AI 검색 유입이 800명에서 0명이 됐습니다 | 서치OS 한철화 대표 인터뷰 전문

처음 이상을 감지한 건 SEMrush의 봇 로그 시각화를 통해서였습니다. 특정 시점 이후 검색 봇이 저희 웹사이트에 거의 접근하지 않는다는 사실을 확인했고, 단순한 트래픽 변동이 아니라 사이트의 검색 신뢰도와 인덱싱에 문제가 생겼다고 판단했습니다.

복구를 위해 과거에 만들어두었던 SEO·GEO 도구, 지금의 Search OS 모태가 된 시스템을 실제 사이트에 적용했습니다. Technical SEO를 다시 점검하고 지속적으로 인덱싱을 요청하는 한편, 하루도 빠짐없이 블로그 콘텐츠를 발행했습니다. 그렇게 4~5개월이 지나서야 트래픽이 일부 회복되기 시작했습니다.

그 과정에서 SEO·GEO 도구를 정말 절박하게 고도화했습니다. 과거 군 복무 중에 구상했던 자동화 방식과 결합하면서, 사람의 개입을 최소화한 상태에서도 Technical SEO 문제를 찾고 콘텐츠까지 생성할 수 있는 시스템으로 발전했습니다. 지금도 이 플랫폼을 자동으로 운영하면서 패널티 가능성을 가장 먼저 감지하는 조기 경보 장치로 활용하고 있습니다. 결국 이 경험을 통해 배운 건, GEO는 단기적인 노출 기술이 아니라 검색엔진이 사이트를 발견하고 신뢰하도록 만드는 운영 체계에 가깝다는 점입니다.

문제를 확인한 직후 외부 채널을 통한 콘텐츠 자동 발행을 모두 중단했습니다. 내부에서는 “외부 플랫폼에 의존하지 않고 자사 웹사이트만으로 브랜드의 정보 주도권을 확보할 수 있는가”가 가장 중요한 안건이 됐습니다.

먼저 부정적인 게시물이 AI 답변에 함께 인용되는지를 추적할 수 있는 모니터링 체계를 찾았습니다. 그 결과를 토대로 Search OS가 어떤 회사이고 실제로 어떤 문제를 해결하는지 설명하는 자사 콘텐츠를 보강했고, 통제할 수 있는 범위에서는 문제가 된 콘텐츠도 정리했습니다. 동시에 다른 회사가 유사한 방식으로 부정적인 콘텐츠를 확산할 경우 어떻게 방어할 것인지 고민하면서 ‘Brand Protectionʼ을 제품의 중요한 과제로 보기 시작했습니다.

다만 저희가 가장 집중한 것은 부정적인 글 하나하나에 반박하는 일이 아니었습니다. AI 검색엔진이 결국 자사 웹사이트를 가장 공식적이고 신뢰할 수 있는 출처로 인식하게 만드는 것이 핵심이었습니다. Reddit의 리뷰보다 Search OS 공식 사이트의 설명이 본질적으로 더 권위 있는 정보여야 하는데, 외부 글이 우선 인용된다는 것은 저희 사이트가 아직 충분히 다루지 못한 질문과 사례가 있다는 뜻이라고 봤습니다. 그래서 비어 있는 검색 수요를 찾아 빠르게 콘텐츠를 만드는 pSEO와 기술적 최적화에 집중했습니다. 이 경험 이후 저희에게 브랜드 보호는 부정 콘텐츠를 지우는 일이 아니라, 공식 채널이 정보의 기준점이 되도록 만드는 일이 됐습니다.

한국 시장은 미국에 비해 변화 속도가 느렸고, 검색 최적화 문제를 기술로 해결하는 업체도 많지 않았습니다. 특히 레거시한 운영 방식이 여전히 많았고, 자동화와 AI 시스템의 경량화라는 관점에서는 해결해야 할 비효율이 분명했습니다.

반면 미국에서는 Scrunch처럼 저희와 유사한 문제를 다루는 기업이 큰 규모의 거래를 만들어내는 사례가 있었습니다. 시장이 이미 이 문제의 가치를 인정하고 있다는 신호로 봤습니다.

