작업의 단위가 문단이 됩니다. 서피스는 링크 열 개가 아니라 답변 하나가 됩니다. 그리고 보상은 클릭이 아니라 언급이 됩니다. Pew는 실제 검색 68,879건을 추적해, 사람들이 AI 요약 안의 출처를 클릭하는 경우가 약 1%임을 확인했습니다.
답변 엔진이 여러분과 독자 사이에 들어오면 세 가지가 진짜로 바뀝니다. 경쟁의 단위가 문서가 아니라 문단이 되고, 서피스가 순위 매겨진 링크 열 개가 아니라 종합된 답변 하나가 되며, 보상이 방문이 아니라 언급이 됩니다. 여기에 두 가지 변화가 더 따라옵니다. 결과가 불안정하고, 여러분이 어떻게 설명되는지를 더 이상 통제하지 못하기 때문입니다. Pew Research Center는 2025년 3월 미국 성인 900명 이상을 Google 검색 68,879건에 걸쳐 추적해, AI 요약이 나타났을 때 사용자가 결과를 클릭한 비율이 8%, 나타나지 않았을 때는 15%였고, 요약 안의 출처를 클릭한 비율은 약 1%였음을 확인했습니다.1
핵심 요약단위와 서피스와 보상은 일 자체를 바꿉니다. 안정성과 설명되는 방식은 보고와 글쓰기를 바꿉니다.
| 전통적 검색 | AI 답변 엔진 | |
|---|---|---|
| 경쟁의 단위 | 페이지 | 문단. 하이라이트된 문단의 중앙값은 약 117단어 |
| 사용자가 보는 것 | 순위 매겨진 링크 열 개 | 종합된 답변 하나 |
| 경쟁하는 쿼리 | 입력된 그 쿼리 | 볼 수 없는 팬아웃 하위 쿼리 여러 개 |
| 보상 | 클릭 | 언급. 약 1%가 AI 요약 안의 출처를 클릭 |
| 결과 안정성 | 매일 순위를 추적할 만큼 안정 | 반복 실행의 겹침은 Jaccard 0.34–0.42 |
| 서피스 간 일관성 | 인덱스 하나, 결과 집합 하나 | 한 회사의 서피스 세 개 사이 URL Jaccard 0.11–0.18 |
| 설명되는 방식 | 자사의 제목과 스니펫 | 바꿔 말하기. 테스트 답변의 >60%에 오류 |
월요일에 하는 일을 바꾸는 것은 앞의 네 행뿐입니다. 단위는 무엇을 편집할지를 바꾸고, 서피스는 이기는 모습이 어떤 것인지를 바꾸고, 팬아웃은 무엇을 겨냥할지를 바꾸고, 보상은 이사회에 무엇을 약속할지를 바꿉니다. 나머지 세 행은 어떻게 보고하고 어떻게 쓰는지를 바꿉니다.
이 표에 나오지 않는 것은 일의 상류 절반에 대한 변화입니다. 관련성, 색인 등록, 주제 커버리지는 그대로이며 애초에 자격이 있는지를 지금도 결정합니다. 그쪽은 GEO와 SEO 단계와 SEO에서 이어지는 것 주제가 다룹니다. 아래의 모든 것은 그 하류입니다.
단위가 문단인 이유는 엔진이 텍스트 한 구간을 인용하고 페이지의 나머지는 버리기 때문이며, 적어도 한 서피스에서는 어느 구간인지 정확히 볼 수 있습니다. 공개된 가장 큰 문단 수준 데이터셋은 148개 산업에 걸친 Google AI Mode 인용 15,699,298건을 1년 동안 조사한 벤더 연구로, 270만 개 페이지에 걸친 460만 개의 고유한 하이라이트 문단으로 귀결되었고 2026년 7월에 공개되었습니다. 벤더 발표이므로 이 커리큘럼의 출처 규칙에 따라 설명만 하고 링크는 걸지 않습니다.7
그 수치들은 인용된 문단이 어떤 모습인지를 설명합니다. 인용의 47.7%는 일반 링크가 아니라 스크롤-투-텍스트 하이라이트였고, 이는 엔진이 특정 문단을 가리켰다는 뜻입니다. 하이라이트된 문단의 중앙값은 117단어였습니다. 80%는 답을 첫 문장에 두었고, 약 85%는 완전히 자기완결적이었습니다. 즉 주변 페이지 없이도 이해할 수 있었습니다. 그리고 반복 인용된 문단의 48%가 명시적인 질문으로 시작한 반면, 일회성 문단은 22%였습니다. 같은 데이터셋은 순위가 여전히 전체를 지배한다는 것도 보여 줍니다. 하이라이트 문단을 21개 이상 제공한 페이지는 오가닉 순위 중앙값이 1위였고, 100회 이상 재사용된 문단 중 76%는 1위 페이지에서 나왔습니다.
