쿼리 팬 아웃은 사용자의 단일 검색 쿼리를 여러 개의 관련 하위 쿼리로 분해하는 AI 기반 검색 기술입니다. 전통적인 검색이 키워드 일치에 중점을 두었다면, 쿼리 팬 아웃은 사용자의 의도(intent)와 맥락(context)을 더 깊이 이해하여 다양한 관점에서 정보를 탐색합니다.

거의 모든 AI검색은 쿼리 팬아웃을 다양한 방식으로 적용하고 있습니다. 추론 모드에 가까워질수록 분할하는 쿼리의 수, 즉 팬아웃되는 쿼리의 수도 함께 증가하는 경향을 보입니다. 예를 들어 Google AIO와 Google AI Mode를 사용할 때 팬 아웃되는 쿼리의 수가 달라지죠. 심층 모드로 갈수록 AI검색이 척하면 알아듣는 현상도 사실은 쿼리 팬아웃 덕분이라고 할 수 있습니다.

블루닷 인텔리전스는 자체 팬아웃 쿼리 추출기(크롬 익스텐션)를 만들어서 분석을 하고 있는데요. 이를 통해 확인한 쿼리 팬아웃의 유형을 여기서 소개해드리고자 합니다.

ChatGPT 쿼리 팬아웃의 유형 분류

예시를 들어보겠습니다. 제가 ChatGPT 무료 버전에서 '요즘 국내에서 가장 인기 있는 AI검색최적화(GEO) 플랫폼을 추천해주세요'라고 입력을 했습니다. 대신 다양한 유형을 보여드리기 위해 '생각해줘' 옵션을 활성화했습니다. 그랬더니 위처럼 18개의 쿼리로 쪼개셔서 검색을 진행했습니다. 이걸 유형에 따라 제가 분류를 했습니다.

(1) 기본 쿼리의 재표현 (Paraphrase Expansion)

먼저 기본 쿼리의 재표현 유형입니다. 제가 입력한 쿼리와 동일한 의미를 표현만 바꾸는 형태입니다. 가장 기본적으로 팬아웃 유형이라고 할 수 있습니다. 실제 예시는 다음과 같습니다.

• 01 국내 GEO 플랫폼 AI 검색 최적화 서비스 한국
• 02 한국 AI 검색 최적화 플랫폼 GEO 서비스
• 03 국내 생성형 엔진 최적화 플랫폼

(2) 언어 확장 (Multilingual Expansion)

두 번째 유형은 '언어 확장'입니다. ChatGPT를 사용하다가 영어권 출처를 발견할 때가 많았을 겁니다. 최근 들어서 그런 결과가 더 빈번해지고 있는데요. ChatGPT가 더 신뢰도 높은 출처를 발견하기 위해 '글로벌 데이터 확보' 차원에서 영어 등으로 쿼리를 보내는 걸 말합니다. 위 예시에선 아래 쿼리가 해당됩니다. 쿼리 분석 과정에서 글로벌 콘텐츠가 더 많을 것으로 판단되면 거의 필수적으로 언어 확장 쿼리를 만들어내느 것으로 보입니다.

• 04 Korea generative engine optimization platform

(3) 특정 사이트 제한 검색 (Site-specific / 경쟁사 탐색)

아예 특정 사이트에 제한해서 검색을 하는 경우도 자주 발견됩니다. 이를 '특정 사이트 제한 검색 & 쿼리' 유형이라고 할 수 있습니다. 특정 기업이나 도메인을 중심으로 인용할 출처를 찾아내려는 방식입니다. 구글 등에선 특정 사이트 내 검색을 자주 이용하고 있을 텐데요. 이를 그대로 모방한 유형이라고 할 수 있습니다. 아래처럼 저희 블루닷에이아이 사이트 내 검색을 직접 시도하는 걸 확인하실 수 있습니다.

• 05 site:bluedot.so GEO AI search optimization 국내 블루닷 인텔리전스
• 06 site:listenningmind.com GEO AI 검색 최적화 리스닝마인드
• 07 site:next-t.co.kr GEO AEO OPTI GEO
• 08 site:bizspring.co.kr GEO 컨설팅
• 09 site:listeningmind.com 한국 검색 인텐트 분석 플랫폼 리스닝마인드
• 10 site:listeningmind.ai GEO 한국 리스닝마인드
• 11 site:listeningmind.com korea search intent platform

(4) 엔티티 기반 비교/탐색 (Entity + Comparison)

비교 콘텐츠를 찾기 위해 '엔티티 기반 비교' 쿼리를 생성하는 경우도 많았습니다. 특정 기업들을 묶어서 시장 비교를 해야 한다고 판단되면 이 쿼리를 필수적으로 생성해 보냅니다. 아마 비교 콘텐츠가 자주 인용되는 경우를 보셨을 텐데요. 그런 출처가 바로 이러한 유형의 쿼리가 생성되면서 얻어낸 결과라고 할 수 있습니다.

• 12 국내 GEO 플랫폼 블루닷 인텔리전스 넥스트티 비즈스프링 리스닝마인드 비교
• 13 국내 AI 검색 최적화 플랫폼 비교 GEO

(5) 미디어/신뢰도 기반 검증 (Authority / Media Search)

미디어 검증 쿼리도 비교적 자주 등장하는 유형입니다. 언론이나 외부 신뢰 높은 미디어의 평가를 확보하기 위한 차원입니다. 당연히 산업마다 다른 언론사를 선택하게 되고요. 토픽 권위도를 통해 신뢰를 평가받은 언론사를 대상으로 생성된 쿼리가 실행되는 방식입니다.  여기엔 커뮤니티 기반 검증 쿼리도 포함될 수 있습니다.(혹은 별도로 분류해도 무방합니다.)

• 15 site:hankyung.com GEO 플랫폼 한국
• 16 site:mk.co.kr GEO AI 검색 최적화 한국
• 17 site:zdnet.co.kr GEO AI 검색 최적화 한국
• 18 site:itworld.co.kr GEO AI 검색 최적화 한국

(6) 추천/의사결정 쿼리 (Decision / Recommendation Intent)

이 쿼리 유형도 놓치지 말아야 합니다. '추천 쿼리'입니다. 반드시 추천해달라는 질문을 입력하지 않더라도 그 의도를 파악해서 ChatGPT는 쿼리를 팬아웃합니다. 대신 구매/도입 직전 의도라는 게 읽히면 말이죠.

• 14 국내 GEO 서비스 추천 블루닷 넥스트티 비즈스프링

무엇을 확인할 수 있나

결과적으로 보면, ChatGPT는 탐색 → 분석 → 비교 → 추천 → 검증으로 이어지는 풀 퍼널 구조를 쿼리 팬아웃을 통해 구현하고 있다고 할 수 있습니다. 다른 퍼널에서 질문할 법한 걸 자사 플랫폼에서 쿼리 팬아웃으로 모두 모아줘서 플랫폼 외 이탈을 막으려는 의도도 읽을 수 있습니다.

제가 최근 흥미롭게 바라보는 유형은 언어 확장 쿼리인데요. 영어권에선 아마 이런 현상이 덜 나타날 것으로 예상이 됩니다. 한국의 경우 신뢰할 수 있는 콘텐츠 출처가 네이버 등의 차단으로 제한적일 수밖에 없는데요. 이를 감안한 탓이지 언어 확장 쿼리가 자주 눈에 띄더군요. 그러다 보니 국내 아닌 해외 출처를 자주 인용하는 경향을 발견할 수 있게 됐고요.

'실제 고객이 어떤 질문을 하는가'에 대해서 물어보시는 블루닷 인텔리전스 고객분들이 적지 않은데요. 실제로 그 데이터를 안다고 해서 ChatGPT가 그 질문만 검색하는 건 아니라는 사실을 이해할 필요가 있습니다. 어쩌면 하나의 쿼리에 대응하기 위한 콘텐츠를 생산해야 한다면, 적게는 1~2건, 많게는 10~20건이 필요할 수 있다는 점도 인식할 필요가 있습니다. 이 모든 대응 콘텐츠를 사람이 생산하는 방식은 과연 합리적일까요? 저희가 AI채널을 내놓은 배경이기도 합니다.

수백 년에 걸쳐 구매 여정을 압축해온 세 번의 대전환이 있었습니다. 옐로 페이지가 시장 정보를 단 한 권의 책으로 집약했고, 래리 페이지의 페이지랭크 알고리즘이 그 책을 단 한 페이지의 검색 결과로 재편했습니다. 그리고 지금, 세 번째 압축이 실시간으로 전개되고 있습니다. 가장 큰 광고를 집행하거나 구글 상단을 점령하는 것만으로는 더 이상 충분하지 않습니다. 이제는 '답변'을 선점해야 합니다.

소프트웨어 리뷰 플랫폼 G2가 1,000명 이상의 B2B 소프트웨어 구매자 및 의사결정권자를 대상으로 실시한 설문 조사 결과, 구매 여정의 출발점이 근본적으로 변화하고 있는 것으로 나타났습니다. 응답자의 93%는 AI 챗봇이 자신의 리서치 방식을 근본적으로 바꿨다고 답했으며, 71%는 소프트웨어 리서치 과정에서 AI 챗봇을 활용한다고 밝혔습니다. 이는 불과 7개월 전의 약 60%에서 크게 상승한 수치입니다.

특히 주목할 만한 것은, 응답자의 51%가 소프트웨어 리서치를 시작할 때 구글보다 AI 챗봇을 더 자주 활용한다고 답했다는 점입니다. 구매자들은 이제 정보를 '참조(reference)'하는 방식에서 벗어나 AI가 모든 정보를 종합해 쇼트리스트를 돌려주는 '추론(inference)' 방식으로 이동했습니다. G2의 최고혁신책임자(CIO) 팀 샌더스는 "구매자들은 AI 챗봇 프롬프트 하나로 쇼트리스트를 완성하고, 단 한 곳의 벤더 웹사이트도 방문하기 전에 고려 대상을 추려낸다"고 밝혔습니다.

구매 여정의 분기(分岐): 전통 검색과 AI 검색의 공존

B2B 소프트웨어 구매 여정은 이제 두 개의 출발점으로 나뉘었습니다. 응답자의 80%는 여전히 구매 여정 어딘가에서 구글을 활용한다고 답했지만, 절반 이상은 AI 챗봇을 첫 번째 리서치 도구로 선택하고 있습니다. 이는 브랜드, 카테고리, 경쟁사에 대한 첫인상이 벤더 웹사이트 방문이나 영업팀과의 대화 이전에 AI 답변 안에서 형성된다는 것을 의미합니다.

AI 검색의 생산성 우위도 빠르게 확대되고 있습니다. 응답자의 53%는 AI 검색이 전통적인 검색보다 소프트웨어 리서치에 더 생산적이라고 답했는데, 이 수치는 7개월 전의 36%에서 가파르게 상승한 것입니다. 과거에는 수 주가 걸리던 벤더 비교 작업이 이제는 AI 챗봇을 통해 몇 분 만에 가능해졌습니다. 이러한 생산성 향상의 결과로, B2B 구매자의 86%는 지난 1년간 소프트웨어 리서치에서 AI 챗봇 활용을 늘렸다고 밝혔습니다.

시장 인텔리전스 플랫폼 프로파운드(Profound)의 마케팅 총괄 트레버 파일은 "구매자들은 이미 AI 안에서 리서치를 진행하고 있는데, 대부분의 브랜드는 그 대화 속에서 자신이 어떻게 등장하는지 파악할 수단이 제한적"이라고 지적했습니다.

AI가 벤더 선택을 좌우하는 '답변 경제'의 도래

이번 조사에서 AI 챗봇은 구매자 쇼트리스트에 영향을 미치는 정보 소스 1위(54%)에 올랐습니다. 소프트웨어 리뷰 사이트(43%), 시장조사 기관(36%), 벤더 공식 사이트(36%), 동료 및 지인(33%)이 그 뒤를 이었습니다.

AI 챗봇이 특정 벤더를 언급하는 것만으로도 구매자의 인식에 유의미한 영향을 미치는 것으로 나타났습니다. 응답자의 85%는 AI가 답변에서 인용한 벤더에 대해 더 긍정적인 인식을 갖게 됐다고 답했습니다.

결과적으로, 응답자의 69%는 AI 챗봇의 영향으로 처음에 예상했던 것과 다른 벤더를 최종 선택했다고 밝혔습니다. 이 중 33%는 그 전까지 한 번도 들어본 적 없는 벤더를 구매하게 됐다고 답했습니다. AI가 무명의 벤더를 경쟁 무대에 올려놓는 동시에, 잘 알려진 카테고리 선두 기업을 고려 대상에서 배제할 수도 있다는 것을 보여주는 수치입니다.

구매자들이 AI 챗봇으로 소프트웨어를 리서치할 때 첫 번째 프롬프트 유형을 분석한 결과, 카테고리 기반 질문(33%)과 경쟁사 기반 질문(31%)이 전체의 3분의 2를 차지했습니다. 요구사항 또는 프로세스 기반으로 시작하는 경우는 22%에 그쳤습니다.

