도입 배경
- 생성형 AI 및 AI 에이전트의 확산으로 검색 시장의 근본적인 변화 가속화
- 기존 SEO 중심의 트래픽 측정 방식으로는 AI 플랫폼 유입 경로 및 기여도 파악에 한계 직면
- ‘AI Changed Your Buyer Faster Than Your Business Can Adapt’ 기사에서 언급된 바와 같이, 기업의 비즈니스 계획(12개월)이 AI로 인한 구매자 행동 변화(18개월) 속도를 따라가지 못하는 상황 발생
- 구글의 AI 주도권 유지 노력과 동시에, 검색 사업 모델의 잠재적 중단(‘Nothing Is On Fire At Google’ 기사) 가능성 제기
구체적인 변화/이슈
- 구글 제미니(Google Gemini)가 AI 플랫폼으로부터의 추천 트래픽에 대한 명확한 기여도 분석을 위해 UTM 파라미터 도입
- 사이트 소유자에게 구글 AI 플랫폼을 통한 유입 트래픽을 식별할 수 있는 핵심 데이터 제공
- ‘What Search Leaders Are Funding And Cutting In 2027’ 보고서에 따르면, 대다수 기업이 2027년에도 검색 투자 유지 또는 확대 예정이며, AI 가시성 스코어카드를 통해 인용(citations) 및 브랜드 언급(brand mentions) 측정 중요성 강조
- AI 가시성 확보를 저해하는 구조화된 데이터(Structured Data) 오류 수정의 중요성 부각
- 클라우드플레어(Cloudflare)는 AI 에이전트 대상의 ‘Monetization Gateway’ 및 퍼블리셔 대상의 ‘Pay Per Use’ 베타 서비스를 통해 AI 트래픽 수익화 모델 실험 중
- 구글의 AI 기여 파일럿 프로그램이 참여 퍼블리셔에게 광고 수익의 0.1% 미만을 지급하며 불투명한 산정 방식에 대한 문제 제기
- 라이브램프(LiveRamp)와 오픈AI(OpenAI)의 협력 확대를 통해 챗GPT(ChatGPT) 광고에 퍼스트파티(First-Party) 데이터 타겟팅 도입, 광고주에게 정교한 타겟팅 옵션 제공
- ‘Wikipedia, Podcasts & Reddit Now Drive AI Citations’ 기사에 따라, 위키피디아, 팟캐스트, 레딧과 같은 서드파티(Third-Party) 플랫폼이 AI 인용의 주요 원천으로 부상, PR 팀의 역할 증대
- 구글 애널리틱스(Google Analytics)는 앱 전환 데이터를 교차 채널 보고서에 추가하여, 전체적인 사용자 여정 분석 기능 강화
향후 전망
- AI 플랫폼 발 유입 트래픽에 대한 정확한 추적 및 분석 능력 확보로, 생성형 엔진 최적화(GEO) 및 답변 엔진 최적화(AEO) 전략 수립의 정교화 기대
- 전통적인 웹사이트 방문 세션(sessions) 중심의 성과 측정에서 AI 인용 및 브랜드 언급 중심으로 지표 변화 가속화
- AI 플랫폼의 콘텐츠 활용 및 이에 대한 퍼블리셔 수익 모델의 복잡성 증대, 새로운 비즈니스 관계 정립 필요성 대두
- 로컬(AI) 컴퓨팅 활용을 통한 SEO 작업의 효율화 및 프론티어 AI 모델에 대한 의존도 감소 가능성 탐색
- 오픈AI 닷츠(Dots)와 같은 AI 에이전트의 자율적이고 사전적인 정보 수집 활동에 대한 이해 및 콘텐츠 전략 반영 요구
현업의 시각
- 구글 제미니의 UTM 파라미터 도입은 AI 기반 검색 환경에서 트래픽 기여도 측정의 새로운 표준 제시
- 기존 SEO를 넘어 생성형 엔진 최적화(GEO) 및 답변 엔진 최적화(AEO)로의 패러다임 전환 가속화에 대한 명확한 신호
- AI 구매 에이전트의 영향력 증대는 구매자 행동 변화에 대한 기업의 신속한 비즈니스 모델 및 마케팅 전략 재정비 필수 요소
- AI 검색 시장에서 콘텐츠가 단순히 ‘세션’이 아닌 ‘인용’과 ‘브랜드 언급’으로 가치를 평가받는 시대로의 전환 명확화
- AI 플랫폼의 데이터 수집 및 콘텐츠 활용 방식에 대한 심도 깊은 이해와 이에 따른 대응 전략 수립 요구 심화
체크리스트 및 대응
- Google Analytics 4 (GA4) 설정: Gemini로부터 유입되는 트래픽을 정확히 식별하기 위한 `utm_source`, `utm_medium` 파라미터 기반 맞춤 보고서 즉시 설정 및 모니터링 진행
- 구조화된 데이터 최적화: AI 가시성 확보를 위해 Schema.org 마크업의 정확성 및 최신성 검증, 특히 FAQ, Product, HowTo 등의 유형에 대한 오류 수정 및 정기적 업데이트 진행
- AI 인용 콘텐츠 전략: AI 인용 가능성을 높이는 ‘정확한 구문(Exact Phrases)’ 발굴을 위해 사용자 질의 분석 강화, 위키피디아, 팟캐스트, 레딧 등 서드파티 플랫폼에서의 브랜드 언급 및 인용 확산 전략 수립 및 PR 팀과 협력 강화
- 퍼스트파티(First-Party) 데이터 활용: LiveRamp-OpenAI 협력 사례를 참고하여 퍼스트파티 데이터를 활용, AI 에이전트 및 광고 플랫폼에서 브랜드 추천을 유도하는 방안 모색 및 데이터 관리 시스템 강화
- 성과 측정 지표 재정립: 기존 세션 중심의 측정 방식에서 벗어나 AI 인용(citations), 브랜드 언급(brand mentions) 등 새로운 AI 가시성 지표를 포함한 성과 측정 프레임워크 구축 및 보고서에 반영
- AI 커머스 대응: AI 쇼핑 에이전트의 제품 추천 로직 이해 및 이에 최적화된 제품 데이터(설명, 속성, 리뷰) 제공, 제품 데이터 격차 해소 방안 수립 및 실행
- 수익 모델 재검토: AI 플랫폼의 콘텐츠 활용에 대한 수익 분배 모델이 여전히 불투명하므로, 콘텐츠 가치 측정 및 다양한 수익화 방안 탐색 및 협상 준비
GEO 관점의 한 줄 평
AI는 검색의 ‘경로’를 넘어 ‘가치’를 재정의하며, UTM은 그 가치 측정을 위한 필수 도구이자 새로운 최적화 경쟁의 시작.
