AI가 고객 확보를 재편하고 있지만, 트래픽 경제학은 여전히 불확실하다

Google News는 2026년 7월 단도직입적인 주장을 부각했다. AI가 검색 결과를 종합 추천으로 대체하면서 고객 확보 방식을 바꾸고 있다는 것이다. 이 주장은 광고 자동화나 더 저렴한 콘텐츠 제작을 넘어선다. 이제 기업은 구매자에게 도달하기 전에 AI 중개자를 설득해야 한다는 의미다.

이 변화는 불편한 충돌을 낳는다. Google, 퍼블리셔, 마케팅 회사, 독립 연구자들은 모두 정보 탐색 행동이 변하고 있다는 데 동의한다. 그러나 트래픽, 전환 품질, 웹사이트와 플랫폼 사이에서 오가는 경제적 가치에 어떤 일이 일어나는지를 두고는 첨예하게 의견이 갈린다.

기존 고객 확보 모델은 측정 가능한 방문을 만들어내는 노출을 보상했다. 새롭게 부상하는 모델은 방문을 전혀 유도하지 않고도 의사결정에 영향을 미칠 수 있다. 기업은 AI 답변 안에 등장할 수 있지만 고객 상호작용에 대한 통제력을 잃고, 그 영향은 분석 도구에 전혀 잡히지 않을 수 있다.

이는 단순히 또 하나의 검색 최적화 주기가 아니다. 트래픽 확보와 추천 권위 사이의 경쟁이다. AI가 클릭은 줄이면서도 남아 있는 클릭의 구매 의도는 높일 수 있기 때문에, 어떤 지표가 승자가 될지는 여전히 불확실하다.

Google News가 실제로 부각한 내용

이 기저의 이야기는 새로운 Google 제품 발표가 아니라 고객 행동에 관한 논쟁이다.

Google News 목록은 “How Artificial Intelligence Is Changing the Economics of Customer Acquisition”이라는 제목의 에세이를 가리킨다. Performance Marketing Advisors는 원문을 게시했으며, 마지막 업데이트는 2026년 7월 11일이다.

이 고객 확보 에세이는 구매자들이 기업을 평가해 달라고 AI 시스템에 점점 더 요청한다고 주장한다. 전문 서비스 비교, 소프트웨어 선택, 특화 전문성을 갖춘 기업 식별 등이 그 예시다.

핵심 주장은 간단하다. 과거 기업들은 주로 검색 결과 페이지의 순위를 두고 경쟁했다. 이제는 ChatGPT, Gemini, Perplexity 또는 Google Search가 생성한 답변 안에서 추천되는 선택지가 되기 위해서도 경쟁한다.

이 차이는 중요하다. 순위가 매겨진 링크는 평가의 상당 부분을 사용자에게 맡긴다. AI 추천은 조사, 비교, 때로는 후보군 압축까지 하나의 인터페이스에서 수행한다. 기업이 방문을 받기 전부터 구매자의 초기 고려 대상군을 형성할 수 있다.

다만 이 에세이는 마케팅 컨설팅 회사의 전략적 논평이다. 이 회사가 내세운 “AI Trust Economy” 프레임워크는 독립적으로 확립된 경제 범주가 아니다. 독자는 이를 더 폭넓은 증거로 검증해야 할 가설로 받아들여야 한다.

이 가설은 기존 검색의 쇠퇴를 과장할 위험도 있다. 구매자들은 여전히 검색 엔진, 소매업체 웹사이트, 소셜 플랫폼, 리뷰 사이트, 이메일, 직접 추천을 이용한다. AI는 모든 기존 채널을 한꺼번에 대체하기보다 이 혼합된 여정에 합류한다.

“AI 추천”이라는 표현조차 여러 서로 다른 경험을 포괄한다. Google AI Overview는 기존 검색 결과 위에 표시된다. ChatGPT는 대화형 응답을 제공한다. Perplexity는 인용을 강조하며, 쇼핑 도우미는 명시된 선호도를 중심으로 제품을 구성할 수 있다.

이러한 인터페이스는 서로 다른 기여도 측정 기회를 만든다. 일부는 눈에 보이는 추천 트래픽을 발생시키지만, 다른 일부는 이후의 브랜드 검색이나 직접 방문에 영향을 준다. 추천은 전환 직전 기록된 마지막 상호작용인 라스트 터치 공로를 받지 못한 채 구매에 영향을 미칠 수 있다.

