LLM에서 온 트래픽은 20%로 전환된다 — 유입 방식이 다르면 랜딩페이지도 달라야 한다

퍼포먼스 마케팅에서 유료 검색이 오래 주력이었던 이유는 단순하다. 클릭과 전환을 연결해 볼 수 있었기 때문이다. 그런데 AI 기반 검색은 성격이 다른 유입을 만든다. 사용자가 사이트에 도착하기 전에 이미 AI가 판단을 도와준 상태로 온다.

에이전시 Further의 자료에 따르면 **LLM 유입 트래픽의 전환율은 20%**로, 해당 데이터셋에서 가장 높은 수치이며 유료 검색보다 61% 높다. 문제는 이 트래픽을 어떻게 전환시키느냐다. 클릭에 이르기까지의 여정이 기존 검색과 전혀 다르기 때문이다.

클릭 이전의 여정이 달라졌다

LLM 전반과 구글 AI 모드의 확산은 이미 소비자 행동을 바꾸고 있다. 구글이 밝힌 바로는 AI 모드의 평균 질의는 기존 검색어보다 3배 길다. 그리고 AI 모드 검색 6건 중 1건은 텍스트가 아니다. 음성이나 이미지로 입력된다.

이 추가 맥락이 브랜드에게는 새로운 질문을 만든다. 이미지 하나만 입력하고 넘어온 사용자를 어떻게 대할 것인가. 그 시나리오에서 우리 콘텐츠는 애초에 노출되기는 하는가.

LLM 트래픽이 PPC와 다르게 움직이는 이유

PPC는 고립된 질의, LLM은 맥락

PPC에서는 고립된 검색어를 기준으로 의도를 타기팅한다. "소기업용 CRM 추천"이 특정 광고그룹을 띄우고, 사용자는 여러 선택지를 받아 하나씩 확인한다.

LLM 사용자는 맥락 단위로 움직인다. 이런 식이다. "50인 규모 컨설팅 회사를 운영하고 구글 워크스페이스를 씁니다. 여기에 가장 잘 붙고, 1인당 50달러 미만이며, 이메일 자동화가 강한 CRM은?"

이 사용자가 링크를 클릭하는 시점에는 이미 AI가 선택지를 정리해 놓은 상태다. 10개 CRM을 비교하는 일반 랜딩페이지를 원하는 게 아니라, AI가 추천한 그 제품에 대한 검증을 원한다. 상단 퍼널 작업은 LLM이 대신 끝냈다.

클릭 자체의 의미가 다르다

PPC는 클릭에 의존한다. 랜딩페이지에 오지 않으면 전환시킬 방법이 없다. 반면 LLM은 설계상 채팅 화면 안에서 답을 완결한다. 제로클릭 현상이 심해지는 이유다.

뒤집어 보면, LLM이 인용 링크를 제시하는 순간은 사용자가 더 깊은 근거나 원본 출처를 필요로 하거나, AI가 대신 해줄 수 없는 거래 단계에 도달했을 때다. 그래서 LLM 유입은 볼륨은 훨씬 작지만 상단 퍼널 PPC 클릭보다 훨씬 높은 의도를 담고 있을 수 있다.

신뢰도의 출발점이 다르다

사용자는 PPC 광고를 클릭할 때 그것이 유료 지면임을 안다. 기본적인 경계심이 깔린다. 반면 AI 모델이 우리 사이트를 출처로 인용하면, 사용자는 그것을 객관적 추천으로 받아들일 수 있다. AI가 웹 전체를 훑고 우리 콘텐츠를 골랐다는 인식이다.

단, 콘텐츠가 AI가 말한 내용과 어긋나지 않아야 유지되는 신뢰다.

PPC 랜딩페이지와 LLM 랜딩페이지는 다르다

PPC 랜딩페이지

• 목표: 폼 작성, 구매, 통화 같은 즉각적 행동
• 디자인: 군더더기 제거, 내비게이션 최소화, 강한 CTA
• 콘텐츠: 혜택 중심 카피, 불릿, 특정 검색어에 맞춘 메시지

LLM 유입에 맞는 랜딩페이지

• 목표: 깊이, 검증, AI 요약에서 사람의 전문성으로 넘어가는 전환
• 디자인: 탐색 가능한 구조, 자료가 풍부하고, 더 깊은 정보로 가는 경로가 명확
• 콘텐츠: 포괄적이고 권위 있는 내용, AI가 왜 우리를 인용했는지가 드러나야 한다

LLM에서 넘어온 방문자는 AI의 말을 검증하거나 다음 단계를 찾고 있다. 그런 사람이 도착하자마자 게이트가 걸린 폼과 압박형 CTA를 만나면, AI가 약속한 세부 정보를 확인하지 못한 채 바로 이탈한다.