편집상의 결론은 그 백분율을 믿는지에 달려 있지 않습니다. 각 섹션을 주변 맥락 없이 뽑혀 나가도 살아남도록 쓰십시오. 그것이 그 섹션이 쓰이는 유일한 형태이기 때문입니다. 소제목은 질문형으로, 답은 그 아래 첫 문장에, 모든 단서는 위 문단이 아니라 문장 자체에 넣으십시오. “이것은”처럼 시작하는 도입부는 구조적으로 인용될 수 없습니다.
독자가 입력한 그 쿼리가 아닙니다. 엔진이 스스로 여러 번 검색을 실행하고, 여러분은 그것을 볼 수 없기 때문입니다. Google은 자사 서피스에 대해 이렇게 문서화합니다. AI Overviews와 AI Mode 모두 “‘쿼리 팬아웃’ 기법을 사용할 수 있다”고 하며, 이를 응답을 만들기 위해 “하위 주제와 데이터 소스 전반에 걸쳐 관련 검색을 여러 건 실행하는 것”이라고 설명합니다.8 따라서 질문 하나가 별개의 리트리벌 여러 건이 되고, 여러분의 페이지는 그 각각에서 독립적으로 판정됩니다.
그다음 독자가 보는 것은 순위 매겨진 링크 열 개가 아니라 종합된 답변 하나이고, 이는 업계가 보고에 써 온 위치 어휘를 은퇴시킵니다. 차지할 3위가 없고, 유일한 인용 출처인 것과 일곱 번째 인용 출처인 것이 여러분의 분석 화면에서는 똑같아 보입니다. 그 아래의 자격 규칙은 전혀 바뀌지 않았습니다. Google이 밝힌 뒷받침 링크의 요건은 페이지가 “색인에 등록되어 있고 스니펫과 함께 Google 검색에 표시될 자격이 있으며 검색의 기술 요건을 충족”해야 한다는 것이고, 그 밖에 추가 기술 요건은 없다고 말합니다.8
계획 측면에서 두 가지가 따라옵니다. 키워드와 페이지의 대응이 일대일이 아니게 되므로, 헤드 텀이 아니라 주제가 함의하는 하위 질문을 중심으로 커버리지를 만드십시오. 실제로 검색되는 것이 그 하위 질문이기 때문입니다. 그리고 인용이 없는 것을 순위 하락으로 읽는 일을 그만두십시오. 어떤 하위 쿼리가 실행되었는지 볼 수 없고, 답변은 여러분의 페이지가 애초에 후보도 되지 못한 쿼리로 조립되었을 수 있습니다. Grossman 외는 실제 사용자 쿼리 11,500건 중 51.5%에서 AI Overview가 오가닉 결과 위에 있었음을 확인했습니다. 즉 이것은 예외가 아니라 일반적인 경로입니다.3
지금까지 공개된 유일한 독립 행동 측정에 따르면, 순위가 만드는 것보다 훨씬 적습니다.