구매 속도 측면에서도 AI의 영향은 뚜렷했습니다. 응답자의 83%는 AI 챗봇 덕분에 최종 선택에 더 높은 확신을 갖게 됐다고 답했으며, 10명 중 8명은 AI가 구매 결정을 가속화했다고 밝혔습니다. 구체적으로는 '훨씬 빨라졌다'(37%)와 '다소 빨라졌다'(46%)는 응답이 대부분을 차지했습니다.

팀 샌더스 CIO는 "벤더들은 AI 챗봇을 검색 채널로 바라보는 시각에서 벗어나, 새로운 쇼트리스트 생성 엔진으로 대해야 한다"고 강조했습니다.

리뷰 사이트, AI 검색의 신뢰 인프라로 부상

AI가 구매 여정을 주도하더라도, 구매자들은 여전히 '증거'를 원합니다. 응답자들에게 AI 챗봇 답변에 대한 신뢰도를 높이는 요소가 무엇인지 묻자, 1위 응답은 '리뷰 사이트의 인용'이었습니다. 이는 소프트웨어 리뷰 플랫폼이 AI가 생성하는 답변의 기반이 되는 대규모 언어 모델(LLM)에 직접 데이터를 공급하기 때문입니다.

리뷰 사이트는 구매자 쇼트리스트에 영향을 미치는 정보 소스 2위(43%)를 기록했습니다. G2와 같은 리뷰 플랫폼에 축적된 고객 목소리는 AI 챗봇이 특정 브랜드를 어떻게 인식하고 어떤 답변을 생성하는지에 직접적인 영향을 미칩니다.

이 경향은 가장 숙련된 AI 사용자들 사이에서 더욱 두드러졌습니다. 챗봇을 매일 활용하는 파워 유저들은 일반 B2B 소프트웨어 구매자 집단보다 높은 비율(50%)로 리뷰 사이트를 최우선 신뢰 신호로 꼽았습니다. AI 활용 경험이 깊을수록 리뷰 인용에 대한 선호도가 다른 어떤 정보 소스보다 강하게 나타난 셈입니다.

한편, 응답자의 거의 3분의 2는 현재 업무에서 AI 챗봇을 주당 6시간 이상 사용하고 있으며, 40% 이상은 매일 활용하는 파워 유저로 자신을 분류했습니다. 딥 리서치(Deep Research)와 같은 심층 워크플로, '사고(Thinking)' 모드의 빈번한 활용, 카테고리 비교·대안 탐색·요구사항 정리 등 구매 의도가 명확한 프롬프트 활용이 확산되면서, 오늘날의 구매자는 AI 검색을 통해 본격적인 평가 작업을 수행하고 있는 것으로 분석됩니다.

G2는 10년 이상 소프트웨어 구매자들의 리서치, 평가, 선택 방식을 추적해왔습니다. 이번 보고서는 AI 챗봇이 리서치 과정을 압축하는 속도가 너무 빠른 나머지, 첫 번째 답변에 등장하지 못하는 벤더는 대화가 시작되기도 전에 탈락하는 시대가 도래했음을 보여줍니다. AI는 이제 단순한 인텔리전스 레이어를 넘어, 신뢰의 레이어로 기능하고 있습니다.

2026년 4월 발표된 연구 'Google AI Overviews and Publisher Traffic: Evidence from a Field Experiment'에 따르면, AI Overviews(AIOs)가 표시될 때 외부 웹사이트로 향하는 유기적 클릭은 38% 줄었고, 아무 곳도 클릭하지 않고 검색을 끝내는 비율은 33% 높아졌습니다. 반면 검색 빈도와 유료 클릭에는 의미 있는 변화가 없었습니다.

연구진은 크롬 브라우저 확장 프로그램을 활용한 현장 실험을 통해 이용자를 AIO가 보이는 기본 구글 검색 환경과 AIO가 제거된 환경으로 무작위 배정했습니다. 총 396명의 대조군과 374명의 처리군에서 두 주 동안 7만132건의 고유 검색이 관측됐습니다. 연구는 검색 설계가 아닌 실제 이용 환경에서 AIO 노출 효과를 분리해 살피는 데 초점을 맞췄습니다.

실험 결과 AIO는 검색 결과 상단에 노출될 때 영향이 가장 컸습니다. AIO가 뜨는 쿼리 가운데 약 42%에서 실제로 요약이 촉발됐으며, 특히 화면 맨 위에 표시되는 경우 외부 클릭 감소가 두드러졌습니다. 상단 노출 쿼리에서는 AIO를 제거할 때 외부 클릭이 검색당 0.38건에서 0.61건으로 늘었고, 0클릭 검색 비율은 0.72에서 0.54로 낮아졌습니다.

반면 AIO가 원래 표시되지 않는 쿼리에서는 처리군과 대조군 사이에 의미 있는 차이가 확인되지 않았습니다. 연구진은 이를 위약군에 해당하는 비교로 활용해, 관측된 변화가 실험 장치 자체가 아니라 AIO 제거에서 비롯됐다는 해석을 뒷받침했습니다. 내부 클릭과 유료 클릭도 거의 변하지 않아, 이용자의 주된 대체 행태가 AI 요약과 외부 웹사이트 방문 사이에서 일어났다고 봤습니다.

아래 표는 핵심 수치를 정리한 것입니다.

연구는 효과가 검색 결과 상단의 가시성과 밀접하다고 설명했습니다. AIO가 가장 위에 놓일 때는 클릭 분산이 특히 컸고, 검색 결과 1~3위가 가장 큰 영향을 받았습니다. 반대로 AIO가 아래쪽에 배치되면 영향이 거의 관측되지 않았습니다. 다만 위치 자체의 인과효과라기보다, 관측된 위치에 따른 이질적 반응으로 해석해야 한다고 덧붙였습니다.

이용자 특성별로는 연령과 AI 친숙도에 따라 차이가 일부 드러났습니다. 나이가 평균보다 많은 집단에서는 AIO 제거 시 외부 클릭 증가 폭이 더 컸고, AI 도구에 더 익숙한 이용자에게서도 비슷한 경향이 나타났습니다. 성별과 인종에 따른 차이는 통계적으로 뚜렷하지 않았습니다.

대화형 AI 검색으로 넘어간 경우에는 외부 클릭 감소가 더 강한 것으로 탐색적으로 관측됐습니다. 다만 이 조건은 표본 이탈이 더 많아 엄밀한 인과 추정으로 보기 어렵다고 연구진은 밝혔습니다. 그럼에도 전통적 검색창 안의 AIO보다 클릭이 더 줄어드는 방향의 신호가 포착됐습니다.

설문에서는 다른 그림이 나왔습니다. AIO를 제거한 집단과 기본 검색 환경 집단 사이에는 검색 만족도, 정보 품질, 정보 찾기 용이성에서 차이가 없었습니다. 반면 대화형 'AI 모드' 집단은 전반적 만족도와 정보 품질, 사용 편의성에서 더 낮은 응답을 보였습니다. 연구진은 AIO와 대화형 AI가 게시자 트래픽은 줄이지만, 적어도 조사한 지표에서는 사용자 경험을 유의미하게 개선하지는 않았다고 평가했습니다.

웹사이트의 CSR 구조란?

클라이언트 사이드 렌더링(Client-Side Rendering, 이하 CSR)은 "웹 페이지의 렌더링 과정을 사용자의 브라우저 내에서 직접 수행하는 기술적 메커니즘"을 말합니다(Clapton, J. 등. 2025). 이 방식은 서버가 기본적인 HTML 구조와 함께 자바스크립트 파일을 전송하면, 브라우저가 이를 해석하여 콘텐츠를 동적으로 생성하는 구조를 취하죠.

CSR은 SPA(Single Page Applications) 혁명의 시기가 도래하면서 꽃을 피우기 시작합니다. 웹 애플리케이션이 발전함에 따라 더욱 반응성이 뛰어나고 상호작용적인 사용자 인터페이스에 대한 필요성이 대두되면서 유행을 타기 시작했죠. 이를 뒷받침했던 기술이 바로 자바스크립트(Javascript)였습니다. jQuery(존 레식, 2006년), Backbone.js(2010년), 더 나아가 Angular.js(구글, 2010년), React(페이스북, 2013년), Vue.js 와 같은 도구들의 발전에 힘입어 황금기를 맞이하게 됩니다. 모바일앱에 준할 정도의 화려하고 반응성이 높은 웹이 CSR로 구현이 가능해졌습니다.

사실 CSR이 등장하기 전까지 웹은 SSR(Server Side Rendering)으로 주로 작동했습니다. 고정된 정적인 페이지를 웹 서버에서 잘 조립(렌더링)한 뒤에 브라우저로 보내주는 방식이었죠. 하지만 모바일앱의 활성화는 이 흐름을 완전히 바꿔놓습니다. 모바일앱만큼 화려한 웹이 가능하다고 봤고, 이를 구현하기 위해 다양한 라이브러리와 프레임워크가 등장하게 된 것이죠. CSR은 어쩌면 모바일앱을 따라가기 위한 웹의 몸부림이라고 할 수 있습니다.

하지만 CSR는 치명적인 약점이 한 가지 있었습니다. 검색 크롤러가 웹사이트의 주요 정보를 읽어가는데 부담을 준 것입니다. 소위 SEO 취약성입니다. 서버가 HTML을 렌더링해서 보내주는 SSR과 달리 CSR은 브라우저가 이 역할을 대신 맡아야 합니다. 일단 간단한 웹페이지 껍데기를 받고, 그 안에 포함된 주요 내용들을 파악하려면, CSR로 구축된 서버로부터 관련 자바스크립트 파일까지 다 받아와 직접 렌더링을 해야 합니다. 다 비용이고 시간이 들 수밖에 없죠. 매일 수억건의 페이지를 이런 방식으로 받아와야 하면 크롤러를 운영하는 기업 입장에선 돈이 들 수밖에 없습니다. 첫 방문 시 약간 느릴 수 있었죠. 저사양 디바이스에서도 지연 효과가 나타나곤 했습니다.

일리노이 시카고대 컴퓨터과학과의 크리스 카니치는 강의 자료를 통해 CSR의 한계를 다음과 같이 지적합니다.

• 초기 로딩 성능 : SPA는 사용자가 의미 있는 콘텐츠를 보기 전에 전체 애플리케이션의 JavaScript 번들을 다운로드하고 실행해야 하므로, 특히 네트워크 속도가 느리거나 모바일 기기에서 초기 로딩 시간이 느릴 수 있습니다.
• SEO 한계 : 검색 엔진은 과거에 자바스크립트가 실행되기 전에 페이지를 크롤링했기 때문에 클라이언트 측에서 렌더링된 콘텐츠를 색인화하는 데 어려움을 겪었습니다. 구글의 헤드리스 브라우징이나 동적 렌더링과 같은 도구가 이러한 문제를 해결하기 위해 등장했지만, 개발자들에게는 여전히 골칫거리였습니다.
• 자바스크립트 과다 사용 : SPA(단일 페이지 애플리케이션)가 복잡해짐에 따라 UI를 렌더링하고 업데이트하는 데 필요한 자바스크립트 양이 증가하여 최신 기기와 구형 기기 모두에서 성능 병목 현상이 발생했습니다.

CSR에서 SSR로의 회귀? 혹은 하이브리드?

AI 검색이 서서히 보편화하는 지금, CSR의 약점은 치명적으로 작용하기 시작했습니다. 구글의 Googlebot 정도를 제외하면, CSR로 구축된 웹페이지에서 중요한 콘텐츠 정보를 AI검색 크롤러들이 외면하기 시작한 겁니다. 스타트업으로 시작된 기업들이기에 전세계 웹사이트를 모두 돌아다니며 CSR 구조의 웹사이트까지 파악해 정보를 읽어내는 건 상당한 비용을 초래할 수밖에 없습니다. 그러다 보니 CSR로 제작된 웹사이트는 SEO에 이어 GEO에서도 불리한 조건에 처할 수밖에 없게 된 것이죠. SSR 중심으로 회귀하는 이유입니다.

앞서 언급했던 일리노이 시카고대 강의자료는 SSR로의 회귀 이유를 5가지로 설명합니다.

