AI 검색·답변이 유입의 첫 화면이 되면서 CAC 공식이 바뀌고 있다. 예전엔 ‘검색 클릭’을 샀지만, 이제는 ChatGPT·Claude·Perplexity 같은 답변형 인터페이스에서 인용(citation)되거나 요약의 근거로 채택되는 것이 곧 저비용 유입을 만든다. dev.to의 ‘AI Discoverability’ 글이 던지는 메시지는 단순하다: AI가 읽기 쉬운 형태로 정리되지 않은 사이트는 사실상 “존재하지 않는 것”과 같다.
문제는 이 시장이 성장만 있는 게 아니라는 점이다. 같은 dev.to 보안 글과 Microsoft 보안 리서치가 다룬 AI recommendation/memory poisoning(추천·메모리 오염)은, ‘발견 가능성’ 경쟁이 곧 조작 경쟁으로 미끄러질 수 있음을 보여준다. 요약 버튼, ?q= 프롬프트 파라미터, 숨겨진 지시문을 통해 사용자의 AI 메모리에 특정 벤더 선호를 “몰래” 심는 방식이 이미 여러 산업에서 발견됐다. AI가 새로운 유입 입구가 되는 순간, 브랜드 신뢰와 추천 경로 자체가 공격 표면이 된다.
맥락을 그로스 관점으로 번역하면 이렇다. AI Discoverability는 상단 퍼널(CAC) 레버다. 반면 추천·메모리 오염은 중·하단 퍼널(CVR, Retention) 리스크다. 전자는 “더 많이 보이게” 만들고, 후자는 “보이는 방식이 왜곡되게” 만들어 전환 후 불만/환불/이탈까지 키운다. 즉 AI 시대의 SEO/GEO는 더 이상 마케팅 팀만의 과제가 아니라, 채널 최적화 + 신뢰/안전을 한 OKR로 묶어야 하는 제품 과제가 된다.
그럼 CAC를 실제로 낮추는 실행 포인트는 무엇인가. dev.to의 AI Discoverability 사례처럼, AI가 좋아하는 것은 화려한 UI가 아니라 즉시 파싱 가능한 텍스트와 구조다. 핵심은 “사람용 웹”에 “AI용 표준 입구”를 덧붙이는 것이다: /index.md 같은 마크다운 엔드포인트, 명확한 타이틀/설명/URL, schema.org JSON-LD(Organization/Article/Event 등)로 사실을 기계가 검증 가능하게 만드는 것. 그리고 robots.txt에서 주요 AI 크롤러 접근을 불필요하게 막지 않아야 한다. 이것은 광고비를 더 쓰는 게 아니라, 동일 콘텐츠를 더 싸게 배포하는 포맷 전환에 가깝다.
하지만 여기서 “AI가 잘 읽게 해준다”가 “AI를 조종한다”로 넘어가는 순간, 단기 획득은 늘어도 장기 LTV가 깨진다. 두 번째 소스가 지적하듯 llms.txt나 구조화 데이터는 원칙적으로 투명한 정보 제공이지만, 동시에 인젝션 표면이 될 수 있다. 더 심각한 건 ‘요약 버튼’ 같은 UX가 사용자를 돕는 척하며 외부 프롬프트를 주입하고, 그 결과가 사용자의 지속 메모리에 저장되는 케이스다. 이때 피해는 브랜드만의 문제가 아니라 생태계 전체의 추천 품질 하락으로 돌아오고, 결국 플랫폼 패널티·신뢰 하락이 “채널 리스크 프리미엄”으로 CAC를 다시 올린다.
시사점은 명확하다. 이제 팀은 AI Discoverability를 ‘노출 실험’으로만 보지 말고 가드레일 포함 패키지로 운영해야 한다. (1) AI용 엔드포인트/구조화 데이터로 인용 가능성을 올리되, (2) 사용자에게 보이지 않는 지시문/숨김 텍스트/메모리 유도 문구를 금지하고, (3) 자사 사이트의 ‘Summarize with AI’ 류 기능이 있다면 ?q= 파라미터/프롬프트 프리필이 메모리 쓰기로 이어지지 않게 설계를 점검해야 한다. 성장팀 관점에선 “AI 인용 유입”을 신규 채널로 트래킹하되, 동시에 “AI로부터 온 전환의 환불/CS/이탈” 코호트를 별도로 보고 오염 신호를 조기에 잡아야 한다.
전망: AI 검색의 기본 단위는 클릭이 아니라 답변 내 추천과 인용이 될 가능성이 크다. 그래서 ‘AI가 읽을 수 있는 웹(마크다운/구조화/속도 최적화)’은 점점 표준이 된다. 동시에 Microsoft가 경고한 것처럼, 메모리·에이전트 기능이 확대될수록 인젝션의 공격면도 커진다. 결국 승자는 두 부류다. AI Discoverability를 먼저 확보해 CAC를 낮추되, 조작의 유혹을 거부하고 투명성과 안전 가드레일로 장기 신뢰를 축적한 팀. SEO 시대의 교훈은 하나였다: 편법은 결국 비용이 된다. AI 검색 시대엔 그 비용이 CVR과 리텐션으로 더 빨리 청구될 뿐이다.