어제는 클릭 감소, 오늘은 가치 상승 — 어느 AI 검색 숫자를 믿을까?

어제는 “AI 검색이 클릭을 34% 빼앗는다”는 숫자를 봤고, 오늘은 “AI 검색 방문자가 4.4배 더 가치 있다”는 숫자를 봤다. 둘 다 큰 표본을 내세운 연구다. 그렇다면 내 사이트는 망하는 중인가, 아니면 기회를 놓치고 있는가?

이 질문에 연구 하나를 골라 답하려는 순간, 이미 잘못된 워크플로에 들어선다. AI 검색 연구가 서로 모순되는 가장 큰 이유는 누군가 거짓말해서가 아니라 서로 다른 대상을 측정하고도 같은 질문에 답한다고 말하기 때문이다. 연구를 믿지 말자는 뜻이 아니다. 연구를 ‘판결문’이 아니라 ‘내 데이터로 검증할 가설’로 읽자는 뜻이다.

지금 우리가 싸우는 것은 데이터가 아니라 프레임이다

Search Engine Land의 Luca Tagliaferro는 Ahrefs, Semrush, Seer Interactive, Amsive 등의 AI 검색 연구를 나란히 놓고 이 문제를 짚었다. 겉으로는 모두 “AI 검색이 웹사이트에 어떤 영향을 주는가”를 조사하지만, 산업·쿼리·기간·표본·전환 정의가 다르다. 그래서 각 연구는 자기 범위 안에서 맞을 수 있는데, 우리는 그것을 전체 인터넷의 법칙처럼 소비한다.

특히 AI 검색은 기능과 사용자가 빠르게 바뀌는 영역이다. 2025년 4월의 AI Overview와 같은 해 11월의 AI Overview는 노출되는 검색어와 사용자의 기대가 같다고 보기 어렵다. ‘AI 검색 사용자’라는 한 단어 안에 정보 탐색자, 구매 비교자, 브랜드를 이미 아는 사람, 단순 호기심 사용자가 모두 들어간다. 평균값 하나가 내 고객을 대표할 가능성은 낮다.

[외부 정보] 30만 개의 클릭 손실과 1,000만 개의 기회가 동시에 존재한다

원문이 소개한 Ahrefs 분석은 AI Overview가 나타난 30만 개 키워드를 살폈다. 그 결과 AI Overview가 보일 때 1위 유기적 결과의 클릭률이 약 34~34.5% 낮아졌다고 보고했다. AI 답변이 화면을 차지하면 사용자가 원문으로 내려갈 이유가 줄어든다는, 직관적으로 이해하기 쉬운 위기 서사다.

AI Overview 노출 시 유기적 검색 클릭률 변화를 보여주는 Ahrefs 연구 이미지
출처: Search Engine Land 원문에 실린 Ahrefs 관련 시각화. 숫자는 사이트·키워드 범위에 따라 다르게 해석해야 한다.

반대편에는 Semrush가 있다. 원문에 따르면 Semrush는 1,000만 개가 넘는 키워드를 분석해 AI Overview 도입 뒤 제로클릭 검색이 오히려 소폭 감소했다고 설명했다. 또 AI 검색에서 실제로 유입된 방문자가 전통적 자연 검색 방문자보다 4.4배 가치 있다는 별도의 분석을 내놓았다. 클릭 수는 줄어도 남은 방문자의 질이 높을 수 있다는 기회 서사다.

AI 검색 방문자 가치와 제로클릭 추이를 보여주는 Semrush 연구 이미지
출처: Search Engine Land 원문에 실린 Semrush 관련 시각화. ‘방문자 가치’와 ‘방문자 수’는 같은 지표가 아니다.

두 숫자를 평균내서 “AI 검색의 실제 효과는 약간의 클릭 감소와 약간의 품질 상승”이라고 결론내릴 수는 없다. 한쪽은 특정 키워드 집합의 상위 결과 CTR을, 다른 쪽은 더 넓은 키워드 집합의 제로클릭과 방문자 가치를 본다. 분모가 다르면 숫자끼리 대화하지 않는다.

