검색 엔진 전문지 뉴스

구글은 최근 가이드를 통해 llms.txt 파일이나 AI 전용 마크다운 파일 등이 구글 검색 및 생성형 AI 기능의 랭킹에 아무런 영향을 주지 않는다고 명확히 밝혔습니다. 이는 해당 파일들이 다른 서비스에는 유용할 수 있으나, 구글 검색 최적화(SEO)를 위한 필수 요소는 아님을 의미합니다.

저자는 문법적으로 오류가 있는 JSON-LD 스키마를 포함한 웹페이지를 통해 LLM이 구조화된 데이터를 실제로 이해하는지 실험했습니다. 결과적으로 LLM은 스키마의 유효성과 상관없이 이를 단순 텍스트로 읽어 정보를 추출했으며, 이는 스키마가 검색 엔진용 설계임을 시사합니다.

최근 AI 에이전트의 효율적인 크롤링을 위해 HTML 태그를 제거하고 마크다운 위주의 콘텐츠를 제공하려는 'AI SEO' 전략이 부상하고 있습니다. 그러나 구글은 이러한 단순화가 웹사이트의 구조적 맥락과 페이지 간 연결성을 파괴하여 검색 엔진의 발견(Discovery) 기능을 저해할 수 있다고 지적했습니다.

구글 서치 콘솔(GSC)에서 노출수는 늘었지만 클릭수가 줄어드는 현상은 검색 결과 페이지(SERP)의 구조적 변화나 의도와 맞지 않는 키워드 노출 때문일 수 있습니다. 이를 해결하기 위해서는 광고 및 AI 개요 등 SERP 기능에 대응하는 콘텐츠 최적화와 브랜드 중심의 정보 제공 전략이 필요합니다.

AI 검색 시대에는 리뷰의 총량보다 최신성과 일관성이 중요하며, 구글 리뷰는 AI 추천의 핵심 데이터로 작용합니다. 고객 접점에서 SMS 등을 활용해 상세한 텍스트가 포함된 리뷰를 유도하는 전략이 비즈니스 노출을 결정짓습니다.

Ahrefs가 13만 7천 개 도메인을 분석한 결과, llms.txt 파일의 9lar%가 트래픽이 전혀 없는 것으로 드러났습니다. 현재 이 파일은 AI 검색 엔진보다는 코딩 에이전트나 학습 크롤러 등 특정 기술적 용도로 주로 활용되고 있습니다.

구글은 llms.txt 파일이 구글 검색 순위에 긍정적 혹은 부정적인 영향을 미치지 않으며, 구글 검색 엔진 자체가 이 파일을 사용하지 않는다고 명시했습니다. 다만, 다른 AI 서비스나 시스템을 위해 해당 파일을 유지하는 것은 문제가 없음을 분명히 했습니다.

마이크로소프트 광고가 Merchant Center 내 제품 카탈로그를 검색하고 성과를 분석할 수 있는 'Product Explorer' 기능을 출시했습니다. 이 도구는 제품의 승인 여부와 노출, 클릭, 전환 등 주요 성과 지표를 통합적으로 제공하여 피드 관리 및 최적화 프로세스를 단순화합니다.

한 PPC 전문가가 타겟 CPA 조정을 실행한 후 적절한 모니터링을 놓쳐 월 예산에서 3만 유로를 미집행하는 실수를 저질렀습니다. 이 사건은 단순한 광고 성과 저하를 넘어 차기 마케팅 예산 확보의 어려움으로 이어졌으며, 이를 통해 투명한 소통과 기본 운영 관리의 중요성을 강조합니다.

340만 개의 기사 데이터를 분석한 결과, 인용구형 헤드라인이 높은 노출을 기록한다는 기존 믿음은 '심슨의 역설'에 의한 통계적 오류임이 드러났습니다. 실제로는 특정 매체의 성격과 타겟 오디언스에 따라 헤드라인 형식이 결정되는 것이며, 형식 자체의 순수 효과는 3~5% 수준에 불과합니다.

