검색 시장이 빠르게 변하고 있습니다. 사용자가 검색창에 키워드를 입력하고 여러 웹페이지를 직접 클릭하는 전통적인 검색 방식에서, 이제는 AI가 여러 웹페이지의 정보를 종합해 하나의 답변을 만들어주는 검색 경험이 점점 중요해지고 있습니다.
Google의 AI Overviews(AIO)와 Gemini가 대표적인 사례입니다.
이러한 변화는 기업과 콘텐츠 제작자에게 새로운 질문을 던지고 있습니다.
“검색 결과에 잘 노출되는 것과 AI의 답변에 출처로 인용되는 것은 같은 문제일까요?”
최근 발표된 연구 'How Generative AI Disrupts Search: An Empirical Study of Google Search, Gemini, and AI Overviews'는 이 질문에 상당히 중요한 실증적 단서를 제공합니다.
특히 주목할 부분은 Google-Extended를 차단한 웹사이트의 AI Overviews 인용 가능성이 크게 낮아졌다는 연구 결과입니다. 이 결과는 단순히 SEO의 변화만을 의미하지 않습니다. 앞으로의 검색 최적화, 즉 GEO(Generative Engine Optimization) 전략을 어떻게 설계해야 하는지 다시 생각하게 만드는 중요한 시사점을 제공합니다.
Bluedot
먼저, 이 연구는 어떻게 데이터를 수집했을까요?
연구 결과를 살펴보기 전에 데이터 수집 방법부터 이해할 필요가 있습니다. 이 논문의 대규모 데이터 측정은 기본적으로 API를 활용해 진행되었습니다. 먼저 Google 검색 결과와 AI Overviews는 검색 수집 서비스인 SerpAPI를 통해 수집했습니다. 연구진은 모바일과 데스크톱 환경을 시뮬레이션하여 일반적인 Google 검색 결과(SERP)와 AI Overviews에 표시되는 출처 데이터를 확보했습니다. Gemini의 경우에는 Gemini API를 사용했습니다. 구체적으로 Gemini 2.5 Flash 모델의 답변과 그 답변에 포함된 인용 출처 데이터를 수집했습니다.
여기서 한 가지 중요한 문제가 생깁니다.
“API로 수집한 결과가 실제 사용자가 브라우저에서 검색했을 때 보는 결과와 정말 같은 것일까요?”
특히 AI Overviews는 일반적인 검색 결과보다 동적인 특성이 강하기 때문에 이 부분을 검증하는 것이 중요합니다. 그래서 연구진은 추가적으로 Chrome 브라우저에서 직접 검색해 수집한 수동 UI 데이터와 API 수집 데이터를 비교하는 강건성 검증(Robustness Test)을 수행했습니다.
이 검증 결과는 이번 연구의 데이터 신뢰성을 이해하는 데 상당히 중요합니다.
API 데이터가 실제 사용자 검색 경험을 얼마나 잘 반영했을까요?
연구진은 검색 결과 순위의 유사도를 측정하기 위해 RBO(Rank-Biased Overlap)라는 지표를 사용했습니다.
결과는 다음과 같았습니다.
| 비교 | AI Overviews | 일반 Google SERP |
|---|---|---|
| API vs. API | 0.67 | 0.81 |
| Manual UI vs. API | 0.67 | 0.79 |
| 로그인 UI vs. 로그인 UI | 0.73 | 0.89 |
가장 흥미로운 부분은 Manual UI와 API의 차이가 API 자체의 반복 측정에서 나타난 변동성과 거의 동일했다는 점입니다. AI Overviews의 경우,
- API를 두 번 측정했을 때 RBO: 0.67
- 수동 UI와 API를 비교했을 때 RBO: 0.67
로 동일했습니다. 일반 Google SERP에서도
- API vs. API: 0.81
- Manual UI vs. API: 0.79
로 매우 유사하게 나타났습니다. 이는 이번 연구에서 활용한 SerpAPI 기반 데이터가 실제 사용자가 로그인된 Chrome 브라우저에서 경험하는 검색 결과를 상당히 잘 대리하고 있음을 보여주는 결과라고 볼 수 있습니다. 다시 말해, 연구진이 API를 이용해 대규모로 측정한 결과를 단순히 “API에서만 나타나는 현상”이라고 치부하기는 어렵다는 의미입니다.