1. CSR에서는 브라우저가 전체 JavaScript 번들을 다운로드하고 초기화한 다음, 의미 있는 콘텐츠를 표시하기 전에 추가 데이터를 가져와야 합니다. 이로 인해 특히 네트워크 속도가 느린 경우 TTFP(최초 화면 표시 시간)가 느려집니다 . SSR(서버 측 렌더링)은 서버에서 HTML을 렌더링하고 미리 렌더링된 페이지를 클라이언트에 전달함으로써 사용자가 콘텐츠를 보는 데 걸리는 시간을 단축합니다 . 페이지를 상호 작용 가능하게 만들기 위해서는 클라이언트 측 하이드레이션(후술)이 여전히 필요하지만, 사용자는 훨씬 더 빠르게 의미 있는 콘텐츠를 볼 수 있습니다.
2. SEO 최적화: 서버 측 렌더링(SSR)은 서버 수준에서 HTML을 생성하므로 검색 엔진과 소셜 미디어 플랫폼이 JavaScript를 실행할 필요 없이 콘텐츠를 즉시 색인화할 수 있습니다. 콘텐츠가 많은 사이트나 SEO가 중요한 애플리케이션(예: 블로그, 전자상거래 사이트)의 경우 SSR은 CSR에 비해 상당한 이점을 제공합니다.
3. 저사양 기기에서의 성능 향상 : 일부 기기, 특히 휴대폰이나 구형 데스크톱은 대용량 클라이언트 측 JavaScript 번들을 처리하는 데 어려움을 겪습니다. 렌더링 작업의 대부분을 서버로 오프로드하면 이러한 기기에서 처리해야 하는 JavaScript 양이 줄어들어 애플리케이션 응답성이 향상되고 전반적인 사용자 경험이 개선됩니다.
4. 향상된 사용자 경험과 빠른 상호 작용 시간(TTI) : CSR은 동적이고 반응형 인터페이스를 구현하는 데 탁월하지만, JavaScript 프레임워크가 페이지를 로드(즉, 정적 HTML을 상호 작용 가능한 요소로 변환)하는 과정에서 초기 상호 작용 시 지연이 발생하는 경우가 많습니다. SSR은 사전 렌더링된 페이지를 제공하여 사용자가 콘텐츠를 빠르게 볼 수 있도록 하며, React 18에서 도입된 동시 렌더링 과 같은 기술을 결합하여 애플리케이션을 점진적으로 로드하고 로드함으로써 상호 작용 시간을 단축합니다.
5. 하이브리드 모델의 귀환: SSR과 CSR은 더 이상 상호 배타적이지 않습니다. 최신 웹 프레임워크는 개발자가 두 가지 접근 방식을 결합하여 양쪽의 장점을 모두 활용할 수 있도록 지원합니다. 예를 들어, Next.js 와 Nuxt.js 는 각각 React와 Vue를 기반으로 구축된 프레임워크입니다. 이 두가지 프레임워크는 서버 측에서 페이지를 렌더링하는 동시에 하이드레이션(Hydration)을 통해 클라이언트 측 상호 작용도 가능하게 합니다. 이러한 하이브리드 모델은 개발자에게 유연성을 제공하여 서버와 클라이언트 중 어느 쪽에서 렌더링할지 선택할 수 있도록 도와줍니다.

특히 주목해야 할 흐름 가운데 하나는 5번 CSR과 SSR을 결합한 '하이브리드 모델'입니다. 이는 Next.js(Vecel이 개발해 공개)라는 리액트(React) 프레임워크의 탄생 배경과 연결이 됩니다. 앞서 말씀드렸다시피 React는 전형적인 CSR용 라이브러리입니다. 이 문제가 지속되자 Vecel이 SSR이 가능한 프레임워크를 2016년에 내놓았는데요. 그게 바로 Next.js입니다. Next.js으로 리액트 기반으로도 SSR 개발이 가능한 길이 열리게 된 셈입니다. 한마디로 SSR와 CSR을 함께 제어할 수 있는 하이브리드 모델이 가능해진 것입니다.

CSR vs SSR vs 하이브리드 비교

CSR와 SSR은 웹의 발전 과정에서, 사용자들에게 어떻게 하면 더 좋은 경험을 줄 것인가를 고민하는 과정에 등장한 웹 구현 기술(아키텍처)이라고 할 수 있습니다. 등장한 배경이 다르고 주목한 페인포인트도 다릅니다. 그러다보니 저마다의 장점이 존재하고 차별성이 잘 드러나는 편입니다. 최근에는 CSR과 SSR의 퍼포먼스를 비교하는 논문들이 계속 발표되고 있는데요. 2가지의 결과를 소개하려고 합니다.

먼저 Gangishetti & Jain(2026)의 연구에 따르면 다음 5가지 측면에서 CSR와 SSR은 다른 성과를 냈습니다. 이를 항목별로 구분해서 설명을 드리겠습니다.

• 초기 로딩 성능과 사용자 인식 : 초기 로딩 속도는 사용자 이탈률과 직결되는 중요한 지표입니다. SSR은 서버에서 완전히 렌더링된 HTML을 브라우저로 전송하므로, 자바스크립트 실행을 기다릴 필요 없이 즉시 콘텐츠를 표시할 수 있다는 장점이 있습니다. 연구진은 "SSR은 서버에서 데이터를 미리 가져와 HTML을 생성한 뒤 전송하기 때문에, 저사양 기기나 느린 네트워크 환경에서도 최대 콘텐츠 페인트(Largest Contentful Paint)와 최초 콘텐츠 페인트(First Content Paint) 지표가 크게 개선된다"고 설명했습니다. 반면, CSR은 자바스크립트 번들 다운로드, 구문 분석, 데이터 비동기 호출, UI 동적 구성이라는 다단계 과정을 거쳐야 합니다. 이로 인해 초기 화면 표시가 지연될 가능성이 크며, 코드 분할이나 사전 로드와 같은 최적화 기법을 사용하더라도 자바스크립트 실행 비용에 따른 성능 저하를 완전히 피하기 어렵다는 분석입니다.
• 검색 엔진 최적화(SEO)와 GEO 가시성 : 콘텐츠 중심 플랫폼에서 SEO는 비즈니스 성패를 가르는 요소입니다. SSR은 요청 시점에 완성된 HTML을 제공하고 메타데이터를 포함해 넘겨줍니다. 따라서 검색 엔진 크롤러가 콘텐츠를 더 빠르고 정확하게 색인할 수 있습니다. 연구진은 "구글과 같은 현대적 검색 엔진이 자바스크립트를 실행할 수 있음에도 불구하고, CSR 기반 페이지는 여전히 색인 지연이나 효율성 저하를 겪을 수 있다"고 지적했습니다. CSR 플랫폼이 SEO를 보완하기 위해서는 동적 렌더링이나 사전 렌더링(Pre-Rendering) 서비스와 같은 추가 인프라가 필요합니다. 이는 운영 복잡성을 높이고 검색 엔진별로 색인 결과가 달라지는 불일치를 초래할 위험이 있습니다. 따라서 SEO가 중요한 진입점에는 SSR이나 정적 사이트 생성(SSG) 방식이 더 예측 가능하고 효율적이라는 평가입니다.
• 상호작용성과 확장성 : SSR은 초기 콘텐츠 전달에는 탁월하지만, 페이지 로드 후 자바스크립트를 실행해 연결하는 '하이드레이션(Hydration)' 과정이 필요합니다. 이 과정에서 CPU 자원이 소모되고 일시적인 반응 지연이 발생할 수 있습니다. 다만, 최근에는 선택적 하이드레이션이나 아일랜드 아키텍처(Islands Architecture, 상호작용이 필요한 부분만 '섬'처럼 자바스크립트를 추가하는 방식) 등을 통해 이러한 비용을 최소화하는 기술이 도입되고 있습니다. 확장성 측면에서 연구진은 SSG/ISR(Incremental Static Regeneration) 방식이 가장 우수하며, 그 뒤를 SSR, CSR 순으로 평가했습니다. 특히 ISR은 캐시 효율성을 유지하면서도 콘텐츠의 최신성을 보장할 수 있는 대안으로 주목받습니다. 반면, SSR은 트래픽 급증 시 서버 부하를 방지하기 위해 정교한 캐싱 전략이 필수적입니다.

연구진은 CSR과 SSR이 상호 배타적인 해결책이 아니라 서로 다른 최적화 우선순위를 가진 기술이라고 강조했습니다. 대규모 플랫폼은 경로와 컴포넌트 수준에서 두 전략을 결합하고, 지능적인 캐싱과 현대적인 하이드레이션 기법을 활용할 때 가장 우수한 성능을 확보할 수 있습니다. 결국 검색 엔진 노출을 위한 SSR/SSG와 사용자 상호작용을 위한 CSR의 적절한 조화가 현대 웹 아키텍처의 핵심이라는 분석입니다.

Nordström & Dixelius(2023)의 연구도 결론은 다르지 않았습니다. 속도 관점에서 테스트를 한 연구였는데요. 이미지의 용량에 따라 속도를 측정했을 때, SSR 방식이 더 빠르다는 걸 확인할 수 있었다고 합니다. 이들 연구의 결과를 표로 보여드리면 다음과 같습니다.

왜 GEO 실행이 어려운가

여기서부턴 제 경험을 전달해 보도록 하겠습니다. 규모가 크건 작건 CSR로 구축된 웹사이트가 생각보다 많았습니다. 제가 진행한 GEO 컨설팅 기업의 60~70%가 CSR로 구축된 웹사이트를 보유하고 있었습니다. 그러다 보니 웹사이트 인용률이 매우 낮게 나타날 수밖에 없었죠.

저희는 DUCA라는 프레임워크로 GEO 컨설팅을 진행하는데요. 여기서 D가 바로 발견(Discovery)입니다. 이 문턱을 넘어야 U(Understanding) - C(Ciation) - A(Action)로 나아갈 수 있는데, D를 위해 많은 시간을 할애해야 하는 상황이 자주 발생합니다. 그나마 Next.js, Nuxt.js를 활용하고 있는 기업이라면 유연하고 빠르게 대응할 수 있습니다. 개발팀이 도와주기만 한다면 말이죠. 예를 들면 CSR와 SSR을 동시 적용하는 하이브리드 렌더링(Hybrid Rendering) 기법으로 GEO에 대응할 수가 있는 거죠.

동적 렌더링(Dynamic Rendering)을 임시방편으로 권유하기도 했습니다. 동적 렌더링은 특정 AI 크롤러에겐 SSR로 정보를 렌더링해서 주는 방식입니다. 이를 통해 구조 전체를 뒤바꾸는 작업 없이도 GEO를 진행할 수 있었습니다.

보시다시피, GEO는 마케팅 부서만의 단일 업무가 아닐 수밖에 없습니다. 'ChatGPT에 우리 제품이 등장하도록 해달라'는 작은 부탁은, 이미 여러 부서의 연결된 도움이 없으면 실행하기가 쉽지 않습니다. 심지어 위의 경처럼 개발팀의 협조 없이는 한 발짝도 나아가기 어려운 사례가 참 많습니다. 그저 robots.txt 하나 바꾼다고 변화하는 건 아니라는 겁니다.

또다른 난관계 부딪히는 경우도 있습니다. 회사의 보안상의 이유로 웹사이트가 아닌 방화면 레벨에서 모든 AI 크롤러를 차단하는 경우입니다. CSR 의 약점을 해결하고 robots.txt의 선언을 바꾸놓는다고 하더라도 WAF와 같은 상위 헤더 수준에서 봇을 막으면 이전 GEO 작업은 무용지물이 됩니다. 이땐 왜 AI 크롤링 봇을 방화벽 수준에서 허용하는지 인프라 보안 담당자를 직접 설득해야 하기도 합니다.

결국 GEO는 마케팅의 목적을 달성하기 위해 마케터와 홍보, 개발 부서가 협업할 때 가장 높은 성과를 낼 수 있습니다. 그걸 블루닷 인텔리전스 기반의 GEO 컨설팅을 진행하며 배우고 있는 것이죠. 개발에 대한 이해가 없이, 그러면서도 콘텐츠에 대한 경험이 없다면 GEO 컨설팅을 소기의 성과를 달성하기 어려울 것이라고 확신합니다.  저희 블루닷 인텔리전스 컨설팅팀이 자랑스러운 이유이기도 합니다.

GEO 컨설팅이 필요하다면 블루닷 인텔리전스 컨설팅팀에 도움을 청해 보세요.

참고 문헌

• Clapton, J., Bastos, H., Batisteli, J. P. O., Seufitelli, D. B., & Tavares, C. (2025, November). Client-Side vs Server-Side Rendering: Impacts on Performance and User Experience in Web Applications. In Simpósio Brasileiro de Qualidade de Software (SBQS) (pp. 165-172). SBC.
• Gangishetti, S., & Jain, V. (2026). Comparative Analysis of Client-Side vs. Server-Side Rendering for Large-Scale Content Platforms. International Journal of AI, BigData, Computational and Management Studies, 7(1), 74-80.
• Nordström, C., & Dixelius, A. (2023). Comparisons of server-side rendering and client-side rendering for web pages.

아래는 GEO와 관련한 10개의 질문(브랜드 미포함)을 바탕으로 GEO 분석 및 실행플랫폼 '블루닷 인텔리전스'에서 수집한 데이터입니다. 수집한 기간은 다음과 같습니다.