결정적으로 확신을 갖게 된 계기는 국내 현장에서 잘못된 지식과 방법론이 높은 비용으로 판매되는 모습을 본 것이었습니다. AI는 애초에 검색만을 위해 만들어진 시스템이 아니기 때문에 기존 검색 봇보다 훨씬 복잡한 조건을 다뤄야 합니다. 그런데도 검증되지 않은 방식으로 병원 등에 월 1,500만 원 수준의 서비스를 판매하는 사례를 보고 큰 문제의식을 느꼈습니다. 이후 저희 시스템을 일부 기업에 실제로 판매했고, 성과가 나타나는 것을 보면서 이 문제에 더 깊이 몰두하게 됐습니다. 오래된 문제라는 점은 오히려 기회였습니다. 오랫동안 사람의 반복 작업에 의존해온 영역을 기술과 자동화로 바꾸면, 고객이 체감할 수 있는 효율 차이가 매우 크기 때문입니다.

사실 스타트업이던 저희에게 검색 유입이 800명에서 0명이 된 사건은 흥미로운 실험이 아니라 생존의 문제였습니다. 인력과 자금이 충분하지 않았기 때문에 모든 문제를 사람의 힘으로 해결할 수도 없었습니다. 그래서 고객의 검색 질문을 찾고, 페이지를 만들고, 봇의 접근과 인용을 확인하며, 실제 유입으로 이어지는 과정까지 최대한 자동화해야 했습니다.

Search OS는 처음부터 거창한 리포트를 만들기 위해 시작한 제품이 아니라, 저희 사업을 살리기 위해 만든 운영 시스템이었습니다.

이 절박한 경험 덕분에 스타트업이 제한된 자원으로 무엇부터 실행하고 어떤 지표로 다음 결정을 내려야 하는지 이해하게 됐습니다.

첫 번째는 자사 제품명을 직접 검색해보고, AI가 어떤 제품과 함께 비교하거나 인용하는지 확인하는 것입니다. 특히 쿠팡 같은 오픈마켓의 상품과 자사몰 상품을 동일한 제품으로 이해하고 있지는 않은지 살펴봐야 합니다.

두 번째는 가격, 구성 수량, 제품 사양처럼 실제 구매 판단에 영향을 주는 차이가 텍스트로 명확하게 설명돼 있는지 점검하는 것입니다. 이커머스 페이지는 이미지 중심으로 구성되는 경우가 많아서, 사람에게는 차이가 보여도 AI는 서로 다른 상품을 같은 제품으로 인식하기 쉽습니다.

세 번째는 자사몰에서만 제공하는 강점과 차별점을 AI가 이해할 수 있는 언어로 명시하는 것입니다. 정품 여부, 구성, 혜택, 배송, 보증, 사용 대상처럼 오픈마켓 상품과 구분되는 요소를 구조적으로 설명해야 합니다. 결국 핵심은 “사람이 보면 알 수 있다”가 아니라, 이미지 없이 텍스트만 읽어도 AI가 제품의 차이를 설명할 수 있는 상태를 만드는 것입니다.

저희 경험상 의미 있는 변화를 확인하기까지는 대략 2개월 정도가 필요했습니다. 다만 모든 인식을 완전히 되돌릴 수 있다고 보지는 않습니다. 부정적인 외부 인용이 이미 너무 많이 축적돼 있다면 이를 단기간에 덮거나 제거하는 것은 현실적으로 어렵습니다. 그래도 AI 답변에서 해당 인식이 등장하는 빈도와 확률을 낮추는 것은 가능하다고 봅니다.

가장 먼저 해야 할 일은 부정적인 인식이 어떤 질문과 출처에서 만들어지는지 파악하는 것입니다. 프롬프트의 경우의 수가 매우 많기 때문에 조사 자체에 시간이 걸립니다. 이후 인용되는 부정 콘텐츠를 가격, 품질, 서비스, 과거 이슈 등으로 카테고리화하고, 각 주장에 대응하는 정확한 사실과 맥락을 자사 콘텐츠에 1대1로 보강했습니다.

중요한 것은 무조건적인 반박이 아닙니다. 실제 고객이 왜 비싸다고 느꼈는지, 현재는 무엇이 달라졌는지, 가격에 어떤 가치가 포함되는지를 구체적인 근거로 설명해야 합니다. 완전한 삭제보다 정확한 최신 정보가 함께 인용되도록 정보 환경을 바꾸는 것이 현실적인 목표입니다.

