Search Engine Journal

InMotion Cloud는 AWS, Azure 등 기존 클라우드의 불확실한 비용 구조를 탈피하여 월 정액제와 고정 데이터 전송량을 제공하는 새로운 매니지드 프라이빗 클라우드를 선보였습니다. 자체 보유한 베어메탈 인프라와 OpenStack을 활용해 AI 워크로드 및 SaaS 운영에 필요한 비용 예측 가능성을 극대화한 것이 특징입니다.

데이터 측정의 불확실성이 증가하며 플랫폼들이 AI 모델링을 통해 누락된 데이터를 추측하고 있지만, 이는 의사결정의 오류를 초래할 수 있습니다. 따라서 단일 모델에 의존하기보다 여러 모델의 교차 검증을 통해 신호가 일치하는 지점을 찾는 것이 중요합니다.

Common Crawl은 50만 개 이상의 llms.txt 파일을 분석하여, 상당수가 플러그인이나 템플릿을 통해 자동 생성되며 일부는 크롤러 차단용으로 잘못 사용되고 있음을 발견했습니다. 또한, 일부 파일에서 프롬프트 인젝션 시도가 발견되었으나 매우 드문 사례였으며, 현재 이 파일은 표준 규격보다는 사이트맵이나 단순 정보 제공 용도로 주로 활용되고 있습니다.

ChatGPT 광고는 52개국으로 확대되었으나, 산업별 벤락마크나 경쟁사 비교 데이터가 부족하여 광고 성과를 객관적으로 평가하기 어려운 상태입니다. 광고주들은 클릭당 비용(CPC)의 극심한 편차와 불투명한 경매 구조로 인해 캠페인의 효율성을 판단하는 데 큰 혼란을 겪고 있습니다.

하버드 연구에 따르면 대중은 검색 마케팅과 같은 직업의 AI 대체에 대해 매우 낮은 도덕적 거부감을 보이며, 기술적 완성도가 높아질수록 자동화 지지율은 급격히 상승합니다. 사람들의 선호도는 윤리적 신념보다는 알고리즘의 성능에 대한 믿음에 따라 결정되며, 이미 AI를 활용한 팀의 생산성 향상이 입증되고 있습니다.

AI 검색 엔진은 여러 소스를 종합해 하나의 답변을 생성하므로, 기업 내부에 존재하는 상충되는 정보가 브랜드에 대한 잘못된 인식을 고착화할 위험이 있습니다. 특히 사용자의 질문에 포함된 과거 용어와 현재의 정보가 명시적으로 연결되지 않으면, AI는 검색 결과로 과거의 잘못된 정보를 선택할 가능성이 높습니다.

구글은 AI Overviews 등의 노출 데이터를 확인할 수 있는 AI 보고서를 전 세계로 확대 출시했으며, 검색 순위 하락 시 즉각적인 해결보다는 장기적인 관점의 대응이 필요함을 시사했습니다. 또한, 불필요한 기술적 트릭보다는 기존의 sitemap이나 로그 데이터를 활용한 정석적인 접근을 권고했습니다.

많은 기업이 AI 검색 엔진에서의 브랜드 노출도를 측정하고 있지만, 이를 개선하기 위한 구체적인 방법론은 부족한 상태입니다. Ahrefs는 AI 답변 내 인용을 확보하기 위한 데이터 해석법과 실행 가능한 전술을 다루는 웨비나를 통해 측정 단계를 넘어 실행 단계로의 전환을 제안합니다.

AI 에이전트를 통한 주문량이 급증하면서, 인간 중심의 기존 결제 프로세스가 에이전트의 기계적 속도와 데이터 불일치를 감당하지 못하는 문제가 발생하고 있습니다. 제품의 가시성을 높이는 SEO 전략을 넘어, 에이전트가 오류 없이 결제를 완료할 수 있도록 API 정합성과 인프라 안정성을 확보하는 것이 새로운 과제로 부상했습니다.

이 기사는 전통적인 SEO와 AI 검색 시대의 새로운 전략인 AEO(Answer Engine Optimization)의 차이점을 설명합니다. AI 검색 엔진은 정보를 요약하여 제공하므로 웹사이트 방문자 수는 줄어들 수 있지만, 브랜드가 AI 답변 내에서 단순 언급을 넘어 '추천'되도록 만드는 구체적인 감사(Audit) 방법을 제시합니다.

최근 데이터에 따르면 ChatGPT 사용자의 95%가 구글을 여전히 이용하며, AI는 검색의 대체재가 아닌 확장재로 기능하고 있습니다. 다만, 학술 및 개발자 관련 정보성 쿼리는 AI 도입 후 눈에 띄게 감소하며 검색 행태의 질적 변화가 관찰됩니다.

구글이 정확도가 50% 향상된 글로벌 AI 기상 모델 WeatherNext 3를 발표하고 이를 검색, Gemini, 지도 등 자사 주요 서비스에 통합합니다. 이는 구글 검색이 단순 정보 제공을 넘어 사용자의 과업 수행을 돕는 '에이전트형 검색'으로 진화하고 있음을 보여주는 중요한 이정표입니다.