한 가지 더 중요한 사실 : AIO는 SERP보다 변동성이 큽니다
Robustness Test에서 또 하나 눈여겨볼 결과가 있습니다. AI Overviews의 결과가 일반 Google 검색 결과보다 일관성이 낮았다는 점입니다. 로그인된 Chrome 환경에서 반복 검색했을 때에도 AIO의 RBO는 0.73, SERP는 0.89였습니다. 즉, 로그인 사용자 환경을 기준으로 하더라도 일반 검색 결과보다 AI Overviews에서 나타나는 출처와 결과의 변동성이 더 컸습니다.
이 부분은 GEO 관점에서 상당히 중요합니다. 전통적인 SEO에서는 특정 키워드의 검색 순위를 측정하고,
“우리 페이지가 3위입니다.”
라고 비교적 명확하게 이야기할 수 있습니다. 하지만 AI 검색에서는 상황이 다릅니다. 같은 질문을 반복하더라도 AI가 어떤 정보를 선택하고, 어떤 출처를 인용하는지가 달라질 수 있기 때문입니다. 따라서 GEO에서는 한 번의 검색 결과만 가지고 성과를 판단하기보다 반복적인 질문과 측정을 통해 AI가 우리 브랜드를 얼마나 일관되게 선택하는지 확인하는 접근이 필요합니다.
Google의 공식 설명과 실제 결과 사이에 흥미로운 간극이 발견
이제 이번 연구에서 가장 중요한 결과를 살펴보겠습니다. 바로 Google-Extended에 관한 내용입니다. Google-Extended는 웹사이트 운영자가 자신의 콘텐츠가 Gemini 등 생성형 AI 모델의 추가적인 활용에 사용되는 것을 통제할 수 있도록 제공되는 크롤러 제어 방식입니다.
Google의 공식적인 설명에 따르면 Google-Extended를 robots.txt에서 차단하더라도 일반적인 Google Search의 검색 순위나 검색 노출에는 영향을 주지 않습니다. 또한 AI Overviews에서 콘텐츠를 제외하고 싶다면 Google-Extended를 차단하는 것이 아니라 Google 검색 인덱싱 자체에서 콘텐츠를 제외해야 한다는 것이 기본적인 설명입니다. 논리적으로 보면 다음과 같은 구조입니다.
Google Search
검색 크롤러 → 콘텐츠 수집 → 검색 인덱스 → SERP 노출
Google-Extended
Gemini 등 생성형 AI에서 콘텐츠가 추가적으로 활용되는 방식에 대한 통제
따라서 Google-Extended를 차단하더라도 Google Search 자체에는 큰 영향을 주지 않아야 합니다. 그런데 이번 연구의 대규모 실증 데이터에서는 상당히 흥미로운 결과가 나타났습니다.
Google-Extended 차단한 사이트는 AIO에서 인용될 가능성 낮아져
연구진이 실제 데이터를 분석한 결과, Google-Extended를 차단한 웹사이트는 일반 Google 검색 결과에서는 여전히 노출될 수 있었지만, AI Overviews에서는 출처로 선택되고 인용되는 비중이 현저히 낮아지는 현상이 관찰됐습니다.
즉,
기술적으로 콘텐츠에 접근할 수 있다는 것과 실제 AI 답변에서 해당 콘텐츠가 출처로 선택되는 것은 별개의 문제였습니다.
이것은 GEO 관점에서 매우 중요한 발견입니다. AI가 웹사이트에 접근할 수 있다고 해서 반드시 그 콘텐츠를 답변의 근거로 선택하는 것은 아닙니다. AI가 실제 답변을 만드는 과정에서는
- 어떤 콘텐츠를 발견하고,
- 어떤 정보를 신뢰하고,
- 어떤 페이지를 참고하며,
- 어떤 출처를 최종적으로 인용할 것인지
가 별도로 작동할 수 있기 때문입니다. 결국 GEO에서 중요한 것은 단순히 “AI가 우리 사이트에 접근할 수 있는가?”가 아니라,
“AI가 답변을 만들 때 우리 콘텐츠를 실제 정보원으로 선택하는가?”
가 됩니다.
Gemini에서는 더 극적인 결과가 나타났습니다
연구에서 특히 눈에 띄는 부분은 Gemini의 인용 결과입니다. 연구진이 분석한 주요 사이트 가운데 NYTimes, CNN, Reuters, BBC, ScienceDirect, ESPN 등의 매체와 Facebook, Instagram, IMDb, Yelp 등의 플랫폼은 Google-Extended를 차단한 결과 Gemini 검색 결과에서 단 한 차례도 인용되지 않은 사례로 나타났습니다. 일부 주요 콘텐츠 제공자와 플랫폼에서는 인용 횟수가 0건으로 나타났습니다.