제 개인적인 전망으로는 네이버가 일본의 야후와 비슷한 위치로 이동할 가능성이 있다고 봅니다. 기존 이용자, 특히 연령대가 높은 이용자에게는 계속 중요한 플랫폼이겠지만, 검색 시장 전체에서 차지하는 영향력은 지금과 달라질 수 있습니다. 네이버 생태계에는 품질이 낮거나 반복적인 콘텐츠가 많이 축적돼 있어, 이를 기반으로 한 AI 검색의 정확도가 구글보다 낮아질 가능성도 있다고 생각합니다.

더 현실적인 변화는 Paid Marketing 비용이 계속 커지고 있고, 검색 점유가 조금씩 구글 쪽으로 이동하고 있다는 점입니다. 실제로 저희 고객사 중에도 광고비 부담이 커지면서 SEO·GEO를 검토한 기업이 많았습니다.

따라서 가장 먼저 움직여야 할 곳은 광고 의존도가 높고 자사몰이나 자사 미디어의 자연 유입 기반이 약한 기업입니다. 마케터도 단순히 콘텐츠를 많이 만드는 역량보다, 고객의 검색 질문을 구조화하고 자사 정보를 AI가 이해할 수 있는 형태로 정리하며 실제 유입과 매출까지 연결해 측정하는 역량을 준비해야 합니다. 앞으로는 채널별 노출을 사는 능력만큼, 자사 채널을 검색과 AI 답변의 공식 출처로 만드는 능력이 중요해질 것입니다.

가장 의외였던 점은 GPT가 자체적으로 정보를 발견하고 인덱싱하기 위해 생각보다 훨씬 적극적으로 사이트에 접근한다는 사실이었습니다. 특히 인용할 정보를 찾기 위해 ‘리뷰형 콘텐츠ʼ를 많이 가져가는데, 품질이 낮은 AI 생성 콘텐츠, 이른바 AI Slop도 반드시 걸러내는 것은 아니었습니다. 다만 리뷰형 콘텐츠가 모든 업종에서 정답인 것은 아니고, 산업과 검색 의도에 따라 효과 차이가 컸습니다.

브랜드 이미지 측면에서 AI Slop을 만드는 것은 분명 지양해야 합니다. 그런데 데이터만 보면 pSEO처럼 검색 수요별 페이지를 체계적으로 확장하는 접근이 직접 유입과 AI 인용에 도움을 주는 경우도 많았습니다. 결국 문제는 페이지 수 자체가 아니라, 각 페이지가 실제 질문에 유효한 답을 제공하느냐에 있다고 봅니다.

모델별 차이도 흥미로웠습니다. Claude는 Brave 검색 결과의 영향을 받기 때문에 상대적으로 잘 알려진 브랜드를 자주 가져오는 경향이 있었고, GPT는 더 폭넓은 출처를 탐색하는 모습이 나타났습니다. 그래서 하나의 최적화 공식에 맞추기보다, 모델마다 정보를 발견하고 인용하는 방식이 다르다는 전제에서 운영해야 한다는 인사이트를 얻었습니다.

GS Shop처럼 대규모 인프라에 적용해야 하는 상황에서 저희도 가장 많이 고민하는 지점입니다. 현재까지 찾은 가장 견고한 기준은 결국 ‘사람에게 좋은 콘텐츠ʼ입니다. 모델별 인용 방식은 달라도, 사용자의 질문에 정확하게 답하고 출처와 맥락이 분명한 콘텐츠는 비교적 오래 살아남습니다.

물론 이 중간점도 고정돼 있지는 않습니다. 모델 업데이트와 시스템 프롬프트 변경에 따라 인용 기준이 계속 달라지기 때문입니다. 저희는 공개되거나 유출된 시스템 프롬프트 사례까지 문장 단위로 분석하면서 모델이 무엇을 신뢰하고 어떤 답변을 선호하는지 파악하려고 했습니다.

하지만 1,000만 페이지를 운영할 때 매번 모델별 변화에 맞춰 전체를 다시 만드는 것은 불가능합니다. 그래서 기본 구조는 사람에게 유용한 콘텐츠, 명확한 출처, 일관된 상품 정보에 두고, 모델별 차이는 모니터링과 부분적인 실험으로 대응하는 방식이 가장 현실적이라고 보고 있습니다.

스타트업에서는 중요한 질문 몇 개를 빠르게 실험하고 유입과 고객 반응을 확인하는 것이 우선입니다. 반면 대규모 인프라에서는 한 페이지의 작은 오류가 템플릿을 통해 수십만 개 페이지로 확산될 수 있기 때문에, 콘텐츠를 많이 만드는 것보다 전체 페이지의 품질과 일관성을 통제하는 일이 더 중요합니다.