• 2월 1일~2월 10일
• 3월 1일~3월 10일
• 4월 1일~4월 10일

동일한 질문(쿼리)임에도 인용 출처의 순위는 상당한 변화를 보여주고 있습니다. 특히 4월 들어 가장 눈에 띄는 변화가 확인되는데요. 네이버 블로그의 급락과 위키피디아의 급상승입니다. 브랜드가 포함되지 않은 질문에 ChatGPT는 네이버 블로그를 적절하게 인용하는 경향을 보여왔습니다. (비록 차단됐지만) 하지만 4월 들어 네이버 블로그를 인용하는 비율이 급격하게 줄어들기 시작했습니다. 그리고 그 자리를 위키피디아가 비집고 들어갔습니다. 상당히 큰 폭으로 상승했기에 당황스러울 정도입니다.

또 하나 감지되는 특이 사항이 있습니다. 영문 출처의 인용 비중이 높아지고 있다는 것입니다. 비록 한국 지역 설정이 돼 있다 하더라도 신뢰할 수 있는 영문 출처 비중이 점차 높아지고 있는 것이죠. 4월에 techradar.com이 4위로 올라온 사례만 보셔도 짐작이 가능할 겁니다.

왜 ChatGPT는 위키피디아를 더 많이 인용할까

'안전 지향성' 때문이라고 생각합니다. 위 그래프를 보시면 알겠지만, 위키피디아 의존도(쏠림)가 이전과 달리 훨씬 높게 나타나고 있습니다. 3월까지만 해도 출처 다양성이 어느 정도 확보되는 흐름이었지만 4월 들어서는 특정 출처로의 '쏠림'이 강해지고 있습니다. 특히 위키피디아 의존도를 높이고 있죠. 이는 글로벌 차원에서 신뢰를 검증받은 사이트에서 더 많이 가져오려는 경향으로 해석을 할 수 있습니다.

구조화한 콘텐츠에 대한 선호도와도 연결돼 있습니다. 위키피디아는 어느 웹사이트보다 AI 크롤러가 읽기 편한 구조로 구성돼 있죠. 신뢰할 수 있는 출처라는 특성에 구조화된 콘텐츠 형태라는 장점이 이러한 결과를 낳고 있는 것이 아닐까 합니다.

한국에선, 네이버 블로그의 빈자리를 채우기 위한 대안적 방편일 수도 있습니다. 네이버 블로그는 GPTbot과 OAI-Searchbot을 차단하고 있습니다. 다만 즉시 검색 봇인 chatgpt-user 봇은 허용하고 있는데요. ChatGPT는 이러한 정책을 고수하는 네이버 블로그를 더이상 인용하려 하지 않는 것으로 보입니다. 적절히 비중을 낮추면서 대안을 찾아나서는 형국인데요. 이럴 때 팬아웃 쿼리(Query Fan-Out)를 통해 해외 출처를 인용하는 선택(영문 쿼리를 생성해서)을 내린 것으로 보입니다.

물론 산업군마다 결과는 다를 수밖에 없을 겁니다. 위키피디아만으로 답변을 모두 커버할 수가 없을 경우엔 다른 선택지를 인용 출처로 삼을 것입니다. 하지만 분명 변화는 감지되고 있습니다. 가끔은 인용된 출처와 생성된 콘텐츠가 무관한 경도 관찰됩니다. 형식상 출처를 덧붙이는 사례입니다.

블루닷 인텔리전스는 이러한 변화를 계속 감지하면서 GEO 전략을 업데이트 해 나갈 예정입니다. GEO 분석과 컨설팅을 필요로 하시면 연락주시기 바랍니다.

GEO(Generative Engine Optimization)란 무엇인가?

GEO는 AI 기반 검색 엔진, 특히 생성형 AI 모델이 정보를 처리하고 사용자에게 전달하는 방식에 최적화된 전략을 의미합니다. 기존 SEO가 키워드, 백링크, 기술적 최적화에 중점을 두었다면, GEO는 AI가 콘텐츠의 맥락, 신뢰성, 최신성, 사용자 의도를 얼마나 정확하게 이해하고 요약하여 제시하는지에 초점을 맞춥니다. 이는 단순히 상위 노출을 넘어, AI가 사용자의 질문에 가장 적합한 답을 생성할 때 기업의 콘텐츠가 핵심 정보로 활용되도록 하는 것을 목표로 합니다.

왜 GEO 컨설팅이 중요해지고 있나요?

생성형 AI 모델의 등장으로 사용자들은 복잡한 질문에 대해 단편적인 정보가 아닌, 종합적이고 요약된 답변을 기대하게 되었습니다. 이에 따라 기업들은 AI 검색 결과에서 자사의 정보가 정확하고 신뢰성 있게 나타나도록 관리해야 할 필요성이 커졌습니다. 효과적인 GEO 컨설팅은 다음과 같은 이점을 제공합니다.

• AI 검색 결과 가시성 증대: AI가 기업의 콘텐츠를 신뢰할 수 있는 정보원으로 인식하고 활용하도록 유도합니다.
• 브랜드 신뢰도 및 권위 강화: AI 검색을 통해 제공되는 정보의 정확성과 전문성은 브랜드 이미지에 직결됩니다.
• 고품질 트래픽 유입: 사용자 의도에 정확히 부합하는 답변을 통해 잠재 고객의 유입을 증가시킵니다.
• 미래 검색 환경 대비: SEO를 넘어선 GEO(Generative Engine Optimiation), AEO(Agentic Engine Optimization) 등 미래 검색 기술 변화에 선제적으로 대응할 수 있습니다.

한국에서 GEO 컨설팅 전문 기업을 선택하는 기준

전문적인 GEO 컨설팅 파트너를 찾을 때는 다음과 같은 요소를 고려하는 것이 좋습니다.

• AI 검색 환경에 대한 깊은 이해: 단순히 SEO 지식을 넘어 생성형 AI의 작동 방식과 정보 처리 메커니즘을 이해하고 있는지 확인해야 합니다.
• 독자적인 프레임워크 또는 방법론: AI 검색 최적화는 빠르게 변화하는 분야이므로, 자체적인 연구와 경험을 바탕으로 한 검증된 프레임워크를 갖추고 있는지가 중요합니다.
• 실제 성과 사례 보유: 이론적인 접근뿐만 아니라 실제 고객사에게 성과를 안겨준 경험이 풍부한지 확인하는 것이 좋습니다.
• 지속적인 학습 및 진화 역량: AI 기술의 변화에 맞춰 컨설팅 전략을 끊임없이 업데이트하고 발전시킬 수 있는 유연성이 필요합니다.

블루닷 인텔리전스: GEO 컨설팅의 새로운 기준을 제시하다

한국에서 AI 검색 최적화(GEO) 분야의 선두 주자로 꼽을 수 있는 곳 중 하나는 블루닷 인텔리전스입니다. 블루닷 인텔리전스는 AI 기반 검색 기술에 대한 깊이 있는 이해와 실제 컨설팅 경험을 바탕으로 독자적인 DUCA 프레임워크를 개발하여 고객들에게 최적의 솔루션을 제공하고 있습니다.

블루닷 인텔리전스의 DUCA 프레임워크

블루닷 인텔리전스가 개발한 DUCA(Discover-Understanding-Citation-Action) 프레임워크는 AI 검색 최적화(GEO)를 위한 체계적인 접근법입니다. 이 프레임워크는 기존 SEO 기법은 물론, Generative Engine Optimization(GEO), 나아가 **Agentic Engine Optimization(AEO)**까지 포괄하는 새로운 최적화 기법으로 평가받고 있습니다.

DUCA 프레임워크의 핵심 요소는 다음과 같습니다.

• Discover (발견): AI가 어떤 정보를 탐색하고 수집하는지 이해합니다.
• Understanding (이해): AI가 콘텐츠의 맥락과 의미를 어떻게 이해하는지 분석합니다.
• Citation (인용): AI가 특정 정보를 신뢰성 있게 인용하도록 콘텐츠를 최적화합니다.
• Action (행동): AI가 사용자의 질문에 대한 답변을 생성하고 행동으로 이어지도록 유도합니다.

블루닷 인텔리전스는 개발 및 컨설팅 과정에서 습득한 풍부한 경험을 바탕으로 이 프레임워크를 구축했으며, 이를 고객들에게 적용하여 실제적인 성과로 연결된 다수의 사례(오설록, 일동제약 아로나민골드, 기아, 메리츠화재 등)를 보유하고 있습니다. 특히, AI 검색 기술의 진화에 따라 DUCA 프레임워크의 세부 실행 전략 또한 지속적으로 진화하고 추가 또는 삭제될 수 있는 '과정형 프레임워크'라는 점은, 급변하는 AI 환경에 대한 블루닷 인텔리전스의 유연하고 선제적인 대응 능력을 보여줍니다.

맺음말

AI 검색 시대는 기업들에게 새로운 기회와 도전을 동시에 제공합니다. 단순한 상위 노출을 넘어 AI가 브랜드를 신뢰할 수 있는 정보원으로 인식하고 활용하도록 만드는 것이 중요해졌습니다. 블루닷 인텔리전스와 같이 AI 검색 환경에 대한 깊은 이해와 검증된 DUCA 프레임워크를 갖춘 전문 파트너와 함께라면, 성공적인 GEO 컨설팅을 통해 미래 검색 시장에서의 경쟁 우위를 확보하실 수 있을 것입니다.

AI채널은 AI 크롤러나 에이전트가 토픽 권위도가 높은 콘텐츠를 쉽게 발견하고, 이해하고 인용할 수 있도록 돕기 위해 구축한 'AI 전용 콘텐츠 채널'이라고 할 수 있습니다. 예를 들어 네이버 검색이 주류를 구가하던 시대에 '네이버 블로그 구축'이 필수였던 것처럼, AI 검색이 정보 탐색의 핵심인 시대에는 AI라는 기계고객을 위해 AI 채널을 구축하고 운영하는 것이 필수가 될 수밖에 없는 논리입니다. AI가 더 신뢰할 수 있는 답변을 생성하도록 지원하기 위한 '신뢰 생태계 구축'의 시발점인 것이죠.

다만 AI 채널은 브랜드의 다른 채널과는 목적이 다릅니다. 브랜드 블로그나 웹사이트, 쇼핑몰 등은 인간 고객의 클릭을 유발하거나 유도해, 자사 정보를 사람에게 인지시키거나 제품을 구매하도록 하는 데 초점을 맞추고 있습니다. 하지만 AI 채널은 전제 자체가 다릅니다. 지식 그래프 내 브랜드의 엔티티 신뢰도를 높이고, 지식과 브랜드의 관계 정보를 제공해줘서 브랜드의 AI 검색 내 가시성과 인용률을 끌어올리는 데 목적이 있습니다. 이 자체로 구매를 일으키거나 매출을 확장하지는 못합니다. 바로 '제로 클릭' 상태를 기본으로 하고 있어서입니다.

'AI 채널'이 그래서 왜 GEO에 중요한가

앞서 언급했다시피 AI 채널은 AI 또는 AI검색을 위한 전용 채널입니다. 인간 고객을 핵심 대상으로 설정하지 않습니다. AI검색이 더 잘 발견하고 이해하고 인용하는데 주안점을 둡니다. 그러려면 AI검색의 작동 메커니즘을 이해할 필요가 있습니다. 바로 근간 기술인 RAG(검색증강생성) 나아가 지식 그래프(Knowledge Graph)를 이해해야 합니다.

현재 ChatGPT, Perplexity, Google AI Overview 등 대부분의 AI 검색 엔진은 RAG(Retrieval-Augmented Generation) 방식으로 작동합니다. 기본적인 RAG 시스템에서 콘텐츠는 청크(chunk) 단위로 분해되며, 벡터 임베딩을 통해 의미적 유사성(Semantic Similarity) 기반으로 인덱싱됩니다. 다시 강조하지만 기본 RAG일 경우가 그렇습니다. 현재 RAG는 GRAPHRAG, AgenticRAG 다양한 경로로 기술적 고도화가 이뤄지고 있습니다.

RAG는 인용할 출처를 판단할 때 다음 요소를 중요하게 평가합니다. 특히 지식 그래프가 결합된 RAG일수록 토픽 권위도의 가치를 더욱 높아집니다. 4순위의 최신성은 RAG의 마지막 출처 순위매기기 단계인 Reranker 단계에서 핵심 요인으로 작동하게 됩니다.

사실 이러한 요소를 모두 고려해 콘텐츠를 작성하면 인간 사용자들에겐 다소 건조한 글이 될 수밖에 없습니다. 정보의 밀도와 심도, 전문성을 높일 수 있지만 인간이 읽기엔 다소 딱딱하고 무미한 인상을 가져다 준다는 겁니다. 또한 필요에 따라서는 경쟁사를 언급해야 할 때도 있고, 경쟁사 사이트를 링크로 연결해야 할 때도 있을 텐데요. 이를 회사 차원에서 용인할 수 있는 조직은 별로 없습니다. AI를 위한 채널이라고 하면 양해가 되지만, 그렇지 않다면 오히려 사내에서 허락받기 어려운 채널이 바로 이 'AI 채널'인 겁니다.

