AI 추천으로 인한 방문량은 대부분 사이트에서 전체의 매우 작은 부분에 불과하며, 이 점을 외면할 필요는 없습니다. 그러나 같은 데이터 묶음은 이 방문의 전환 효율이 전통적 자연 검색보다 뚜렷하게 높다는 것도 보여줍니다(원본 데이터와 기준). 따라서 실제로 조정해야 할 것은 '할지 말지'가 아니라 평가 단위입니다. '브랜드가 AI에서 언급됨 → 클릭하여 공식 웹사이트 진입 → 폼 제출 또는 체험 시작 → 최종 성사'를 네 단계로 나누고, 각 단계에 자체 분모를 설정해야 합니다.
한 가지 더 먼저 분명히 해야 합니다. 전환율이 높다고 해서 GEO를 하면 반드시 높은 전환이 따라온다는 뜻은 아닙니다. 더 합리적인 해석은 AI에게 추천을 묻는 습관이 있는 사람 자체가 의사결정에 더 가깝다는 점이며, 높은 전환은 채널의 마법보다 사용자 집단 필터링의 결과일 가능성이 큽니다. 상관관계를 인과관계로 착각하면 예산과 기대치가 모두 어긋납니다.
데이터 기준: 비중은 작지만 효율은 몇 배 높습니다
가장 많이 인용되는 비교는 Seer Interactive의 GA4 데이터 분석에서 나옵니다. 동일 고객군, 동일 전환 목표, 2024년 10월부터 2025년 4월까지 같은 시간 창에서 ChatGPT 추천 트래픽 전환율은 약 15.9%, Google 자연 검색은 약 1.76%로 약 9배 차이였습니다. 같은 사이트에서 AI 추천 트래픽이 전체 방문에서 차지하는 비율은 0.2%에서 1.08%에 불과했습니다.
| 지표 | 공개 데이터 | 기준 설명 |
|---|---|---|
| AI 추천 트래픽이 전체 방문에서 차지하는 비율 | 0.2%–1.08% | 동일 고객군 GA4 데이터, 대부분 샘플의 비중이 매우 낮음 |
| ChatGPT 추천 방문자 전환율 | 약 15.9% | 자연 검색과 동일 목표, 동일 기간 비교 |
| Google 자연 검색 방문자 전환율 | 약 1.76% | 위와 동일, 배수급 차이를 구성 |
| Perplexity / Claude / Gemini | 약 10.5% / 5.0% / 3.0% | 동일 연구, 플랫폼별 질문 의도 차이를 반영 |
| 채널 간 전체 비교 | 14.2% 대 2.8% | 또 다른 독립 편집 자료, 방향성 일치 |
| ChatGPT 추천이 사이트 내 검색 페이지로 유입 | 28.8%(GA4 리소스 166개) | 이런 세션은 표준 전환 이벤트를 자주 발생시키지 않음 |
표에서 가장 주목할 것은 그 배수가 아니라 마지막 행입니다. 상당한 비율의 AI 추천 세션은 사이트 내 검색 결과 페이지에 바로 착지하며, 대부분의 분석 설정에서는 전환 목표를 거의 발생시키지 않습니다. 따라서 집계된 전환율은 하한선일 가능성이 큽니다.
왜 AI 추천으로 인한 방문량은 이렇게 적은가
이유는 우선 구조적이며, 콘텐츠 품질이 부족해서가 아닙니다.
- 답변 자리는 희소 자원입니다. 전통 검색은 한 번에 여러 링크를 반환하고 페이지를 넘길 수 있지만, AI 어시스턴트는 보통 세다섯 개의 이름만 제시하며 때로는 하나만 제시합니다. 같은 수요에서 배분받을 수 있는 진입점 수가 10분의 1 수준으로 줄어듭니다.
- 많은 영향이 사용자가 대화를 떠나기 전에 발생합니다. Search Engine Journal은 GEO를 논하면서 AI가 구매 결정에 미치는 영향 중 상당수는 사용자가 아직 어떤 웹사이트도 열지 않았을 때 발생하며, 추천 트래픽만 보면 그 역할을 체계적으로 과소평가하게 된다고 지적했습니다(GEO Isn't A Distraction).