이는 AI 검색 시대의 새로운 역설을 보여줍니다. 콘텐츠 사업자는 AI가 자신의 콘텐츠를 무단으로 활용하는 것을 막기 위해 크롤러를 차단할 수 있습니다. 하지만 동시에 AI가 검색 결과를 생성하는 과정에서 자신의 콘텐츠를 정보원으로 활용할 기회 역시 줄어들 수 있습니다. 특히 AI 검색이 기존 검색을 대체하는 비중이 커질수록 이 문제는 더욱 중요해질 수 있습니다.
GEO에 중요한 이유는 무엇일까요?
전통적인 SEO의 핵심 질문은 비교적 명확했습니다.
“우리 웹페이지가 검색 결과 몇 위에 나오는가?”
하지만 생성형 검색에서는 질문이 달라집니다.
“AI가 이 질문에 답할 때 우리 브랜드와 콘텐츠를 참고하거나 인용하는가?”
두 가지는 비슷해 보이지만 실제로는 다른 문제입니다. 예를 들어 어떤 기업의 웹페이지가 특정 키워드에서 Google 검색 3위에 있다고 가정해보겠습니다. 전통적인 SEO 관점에서는 상당히 좋은 성과입니다. 하지만 사용자가 같은 질문을 했을 때 AI Overview가 다른 5개의 출처를 조합해 답변을 만들고, 우리 사이트가 그중 어디에도 포함되지 않는다면 어떨까요?
검색 결과에서는 3위이지만 AI 검색에서는 사실상 보이지 않는 상황이 발생할 수 있습니다. 따라서 검색 가시성의 개념 자체가 달라지고 있습니다.
SEO
검색어 → 검색 순위 → 클릭 → 웹사이트 방문
GEO
사용자 질문 → AI의 정보 탐색 → 정보 선택 → 답변 생성 → 출처 인용 → 브랜드 노출
앞으로 GEO에서는 바로 이 ‘정보 선택과 출처 인용 과정’이 중요해질 것입니다.
그렇다면 AI 크롤러를 무조건 허용해야 할까요?
여기에서 한 가지 주의할 필요가 있습니다. 이번 연구 결과를 근거로 “AI 크롤러를 무조건 허용해야 한다”고 결론 내리는 것은 적절하지 않습니다. 콘텐츠 사업자 입장에서는 AI 크롤링과 활용에 따른 여러 문제가 있기 때문입니다.
예를 들어,
- 콘텐츠가 AI 학습에 활용되는 것에 대한 권리 문제
- 콘텐츠 생산 비용과 AI 기업의 가치 창출 사이의 불균형
- AI 답변으로 인한 원문 트래픽 감소 가능성
- AI가 콘텐츠를 요약하면서 원문 방문을 대체할 가능성
- 저작권 및 라이선스 문제
등을 함께 고려해야 합니다. 따라서 GEO 관점에서의 결론은 “모든 AI 크롤러를 허용하자”가 아닙니다. 오히려 앞으로 기업은 SEO와 GEO, 그리고 콘텐츠 권리 정책을 하나의 전략으로 통합해 판단해야 한다는 것입니다.
“AI를 막을 것인가, 허용할 것인가?”
라는 단순한 질문에서 벗어나,
“어떤 AI의 어떤 활용을 허용하고, 그 대가로 어떤 검색 가시성과 비즈니스 가치를 확보할 것인가?”
라는 질문으로 바뀌어야 합니다.
GEO에서는 콘텐츠의 ‘인용 가능성’을 설계해야 합니다
그렇다면 기업은 실제로 무엇을 준비해야 할까요? 첫 번째는 AI가 이해하고 인용하기 쉬운 콘텐츠 구조를 만드는 것입니다. 예를 들어 하나의 콘텐츠를 다음과 같이 구성할 수 있습니다.
질문
→ 명확한 답변
→ 근거와 데이터
→ 상세한 설명
→ 사례
→ 출처
→ 업데이트 날짜
이러한 구조는 사람에게도 읽기 편하지만, AI가 특정 질문에 대한 답변을 구성하면서 필요한 정보를 찾아내기에도 유리한 구조가 될 수 있습니다.
특히 중요한 것은 주장과 근거의 연결입니다.
“우리 제품이 업계 최고입니다”라고 주장하는 것보다,
“A 조건에서 B%의 성과를 기록했습니다. 해당 결과는 C 방식으로 측정했습니다.”
처럼 구체적인 근거와 출처를 제공하는 콘텐츠가 AI가 참고할 만한 정보원으로서 더 높은 가치를 가질 수 있습니다.
