검색이 더 이상 ‘클릭을 만들어주는 기계’가 아니다. 생성형 검색이 요약으로 답을 끝내고(제로클릭), 광고 인벤토리는 검색창 밖 피드/숏폼으로 확장되면서 CAC의 결정식이 바뀌고 있다. 이제 비용은 “클릭당”이 아니라 “AI 답변/추천면에서 브랜드가 선택지로 등장할 확률”과 “그 뒤 행동 전환율”로 계산된다.
이 변화에 선제적으로 올라탄 사례가 있다. 메가경제는 퍼포먼스 대행사 어센드미디어가 AEO(Answer Engine Optimization)·GEO(Generative Engine Optimization) 상품을 런칭하고, 소재 생성·운영 자동화를 위한 자체 AI툴(어센드매트릭스)과 자동화 솔루션(레버 엑스퍼트)을 병행 도입했다고 전했다. 메시지는 명확하다. ‘클릭을 사는 시대’에서 ‘AI의 답변 안에 자리를 잡는 시대’로 이동 중이며, 그 격차는 곧 CAC 격차로 벌어진다.
맥락은 광고 시장 데이터가 뒷받침한다. IT조선은 eMarketer 전망을 인용해 2026년 메타가 검색 중심의 구글을 광고 매출/점유율에서 추월할 수 있다고 짚었다. 이유는 단순하다. 검색은 “의도가 발생한 순간”에만 열리지만, 피드 기반 디스커버리는 사용자가 스크롤하는 한 노출이 계속된다. 네이버·카카오도 검색 밖(쇼핑 추천, 지도/로컬 동선, 클립/숏폼, 카톡 탭 피드)으로 인벤토리를 넓히는 중이다. ‘발견(Discovery)’이 기본값이 되면, 성장팀은 유입 채널을 “키워드”가 아니라 “추천면” 단위로 재정의해야 한다.
그럼 CAC를 어떻게 다시 설계할까. 첫째, GEO/AEO는 SEO의 대체재가 아니라 ‘오가닉의 새 포맷’이다. 목표 KPI를 세션/클릭에서 인용(mention)·출처 링크·브랜드 추천 문장 내 노출로 바꿔야 한다. 예: 핵심 질의군을 선정하고(문제-해결형, 비교형, 가격/대안형), AI 답변에 들어갈 수 있는 구조(정의·절차·표·근거·FAQ·출처)를 갖춘 페이지/리소스를 만든다. 여기서 핵심은 “좋은 글”이 아니라 “인용 가능한 데이터 구조와 신뢰 신호”다.
둘째, 디스커버리 채널에서는 ‘타겟팅’보다 학습(learning) 속도가 CAC를 가른다. 메타·네이버·카카오의 피드형 광고는 소재·후킹·랜딩의 조합을 얼마나 빠르게 대량 실험하느냐가 성과를 좌우한다. 어센드미디어가 배너 자동 생성과 운영 자동화에 투자한 이유도 여기 있다(메가경제). 성장팀 관점에선 크리에이티브 생산성이 곧 실험 횟수이며, 실험 횟수가 곧 CPA 하락의 상한을 결정한다.
셋째, 퍼널 측정도 ‘클릭-세션’ 중심에서 노출-기여-행동 중심으로 이동해야 한다. 제로클릭에서는 유저가 읽고 끝내도 영향은 남는다(브랜드 리콜, 직접 유입, 앱 검색, 리타게팅 반응). 그래서 (1) AI/추천면 노출 지표(서베이·브랜드 리프트·검색량·직접유입) (2) 지연 전환(7~30일 윈도우) (3) 멀티터치/미디어믹스 모델을 묶어야 CAC가 ‘과소평가’되지 않는다. 측정이 낡으면, 좋은 채널을 나쁜 채널로 오판하고 예산이 역배분된다.
전망은 한 문장으로 정리된다. “검색의 클릭이 줄어드는 만큼, 추천면의 경쟁은 더 비싸진다.” 따라서 승자는 두 부류다. (A) GEO/AEO로 AI 답변의 ‘기본 출처’가 되어 구조적으로 오가닉 CAC를 낮추는 팀, (B) 피드/숏폼에서 자동화로 실험 속도를 끌어올려 학습 효율로 CAC를 깎는 팀. 둘 다 공통점이 있다. 퍼널과 측정, 실험 시스템을 동시에 바꾸는 조직만이 제로클릭을 ‘위기’가 아니라 ‘할인된 성장’으로 바꾼다.