이 한계는 Google News 헤드라인을 그 소박한 형식이 시사하는 것보다 더 중요하게 만든다. 이 글은 고정된 재무 결과를 지닌 하나의 기업 사건을 기록하지 않는다. 대신 마케팅 전반으로 확산되고 있는 측정 문제를 짚는다.

따라서 이 사건은 새로운 고객 확보 모델이 점점 더 공개적으로 논의되고 있다는 점이다. AI 시스템은 점차 질문과 기업 사이에 자리 잡고 있다. 마케터들은 클릭 없는 노출에 가치가 있는지, 있다면 그 가치를 어떻게 측정해야 하는지를 결정해야 한다.

압력은 비브랜드 검색에 크게 의존하는 조직에서 먼저 시작된다. 이러한 검색은 자신의 문제는 알지만 아직 공급자를 선택하지 않은 사람들을 포착한다. AI 응답이 후보군을 만든다면, 웹사이트는 더 이상 첫 번째 의미 있는 비교를 통제하지 못한다.

Google News 역시 이 광범위한 배포 환경의 일부다. 이 이야기에서 Google News의 등장은 해당 논평이 독자에게 도달한 경로를 보여준다. Google이 컨설팅 회사의 프레임워크나 결론을 지지했다는 증거는 아니다.

이 구분은 필수적이다. 집계는 발견 가능성을 확립할 뿐 검증을 보장하지는 않는다. 근거는 사용자 조사, 플랫폼 공개 자료, 추천 데이터, 측정된 비즈니스 성과에서 나와야 한다.

AI 검색은 클릭 이전으로 의사결정을 옮긴다

AI는 기존 분석 도구의 가시성이 제한적인 평가 단계를 앞당김으로써 고객 확보 경제를 바꾼다.

고객 획득 비용, 흔히 CAC로 줄여 부르는 지표는 일정 기간 동안의 고객 확보 지출을 그 기간에 얻은 고객 수로 나눈다. 계산은 간단해 보이지만, 여러 단계로 이루어진 여정 전반에 공로를 배분하는 일은 늘 어려웠다.

AI는 또 하나의 불투명한 단계를 더한다. 구매자는 기업 소유 페이지에 도달하기 전에 선택지를 묻고, 요구사항을 구체화하고, 상충 관계를 비교하며, 선호를 형성할 수 있다. 기업은 방문이 실제로 발생한다면 그 최종 방문만 보게 된다.

Bain의 연구는 이러한 행동의 규모를 보여준다. 2024년 12월 설문에는 응답자 1,117명이 참여했으며, 80%가 검색의 최소 40%에서 제로클릭 결과를 사용한다고 답했다.

제로클릭 결과는 사용자를 다른 목적지로 보내지 않고 질의에 답한다. Bain은 이러한 행동이 유기적 웹사이트 트래픽을 15~25% 줄였다고 추정했지만, 영향은 질의와 산업에 따라 다르다.

같은 제로클릭 설문에서는 검색의 약 60%가 다른 사이트로 이동하지 않고 끝난 것으로 나타났다. AI에 회의적인 응답자들조차 많은 답을 결과 페이지에서 직접 얻는다고 보고했다.

이 결과는 관심의 재분배를 설명한다. 모든 잃어버린 방문이 잃어버린 고객이 된다는 뜻은 아니다. 간단한 사실 검색, 상세한 제품 비교, 복잡한 서비스 구매는 상업적 가치가 매우 다르다.

McKinsey가 2025년 8월 미국 소비자 1,927명을 대상으로 실시한 설문은 또 다른 관점을 제공한다. 응답자의 약 절반은 의도적으로 AI 기반 검색을 사용했으며, 그 사용자 가운데 70% 이상은 카테고리, 브랜드, 제품 또는 서비스를 조사했다.

이 AI 검색 분석은 AI 기반 검색이 2028년까지 상당한 규모의 미국 매출에 영향을 미칠 것으로 전망했다. 전망을 완료된 거래와 혼동해서는 안 되지만, 컨설턴트들이 구매 행동이 어디로 이동할 것으로 예상하는지는 분명히 보여준다.

작동 방식은 세 단계다. 첫째, 사용자는 자연어로 필요를 설명한다. 둘째, 시스템은 이용 가능한 증거를 요약하고 더 작은 선택지 집합을 추천한다. 셋째, 사용자는 그 후보군을 바탕으로 조사를 이어가거나 행동한다.

과거에는 첫 두 단계가 여러 번의 개별 검색과 웹사이트 방문을 만들어냈다. AI 인터페이스는 이를 하나의 대화로 결합할 수 있다. 이런 압축은 추천 집합 밖에 있는 기업이 활용할 수 있는 기회의 수를 줄인다.