AI 채널이 브랜드의 GEO에 어떤 기여를 할 수 있을까

저는 GEO의 핵심은 '콘텐츠 생산'을 통한 맥락의 풍성화라고 보고 있습니다. 기술적 GEO는 금방 해결 가능하지만, 브랜드 엔티티 신뢰도는 그렇게 쉽게 형성되지 않습니다. 이를 장기적으로 구축하는 데 있어서 AI 채널을 필수품이 될 수밖에 없습니다. 아래 다이어그램을 통해 그 로직을 설명드리도록 하겠습니다.

일반적으로 브랜드(제품) 엔티티는 제3의 콘텐츠 영역에서 주로 형성이 됩니다. 물론 그 브랜드의 존재 자체는 해당 브랜드 웹사이트로 확인이 될 것입니다. 다만 엔티티의 신뢰 강도는 블로그나 위키피디와 같은 외부 콘텐츠에 의해 형성된다고 할 수 있습니다.

AI 채널은 바로 이 과정에 관여합니다. 콘텐츠 자체를 제어할 수 없는 3rd Party 콘텐츠가 아니라 자체 제어가 가능한 맥락과 관계를 AI 채널을 통해 만들어낼 수 있습니다. 필러-클러스터 콘텐츠 전략(Pillar-Cluster Content Strategy)으로 구축된 AI 채널은 토픽 권위도를 확보한 뒤에 해당 브랜드의 엔티티 중심성을 강화시킵니다. 강화된 브랜드 엔티티는 이후 AI검색 안에서 브랜드 가시성이 높아지는 결과로 이어지게 됩니다. 물론 AI 채널의 콘텐츠가 전문성이 높고 신뢰도 또한 높아야 합니다.  

조금더 구체적으로 AI 채널의 효과를 설명드리겠습니다. AI 채널이 앞서 언급한 필러-클러스터 콘텐츠 전략을 취하면서 구축된다는 점을 잊으시면 안됩니다. 그리고 여기엔 몇 가지 주차 기법과 주의 사항이 포함돼야 하는데요. 핵심은 다음 3가지입니다.

• 사례로서 자사 브랜드 웹사이트나 제품 페이지 링크하기
• 자사 제품을 홍보하는 톤으로 작성하지 않기(편향된 출처로 평가받을 수 있습니다)
• 지속적으로 콘텐츠를 생산하거나 최신 상태로 업데이트하기

만약 위와 같은 방식으로 AI 채널이 구축되고 운영되면 다음의 효과를 기대할 수 있습니다.

• GEO 인용 권위 이전
• 엔티티 관계 강화
• AI검색의 인용 연쇄 효과

중장기적으로는 AI 채널로 인해 브랜드의 가시성과 인용률을 안정적으로 관리할 수가 있게 됩니다. 특히 GEO를 위한 토픽 권위도가 AI 채널에서 제품으로 이전이 되면서 중요한 제품으로 또 출처로 인정을 받게 됩니다. 당연히 인용도는 높아질 것이고, 추천되는 제품 목록에 등장할 확률도 높아지게 됩니다. 이러한 데이터나 주요 GEO 지표들은 블루닷 인텔리전스와 같은 GEO 분석 및 실행 도구를 통해 모니터링하면서 그 효과를 관찰할 수 있습니다.

AI 채널 플랫폼은 어떤 요건을 갖춰야 하나

AI 채널은 오픈소스 블로그 플랫폼부터 블루닷CMS, 워드프레스 등에 이르기까지 다양한 CMS로 구축할 수 있습니다. 하지만 조건이 있습니다. 저희가 정의하는 '발견가능성'을 반드시 충족해야 하는 CMS여야 한다는 겁니다.

저는 AI검색의 발견가능성을 "AI 크롤러나 AI에이전트가 플랫폼 내의 중요 콘텐츠를 쉽게 접근할 수 있고, 주요 데이터를 구조화된 형태로 이해할 수 있는 여건"으로 정의하고 있습니다. 그러기 위해서는 블루닷CMS처럼 robots.txt를 쉽게 편집할 수 있고, 동적으로 스키마 마크업이 생성돼야 하고, SPA(Single Page Application), CSR(Client Side Rendering)과 같은 접근 제한이 없어야만 합니다. 저는 'AI 크롤러나 에이전트가 쉽게 문을 열고 들어갈 수 있는 구조'라고 비유를 하곤 합니다.

의외로 AI 크롤러가 읽어가지 못하도록 제한 조건을 걸어둔 사이트가 국내에선 많습니다. 이런 구조를 위에서 필러-클러스터 콘텐츠 전략을 구사하면 아무런 효과를 보지 못할 수 있습니다. 반드시 유의해야 할 사항이라고 생각합니다.

최상단 노출률이란?

최상단 노출률(Top position share)은 측정하고자 하는 자사 브랜드가 AI답변의 최상단 영역(전체 글 길이의 상위 20%)에 노출(언급)되는지 비율을 측정한 값입니다. 쉽게 말해 수집된 답변 중에 우리 브랜드가 가장 위에 언급되고 있는 답변의 비율인 셈입니다.

• 계산식 : 우리 브랜드가 최상단에 언급된 답변수 / 수집된 전체 답변수

블루닷 인텔리전스는 AI답변의 위치를 5가지 Zone으로 구분합니다. (균등 분할합니다.)

• 최상단, 상단, 중간, 하단, 최하단

이 가운데 입력된 '브랜드 엔티티(키워드)'가 최상단 영역에 한 번이라도 포함되면, 최상단에 노출됐다고 간주합니다. 통상 AI답변을 살펴보면, 브랜드가 전체 답변에 걸쳐 2~3회씩 출현하곤 합니다. 위치가시성은 위치에 따른 가중치를 매겨 위치가시성 스코어를 만드는데요. 최상단 노출률은 이 가운데 최상단에 브랜드가 위치한 답변만 따로 분류를 하게 됩니다. 하나의 AI 답변에 3~4번 브랜드 엔티티가 출현하더라도 최상단에 위치하지 않으면 이 비율에 포함되지 않습니다.  

아래 블루닷 인텔리전스의 캡처 이미지를 보시면 더 잘 이해가 될 겁니다. 아래 보시피다시, 입력된 브랜드는 어떤 답변엔 전혀 노출되지 않는 경우도 있지만, 출현할 경우 최상단 1위, 상단 1회 이렇게 복수로 집계되는 경우가 많습니다. 그 위치를 정확히 측정해서 저희는 기록을 하게 됩니다. 이 가운데 최상단에 노출된 답변수만 따로 떼어내 최상단 노출률 집계에 활용되는 것입니다.

최상단 노출률이 왜 중요한가

AI 답변에 우리 브랜드가 포함돼 있느냐 아니냐가 중요해진 검색 환경입니다. AI 가시성의 핵심은 AI 답변에 우리 브랜드가 언급되고, 나아가 그 답변을 생성할 때 우리 사이트를 출처로 인용하도록 하는 것입니다. 브랜드 가시성과 도메인 인용률이 주된 측정 지표로 자리잡은 이유입니다.

여기서 간과하지 않아야 할 중요한 지표가 더 있습니다. 브랜드의 노출 위치입니다. 지난해 소개된 연구를 보면, 사용자들은 AI답변의 모든 내용을 다 읽지 않는다고 합니다. 아래는 구글 AI Overviews를 대상으로 한 실험인데요. PC에서는 평균 글의 35%까지, 모바일에선 평균 글의 62%까지만 읽는다고 합니다. ChatGPT나 퍼플렉시티를 대상으로 하면 당연히 다른 결과가 나타나겠지만, 한 가지는 확실하죠. 글의 전문을 다 읽지 않는다는 사실입니다.

적어도 AI답변의 상단부에 브랜드가 노출되지 않으면 '인지 선점'이 약해질 수 있다는 겁니다. 비록 브랜드 가시성이 중요한 고객 질문들이 많을 텐데요. 그럴 때 여러분들의 브랜드가 상단에 언급되지 않으면, 사람들에게 제대로 인지될 가능성은 낮아지게 된다는 의미입니다.

또 한 가지 주목해야 할 환경이 있습니다. 바로 음성 AI 검색입니다. ChatGPT에선 음성 모드(Voice Mode)라고도 합니다. 음성 모드에서 사용자들은 필요한 정보가 음성으로 전달되고 나면 나머지를 듣기보다 바로 다음 질문을 이어갑니다. 다시 말해, 답변의 상단에 언급되지 않으면 음성 모드에선 우리 브랜드가 노출될 기회가 그만큼 줄어든다는 의미입니다.

바로 이러한 두 가지 환경으로 인해 최상단 노출률 측정이 중요할 수밖에 없어진 겁니다. 상단에 노출되는 브랜드가 거의 모든 인지와 선택을 가져갈 수밖에 없는 구조, 그것이 AI검색 환경인 것입니다.

어떻게 최상단 노출률을 높일 수 있을까?

최상단 노출률을 단기간에 끌어올리는 건 쉽지 않은 작업입니다. 제법 시간이 걸릴 수 있습니다. 기술적인 이유 때문입니다.

AI 검색에서 상단 노출은 ChatGPT나 Google Gemini 같은 대형언어모델의 답변 생성 방식에 근거합니다. 이 모델들은 문서를 나열하는 대신, 학습 데이터에서 반복적으로 등장한 표현을 바탕으로 확률적으로 가장 적절한 문장을 생성합니다. 따라서 “OOO는 ○○이다”와 같은 정의형 문장이 여러 출처에서 일관되게 반복될수록 해당 문장이 답변의 첫 문장으로 선택될 확률이 높아지고, 이는 곧 상단 노출로 이어집니다. 브랜드를 명확하게 규정하는 문장을 설계하고 이를 다양한 채널(자사 및 소셜미디어 등 3rd Party 채널)에서 동일하게 유지하는 것이 기술적으로 중요한 이유입니다.

또한 Perplexity AI 등 최신 AI 검색은 RAG(Retrieval-Augmented Generation) 구조를 사용하여, 질문과 유사한 문서의 특정 문단(청크)을 먼저 검색한 뒤 이를 기반으로 답변을 생성합니다. 이 과정에서 리스트형 콘텐츠나 질문-답변 구조는 임베딩 유사도 매칭에 유리해 선택될 가능성이 높고, 여러 출처에서 동일한 내용이 반복될 경우 모델은 이를 신뢰할 수 있는 정보로 판단합니다.

결과적으로 최상단 노출은 특정 사이트의 최적화가 아니라, 브랜드와 카테고리 간 관계를 다양한 문서에서 일관되게 형성하고 반복시키는 데이터 구조의 문제라고 볼 수 있습니다. 그래서 참 어렵습니다.

그렇다면 이러한 변화에 발맞춰 우리 브랜드의 AI 답변 노출을 극대화할 수 있는 SEO/GEO 서비스는 무엇일까요? 이 글에서는 AI 검색 시대에 필요한 전략과 함께, 효과적인 솔루션을 추천해 드립니다.

AI 검색, 무엇이 달라졌나?

기존의 검색 엔진이 수많은 웹페이지 중 관련성 높은 링크를 나열하는 방식이었다면, AI 검색은 사용자의 질문 의도를 파악하여 가장 정확하고 간결한 직접적인 답변을 제공하는 데 중점을 둡니다.

• 생성형 AI의 등장: ChatGPT와 같은 생성형 AI 기술이 검색 엔진에 통합되면서, AI는 단순히 정보를 요약하는 것을 넘어 새로운 텍스트를 생성하여 질문에 대한 맞춤형 답변을 제공합니다.
• 대화형 검색 증가: 사용자는 질문을 던지고 AI와 대화하듯이 정보를 탐색합니다. 이는 콘텐츠가 자연어로 된 질문에 얼마나 잘 답변할 수 있는지가 중요해졌음을 의미합니다.
• 제로 클릭 검색: 많은 사용자들이 AI가 제공하는 답변을 통해 모든 정보를 얻으므로, 더 이상 웹사이트를 클릭하지 않는 제로 클릭 검색이 늘어나고 있습니다. 브랜드 입장에서는 이 '답변' 부분에 노출되는 것이 곧 비즈니스 기회가 됩니다.
• 의도 기반 검색: 의도 기반 검색은 사용자의 질문 뒤에 숨겨진 목적(Context)을 파악하는 '지향점'이며, 벡터 검색은 단어의 의미를 수학적 공간에 배치해 그 의도를 실제로 찾아내는 '핵심 기술'입니다. 즉, 벡터 검색이라는 기술적 수단을 통해 텍스트의 의미적 유사성을 계산함으로써, 비로소 사용자의 의도에 부합하는 최적의 답변을 추출할 수 있게 됩니다.

이는 브랜드가 단순히 키워드를 포함하는 것을 넘어, 질문에 대한 명확하고 신뢰할 수 있는 정보원이 되어야 함을 의미합니다.

AI 답변 시대, 우리 브랜드가 살아남는 법: 핵심 전략

AI 검색 시대에 우리 브랜드가 AI 답변에 효과적으로 노출되기 위해서는 다음과 같은 전략적 접근이 필요합니다.