LLM 트래픽을 전환시키는 네 가지

1. 인용을 따내기 위해 '정보 이득'을 확보한다

인용되지 않으면 전환할 트래픽 자체가 없다. AI 모델은 **정보 이득(information gain)**이 있는 콘텐츠를 우선한다. 다른 데 없는 고유 데이터, 자체 조사, 1차 자료, 전문가 견해다.

실행 항목: 우리 콘텐츠가 구글 1페이지에 이미 있는 내용을 반복하고 있지 않은지 감사한다. 그렇다면 LLM이 우리를 인용할 이유가 없다. 핵심 페이지에 원본 데이터와 전문가 코멘트, 고유 프레임워크를 넣는다.

2. 인용된 사이트 주변을 브랜드로 감싼다

LLM 응답 결과 자체를 직접 통제할 수는 없지만, 어떤 사이트가 인용되고 트래픽이 어디로 가는지는 확인할 수 있다. 그 사이트에는 컨텍스추얼 디스플레이 광고나 유튜브 프리롤을 집행할 수 있다. Bluefish의 조사에 따르면 유튜브는 결과의 16%에 등장하는, 가장 자주 인용되는 사이트 중 하나다.

실행 항목: 인용 목록을 훑어 반복 등장하는 사이트와 글을 파악하고, 그 지면을 대상으로 미디어 바잉을 설계한다.

3. 긴 꼬리의 대화형 리드를 잡는다

LLM 사용자는 대단히 구체적이고, 저마다 엣지 케이스를 안고 온다.

실행 항목: 이름·이메일·회사만 받는 정적인 폼 대신 동적 전환 경로를 만든다. 셀프 서비스 자격 진단 도구, 계산기, 또는 외부 LLM이 끊어놓은 대화를 이어받는 자체 챗봇이 그 예다.

4. 기여 측정과 계측을 다시 설계한다

가장 삼키기 어려운 부분이다. LLM 트래픽 추적은 엉망이다. 챗GPT 트래픽의 상당수는 애널리틱스에 '직접(Direct)' 또는 '리퍼럴'로 잡히고, 질의 데이터는 남지 않는다.

실행 항목: 라스트 클릭 기여에만 의존하는 방식에서 벗어난다. 고가치 폼에 "어떻게 알고 오셨나요?" 항목을 넣고 챗GPT·AI 검색·퍼플렉시티 같은 선택지를 명시한다. 주요 AI 기능 출시 시점과 브랜드 리프트·직접 트래픽의 상관을 함께 본다.

측정이 왜 이렇게 어긋나는지는 뉴스 사이트 방문의 1.1%만 AI에서 온다 — 리퍼러로 AI 영향을 재면 놓치는 것에 구조적으로 정리돼 있다.

정리: 다른 게임이다

PPC는 표준화된 기존 수요를 타기팅 지출과 공격적 퍼널로 확보하는 게임이다. LLM 트래픽 전환은 권위를 쌓고, 깊은 맥락을 제공하고, AI의 합성에서 사람의 전문성으로 매끄럽게 넘기는 게임이다.

볼륨은 아직 구글 검색이나 PPC에 못 미친다. 하지만 AI가 소개한 사용자의 의도와 신뢰 수준은 유별나게 높을 수 있다. 키워드에 맞춘 공격적 랜딩페이지에서 권위 있고 맥락이 풍부한 경험으로 초점을 옮기면, 이 채널은 가장 질 좋은 전환 엔진이 될 수 있다.

B2B라면 B2B SEO는 클릭을 이기고 검토 대상에서 빠질 수 있다를 함께 보길 권한다. 클릭을 얻고도 후보 목록에서 빠지는 구조가 같은 뿌리에서 나온다. 무엇부터 손볼지 순서가 필요하다면 AI 가시성 개선의 대부분은 기술 부채 상환이다가 출발점이 된다.