동시에 남아 있는 트래픽의 품질을 높일 수도 있다. 이미 기능, 한계, 대안을 비교한 방문자는 더 분명한 목적을 갖고 도착할 수 있다. 세션 수가 줄어도 그 세션의 구매 의도가 더 강하다면 의미 있는 매출을 만들어낼 수 있다.

이는 마케터에게 분모 문제를 만든다. 유기적 방문은 줄어들 수 있지만 전환율은 오를 수 있다. 표면상의 고객 획득 비용은 분석이 최종 방문에만 공로를 부여하는지, 아니면 앞선 AI 상호작용까지 인정하는지에 따라 달라진다.

AI 추천은 두 번째 측정 공백을 만든다. 추천 헤더는 대화형 서비스에서 발생한 일부 직접 방문을 식별할 수 있다. 하지만 AI 답변을 읽고 나중에 Google에 브랜드명을 입력하는 모든 구매자를 포착할 수는 없다.

그 결과 브랜드 검색은 다른 곳에서 만들어진 공로를 흡수할 수 있다. 직접 트래픽도 마찬가지다. 통제된 실험이나 고객 설문이 없다면, 마케팅 팀은 변화한 기여도를 변화한 수요로 오인할 수 있다.

이는 판매 주기가 긴 경우 특히 중요하다. 비즈니스 소프트웨어를 평가하는 구매자는 AI 도우미를 참고하고, 후보군을 공유하고, 데모에 참석하고, 레퍼런스에 연락할 수 있다. 최초 답변은 최종 전환 공로를 전혀 받지 못하더라도 경제적으로 여전히 중요하다.

같은 원칙은 지역 서비스에도 적용된다. 소비자는 AI 요약을 사용해 자격, 평판, 위치를 비교할 수 있다. 최종 전화 문의는 인용된 출처가 아니라 지도 목록을 통해 들어올 수 있다.

그 결과는 고객 확보의 소멸이 아니다. 설득의 위치가 이동하는 것이다. 제품 데이터, 독립 리뷰, 신뢰할 수 있는 논평, 커뮤니티 논의, 고객 경험은 기업이 구매자의 존재를 알기 전부터 답변에 영향을 미칠 수 있다.

Google News가 마주한 트래픽 대 신뢰의 경쟁

주요 경쟁은 더 이상 순위 대 순위가 아니다. 측정 가능한 트래픽 대 추천 권위의 경쟁이다.

전통적인 검색 마케팅은 이해하기 쉬운 교환 구조를 제공했다. 웹사이트는 유용한 자료를 게시하고, 검색 엔진은 이를 색인화하며, 순위는 방문 기회를 만들어냈다. 광고는 더 명확한 게재 위치와 보고 체계를 갖춘 유료 경로를 추가했다.

AI 답변은 플랫폼이 자체 인터페이스 안에서 요청을 충족할 수 있기 때문에 이 교환 구조를 바꾼다. 출처는 정보를 제공하지만, 결과적으로 생기는 관심은 중개자에게 머물 수 있다.

2026년 7월의 한 워킹페이퍼는 미국 데스크톱 클릭스트림 데이터를 사용해 이 문제를 조사했다. 저자들은 Google의 정보 탐색 활동과 ChatGPT 세션을 비교하고 ChatGPT Search 접근성 확대의 영향을 연구했다.

이 추천 경제 연구는 ChatGPT 대화 세션의 5.2%에서 외부 클릭이 발생했다고 밝혔다. 또한 더 폭넓은 접근성이 기존 검색 사용을 9.4% 줄인 것으로 추정했다.

이 결과에는 한계가 있다. 해당 논문은 최종 합의문이 아닌 프리프린트였다. 데스크톱 클릭스트림 데이터로는 모든 모바일 상호작용, 애플리케이션 전환, 구매 또는 오프라인 행동을 포착할 수 없다.

그럼에도 이 연구의 틀은 유용하다. AI 검색은 단순히 더 작은 규모의 Google 추천 흐름을 보내는 것이 아니다. 논문은 외부 방문이 전문화된 목적지에 더 치우치고 광고 지원 사이트에서는 멀어지는 경향을 보였다고 밝혔다.

이 패턴은 집중 효과를 시사한다. AI 시스템은 많은 출처를 참고할 수 있지만, 소수의 인용이나 추천만 노출할 수 있다. 기업은 많은 가시적 링크 중 하나의 위치가 아니라 압축된 답변에 포함되기 위해 경쟁해야 한다.