- 지연된 방문은 다른 곳에 기록됩니다. 사용자가 답변에서 충분한 비교 정보를 이미 얻고, 가격·문서·사례를 확인할 때만 공식 웹사이트에 들어오는 경우, 이런 방문은 종종 직접 방문이나 브랜드 검색어 검색으로 집계됩니다.
왜 AI 방문자의 구매 의도가 더 명확한가
차이는 질문 방식에서 나옵니다. 누군가 검색창에 '프로젝트 관리 소프트웨어'를 입력하는 동기는 정보 탐색, 가격 비교, 구직일 수 있습니다. 그러나 AI 어시스턴트에 '우리는 10여 명 규모의 엔지니어링 팀이고 GitHub와 Jira를 사용하며 간트 차트와 스프린트 계획이 필요합니다. 어떤 도구를 추천하나요?'라고 쓰면, 이 문장에는 이미 팀 규모, 기술 스택, 기능 요구라는 세 가지 필터가 포함되어 있습니다. 이런 질문을 할 수 있는 사람은 보통 초기 조사를 마쳤고, 지금은 특정 추천을 원하는 상태입니다.
여기서 두 가지 결과가 나옵니다. 방문자가 사이트에 도착할 때 기본적인 의문은 이미 답변된 상태이므로, 페이지는 '확인과 다음 단계'를 이어받아야 하며 일반적인 입문 설명이 아니어야 합니다. 플랫폼 간 전환 차이도 설명됩니다. ChatGPT에서는 상업형·가격형 질문 비중이 더 높고, Perplexity는 검색·검증에, Claude는 분석·코드 시나리오에 치우치며, 전환율 기울기는 질문 의도의 분포 차이를 반영합니다.
AI 검색 방문자와 Google 자연 검색 방문자의 다섯 가지 차이
| 차원 | Google 자연 검색 방문자 | AI 추천 방문자 |
|---|---|---|
| 질문 형태 | 짧은 단어, 넓고 재사용 가능 | 긴 문장, 제약 조건 포함, 일대일 상담에 가까움 |
| 의사결정 단계 | 인지부터 결정까지 전 범위 분포 | 비교와 선정 단계에 더 집중 |
| 착지 페이지 | 보통 구체적 콘텐츠 페이지 | 일정 비율이 사이트 내 검색 페이지나 홈페이지로 착지 |
| 세션 특징 | 체류 시간, 페이지 수가 상대적으로 낮음 | 단일 세션이 더 깊고, 더 완전한 증거 필요 |
| 설득 논리 | 인지도를 처음부터 구축해야 함 | 사실, 사례, 가격을 빠르게 확인해야 함 |
이 표는 페이지 설계를 직접 안내할 수 있습니다. 방문자가 '이미 두세 개 선택지로 좁힌' 상태로 들어온다면, 추상적인 업계 입문 글이 아니라 가격 설명, 역량 경계, 마이그레이션 방안, 실제 사례, 인용 가능한 파라미터 표가 훨씬 유용합니다.
왜 GA4 Referral Sessions만 보는 것으로는 턱없이 부족한가
- 채널이 그룹화되어 있지 않습니다. chat.openai.com, perplexity.ai, gemini.google.com은 각종 referral에 흩어져 있고, 자연 검색·소셜·유료와 나란히 놓이지 않으므로 일반 채널 비교 뷰에 들어가지 못합니다.
- 착지 페이지 유형이 맞지 않습니다. 사이트 내 검색 페이지에 착지한 세션은 특정 페이지를 조건으로 하는 전환 이벤트를 발생시키기 어려워 전환율이 낮게 계산됩니다.
- 클릭 전 브랜드 영향이 다른 곳에 기록됩니다. 사용자가 AI 답변에서 브랜드명을 보고 나중에 도메인을 직접 입력하거나 브랜드 검색어를 검색하면, 성사 시 귀속되는 것은 직접 방문 또는 브랜드 자연 검색입니다.
