AI 검색이 커질수록 SEO의 KPI는 ‘순위’가 아니라 ‘인용(citation)’이 됩니다. ChatGPT·퍼플렉시티 같은 답변형 검색은 사용자를 링크로 보내지 않고, 특정 이름/브랜드를 답변 안에 박아버립니다. 이 순간 유입은 클릭이 아니라 기억되는 추천으로 바뀌고, 우리는 그 추천을 리드(상담·문의)로 바꾸는 퍼널을 새로 짜야 합니다.
sideview.co.kr가 다룬 법률 마케팅 사례는 이 변화를 적나라하게 보여줍니다. “이혼 전문 변호사 추천” 같은 질문에 AI가 특정 법무법인/변호사명을 즉답하고, 리스트에 포함되느냐가 곧 접점의 유무가 됩니다. 더 중요한 포인트는 “블로그만으론 부족”하다는 진단입니다. AI는 단일 채널의 최적화보다, 웹 전반에 퍼진 일관된 전문성 시그널을 종합해 ‘추천할 만한가’를 판단합니다.
여기서 맥락을 한 단계 더 해석하면, 클릭 기반 SEO는 ‘트래픽 구매/획득’ 게임이었고, AI 추천 시대는 ‘신뢰 자산 축적’ 게임입니다. 법률처럼 CPC가 높은 시장에서 파워링크는 결국 자본력 싸움으로 기울지만, AI 인용은 광고비가 아니라 증거자산(Proof Assets)의 밀도로 결정될 가능성이 큽니다. 즉, 같은 비용을 써도 “클릭”을 사는 대신 “인용될 확률”을 사는 쪽이 장기적으로 CAC 하방을 엽니다.
퍼널 관점에서 핵심 전환은 이것입니다: GEO(Generative Engine Optimization)로 인용면을 만들고 → 인용을 리드로 회수하는 ‘수집 장치’를 붙인다. 인용은 노출이고, 리드는 성과입니다. 노출만 늘리면 ‘좋은 말’로 끝나고, 회수 장치가 있으면 CAC 레버가 됩니다.
실무 시사점은 3가지입니다. 첫째, 멀티채널 증거자산 설계가 곧 GEO의 연료입니다. 기사에서 언급된 패턴(블로그의 전문 콘텐츠 축적, 뉴스 노출 반복, 유튜브/숏폼 존재, 크롤링 친화적 홈페이지 SEO)은 ‘AI가 신뢰를 계산할 때 보는 피처셋’에 가깝습니다(출처: sideview.co.kr). 여기서 중요한 건 콘텐츠 양이 아니라, “한 사람/한 법인의 전문 분야가 무엇인지”를 웹 전체에서 같은 결론으로 수렴시키는 엔티티 일관성입니다.
둘째, 인용→리드 전환 동선을 의도적으로 만들어야 합니다. AI 답변은 사용자를 우리 사이트로 보내지 않을 수 있으니, 리드 수집은 ‘클릭 이후’가 아니라 ‘인용 이후’에 발생합니다. 예: (1) 이름/브랜드 검색 시 상단에 노출되는 ‘상담 예약’ SERP 자산 강화, (2) 네이버/구글 비즈니스 프로필·지도·리뷰를 상담 CTA로 연결, (3) “사건 유형 체크리스트/비용 가이드” 같은 다운로드형 리드 마그넷을 여러 채널에 동일하게 배치해 브랜드 검색 시 바로 회수.
셋째, 측정은 ‘세션’이 아니라 ‘인용 기반 리드’로 재정의해야 합니다. AI 인용은 referrer가 안 찍히거나, 다크 트래픽으로 들어올 확률이 높습니다. 그래서 최소한 (1) 브랜드 검색량/직접 유입 추세, (2) 상담 폼의 “유입 경로(자기기입)” 필드 표준화, (3) 콜/카톡 문의에 캠페인 키워드 태깅(스크립트 포함), (4) 뉴스/영상/블로그별 ‘상담 전환율’ 코호트로 역추적하는 방식이 필요합니다. 결국 목표는 “AI에서 얼마나 언급됐나”가 아니라 “언급 증가가 리드 증가로 이어졌나”입니다.
전망: 광고 경쟁이 치열한 전문 서비스 카테고리일수록, 이 전환은 더 빨리 옵니다. 클릭은 더 비싸지고(경쟁 심화), 추천은 더 직접적이 되며(답변형 UX), 상위 사업자는 더 많은 콘텐츠/PR로 엔티티 시그널을 누적할 겁니다. 반대로 중소/개업에게도 기회가 있습니다. 기사에서 말하듯 AI 추천은 광고비가 아니라 콘텐츠의 질·일관성·다채널 노출로 결정될 여지가 크고(출처: sideview.co.kr), 이는 ‘돈’보다 ‘운영 시스템’을 가진 팀이 이길 수 있는 게임입니다.
지금 당장 할 일은 명확합니다. (1) 우리 브랜드가 AI 검색에서 어떤 질의에 등장하는지 ‘질의 맵’을 만들고, (2) 그 질의에 대한 증거자산(블로그/홈페이지/기사/영상/리뷰)의 빈 구멍을 채우며, (3) 인용 이후 리드를 회수하는 CTA/상담 동선을 표준화하세요. 클릭이 줄어드는 게 문제가 아닙니다. 클릭 없이도 리드가 쌓이게 설계하지 못하는 게 문제입니다.