Google News를 통해 부각된 컨설팅 회사의 에세이는 이 경쟁을 신뢰의 문제로 설명한다. 이 단어에는 정확성이 필요하다. 언어 모델은 인간적인 의미에서 기업을 신뢰하지 않는다. 학습 데이터, 검색된 자료, 지시사항, 모델 행동을 바탕으로 답변을 만든다.

추천 권위는 더 나은 운영상 설명이다. 이는 관련 요청에 응답할 때 시스템이 특정 조직을 언급하고, 인용하거나, 호의적으로 묘사할 가능성을 뜻한다.

기업 웹사이트 밖에 분산된 증거도 권위를 형성할 수 있다. 독립 보도, 고객 논의, 제품 문서, 디렉터리, 리뷰, 구조화된 데이터 모두 AI 시스템이 검색·수집하는 정보에 영향을 줄 수 있다.

이로 인해 하나의 통제된 랜딩 페이지에 기반한 전략은 약화된다. 잘 다듬어진 페이지도 다른 곳의 상충하는 정보를 지울 수는 없다. 또한 마케터가 통제하지 못하는 출처에 의존하는 시스템에서 포함을 보장할 수도 없다.

이러한 상황은 유료 고객 확보에도 압박을 가한다. 광고는 예측 가능한 도달 범위를 제공하기 때문에 여전히 유용하다. 그러나 AI가 만든 후보 목록은 이후 구매자가 검색하는 브랜드명과 신뢰할 만하다고 여기는 광고에 영향을 줄 수 있다.

이는 새로운 경쟁 순서를 만든다. 획득한 평판이 후보 목록을 형성할 수 있다. 이후 유료 미디어는 선택지를 처음 제시하는 대신 이미 형성된 선택을 강화한다. 최종 광고만 측정하는 기업은 유료 접점을 과대평가할 수 있다.

반대의 실수도 가능하다. 마케터가 실제로는 적격 수요를 얻지 못하면서도 모든 AI 언급을 가치 있다고 취급할 수 있다. 가시성은 고려, 전환, 유지 또는 매출을 변화시킬 때에만 경제적 가치를 갖는다.

따라서 노출 중심의 AI 가시성 점수만으로는 불완전하다. 브랜드는 가치가 낮은 프롬프트에 자주 등장하면서도 구매에 앞서는 질문에는 전혀 나타나지 않을 수 있다. 프롬프트 선정 자체가 측정 방법론의 일부가 된다.

기업에는 실제 고객 언어에 기반한 질의 세트가 필요하다. 영업 통화, 지원 대화, 리서치 인터뷰, 수주 실패 기록은 구매자가 실제로 묻는 질문을 보여준다. 검색 가능한 sales knowledge 워크플로는 모든 언급을 동일하게 취급하지 않으면서 팀이 이러한 신호를 연결하는 데 도움을 줄 수 있다.

실무적 분석 단위는 단일 키워드가 아니라 의사결정 여정이어야 한다. 팀은 문제 발견, 비교, 이의 제기, 가격 고려 사항, 구현 우려 단계에서 자사가 나타나는지 추적할 수 있다.

Google News는 권위 있는 보도를 그 정보 환경에 유입시킬 수 있다는 점에서 여전히 중요하다. 그러나 집계 서비스에 노출된다고 해서 자동으로 추천 권위가 생기지는 않는다. 시스템마다 최신성, 검색·수집 출처, 인용 방식이 다르다.

따라서 가장 강력한 접근법은 증거의 일관성이다. 제품 주장은 문서와 일치해야 한다. 고객 사례에는 구체적인 결과가 담겨야 한다. 독립 출처는 중요한 진술을 뒷받침해야 하며, 오래된 페이지가 현재 기능과 모순되어서는 안 된다.

이 작업은 평판 관리, 콘텐츠 운영, 기술적 검색 최적화를 동시에 닮아 있다. 단순히 AI로 생성한 기사를 더 많이 발행하는 것보다 범위가 넓다. 콘텐츠 양이 늘어나면 불일치도 커질 수 있으며, 이는 근본적인 권위 문제를 악화시킨다.

전환 수치만으로 결론낼 수 없는 것

AI 추천 방문자는 제품, 데이터셋, 기여도 측정 기간에 따라 부진해 보일 수도, 가치 있어 보일 수도 있다.

AI 고객 확보 논지의 가장 강한 주장은 대화형 추천 유입이 더 높은 구매 의도를 가진다는 것이다. 증거는 이 주장을 일관되게 뒷받침하지 않는다.