- 귀속 창이 너무 짧습니다. B2B 의사결정 주기는 종종 수개월에 걸치며, AI가 영향을 준 시점은 마지막 클릭보다 이릅니다. 기본 창은 공로를 마지막 접점에 돌립니다.
결론은 추천 트래픽 보고서를 '하한 지표'로 삼아야 하며, AI 채널의 전체 가치로 보아서는 안 된다는 것입니다(관련 분석).
어떤 기업이 AI 추천에서 고객을 더 쉽게 얻는가
여기서 제시하는 것은 적합 조건이며, 업종별 전환율 순위가 아닙니다. 공개 데이터는 업종별 정렬을 뒷받침하기에 부족하며, '어떤 업종의 AI 전환율은 얼마'라는 주장은 신중해야 합니다.
- 의사결정에 여러 방안 비교가 필요하고, 사용자가 '어느 것이 더 좋은가', '무슨 차이인가', '얼마인가'를 주도적으로 묻는 경우
- 객단가가 높고 의사결정 주기가 길어, 한 번의 유효한 상담 가치가 콘텐츠 비용을 충분히 상쇄하는 경우
- 제품 역량을 구조적으로 설명할 수 있는 경우: 기능 경계, 적용 규모, 통합 방식, 가격 구간
- 이미 있거나 축적 가능한 제3자 증거: 고객 사례, 평가, 업계 디렉터리, 커뮤니티 논의
- 공식 웹사이트가 주요 전환 입구이며, 영업 아웃바운드나 플랫폼 스토어에 전적으로 의존하지 않는 경우
몇 분 만에 쇼케이스 사이트를 만들고 리드를 늘리세요
아이디어를 한 문장으로 입력하면 We0 AI가 쇼케이스 사이트, 페이지, CMS를 생성하고 출시 후 고객과 트래픽 확보를 돕습니다.
무료 등록을 위한 하나의 완전한 프로젝트 생성
하나의 완전한 생성 흐름을 시도하고 첫 번째 프로젝트 초안을 빠르게 보는 데 가장 적합합니다.
이 조건에 따르면 B2B SaaS, 기업 서비스와 컨설팅, 산업재와 무역 제조, 전문 서비스 업종이 보통 앞줄에 섭니다. 즉시 소비, 낮은 객단가의 충동형 상품은 AI 추천이 가져오는 증분이 상대적으로 제한적입니다. 이런 결정은 원래 '추천 이유'가 거의 필요 없기 때문입니다.
B2B SaaS 사례: 네 단계 퍼널을 분리해 기록하기
한 B2B SaaS가 매월 자연 검색 약 1만 세션, AI 추천 약 80세션을 얻는다고 가정합니다. 앞서 인용한 비율로 산술적 예시를 들면, 자연 검색은 1.76% 기준으로 약 176건의 등록을, AI 추천은 15.9% 기준으로 약 12~13건의 등록을 가져옵니다(비율 출처). 수량만 보면 거의 무시할 수 있지만, 네 단계 퍼널에 넣으면 판단이 완전히 달라집니다.
| 퍼널 단계 | 어떻게 기록하는가 | 흔한 오판 |
|---|---|---|
| ① 브랜드가 AI에서 언급됨 | 실제 구매 질문 묶음을 고정해 2주마다 각 AI 플랫폼에서 샘플링: 브랜드 등장 여부, 위치, 링크 포함 여부, 같은 화면의 경쟁사 | 자사 브랜드 평판만 묻고 실제 질문 방식을 무시 |
| ② 클릭하여 공식 웹사이트 진입 | 별도 AI 검색 채널 그룹을 만들고 세션, 착지 페이지 분포, 사이트 내 검색 페이지 비중 확인 | 총 세션 수만 보고 착지 페이지 적합성은 보지 않음 |
| ③ 폼 제출 또는 체험 시작 | 폼에 '어디서 우리를 알게 되었나요' 추가, 등록 후 첫 질문에 사용 목적, CRM에 출처 태그 기록 | 폼에서 출처를 수집하지 않고 영업의 기억에 의존 |
| ④ 성사 | CRM 파이프라인을 출처별로 그룹화해 승률, 영업 주기, 객단가 비교 | 리드 수로 매출을 대체하고 출처 품질 차이를 무시 |
이 표는 하나의 반직관적 사실을 드러냅니다. AI 채널은 퍼널 앞단에서는 거의 보이지 않지만, 퍼널 뒷단에서의 가중치는 세션 보고서에서 차지하는 비중보다 훨씬 높을 수 있습니다. 따라서 각 단계는 반드시 자체 분모를 가져야 합니다.
