AI Overviews 시대 브랜드 검색 측정, 왜 수요 대리지표가 깨지고 있나

무슨 일이 일어나고 있나

MarTech가 자사 고객 포트폴리오에서 확인한 수치가 출발점이에요. 지난 한 달간 브랜드 검색 수요가 11.1% 줄었는데 경매 환경은 거의 그대로였어요. 검색량만 보면 '수요가 빠졌다'는 결론으로 직행하기 쉽지만, 세 가지 대안 설명을 하나씩 지웠더니 그림이 달라집니다. 첫째, 소비자 브랜드 선호가 약해졌다는 가설은 Google Keyword Planner·Semrush 정규화 데이터가 지지하지 않았어요. 둘째, 검색 결과 참여 하락설도 Semrush가 내비게이션 검색으로 분류한 쿼리의 클릭률이 유의미하게 안 떨어져서 배제됐고요. 셋째, 거시경제 압박이 원인이면 전체 검색량이 함께 줄었어야 하는데 그런 신호도 없었어요.

남은 설명이 AI 검색이에요. 한 클라이언트의 핵심 키워드에서 AI Overviews 노출률은 1년도 안 되는 사이 57.2%에서 2026년 6월 95.9%로 뛰었어요. 또 다른 MarTech 분석은 구글 검색의 약 68%가 클릭 없이 끝나고(2년 전 60%에서 상승), AI Overview가 뜨는 쿼리에서 최상위 자연 검색 결과가 클릭의 약 58%를 잃는다고 봤어요. 게다가 AI Overview는 상업 쿼리보다 정보성 쿼리에 훨씬 자주 뜨는데, 이게 하필 대부분의 블로그가 노리는 그 쿼리라는 게 아픈 지점이에요.

메커니즘을 한 단계 더 파고들면 이래요. AI가 질문에 답하고 대안을 비교하고 정보를 종합하는 단계가 검색창 클릭 '이전'으로 당겨지면서, 예전엔 브랜드명을 직접 검색하며 남기던 의도 신호가 검색 로그에 아예 기록되지 않게 됐어요. 선호는 그대로인데 그 선호가 검색이라는 관찰 창구를 거치지 않고 소비되는 겁니다. 그래서 브랜드 검색은 의사결정 여정의 점점 작은 조각만 담게 돼요.

같은 흐름의 반대편에 개인화·통합 데이터로 승부하려는 움직임이 있어요. Salesforce Agentforce Digital Summit 2026 사례를 보면, 한 중고차 사업자는 판매·매입·온라인 등 6개 유입 채널 데이터를 고객 단위로 통합했고, F&B 멀티브랜드 사업자는 상위 12% 핵심 고객이 매출의 51%를 만든다는 구조 위에서 앱·키오스크·POS·멤버십 데이터를 하나로 묶어 이탈을 예측하고 있어요. 한 B2B 로보틱스 기업은 리드 전달 시간을 2.5일에서 0.5일로 줄이고 도입 문의가 155% 늘었다고 발표했고요.

왜 중요한가

브랜드 검색은 오랫동안 편리한 대리지표였어요. MarTech 데이터에서도 브랜드 고객획득비용은 비브랜드 대비 평균 76.6% 낮아요. 검색이 곧 수요를 반영한다는 등식이 성립하는 동안엔 이 지표 하나로 브랜드 건강을 읽을 수 있었죠. AI Overviews가 그 등식을 끊었고, 여기서 진짜 위험은 인과의 방향을 거꾸로 읽는 거예요. '검색이 줄었다→수요가 줄었다→브랜드 투자를 줄이자'로 가면, 브랜드 인지가 낮아져 실제로 검색이 더 줄어드는 자기실현적 악순환이 돌아요. 가장 효율 좋은(76.6% 저렴한) 획득 채널의 연료부터 끊는 셈이라 타격이 큽니다.

핵심은 이게 수요 문제가 아니라 측정 문제라는 거예요. 관찰 가능한 지표가 바뀌었을 뿐 밑에 깔린 선호는 그대로인데, 지표만 보고 판단하면 존재하지 않는 문제를 고치려 들게 됩니다. 통신사 업계 사례가 같은 오작동을 반대편에서 보여줘요. Analysys Mason 조사에서 운영사 97%가 향후 5년 AI 자동화를 생존 필수라 답했지만, 현실은 AI 파일럿의 80%가 실운영으로 못 넘어가요. 원인은 AI 성능이 아니라 단편화된 고객 데이터와 레거시 시스템, 그리고 부서별로 끊긴 워크플로예요. 측정이든 자동화든, 데이터가 흩어진 채로 상위 지표만 붙잡으면 방향을 잘못 잡는다는 얘기가 양쪽에서 나오는 거죠.

