제로클릭 시대, 노출만으로 가치가 있을까

Q: FAQ 2: sameAs에 Wikidata를 연결하려는데 항목이 없으면 그냥 넣어도 되나요?

Wikidata 항목이 존재하지 않으면 sameAs에 URL을 선언해도 Knowledge Graph 강화 효과가 없다. 항목 생성이 선행되어야 한다. Wikidata 항목 생성 최소 조건은 외부 신뢰 출처(언론 보도, 공식 등록 정보, GitHub 조직 페이지 등)에서 해당 엔티티를 언급하는 레퍼런스 2개 이상이다. 항목 생성 후 sameAs에 연결하고, Crunchbase·LinkedIn 공식 페이지도 동일하게 추가해 엔티티 허브 집합을 형성해야 Knowledge Panel 생성 가능성이 유의미하게 높아진다.

Google AI Overviews가 SERP 상단을 점유하면서 전통적 CTR 기반 성과 측정이 무력화되고 있다. SparkToro 분석(추정)에 따르면 Google 검색의 약 58~65%가 외부 클릭 없이 종료된다. 여기서 핵심 질문은 "클릭이 없으면 노출은 무의미한가"가 아니라, 클릭 없는 노출이 LLM 학습 데이터·Knowledge Graph 엔티티 가중치·브랜드 인지 누적에 어떤 신호를 만드는지다. 이 글은 크롤러 동작, 엔티티 해석, 모델 인용 메커니즘 관점에서 그 메커니즘을 분해한다.

제로클릭이 발생하는 기술적 구조

AI 검색의 두 계층 파이프라인

검색 증강 생성(RAG) 레이어: 쿼리 실행 시 실시간으로 상위 N개(추정 5~20개) 소스를 fetch·요약·인용 문장 생성한다. 왜: 학습 컷오프 이후 최신 정보 반영 필요. 어떻게: 소스 페이지의 제목·메타·첫 단락 구조가 요약 품질과 인용 선정에 직접 영향을 준다.
사전학습 엔티티 가중치 레이어: 학습 코퍼스 내 특정 엔티티의 등장 빈도·문맥·출처 공신력이 암묵적 가중치로 저장된다. 왜: RAG 없이도 LLM은 "브랜드 X는 Y 분야 전문가"라는 연상을 생성한다. 어떻게: 고품질 외부 게시물(Wikipedia, 기술 블로그, 학술 인용)에서 엔티티 언급이 누적될수록 가중치가 상승한다.

제로클릭 노출이 발생하는 세 경로

AI 개요 인용 박스: 클릭 없이 브랜드명·도메인이 노출된다. 왜: 사용자가 이미 답을 얻었으므로 추가 탐색 동기가 사라진다. 어떻게: FAQ·HowTo JSON-LD가 인용 박스 선정 확률을 높인다.
Knowledge Panel / Entity Card: Knowledge Graph에서 엔티티가 인식되면 SERP 우측에 브랜드 카드가 노출된다. 왜: 엔티티 신호가 약하면 패널 자체가 생성되지 않는다. 어떻게: Schema.org Organization의 sameAs에 Wikidata·Crunchbase를 연결해 엔티티 허브를 형성한다.
Featured Snippet / PAA: 전통적 제로클릭 형태. 왜: 박스 자체가 최종 답변으로 기능한다. 어떻게: 40~60자 직접 답변 구조를 H2 직후 첫 문장에 배치한다.

