AI SEO 강의를 결제하기 전에, 구글이 하지 말라는 것부터 읽어라
AI SEO 강의를 결제하기 전에, 구글이 하지 말라는 것부터 읽어라
AI 검색이 커지자 SEO 업계에는 새 약어가 쏟아졌다. GEO, AEO, LLMO. 이름이 바뀔 때마다 새로운 체크리스트와 전술도 따라왔다. 그런데 이 흐름을 따라가느라 정작 웹사이트가 검색되고, 이해되고, 신뢰받는 기본 작업을 미루고 있다면 어떨까. AI 검색에서 보이고 싶을수록 먼저 해야 할 일은 새로운 비법을 배우는 것이 아니라, 기존 SEO를 실제 업무 흐름에 연결하는 것이다.
문제는 검색엔진이 아니라 우리의 작업 방식이다
검색의 표면은 확실히 달라졌다. 사람들은 Google과 Bing의 결과 목록만 보지 않고 ChatGPT, Gemini, Perplexity 같은 도구에 질문한다. 검색어 하나를 입력하는 대신 “우리 팀에 맞는 도구를 비교해 달라”, “이 문제를 해결하는 가장 안전한 방법은 무엇인가”처럼 긴 질문을 던진다.
하지만 표면의 변화가 곧 기본 원리의 폐기를 뜻하지는 않는다. Google Search Central은 AI 개요와 AI 모드에 표시되기 위한 별도의 기술 요구사항이나 특별한 스키마가 없다고 안내한다. 페이지가 색인되어 있고, 스니펫과 함께 검색될 자격이 있으며, 크롤링 가능하고, 유용한 콘텐츠라면 기존 검색의 기본기가 그대로 출발점이다.
AI 검색은 SEO의 대체재가 아니다. SEO가 실제로 무엇을 해야 하는지 더 선명하게 보여주는 새로운 관찰창이다.
이 관찰창을 보지 않고 “AI에 맞는 문장 길이”나 “llms.txt를 어디에 넣을지”부터 찾으면, 팀은 바빠지지만 발견 가능성은 늘지 않는다. 도구를 추가하기 전에 업무의 순서를 고쳐야 하는 이유다.
근거 1: AI 검색 방문자는 적어도 ‘가치’가 다를 수 있다
Semrush가 공개한 AI 검색 트래픽 연구는 이 문제를 단순 노출량이 아닌 사업 결과의 관점에서 보게 만든다. 해당 연구에서 평균 AI 검색 방문자는 전통적인 자연 검색 방문자보다 전환율 기준 4.4배 더 가치가 있었다고 보고했다. 이는 모든 사이트에 그대로 적용되는 보편 법칙이 아니라 Semrush 연구의 관찰값이지만, 중요한 질문을 던진다.
AI 검색에서 유입되는 사람은 이미 여러 선택지를 비교하고, 자신의 상황에 맞는 답을 좁힌 뒤 방문할 가능성이 있다. 그러니 목표를 “더 많은 클릭” 하나로 잡으면 오히려 중요한 신호를 놓칠 수 있다. 어떤 질문에서 추천되고, 어떤 설명이 인용되며, 그 방문이 실제 행동으로 이어지는가를 함께 봐야 한다.
근거 2: Google의 공식 해법은 의외로 지루하다
Google의 공식 문서가 권하는 항목은 화려하지 않다. robots.txt, CDN, 호스팅 환경에서 크롤링을 막고 있지 않은지 확인하고, 내부 링크로 중요한 페이지를 발견할 수 있게 만들고, 핵심 정보를 텍스트로 제공하고, 구조화된 데이터가 화면의 실제 내용과 일치하는지 점검하라는 내용이다. 이미지와 동영상이 도움이 되는 주제라면 품질 좋은 시각 자료도 보강하라고 한다.
Google은 AI 개요와 AI 모드에 표시되기 위해 콘텐츠를 잘게 쪼개거나, 모든 키워드 변형을 억지로 넣거나, 특수한 AI 마크업을 추가할 필요가 없다고도 설명한다. 이건 “아무것도 하지 말라”는 뜻이 아니다. 사용자에게 유용하고, 검색 시스템이 읽을 수 있고, 다른 페이지와 구별되는 내용을 만들라는 뜻이다.
도구를 사기 전에 이 5단계 워크플로를 고정하라
그렇다면 이 원칙을 실제 업무로 어떻게 옮길까. 핵심은 “AI 검색 최적화”라는 별도 프로젝트를 만드는 것이 아니라, 기존 콘텐츠 프로세스의 앞과 뒤에 AI 검색 관찰 단계를 붙이는 것이다.
-
핵심 페이지부터 색인 상태를 확인한다. Google Search Console에서 중요한 URL이 색인되었는지, 스니펫으로 표시될 수 있는지 확인한다. 색인되지 않은 페이지를 멋지게 다시 쓰는 것은 잠긴 매장에 새 간판을 다는 일과 같다.