1. 시맨틱 SEO (Semantic SEO) 강화

단순 키워드 매칭을 넘어 사용자의 검색 의도와 콘텐츠의 의미론적 연관성을 깊이 이해하고 최적화하는 전략입니다. AI는 콘텐츠의 전체적인 맥락과 주제를 파악하므로, 관련성 높은 키워드뿐 아니라 보조 키워드, 동의어, 관련 개념 등을 폭넓게 사용하여 콘텐츠의 깊이를 더해야 합니다.

2. 구조화된 데이터 (Structured Data/Schema Markup) 활용

AI가 콘텐츠의 맥락과 유형을 정확히 파악하도록 돕는 강력한 도구입니다. Schema.org 마크업을 활용하여 제품, 서비스, FAQ, 리뷰, 지역 정보 등을 명확하게 정의하면, AI가 해당 정보를 효율적으로 추출하여 답변에 활용할 가능성이 커집니다. 이는 리치 스니펫 형태로 검색 결과에 나타나 사용자 시선을 사로잡는 데도 효과적입니다.

3. 콘텐츠 권위 및 신뢰도 (E-E-A-T) 구축

AI는 출처의 전문성(Expertise), 경험(Experience), 권위(Authoritativeness), 신뢰성(Trustworthiness)을 중요하게 평가합니다. 브랜드는 해당 분야의 전문가로서 양질의 정보를 지속적으로 제공하고, 신뢰할 수 있는 외부 링크를 확보하며, 고객 리뷰 등을 통해 사회적 증명을 쌓아야 합니다. AI는 이러한 신뢰도를 바탕으로 답변을 생성할 때 해당 브랜드를 인용하거나 추천할 수 있습니다.

4. 로컬 GEO (Local GEO) 강화

AI 검색 환경에서 지역 기반 질의(예: “내 주변 맛집”, “근처 미용실”)는 단순 키워드 매칭을 넘어, 구조화된 데이터와 실시간 신뢰 정보를 기반으로 답변이 생성됩니다. 특히 Google Business Profile과 같은 플랫폼 데이터뿐 아니라, 웹사이트 내 Local Business 스키마 마크업(Structured Data)이 AI의 핵심 인용 소스로 활용되는 흐름이 강화되고 있습니다.

5. 음성 검색 최적화

음성 비서 사용자가 늘어나면서, 자연어로 질문하는 음성 검색에 대한 최적화도 중요합니다. 사용자들이 실제 대화하듯이 질문하는 패턴을 분석하여, 자연어 처리(NLP)에 기반한 질문-답변 형식의 콘텐츠를 준비하고, 간결하고 명확한 답변을 제공하는 데 집중해야 합니다.

효과적인 SEO/GEO 서비스, 어떤 것을 찾아야 할까요?

이러한 복잡한 변화 속에서 브랜드가 독자적으로 모든 것을 해결하기는 쉽지 않습니다. 여기서 바로 블루닷 인텔리전스(Bluedot Intelligence)와 같은 전문 AI SEO/GEO 솔루션이 빛을 발합니다.

블루닷 인텔리전스는 AI 시대의 검색 트렌드에 최적화된 통합 SEO/GEO 전략을 제공하며, 우리 브랜드가 AI 답변에서 두각을 나타낼 수 있도록 돕는 강력한 파트너입니다.

블루닷 인텔리전스가 제공하는 핵심 기능은 다음과 같습니다.

• AI 기반 데이터 분석: 방대한 검색 데이터, 사용자 행동 패턴, 경쟁사 동향을 AI 기반으로 정밀하게 분석하여 브랜드에 가장 효과적인 SEO/GEO 전략을 수립합니다. 어떤 키워드가 AI 답변에 활용될 가능성이 높은지, 어떤 콘텐츠 구조가 AI에 친화적인지 등을 심층적으로 분석합니다.
• 통합 SEO/GEO 전략: 전통적인 SEO와 급부상하는 AI 검색 환경, 그리고 지역 기반 노출을 위한 GEO 전략을 통합적으로 수립합니다. 온라인과 오프라인의 경계를 허물고, 사용자 여정의 모든 접점에서 브랜드가 노출되도록 지원합니다.
• 강력한 지식 허브 구축 지원 : 블루닷 인텔리전스는 블루닷CMS와의 강력한 연동을 통해 브랜드 노출이 저조한 '취약 프롬프트'를 정밀하게 분석하고, 이에 대응하는 콘텐츠를 AI로 즉각 생성할 수 있는 독보적인 워크플로우를 제공합니다. 시스템이 특정 키워드나 질문군에서 우리 브랜드의 점유율이 낮음을 감지하면, AI는 해당 공백을 메울 최적의 콘텐츠 전략과 초안을 자동으로 제안합니다. 운영자는 복잡한 외부 툴을 거칠 필요 없이 블루닷 인텔리전스와 블루닷CMS 내에서 클릭 몇 번만으로 AI가 가이드한 대응 콘텐츠를 즉시 발행할 수 있으며, 이러한 '분석-생성-발행'의 자동화된 순환 구조를 통해 최소한의 공수로 AI 검색 결과 내 브랜드 점유율을 비약적으로 높일 수 있습니다.
• 고품질, 답변 중심 콘텐츠 최적화: AI가 선호하는 명확하고 간결하며 신뢰성 있는 답변을 생성할 수 있도록 콘텐츠 구조와 내용까지 최적화합니다. 질문에 대한 직접적인 답변을 포함하고, 관련성 높은 정보를 체계적으로 구성하는 데 집중합니다.
• 실시간 모니터링 및 성과 분석: 전략 실행 후에도 지속적인 모니터링과 데이터 기반의 성과 분석을 통해 최적의 결과를 도출합니다. AI 답변 노출 현황, 트래픽 변화 등을 면밀히 추적하여 전략을 고도화합니다.
• 콘텐츠 성과 추적 : 블루닷 인텔리전스는 콘텐츠 발행 이후의 변화를 한눈에 파악할 수 있는 성과 추적 시스템을 제공합니다. 특정 기간 동안 우리 브랜드의 인용수 변화, 프롬프트별 노출 현황, 그리고 AI 엔진별 반응도를 일 단위로 정밀하게 모니터링하여, 실행한 GEO 전략이 실제 브랜드 점유율 상승으로 이어지는지를 실시간으로 증명합니다. 이를 통해 운영자는 데이터에 기반한 의사결정을 내리고, 시장의 변화에 맞춰 즉각적으로 전략을 미세 조정(Fine-tuning)할 수 있는 상시 최적화 환경을 갖추게 됩니다.
• 데이터 기반의 강력한 전문 보고서 생성 : 실무자의 성과 증명을 위해 단 한 번의 클릭으로 완성되는 강력한 자동 보고서 기능을 탑재하고 있습니다. 브랜드 가시성과 도메인 인용률을 분석하는 'GEO 진단 분석 보고서', 시장 내 위치를 파악하는 '경쟁사 비교 분석 보고서', 그리고 실행 가능한 대안을 제시하는 'GEO 개선 전략 보고서'를 통해 복잡한 데이터를 전략적 인사이트로 변환해 줍니다. 특히 AI가 직접 데이터의 의미를 해석하고 향후 개선 방향까지 제안하므로, 운영자는 별도의 문서 작업 없이도 경영진이나 클라이언트에게 즉시 공유 가능한 수준 높은 전문 리포트를 확보할 수 있습니다.

블루닷 인텔리전스와 함께 성공적인 AI 검색 시대를 준비하세요!

AI 검색 시대는 브랜드에 새로운 도전이자 거대한 기회입니다. 단순히 웹사이트 방문자를 늘리는 것을 넘어, AI가 '이해하고 추천할 만한' 브랜드로 거듭나는 것이 중요해졌습니다.

블루닷 인텔리전스는 고도화된 AI 기술과 SEO/GEO 전문성을 바탕으로, 우리 브랜드가 AI 답변 영역에서 강력한 존재감을 구축하고 비즈니스 성장을 이룰 수 있도록 지원합니다. 지금 바로 블루닷 인텔리전스와 상담하여 변화하는 AI 검색 환경에서 우리 브랜드의 새로운 성공 기회를 만들어나가세요!

구독권 선물하기 기능

구독 중인 매체가 너무 마음에 들어서 친구에게 1달 구독권을 선물하고 싶은 경우가 있지 않았나요? 저희 파트너분들 중에 인기가 높은 미디어는 이러한 바람이 구현이 되길 희망해 왔습니다. 쉽게 말해 '구독권 선물하기' 기능입니다.

이제 특정 파트너 매체를 유료로 구독중인 사용자가 자신이 직접 결제해서 친구에게 1달, 1년 구독권을 선물할 수 있습니다. 그 기간이 만료되면 선물을 받은 분이 유료 구독을 이어갈지 결정하는 시스템입니다.

이 기능은 구독자를 늘리는 데에도 보탬을 드리게 될 겁니다. 아직은 베타 단계이긴 합니다.

사용 방법은 아래와 같습니다.

• 설정 > 실험실 > 선물하기 > 사용함

위 화면처럼, '사용함'으로 변경하면, 화면 상단에 '구독권 선물하기' 버튼이 자동 노출됩니다.

여러분들의 품질 높은 글들이 더 많은 유료 구독자와 만날 수 있게 되길 바랄게요.

설정 메뉴 분리 및 변경

설정 내 메뉴도 일부 변경됐습니다. 같은 메뉴에 묶여있지 않아야 할 것들은 분리를 했고요. 수익금 관리와 같은 편의성을 높이는 메뉴는 신설했습니다. 대표적으로 유료 구독 관리 메뉴는 그간 '결제 설정(관리)' 안에 포함돼 있었는데요. 결제 설정과 유료 구독 설정은 같은 메뉴로 분류되기엔 이질성이 높았습니다. 이를 분리해서 쉽게 확인할 수 있도록 변경했습니다.

수익금 관리는 현재 입금 정보만 포함돼 있는데요. 이후에 수익금 현황 등도 볼 수 있도록 업데이트해 나갈 예정입니다.

변경 사항을 정리하면 다음과 같습니다.

• 결제 설정 연동 : 결제 연동 설정과 유료구독 관리로 분리됐습니다.
• 수익금 관리 : 수익금 관리 메뉴가 신설됐습니다.

블루닷CMS 콘텐츠 및 관리자 API 문서 공개

블루닷CMS의 관리자 그리고 콘텐츠 API 문서를 공개했습니다.

• 설정 > 실험실 > API 문서

당장 이 문서를 무엇을 할 것인가에 대해 막연하게 생각하시는 분들이 많을 겁니다. 하나의 사례만 알려드리겠습니다. 이 API 문서를 활용하면, 요즘 화제가 되고 있는 MCP 서버라는 것을 만들 수 있습니다. MCP 서버를 만들어두면, 아래처럼, 클로드 데스크톱과 같은 도구에서 텐츠를 제작해 본인이 운영 중인 사이트로 자동 발행할 수 있고, 본인의 사이트의 콘텐츠 내역을 확인할 수도 있습니다.

다시 말해, 클로드 같은 AI로 콘텐츠를 자동으로 생성한 다음, 본인이 운영하는 블루닷CMS 기반 사이트로 내보낼 수 있는 거죠. 굳이 블루닷CMS에 들어가지 않아도 됩니다.

회원관리나 통계 분석 등도 클로드 데스크톱 등으로 자유자재로 확인할 수 있습니다. 다양한 API를 준비해뒀기에 앞으로 활용 가능성이 상당히 클 것입니다. (점차 API로 구현가능한 툴을 확대해 나갈 계획입니다.)

현재 저희는 MCP 서버를 더 쉽게 개발할 수 있는 방안을 검토 중입니다. 블루닷CMS는 AI 툴과의 통합을 더 간편하게 진행할 수 있도록 계속 업데이트 할 예정입니다.

기타 수정 사항들

• 정기 결제 예정 메일 내용 변경 (미디어스피어와 사이트명 제외)
• 구독 실패와 같이 구독이 종료되었을때 이메일 알림
• 상품 등록시 저장 안되고 중단되는 현상 수정
• 에러 메시지를 친절한 메시지로 변경
• 이미지 생성 오류 수정

실험방법

글의 길이와 AI 인용률 간의 상관관계를 측정하기 위해 다음과 같이 설정을 했습니다.

• 조사 대상 : 블루닷 인텔리전스
• 분석 툴 : 블루닷 인텔리전스
• 조사 기간 : 2026년 3월 11일~24일(14) 데이터
• 분석 대상 데이터 : 14일 간 수집된 3개 AI검색 1047개 인용 링크(상위 인용 20페이지)
• 특이 사항 : CSR 등으로 접근이 차단된 2개 페이지 제외
• 분석 도구 : 클로드 4.6 Sonnet

실험 결과 : 글의 길이와 인용률은 관계가 거의 없다

클로드를 통해 분석한 내용을 공유드립니다. 보시다시피 글의 길이와 인용률 간에는 뚜렷한 상관관계가 발견되지 않았습니다. 쉽게 말해 글이 길다고 해서 더 많이 인용되는 건 아니라는 의미입니다.

