연구AI 검색: 사업적 증거

AI 검색이 웹사이트 방문의 가치를 바꾸고 있습니다: 증거가 보여 주는 사실

검색 클릭, AI 유입, 콘텐츠 가시성 연구는 실제 사업 기회가 어디에 있는지, 그리고 인용률이 수익 예측이 아닌 이유를 보여 줍니다.

ChatGPT로 번역했습니다. 원어민 편집자가 검토하지 않았습니다. 출처 제목과 화면 이미지는 원래 언어로 유지됩니다.영어 원문 읽기
짧은 답변

증거는 두 가지 변화가 동시에 일어난다는 것을 보여 줍니다. 일부 답변은 웹사이트에 방문하기 전에 사람들의 필요를 충족시키고, AI에서 유입된 일부 방문자는 유난히 가치가 높습니다. 그렇다고 모든 회사가 같은 결과를 기대해야 하는 것은 아닙니다. 이 연구는 관측된 소비자 행동, 소매업체 거래 데이터, 최적화 실험, 현재 플랫폼 규칙을 구분해 AI 검색이 사업에 어떤 변화를 줄 수 있는지 설명합니다.

  1. 01답변 안에서 이루어지는 더 많은 결정
  2. 02달라지는 클릭 이유
  3. 03가시성에 영향을 주는 증거
  4. 04적합성에 달린 사업 가치

발견 1: AI는 이미 정보와 조언을 제공하는 역할을 합니다

OpenAI의 2025년 9월 사용 연구는 소비자 대화 150만 건을 분석했습니다. 공개 요약은 메시지의 49%를 질문, 40%를 작업 수행, 11%를 표현으로 분류했습니다. 소비자 사용의 약 70%는 업무 외 활동이었습니다. 이 수치는 해당 연구의 제품 이용자 집단과 기간을 설명하며, 전체 메시지의 절반이 쇼핑 검색이었다는 뜻이 아닙니다.

사업적으로 중요한 것은 의사결정이 시작되는 지점입니다. 사람은 공급자를 찾기 전에 설명을 요청하고, 접근법을 비교하고, 필요한 조건을 파악할 수 있습니다. 제 해석은 뚜렷한 구매 질문이 나타나기 전에 기업이 평가될 수 있다는 것입니다. 회사 이름만 설명하는 웹사이트는 자체 브랜드 검색에서 순위가 높더라도 이 초기 결정에 거의 도움이 되지 않을 수 있습니다. 이는 정보를 찾는 과정의 변화이지 모든 대화에 구매 의도가 있다는 증거가 아닙니다.

OpenAI: How people are using ChatGPT
ChatGPTClaudeGeminiPerplexityCopilot

확인할 때마다 도구, 모드, 날짜, 위치를 기록하세요. 로고가 아래 표본을 모든 도구에서 시험했다는 뜻은 아닙니다.

발견 2: 출처는 방문을 받지 않고도 답변에 기여할 수 있습니다

Pew는 미국 성인 900명의 웹 탐색을 분석했습니다. AI 요약이 있는 Google 방문에서는 8%, 없는 방문에서는 15%가 기존 검색 결과를 클릭했습니다. 요약 출처 클릭은 1%였습니다. 연구는 2025년 3월 탐색 자료와 4월 수집해 재구성한 결과를 사용했습니다. 관찰 연구이며, 요약이 클릭 변화를 얼마나 일으켰는지 무작위 실험으로 추정한 결과가 아닙니다.

이 결과는 노출과 방문량을 구분합니다. 특정 광고주, 출판사, 서비스 제공자에게 답변이 갖는 금전적 가치를 입증하지는 않습니다.

Pew Research Center: Google users and AI summaries

발견 3: 실제로 도착한 방문자는 다르게 행동할 수 있습니다

Adobe의 2026년 10월 29일 보고서는 다른 관측을 제시합니다. 9월 미국 소매 사이트에서 AI 유입 방문은 비AI 방문보다 구매 전환 성과가 90% 높고 방문당 수익이 83% 높았습니다. AI 유입량은 전년 대비 71% 증가했습니다. 기초 소매 분석은 1조 건이 넘는 방문, 상품 1억 개, 18개 품목군을 다룹니다.