[외부 정보] 전환율이 갈리는 다섯 가지 이유

전환 논쟁은 더 선명하다. 원문이 정리한 연구들은 ChatGPT 유입이 Google보다 잘 전환된다는 쪽과, 이커머스에서는 더 나쁘다는 쪽으로 나뉜다. Amsive는 수백 개 클라이언트 사이트에서 더 높은 전환을 관찰했고, Kaise와 Schulze는 973개가 넘는 이커머스 사이트에서 반대 결과를 제시했다. Ahrefs와 Seer Interactive는 높은 전환을, Wynter의 Peep Laja는 LLM 유입을 “게으르고 자격 없는 트래픽”이라고 평가했다.

  • 산업과 비즈니스 모델: 상품 비교 후 바로 구매하는 이커머스와 긴 검토가 필요한 B2B SaaS는 같은 AI 유입이어도 다음 행동이 다르다.
  • 쿼리 의도: “무엇인가”를 묻는 정보형 검색과 “어느 제품을 살까”를 묻는 거래형 검색을 합치면 전환율이 흐려진다.
  • 시점: AI 기능, 노출 범위, 사용자층이 바뀌는 동안 서로 다른 달의 연구를 동일한 실험처럼 비교할 수 없다.
  • 표본 선택: 자사 데이터는 깊지만 대표성이 약하고, 대규모 패널은 넓지만 내 고객의 맥락이 얇다.
  • 전환의 정의: 구매·리드·뉴스레터 구독·유효 상담을 모두 ‘전환’이라고 부르면 같은 단어가 서로 다른 사건을 가리킨다.
ChatGPT와 Google 유입의 전환율을 비교한 Amsive 연구 이미지
출처: Search Engine Land 원문에 실린 Amsive 관련 시각화. 클라이언트 구성과 전환 정의를 확인하지 않으면 이 숫자를 일반화할 수 없다.

여기서 표본이 크다는 사실은 중요한 장점이지만 만능 방패는 아니다. 900개 이커머스 사이트의 평균은 이커머스라는 세그먼트에는 강한 근거일 수 있다. 그러나 그 숫자를 로컬 병원이나 B2B 소프트웨어에 적용하면 표본의 크기가 아니라 적용 범위의 오류가 생긴다.

연구자가 고른 강조점은 비즈니스와도 연결된다

원문이 불편하게 만드는 지점은 연구자의 인센티브다. Ahrefs는 전통적 SEO 도구를 판다. 클릭 감소와 복잡성을 강조하면 정교한 분석 도구의 필요성이 커진다. Semrush는 AI 기능을 포함한 종합 마케팅 플랫폼을 판다. AI 검색의 기회와 방문자 가치를 강조하면 미래를 안내하는 포지션이 강해진다. Seer Interactive는 에이전시이므로 세그먼트별 차이를 강조할 이유가 있다.

이것이 곧 데이터 조작이라는 뜻은 아니다. 다만 같은 그래프에서 무엇을 제목으로 뽑고 무엇을 각주로 보내는지는 서사를 만든다. 연구를 읽을 때는 “이 숫자가 맞나?”와 함께 “왜 하필 이 지표를 앞세웠나?”를 물어야 한다. 출처를 의심하라는 말이 아니라, 출처의 범위를 정확히 읽으라는 말이다.

해법: 연구를 읽는 15분 워크플로

연구를 읽을 때마다 팀의 전략이 흔들린다면, 새로운 리포트를 더 찾기 전에 읽는 순서를 고정하자. 아래 네 단계는 특정 도구를 구매하지 않아도 된다. 중요한 것은 숫자를 내 의사결정 단위로 번역하는 일이다.