SEO와 GEO의 통합 효과 평가 체계를 어떻게 구축할 것인가
SEO와 GEO의 입력 측은 크게 겹칩니다. 크롤링 가능한 페이지, 명확한 사실 진술, 구조화된 제품 정보, 신뢰할 수 있는 제3자 출처입니다. 차이는 주로 측정 방식에 있습니다. 실행 가능한 여섯 단계:
- 채널 기준 통일: 분석 도구에 AI 검색 채널 그룹을 만들고 주요 AI 플랫폼 도메인을 그룹화합니다. CRM에도 같은 이름의 필드를 추가해 프런트와 백엔드 명명을 일치시킵니다.
- 질문 세트 구축: 실제 영업 대화, 고객 지원 티켓, 사이트 내 검색어에서 구매형 질문을 추출해 고정 샘플링 문항으로 삼습니다.
- 일정에 따라 AI 답변 샘플링: 2주에 한 번 언급률, 인용 링크, 경쟁사 동시 노출 상황을 기록합니다. 이런 선행 지표는 매출보다 먼저 변화를 반영합니다.
- 인용 가능한 정보 블록 보완: 가격 구간, 역량 경계, 적용 규모, 비교 설명, 구현 경로, 흔한 반론을 독립적으로 발췌 가능한 문단으로 작성합니다.
- 기계 판독 가능성 확보: AI 크롤러가 차단되지 않는지, 핵심 콘텐츠가 순수 클라이언트 스크립트로만 렌더링되지 않는지, 첫 화면에 실질 정보가 있는지 확인합니다.
- 보고서를 세 층으로 구분: 가시성(언급률, 인용 수), 행동(AI 채널 세션, 착지 페이지 품질, 폼 완료율), 매출(리드, 승률, 객단가). 세 층을 동시에 봐야 합니다.
일정은 이렇게 잡을 수 있습니다. 첫 달에는 먼저 장부를 정리하고 채널 그룹을 만들며 문제 세트를 추출하고 기준 샘플링을 한 번 실행합니다. 둘째 달에는 세 가지 페이지를 보완합니다. 가격과 플랜 설명, 객관적 경쟁사 비교, 검증 가능한 사례. 셋째 달에는 문제 세트에서 빈도가 높지만 공식 웹사이트에 답이 없는 문항을 콘텐츠 대기열로 만들어 지속적으로 업데이트합니다. B2B 사업은 최소한 하나의 완전한 의사결정 주기를 채운 뒤 결론을 내리는 것이 좋습니다.
이 단계에서 웹사이트 구축과 콘텐츠 인프라가 실행 속도에 직접 영향을 줍니다. we0처럼 전시형 웹사이트를 위한 AI 웹사이트 구축 및 성장 플랫폼은 자연어 웹사이트 구축, 멀티 에이전트 협업, CMS 백엔드, 도메인 배포, SEO와 GEO 최적화 모듈을 하나의 체인에 배치합니다. 정보 블록과 페이지 구조를 구축 단계에서부터 색인 가능하고 인용 가능한 방식으로 구성할 수 있으며, 이후 업데이트도 매번 개발 일정으로 돌아갈 필요가 없습니다. 구체적인 적용 여부는 여전히 팀의 기존 기술 스택과 사이트 규모를 함께 고려해 판단해야 합니다(we0 공식 웹사이트).
반드시 피해야 할 세 가지 판단 오류
- 개별 사례 전환율을 업계 기준으로 삼기. 그 15.9%와 1.76% 비교는 특정 고객 조합과 특정 전환 정의에서 나온 것입니다. 제품, 가격, 전환 이벤트가 다르면 숫자는 크게 달라집니다. 이전 가능한 것은 방법이지 숫자가 아닙니다.