이는 관측된 방문 간 상대 비교이며, 절대 전환율이나 AI가 추가 구매를 일으켰다는 증거가 아닙니다. AI 대화 후 클릭하는 사람은 이미 선택지를 좁혔을 수 있습니다. 수치는 미국 소매업에 관한 것이며 소프트웨어 영업 주기나 돌봄을 선택하는 가족에 관한 것이 아닙니다. 그래도 방문자 수와 방문자 한 명의 가치가 서로 다른 사업적 질문인 이유를 보여 줍니다. 작은 유입 경로도 최대 방문 원천이 되지 않고 충분히 주목할 만한 가치가 있을 수 있습니다.

Adobe: AI traffic and US retail revenue per visit

단위를 구분하면 겉보기의 모순이 사라집니다

검색 상호작용, 답변 노출, 유입 방문, 구매는 서로 바꿔 쓸 수 있는 단위가 아닙니다. 답변 페이지를 떠나는 경향은 낮아지면서 실제로 떠나는 사람의 전환율은 높아질 수 있습니다. 이는 위 연구들을 합친 인과적 결론이 아닙니다. 표본, 날짜, 제품이 다르기 때문입니다. 오히려 그 비율들을 곱해 기업의 전망을 만들 수 없는 이유입니다.

방문은 줄지만 더 적합한 영업 상담을 얻는 가상의 기업을 생각해 보겠습니다. 사업 성과가 개선되고 있을 수 있습니다. 다른 기업은 인용이 늘지만 수익성 있는 주문이 줄어 가치가 하락할 수 있습니다. 답변과 웹사이트가 의사결정의 서로 다른 부분을 수행하는 환경에서는 둘 다 가능합니다. 경제적으로 유용한 구분은 가시성, 적합한 수요, 완료된 거래 사이에 있습니다.

단위를 구분하면 겉보기의 모순이 사라집니다직접 해보기
관측 단위확인할 수 있는 것아직 알 수 없는 것
표본 답변에 이름이 등장함얼마나 많은 구매자가 보거나 신뢰했는지
페이지가 근거로 연결됨회사가 추천됐는지
누군가 측정 대상 웹사이트에 도착함추가로 발생한 방문인지
사업적 결과가 발생함노출이 없었다면 어떻게 됐을지

발견 4: 콘텐츠는 답변 가시성에 영향을 줄 수 있지만 유명한 상승 수치는 전망이 아닙니다

KDD 2024에 채택된 GEO 논문은 질문 10,000개로 구성된 평가 기준을 소개하고 실험적 측정에서 최대 40%의 가시성 향상을 보고했습니다. 관련 출처, 인용문, 통계를 추가하는 등의 콘텐츠 변화를 시험했습니다. 효과는 분야마다 달랐습니다. 별도의 Perplexity 실험에서도 어떤 가시성 지표를 사용하느냐에 따라 결과가 달라졌습니다.

이는 출처 자료를 제시하는 방식이 답변에 영향을 줄 수 있다는 증거입니다. 잠재고객이 40% 늘어난다는 약속이 아니며, 실험 시스템이 현재의 모든 상용 제품을 대표하지도 않습니다. 논문의 가시성에는 출처 내용이 얼마나 많이, 어느 위치에 등장하는지를 나타내는 지표가 포함됐습니다. 측정된 답변을 바꾼 콘텐츠 처리와 이익을 늘린 사업 프로그램을 구분하는 것이 중요합니다. 논문은 전자를 입증하며 후자는 입증하지 않습니다.

Aggarwal et al.: GEO, Generative Engine Optimization

발견 5: AI 검색은 여전히 기존 웹에 의존합니다

Google의 현재 생성형 검색 지침은 Search 색인에 근거한 답변과 query fan-out을 설명합니다. 하나의 질문이 답변을 구성하기 전에 여러 관련 검색을 유발할 수 있다는 뜻입니다. 권장 사항은 여전히 일반 검색의 기본 요건을 갖춘 유용하고 독창적인 정보입니다. 표현이 조금씩 다른 모든 질문에 별도 페이지를 만드는 방식은 이 지침이 설명하는 가치 모델이 아닙니다.

