[본캠프] 디지털마케터 3기 260312_49일차

오늘은 아티클 스터디를 하고 강의를 빠르게 전체 복습한 뒤 선택 실습을 진행했다.
확실히 처음 들을 때보다 복습하면서 다시 보니 내용이 조금 더 머리에 들어오는 느낌이라 다행이었다. 역시 한 번 더 보는 과정이 중요하다는 걸 다시 느꼈다.

 

SEO 다음은 AEO다 : AEO 최적화 가이드 | 고구마팜

⤷ 오늘의 아티클🌐🤖🔍📊⚙️

 

• 요약
AI가 검색 결과를 단순히 나열하던 시대를 지나, 사용자의 질문에 직접 답변을 구성해 제공하는 시대로 진입했다. 이에 따라 검색 엔진 최적화(SEO)를 넘어, AI가 답변의 근거로 우리 콘텐츠를 인용하게 만드는 AEO(Answer Engine Optimization, 답변 엔진 최적화) 전략이 필수적인 마케팅 핵심 과제로 부상하고 있다.

• 주요 포인트
- 검색의 패러다임 변화 : 구글의 'AI Overview'와 네이버의 'AI 브리핑' 도입으로 검색 결과 최상단에 AI 요약 답변이 배치되고 있다.

- 노출 기회의 확대 : AEO 시스템에서는 검색 순위 20위 밖의 문서도 내용이 적절하다면 AI 답변의 출처로 인용될 확률이 크게 높아졌다.

- 콘텐츠 원자화 : 긴 글보다는 질문과 답변이 명확한 문단 단위의 독립적인 콘텐츠가 AI에게 더 잘 선택된다.

- AI를 활용한 정제 : AI(LLM)가 한 번 다듬어 구조가 명확해진 문장은 역설적으로 AI 엔진이 더 쉽게 이해하고 인용할 가능성이 높다.

 

• 새롭게 알게 된 점 & 추가 조사
✔️ 새롭게 알게 된 점
SEO 상위권이 아니더라도 내용의 전문성(E-E-A-T)만 확실하다면 AI 답변을 통해 더 많은 유입과 신뢰를 얻을 수 있다는 점이 인상적이었다.
✔️ 추가 조사

① 구글의 차세대 인터페이스 'AI Mode'

구글이 2025 I/O에서 공개한 AI Mode는 기존의 '검색 결과 페이지(SERP)'라는 개념을 완전히 뒤바꾸는 인터페이스이다.

⑴ 구체적인 작동 방식

- 대화형 레이어 전환 : 검색창에 쿼리를 입력하면 별도의 창으로 이동하는 것이 아니라, 현재 화면 전체가 AI 대화 모드로 전환된다.

- 멀티모달 통합 : 텍스트뿐만 아니라 카메라(Google Lens)를 통해 실시간 영상을 보여주며 질문하면, AI가 화면 위로 정보를 덧입혀 설명해 준다.

- 실시간 추론(Reasoning) : "이 지역에서 3일간 머물며 아이와 가기 좋은 식당을 포함한 여행 계획을 짜줘"라는 복잡한 요청에 대해 AI가 실시간으로 데이터를 조합하여 완성된 '계획표' 자체를 결과물로 제시한다.

⑵ UI/UX 변화

- 무한 스크롤의 종말 : 과거에는 1페이지 상단 노출이 목표였다면, AI Mode에서는 '답변 카드' 내에 내 링크가 포함되는지가 중요해진다.

- 인라인 출처(In-line Citations) : 답변 중간중간에 작은 아이콘이나 링크 형태로 출처가 표시됩니다. 사용자가 답변을 읽다가 더 궁금하면 해당 링크를 클릭하는 구조이다.

- 액션 버튼의 전면 배치 : 예약, 구매, 장바구니 담기 등 다음 행동을 유도하는 버튼이 AI 답변 바로 아래에 배치되어 결제까지의 단계가 짧아진다.

 

② GEO(Generative Engine Optimization) 방법론

GEO는 구글/네이버 같은 검색 기반 AI를 넘어, 챗GPT, 제미나이, 퍼플렉시티(Perplexity) 같은 독립적 생성형 AI 모델이 나를 추천하게 만드는 기술이다. 최근 학계(Princeton, Georgia Tech 등) 연구를 통해 밝혀진 최적화 기법은 다음과 같다.

⑴ 핵심 최적화 전략

- 인용 추가(Cite Sources) : 단순히 정보를 나열하지 말고, 신뢰할 수 있는 출처와 통계치를 문장 내에 포함하세요. AI는 출처가 명확한 정보를 더 안전하다고 판단하여 인용한다.