동료 심사를 거친 Marketing Science 연구는 온라인 대규모 언어 모델이 전자상거래 웹사이트로 보내는 추천 유입을 조사했다. 전환율, 평균 주문 금액, 세션당 매출을 기존 채널과 비교했다.

해당 e-commerce referral research는 AI 추천 성과가 웹사이트와 카테고리 특성에 따라 달라진다고 밝혔다. AI 트래픽은 유기적 검색, 이메일, 추천 유입 또는 직접 방문을 보편적으로 대체하는 수단은 아니었다.

이 연구는 복잡성이 높은 웹사이트에서 더 우호적인 결과를 확인했다. 이러한 환경에서는 AI 추천 유입의 전환율이 여러 다른 채널을 앞섰다. 평균 주문 금액의 격차도 줄어들었고, 세션당 매출은 유기적·유료 검색에 더 가까워졌다.

이 결과는 특정한 메커니즘을 뒷받침한다. 구매자가 복잡한 선택에 직면할수록 AI 지원은 더 가치 있어 보인다. 시스템은 사양을 설명하고, 상충 관계를 식별하며, 혼란스러운 카탈로그를 좁혀 리서치 비용을 줄일 수 있다.

단순 구매에서는 이러한 이점의 여지가 작다. 구매자는 익숙한 범용 상품을 선택하기 위해 긴 대화가 필요하지 않다. 편의성, 재고 여부, 브랜드 인지도, 배송이 종합된 추천보다 더 중요할 수 있다.

다른 데이터셋은 상충된 결론에 도달했다. 일부 업계 분석은 AI 추천 유입의 전환율이 기존 채널보다 낮다고 확인했다. 다른 분석은 대화형 도구를 통해 유입된 방문자의 전환율이 비정상적으로 높다고 보고했다.

이러한 차이가 반드시 부정행위를 뜻하는 것은 아니다. 연구마다 산업, 기간, 기여도 측정 방식, 기기, AI 트래픽 정의가 다를 수 있다. 또한 많은 데이터셋에서 추천 유입 규모는 여전히 작기 때문에 비교 결과가 불안정할 수 있다.

좁은 추천 유입 정의는 이후 다른 채널을 통해 도착한 영향받은 방문을 놓친다. 넓은 기여도 모델은 충분한 증거 없이 AI에 공을 돌릴 위험이 있다. 두 오류 모두 겉으로 드러나는 경제성을 왜곡할 수 있다.

Google은 트래픽 급감 서사에 가장 강력한 공개 반론을 제시한다. 2025년 8월, 회사는 Search의 전체 유기적 클릭 수가 전년 대비 비교적 안정적으로 유지됐다고 밝혔다.

Google’s traffic response에서 회사는 평균 클릭 품질도 높아졌다고 말했다. Google은 품질 클릭을 사용자가 빠르게 Search로 돌아오지 않은 방문으로 정의했다.

Google은 AI Overviews가 더 길고 복잡한 질의를 촉진하고 사용자에게 추가 링크를 노출한다고 주장했다. 빠른 답변형 질의는 방문 없이 끝날 수 있음을 인정하면서도, 심층 리서치는 여전히 클릭을 만들어낸다고 유지했다.

이러한 진술은 신중하게 다뤄야 한다. Google은 대부분의 관찰자가 접근할 수 없는 집계 Search 데이터를 보유하고 있다. 동시에 Search와 오픈 웹 간의 가치 교환을 방어할 직접적인 이해관계도 있다.

Google과 비판자들은 모두 방향성 측면에서 옳을 수 있다. 전체 트래픽은 안정적으로 유지되는 반면, 특정 퍼블리셔, 정보성 사이트 또는 기업은 상당한 방문 감소를 겪을 수 있다. 새로운 질의량은 웹 전반에서 불균등하게 감소분을 상쇄할 수 있다.

안정적인 총량 역시 한 기업의 고객 확보에 대해서는 거의 알려주지 않는다. 마케터가 관심을 두는 것은 관련성 있는 방문, 적격 리드, 신규 고객, 고객 생애 가치, 마진이다. 수십억 건의 무관한 클릭으로는 이런 질문에 답할 수 없다.

중요한 불확실성은 더 높은 의도의 트래픽이 감소한 물량을 보상하는지 여부다. 답은 공헌 마진, 영업 역량, 구매 복잡성, AI 가시성을 확보하는 데 필요한 비용에 달려 있다.

