검색 트래픽 감소 시대의 콘텐츠 전략

Google AI Overviews·ChatGPT Search·Perplexity가 정보성 쿼리에 직접 합성 답변을 제공하면서, 전통 검색 퍼널의 핵심 전제("사용자가 SERP를 클릭한다")가 흔들리고 있다. Similarweb·SparkToro의 복수 데이터셋(2025년 말 기준 추정)은 정보성 쿼리의 zero-click 비율이 지속 상승 중임을 시사한다. 문제는 트래픽 감소 자체보다 구조적 단절이다. 기존 SEO 지표(오가닉 세션·CTR·SERP 순위)로는 AI 채널에서의 브랜드 인용 빈도를 측정조차 할 수 없다. 콘텐츠 팀이 바꿔야 할 것은 키워드 전략이 아니라, 콘텐츠의 인용 가능성 설계 방식과 측정 체계다.

AI 검색이 클릭을 가로채는 메커니즘

AI 검색 시스템은 전통 SERP와 다른 두 단계를 거친다.

1. 쿼리 의도 분류(Intent Classification) — 시스템이 쿼리를 "직접 답변 가능"으로 판정하면 RAG 파이프라인이 활성화된다. 왜: 단순 정의·절차·비교 쿼리는 합성 응답의 사용자 만족도가 클릭 유도보다 높기 때문. 어떻게: Googlebot이 수집한 페이지를 Knowledge Graph 엔티티 해석과 결합해 쿼리 의도를 labeling한 뒤 AI Overview 활성화 여부 결정.
2. 청크 추출 및 재랭킹 — 인덱스된 문서에서 768~1024 토큰 단위 청크를 추출한 뒤 임베딩 유사도 + BM25 하이브리드 스코어로 상위 5~10개 소스를 선정한다. 왜: 문서 전체를 LLM context에 넣는 비용 대신 관련성 높은 청크만 주입. 어떻게: H2 직후 2~3문장 요약 단락이 청크 경계와 일치할 때 인용 확률이 높아진다(플랫폼마다 편차 있음).
3. 출처 귀속(Attribution) — 합성 답변에 출처 링크가 붙는다. 페이지 클릭은 없어도 브랜드 노출은 발생한다. 왜: 플랫폼이 사용자 신뢰를 위해 근거 문서를 제시. 어떻게: 인용 횟수가 GEO(생성형엔진최적화)의 핵심 성과 지표가 된다.

인용 가능한 콘텐츠 구조 설계

답변 밀도 최적화

• 명제형 리드 단락(Answer-First Paragraph) — H2 직후 첫 1~2문장에 질문의 핵심 답을 완결된 문장으로 배치한다. 왜: RAG 추출기가 섹션 상단 텍스트를 대표 청크로 우선 선택하는 경향. 어떻게: "X는 Y다. 이유는 Z이기 때문이다." 구조로 단락 시작.
• 엔티티 명시성(Entity Salience) — 브랜드명·제품명·기술 용어를 문서 내 일관되게 표기한다. 왜: 지식 그래프 엔티티 연결 품질이 인용 신뢰도에 영향. 어떻게: 동의어 사용 최소화, 공식 표기(예: "LLM" vs "대규모 언어 모델") 일관성 유지.

JSON-LD 스키마 마크업

AI 크롤러는 HTML 텍스트뿐 아니라 구조화 데이터를 파싱해 엔티티 관계를 추론한다. 기술 블로그에 삽입해야 할 최소 스키마는 다음과 같다.

{
  "@context": "https://schema.org",
  "@type": "TechArticle",
  "headline": "검색 트래픽 감소 시대의 콘텐츠 전략",
  "description": "AI 검색 RAG 인용 구조와 GEO 지표 전환 실무 가이드",
  "datePublished": "2026-06-18",
  "dateModified": "2026-06-18",
  "author": {
    "@type": "Person",
    "name": "박도현",
    "jobTitle": "AEO Researcher"
  },
  "publisher": {
    "@type": "Organization",
    "name": "Citeon",
    "url": "https://citeon.io"
  },
  "about": [
    {
      "@type": "Thing",
      "name": "Generative Engine Optimization"
    },
    {
      "@type": "Thing",
      "name": "Retrieval-Augmented Generation",
      "description": "AI 검색 시스템의 문서 청크 추출·합성 파이프라인"
    }
  ],
  "mainEntityOfPage": {
    "@type": "WebPage",
    "@id": "https://citeon.io/blog/search-traffic-decline-content-strategy"
  }
}

클릭 의존 지표에서 GEO 측정 체계로

기존 SEO 대시보드로는 AI 검색 채널 성과를 볼 수 없다. 아래 표는 최적화 레이어별 차이를 정리한다.

