AI 검색(Answer Engine) 시대에 SEO가 끝났다는 말이 돌지만, 그로스 관점에서 더 정확한 진단은 이렇다: SEO는 여전히 가장 측정 가능한 CAC 절감 채널이고, 다만 성과가 ‘검색 클릭’에서 AI 답변 내 인용(brand impression)과 리드 전환까지 확장되면서 퍼널이 하나 더 생겼다.
dev.to의 분석 글(“Want the Answer Engines to Send You Traffic? Show Up in Organic”)이 던진 핵심은 단순하지만 날카롭다. 30개 GA4 인스턴스를 BigQuery로 정규화해 회귀분석을 돌렸더니, Answer Engine 트래픽을 가장 잘 예측하는 변수는 ‘오가닉 검색 트래픽’이었다. 오가닉이 AE 트래픽 분산의 대부분(약 93%)을 설명했고, 도메인 권위나 URL 수 같은 ‘GEO 유행 공식’은 설명력이 거의 없었다.
이 결과를 “그러니까 그냥 SEO 하라는 소리”로 받아들이면 손해다. 포인트는 AE는 ‘새 채널’이 아니라 ‘오가닉 채널 위에 얹히는 증폭 레이어’라는 점이다. 즉, 기존 검색에서 못 먹는 팀이 AI 답변에서 갑자기 먹을 확률은 낮다. 반대로 말하면, 지금 오가닉이 조금이라도 도는 팀은 AE 노출을 통해 (1) 클릭 없이도 브랜드를 각인시키고 (2) 나중에 직접유입/브랜드쿼리로 돌아오게 만들고 (3) 세일즈 사이클이 긴 B2B는 리드의 ‘첫 접점’을 늘리는 추가 퍼널을 얻는다.
그로스 팀이 즉시 실행해야 할 시사점은 두 가지다. 첫째, KPI를 ‘Answer Engine 점유율’ 같은 허수로 두지 말고 증분 획득(Incremental Acquisition)으로 둬야 한다. 원문에서도 AE share(전체 트래픽 중 AE 비중)는 어떤 변수로도 잘 설명되지 않았고, 채널 믹스만 바꾸면 왜곡된다. 우리가 필요한 건 “AI에 얼마나 인용됐나”가 아니라 “그 인용이 파이프라인을 얼마나 밀었나”다.
둘째, 운영체계를 ‘감’이 아니라 GA4+BigQuery 기반 실험-검증 루프로 바꿔야 한다. 원문이 보여준 스택(GA4 → BigQuery → SQL → Python/Pandas 회귀)은 스타트업에게 매우 실용적이다. 콘텐츠/페이지 단위로 다음을 계측하면, SEO를 ‘브랜딩’이 아니라 ‘퍼포먼스’로 다룰 수 있다: (a) 오가닉 랜딩별 전환율, (b) AE 레퍼러/UTM 패턴의 세그먼트(가능한 범위 내), (c) 브랜드 쿼리/직접유입의 후행 상승, (d) 리드 소스의 어트리뷰션 보정(회귀/베이지안).
여기에 기술이 붙으면 스케일이 열린다. dev.to의 다른 글(Next.js SEO 파이프라인)은 “SEO를 코드로” 고정시키는 방법을 제시한다. 메타데이터/캐노니컬/사이트맵/JSON-LD를 배포 파이프라인에 묶으면, 팀이 커질수록 생기는 SEO 드리프트(누락·중복·색인 실패)를 줄여 크롤러 친화성 → 오가닉 트랙션 → AE 증폭의 선순환을 만든다. 즉, SEO는 더 이상 ‘마케팅 체크리스트’가 아니라 제품 품질(테크니컬)과 획득 효율(그로스)의 교차 영역이다.
전망은 명확하다. AE 트래픽의 나머지 7%—즉, 동일한 오가닉을 가졌는데 AI에서 더 인용되는 ‘아웃라이어’의 비밀—이 앞으로의 GEO 플레이북이 된다. 하지만 그걸 찾는 가장 빠른 방법은 유행 키워드가 아니라 데이터셋을 쌓고, 가설을 잘게 쪼개 A/B 또는 준실험으로 확인하는 것이다. AI 검색 시대의 SEO 퍼널은 “상위노출”에서 끝나지 않는다. 오가닉으로 바닥을 만들고, AI 인용으로 상단 퍼널을 넓히고, 회귀 기반 측정으로 CAC를 실제로 낮추는 팀이 다음 사이클의 승자가 된다.