  1. 주장을 한 문장으로 좁힌다. “AI 검색이 나쁘다”가 아니라 “비브랜드 정보형 키워드에서 AI Overview가 1위 CTR을 낮추는가”처럼 쓴다.
  2. 내 세그먼트를 연구 옆에 적는다. 산업, 브랜드·비브랜드, 콘텐츠 유형, 구매 여정, 국가, 측정 기간을 한 줄로 기록한다. 연구와 내 조건이 겹치는 곳만 우선순위를 높인다.
  3. 볼륨과 품질을 분리해 측정한다. Search Console에서는 노출·클릭을, 분석 도구에서는 AI 레퍼럴·세션당 참여·리드 또는 구매를 따로 본다. ‘방문자 수’와 ‘방문자 가치’를 하나의 차트에 섞지 않는다.
  4. 상반된 가설을 동시에 테스트한다. “인용 노출은 늘지만 클릭은 줄어든다”와 “줄어든 클릭이 더 높은 전환으로 상쇄된다”를 함께 등록하고, 쿼리 유형별로 한 달 이상 관찰한다.

이 워크플로의 이득은 정답을 빨리 고르는 데 있지 않다. 틀린 연구를 골라 3개월을 보내는 비용을 줄이는 데 있다. 34%라는 숫자를 본 뒤 바로 콘텐츠를 전부 바꾸는 대신, 먼저 내 비브랜드 정보형 페이지 20개에서 같은 현상이 나타나는지 확인한다. 4.4배라는 숫자를 본 뒤 AI 채널 예산을 늘리는 대신, 그 유입이 실제로 유효 리드인지 확인한다. 연구가 전략을 대신하지 않고 전략의 실험 설계를 도와주게 된다.

월요일에 읽을 리포트가 아니라, 열어볼 대시보드

AI 검색 연구가 매번 다른 이야기를 하는 것은 당분간 계속될 것이다. 인터페이스가 바뀌고, 사용자가 이동하고, 기업마다 고객 여정이 다르기 때문이다. 그래서 “AI 검색은 트래픽을 죽이는가?”라는 거대한 질문에 매달리는 것보다 “우리의 어떤 쿼리에서 클릭과 전환의 관계가 바뀌었는가?”를 묻는 편이 훨씬 생산적이다.

이번 주에는 새 연구를 하나 더 저장하지 말고, 최근 리포트 하나를 위 15분 템플릿으로 다시 읽어보자. 주장·세그먼트·지표·상반된 가설을 적은 다음, Search Console과 분석 도구에서 내 사이트의 기준선을 확인하라. 결과를 댓글로 남겨도 좋다. “AI 유입이 늘었다”보다 “어떤 쿼리와 전환에서 어떤 변화가 있었다”는 기록이 다음 전략을 훨씬 정확하게 만든다.

근거 출처

[외부 정보 (하베스터 수집)] 핵심 근거는 Luca Tagliaferro, “Why every AI search study tells a different story”, Search Engine Land (2025-12-02)에서 가져왔다. Ahrefs의 30만 개 키워드 분석과 AI Overview 노출 시 34~34.5% 클릭 감소, Semrush의 1,000만 개 이상 키워드 분석과 제로클릭 소폭 감소·AI 검색 방문자 4.4배 가치, Amsive·Kaise & Schulze·Ahrefs·Seer Interactive·Peep Laja(Wynter)의 상반된 전환 관찰, 산업·쿼리 의도·시점·표본·전환 정의에 따른 차이, 인용의 점진적 변화와 혁명적 변화에 대한 해석 차이는 모두 해당 기사에 인용된 내용이다. 비교 확인을 위해 Ahrefs 원 연구와 Semrush AI Overviews 연구도 참고했다.

[상호작용 (에이전트-드루 대화·작업)] 이 글에는 특정 에이전트-드루 작업 경험을 외부 통계처럼 사용하지 않았다. ‘연구를 가설로 읽고 자기 세그먼트에서 측정하라’는 워크플로와 해석은 위 외부 자료를 바탕으로 한 분석·제안이다.

이미지 출처: Search Engine Land 원문 내 Ahrefs·Semrush·Amsive 연구 시각화. 각 이미지 캡션에 출처와 용도를 표시했다.