AI 인용은 세션을 만드는 것보다 훨씬 안정적으로 브랜드 노출을 만듭니다. Pew Research Center는 2025년 3월 미국 성인 900명 이상의 실제 브라우징을 Google 검색 68,879건에 걸쳐 추적했고, 그중 12,593건에서 AI 요약이 나왔습니다. 요약이 나타났을 때 사용자가 아무 결과나 클릭한 비율은 8%였고, 나타나지 않았을 때는 15%였습니다. 요약 안에서 인용된 출처를 클릭한 비율은 약 1%였습니다. 그리고 브라우징을 아예 멈출 가능성이 더 높았습니다. 요약이 있는 페이지 방문의 26%가 세션 종료로 이어졌고, 없을 때는 16%였습니다.1
이것은 팔 제품이 없는 연구 기관이 내놓은 행동 패널 데이터이고, 그래서 이 단계에서 가장 강한 근거입니다. 학술 문헌도 불확실성의 방향에 대해서는 같은 이야기를 합니다. 2026년 비판적 서베이는 인용 점수가 클릭이나 전환이나 매출을 예측한다는 주장에 가장 낮은 등급인 매우 낮은 확신도를 매깁니다.2
보고 방식의 변화는 여기서 곧바로 따라옵니다. 인용은 구매 의도가 높은 순간의 노출로 세어 다른 브랜드 인지 지표 옆에 두고, 오가닉 세션과 같은 표에 넣는 일을 그만두십시오. 어떤 가정된 비율로든 인용을 방문으로 환산하는 예측은, 이 분야가 명시적으로 근거 없음이라고 등급을 매긴 바로 그 한 가지 위에 세워진 예측입니다.
순위 추적기로 하던 모든 일을 반복 표집으로 다시 만들어야 합니다. 같은 프롬프트를 두 번 물으면 겹치지만 서로 다른 출처가 돌아오기 때문입니다. 2026년 비판적 서베이는 상용 엔진에서 같은 쿼리를 재실행했을 때 겹침이 Jaccard 0.34–0.42이고, 온도를 조절할 수 있는 서피스에서는 반복 판정의 9–28%가 바뀐다고 보고하며, 그 결과를 분명히 적습니다. “가시성은 분포다… 점추정은 안정적인 지표가 아니다.”2
서피스 간 불안정성은 실행 간 불안정성보다 더 나쁩니다. Grossman 외(SIGIR 2026)는 쿼리 11,500건에 걸쳐 오가닉 Google, AI Overviews, Gemini 사이의 URL 수준 Jaccard 유사도를 0.11–0.18로 측정했습니다. 한 회사의 서피스 세 개가 어떤 URL이 질문에 답하는지를 두고 대체로 의견이 갈린다는 뜻입니다.3 Li와 Sinnamon(2024)은 생성형 검색 답변 1,008건을 감사해, 두 엔진에서 인용된 355개 고유 도메인 중 26%만 양쪽에 모두 나타났음을 확인했습니다.4 서베이의 결론은 이 결과들이 “전역 GEO 순위라는 관념을 반박한다”는 것입니다.
세 가지 습관이 따라옵니다. 각 프롬프트를 한 번이 아니라 일정 기간에 걸쳐 여러 번 표집하십시오. 엔진별로 보고하고 엔진들을 하나의 점수로 섞지 마십시오. 그리고 직접 측정한 실행 간 분산보다 작은 차이는 모두 차이가 아닌 것으로 다루십시오. Jaccard 0.34–0.42 수준에서는 주간 변동 대부분이 노이즈이기 때문입니다.
여러분은 측정된 오류율을 가진 시스템에 의해 바꿔 말해집니다. 그래서 정확성은 여러분이 소유하는 것이 아니게 되고, 더 쉽게 만들어 줄 수만 있는 것이 됩니다. 컬럼비아 대학 Tow 디지털 저널리즘 센터는 2025년 3월 발행사 20곳에서 각각 기사 열 편을 뽑아 엔진 여덟 개에서 쿼리 1,600건을 테스트했고, 60%가 넘게 부정확한 답변을 냈음을 확인했습니다. 편차는 컸습니다. 한 엔진은 94%의 경우 틀렸고 프롬프트 200건 전체에서 오류 페이지로 연결되는 인용 154건을 만들었으며, 가장 성적이 좋은 엔진도 37%의 경우 틀렸습니다. 모델 제공사와의 라이선스 계약은 정확한 인용을 보장하지 않았고, 크롤러를 차단한 발행사도 여전히 인용되었습니다.5
Tow 센터의 2024년 11월 이전 연구는 발행사 20곳에서 직접 인용문 200건을 가져와 한 엔진에 그 출처를 식별하게 했습니다. 답변 200건 중 153건이 부분적으로 또는 전부 부정확했고, 시스템이 불확실성을 표시한 것은 7번뿐이었습니다.6 학술 연구는 답변 내부에서 같은 약점을 찾아냅니다. Liu 외(2023)는 생성형 검색 답변의 문장 중 51.5%만 인용에 의해 완전히 뒷받침된다는 것을 확인했고, 2026년 연구는 원자적 주장 98,020건 중 약 11%를 뒷받침이 불충분한 것으로 분류했습니다.2
이것을 여러분 쪽에서 고칠 수는 없습니다. 할 수 있는 일은 노출을 줄이는 것이고, 그 기법은 문단 데이터가 가리키는 것과 같습니다. 혼자 인용되어도 참인 문장을 쓰는 것입니다. 단서를 앞 문장이 아니라 그 문장 안에 넣고, 날짜를 주장 안에 넣고, 출처를 각주에만 두지 말고 본문에서 이름으로 밝히십시오. 맥락 안에서만 참인 문장은 결국 맥락 밖에서 인용됩니다.