AI 모델이 제품을 비교할 때 제품 페이지(24.1%)와 블로그(17.4%) 등 브랜드가 통제 가능한 콘텐츠가 전체 인용의 88.3%를 차지했습니다. 반면 Reddit과 YouTube의 비중은 4.2%에 불과해, 커뮤니티 중심의 마케팅보다 자사 콘텐츠 최적화가 더 중요함을 보여줍니다.

AI 모델은 정보가 부족한 기업을 묘사할 때 단순히 멈추는 것이 아니라, 가장 유사한 잘 알려진 대상(경쟁사나 과거 데이터)으로 정보를 대체하여 자신 있게 출력하는 경향이 있습니다. 이는 단순한 오류를 넘어 데이터의 공백을 유사한 정보로 채우는 체계적인 패턴이며, 최근에는 이러한 왜곡된 정보가 인간이 작성한 기사에도 나타나 AI 학습 데이터로 다시 유입되는 악순환을 형성하고 있습니다.

AI 크롤러 차단은 robots.txt를 통한 규칙 설정과 서버/CDN/WAF 레벨의 기술적 차단이라는 두 가지 접근법이 있습니다. robots.txt는 구현이 쉽고 정교한 제어가 가능하지만 강제성이 없는 반면, 서버 레벨 차단은 비용 절감과 확실한 차단 효과를 제공하지만 기술적 복잡도가 높습니다.

구글의 존 뮤러는 링크 거부 도구 사용과 급격한 검색 순위 하락 사이의 직접적인 인과관계에 의문을 제기하며, 알고리즘 업데이트에 따른 순위 회복에는 수개월의 시간이 필요하다고 밝혔습니다. 또한, 링크 거부 도구는 사용자가 직접 책임질 수 있는 스팸성 링크에만 제한적으로 사용해야 한다고 조치 방향을 제시했습니다.

글로벌 프리랜서 플랫폼 데이터에 따르면 AI 생성물 수정 및 보정(AI remediation) 관련 작업 수요가 전년 대비 최대 20배 이상 급증했습니다. 이는 AI를 활용한 초안 작성은 늘었으나, 할루시네이션이나 물리적 오류를 해결하기 위한 전문 인력의 '사후 처리' 비용이 예상보다 높을 수 있음을 시사합니다.

Productrise의 데이터 분석에 따르면 구글 AI 모드는 기존 검색 결과의 인기 상품 카루셀과 상품 중복률이 1.28%에 불과할 정도로 매우 상이한 결과를 보여줍니다. 특히 동일 상품이라도 첫 번째 판매자가 다르거나 AI 모드에서 더 높은 가격이 노출되는 경우가 빈번하여, 기존 쇼핑 광고 및 SEO 전략의 재검토가 필요합니다.

최근 일부 SEO 전문가들 사이에서 사이트맵 URL 뒤에 타임스탬프를 붙여 구글의 재크롤링을 강제하는 기법이 공유되었으나, 구글은 이를 강력히 부정했습니다. 구글은 URL의 안정성이 중요하며, 대신 XML의 <lastmod> 요소를 정확히 사용하는 것이 올바른 방법이라고 강조했습니다.

구글은 Gemini 3.8 Flash 출시와 동시에 AI Pro 및 Ultra 구독자를 위한 AI 모드 메뉴에 해당 모델을 즉시 반영했습니다. 이는 최근 6주 동안 세 번째로 출시된 Flash 모델로, 구글은 검색 규모의 트래픽을 처리하기 위해 저지연·저비용의 Flash 모델을 핵심 동력으로 활용하고 있습니다.

기업들이 새로운 AI 프로토콜 도입에 과도한 비용을 지출하는 'AI FUD Tax' 현상이 나타나고 있습니다. 저자는 기술적 포맷보다 중요한 것은 AI가 제품을 비교하고 추천할 수 있도록 신뢰할 수 있는 정보를 체계적으로 구축하는 '의사결정 커버리지'의 확보라고 강조합니다.

현대 SEO의 핵심은 키워드(String)가 아닌 엔티티(Thing)를 관리하는 것입니다. 브랜드, 인물, 제품 등을 명확한 엔티티로 정의하고 웹 전반에 걸쳐 일관된 정보를 구축함으로써 AI와 검색 엔진이 브랜드를 정확히 식별하도록 만드는 전략이 필요합니다.

구글이 영상 전체를 일정한 비율로 샘플링하는 대신, 필요한 부분만 동적으로 분석하는 '에이전틱 비디오 이해' 기술을 Ask YouTube에 도입합니다. 이 기술은 토큰 사용량을 최대 88% 줄이고 정확도를 높여, 긴 영상에서도 정밀한 정보 추출을 가능하게 합니다.

유튜브의 데스크톱 홈 화면 리디자인은 더 큰 썸네일을 제공하여 사용자의 인지적 과부하를 방지하고 장편 영상의 참여도를 높였습니다. 유튜브는 많은 양의 정보를 노출하는 것보다 적절한 선택지를 제공하는 것이 사용자의 시청 결정을 돕는 데 더 효과적임을 실험을 통해 입증했습니다.