AI 검색에서 정보의 일관성과 반복 측정이 중요해지고 있습니다.

이번 주에는 AI 검색이 기존 검색과는 다른 방식으로 정보를 수집하고 활용한다는 점이 중요해지고 있습니다. Peec AI는 ChatGPT가 자체 검색 인덱스인 Labrador를 운영한다고 분석했고 Search Engine Journal은 웹에 남아 있는 오래된 브랜드 정보가 AI 답변의 오류로 이어질 수 있다고 설명했습니다.

한편 검색 성과를 바라보는 기준도 더 세분화되고 있습니다. Zyppy Signal의 조사에서는 관련성, 백링크, 콘텐츠 품질이 주요 Google 랭킹 요인으로 평가됐고 OtterlyAI는 AI 답변에서 브랜드 언급은 비교적 안정적이지만 인용 출처는 더 자주 바뀐다는 결과를 공개했습니다. Google 판매자 센터에서도 AI 검색 의도와 검색어 및 상품 속성을 확인할 수 있는 인사이트가 추가됐습니다.

이러한 변화는 AI 검색 대응에서 단순히 노출 여부만 확인하는 것을 넘어서 우리 정보가 어디에 어떻게 저장되고 있는지, 브랜드 정보가 일관되게 유지되는지, 그리고 어떤 신호와 지표를 지속적으로 추적할 것인지까지 함께 관리해야 한다는 점을 보여줍니다. 이번 호에서는 AI 검색에서 무엇을 점검하고 어떤 데이터를 기준으로 판단해야 하는지 다섯 건의 기사와 함께 살펴보겠습니다.

글 내용

SEO/GEO 주간 브리핑

1. ChatGPT, 자체 검색 인덱스 Labrador 운영

Source: Tomek Rudzki, Peec AI (원문 보기)

ChatGPT가 Bing과 Google 경유 없이 자체 검색 인덱스 "Labrador"를 운영한다는 사실이 서버 사이드 이벤트, 채용 공고, 반독점 소송 증언으로 확인되었습니다. Labrador는 웹, PDF, 유튜브, 뉴스, 쇼핑, 의료 등 카테고리별로 특화된 인덱스 집합이며 OpenAI는 2023년부터 이를 구축해왔습니다.

쇼핑 영역에서는 자체 인덱스와 스크래핑 결과를 겨루는 A/B 테스트가 다수 진행 중이고, 페이지를 실시간으로 가져오는 대신 캐시에서 응답을 내놓는 것도 확인되었습니다. 다만 Google, Microsoft, Yelp, TripAdvisor 등 최소 8개 외부 제공업체도 여전히 함께 쓰이고 있어 Bing에서 노출만으로 ChatGPT 노출을 담보할 수 없다는 점이 시사점으로 제시됩니다.

#ChatGPT #Search Index

2. AI 검색 최대 리스크는 브랜드에 대한 상충된 정보

Source: Carolyn Shelby, Search Engine Journal (원문 보기)

AI 검색에서 브랜드 정보 오류의 근본 원인은 정보 부족이 아니라 과잉과 상충으로 지적되었습니다. 웹사이트, 오래된 PDF, 제품 문서, 임원 프로필마다 서로 다른 버전의 사실이 남아 있으면 LLM은 사용자 질문의 언어와 가장 잘 맞는 과거 버전을 인용해 답변을 구성합니다. 인수합병으로 CEO 직함이 사라졌는데도 옛 직함으로 질문하면 여전히 옛 정보가 검색되는 실제 사례도 소개되었습니다.

해결책으로 새 페이지 발행이 아니라 옛 용어와 현재 사실을 명시적으로 연결하는 콘텐츠를 제작할 수 있습니다. 원문에서는 URL 및 트래픽 중심의 기존 콘텐츠 점검 대신 사실 주장과 인용 출처를 추적하는 "브랜드 사실관계 점검"이 필요하다고 강조합니다.