이해관계·역학

왜 지금 이 데이터가 쏟아질까요. 이해관계를 나눠보면 선명해져요. 구글은 이미지 검색까지 Pinterest식 개인화 피드로 재편하면서, 사용자가 '작은 아파트 주방 아이디어'를 검색하면 개인화된 영감을 스크롤하고 컬렉션에 저장하고 AI로 맞춤 변형까지 생성하도록 만들었어요. 핀터레스트로 넘어가지 않고 구글 안에 머물게 하는 설계죠. eMarketer 분석대로 이건 이탈률을 줄여 광고 인벤토리를 늘리고 행동 신호를 더 모으려는 움직임이에요. 즉 AI Overviews로 오픈 웹 클릭을 흡수하는 쪽과, 그 안에서 발견형 피드로 세션을 붙잡는 쪽이 같은 플랫폼의 두 손이에요. 구글은 클릭을 오픈 웹으로 내보내는 대신 자기 생태계 안에서 소비시키고, 마케터가 잃은 트래픽의 상당 부분이 광고로 재판매될 인벤토리로 전환됩니다. 마케터의 트래픽이 어디로 새는지가 구조적으로 설명돼요.

Salesforce 같은 벤더 서밋 숫자는 다른 각도로 읽어야 해요. 서밋에서 나온 사례는 성공만 편집돼 나오니 '리드 2.5일→0.5일'이나 '이탈 예측' 같은 결과보다, 통합 전에 데이터가 어떤 상태였고 부서별로 다르게 쌓인 고객 식별자와 동의 관리를 맞추는 데 몇 달이 걸렸는지를 먼저 물어야 해요. 상위 12%가 매출 51%라는 건 파레토 법칙 그 자체라 AI 없이도 나오는 구조고, 진짜 관건은 그 예측을 리텐션 액션으로 연결해 이탈률을 실제로 낮췄는지인데 그 부분은 사례에서 빠져 있어요. 벤더 입장에선 Data 360·Customer 360 도입의 성과를 팔아야 하니, 정작 병목이던 데이터 정합·동의 관리 작업은 조명 밖으로 밀어두는 유인이 분명히 있는 거죠. 측정 지표를 파는 진영이든 통합 도구를 파는 진영이든, '데이터부터'라는 불편한 공통 진실을 각자의 방식으로 우회하려 한다는 점을 냉정히 봐야 해요.

실무에 주는 함의

측정 체계를 삼각측량으로 바꾸는 게 먼저예요. 내일부터 점검할 것을 정리하면 이렇습니다.

• 검색량 대시보드 하나에 의존하지 말고 direct/organic 유입 질, 브랜드 인지·구매의향 서베이, AI 답변에 인용되는 자산의 노출 빈도를 함께 붙여 읽으세요. 브랜드 검색 11.1% 하락 같은 숫자를 단독으로 이탈로 해석하면, 획득비용이 76.6% 낮은 채널의 예산부터 깎는 오판이 나와요.
• Google Search Console에서 트래픽 감소를 네 유형으로 분리하세요. ①순위 하락(클릭·노출·평균순위 모두 하락) ②AI Overview 제로클릭(순위·노출 유지·상승인데 클릭만 하락) ③검색 의도 변화 ④수요 감소는 대응이 다 다릅니다. ②라면 콘텐츠를 고쳐도 클릭이 안 돌아오니, 승부처를 검색 유입 방어에서 브랜드 검색·직접 방문·이메일 같은 자기 소유 채널로 옮기세요. 콘텐츠 갱신이 확실히 듣는 건 ①뿐이에요.
• 콘텐츠 자원을 재배분하세요. AI Overview가 정보성 쿼리에 훨씬 자주 뜨고 최상위 결과가 클릭의 58%를 잃으니, 이미 클릭이 사라진 정보성 키워드 대신 거래·비교·구매 의도가 남은 키워드에 자원을 몰아주는 게 낭비를 줄이는 길이에요.
• 개인화·이탈 예측을 도입하기 전 부서별로 흩어진 고객 식별자와 동의 관리부터 손보세요. 이걸 안 하고 Agentforce나 에이전트부터 붙이면 자동화된 오류가 더 빠르게 퍼질 뿐이에요. 통신사 파일럿 80%가 운영으로 못 넘어간 이유가 정확히 여기예요.
• 분기별 진단 루틴을 세팅하세요. 트래픽·검색량·인지도 지표를 정기적으로 대조하면 낭비적인 콘텐츠 갱신을 줄이고 원인을 조기에(15% 하락 시점에) 잡을 수 있어요. 80%까지 방치하다 뒤늦게 대응하는 팀과 격차가 여기서 벌어져요.