기업은 기술 콘텐츠, 평판 프로그램, 홍보, 구조화된 제품 데이터, 측정 도구에 더 많은 비용을 쓸 수 있다. 그에 따른 가시성이 유기적이라고 설명되더라도 이러한 비용은 고객 확보 경제성에 포함돼야 한다.

AI 콘텐츠 제작은 초안과 변형본 생산 비용을 낮출 수 있다. 동시에 유사한 자료로 채널을 넘쳐나게 해 신뢰성을 구축하는 데 필요한 노력을 늘릴 수도 있다. 저렴한 제작이 저렴한 고객 확보를 보장하지는 않는다.

플랫폼이 추천 계층을 수익화할 때 경제성은 특히 어려워진다. 대화형 경험 안의 스폰서드 배치는 더 압축된 인터페이스 안에서 유료 검색 경쟁을 재현할 수 있다.

소수의 추천 위치에는 치열한 입찰이 몰릴 수 있다. 구매자가 그런 답변을 더 신뢰한다면 상업적 배치는 가치가 높아진다. 스폰서십이 신뢰를 훼손한다면 플랫폼은 자체적인 신뢰 문제에 직면한다.

규제와 공개 규칙도 추가적인 불확실성을 더한다. 사용자는 스폰서드 제안과 독립적인 결과를 구분할 수 있어야 한다. 기업 역시 어떤 주장, 피드, 상업적 관계가 추천을 형성했는지 명확히 알아야 한다.

동시에 개인정보 보호 변화는 측정을 복잡하게 만든다. 사이트 간 추적이 줄어들면 AI 리서치, 검색, 웹사이트 활동, 구매에 걸친 구매자 여정을 추적하기가 더 어려워진다. 새로운 중개자가 등장하는 시점에 기존 기여도 측정 도구는 약화되고 있다.

단일 전환 벤치마크로는 이 논쟁을 해결할 수 없다. 기업에는 카테고리, 고객 유형, 여정 단계별로 맞춘 비교가 필요하다. 또한 진정한 수요와 일시적 관심 트래픽을 구분할 수 있을 만큼 충분한 관찰 기간도 필요하다.

회의적인 결론은 AI 추천에 가치가 없다는 것이 아니다. 가시성, 추천 유입, 매출은 서로 다른 측정값이라는 점이다. 이를 상호 교환 가능한 것으로 취급하면 경제적 의미는 약한데 확신에 찬 보고서가 만들어진다.

AI가 고객 확보를 재편하면서 압박받는 주체

일반적 발견에 의존하는 기업은 AI가 이들 기업이 보이기 전에 시장을 좁힐 수 있기 때문에 가장 큰 압박을 받는다.

소규모 및 지역 기업은 특히 어려움을 겪는다. 이들은 전국 브랜드가 보유한 독립 보도, 리뷰, 구조화된 참조 자료의 양이 부족한 경우가 많다. 따라서 AI 시스템이 검색·수집할 수 있는 증거도 적을 수 있다.

그렇다고 가장 큰 광고주가 자동으로 승리한다는 뜻은 아니다. 대형 브랜드도 오래된 설명, 일관되지 않은 제품 정보, 눈에 띄는 고객 불만을 안고 있을 수 있다. 소규모 기업도 증거가 구체적이고 최신이며 지역적으로 관련성이 있을 때 경쟁할 수 있다.

전문 서비스는 또 다른 긴장에 직면한다. 이들의 서비스는 전문성, 평판, 신뢰를 수반하므로 AI 지원 비교에 적합하다. 그러나 많은 중요한 차이는 공개적으로 이용 가능한 사실로 축소할 수 없다.

모델은 자격과 리뷰를 요약할 수 있다. 하지만 대인 관계 적합성, 실행 품질, 각 고객 결과의 배경 상황을 신뢰성 있게 평가할 수는 없다. 중요한 결정을 앞둔 구매자에게는 여전히 직접 대화가 필요하다.

퍼블리셔와 리뷰 사이트는 다른 압박을 받는다. 이들의 보도와 평가는 시스템이 답변을 구성하도록 돕는다. 그 답변이 방문을 없앤다면, 원천 정보를 생산하는 데 비용을 대는 조직은 수익을 잃을 수 있다.

이는 AI 시스템에 공급 문제를 만든다. 고품질 답변에는 최신 증거가 필요하다. 원천 출판의 경제성이 약화되면 결국 검색·수집과 학습에 활용할 수 있는 정보도 줄어들 수 있다.

