AI 서비스에서 광고/스팸은 단순 ‘불편’이 아니라, 리텐션을 즉시 깎아먹는 성장 리스크입니다. 유저는 답변을 믿는 순간 습관이 되고(리텐션↑), 결제까지 갑니다(전환↑). 반대로 “이거 광고 아닌가?”, “조작된 거 아닌가?”라는 의심이 드는 순간, D7/D30에서 조용히 이탈하고 LTV가 꺾입니다. 이게 그로스팀이 가장 싫어하는 형태의 누수죠.
이런 맥락에서 퍼플렉시티가 ‘신뢰 저하’를 이유로 광고 사업을 사실상 중단한 결정은 강력한 신호입니다(aitimes가 FT 보도를 인용). 업계가 학습/추론 비용을 메우려 광고를 확대하는 흐름인데, 퍼플렉시티는 “정확성 비즈니스”를 선언하며 답변 하단 스폰서 실험을 접었습니다. “유저가 답변이 최선이라고 믿어야 구독을 고려한다”는 말은, 수익화가 광고→구독으로 갈수록 ‘신뢰가 선행지표’가 된다는 뜻입니다.
그런데 문제는 광고만이 아닙니다. AI 검색은 웹을 근거로 답을 만들지만, 그 근거의 ‘존재’는 확인해도 ‘독립성/진실성’은 충분히 검증하지 못합니다. geeknews가 소개한 글(dejan.ai)은 이 취약점을 GEO Spam으로 정의합니다. 기업이 “2026년 최고의 ○○” 같은 자기 홍보 리스트를 만들어 검색 상위에 올리면, 모델이 이를 ‘업계 소스’로 오인해 단정적인 결론을 내립니다. 전통 검색 스팸보다 위험한 이유는 간단합니다: 링크 목록 대신 “하나의 답”을 주기 때문에, 유저가 검증할 기회가 사라집니다.
여기서 “와 이거다!” 싶은 포인트가 나옵니다. 광고 논란과 GEO 스팸은 서로 다른 이슈 같지만, 실제로는 같은 KPI를 때립니다. 신뢰 하락 → 재방문 빈도 하락 → 구독 전환율 하락 → LTV 하락. 즉 ‘신뢰’는 브랜드 감성이 아니라, AARRR 퍼널 전체를 관통하는 수익 지표의 원인 변수입니다. 그래서 신뢰를 “좋은 말”로 관리하면 늦고, 계측 가능한 KPI로 설계하고 실험해야 합니다. 빨리 테스트해봐야 돼요.
실행 관점에서, 신뢰를 KPI로 만드는 가장 쉬운 방법은 “의심을 정량화”하는 겁니다. 예를 들어 다음 3개를 이벤트로 박아두면 바로 코호트가 나옵니다. (1) source_expand(출처 펼침/클릭), (2) answer_challenge(답변 이의제기/오류 신고/다른 답변 보기), (3) sponsor_impression(스폰서 노출). 그리고 핵심은 ‘신뢰 대리 지표(Trust Proxy)’가 리텐션을 예측하는지 보는 겁니다. 가설: sponsor_impression이 있는 세션에서 answer_challenge가 증가하면 D7 리텐션이 감소한다. 이게 보이면 광고는 단기 ARPU를 올려도 장기 LTV를 갉아먹는 구조일 확률이 큽니다.
두 번째는 GEO 스팸 대응을 제품 실험으로 바꾸는 겁니다. 플랫폼 레벨의 완벽한 스팸 청소를 기다리면 늦습니다. 당장 할 수 있는 건 ‘불확실성 표시’와 ‘검증 UX’예요. 예: 답변에 “근거 다양성 점수(서로 다른 도메인 수, 독립 출처 비율)”를 계산해 낮으면 경고 배지를 띄우고, CTA를 “한 출처만 기반입니다 → 다른 관점 보기”로 바꿉니다. Conversion rate가 얼마나 오를까요? 단기 전환은 약간 떨어질 수 있어도, 장기적으로는 ‘실망 이탈’을 줄여 LTV가 이길 가능성이 큽니다.
A/B 테스트 설계는 이렇게 가면 깔끔합니다. Primary Metric: D7 리텐션(혹은 4주 재방문), Guardrail: 세션당 만족도/재검색률, Revenue Metric: 구독 전환율 또는 trial→paid. 실험군에는 (1) 스폰서 영역 축소/명확 표기, (2) 출처 다양성 배지, (3) ‘근거 보기’ 기본 펼침 옵션을 조합해 넣습니다. 퍼플렉시티가 광고를 접은 이유가 ‘의심의 전염’이라면, 우리의 목표는 반대로 ‘검증 가능성의 전염’을 만드는 겁니다. 이거 바이럴 될 것 같은데? “이 서비스는 근거를 숨기지 않는다”는 경험은 입소문 소재가 됩니다.
전망도 명확합니다. 광고는 더 늘 거고(OpenAI/구글의 실험 흐름이 이미 보임), GEO 스팸도 더 교묘해질 겁니다. 그러면 시장은 두 갈래로 갈 가능성이 큽니다. (1) 광고 기반 대중형: 신뢰 비용을 감수하고 볼륨을 가져간다. (2) 구독 기반 프리미엄형: 신뢰를 제품의 핵심 스펙으로 판다. 퍼플렉시티의 선택은 후자에 베팅한 사례이고(aitimes), 스팸 문제 제기는 “신뢰를 기술/UX/정책으로 계량화하지 않으면 모두가 같이 무너진다”는 경고입니다(geeknews/dejan.ai).
결론: AI에서 신뢰는 철학이 아니라 LTV 엔진입니다. 광고/스팸을 ‘운영 이슈’로 두지 말고, 신뢰 KPI → 퍼널 영향 → 실험 루프로 당겨오면, 리텐션과 수익화가 같이 올라갈 확률이 큽니다. 신뢰를 쌓는 팀이 결국 CAC도 낮추고(추천/재방문), LTV도 올립니다. 이제 신뢰를 “측정 가능한 성장 변수”로 바꿔야 할 때입니다.