인공지능 검색 최적화 ①

이번 글에서는 AI 검색이 기업 및 브랜드 마케팅에 미치는 영향에 대해 살펴보겠습니다. 값진 조언도 글 후반부에 있습니다.

오픈AI 블로그 게시물에 따르면 SearchGPT는 "답변을 제공"하도록 설계되었습니다. 또한 관련 출처에서 정보를 실시간으로 뽑아내고, 후속 질문이 가능하며, 이미지와 동영상도 검색 결과에 표시됩니다. 구글 AI 개요(Overviews), 퍼플랙시티 등과 유사합니다. 여기서 관전 포인트는 두 개입니다. 첫 째, 이용자가 전통 검색대비 AI 검색을 얼마나 좋게 평가할 것인가, 그 결과 AI 검색 이용이 전통 검색을 어느 수준에서 대체할 수 있을 것인가입니다. 다시말해 검색 습관의 변화입니다. 두 번째는 구글과 네이버가 AI 검색 도전에도 시장 점유율을 유지할 수 있을가입니다. 두 번째 이슈는 첫 번째 이용자 검색 습관 변화의 종속 변수입니다. 그렇다면 검색 습관 변화의 가능성을 따져보겠습니다.

모든 사람마다 데스크탑과 모바일에서 익숙한 다양한 검색 방법을 가지고 있습니다. 구글과 네이버 검색, 지도 검색, 쿠팡과 아마존 검색 또는 인스타그램과 틱톡 검색 등에서 불만이 없는 이상 새로운 검색 서비스로 이동할 이유는 없습니다. 나아가 구글은 애플, 삼성 등에 수 많은 돈을 매년 지불하며 모바일 검색 경험을 촘촘하게 포위하고 있습니다. 검색 습관을 바꾸기란 그만큼 어렵습니다.

하지만 검색 습관 변화의 가능성을 제공하는 강력한 기술 진화가 일어나고 있습니다. 애플 인텔리전스가 그 중 하나입니다. 여기서 멀티모달 기능을 가진 시리와 AI 검색이 통합됩니다. 그 결과로 이용자와 디바이스의 첫 번째 접점 또는 관문이 시리로 이동할 수 있습니다. 아래는 제 일상 중 달라진 모습입니다.

  • 아침 출근할 때 옷을 입고 거울 앞으로 이동해 사진을 찍습니다.
  • 이 사진을 GPT-4o에 올려 물어봅니다. “아래, 위 색상이 어울려?"
  • GPT-4o의 조언에 맞춰 최소한 아래, 위 색상 조정을 합니다.
  • 그렇다고 제 패션 감각에 큰 변화는 없습니다 ㅠㅠ
  • 그러나 최소한 위, 아래 색상이 전혀 맞지 않는 옷을 선택하는 참사는 막을 수 있습니다 ㅎㅎ
  • 제가 GPT-4o를 신뢰하기 시작한 가장 큰 이유는 제 형편없는 색상 감각을 해결해 주기 때문입니다.

여기서 중요한 포인트 두 개는 새로운 용도신뢰입니다. 이 두 포인트를 아이폰 16부터 시리에게 요청할 수 있습니다. 이 때 다른 앱을 추가적으로 작동해야 하는 마찰(friction)이 사라집니다. 신뢰가 형성되기 시작한 새로운 답변 엔진(Answer Engine)에서 또 다른 용도를 찾는 것은 시간 문제입니다. 여러분은 AI 검색에서 어떤 새로운 용도를 발견하셨나요? 이 경험이 공유될 때 새로운 AI 검색 서비스는 힘을 받습니다. 이 때 전통 검색 서비스 시장에 균열이 발생합니다.

2025년에는 AI 검색으로 전통 검색 서비스 시장에 균열이 일어날지 여부가 결정될 것입니다. 그럼 만약 AI 검색이 의미있는 이용자를 확보할 때 기업 및 브랜드 마케팅은 어떤 변화를 겪게 될까요?

‘검색되지 않는 것은 존재하지 않는 것이다’, ‘검색 첫 화면에 등장하지 않는 것은 존재하는 것이 아니다' 등 FOMO를 강조하는 것은 과장입니다. 인스타그램, 틱톡, 유튜브 등에서 콘텐츠 마케팅 및 광고 그리고 쿠팡 및 아마존 등에서 광고 등도 브랜드 가시성(Visibility)를 보장합니다.

그러나 검색 서비스에서 브랜드 가시성을 확보하는 것은 모든 마케팅 및 홍보의 출발점임은 분명합니다. 아래에서는 AI 검색 최적화, 이를 답변 엔진 최적화(Answer Engine Optimization)라고 부릅니다, AEO의 네 개 방법론을 제시하겠습니다.

