Artience SEO/GEO 뉴스레터 Vol. 06
AI 검색의 변화가 기술, 인터페이스 및 측정 전반으로 확장되고 있습니다.
이번 주에는 AI 검색의 작동 방식과 사용자 경험 및 성과 측정 전반에서 새로운 변화가 이어졌습니다. Google은 Search Console에 웹 멀티모달 검색 성과 보고서를 추가했고, 더 빠르고 다양한 쿼리 팬아웃을 생성하는 신규 프레임워크도 공개했습니다. Bing 역시 검색 메뉴에 AI Mode 탭을 테스트하며 AI 검색을 별도의 검색 경험으로 전면에 배치하려는 움직임을 보이고 있습니다.
동시에 Google은 합성 콘텐츠와 행동 패턴, 채널 간 관계를 함께 분석하는 SAFE를 배포했고, ChatGPT-5.6 Luna에서는 특정 도메인을 직접 검색하는 비중이 크게 늘면서 Citation 수만으로 AI Visibility를 판단하기 어렵다는 점도 확인됐습니다. 이번 호에서는 이러한 변화가 실무에서 검색 노출과 콘텐츠 전략 및 성과 측정을 어떻게 바라보게 하는지 다섯 건의 기사와 함께 살펴보겠습니다.
SEO/GEO 주간 브리핑
1. Google Search Console, 웹 멀티모달 검색 성과 보고서 지원
Source: Harsh Kharbanda & Moshe Samet, Google Search Central (원문 보기)
Google은 Search Console의 검색결과 실적 보고서와 생성형 AI 기능 보고서에 웹 멀티모달 검색 데이터를 추가했습니다. Google Lens, Android의 Circle to Search, Google Search 이미지 업로드처럼 이미지를 활용한 검색에서 콘텐츠가 어떻게 노출되고 성과를 내는지 확인할 수 있습니다.
새로운 멀티모달 검색 유형 필터를 이용하면 이러한 검색 성과를 별도로 확인하고 데이터를 추가로 분석할 수 있습니다. 이미지 기반 검색 경험이 확대되는 만큼, 기존 웹 검색 성과와 함께 멀티모달 검색에서 사이트와 시각 콘텐츠가 어떻게 발견되는지도 따로 살펴볼 수 있게 됐습니다.
#Google Search Console #Web Multimodal Search
2. Google, 신규 쿼리 팬아웃 프레임워크 공개
Source: Roger Montti, Search Engine Journal (원문 보기)
Google에서 쿼리 팬아웃을 더 빠르고 적은 연산 비용으로 생성하기 위한 새로운 프레임워크 Retrieve-for-Train Diffusion을 공개했습니다. 강화학습과 합성 데이터를 활용해 고품질 쿼리 팬아웃 결과를 학습한 뒤 이를 5,390만 개 파라미터의 작은 Diffusion 모델에 전달하는 방식입니다. 원래 검색어와의 관련성을 유지하면서 중복된 동의어 대신 서로 다른 검색 방향을 생성하며, 기존 자기회귀 방식보다 12~20배 빠른 속도를 기록했습니다.
이 프레임워크는 AI 검색이 단순한 검색어 변형보다 서로 다른 검색 방향을 동시에 탐색하는 구조로 발전하고 있음을 보여줍니다. 실무에서도 하나의 키워드만 보기보다 주제와 연결되는 질문과 탐색 경로를 함께 살펴보는 관점이 중요해질 수 있습니다. 다만 해당 프레임워크가 실제 Google 검색에 적용됐는지는 아직 확인되지 않았습니다.
#Query Fan-Out #Retrieve-for-Train Diffusion
3. Bing, 검색 메뉴에 "AI Mode" 탭 테스트 진행
Source: Sachin Patel, Search Engine Watch (원문 보기)
Bing이 검색 페이지 메뉴에서 "AI Mode" 탭을 테스트하고 있습니다. 이 탭을 클릭하면 Copilot Search에서 새로운 검색어가 생성되며 현재의 Copilot 탭을 AI Mode라는 이름으로 대체할 가능성도 제기됩니다. Google 역시 검색 메뉴에 AI Mode 탭을 제공하고 있어 Bing이 유사한 방식의 AI 검색 진입점을 시험하는 모습입니다.