노출이 만드는 비클릭 가치 신호

Brand Impression → Conversion Lag: SERP 노출에서 브랜드명 인지 후 며칠 뒤 직접 검색·직접 URL 입력으로 전환된다. 왜: 브랜드 인지와 구매 결정 사이에 잠복 기간이 존재한다. 어떻게: Search Console의 브랜드 쿼리 볼륨 변화와 직접 트래픽(GA4 session_source == "(direct)")을 30일 시계열로 교차 확인한다.
Co-citation 누적: 타 사이트가 노출된 브랜드를 이후 기사에 언급하면 LLM 학습 데이터에 엔티티 연관성이 누적된다. 왜: 직접 링크 없이도 공동 언급이 반복되면 Knowledge Graph 엣지 강도가 높아진다. 어떻게: Ahrefs Brand Mention·Google Alerts로 무링크 언급을 추적한다.
SERP 노출 패턴 신호: CTR이 낮아도 특정 쿼리 클러스터에서 브랜드가 반복 등장하면 시스템이 "이 엔티티는 해당 주제 관련성 높음"으로 해석할 수 있다(추정). 왜: 클릭 외 노출 패턴도 랭킹 입력값이 될 수 있다는 연구 사례가 존재한다. 어떻게: GSC에서 쿼리별 impressions 대비 position 변화를 4주 단위로 추적한다.

제로클릭 환경에서 가치를 만드는 구현

JSON-LD로 인용 가능성 높이기

AI Overviews가 인용할 때 페이지의 JSON-LD 구조는 요약 정확도와 인용 선택에 직접 영향을 준다. 아래는 TechArticle과 FAQPage를 중첩한 실무 패턴이다.

{
  "@context": "https://schema.org",
  "@type": "TechArticle",
  "headline": "제로클릭 시대, 노출만으로 가치가 있을까",
  "author": {
    "@type": "Person",
    "name": "이서연",
    "jobTitle": "GEO 전략 리드"
  },
  "publisher": {
    "@type": "Organization",
    "name": "Citeon",
    "url": "https://citeon.io",
    "sameAs": [
      "https://www.wikidata.org/wiki/Q_CITEON_ID",
      "https://www.linkedin.com/company/citeon",
      "https://www.crunchbase.com/organization/citeon"
    ]
  },
  "mainEntity": {
    "@type": "FAQPage",
    "mainEntity": [
      {
        "@type": "Question",
        "name": "제로클릭 환경에서 노출은 GEO 가치가 있는가?",
        "acceptedAnswer": {
          "@type": "Answer",
          "text": "클릭 없이도 브랜드 엔티티 가중치와 공동 인용 빈도가 누적되며, LLM이 해당 브랜드를 특정 주제 전문가로 인식하는 신호가 된다."
        }
      }
    ]
  }
}

sameAs에 Wikidata·LinkedIn·Crunchbase를 동시에 선언하면 Knowledge Graph가 엔티티 동일성을 교차 확인해 Knowledge Panel 생성 가능성이 높아진다. Wikidata 항목이 없으면 먼저 항목을 생성하고 연결해야 효과가 발생한다.

llms.txt로 LLM 크롤러에 직접 신호 전달

Perplexity·Anthropic 등 일부 LLM 크롤러는 루트의 /llms.txt를 참조한다(표준화 진행 중, 2024~2025).

# /llms.txt — Citeon GEO Lab

## Priority Pages
- https://citeon.io/research/geo-signals: GEO 신호 체계 분석
- https://citeon.io/research/zero-click-value: 제로클릭 노출 가치 연구

## Entity Declaration
organization: Citeon
expertise: AEO, GEO, SEO, AI Search Optimization
canonical_entity: https://www.wikidata.org/wiki/Q_CITEON_ID

## Crawl Preference
preferred-format: structured-html
avoid: /admin/, /draft/, /internal/

노출 가치 측정과 검증

항목	전통 SEO	AEO (답변엔진최적화)	GEO (생성형엔진최적화)
핵심 성공 지표	클릭수, CTR, 순위	Featured Snippet 점유율	AI 인용 빈도, 브랜드 언급 수
클릭 의존도	높음	중간	낮음
가치 신호 발생 위치	SERP 클릭 이후	박스 노출 시점	LLM 응답 내 언급
엔티티 신호 의존도	낮음	중간	높음
측정 도구	GSC, GA4	GSC + SERP 스크래핑	AI 응답 모니터링(Profound, Semrush AI 등, 추정)