-
키워드가 아니라 질문 묶음을 만든다. Keyword Magic Tool 같은 키워드 도구에서 검색량만 보지 말고 질문형 키워드와 검색 의도를 분리한다. “최고의 협업 도구” 하나보다 “5명 팀이 권한 관리를 하면서 쓸 수 있는 협업 도구”가 실제 콘텐츠의 방향을 더 잘 알려준다.
-
AI에 질문해 빈틈을 찾는다. 같은 주제를 ChatGPT나 Gemini에 물어보고, 어떤 기준으로 비교하는지, 어떤 출처를 인용하는지 기록한다. 브랜드가 나오지 않았다는 사실보다, 어떤 정보가 부족해서 빠졌는지가 더 유용한 결과다.
-
페이지에 고유한 판단 근거를 넣는다. 일반론을 다시 요약하는 대신 직접 비교한 조건, 실패하기 쉬운 설정, 가격과 제한, 사용 대상과 비대상을 명시한다. AI가 요약하기 쉬운 글보다 사람이 선택하기 쉬운 글을 만들면 두 검색 경험에 동시에 대응할 수 있다.
-
노출에서 전환까지 측정한다. Search Console의 웹 검색 성과와 Analytics의 체류 시간·가입·문의·구매를 연결한다. Google은 AI 기능 노출도 Search Console 성과 보고서의 웹 검색 유형에 포함된다고 안내한다. 조회수만 늘었는지, 더 적은 방문자가 더 좋은 행동을 했는지 구분해야 한다.
이 워크플로가 도구 목록보다 강한 이유
새 도구는 빠르게 늘지만, 도구가 대신 결정해 주지 않는 질문은 남는다. 누구를 위한 페이지인가. 사용자가 어떤 상황에서 이 정보를 찾는가. 우리만 말할 수 있는 근거는 무엇인가. 이 질문에 답하지 않은 채 생성형 AI로 페이지를 대량 생산하면, 키워드 변형은 늘어도 브랜드의 설명은 더 흐려진다.
반대로 색인 확인, 질문 수집, 출처 관찰, 고유 근거 추가, 결과 측정의 순서를 고정하면 어떤 도구를 쓰든 학습이 쌓인다. Semrush의 키워드 도구는 질문을 찾는 데 쓸 수 있고, Search Console은 기술 상태와 검색 성과를 확인하는 데 쓸 수 있으며, 생성형 AI 도구는 외부에서 읽히는 브랜드의 모습을 점검하는 데 쓸 수 있다. 도구가 워크플로를 지휘하는 것이 아니라, 워크플로가 도구의 역할을 제한해야 한다.
오늘 할 일은 ‘AI SEO’가 아니라 한 페이지의 진단이다
사이트의 핵심 페이지 하나를 고르자. Search Console에서 색인 여부를 확인하고, 실제 고객이 던질 질문 세 개를 적는다. 그 질문을 AI 검색 도구에 입력해 어떤 답과 출처가 나오는지 본다. 마지막으로 해당 페이지에 경쟁 페이지에는 없는 비교 기준이나 실제 사례 하나를 추가한다.
이 작은 실험은 새 강의를 사는 것보다 정확한 학습을 준다. 내 페이지가 검색 시스템에 들어갈 자격이 없는지, 들어갔지만 이해하기 어려운지, 이해됐지만 선택할 이유가 없는지 단계별로 드러나기 때문이다.
AI 검색 시대에 유리한 팀은 가장 많은 약어를 아는 팀이 아니다. 자신의 콘텐츠가 어디에서 발견되고, 어떻게 요약되며, 어떤 행동을 만드는지 반복해서 확인하는 팀이다. 지금 핵심 페이지 하나를 열고 이 5단계 진단을 실행해 보자. 결과를 기록하는 문서가 다음 콘텐츠의 가장 좋은 브리프가 된다.
근거 출처
외부 정보(하베스터 수집): Google Search Central의 AI 기능·웹사이트 안내와 생성형 AI 검색 최적화 가이드, Search Console 성과 보고서 안내, Semrush의 2026 SEO 기본 가이드와 AI 검색 트래픽 연구를 바탕으로 작성했다. 4.4배 수치는 Semrush가 자사 연구에서 보고한 전환율 기준 관찰값이며 모든 사이트에 자동 적용되는 법칙으로 해석해서는 안 된다.
상호작용(에이전트-드루 대화·작업): 이 글에서는 별도의 대화·작업 경험을 근거로 사용하지 않았다. 본문에 제안한 워크플로는 위 외부 자료를 humanerd.kr 독자의 실행 맥락에 맞게 재구성한 편집자 분석이다.