Google의 모델은 AI 응답 안에서 링크를 유지하려 한다. 대화형 서비스 역시 많은 맥락에서 인용을 표시한다. 경제적 질문은 그러한 인용이 출처를 유지할 만큼 충분히 가치 있는 관심을 보내는지 여부다.

마케팅 에이전시는 자체 약속을 업데이트해야 한다. 순위 개선과 트래픽 성장은 여전히 측정 가능하지만, 더 이상 모든 발견 상호작용을 포착하지는 못한다. 에이전시는 확실성을 꾸며내지 않으면서 AI 가시성이 무엇을 의미하는지 설명해야 한다.

AI 가시성 도구를 판매하는 소프트웨어 벤더도 비슷한 검증에 직면한다. 프롬프트 추적은 표본 답변에 브랜드가 나타나는지 보여줄 수 있다. 결과는 모델, 지역, 계정, 프롬프트 문구, 시간에 따라 달라질 수 있다.

대시보드만으로는 그러한 변동성을 매출로 전환할 수 없다. 표본 가시성을 추천 세션, 브랜드 수요, 파이프라인 생성, 수주율, 고객 리서치와 연결해야 한다.

검색 광고 플랫폼도 증분 효과를 입증해야 한다는 압박을 받는다. 증분 효과는 어차피 발생했을 결과가 아니라 광고로 인해 발생한 결과를 측정한다.

AI 추천이 유료 클릭 이전에 수요를 만든다면, 브랜드 검색 광고는 이미 설득된 고객을 포착할 수 있다. 광고주는 기존 수요의 방어와 신규 수요의 창출을 구분하는 실험이 필요하다.

소셜 플랫폼은 발견을 위한 중요한 경쟁자로 남아 있다. 크리에이터, 커뮤니티, 고객 논의는 구매자가 가치 있게 여기는 1인칭 증거를 제공한다. AI 시스템은 그 자료를 요약할 수 있지만, 사용자는 여전히 원래의 목소리를 찾을 수 있다.

리테일 마켓플레이스는 또 다른 강점을 유지하고 있습니다. 이들은 탐색 기능을 재고 보유, 주문 이행, 리뷰, 결제와 결합합니다. 범용 AI 어시스턴트는 제품을 추천할 수 있지만, 마켓플레이스는 핵심 거래 데이터와 실행 과정을 통제합니다.

따라서 새롭게 형성되는 환경은 Google과 하나의 챗봇 간 대결이 아닙니다. 조사 과정, 고객 관계, 거래, 그리고 그에 따른 데이터를 누가 소유하는지를 둘러싼 멀티채널 경쟁입니다.

주된 대립 구도는 여전히 트래픽 확보와 추천 권위 사이에 있습니다. 다른 채널 간 충돌은 이를 대체하기보다 그 구도를 뒷받침합니다. 각 플랫폼은 가치가 인터페이스 내부에 얼마나 남고 기업에 얼마나 도달할지를 결정합니다.

조직은 수천 개의 일반적인 페이지를 만드는 방식으로 대응해서는 안 됩니다. AI 시스템과 검색 엔진 모두 반복적인 자료를 걸러낼 유인이 있습니다. 구매자 역시 내용은 빈약하면서 관심만 요구하는 콘텐츠를 알아봅니다.

더 나은 대응은 실제 의사결정에 도움이 되는 정보에서 시작합니다. 상세 비교, 한계점, 구현 요건, 근거, 독자적 관찰은 요약문 이상의 이유로 사람들을 방문하게 만듭니다.

자사 데이터는 실제 고객 요구를 반영할 때 중요합니다. 흔한 이의 제기, 서비스 제약, 제품 호환성, 활용 사례는 솔루션이 적합한 지점을 명확히 할 수 있습니다. 주장은 검증 가능해야 하며 채널 전반에서 일관성을 유지해야 합니다.

기업은 고객 확보 과정의 인간적 단계를 보호해야 합니다. AI가 더 적은 수의 정보에 밝은 잠재고객을 보낼수록 빠른 답변, 유능한 영업 대화, 명확한 온보딩, 신뢰할 수 있는 레퍼런스가 더욱 중요해집니다.

구매 의도가 높은 방문자는 불일치를 빠르게 발견합니다. AI 설명이 한 경험을 약속하는데 웹사이트가 다른 모습을 제시한다면, 추천 노출에 성공했더라도 전환율은 하락할 수 있습니다.

따라서 고객 확보는 제품 운영과 점점 더 분리하기 어려워지고 있습니다. 문서화, 고객 경험, 외부 근거가 다른 방향을 가리킨다면 마케팅만으로 지속 가능한 권위를 만들어낼 수 없습니다.