리스크·반대 관점

반대 시나리오도 챙겨야 해요. 브랜드 검색 11.1% 하락은 한 달, 한 포트폴리오의 수치예요. 표본과 기간이 짧으니 이걸 업계 전반의 구조 변화로 일반화하는 순간 또 다른 오독이 됩니다. AI Overviews 노출률 95.9%도 특정 클라이언트의 핵심 키워드 기준이라 업종·쿼리마다 편차가 커요. 정작 필요한 건 자사 계정에서 같은 진단을 돌려 노출률과 CTR 변화를 직접 재는 거지, 남의 95.9%를 그대로 자사 가정에 이식하는 게 아니에요.

대체 채널로 갈아타는 것도 함정이 있어요. 구글 이미지 개인화 피드가 새 노출 기회처럼 보이지만, 피드 추천 알고리즘이 어떤 행동 신호를 먹고 도는지는 아직 블랙박스라 검증 가능한 트래픽 지표로 잡기 어려워요. alt text와 structured data 최적화에 흥분하기 전에, 자사 이미지가 AI 변형 소재로 재가공될 때 브랜드 통제권을 어떻게 지킬지부터 정리하는 게 현실적이에요.

놓치기 쉬운 함정은 서베이 지표의 편의성이에요. 검색량이 못 미더우니 인지도·구매의향 서베이로 넘어가지만, 서베이도 응답 편향과 시차가 있어서 이번 달 행동을 다음 분기에야 확인하게 돼요. 어느 단일 지표도 완벽하지 않으니, 여러 지표를 계속 교차 검증하고 실제 매출·유지 데이터로 보정하는 규율이 없으면 그럴싸한 대시보드만 남습니다. 결국 삼각측량의 가치는 지표 개수가 아니라, 세 신호가 어긋날 때 무엇을 믿을지 사전에 정해두는 판단 규칙에 있어요.

자주 묻는 질문

AI 오버뷰 때문에 브랜드 검색량이 줄었는데 수요가 진짜 줄어든 건가요

아니에요. MarTech 데이터에서 브랜드 검색은 11.1% 줄었지만 브랜드 선호도 자체는 Google Keyword Planner·Semrush 정규화 데이터상 변화가 없었어요. 검색 참여 하락설·거시경제설도 데이터로 배제됐고요. AI Overviews가 상업 검색의 95.9%에 뜨면서 소비자가 검색 전에 결정을 끝내는 탓이라, 수요 문제가 아니라 측정 문제로 봐야 해요.

트래픽이 떨어졌는데 콘텐츠를 다시 써야 하나요

원인부터 진단하세요. Google Search Console에서 순위·노출은 유지·상승인데 클릭만 빠졌다면 AI Overview 제로클릭이라 콘텐츠를 고쳐도 클릭이 안 돌아와요(AI Overview 쿼리에서 최상위 결과가 클릭의 약 58%를 잃어요). 순위·노출·평균순위가 모두 떨어진 경우에만 콘텐츠 갱신이 유효하고, 나머지는 채널·포맷·가치 제안을 재전략화해야 해요.

AI 시대에 마케팅 측정은 어떻게 바꿔야 하나요

단일 지표 의존을 끊고 삼각측량으로 가세요. 검색량에 direct/organic 유입 질, 브랜드 인지·구매의향 서베이, AI 답변 인용 자산의 노출 빈도를 붙여 함께 읽는 방식이에요. 특히 브랜드 검색 감소를 예산 삭감 신호로 오독하지 않는 게 핵심인데, 브랜드 획득비용이 비브랜드보다 76.6% 낮은 만큼 잘못 자르면 가장 효율 좋은 채널을 스스로 끊는 셈이에요.

개인화 마케팅이나 AI CRM을 도입하면 이 문제가 해결되나요

데이터 통합이 먼저예요. 통신사 조사에서 97%가 AI 자동화를 필수로 봤지만 파일럿의 80%가 운영으로 못 넘어갔는데, 원인이 단편화된 고객 데이터와 레거시 시스템이었어요. 부서별로 흩어진 고객 식별자와 동의 관리를 손보지 않고 Agentforce나 에이전트부터 붙이면 자동화된 오류만 빨라져요. Salesforce 사례의 '리드 2.5일→0.5일'도 통합에 몇 달이 걸렸는지가 빠진 성공 편집본이라는 점을 감안하세요.

AI Overview가 뜨면 자연 검색 클릭이 얼마나 줄어드나요

AI Overview가 등장하는 쿼리에서 최상위 자연 검색 결과가 클릭의 약 58%를 잃어요. 구글 검색 전체로 보면 약 68%가 클릭 없이 끝나는데 2년 전 60%에서 오른 수치고요. 정보성 쿼리에 특히 자주 떠서 블로그성 콘텐츠 타격이 큰 반면, 거래·비교 쿼리에는 상대적으로 덜 떠서 이쪽으로 콘텐츠 자원을 옮기는 게 유리해요.