블로그로 돌아가기
AI SEO

AI에 인용되는 것과 추천받는 것은 다른 문제다 — AI 가시성의 두 가지 일

AI에 인용되는 것과 추천받는 것은 다른 문제다 — AI 가시성의 두 가지 일

기술적으로 문제없는 웹사이트, AI 크롤러가 잘 읽는 콘텐츠, 정보성 답변에서 꾸준히 인용되는 브랜드. 그런데 구매자가 "무엇을 사야 하나"라고 묻는 순간 추천 목록에서 사라진다. 20년 넘게 대기업 인하우스 SEO를 이끌어 온 제시카 보먼이 서치엔진랜드에 쓴 이 글의 진단은 업계 통념을 정면으로 흔든다. AI가 정보 제공에서 추천으로 넘어갈 때는 다른 기준을 쓰기 때문에, AI 가시성 업무는 이제 두 개의 일로 갈라진다. SEO와 개발이 통제하는 것을 최적화하는 일, 그리고 나머지 전부를 위해 조직을 움직이는 일이다.

보이는 것과 추천되는 것의 간극

지금 업계의 GEO 논의 대부분은 발견과 언급에 머문다. AI 크롤러가 접근 가능한가, 우리가 언급·인용되는가, 경쟁사 대비 얼마나 등장하는가. 필요한 일이지만, 구매자가 구체적 요구사항을 제시하며 조언을 구하는 순간 게임이 바뀐다. "식품 제조 시설용 압축 공기 시스템인데, 변동 수요에서 압력이 일정해야 하고 오일 오염이 없어야 한다. 뭘 고려해야 하나" — 이 질문에 답하려면 AI는 문서, 기술 사양, 고객 경험, 서드파티 소스를 놓고 제품들을 비교하며 그 구매 상황에서 무엇이 중요한지 자체 판단까지 얹는다. 정보 검색이 아니라 추천 행위다. 이때부터는 이해되고 인용되는 것과 추천할 만한 것이 같지 않다.

불편한 발견: AI가 너무 잘 이해해서 탈락한다

보먼 팀이 대형 브랜드들의 추천 탈락을 조사하며 찾아낸 원인들은 SEO 팀의 관할 밖이었다. 경쟁 제품보다 잦은 유지보수 요구, 구매자의 용도에 필요한 기능의 부재, 복잡한 문제에 대한 고객지원 불만의 반복적 보고, 자주 고장 난다고 알려진 부품, 자주 끊긴다고 보고되는 클라우드 연결. AI가 브랜드를 못 찾은 게 아니라, 너무 잘 이해한 것이다. 제품의 한계, 위험, 총소유비용까지 파악하고 그 구매자에게는 부적합하다고 판단한 결과다. 한 제조 장비 사례에서는 AI가 특정 부품의 소재가 경쟁사와 다르다는 것과 그 성능 함의까지 인식하고, 대화 후반에 처리량이 중요해지자 그 부품과 소재를 직접 언급했다. 제품 설계 자체가 추천의 변수가 된 것이다.

두 개의 일, 두 겹의 오너십

여기서 업무 구조가 갈라진다. SEO·GEO 팀이 할 수 있는 일은 패턴을 식별하고, 중요한 구매 시나리오에서 얼마나 자주 지는지 측정하고, 원인을 진단하는 것까지다. 부품 소재를 바꾸고, 네이티브 연동을 추가하고, 보증 정책을 다시 쓰는 건 팀의 권한 밖이다. 그래서 확장된 역할은 명확하다. 다른 부서가 존재조차 모르는 비즈니스 문제를 들고 가는 것이다. "구매자가 AI에 이 요구사항을 물으면 우리가 진다. 이유는 이것이고, 빈도는 이만큼이고, 영향받는 매출 기회는 이것이다. 어떻게 고칠까." 그다음 판단은 회사의 몫이다. 제품·정책을 바꾸거나, 못 바꾸면 더 나은 포지셔닝과 증거로 인식을 개선하거나, 그 시나리오는 포기하기로 결정하거나.

우리 관점: 이건 채널 담당자가 아니라 경영진의 안건이다

이 글이 한국 기업에 주는 함의는 조직 설계다. AI 추천 탈락의 원인이 제품 설계, CS 품질, 반품 정책에 있다면, AI 가시성은 마케팅 채널 담당자의 KPI가 아니라 전사 안건이다. 채널별로 쪼개진 팀 구조가 이 문제를 풀 수 없는 이유는 LLM 가시성은 조직도에서 막힌다 — 채널별로 쪼개진 팀이 못 푸는 문제에서 이미 다뤘고, 이 글은 거기서 한 걸음 더 나간다. 동원해야 할 대상이 마케팅 조직을 넘어 제품·지원·재무까지 넓어진다는 것이다.

시작점은 거창하지 않아도 된다. 우리 카테고리의 실제 구매 시나리오 10개를 AI에 물어보고, 추천에서 빠지는 시나리오와 그 이유를 기록하는 것. 그 목록이 SEO로 고칠 것과 조직을 움직여야 할 것을 가르는 첫 지도가 된다. 이 일을 뭐라고 부르든 — SEO든 GEO든 AI 가시성이든(마케터 81%는 여전히 이걸 'SEO'라고 부른다 — AI 검색 용어 전쟁의 결말) — 앞서가는 팀의 조건은 같다. SEO가 고칠 수 있는 것과 없는 것을 알고, 답이 다른 곳에 있을 때 조직을 움직일 줄 아는 것.

자주 묻는 질문

AI에 인용되는데 왜 추천에서는 빠지나요?

AI가 정보 제공에서 추천으로 넘어갈 때 다른 기준을 쓰기 때문입니다. 문서·사양·고객 경험·서드파티 소스로 제품을 비교하며 구매자의 요구에 맞는지 판단하는데, 이때 유지보수 부담, 기능 부재, 지원 불만, 부품 신뢰성 같은 제품·운영 요인이 탈락 사유가 됩니다. 콘텐츠 문제가 아니라 추천 적합성 문제입니다.

추천 탈락 원인이 제품에 있으면 SEO 팀은 무엇을 하나요?

패턴 식별, 발생 빈도 측정, 원인 진단까지가 SEO·GEO 팀의 일입니다. 그다음은 해당 문제를 소유한 부서(제품, 고객지원, 재무)에 데이터와 함께 들고 가 해결을 동원하는 것입니다. 문제를 못 고치면 더 나은 포지셔닝과 증거로 인식을 개선하는 차선책을 씁니다.

AI 가시성 점검은 무엇부터 시작하면 되나요?

자사 카테고리의 실제 구매 시나리오 10개 정도를 AI에 질문해 보고, 추천에 포함되는지, 빠진다면 AI가 드는 이유가 무엇인지 기록하는 것부터 시작합니다. 이 목록이 콘텐츠로 고칠 문제와 조직을 움직여야 할 문제를 가르는 첫 지도가 됩니다.

원문 출처: Search Engine Land

우리 사이트는 지금 어떤 상태일까요?

기사에서 본 내용을 우리 사이트에 대입해 보고 싶다면, 무료 진단으로 현재 상태부터 확인해 보세요.

영업일 기준 24시간 안에 담당자가 직접 답변드립니다.

함께 읽어보세요