검색엔진이 기존 검색 결과와 AI 기반 검색 경험을 별도의 메뉴로 구분해 제공하는 흐름이 이어지고 있습니다. 아직 테스트 단계이지만 Google에 이어 Bing도 AI 검색을 별도의 진입점으로 전면에 배치하는 방식을 시험하고 있으므로, 검색엔진별 AI 검색 경험이 기존 검색과 어떻게 구분되는지 지속적으로 관찰할 필요가 있습니다.
#Bing #AI Mode
4. Google, AI 기반 악용 탐지 시스템 SAFE 배포
Source: Roger Montti, Search Engine Journal (원문 보기)
Google은 새로운 AI 기반 악용 탐지 시스템인 SAFE(Scaled Abuse Forensics Examiner)를 배포했습니다. SAFE는 Root Agent가 전체 조사 과정을 조율하고 Content, Behavior, Channel Cluster Understanding Agent가 각각 합성 콘텐츠의 흔적, 비정상적인 행동 패턴, 채널과 제작자 간 관계를 분석해 새로운 형태의 악용을 찾아내는 구조입니다.
SAFE는 단순히 콘텐츠가 AI로 생성됐는지만 확인하는 방식보다 한 단계 넓게 콘텐츠와 행동, 인프라 및 제작자 간 연결 관계를 종합적으로 살펴봅니다. 따라서 AI 사용 여부 자체만을 품질 기준으로 보기보다 콘텐츠와 운영 방식이 플랫폼 정책의 취지에 어긋나는 패턴을 만들고 있지는 않은지 함께 점검할 필요가 있습니다. 다만 SAFE가 현재 진행 중인 Spam Update에 사용되고 있는지는 아직 확인되지 않았습니다.
#SAFE #AI Contents
5. GPT-5.6 Luna, 검색 출처 줄이고 특정 도메인 집중
Source: Bryan Gunawan, Seer Interactive (원문 보기)
Seer Interactive가 6개 산업의 동일한 346개 프롬프트로 GPT-5.5와 GPT-5.6 Luna를 비교한 결과, Luna는 웹 검색을 사용한 비율이 80.8%에서 85.2%로 늘었지만 전체 쿼리 팬아웃 수는 733개에서 729개로 거의 변하지 않았습니다. 대신 특정 도메인을 지정하는 "site:" 검색 비중이 21.6%에서 76%로 크게 증가했고 검색 과정에서 참고한 출처는 6,134개에서 3,481개로 43% 감소했습니다.
최종 답변의 Inline Citation도 2,054개에서 1,790개로 12.9% 줄었습니다. 원문은 Citation 감소만으로 AI 검색 성과를 판단하기보다 ChatGPT가 어떤 쿼리 팬아웃을 생성하고 어떤 도메인을 직접 검색하며, 어떤 출처를 참고한 뒤 인용하는지 전체 Retrieval 과정을 함께 추적할 것을 제안합니다. 모델 자체의 검색 방식 변화가 Citation 수치에 영향을 줄 수 있는 만큼 GEO 성과 측정에서도 모델 업데이트 시점을 함께 고려할 필요가 있습니다.
#ChatGPT #AI Citations
AI 검색 환경은 이제 새로운 기능이 추가되는 수준을 넘어 검색이 작동하는 방식과 사용자 진입점, 스팸 탐지 및 성과 측정 기준까지 함께 바뀌고 있습니다. 멀티모달 검색과 쿼리 팬아웃처럼 검색 방식이 세분화되는 만큼, 기존 웹 검색 성과만 보기보다 AI 검색에서 콘텐츠가 어떻게 발견되고 어떤 경로를 거쳐 노출되는지 함께 살펴볼 필요가 있습니다.
동시에 Citation 수치 하나만으로 GEO 성과를 판단하기보다 모델별 검색 방식과 참조 출처 및 검색 인터페이스의 변화까지 함께 고려해야 합니다. 앞으로도 AI 검색 기술과 측정 방식이 어떻게 달라지는지 구분해 살펴보며 실제 전략 수립 및 성과 평가에 어떤 기준을 적용해야 하는지 지속적으로 확인하겠습니다.