AI 검색 환경에서 프롬프트의 문구 변형은 브랜드 가시성에 미치는 영향이 제한적이며, 대부분의 사용자 질문은 유사한 의미적 맥락을 공유합니다. 다만, 리스트 형태의 요청이나 특정 스타일의 프롬프트는 브랜드 노출 빈도를 최대 20%까지 높일 수 있으며, 구매 결정 단계인 중간 단계(MoF) 쿼리에서는 문구 변화에 따른 변동성이 더 크게 나타납니다.

구글의 존 멀동은 llms.txt가 AI 에이전트에게 사이트 방문 후의 안내(Navigation) 역할은 할 수 있지만, 사이트 간의 우열을 가리는 발견(Discovery) 도구로는 한계가 있다고 밝혔습니다. 그는 이 파일이 누구나 작성 가능한 자가 보고 데이터이기에 메타 키워드처럼 신뢰할 수 없는 신호로 전락할 수 있음을 경고했습니다.

구글은 광고주가 기존 목표를 유지하면서도 추가 전환 기회를 찾을 수 있는 '스목 입찰 탐색' 기능을 전 세계로 확대하고, 특정 이벤트 기간에 유연한 예산 운영을 돕는 '프로모션 모드' 베타를 도입합니다. 또한 8월 17일부터 예산 제한 캠페인의 성과 예측 가능성을 높이기 위한 백엔드 최적화 업데이트가 진행될 예정입니다.

검색 패러다임이 단순 링크 나열에서 대화형 추천으로 변화하면서, 여행 브랜드는 AI 모델에 자사 브랜드를 명확히 각인시켜야 합니다. 이를 위해 웹사이트뿐만 아니라 리뷰 사이트, OTA, 소셜 미디어 등 다양한 채널에서의 정보 일관성과 디지털 PR을 통해 AI의 신뢰를 얻는 것이 핵심입니다.

구글이 유료 구독자를 위한 '정보 에이전트' 기능을 도입하고 부적격 광고주의 노출을 제한하는 등 검색 생태계의 질적 변화를 예고했습니다. 또한 쇼핑 레이블 테스트와 로컬 파인더 인터페이스 변경 등 사용자 경험을 AI 중심으로 고도화하려는 움직임이 관찰됩니다.

AI 검색 엔진의 발전으로 인해 콘텐츠 전략은 키워드 노출 중심의 SEO에서 사용자 개인화에 맞춘 인용 확보 중심으로 이동하고 있습니다. 기업은 자사 웹사이트뿐만 아니라 제3자 플랫폼에서도 브랜드 메시지를 일관되게 유지하여 AI가 신뢰할 수 있는 정보원으로 인식하게 해야 합니다.

경쟁사 리뷰를 정량적 지표가 아닌 정성적 데이터로 활용하여 고객의 언어, 서비스 실패 사례, 신뢰 격차를 발굴하는 방법을 다룹니다. AI를 활용한 감성 분석과 클러스터링을 통해 경쟁사의 약점을 자사의 전환 레커버리로 만드는 구체적인 4단계 프로세스를 제안합니다.

AI 검색의 유용성 체감도가 1년 만에 28%p 급락하며, 사용자들이 정보를 검증하기 위해 여러 플랫폼을 교차 확인하는 경향이 뚜렷해지고 있습니다. 이에 따라 마케팅 전략은 AI가 복제하기 어려운 고유 데이터를 활용한 생성형 엔진 최적화(GEO) 중심으로 재편되어야 합니다.

많은 로펌이 낮은 리드당 비용(CPL)에만 집중하여 실제 수임으로 이어지지 않는 저품질 트래픽에 예산을 낭비하고 있습니다. 이 글은 광고 클릭부터 계약 체결까지의 누수를 막기 위해 검색 의도에 따른 키워드 정밀화와 퍼널 단계별 예산 재배분 전략을 제시합니다.

구글 애즈가 입찰 타겟 최적화 방식을 변경하여 설정된 CPA/ROAS 목표에 더 일치하는 성과를 내도록 업데이트하며, 프로모션 모드 베타와 스마트 비딩 탐색 기능 확대를 발표했습니다. 특히 기존에 목표보다 높은 효율을 내던 캠페인이 설정값에 맞춰 성능이 변동될 수 있어 광고주의 타겟 재설정이 필요합니다.