Pew의 수치는 Google만, 미국 성인만, 2025년 3월만 설명합니다. 그리고 1%는 사람들이 요약 안에서 인용된 출처를 클릭한 비율을 구체적으로 가리키며, 사이트의 전체 AI 추천 유입률이 아닙니다. 후자는 어떤 독립 연구도 측정한 적이 없습니다. ChatGPT, Perplexity, Copilot에는 비교할 만한 행동 패널이 없으므로 이 페이지의 보상 행은 엔진 하나와 한 달에 기대고 있습니다. 문단 수준의 백분율은 벤더가 만든 상관 데이터이고 기저율이 없습니다. 이 연구는 웹 전체 문단 중 답을 먼저 쓰는 문단이 몇 퍼센트인지 보고하지 않으므로, 그럴듯한 메커니즘을 뒷받침할 뿐 증명하지는 않습니다.
여기 있는 다섯 가지 변화 중 넷은 사는 것이 아니라 편집으로 해결됩니다. 구매 의도가 가장 높은 섹션을 자기완결적으로 다시 쓰고, 헤드 텀이 아니라 하위 질문을 중심으로 커버리지를 만들고, 인용을 트래픽 예측에서 브랜드 보고로 옮기고, 모든 단서를 그것이 한정하는 문장 안에 넣는 것입니다. 기계가 필요한 것은 안정성 변화 하나뿐입니다. 프롬프트 하나를 다섯 개 엔진에서 매주 여러 번 손으로 표집하는 일은 두 달째가 지나면 아무도 계속하지 않기 때문입니다. Bavior는 고정된 프롬프트 세트를 일정에 따라 돌리고 각 답변이 어떤 출처를 인용했는지 기록해서, 진짜 움직임이 노이즈에서 분리되게 합니다. 여러분에 대한 틀린 진술을 바로잡아 주지는 못하며, 인용이나 트래픽에 대해 아무것도 약속하지 않습니다. 먼저 무료 AI 가시성 체커를 써 보십시오. 유료 플랜은 월 결제 시 월 $99부터, 연 결제 시 월 $79.17입니다(2026년 8월 29일 기준).
공개된 유일한 독립 행동 데이터에 따르면, 순위가 가져오는 것보다 훨씬 적습니다. Pew Research Center는 2025년 3월 미국 성인 900명 이상을 Google 검색 68,879건에 걸쳐 추적해, AI 요약이 나타났을 때 사용자가 아무 결과나 클릭한 비율이 8%, 없을 때는 15%였고, 요약 안에서 인용된 출처를 클릭한 비율은 약 1%였음을 확인했습니다. 세션을 끝내는 경우도 더 많아, 요약이 있는 페이지는 26%, 없는 페이지는 16%였습니다. 인용은 트래픽 원천이 아니라 구매 의도가 높은 순간의 브랜드 노출로 다루십시오.