물론 이 실험과 그 결과는 제한적입니다. '블루닷 인텔리전스'라는 SaaS 플랫폼 산업이라는 특수성이 존재하고, 분석 기간이 2주로 길지 않습니다. 인용된 모든 링크를 분석하지 않았습니다. 상위 20개만 떼어내 상관관계의 힌트를 찾아본 것이죠. 저는 개인적으로 이 정도 샘플이면 어느 정도의 상관관계 분석이 의미를 가질 것이라고 보고 있습니다.

인용률이 높은 페이지의 평균 길이는 600~950단어 구간입니다. 한글로 변환하면 대략 2300자~3600자 수준. 원고지로 11.5매~18매 정도입니다. 사실 이렇게 변환해 보면 인용이 많이 되는 글의 길이가 그렇게 짧아보이진 않죠. 원고지 18매 수준이면 신문 기준으로 톱 기사 정도 정도의 분량은 된다는 의미이기도 합니다.

어찌됐든 너무 짧으면 인용할 만한 엔티티와 직접 답변을 찾아내는 데 어려움을 겪을 수 있고, 너무 길다고 해서 AI 검색이 선호하는 것은 아니라는 점이 이 실험을 통해 확인이 됩니다.

다시 말하지만 이 실험은 특정 산업군의 포괄적인 실험 결과인 점을 알아주시기 바랍니다. 아마 다른 산업, 다른 프롬프트 유형, 개별 AI검색 단위로 분석하면 결과가 다르게 나타날 수도 있을 겁니다.

"길지 않고 주제 집중적인 페이지가 AI검색 인용에 유리하다"

대략 이런 결론을 낼 수 있지 않을까 합니다. GEO에 관심 있는 분들은 참고하세요.

새 기능의 핵심은 AI 검색 결과에서 경쟁사는 언급되지만 자사 브랜드는 빠지는 ‘콘텐츠 사각지대’를 찾아내고, 해당 질문에 최적화된 콘텐츠를 생성해 발행까지 연결하는 3단계 구조다. 블루닷 인텔리전스는 기업이 설정한 핵심 고객 질문을 기준으로 AI 검색 답변을 분석해 자사 브랜드 언급량이 낮은 질문을 우선 식별한다. 이어 해당 질문에 답하는 구조화된 콘텐츠 초안을 자동 생성하고, GEO 최적화 헤드리스 콘텐츠 관리 시스템 ‘블루닷CMS’로 즉시 내보낼 수 있다. 블루닷CMS는 스키마 마크업 자동 적용과 AI 기반 제목·썸네일 생성을 지원하며, 분석에서 발행까지 하나의 흐름 안에서 처리할 수 있도록 설계됐다.

블루닷 인텔리전스의 '콘텐츠 사각지대'는

• 1단계 : 브랜드 가시성과 인용률이 낮은 고객 질문을 탐지해내고
• 2단계 : 가시성과 인용률을 높일 수 있는 콘텐츠를 생성해주고
• 3단계 : 원하는 지식 허브 플랫폼(블루닷CMS와 워드프레스 기반)으로 결과를 자동 발송하는

기능입니다. 아래 실제 화면을 보면서 설명을 드리도록 하겠습니다.

콘텐츠 사각지대는 어떻게 작동할까

콘텐츠 사각지대는 취약 고객질문(프롬프트)를 분류하는 것으로 시작됩니다. 처음 시작할 때 20~40개 내외의 프롬프트(고객 질문)을 입력하고 계실 텐데요. 성과가 좋은 것도 있고 나쁜 것도 있을 겁니다. GEO는 바로 가시성과 인용률이 낮은 취약 프롬프트를 찾아내 최적화하는 과정이라고 할 수 있습니다. 현재 가시성이 높은 프롬프트에 대응하는 것보다 취약 프롬프트에 우선적으로 조치를 취하는 것이 필요하다고 할 수 있습니다.

문제는 취약 프롬프트를 어떻게 정의할 것이냐입니다. 저희는 취약 프롬프트를 "AI검색의 답변에서 경쟁사 대비 언급량이 낮으면서 동시에 자사 웹사이트의 콘텐츠도 인용하지 않는, 브랜드 가시성의 사각지대에 놓인 고객 질문(프롬프트)"로 정의하고 있습니다. 사실상 AI검색에서 우리 브랜드의 존재감이 희미한 프롬프트라고 할 수 있습니다.

취약 프롬프트의 원인은 다양합니다. 해당 브랜드의 인지도나 브랜드 권위도가 낮으면 당연히 언급량이 작을 겁니다. 권위도는 어느 정도 확보돼 있지만 해당 고객 질문에 곧장 답할 수 있는 콘텐츠가 자사 혹은 자사 관련 플랫폼에 존재하지 않으면 인용률이 낮게 나타날 겁니다. 취약 프롬프트에 대응하려면 이 두 가지 경우의 수를 모두 고려해야 합니다. 낮은 가시성은 On-Site 전략과 Off-Site 전략을 모두 동원해 빠른 시일 안에 끌어올려야 합니다.  낮은 인용률은 직접 답변(Direct Answer)을 포함하고 있는 콘텐츠를 제작해 곧장 대응해야 하죠. '콘텐츠 사각지대' 메뉴는 후자의 워크플로를 획기적으로 단축시켜주는 기능이 들어 있습니다. '콘텐츠 생성'와 '블루닷CMS 내보내기'만 활용하면 1분 안에 작업을 대부분 완료할 수 있습니다.

콘텐츠 사각지대의 '콘텐츠 생성'은 어떻게 작동하나

'콘텐츠 생성'은 취약한 고객 질문에 AI검색이 쉽게 인용이 될 수 있도록 최적화한 콘텐츠를 생성하는 메뉴입니다. 핵심 생성 조건은 '직접 답변', '구조화한 데이터', 'AI검색 선호 문서 포맷', '권위있고 전문적인 글쓰기와 엔티티 활용' 등입니다. GEO의 콘텐츠 문법이 잘 녹아들도록 생성하는 방식입니다.

저희는 블루닷 오웰을 통해 가장 품질 높은 콘텐츠 생성 및 변형 프롬프트를 꾸준히 개발해왔습니다. 그 노하우가 있었기에 좋은 품질의 대응 콘텐츠를 생성할 수가 있게 된 것입니다. 특히 Gemini 3.1 Pro와 같은 상위 모델을 선택하면 더 신뢰할 수 있는 콘텐츠 초안을 확인할 수가 있게 됩니다.

아래에 2개의 빈 공간이 존재하는데요. 설명을 드리도록 하겠습니다.

• 소스 정보 :  대응하는 콘텐츠를 생성하기 위해 제품에 대한 원본 정보를 입력하는 공간입니다. 아시다시피 적절한 소스가 없으면 AI는 부정확한 정보를 생산할 확률이 높아집니다. 해당 고객 질문에 답변할 때 가장 적합한 제품이나 브랜드에 대한 핵심 정보를 입력하면 더욱 정확한 콘텐츠를 생산하실 수 있습니다.
• 톤앤매너 : 기본 모드는 '권위 있는 톤'입니다. 하지만 경우에 따라서는 다소 친근하고 친절한 톤으로 작성하시고 싶을 때도 있을 겁니다. 콘텐츠가 발행되는 사이트의 기본적인 톤앤매너가 존재하기에 이를 고려해서 작성하도록 지시할 수가 있는 겁니다.

앞으로 몇 가지 설정을 더 추가할 예정입니다. 주로 포맷에 관한 것들입니다. FAQ 포맷이나 가이드 포맷, How To 포맷이나 보도자료 포맷 등도 선택할 수 있도록 업데이트할 예정입니다.

콘텐츠 블루닷CMS 내보내기는 어떻게 작동하나

블루닷에이아이의 강력한 강점 중 하나는 GEO를 위한 End-To-End 솔루션을 모두 갖추고 있다는 점입니다. 그 중 하나가 GEO 성능에선 최고의 역량을 보유하고 있는 사이트 구축 플랫폼 '블루닷CMS'입니다. 블루닷CMS는 GEO의 기초라 할 수 있는 '스키마 마크업'이 동적으로 생성되는 CMS입니다. 별도의 플러그인이 필요 없습니다. 별도의 수작업을 하지 않아도 기본적으로 스키마 마크업이 들어갑니다. 뿐만 아니라 GEO 제목 생성이나 썸네일 생성을 AI 기반으로 제작해 줍니다. 지식 허브 사이트 구축과 운영의 편의성을 두루두루 갖춘 CMS라 할 수 있습니다. 그리고 헤드리스 기반입니다.

블루닷CMS의 서비스 연동 설정에 위와 같은 메뉴가 포함돼 있습니다. '블루닷 인텔리전스' 연동 기능입니다. 여기에 포함돼 있는 암호화된 값을 블루닷 인텔리전스에 넣기만 하면 둘은 쉽게 연동이 됩니다. 생성된 콘텐츠를 내보낼 수 있고, 곧바로 발행도 할 수 있습니다.

취약 프롬프트가 10개라면 10개 콘텐츠의 초안을 작성해 블루닷CMS로 내보내는 데까지 10분도 채 걸리지 않습니다. 대신 초안을 검토하고 부가 정보를 입력하는 시간이 일부 필요할 뿐입니다. 둘의 연동 기능을 사용하면 지식 허브 사이트를 아주 손쉽게 운영하실 수가 있게 되는 겁니다.

지식 허브 사이트는 GEO의 필수 항목으로 급부상하고 있습니다. AI검색이 홍보색이 옅은 객관적 신뢰 기반 콘텐츠를 선호하기 때문입니다. 토스피드 같은 곳을 예로 들 수 있는데요. 금융정보에 대한 객관적 콘텐츠를 내외부 필자를 활용해 수시로 업데이트하고 있습니다. 그만큼 AI검색에 인용도 잘 되는 편입니다. 현재 이러한 해당 산업 지식 허브 구축은 빠르게 확산하는 중입니다. 신한금융의 솔깃 사이트 구축도 같은 맥락이라고 볼 수 있습니다.

GEO의 핵심은 실행과 워크플로 단축

GEO는 진단과 분석에 머무르면 안됩니다. 그것만으로는 차별화하기도 성장하기도 쉽지 않습니다. 중요한 건 실행을 직접적으로 도와줄 수 있어야 합니다. 블루닷 인텔리전스의 고객들을 만나보면 한결 같이 주문하는 대목입니다. 그래서 어떤 콘텐츠를 만들어야 하는지, 누가 써야 하는지, 어떻게 작성해야 하는지 늘 어려워 합니다. 블루닷 인텔리전스의 '콘텐츠 사각지대'는 이 문제를 한번에 해결할 수 있는 국내 유일의 솔루션입니다.

'GEO 취약점 분석은 정확하고 세밀하게, 실행은 더 빠르고 쉽게', 블루닷 인텔리전스는 그런 생태계를 주도적으로 만들어나가고자 합니다. 나아가 ACO(Agentic Commerce Optimization) 솔루션도 추가할 예정이랍니다. 기대해주세요.

https://bi.bluedot.so/

좀더 큰 흐름에서 보면 에이전틱 커머스는 닫힌 생태계와 열린 생태계의 경쟁 구도로 전개되고 있습니다. 아마존과 네이버는 '닫힌 커머스 생태계'의 대표격이라고 할 수 있고요. 구글과 오픈AI는 상대적으로 열린 생태계를 상징하는 플레이어들입니다. 특히 구글은 Universal Commerce Protocol를 바탕으로 열린 커머스 생태계를 주도하려는 야심을 명확히 하고 있습니다.

이런 와중에 오픈AI는 준비가 덜 됐다는 이유로 ACP 확장을 잠시 보류한 상태입니다. 따라서 당분간은 열린 커머스 생태계는 구글의 UCP가 주도할 수밖에 없는 상황입니다.

에이전틱 커머스를 향한 네이버의 전략

국내에선 닫힌 생태계가 먼저 이 시장의 문을 두드리고 있습니다. 네이버가 핵심 사업자입니다. 그래서 네이버의 움직임부터 살펴보도록 하겠습니다. 네이버는 사실상 커머스 기업으로 바꿔타는 중입니다. 커머스 부문의 빠른 매출 성장세가 이를 잘 보여주고 있습니다. 네이버의 AI 역량도 대부분 커머스로 집적되고 있다고 할 수 있습니다. 그 핵심에 네이버앱의 'AI탭'과 네이버+ 스토어 앱의 'AI 쇼핑 어시스턴트'가 있습니다. 이 둘은 커머스 매출을 종결점으로 삼는다는 점에서 사실상 같은 목표를 지향하고 있다고 할 수 있습니다. (AI탭은 대신 목표 범위가 조금더 넓습니다.)

이미 출시된 네이버+ 스토어의 AI 쇼핑 어시스턴트부터 분석해 보겠습니다. 아래 관련 이미지에서 확인하실 수 있다시피, 네이버+스토어에 AI 쇼핑 어시스턴트는 다음과 같은 방식으로 실행이 됩니다. 기능의 범위를 구분해서 접근할 필요가 있는데요.