- 상관을 인과로 착각하기. GEO의 역할은 브랜드를 이런 의도가 높은 대화의 후보 명단에 올리는 것이지, 방문자의 구매 의향을 갑자기 높이는 것이 아닙니다(클릭 전 영향).
- 단일 지표로 선택하기. 비중이 작다고 완전히 포기하면 효율 높은 입구 하나를 잃습니다. 배수를 보고 자연 검색 투자를 중단하는 것도 오판입니다. 자연 검색은 오늘도 여전히 절대량의 대부분을 기여하고 있습니다.
자주 묻는 질문(FAQ)
ChatGPT가 가져오는 트래픽 비중이 이렇게 낮은데도 투자할 가치가 있나요?
가치가 있지만 목표를 바꿔야 합니다. 세션 수로 KPI를 설정하지 말고, 가시성과 퍼널 후반부에 목표를 두어야 합니다. 핵심 구매 질문에서 브랜드가 언급되는지, AI 채널 리드 품질이 평균보다 높은지, 성사 주기가 더 짧은지 여부입니다.
자연 검색보다 훨씬 높은 그 전환율을 우리 업종에 바로 적용할 수 있나요?
권장하지 않습니다. 그것은 특정 고객군과 특정 전환 정의에서 나온 것이며, 업종과 전환 이벤트(등록, 리드, 문의, 성사)가 다르면 분모가 완전히 달라집니다. 방향 신호로 삼되, 자사 기준 데이터로 대체하십시오.
분석 도구에서 AI 검색 트래픽을 어떻게 식별하나요?
사용자 지정 채널 그룹을 만들어 chat.openai.com, chatgpt.com, perplexity.ai, gemini.google.com, claude.ai 등의 소스 도메인을 같은 채널로 묶고 착지 페이지 분포를 별도로 확인합니다. 동시에 사이트 내 검색 페이지의 세션 비중을 점검해 전환을 과소평가하지 않도록 해야 합니다.
관련 도구
- GA4 사용자 지정 채널 그룹: 분산된 AI 소스를 통일된 채널로 묶어 비교 가능한 기준선을 확보합니다.
- Google Search Console: 자연 검색 측 노출과 클릭 변화를 확인해 AI 영향을 검색 변동으로 오기록하지 않도록 합니다.
- ChatGPT / Gemini / Perplexity 고정 샘플링: 동일한 질문 세트로 2주마다 기록하며 언급과 인용 변화를 추적합니다.
- we0: 전시형 웹사이트를 위한 AI 웹사이트 구축 및 성장 플랫폼으로, 동일 워크플로에서 페이지 구축, CMS 콘텐츠 유지보수, SEO/GEO 구조 설정을 완료할 수 있습니다.
관련 링크
- ChatGPT 추천 전환율 15.9%, Google 자연 검색 1.76%(Seer Interactive 데이터 정리)
- GEO는 방해 요소가 아니다: AI 영향은 추천 데이터에 나타나지 않는다(Search Engine Journal)
- The 88% AI Search Gap: AI 검색 전환과 전통 검색의 업계 데이터 편집
- we0 공식 웹사이트: AI 웹사이트 구축과 SEO/GEO 기능 설명
요약
AI 추천 트래픽은 현재 실제로 매우 작으며, 대부분 사이트에서 전체 방문의 작은 부분에 불과합니다. 그러나 여러 독립 데이터가 동시에 보여주듯 이 방문자의 전환 효율은 자연 검색보다 현저히 높습니다. 이유는 채널 자체의 가산 효과보다 질문 방식에서 비롯되는 의도 필터링에 있습니다. 기업이 실제로 조정해야 할 것은 측정 방식입니다. AI 채널 기준을 통일하고, 네 단계 퍼널로 각각 기록하며, 가시성 지표를 선행 지표로 삼고, 평가에 충분한 의사결정 주기를 부여해야 합니다. 비중이 작다는 것은 투자하지 않을 이유가 아니며, 비중이 작다는 점만 유일한 판단 기준으로 삼는 것이 문제입니다.
