AI 추천/검색 유입은 ‘재미있는 트래픽’이 아니라 CAC를 구조적으로 낮출 수 있는 신규 채널입니다. 아이보스가 인용한 Similarweb 데이터에 따르면 ChatGPT 유입 전환율은 11.4%로 오가닉 검색(5.3%)의 2배 이상입니다. Adobe는 생성형 AI 유입이 체류시간 +32%, 페이지뷰 +10%, 이탈률 -27%로 더 “구매 직전” 행동을 보인다고 정리합니다. 핵심은: 같은 세션이라도 유입의도(intention)가 다르면 CAC 계산식이 바뀝니다.
맥락을 해석하면, AI 유입은 ‘비교·검토를 AI가 대신한 뒤에’ 들어오는 트래픽입니다. 즉 상단 퍼널(탐색)을 통과한 사용자가 하단 퍼널(결정)부터 시작합니다. Croud 리서치에서 AI 쇼핑 사용자의 장바구니 금액이 더 높게 나온 것도 같은 결입니다(불확실성 감소→확신 증가). 결과적으로 AI 채널은 “유입 볼륨이 작아 보여도” 전환과 AOV가 받쳐주면 유닛 이코노믹스 상 충분히 메인 채널로 승격됩니다. 문제는 지금부터가 실전입니다. 채널을 키우려면 ‘노출을 만드는 기술(GEO)’과 ‘성과를 잃지 않는 귀속(Attribution)’을 동시에 해결해야 합니다.
시사점은 명확합니다. 첫째, AI 유입은 별도 채널로 분리 계측해야 합니다. referrer가 깔끔하지 않거나(앱/확장/브라우저), 요약 링크를 타고 들어오거나, 중간 경유로 유실되면 AI 채널의 진짜 CVR이 GA/어트리뷰션 툴에서 오가닉/다이렉트로 섞입니다. 이 상태에서 스케일하면 “성과는 있는데 보고서엔 없는” 최악의 누수가 납니다. 둘째, GEO는 단순히 ‘AI에 노출’이 아니라 ‘AI가 말한 기대를 랜딩이 즉시 충족’하는 전환 설계입니다. AI가 강조한 효익/가격/비교 포인트가 랜딩 첫 화면에서 확인되지 않으면, 구매의도가 높아도 마찰 한 번에 튕깁니다(고CVR 채널일수록 마찰의 손실이 더 큼).
그래서 이번 주제는 “AI추천 유입 CAC 실험”으로 설계해야 합니다. (1) AI 채널 세그먼트 정의: ChatGPT/Gemini/Perplexity/AIO 등 소스별 유입을 이벤트로 태깅하고, (2) 랜딩 변형 실험: AI가 자주 인용하는 문구/스펙/FAQ를 히어로 영역에 고정한 버전 vs 기존 버전 A/B, (3) KPI는 CVR만 보지 말고 ARPU/AOV, 환불·CS, D7 재방문까지 같이 봐야 합니다. 구매가 빨라도 ‘오해 기반 구매’면 LTV가 무너져 CAC 절감이 착시가 됩니다.
전망은 한 가지로 수렴합니다. AI 추천 유입은 앞으로도 빠르게 커지고(아이보스가 인용한 Adobe 기준 2025년 7월 YoY +4,700%), 동시에 더 “인용 기반”으로 재편됩니다. 광고비로 상단 퍼널을 밀어붙이는 시대에서, 인용/추천으로 하단 퍼널을 열어버리는 시대로 이동하는 겁니다. 이때 승자는 ‘GEO로 노출 점유율을 올리는 팀’이 아니라, GEO로 유입을 만들고 Attribution으로 성과를 잠근 뒤, 랜딩/온보딩을 실험으로 최적화해 CAC를 재설계한 팀입니다. 지금 해야 할 일은 트래픽이 커질 때까지 기다리는 게 아니라, 작은 볼륨에서 먼저 측정-학습-고정(fix)하는 것입니다.
출처: 아이보스 「왜 AI 유입 고객에 주목해야 할까」(Adobe/Similarweb/Croud/크리테오 리포트 인용).