우선 네이버+ 스토어에서 구매하고자 하는 제품의 '키워드'를 입력하면 1차 AI 답변이 나옵니다. AI가 1차로 '추천하는 정보'입니다. 대화형 커머스로 진입하기 직전에 1차 가이드를 제안하는 기능입니다. 네이버는 이를 '쇼핑 가이드'라고 부르고 있습니다. 그리고 그 아래에 'AI에게 물어보기' 버튼이 나타나는데요. 이게 '네이버 쇼핑에이전트'입니다.

쇼핑 가이드와 쇼핑어시스턴트는 UI나 역할이 다릅니다. 쇼핑 가이드는 우선 대화형 UI가 아닙니다. 네이버의 AI가 1차 추천을 해주는 답변형 가이드라고 할 수 있습니다. 제품의 유형, 브랜드 등을 추천함으로써 클릭을 유도합니다. 이 항목을 클릭하면 쇼핑 광고를 진행하는 다양한 브랜드의 페이지 등을 확인할 수가 있죠.

네이버 쇼핑에이전트에 진입하게 되면, 개별 상품 정보와 셀러의 상품 페이지를 만나볼 수 있습니다. 리뷰를 통해 수집된 정보, 그것으로 확정된 기준를 바탕으로 개별 제품 구매가 가능한 페이지를 추천해줍니다. 워낙 초기로 사용자들이 어느쪽에 더 많은 시간을 할애하고 선호를 보이는지는 확인하기 어렵습니다. 어찌됐든 네이버+스토어가 제안하는 경로를 따라가다 보면 AI의 도움으로 손쉽게 상품을 구매할 수가 있게 됩니다.

물론 이 과정에는 다양한 모델과 기술들이 숨어 있습니다. 대표적으로는 eCLIP 모델입니다. eCLIP은 네이버가 쇼핑 등을 위해 자체 개발한 멀티모달 모델입니다. 셀러들이 업로드한 제품 이미지를 보고, 부족한 데이터를 추출해 데이터베이스에 주입합니다. 관련 논문은 2022년에 발표가 된 바 있는데요. 현장 적용을 위해 다듬고 또 다듬지 않았을까 생각이 됩니다.

eCLIP은 구매자의 취향을 고려한 개인화 추천에 활용될 때 위력을 발휘합니다. 아시다시피 셀러가 제품 정보를 상세하게 설명하고 데이터를 입력하는 경우는 많지 않습니다. 하지만 구매하고자 하는 사용자들은 자신의 요구 사항을 수없이 물어가며 그 핏에 맞는 상품을 찾아갑니다. 상품 정보가 구체화되지 않으면 개인화 추천이 작동할 수가 없습니다. 이를 보완하는 역할을 eCLIP 모델이 수행합니다.

아래 논문에서 추출한 참고 이미지를 보시기 바랍니다. 셀러가 하이힐을 업로드하면, 하이힐에서 제품 유형, 컬러, 세부 유형, 재질까지 파악해 DB에 입력합니다. 이 모델이 있으면, 쇼핑어시스턴트가 동일한 상품을 중복 추천하지 않게 할 수 있습니다. 심지어 성인용 상품을 걸려내는 역할도 가능합니다. 상품 카테고리까지 구조화해서 분류할 수도 있고요. 쇼핑어시스턴트가 추천하는데 중요한 기초 역할을 담당하고 있다고 말씀드릴 수 있습니다.

그리고 답변 생성에는 네이버+ 스토어의 리뷰 정보가 상당한 기여를 하고 있습니다. 제가 분석한 바에 기초하면, 쇼핑어시스턴트에서 제안하는 선택가이드 '4~5가지' 기준은 모두 해당 제품들의 리뷰에서 요약/추출한 내용들이었습니다. 리뷰에 등장한 다양한 구매자들의 스토리를 분석해, 구매 기준을 추출하고, 이를 다시 쇼핑어시스턴트에 녹여 구매 전환을 유도하는 거죠.  

AI탭을 통한 에이전틱 커머스 전략

네이버앱을 통한 커머스 전략도 놓쳐서는 안됩니다. 네이버앱은 네이버+ 스토어의 성장을 지원하는 핵심 경로입니다. 압도적으로 높은 고정 사용층을 보유한 네이버의 핵심 자원 중 하나입니다. 여기에 'AI탭'을 상반기 중 개설해 커머스를 측면 지원하는 역할을 합니다.

AI탭은 구글의 AI 모드와 동일한 역할을 합니다. 대화 기반의 인터페이스 안에서 커머스로 전환시키는 중요한 연결 고리를 AI탭이 담당하게 되죠. 이미 최수연 네이버 대표는 올초 IR 행사에서 다음과 같이 밝힌 바 있습니다.

"(AI탭은) 쇼핑, 플레이스, 지도와 연결하여 발견과 탐색을 구매, 예약, 주문 등 행동 전반으로 연결하는 대화형 AI 커뮤니케이션이라는 점에서 차별화된 것. 구매, 예약 등 전 검색 여정을 지원하는 검색 경험을 제공할 것입니다."

이를 위해 네이버는 연결 고리를 단단하게 만들기 위해 철저하게 준비를 해왔습니다. 대표적으로는 '페르소나A'와 'AuthGR'이라는 검색 지원 모델입니다. 페르소나 에이전트는 네이버앱 내의 여러 로그를 통합해서 특정 사용자를 하나의 페르소나로 규정하는 역할을 합니다. 그 사용자의 페르소나가 어느 정도 확정이 되면, 추천하는 목록, 액션 제안, 넛지 메시지 등이 자동으로 생성이 됩니다. 사용자 성향을 누구보다 잘 알고 있기에 전환율을 높이는 데 큰 역할을 할 수가 있는 겁니다.

AuthGR의 역할도 중요합니다. AuthGR은 Authority-aware Generative Retriever의 준말입니다. 그대로 해석하면 권위를 인지한 생성형 검색이라는 뜻입니다. 기술적인 부분이라 설명드리기가 쉽지 않지만 간략하게 말씀드려 보겠습니다. 기존의 전통적인 검색은 연관성이 높은 문서를 찾아냈습니다. 하지만 네이버의 AuthGR이 결합된 검색은, 기존 문서에 권위도 지수(authority score)까지 추가 학습된 결과를 뽑아냅니다. 사후 학습 단계(강화학습)에서 연관성 높은 문서에 권위도 지수가 포함된 데이터를 함께 학습시켜 연관성도 높고 권위도도 높은 문서를 찾아내도록 훈련을 시키는 거죠. 연관성이 높은데, 여기에 더해 권위도 지수까지 높은 걸 찾아내면 reward를 주는 방식이라고 보면 됩니다.  

왜 이 과정이 중요하냐면, AI탭에서 사용자가 질문을 시작하게 되면, 마지막 구매, 예약, 주문에 이르는 최종 액션 단계까지 신뢰도 높고 권위있는 문서를 접하도록 도와줘야 마음을 놓고 구매나 예약을 하기 때문입니다. 자칫 신뢰할 수 없는 블로그나 제품 페이지를 보고 구매를 하게 되면 사용자는 위험에 처할 수도 있습니다. 재산상의 손해를 볼 수도 있고 이른바 '뒷통수'를 맞을 수도 있습니다. 돈이 오갈 수 있는 경로에 놓이는 콘텐츠이기에 신뢰와 품질 관리를 엄격하게 해야 합니다. 이러한 기술들이 결합돼 네이버 AI탭 기반의 커머스가 완성이 될 수 있는 것입니다.

종합하면

이제 정리해 보겠습니다. 네이버의 에이전틱 커머스는 '폐쇄형 생태계' 전략입니다. 그리고 이 월드 가든 같은 닫힌 생태계 안에서 커머스 매출을 극대화하려고 시도하고 있고 시도할 예정입니다. 네이버앱의 강력한 사용자 파워 위에 올라타면서도 독립적인 네이버+ 스토어 성장을 도모하는 투트랙 전략이라고도 할 수 있습니다. 아래 제가 그린 이미지처럼 말이죠.  

블루닷 인텔리전스는 이러한 닫힌 '에이전틱 커머스' 전략을 구사하는 네이버에서도 활용가능한 최적화 도구를 개발하고 있습니다. 블루닷 인텔리전스 ACO(Agentic Commerce Optimization) 도구입니다. 물론 열린 생태계 위주로 에이전틱 커머스 최적화에 집중하고 있지만, 여기에 녹아든 전략과 기법을 응용하면 네이버+ 스토어에서도 어느 정도 효과는 발휘할 수 있지 않을까 싶습니다. UCP와 같은 열린 생태계 언어와 네이버만의 폐쇄형 에이전틱 커머스 간의 대결이 본격화하면, 결과적으론 두 진영에 모두 대응해야 하는 과제를 브랜드들은 안게 될 수밖에 없을 겁니다. 두 진영에 대한 대응을 보다 수월하게 만드는 것, 그것의 저희가 만들어가는  ACO 도구임을 알려드립니다.

더 읽어보기

올해 블루닷CMS의 진화 방향을 설정했습니다. 전환율 강화와 AI 이해/연결성 강화입니다.

이미 블루닷CMS는 GEO(Generative Engine Optimization) 수준이 가장 높은 CMS로 성장했습니다. 국내 어떤 CMS보다 GEO에 강점을 지니고 있습니다. 블루닷CMS에 등록한 콘텐츠나 디지털 상품은 AI 검색이 가장 이해하기 쉬운 형태로 제공됩니다. 그만큼 AI검색에서 가시성과 인용률이 높아진다는 뜻입니다.

발행 조직 형태와 콘텐츠의 유형에 적합한 스키마 마크업이 적용돼 있고, Sitemap의 표준화도 잘 갖춰져 있습니다. 헤드리스CMS로서의 강점이 AI 검색 시대에 잘 발휘되고 있다고 자부하고 있습니다.

올해는 이 방향을 더욱 강화할 예정입니다. AI 검색이 더 잘 이해하는 CMS를 넘어서, AI 에이전트와의 연결성이 손쉬운 CMS로 성장시켜 나갈 계획입니다. 현재 API를 다듬는 중이고, 관련 문서도 공개할 예정입니다.

전환율 제고를 위해 상품 카드 UI를 변경합니다

이와 더불어, 블루닷CMS 사용자들의 수익성을 높여드리기 위한 조치를 단계적으로 취할 계획입니다. 그 첫번째 단계로 일부 테마 첫화면에 노출돼 있는 '상품 카드'의 UI를 아래처럼 변경할 예정입니다. 구매 버튼의 가시성을 높이는 UI라고 할 수 있습니다. 이미 더코어에 적용돼 테스트를 진행 중이며, 안정화가 되면 관련 테마에 적용할 방침입니다.

현재 상품 카드는 구매 버튼 없이, 가격만 나열돼 있습니다. 잠재 고객들에게 구매가능성에 대한 명확한 신호를 주는 데 취약점이 존재했습니다. 이 부분을 보완하기 위해 위와 같은 UI를 제안하게 된 것입니다. 내부적으로 상품 구매량이 일정 수준 상승하는 경향을 확인했습니다. 관련 상품을 판매하고 있는 블루닷CMS 파트너들은 곧 그 효과를 실감하게 되실 겁니다.

구독 선물하기 기능 추가

한 가지 더 소개할 게 있습니다. 블루닷CMS 고객의 대부분을 구독 모델을 운영하고 있습니다. 구독 전환을 더 높이기 위한 조치를 찾은 끝에 '구독권 선물하기' 기능을 구상하게 됐습니다. 충성도 높은 기존 구독자들이 친구 등에게 구독권을 선물하여 구독자로 전환되도록 지원해주는 기능입니다. 구독자수 증가에 보탬이 될 것이라고 확신합니다.

'구독권 선물하기'는 이미 설정된 구독상품(월/6개월/연간)을 현재의 구독자가 직접 결제해서 친구에게 구독권을 나눠주는 기능이라고 할 수 있습니다. 선물받은 구독 기간이 만료되면, 구독권을 받은 사용자에게 연장 구독을 독려하는 메일이 자동 발송이 됩니다. 이를 통해 정기 구독자로 유도하는 효과를 만들어 낼 수 있을 겁니다.

다만 이 기능은 '블루닷CMS 프로' 이상 사용자에게만 제공될 예정입니다. 스탠다드 가입자들에게도 제공할지 여부는 현재 내부 검토 중임을 알려드립니다.

블루닷CMS는 AI 검색 시대 그리고 AI 에이전트 시대, 가장 매력적인 콘텐츠 퍼블리싱 플랫폼으로 진화하게 될 것입니다. 앞으로도 많은 기대를 부탁드립니다.

참고로 신규 가입은 현재 중단된 상태인데요. 기본 정비를 마치는 오는 3월 첫주부터 다시 가입을 받을 계획입니다. 조금만 기다려주시기 바랍니다.