페이지가 아니라 문단입니다. 공개된 가장 큰 문단 수준 데이터셋은 Google AI Mode 인용 1,570만 건을 1년 동안 조사한 벤더 연구로, 270만 개 페이지에 걸친 460만 개의 고유한 하이라이트 문단으로 귀결되었습니다. 인용의 47.7%가 특정 문단을 가리키는 스크롤-투-텍스트 하이라이트였고, 하이라이트된 문단의 중앙값은 117단어, 80%가 답을 첫 문장에 두었으며, 약 85%가 완전히 자기완결적이었습니다. 여기서 따라오는 실용적 규칙은 그 백분율에 달려 있지 않습니다. 각 섹션을 주변 맥락 없이 뽑혀 나가도 살아남도록 쓰십시오.
입력된 그 쿼리가 아니라, 엔진이 스스로 만든 여러 건입니다. Google은 AI Overviews와 AI Mode 모두 “쿼리 팬아웃” 기법을 쓸 수 있다고 문서화하며, 이를 응답을 만들기 위해 하위 주제와 데이터 소스 전반에 걸쳐 관련 검색을 여러 건 실행하는 것이라고 설명합니다. 따라서 질문 하나가 별개의 리트리벌 여러 건이 되고, 여러분의 페이지는 그 각각에서 독립적으로 경쟁합니다. 결과는 둘입니다. 헤드 텀이 아니라 주제가 함의하는 하위 질문을 중심으로 커버리지를 만들 것, 그리고 인용이 없는 것을 순위 하락으로 읽는 일을 그만둘 것. 어떤 하위 쿼리가 실행되었는지 볼 수 없기 때문입니다.
가시성이 달라져서가 아니라 측정 자체에 노이즈가 있기 때문입니다. 2026년 비판적 서베이는 상용 엔진에서 같은 쿼리를 재실행했을 때 겹침이 Jaccard 0.34–0.42이고 반복 판정의 9–28%가 바뀐다고 보고하며, “가시성은 분포다… 점추정은 안정적인 지표가 아니다”라고 결론짓습니다. 서피스 간에는 더 나쁩니다. 쿼리 11,500건에 걸쳐 오가닉 Google, AI Overviews, Gemini 사이의 URL 수준 Jaccard는 0.11–0.18입니다. 각 프롬프트를 여러 번 표집하고, 엔진별로 보고하고, 측정한 분산보다 작은 움직임은 아무것도 아닌 것으로 다루십시오.
할 수 없고, 오류율이 미리 계획에 넣어야 할 만큼 높습니다. 컬럼비아 대학 Tow 센터는 2025년 3월 엔진 여덟 개에서 쿼리 1,600건을 테스트해 60%가 넘게 부정확한 답변을 냈음을 확인했고, 한 엔진은 94%의 경우 틀렸으며 프롬프트 200건 전체에서 오류 페이지로 연결되는 인용 154건을 만들었습니다. 모델 제공사와의 라이선스 계약은 정확한 인용을 보장하지 않았습니다. 통제할 수 있는 것은 여러분의 노출입니다. 모든 단서를 그것이 한정하는 문장 안에 넣고, 날짜를 주장 안에 쓰고, 출처를 본문에서 이름으로 밝히십시오. 그래야 혼자 인용된 문단도 여전히 참입니다.
세 가지입니다. 인용으로 세션을 예측하는 일을 그만두십시오. 2026년 비판적 서베이는 인용 점수가 클릭이나 전환이나 매출을 예측한다는 주장에 가장 낮은 등급인 매우 낮은 확신도를 매깁니다. 하나로 뭉친 AI 가시성 점수를 보고하는 일을 그만두십시오. 한 회사의 서피스 세 개 사이 URL 겹침은 Jaccard 0.11–0.18입니다. 그리고 프롬프트 한 번의 실행을 측정으로 다루는 일을 그만두십시오. 같은 쿼리의 반복 실행 겹침은 Jaccard 0.34–0.42이고, 그래서 주간 변동 대부분은 노이즈와 구별되지 않습니다.
Reddit 마케팅과 AI 검색 가시성에 관한 Bavior의 콘텐츠를 조사하고 관리하는 팀입니다. 본문의 모든 수치에는 출처와 확인 날짜를 명시했으며, 제휴 링크는 사용하지 않습니다.
수치에 오류를 발견하셨나요? 알려주시면 다시 확인하겠습니다: support@bavior.com