이는 설명 수준에서 경쟁이 커진다는 의미입니다. 복잡한 구매를 묻는 사람은 가격, 호환성, 위험, 도입 근거가 한꺼번에 필요할 수 있습니다. 여러 페이지가 서로 다른 부분을 제공할 수 있습니다. 따라서 기업은 답변 전체를 차지하지 않고도 유용한 사실을 제공할 수 있습니다. 반대로 유명 브랜드도 공개 자료가 특정 조건을 다루지 않으면 그 결정에서 빠질 수 있습니다. 이는 문서에 설명된 검색 동작에 대한 제 해석이지 공개된 순위 공식이 아닙니다.

Google: Optimizing for generative AI features

실제 가족 질문부터 시작하세요

도시를 바꾸고 주제를 선택하세요. 계획 예시이며 측정된 검색량이나 수집된 AI 답변이 아닙니다.

질문 주제
질문 예시

우리 가족은 London의 어떤 시니어 주거 선택지를 비교해야 할까요?

답변과 함께 저장할 내용

전체 답변, 날짜, AI 도구, 언급된 시설, 정확한 출처 URL을 저장하세요. 모브랜드 언급은 지역 시설 추천과 다릅니다.

프롬프트 계획기 열기

발견 6: 검색 가시성과 모델 학습은 별개의 선택입니다

OpenAI는 OAI-SearchBot을 검색 크롤러로, GPTBot을 학습과 관련된 별도 크롤러로 설명합니다. 구분은 명확합니다. 기업의 학습 정책이 검색 노출 정책과 같을 필요는 없습니다.

학습을 제한하면서 발견 가능성을 유지하는 것이 반드시 상반된 목표는 아니라는 점에서 경제적으로 중요합니다. 차단되거나 제외된 페이지를 접근 가능하지만 선택받지 못한 페이지와 똑같이 평가할 수 없는 이유이기도 합니다. 사업팀의 대시보드에는 같은 부재로 보일 수 있지만 원인은 다릅니다. 허용하거나 크롤링에 성공했다고 인용이 보장되지는 않습니다.

OpenAI: Overview of crawlers

Google은 이제 별도의 AI 포함 제어 기능을 제공합니다

Google의 Search 생성형 AI 기능에 대한 Search Console 제어 기능은 2026년 8월 31일 전 세계에 출시됐습니다. 기본값은 포함이지만 속성이 상위 속성의 선택을 상속할 수 있습니다. 문서는 이를 학습 제어 및 Search 전체에서의 제외와 구분합니다.

중요한 발견은 발견 가능성에 콘텐츠뿐 아니라 눈에 보이는 관리 설정도 작용한다는 점입니다. 답변에서 빠진 이유가 게시자의 선택, 상속된 설정, 접근, 선택 과정일 수 있습니다. 눈에 보이는 결과가 같다고 원인도 같다는 뜻은 아닙니다. 이는 자격의 구분이며, 포함을 선택하면 순위가 오른다는 증거가 아닙니다.

Google Search Console: Search generative AI control

발견 7: 플랫폼 직접 보고는 개선되고 있지만 기여도 분석의 공백은 남아 있습니다

2026년 8월 31일 전 세계에 출시된 Google의 별도 Generative AI performance 보고서는 지원되는 Search AI 기능의 노출수를 보고합니다. 페이지, 국가, 날짜, 기기별로 볼 수 있습니다. 노출이 부족한 사이트에는 표시되지 않을 수 있습니다. 이는 링크 노출에 관한 유용한 증거이지 질문, 고객, 매출을 빠짐없이 기록한 장부가 아닙니다.

Google Search Console: Generative AI performance report

Bing은 고객 결과보다 출처 사용을 측정합니다

Bing의 2026년 2월 AI Performance 발표는 지원되는 환경 전반의 인용수, 인용된 URL, 표본 근거 검색어를 설명합니다. 이를 개별 답변 안에서 페이지가 맡은 역할이나 위치와 구분합니다. 따라서 출처 사용을 더 잘 볼 수 있지만 판매 기여도 분석으로 바꾸지는 않습니다. 인용된 기술 페이지와 구매 페이지는 각각 총계에 한 번의 인용을 더하더라도 매우 다른 결정을 도울 수 있습니다.

Bing: Introducing AI Performance

사업적 결론: 기회는 더 잘 이해한 수요이지 보편적인 방문량 배수가 아닙니다

증거를 읽은 제 결론은 AI 검색이 잠재고객이 배우는 내용과 웹사이트가 필요한 시점을 모두 바꾼다는 것입니다. 따라서 클릭 이전에도 정확한 제품·서비스 정보는 사업적으로 중요합니다. 단순 인용 점수는 가치의 불완전한 척도가 됩니다. 기업마다 남은 질문은 그 노출이 수용 가능한 비용으로 적합한 추가 성과와 어떻게 이어지는지입니다.

