고객 사례 : 메리츠화재 평균 인용률 2배, ChatGPT는 11배 상승

메리츠화재는 암보험에 대한 인지도와 가입 상담 전환을 위해 다양한 노력들을 경주하는 중이었습니다. 그 가운데 하나도 GEO를 중요한 선택지로 삼았습니다. 약 3달의 기간 동안 메리츠화재는 AI검색 내에 자사 암보험 상품의 가시성을 높이는 것이 중요한 마케팅 목표 중 하나였습니다.

어떤 작업부터 시작했나

저희는 메리츠화재 담당팀과 함께 AI검색 크롤러가 원활하게 내부 정보를 잘 가져갈 수 있는 구조인지 먼저 파악했습니다. 저희 블루닷 인텔리전스 DUCA 프레임워크(Discover-Understanding-Citation-Action) 가운데 첫번째 단계인 D-Discover (발견가능성)을 진단하는 작업입니다. 기본 프롬프트를 공동으로 설계하고, 그 결과를 바탕으로 발견가능성의 취약 흔적을 찾아낼 수 있었습니다.

크롤러가 내부의 중요 정보를 충분히 가져갈 수 있도록 기술 장벽을 낮추는 작업부터 시작했습니다. 총 4가지 발견가능성 레이어를 분석했고 2가지 레이어에서 어려움을 겪고 있다는 걸 확인할 수 있었습니다. 메리츠화재 마케팅팀은 내부 개발팀과의 협의를 통해 AI 크롤러의 접근 장벽을 낮추는 조치를 빠르게 취했습니다. 이때부터 서서히 가시성과 인용률을 상승 추세를 타기 시작했습니다.

스키마 마크업으로 이해가능성 높이기

보험 상품은 대표적인 YMYL(Your Money Your Life) 영역입니다. 출처 관리가 그만큼 엄격하다는 의미입니다. 자칫 잘못된 정보를 제공할 경우 누군가는 재산상의 손실을 입을 수 있고, 건강상의 문제를 일으킬 수도 있습니다. 웬만해서 환각이 허용되지 않는 산업군이라고 할 수 있습니다. 그만큼 가시성과 인용률을 높이는 작업이 쉽지는 않았습니다.

메리츠화재 암보험 사이트의 신뢰와 권위를 제고하는 작업은 그래서 필수적이었습니다. 타깃 사이트가 정본 사이트임을 명확히 하고, 상하위 사이트 간의 관계를 연결시켜줬습니다. 즉 스키마 마크업을 통해 쉽게 '그래프'(Graph)를 구축할 수 있도록 표현해준 것이죠. 주요 보험 관련 정보가 가장 적합한 속성값에 배치되도록 스키마 마크업을 정교하게 정리했습니다. 아울러 내부 DB와 유기적으로 연결될 수 있도록 코드 차원에서의 지원도 했습니다.

최종 반영 시까지 적지 않은 시간이 소요되긴 했지만 메리츠화재는 매우 적극적으로 개발에 참여했습니다. 마케팅팀과 개발팀 간의 협업이 돋보이는 과정이었다고 할 수 있습니다.

취약 프롬프트 파악하고 콘텐츠 작성하기

DU 단계가 완료된 이후 본격적으로 취약 프롬프트에 대응하기 위한 콘텐츠 작성을 시작했습니다. 모든 크롤러가 문제 없이 내부 정보와 데이터를 가져가고 있다는 걸 확인한 뒤에 블루닷 인텔리전스에서 확인된 취약 프롬프트를 보완할 수 있는, 다시 말해 인용해 갈 수 있는 콘텐츠를 작성했습니다.

이를 위해 인용률을 높일 수 있는 콘텐츠 가이드를 마련해 드렸습니다. 제목의 구조, 중간 제목의 유형, 글의 포맷, 핵심 엔티티 등을 제안했고 이를 반영해 콘텐츠를 생산했습니다. 어떤 데이터를 표로 반영할지도 함께 논의했습니다.

3개월 간의 최적화 성과 : 인용률 평균 2배, ChatGPT 11배 상승

최종 성과는 3개월 만에도 확인할 수 있었습니다. 저희는 브랜드가 포함되지 않은 프롬프트(카테고리 프롬프트)에서 메리츠화재의 암보험 상품이 더 자주 언급되고, 해당 암보험 페이지 인용이 높아지는데 초점을 맞추었는데요. 아래처럼, 브랜드 미포함 프롬프트에서 인용률이 10.05%에서 19.48%로 거의 2배 상승하는 결과를 만들어냈습니다. 심지어 메리츠화재 암보험 상품의 답변 내 언급 비율도 15.7%에서 24.68%까지 끌어올렸습니다. 4~5개의 경쟁사 상존하는 상태에서 얻어낸 성과이기에 더욱 의미가 컸다고 할 수 있습니다.

ChatGPT에서의 효과는 더욱 극적입니다. 사실상 메리츠화재 암보험 페이지는 인용되지 않는 수준이었는데요. 브랜드 미포함 프롬프트에선 0%를 11%로 끌어올렸고, 브랜드 포함 프롬프트에선 82.9%까지 인용하도록 만드는 데 성공했습니다.

핵심은 정확한 진단과 확률 높은 처방

이러한 성공의 배경에는 당연히 GEO 분석 및 실행 자동화 플랫폼 '블루닷 인텔리전스'이 존재했습니다. 취약점을 정확히 발견해낼 수 있는 다양한 데이터와 분석력, 인사이트 등이 있기에 가능했습니다. 이를 통해 확률 높은 GEO 처방을 도출할 수가 있었던 거죠. AI검색별로 취약점은 다를 수밖에 없습니다. 이를 명확하게 구분하기 위해서는 데이터를 쪼개고 또 쪼개서 바라봐야 합니다. 그것이 GEO 성과 달성의 정공법이자 지름길입니다.