#AI Search #Content Strategy

3. 2026년 Google Ranking Factor, 전문가 설문조사

Source: Cyrus Shepard & Dawn Shepard, Zyppy Signal (원문 보기)

Zyppy Signal의 조사에 따르면 131명의 SEO 전문가가 103개 순위 요인에 대해 13,665개의 데이터를 제공한 설문조사에서, 검색 의도 충족(관련성)이 57.1%로 가장 중요한 신호로 꼽혔고, 신뢰도 높은 사이트의 백링크(54.8%)와 콘텐츠 품질(47.6%)이 뒤를 이었습니다. 권위 및 신뢰(36.5%)와 사용자 만족도(19.8%) 등 사용자 신호 전반의 비중도 뚜렷이 늘었습니다. 메타 디스크립션은 영향이 거의 없다는 평가를 받았습니다.

AI 생성 콘텐츠는 부가가치 없이 대량 생산될 때만 부정적으로 평가되었고, 반독점 소송과 API 유출의 영향으로 브랜드 및 클릭 신호의 중요성도 예년보다 높아졌습니다. 테크니컬 SEO는 순위를 끌어올리기보다 나쁠 때만 감점되는 필수 조건으로 평가되었습니다.

#Google Ranking Factors #Relevance

4. AI 답변, 브랜드 언급보다 인용 출처 더 자주 변해

Source: Thaylise Nakamoto, OtterlyAI (원문 보기)

OtterlyAI는 3개 산업의 520개 프롬프트를 7개 AI 답변 엔진에서 40일에서 91일 동안 실행하여 총 252,407개 답변을 분석했습니다. 그 결과 브랜드 언급은 비교적 안정적이었지만 인용 출처는 더 자주 바뀌었으며 전체 URL의 48%는 30일 동안 단 한 번만 인용됐습니다.

AI 답변에서는 브랜드가 얼마나 자주 등장하는지 먼저 확인하고 인용 출처는 변화 원인을 살펴보는 보조 지표로 활용할 수 있습니다. 특히 한두 번의 답변이나 인용 변화만으로 AI 노출 결과를 판단하기보다 여러 프롬프트를 지속적으로 추적해 반복되는 변화가 있는지 확인하는 것이 중요합니다.

#AI Answer #Brand Coverage

5. Google 판매자 센터, 신규 AI 실적 항목 추가

Source: Barry Schwartz, Search Engine Roundtable (원문 보기)

지난 7월 출시되어 이달 들어 적용 지역을 넓히고 있는 Google 판매자 센터의 "AI 실적 통계" 보고서에 AI 검색 의도, AI 검색어, AI 속성의 세 가지 항목이 새로 추가되었습니다. AI 검색 의도 항목은 내 상품이 고객의 AI 검색과 얼마나 매칭되는지 보여주고, AI 검색어 항목은 AI 검색에 노출된 상품의 설명에 넣으면 좋은 인기 검색어를 추천합니다. AI 속성 항목은 AI 검색 노출 상품에 빠져 있는 속성값을 채우도록 안내합니다.

이번 업데이트는 Brodie Clark이 X에 스크린샷을 공유하며 알려졌으며, 구글은 관련 고객센터 문서도 함께 갱신했습니다. 쇼핑 피드 최적화가 검색 키워드뿐 아니라 AI 검색 노출 기준으로도 관리되기 시작했다는 신호입니다.

#Google Merchant Center #AI Search

AI 검색 환경에서는 단순히 노출 여부만 확인하는 것만으로는 충분하지 않을 수 있습니다. 브랜드 정보가 여러 페이지와 자료에서 일관되게 유지되는지, 어떤 출처와 인덱스를 통해 답변에 반영되는지, 그리고 한 번의 결과가 아니라 반복되는 변화를 기준으로 살펴볼 필요가 있습니다.

앞으로도 AI 검색 환경에서 정보가 수집되고 평가되는 방식과 측정 기준의 변화를 구분해 살펴보며 실제 실무에서 점검할 수 있는 대응 방향을 지속적으로 정리하겠습니다.