- 통계적 증거(Statistical Evidence) : "우리는 빠릅니다" 대신 "기존 대비 40% 빠른 성능을 입증했습니다"와 같은 수치 데이터를 텍스트에 포함하면 AI가 답변의 '근거'로 선택할 확률이 높다.

- 전문가 권위(Authoritative Tone) : 해당 분야의 전문 용어를 정확하게 사용하고, 전문가의 의견을 인용하는 형식을 취하면 '권위 있는 문서'로 분류됩니다.

- 직접적인 답변 구조 : AI는 서론이 긴 글보다 핵심 결론이 상단에 배치된 글을 선호한다.

 

• 핵심 개념 정리
- AEO(Answer Engine Optimization) : AI 답변 엔진이 사용자의 질문에 답을 구성할 때, 자사 콘텐츠가 인용·출처로 활용되도록 최적화하는 전략

- Passage Indexing(패시지 인덱싱) : 페이지 전체가 아닌 특정 문단이나 문장 단위로 정보를 추출하여 인덱싱하는 방식

- E-E-A-T : 경험(Experience), 전문성(Expertise), 권위성(Authoritativeness), 신뢰성(Trustworthiness)의 약자로, 검색 엔진이 콘텐츠의 가치를 판단하는 핵심 기준

 

• 용어 정리
- GEO(Generative Engine Optimization) : 생성형 엔진 최적화. 검색 엔진 내부 기능을 넘어 독립된 AI 서비스 환경에서의 최적화를 의미

- LLM Polishing(LLM 폴리싱) : 대규모 언어 모델을 활용해 문장을 더 매끄럽고 논리적으로 정제하는 작업

- 콘텐츠 원자화 : 정보를 최소 단위(문단, 질문-답변 등)로 쪼개어 각각이 독립적인 의미를 갖게 만드는 것

 

• 실무 적용
- Q&A 섹션 강화 : 고객이 자주 묻는 질문을 기반으로 '질문-답변' 형태의 문단을 웹사이트나 블로그에 적극 도입한다.

- 구조적 글쓰기 : 소제목을 명확히 달고, 각 문단이 하나의 완성된 답변이 되도록 작성하여 AI의 '패시지 추출'을 돕는다.

- AI 교정 활용 : 콘텐츠 배포 전 챗GPT 등을 활용해 문장을 다듬어 AI 친화적인 문체와 구조를 확보한다.

 

• 관련 사례

① 건강·의료 정보 전문 사이트(Healthline 등)

건강 정보는 구글이 가장 엄격하게 관리하는 E-E-A-T 영역이다. 이들은 이미 수년 전부터 AEO에 가까운 전략을 사용해 왔다.

- 전략 : "무릎 통증의 원인은 무엇인가요?"라는 질문에 대해 첫 문장에서 바로 핵심 결론을 내리고, 하단에 전문가 검수(Written by / Reviewed by) 정보를 명시한다.

- 결과 : 구글의 '피처드 스니펫(Featured Snippets)'과 'AI Overview'에서 압도적인 인용률을 기록하며, 검색 결과 최상단 답변 엔진의 단골 출처로 자리 잡았다.

② 소프트웨어 B2B 기업(HubSpot, Canva)

이들은 사용자가 검색창에 "인스타그램 마케팅 방법", "포스터 만드는 법"처럼 구체적인 방법론을 물어볼 때를 겨냥한다.

- 전략 : 블로그 포스팅 초반에 'Quick Summary' 혹은 'Key Takeaways' 박스를 배치한다. AI가 문서를 다 읽지 않고도 이 요약 박스만 긁어서 답변을 구성하도록 유도한 것이다.

- 결과 : 복잡한 소프트웨어 설명서임에도 불구하고, AI 답변 엔진이 "가장 쉬운 가이드"로 인식하여 사용자에게 솔루션을 추천하는 핵심 근거로 활용된다.

③ 로컬 비즈니스(해외 F&B 및 관광 사례)

네이버의 AI 브리핑 사례와 유사하게, 영미권의 Yelp나 TripAdvisor 데이터를 기반으로 한 AI 추천 사례이다.

- 전략 : 리뷰 데이터 내에 "비건 메뉴가 맛있어요", "주차 공간이 넓어요" 같은 구체적인 속성 정보가 담기도록 유도한다.

