노출을 제한할 예정입니다. 이번 업데이트는 단순 정책 준수를 넘어 제품 품질과 고객 서비스 등 실제 사용자 경험까지 광고주 자격 요점에 포함하는 것이 특징입니다.

기존 SEO가 검색 순위 중심이었다면, 이제는 ChatGPT나 Perplexity 등 다양한 AI 엔진에서의 콘텐츠 인용 여부를 추적하는 것이 핵심 과제로 떠오르고 있습니다. Writessonic의 CEO Sam Garg은 파편화된 데이터를 통합 관리하기 위해 AI 에능트를 활용한 자동화된 워크플로우 구축 사례를 공유할 예정입니다.

구글이 Google Ad Manager 내에 Gemini 기반 AI 비서인 'Ask Ad Manager'를 도입하여 퍼블리셔의 운영 업무 자동화를 지원합니다. 이 도구는 광고 송출 문제 해결, 맞춤형 보고서 생성, 플랫폼 내 효율적인 탐색을 대화형 프롬프트로 수행할 수 있게 돕습니다.

ChatGPT와 같은 LLM은 답변 생성 시 RAG 기술을 통해 백그라운드에서 전통적인 웹 검색을 수행하며, 이때 발생하는 쿼리는 사용자의 질문과 다를 수 있습니다. QueryFan은 페르소나 기반의 프롬프트를 통해 이 숨겨진 검색 쿼리를 찾아내어 새로운 AI 가시성 확보 전략을 제안합니다.

이 기사는 기존 SEO 지표가 경영진의 의사결정에 미치는 한계를 지적하며, 매출과 직결된 비즈니스 중심 KPI로의 전환을 제안합니다. 특히 AI Overviews 도입으로 인한 클릭 감소 현상에 대응하여 브랜드 가시성과 파이프라인 기여도를 측정하는 새로운 전략을 제시합니다.

Similarweb의 최신 보고서에 따르면 ChatGPT를 통해 추천된 브랜드는 7일 이내 웹사이트 방문율이 비추천 브랜드보다 2.5배 높았습니다. 특히 이러한 사용자는 브랜드 검색을 통해 유입되며, 일반 사용자보다 훨씬 긴 체류 시간과 높은 페이지 뷰를 기록하는 고관여 특성을 보였습니다.

구글의 존 뮤러와 마틴 스플릿은 AI 검색 엔진(LLM) 대응을 위해 별도의 마크다운 콘텐츠를 생성하는 전략이 작업량을 두 배로 늘리고 유지보수 오류를 초래할 수 있다고 경고했습니다. 이들은 마크다운이 시각적 레이아웃을 지원하지 못해 사용자 경험을 저해하며, 데이터 불일치 위험이 크다고 지적했습니다.

Clarecast는 AI 도입을 통해 인력을 줄이는 '조용한 구조조정'의 4가지 전조 현상을 식별했습니다. 이는 복잡한 기술 스택, 정체된 인력 규모, 향후 감원 예측, 그리고 고위 임원의 퇴사를 포함하며, 이러한 변화는 공식 발표보다 훨씬 이전에 데이터로 포착될 수 있습니다.

트랜스포머 아키텍처의 공동 저자인 노암 샤지어가 OpenAI로, 알파폴드 프로젝트를 이끈 존 점퍼가 Anthropic으로 구글을 떠난다고 발표했습니다. 이번 인재 이탈은 구글의 AI 제품 경쟁력 약화 우려와 함께 글로벌 빅테크 간의 핵심 인재 확보 전쟁이 가속화되고 있음을 보여줍니다.

클라우드플레어가 AI 에이전트와 인간 사용자를 구분하고 보안을 강화하기 위해 'PACT'라는 새로운 프라이버시 보호 프로토콜 개발에 나섰습니다. 구글, 마이크로소프트, 쇼피파이 등 주요 브라우저 및 이커머스 기업들이 참여하며, 이는 기존의 캡차나 추적 방식 없이도 신뢰할 수 있는 AI 에이전트 활동을 가능하게 하는 것을 목표로 합니다.

미국 성인의 AI 챗봇 사용률이 49%로 증가하며 ChatGPT를 중심으로 한 기술 확산이 뚜렷하지만, Google AI Overviews와 같은 기능은 오히려 기존 웹사이트 클릭률을 낮추는 부작용을 낳고 있습니다. 또한, 젊은 층의 높은 사용률에도 불구하고 개인정보 보안 및 사회적 영향에 대한 부정적 전망과 규제 불신이 공존하는 양상을 보입니다.

구글은 AI 검색 환경에서의 브랜드 노출을 측정할 때 제3자 도구의 데이터보다는 서치 콘솔과 머천트 센터 같은 자체 리포트를 기본 지표로 활용할 것을 권장합니다. 이는 외부 툴이 구글의 내부 메트릭에 접근할 수 없음을 명확히 하며, 마케터들이 데이터 불일치 상황에서 판단 기준을 세우는 데 중요한 이정표가 됩니다.

독일 뮌헨 법원은 구글의 AI Overview가 여러 소스를 재조합해 새로운 문장을 생성하므로, 단순 링크 제공자가 아닌 저작물로서 허위 사실에 대한 책임을 져야 한다고 판결했습니다. 이로 인해 AI 엔진은 리스크 관리를 위해 정보가 불분명한 기업을 의도적으로 배제하거나 보수적으로 답변하는 경향을 보일 가능성이 높습니다.

구글은 X-Frame-Options가 SEO에 직접적인 영향을 미친다고 언급했지만, 넓은 의미에서 보안 헤더는 사이트 해킹을 막아 검색 순위를 보호하는 데 간접적으로 매우 중요합니다. HSTS, CSP 등 핵심 보안 헤더를 적절히 설정함으로써 데이터 탈취 및 클릭재킹 공격을 방지하고 사용자 신뢰와 검색 가시성을 유지할 수 있습니다.

구글은 Preferred Sources, Search Profiles 등을 통해 사용자가 선호하는 출처를 검색 결과와 AI Overviews에 우선 노출하는 생태계를 구축하고 있습니다. 이는 기존 대형 매체에는 유리하지만, 인지도가 낮은 신규 콘텐츠 제작자들에게는 새로운 발견의 장벽이 될 수 있습니다.

현재의 AI 활용은 정적인 데이터를 수동으로 입력하는 'AI 보조형 복ASS' 수준에 머물러 있어 실시간 성과 반영이 어렵다. 이를 해결하기 위해 MCP를 통한 데이터 연결, Skills를 통한 업무 표준화, Claude Projects를 통한 팀 환경 구축이라는 3단계 스택을 통해 AI를 기업 운영의 핵심 인프라로 진화시켜야 한다.