11. 키워드보다 ‘질문’을 중심으로 콘텐츠를 설계해야 합니다
SEO 콘텐츠는 오랫동안 키워드를 중심으로 발전해왔습니다.
예를 들어
“CRM 추천”
이라는 키워드를 중심으로 콘텐츠를 작성했다면, GEO에서는 그보다 훨씬 다양한 사용자의 질문을 고려할 필요가 있습니다. 예를 들어,
“중소기업에 가장 적합한 CRM은 무엇인가요?”
“CRM 도입 비용은 얼마나 드나요?”
“Salesforce와 HubSpot의 차이는 무엇인가요?”
“CRM을 도입하면 영업 생산성이 실제로 높아지나요?”
와 같은 질문입니다. 검색어에서 질문으로 콘텐츠 전략의 중심축이 이동하고 있습니다. 이 질문에 AI가 답변할 때 우리 콘텐츠가 하나의 신뢰할 만한 근거로 선택될 수 있도록 만들어야 합니다. 이것이 GEO의 핵심적인 변화입니다.
13. GEO KPI도 달라져야 합니다
이러한 환경에서는 기존 SEO KPI만으로 생성형 검색 성과를 평가하기 어렵습니다. 앞으로는 다음과 같은 지표를 함께 관리할 필요가 있습니다.
① AI Citation Rate
특정 질문을 반복했을 때 우리 웹사이트가 AI 답변의 출처로 등장하는 비율입니다.
② Brand Mention Rate
AI 답변에서 우리 브랜드가 직접 언급되는 비율입니다.
③ Source Share
경쟁사와 비교했을 때 AI 답변에서 우리 콘텐츠가 차지하는 출처 비중입니다.
④ Citation Position
여러 출처가 제시될 경우 우리 출처가 어느 위치에 나타나는지 측정합니다.
⑤ Answer Coverage
우리 브랜드가 중요하게 생각하는 핵심 질문군 가운데 실제 AI가 우리 정보를 반영하는 질문의 비율입니다.
⑥ Citation Consistency
동일한 질문을 반복했을 때 우리 브랜드가 얼마나 일관되게 인용되는지 측정합니다. 블루닷 인텔리전스는 이러한 지표들을 모두 측정해 제공하고 있는 강력한 GEO 분석 및 자동화 툴입니다.
특히 마지막 지표가 중요합니다. 앞서 살펴본 것처럼 AIO는 일반 SERP보다 변동성이 높습니다. 따라서 한 번의 검색에서 우리 브랜드가 인용됐다는 사실만으로 GEO 성과가 높다고 판단해서는 안 됩니다. 반복 측정했을 때도 지속적으로 선택되는가를 확인해야 합니다.
이제는 ‘몇 위인가’보다 ‘누구의 답변에 들어가는가’를 봐야 합니다
'How Generative AI Disrupts Search' 연구는 생성형 검색 시대의 중요한 역설을 보여줍니다.
AI 활용을 통제하기 위한 크롤러 차단이 AI 검색에서의 가시성 감소와 연결될 수 있다는 것입니다.
특히 Google-Extended를 차단한 사이트에서 AI Overviews와 Gemini의 출처 인용이 감소하는 현상이 관찰됐다는 점은 퍼블리셔와 브랜드에게 중요한 전략적 질문을 던집니다. 동시에 연구진이 수행한 Manual UI와 API 간 Robustness Test는 이러한 대규모 API 기반 측정 결과가 실제 사용자 브라우저 경험과 상당히 유사한 패턴을 보인다는 점을 뒷받침했습니다. 또한 AIO의 결과가 일반 SERP보다 더 큰 변동성을 보였다는 점은 GEO 측정 방식에도 중요한 시사점을 제공합니다.
따라서 앞으로 GEO를 평가할 때는 단 한 번의 검색 결과가 아니라 반복적인 질문과 다양한 검색 환경에서 우리 브랜드가 얼마나 자주, 얼마나 일관되게 인용되는지를 살펴볼 필요가 있습니다.
결국 검색 경쟁의 질문은 이렇게 바뀔 것입니다.
“Google에서 몇 위인가?”
에서
“사용자가 AI에게 이 질문을 했을 때, AI는 누구의 콘텐츠를 근거로 답하는가?”
로 말입니다.
그리고 GEO의 궁극적인 목표 역시 여기에 있습니다. 검색되는 콘텐츠를 넘어, AI가 답변을 만들 때 선택하고 인용하는 콘텐츠가 되는 것. 앞으로의 검색 경쟁력은 바로 이 ‘AI가 선택하는 정보원’이 될 수 있는가에 의해 점점 더 좌우될 가능성이 높습니다.