- 결과 : 사용자가 "주차 편한 비건 식당 추천해줘"라고 질문하면, 단순 검색 결과 리스트가 아닌 AI의 추천 텍스트 내에 업체명이 포함되어 노출된다. 이는 단순 노출보다 훨씬 높은 구매 전환율로 이어진다.

 

선택 실습. CRM 마케팅

신규 고객 10,000명을 대상으로 SMS를 발송하였고 결과가 아래와 같습니다.

항목	결과
발송 성공수	10,000
오픈수	4,000
클릭수	800
구매 전환수	200

 

(1) 성공수 대비 오픈율, 오픈수 대비 클릭률, 클릭수 대비 구매 전환율을 계산하세요.

각 단계별 전환율은 다음과 같이 계산할 수 있다.

① 오픈율(Open Rate)
오픈율 = 오픈수 ÷ 발송 성공수 × 100

= 4,000 ÷ 10,000 × 100
= 40%

② 클릭률(CTR)
클릭률 = 클릭수 ÷ 오픈수 × 100

= 800 ÷ 4,000 × 100
= 20%

③ 구매 전환율(Conversion Rate)
구매 전환율 = 구매 전환수 ÷ 클릭수 × 100

= 200 ÷ 800 × 100
= 25%

 

(2) 발송 → 오픈 → 클릭 → 구매 퍼널 중, 전환율이 가장 낮은 구간을 도출하세요.

발송 → 오픈 → 클릭 → 구매 퍼널의 전환율을 비교하면 다음과 같다.

• 발송 → 오픈 : 40%

• 오픈 → 클릭 : 20%

• 클릭 → 구매 : 25%

이 중 오픈 → 클릭 단계의 전환율이 20%로 가장 낮다. 따라서 SMS를 확인한 사용자 중 실제로 링크를 클릭하는 비율이 상대적으로 낮은 것으로 볼 수 있다.

 

(3) 전환율이 가장 낮은 구간의 원인을 유추하고, 해결 방안을 제시하세요.

오픈 → 클릭 구간의 전환율이 낮은 이유는 SMS 내용이 사용자의 클릭을 유도하기에 충분히 매력적이지 않았을 가능성이 있다.

예를 들어 메시지 내용이 단순 안내 수준이거나, 혜택이 명확하게 전달되지 않았을 경우 사용자가 메시지를 읽더라도 링크를 클릭하지 않을 수 있다. 또한 링크 클릭을 유도하는 문구(CTA)가 약했을 가능성도 있다.

이를 개선하기 위한 방법으로는 다음과 같은 전략을 고려할 수 있다.

첫째, 혜택 중심의 메시지로 구성한다. 예를 들어 할인율, 한정 이벤트, 기간 제한 등의 정보를 강조하여 사용자가 바로 행동하도록 유도할 수 있다.

둘째, 명확한 CTA(Call To Action)를 추가한다. “지금 확인하기”, “오늘까지 할인받기”, “쿠폰 바로 사용하기”와 같이 클릭 행동을 유도하는 문구를 활용하면 클릭률을 높일 수 있다.

셋째, 메시지 개인화를 적용한다. 고객의 구매 이력이나 관심 상품을 기반으로 맞춤형 메시지를 발송하면 클릭 가능성이 높아질 수 있다.

이와 같은 방법을 통해 SMS 메시지의 클릭률을 개선하고, 전체 퍼널의 구매 전환율 또한 높일 수 있을 것으로 판단된다.

 

➔ 오늘 아티클을 통해 검색 환경이 정말 빠르게 AI 중심으로 변화하고 있다는 것을 다시 한번 느꼈다. 예전에는 SEO에서 상위 노출이 가장 중요한 목표였다면, 이제는 AI가 답변을 만들 때 우리 콘텐츠를 인용하도록 만드는 전략(AEO)이 중요해지고 있다는 점이 인상적이었다.

또한 실습을 하면서 CRM 퍼널을 직접 계산해 보니, 단순히 숫자를 보는 것보다 어느 단계에서 사용자가 이탈하는지를 분석하는 것이 마케팅에서 얼마나 중요한지 조금 더 체감할 수 있었다. 앞으로 콘텐츠를 작성할 때도 단순히 정보를 나열하는 것이 아니라 질문에 바로 답할 수 있는 구조로 글을 쓰는 연습을 해봐야겠다는 생각이 들었다.
오늘도 하나 배웠다.🙂

 

⚠본 글은 학습을 목적으로 작성된 게시물로, 특정 브랜드·제품·서비스명이 언급될 수 있습니다. 이는 순수한 예시일 뿐이며, 상업적 목적은 전혀 없음을 밝힙니다.⚠