Google News 가설을 검증할 세 가지 신호

다음 단계는 새로운 마케팅 용어를 도입하는 기업의 수가 아니라 측정 가능한 행동으로 결정될 것입니다.

첫 번째 신호는 AI 추천 및 AI 영향 여정에서 발생하는 채널 수준의 매출입니다. 기업은 직접 유입, 노출 후 브랜드 검색, 지원 전환, 유효 파이프라인, 완료된 구매를 추적해야 합니다.

이 지표들이 가시성을 확보하는 데 필요한 비용보다 더 빠르게 증가한다면 고객 확보 가설은 강화됩니다. 반대로 언급은 늘어나지만 유효 수요가 증가하지 않는다면, 추천 권위는 효율적인 채널이 아니라 브랜딩 지표에 머물게 됩니다.

측정에는 안정적인 고객 코호트와 비교 가능한 기간을 사용해야 합니다. 팀은 신규 고객 매출과 반복 구매를 분리하고, 애초에 상업적 의도가 없었던 트래픽은 제외해야 합니다.

두 번째 신호는 Google, OpenAI, Microsoft, Perplexity, 그리고 커머스 플랫폼이 광고를 어떻게 통합하는가입니다. 배치, 고지, 인용의 가시성, 보고 방식은 AI 탐색이 또 하나의 경매 기반 채널이 될지를 결정할 것입니다.

유료 추천이 사용자 신뢰를 훼손하지 않으면서 도입된다면, 고객 확보 지출은 답변 인터페이스에 더 가까워질 것입니다. 더 정교한 타기팅에도 불구하고, 소수의 눈에 띄는 추천을 둘러싼 경쟁은 비용을 높일 수 있습니다.

사용자가 스폰서 답변을 신뢰하지 않는다면 독립적인 근거와 인지도가 있는 출처가 더 큰 영향력을 유지할 것입니다. 그러면 플랫폼은 상업적 배치와 종합된 안내 사이를 더 명확히 구분해야 합니다.

세 번째 신호는 총 트래픽 주장과 기업 수준 성과 사이의 격차입니다. Google은 전체 자연 클릭량이 안정적으로 유지된다고 말하는 반면, 독립 연구는 제로 클릭 압력과 불균등한 추천 유입 손실을 지적합니다.

더 투명한 보고는 이러한 입장을 조정할 수 있습니다. 유용한 공개 자료는 정보성, 상업성, 지역성, 탐색성 쿼리를 구분해야 합니다. 또한 일반 검색 결과, AI Overviews, AI Mode, 대화형 추천 유입도 구별해야 합니다.

상업적 카테고리 전반에서 유효 클릭과 매출이 건전하게 유지된다면, 가장 우려되는 트래픽 전망은 약화될 것입니다. 트래픽이 더 적은 수의 목적지에 집중된다면, 고객 확보 측면의 우위는 소규모 기업이 극복하기 더욱 어려워질 것입니다.

이 신호들은 함께 살펴봐야 합니다. 수익성 있는 전환이 없는 추천 유입 증가는 이 모델을 입증하지 못합니다. 의미 있는 규모가 없는 높은 전환율도 기존 채널을 대체하지 못합니다.

원래의 Google News 기사는 실제 전환을 포착하지만, 가장 강한 주장은 아직 입증되지 않았습니다. AI는 평가가 이루어지는 장소를 분명히 바꾸고 있습니다. 고객 확보 비용에 대한 최종 효과는 제품 복잡성, 채널 구성, 측정 품질에 따라 달라집니다.

기업은 한 가지 실용적인 질문에서 시작해야 합니다. 이제 고객이 웹사이트에 도달하기 전에 어떤 의사결정을 내리는가? 그 의사결정을 파악하고, AI 시스템이 여러분의 근거를 정확히 표현하는지 검증하며, 가시성을 비즈니스 성과와 연결하십시오.

헤드라인이 검색의 쇠퇴를 예측한다고 해서 검색을 포기하지 마십시오. 추천 유입 트래픽이 아직 작아 보인다고 해서 AI를 무시하지도 마십시오. 둘 다 변화하는 하나의 탐색 시스템을 구성하는 요소로 다루십시오.

유용한 목표는 생성된 모든 답변에 등장하는 것이 아닙니다. 관련 구매자가 중요한 질문을 던질 때 신뢰할 수 있는 선택지가 되는 것입니다. Google News와 AI 검색은 관심을 만들 수 있지만, 그 경제적 가치는 측정된 고객 행동만이 입증할 수 있습니다.