첫 째, 콘텐츠가 담긴 모든 웹페이지의 스키마 마크업(Schema Markup)이 중요합니다. AI 검색 서비스는 가장 관련성 높은 정보를 가져와 이를 결과로 표시합니다. AI가 이 정보를 쉽게 찾을 수 있도록 웹 페이지의 구조 데이터를 재설정해야 합니다. 스키마 마크업은 웹페이지의 HTML 코드에 추가되는 마이크로 데이터로, 검색 엔진이 페이지의 내용을 더 잘 이해하고 해석할 수 있도록 돕는 구조화된 데이터입니다. 아래는 초콜릿 쿠키 레시피 사례입니다. 얼마나 자세하게 스키마 마크업이 구성되어야 하는지 확인하실 수 있습니다.

<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "Recipe",
"name": "Chocolate Chip Cookies",
"image": [
"https://example.com/photos/1x1/photo.jpg",
"https://example.com/photos/4x3/photo.jpg",
"https://example.com/photos/16x9/photo.jpg"
],
"author": {
"@type": "Person",
"name": "강정수"
},
"datePublished": "2024-07-28",
"description": "A delicious chocolate chip cookie recipe.",
"prepTime": "PT15M",
"cookTime": "PT10M",
"totalTime": "PT25M",
"recipeYield": "24 cookies",
"recipeIngredient": [
"2 cups flour",
"1 cup sugar",
"1 cup chocolate chips"
],
"recipeInstructions": [
{
"@type": "HowToStep",
"text": "Preheat the oven to 350 degrees F."
},
{
"@type": "HowToStep",
"text": "Mix the flour and sugar together."
},
{
"@type": "HowToStep",
"text": "Stir in the chocolate chips."
},
{
"@type": "HowToStep",
"text": "Bake for 10 minutes."
}
]
}
</script>

두 번째, 프레쉬(fresh), 콘텐츠의 신선도입니다. 24년 3월 구글 검색 순위 알고리즘이 유출되는 사고가 있었습니다. 여기서 드러난 것은 ‘날짜 지표'에 기초한 콘텐츠의 최신성과 정확성이 검색 순위에 매우 중요하다는 점입니다. 이는 LLM에서도 예외가 아닙니다. AI가 생성하는 답변은 질문 의도와 이전 상호 작용에 따라 가장 관련성 높은 소스를 선택합니다. 문제는 LLM은 때때로 오래된 데이터셋으로 학습을 했다는 점입니다. 다시말해 오래된 정보를 포함할 수 있습니다. 이 때 관련성이 낮은 정보를 제공할 가능성이 증가합니다. 따라서 AI 검색은 학습된 LLM의 한계를 바로잡기 위해 콘텐츠의 최신성을 우선시합니다. 이것이 기업 블로그, 판매 상세 페이지 등이 정기적으로 (새롭게) 업데이트되어야 하는 이유입니다.

세 번째, 이용자 질문 의도(intent) 중심의 콘텐츠 전략이 필요합니다. 개별 콘텐츠에 질문 하나에 대한 정확한 답변이 담겨 있어야 합니다. 콘텐츠 후반 또는 연결 콘텐츠를 FAQ(Frequently Asked Questions) 형식으로 구성하는 것도 중요합니다. AI 검색은 FAQ가 검색결과(SERP) 하단에 배치되는 UI를 가지고 있기 때문입니다. 기업 콘텐츠에 위치한 FAQ를 이용자가 자주 이용하는 것도 중요합니다. AI 검색은 해당 웹페이지에서 발생하는 이용자 상호작용 또한 측정하기 때문입니다.

네 번째, 이미지가 중요합니다. LLM은 이미지 또한 학습하고 있습니다. AI 검색은 웹페이지에 위치한 이미지들의 캡션과 제목을 함께 분석합니다. 고품질 이미지가 질문 의도(intention)에 맞아 떨어져야 합니다. 이미지가 답변 관련 텍스트 근처에 위치해야 합니다. 이미지를 설명하는 관련 텍스트를 추가하는 것도 좋습니다. 또한 전통 검색 서비스에서도 이미지 검색 이용이 급증하고 있습니다. 때문에 이미지 최적화는 권장 사항이 아니라 필수 요건입니다.

이 밖에도 다양한 AI 검색 최적화 또는 답변엔진최적화(AEO) 기법이 있습니다. 오늘은 여기까지만 소개합니다.