AI 검색/추천이 ‘발견의 첫 화면’을 가져가면서, 유입 공식이 바뀌고 있습니다. 이제는 사용자가 키워드를 치기 전에 ChatGPT·Gemini·Perplexity·Google AI Overviews가 “어떤 브랜드/콘텐츠를 답변에 포함할지”를 먼저 결정합니다. 이 변화는 광고 의존 CAC를 구조적으로 흔들 수 있는 레버지만, 동시에 AI의 오답·허위정보 취약성은 신뢰 하락→전환율(CVR)·리텐션 하락으로 직결되는 리스크입니다.
benews.co.kr는 스튜디오파티클의 ‘브랜드시그널’을 소개하며, 동일 질문을 주기적으로 던져 AI 엔진별 브랜드 언급/추천 패턴을 추적한다고 전했습니다. 핵심은 “AI가 무엇을 추천하느냐”를 검색 순위가 아니라 ‘AI 추천 점유율’ 같은 지표로 측정한다는 점입니다. 이건 그로스 관점에서 말하면, AI 채널의 Share of Voice를 계량화해 실험 가능한 대시보드로 만든 것입니다.
맥락은 더 명확합니다. 가트너 전망(기사 인용)대로 2026년까지 전통 검색 사용이 25% 줄어든다면, SEO/광고 최적화만으로는 신규 유입이 정체됩니다. 반대로 “AI 답변에 인용/추천되는 확률”을 올리면, 클릭이든 브랜드 리콜이든 새로운 유입 파이프가 열립니다. 문제는 이 파이프가 의외로 변동성이 크고(질문 맥락·모델별 결과 차이), 쉽게 오염될 수 있다는 것입니다.
엠투데이(뉴욕타임스/오우미 SimpleQA 평가 인용)는 AI Overviews 정확도가 약 90% 수준이며, 가짜 블로그 글을 인용하는 식으로 조작 가능성도 지적합니다. 이 수치는 단순 ‘품질 이슈’가 아니라, 우리 퍼널에서 (1) 잘못된 기대를 가진 유저 유입 → (2) 온보딩 마찰 증가 → (3) 환불/이탈 증가로 번역됩니다. 즉 AI검색 유입 실험은 “노출 극대화” 단일 목표가 아니라, 노출×정확성×일관성을 한 프레임으로 묶어야 합니다.
실행 가능한 실험법은 2트랙입니다. 첫째, AI가 인용하기 쉬운 구조를 주는 실험입니다. dev.to 글은 JSON-LD(구조화 데이터)가 2026년엔 리치스니펫을 넘어 AI 시스템이 “신뢰/최신성/범위”를 판단하는 신호가 된다고 주장합니다. 최소 스펙으로는 BlogPosting의 headline/description/url/author/datePublished/dateModified를 깔고, 특히 dateModified로 ‘최근 업데이트’를 강하게 찍어 주세요. 목표는 ‘검색 순위’가 아니라 AI 인용 가능성(citation rate) 상승입니다.
둘째, AI 추천 점유율을 퍼널 지표로 바꾸는 실험입니다. 브랜드시그널처럼 (A) 산업 중심 질문(“배달앱 추천해줘”)과 (B) 브랜드 포함 질문(“A vs B 뭐가 좋아?”)을 분리해, 엔진별(Overviews/ChatGPT/Gemini/Perplexity) 언급률·평균 순위를 주간 코호트로 추적합니다. 여기서 그로스 실험의 종속변수는 2개로 쪼개야 합니다: ① AI 노출 지표(언급률/인용률/순위), ② 비즈니스 지표(세션→가입 CVR, 활성화율, D7 리텐션). 노출이 올라도 CVR이 떨어지면 ‘오답/기대불일치 유입’일 확률이 큽니다.
시사점은 명확합니다. AI검색 유입 최적화는 SEO팀만의 일이 아니라, 그로스+콘텐츠+데이터+CS의 합동 프로젝트가 됩니다. 콘텐츠는 구조화(스키마)와 최신성(업데이트)을 시스템화하고, 데이터팀은 “AI 엔진/질문 세트/응답 로그”를 이벤트로 적재해 실험 루프를 돌려야 합니다. CS/정책은 AI가 오해하기 쉬운 포인트(가격, 환불, 제약조건)를 FAQ/정책 문서로 명확히 박아 ‘허위 기대’를 줄여야 합니다.
전망: 단기적으로 AI Overviews 같은 제품은 계속 커지고(semrush 인용이든 업계 관측이든) 노출 기회는 늘겠지만, 동시에 오답/조작 이슈도 커집니다. 승자는 “더 많이 노출되는 팀”이 아니라, 노출을 실험으로 계량화하고(점유율/인용률), 오답 리스크를 전환·리텐션 관점에서 통제하는 팀입니다. 다음 스프린트에서 할 일은 단순합니다: ① 핵심 랜딩/아티클 20개에 JSON-LD 표준 템플릿 적용, ② AI 질문 세트 30개 정의(산업형/브랜드형/비교형), ③ 주간 AI 추천 점유율×CVR×D7 리텐션을 한 대시보드로 묶고, ④ 변동이 큰 질문부터 콘텐츠/정책/온보딩 카피를 A/B로 수정해 ‘고품질 유입’만 남기세요.