GS SHOP, KT 알파 비즈 기프티쇼 같은 방대한 상품·행사·리뷰 정보를 AI가 제대로 읽게 만들고, 동일한 상품을 찾는 고객이 다른 오픈마켓이 아니라 고객사로 들어오게 만드는 것이 핵심 과제입니다. Search OS 적용을 진행하면서, 개별 페이지를 사람이 고치는 방식이 아니라 상품 정보의 읽힘, 크롤링과 인덱싱, pSEO 확장, AI 답변 모니터링을 하나의 운영 구조로 연결하고 있습니다.

그만큼 시장의 불확실성이 크고 사람들이 간절하기 때문이라고 생각합니다. llms.txt의 경우 실제 봇 로그를 보면 현재 주요 AI 봇이 거의 접근하지 않는 경우가 많습니다. 그런데 GEO는 결과가 바로 보이지 않기 때문에, 실행했다는 사실을 확인할 수 있는 그럴듯한 파일이나 산출물이 필요해집니다. llms.txt가 빠르게 확산된 것도 그런 심리와 무관하지 않다고 봅니다. 그렇다고 이 아이디어가 영원히 의미 없다고 보지는 않습니다. 구글 PSI처럼 웹사이트 운영의 기준이 되는 도구와 규격이 정착했듯이, 장기적으로는 AI를 위한 별도의 파일이나 표준이 등장할 가능성이 있습니다. 다만 현재의 llms.txt 형식이 비효율적인 면이 많아 그대로 표준이 될지는 더 지켜봐야 합니다.

구조화 데이터도 마찬가지입니다. 있으면 분명 도움이 되지만, 구조화 데이터가 있다는 이유만으로 AI 인용이나 유입이 보장되지는 않습니다. GEO는 브랜드 인식, 노출 여부, 고객 유입, 기술적 접근성까지 함께 다뤄야 하는 복합적인 문제입니다. llms.txt나 Schema Data가 자주 언급되는 이유는 이 복잡한 문제 가운데 비교적 이해하기 쉽고 공통적으로 적용할 수 있는 수단이기 때문입니다.

수단을 전체 전략으로 착각하지 않는 것이 중요합니다.

처음에는 Profound 같은 도구의 프롬프트 노출 지표를 신뢰했습니다. 하지만 같은 프롬프트도 실행 환경에 따라 결과가 달라질 수 있고, 해당 프롬프트가 실제 사용자의 검색 행동을 얼마나 대표하는지도 불명확했습니다. 프롬프트 측정 자체가 아직 더 많은 연구가 필요한 영역이라고 판단했습니다.

그래서 지금은 SEO와 GEO를 완전히 분리하기보다, 두 활동을 통해 실제 유입 고객의 절대량이 얼마나 달라졌는지와 매출이 얼마나 증가했는지를 가장 중요한 KPI로 봅니다. 그다음 단계에서 Search OS 자체 도구를 통해 주요 프롬프트의 인용 여부와 브랜드 노출 변화를 확인합니다.

조직 규모에 따라 먼저 확인해야 하는 지표는 조금 다릅니다. 스타트업은 자연 유입, 문의, 구매, 매출처럼 생존과 가까운 지표를 빠르게 확인해야 합니다. 대규모 기업은 여기에 봇 접근 가능 범위, 상품 정보의 일관성, 템플릿 적용 범위, 공식 출처 인용 비중처럼 문제를 조기에 발견할 수 있는 운영 지표가 필요합니다. 다만 운영 지표가 좋아졌다는 이유만으로 성과라고 판단하지는 않습니다. 최종적으로 고객 유입과 사업 성과까지 이어져야 한다는 기준은 기업 규모와 관계없이 같습니다.

봇 로그도 중요한 보조 지표입니다. 다만 매일의 성과를 판단하는 숫자라기보다, 유입이 증가하거나 감소했을 때 그 원인을 진단하는 데 활용합니다. 정리하면 저희의 측정 우선순위는 실제 고객 유입과 매출, 프롬프트 인용과 브랜드 노출, 봇 접근 로그의 순서입니다.

GEO 지표가 좋아 보여도 사업 성과로 이어지지 않는다면 성공으로 보지 않는다는 것이 시행착오 끝에 세운 기준입니다.