AI 검색/추천 엔진이 트래픽을 재배분하는 지금, 상단 퍼널의 전장은 SERP가 아니라 ‘AI 답변의 인용 리스트’로 이동했습니다. 문제는 여기서부터입니다. AI 답변에 안 뜨면 유저 입장에선 존재하지 않는 브랜드가 되고, 그 순간 CAC는 같은 예산으로 더 적은 신규 유저를 사오는 구조로 악화됩니다.
aimkt.biz가 전한 사례에서 레이크닷컴(Lake.com)은 전통 SEO 노출이 나쁘지 않았는데도 ChatGPT·Claude·Perplexity 답변에서 소외되는 것을 ‘성장 위기’로 정의했습니다. 에어비앤비 같은 범용 플랫폼이 AI 상단을 독식하는 상황에서, 레이크닷컴은 키워드 게임을 버리고 GEO(Generative Engine Optimization)로 “AI가 인용하기 쉬운 데이터 구조”를 만드는 쪽으로 전략을 뒤집었습니다.
핵심은 ‘콘텐츠를 더 쓰기’가 아니라, AI가 정보를 채택하는 방식에 맞춰 데이터와 문장 구조를 재설계한 점입니다. 고객 여정을 탐색-예약-체험으로 쪼갠 뒤, 사용자가 던질 법한 마이크로 모멘트(know/go/do) 질문에 정확히 답하는 니치 콘텐츠를 깔고, 이를 지식그래프+스키마(JSON-LD)로 엔티티화했습니다. 여기에 llms.txt 같은 전용 요약 통로와 FAQ/내러티브 최적화로 “답변 가능한 문장”을 공급해 AI의 발췌 비용을 낮췄습니다.
이건 단순 브랜딩이 아니라 퍼널 해킹입니다. AI 답변 인용은 ‘클릭 이전’에 신뢰를 선점하는 장치라서, 같은 트래픽이라도 (1) 브랜드 검색 증가 → (2) 직접 유입 비중 확대 → (3) 유료 채널 의존도 감소로 이어질 확률이 큽니다. 특히 레이크닷컴이 KPI를 ‘검색 순위’가 아니라 ‘AI 답변 내 인용률/가시성(share of voice)’로 바꾼 건, 성장팀이 즉시 벤치마킹해야 할 대목입니다. 순위는 채널 지표지만, 인용률은 “AI 추천 시장 점유율”에 가깝기 때문입니다.
여기에 ZDNet이 전한 구글 제미나이의 ‘외부 챗봇 기록 연동(데이터 이식)’이 붙으면 판이 더 커집니다. 유저가 챗GPT에서 쌓아둔 선호·관계·맥락을 제미나이로 복사/업로드해 가져오는 순간, 전환의 병목은 더 이상 “새 서비스 학습”이 아니라 “누가 더 빨리 유저의 개인 맥락에 들어가느냐”가 됩니다. 즉, 온보딩은 ‘튜토리얼’에서 ‘맥락 이식’으로 바뀌고, 락인은 기능이 아니라 데이터 이동 경로가 좌우합니다.
시사점은 명확합니다. 첫째, GEO는 마케팅 팀의 문서 작업이 아니라 ‘데이터 인프라 작업’입니다. 스키마/엔티티/지식그래프/요약 엔드포인트까지 묶어야 AI가 인용할 수 있고, 그때부터 CAC 절감이 현실이 됩니다. 둘째, “데이터 이식”은 경쟁사의 전환장벽을 무너뜨리는 공격 무기입니다. 가져오기(Import)를 제공하는 쪽은 전환율이 오르고, 제공하지 않는 쪽은 이탈의 마찰을 방어할 명분을 잃습니다.
전망: 앞으로 성장 전략은 두 레이어로 분화될 겁니다. (A) 유입 레이어에선 ‘AI 답변 인용률’이 신규 상단 퍼널의 핵심 KPI가 되고, (B) 전환 레이어에선 ‘대화/선호/설정의 이식률’이 온보딩 KPI가 됩니다. 레이크닷컴이 에어비앤비를 상대로 보여준 건 “규모”가 아니라 “구조화된 전문 데이터”가 AI 추천에서 이긴다는 사실입니다(aimkt.biz). 이제 질문은 하나입니다. 우리 제품은 AI가 인용할 만큼 구조화돼 있는가, 그리고 유저가 경쟁 서비스에서 들고 오는 맥락을 한 번에 받아 전환시킬 수 있는가(zdnet.co.kr).