실무 측정 체크리스트

GSC Impressions·CTR 분리 추적: CTR 하락 + Impressions 상승이 동시 발생하면 AI 개요 인용이 늘어난 패턴이다. 왜: AI Overviews 도입 이후 이 역상관이 광범위하게 관측된다. 어떻게: GSC API로 쿼리별 impressions·clicks·ctr을 30일 슬라이딩 윈도로 추출해 추세선을 비교한다.
브랜드+주제 복합 쿼리 볼륨: "Citeon GEO" 같은 복합 검색이 늘면 제로클릭 노출이 브랜드 인지로 이어진 증거다. 왜: AI 답변에서 브랜드명을 인지한 사용자는 이후 직접 검색으로 전환하는 경향이 있다. 어떻게: GSC 브랜드 필터 쿼리 볼륨 + Google Trends를 4주 단위로 교차 확인한다.
AI 인용 직접 모니터링: Perplexity·ChatGPT에 타겟 쿼리를 입력하고 응답 내 브랜드 언급 여부를 확인한다. 왜: GEO 성과의 가장 직접적인 지표다. 어떻게: Perplexity API(베타)로 쿼리를 자동 실행한 뒤 응답을 파싱해 주별 언급 빈도를 집계한다.

흔한 오해: "AI에 인용되면 클릭 트래픽이 늘어난다"

많은 실무자가 AI Overviews 인용 = 트래픽 증가라고 가정하고 인용 최적화에 집중한다. 실제로는 반대 방향이 더 일반적이다. AI가 내 콘텐츠를 요약·제공하면 사용자는 원문을 클릭할 동기를 잃는다. 이를 인용 패러독스(Citation Paradox)라 부른다.

올바른 처리법: AI 인용 목표와 클릭 트래픽 목표를 분리 설계해야 한다.

AI 인용 최적화 목표: 브랜드 엔티티 인지 누적 + 전문가 포지셔닝. 콘텐츠를 명확·구조화해 인용 정확도를 높인다. 측정: 브랜드 쿼리 볼륨, 직접 트래픽, AI 언급 빈도.
클릭 트래픽 목표: AI가 완전히 답하지 못하는 심화·독점 콘텐츠(원본 데이터, 사례 연구, 인터랙티브 툴)에 집중한다. 측정: 해당 페이지 CTR, 평균 체류 시간.

두 목표를 혼동하면 AI 인용을 위해 콘텐츠를 단순화하면서 클릭 가치를 스스로 소거하는 역효과가 발생한다.

FAQ 1: GSC에서 Impressions는 늘었는데 CTR이 계속 내려갑니다. 성과 실패인가요?

AI Overviews 도입 이후 전형적으로 나타나는 패턴이다. Impressions 증가의 원인이 AI 개요 내 인용 링크라면, 해당 링크는 사용자가 이미 답을 얻은 뒤 노출되므로 클릭 동기가 낮다. 이 경우 CTR 하락 자체를 성과 실패로 해석해서는 안 된다. 판단 기준은 같은 기간에 브랜드 직접 트래픽과 브랜드 쿼리 볼륨이 상승하는지 여부다. 두 지표가 동반 상승한다면 제로클릭 노출이 브랜드 인지를 만들고 있다는 신호로 해석 가능하다.

FAQ 2: sameAs에 Wikidata를 연결하려는데 항목이 없으면 그냥 넣어도 되나요?

Wikidata 항목이 존재하지 않으면 sameAs에 URL을 선언해도 Knowledge Graph 강화 효과가 없다. 항목 생성이 선행되어야 한다. Wikidata 항목 생성 최소 조건은 외부 신뢰 출처(언론 보도, 공식 등록 정보, GitHub 조직 페이지 등)에서 해당 엔티티를 언급하는 레퍼런스 2개 이상이다. 항목 생성 후 sameAs에 연결하고, Crunchbase·LinkedIn 공식 페이지도 동일하게 추가해 엔티티 허브 집합을 형성해야 Knowledge Panel 생성 가능성이 유의미하게 높아진다.

참고 자료

이 글의 권고는 아래 공식 문서·연구를 근거로 합니다.