GEO 측정 실무 절차

1. 프롬프트 감사(Prompt Audit) — 핵심 쿼리 20~30개를 ChatGPT·Perplexity·Gemini에 수동 입력해 브랜드·콘텐츠 인용 여부를 쿼리/날짜/플랫폼/인용 구문 컬럼으로 기록한다. 왜: 상용 GEO 분석 도구가 아직 완전하지 않아 수동 감사가 현실적 기준선. 어떻게: 주 1회 주기로 동일 쿼리셋을 반복해 인용 변동을 추적.
2. AI 크롤러 로그 분석 — Nginx/Caddy 로그에서 AI 크롤러 User-Agent를 필터링해 크롤 빈도와 대상 URL을 파악한다. 왜: 크롤되지 않은 페이지는 인용될 수 없음. 어떻게: grep -E "GPTBot|ClaudeBot|PerplexityBot|GoogleOther" /var/log/nginx/access.log | awk '{print $7}' | sort | uniq -c | sort -rn | head -30

직접 채널 강화와 AI 크롤러 접근 제어

• 뉴스레터 구독 전환 CTA 삽입 — 콘텐츠 중간(30% 지점)과 말미에 구독 폼을 배치한다. 왜: AI 검색으로 오가닉 유입이 줄어도 구독자에게는 직접 도달 가능. 어떻게: 구독 문구를 "이메일 업데이트"가 아닌 "이 주제의 다음 리포트를 받으려면"처럼 콘텐츠 가치와 연결.
• robots.txt AI 크롤러 선택적 제어 — 학습 데이터 제공 거부와 검색 인용 허용을 분리 설정한다. 왜: GPTBot(학습)과 ChatGPT Browse(검색 인용)는 일부 분리 운용될 수 있음. 어떻게:

# robots.txt — AI 크롤러 선택적 허용 예시

User-agent: GPTBot
Disallow: /private/
Allow: /blog/
Allow: /guides/

# Gemini 학습 데이터 수집 거부 (AI Overviews 인용은 Googlebot이 담당)
User-agent: Google-Extended
Disallow: /

User-agent: ClaudeBot
Allow: /

User-agent: PerplexityBot
Allow: /

• llms.txt 배치 — 사이트 루트에 /llms.txt를 두어 LLM 크롤러에게 콘텐츠 허용 범위를 명시한다. 왜: 비공식 표준이지만 일부 크롤러가 이미 참고하고 있으며 향후 표준화 가능성 있음. 어떻게:

# llms.txt — LLM Crawler Access Policy

## Allow (inference & citation)
/blog/
/guides/
/docs/

## Restrict (crawl not recommended)
/drafts/
/internal/

## Contact
ai-policy: [email protected]

흔한 오해: "글이 길수록 GEO에 유리하다"

오해: SEO에서 긴 글이 E-E-A-T 신호에 유리하다는 통념을 GEO에 적용해, AI 인용 최적화를 위해 2000자 이상의 포괄적 글을 작성한다.

실제 메커니즘: RAG 파이프라인은 문서 전체를 LLM context에 넣지 않는다. 768~1024 토큰 단위로 청크를 추출하므로, 핵심 답변이 문서 깊숙한 곳에 매몰되면 청크 재랭킹에서 밀린다. 긴 글은 청크 수가 늘어나지만 각 청크의 관련성 밀도가 낮으면 인용 확률이 오히려 감소한다.

올바른 처리법:

1. H2 섹션마다 첫 1~2문장에 해당 섹션의 핵심 답변을 완결된 형태로 배치.
2. 섹션 길이를 한국어 기준 300~600자 내외로 유지해 청크 경계 내에 핵심 정보가 수용되도록 설계.
3. 추가 설명이 필요하면 H3로 세분화해 각 하위 섹션도 독립적으로 인용 가능하게.

참고 자료

이 글의 권고는 아래 공식 문서·연구를 근거로 합니다.

• Google 검색 센터 — SEO 기본 가이드
• GEO: Generative Engine Optimization (arXiv 2311.09735)
• Google 검색의 AI 기능과 내 웹사이트