저는 Searchable에서 일합니다. 전략 파트너로서 연구를 기업의 실제 상품, 시장, 고객 결정과 연결하는 것이 제 역할입니다. 맞춤형 Prompt Universe, 직접 지원하는 온보딩, 결과의 공동 해석이 그 과정입니다. 저와의 유용한 상담은 더 잘 이해한 수요가 사업에 도움이 될 곳에서 시작합니다. 특정 상승률을 약속하는 데서 시작하지 않습니다.

출처는 주장을 뒷받침할 때만 유용합니다

영업 이메일이나 사이트에 숫자를 다시 쓰기 전에 빠르게 확인하세요.

구체적 주장

정확한 문장을 적으세요. 유입, 문의, 파이프라인, 매출, 이익을 구분합니다.

시설 사실 워크북 열기

조사 범위

2026년 11월 3일 검토했습니다. 이는 1차 연구와 공식 제품 문서의 종합이며 새로운 소비자 조사나 통제된 고객 실험이 아닙니다. 연구 날짜와 모집단은 서로 구분합니다. 수치 결과의 출처는 각 발표자이며 사업적 해석은 제 것입니다. Google과 Bing 보고는 서로 다른 단위를 측정합니다. 검토한 어떤 연구도 업종 전반에 통용되는 보편적인 수익 효과를 입증하지 않습니다.

출처와 참고

출처 검토일: 2026년 11월 3일. 계획과 예시는 조언이며 측정된 고객 결과가 아닙니다. 저는 Searchable에서 일합니다. 제품 링크는 그 관계를 반영합니다.

1
OpenAI: How people are using ChatGPT2025년 9월 15일 NBER 작업 논문 요약. 소비자 대화 150만 건을 다룹니다. 사용 분류는 구매 의도 지표가 아닙니다.
2
Pew Research Center: Google users and AI summaries2025년 7월 관찰 연구. 방법과 한계는 위에서 설명했습니다.
3
Adobe: AI traffic and US retail revenue per visit2026년 10월 29일. 2026년 9월 미국 소매업의 관측 결과입니다. 유입 방문 간 상대 비교는 증분 수익 추정이나 소매업 외 기준이 아닙니다.
4
Aggarwal et al.: GEO, Generative Engine OptimizationKDD 2024 채택. 2024년 6월 28일 개정본입니다. 실험적 가시성 지표이며 잠재고객이나 수익 결과가 아닙니다.
5
Google: Optimizing for generative AI features근거 검색, query fan-out, 검색 기본 요건에 관한 공식 설명. 2026년 11월 3일 검토. 사업적 의미는 저자의 분석입니다.
6
OpenAI: Overview of crawlers검색 크롤러와 학습 크롤러의 공식 구분. 2026년 11월 3일 검토. 접근이 인용을 보장하지 않습니다.
7
Google Search Console: Search generative AI control2026년 8월 31일 전 세계 출시. 포함 제어, 기본값, 상속을 다루며 모델 학습 제어와 다릅니다.
8
Google Search Console: Generative AI performance report2026년 8월 31일 전 세계 출시. 노출수와 지원되는 분류 항목이며 고객 단위의 기여도 보고서가 아닙니다.
9
Bing: Introducing AI Performance2026년 2월 10일 미리보기 발표. 지원되는 환경 전반의 인용과 표본 근거 검색어를 보고하며 고객 결과는 보고하지 않습니다.
Searchable
Daavid ChristaSearchable에서 함께하는 파트너

함께 만드는 내 AI 검색 계획

저는 Searchable의 전략 파트너 Daavid입니다. 사업 목표를 명확한 질문 세트, 실무 온보딩, 함께 검토할 실행 계획으로 바꿉니다.

현재 위치 파악

얻는 것
시장, 모델, 날짜를 명확히 표시하며 AI가 사업을 어떻게 언급하는지 처음 살펴봅니다.
참여자
고객님과 Daavid
Searchable의 지원
저장된 답변, 경쟁사, 인용을 비교합니다.

지원 범위, 계획, 검토 일정을 함께 정합니다. 기능은 설정에 따라 달라집니다.