키워드 리서치만으로는 부족합니다 - AI 검색 시대의 프롬프트 리서치 가이드

키워드 리서치만 잘해도 되는 시기는 지났습니다.

검색엔진에서는 “어떤 단어를 치는가”가 핵심이었다면, AI 검색에서는 “어떤 상황과 제약을 붙여서 묻는가”가 더 중요해졌기 때문입니다. 사용자는 이제 “SEO 툴”이라고만 찾지 않고, “작은 팀이 쓰기 좋은 SEO 툴 추천”, “AI 검색 노출까지 같이 볼 수 있는 툴”, “에이전시에 맞는 SEO 플랫폼 비교”처럼 의사결정 맥락을 함께 던집니다.

Semrush는 이런 흐름을 프롬프트 리서치(prompt research)라고 부릅니다. 공식 가이드에서는 이를 “AI가 여러 선택지를 비교하고 특정 브랜드를 추천하게 만드는 질문을 찾고 추적하는 과정”으로 설명합니다. Profound도 같은 문제를 짚습니다. 많은 팀이 SEO 키워드 목록과 감으로 프롬프트 리스트를 만들지만, 그렇게 하면 “사람들이 실제로 묻는 질문”보다 “우리가 물을 것 같은 질문”에 가까워지기 쉽다는 겁니다.

이 글은 바로 그 간극을 줄이기 위한 실무 가이드입니다. 키워드 리서치를 버리자는 얘기가 아니라, 키워드를 질문형 수요로 번역하는 운영 체계를 만들자는 쪽에 가깝습니다.

1. 왜 키워드만 보면 중요한 질문을 놓칠까요?

키워드는 여전히 중요합니다. 다만 AI 검색에서는 키워드가 끝점이 아니라 출발점에 가깝습니다. Semrush도 키워드 리서치를 질문 언어를 검증하는 참고 신호로 보고, 최종적으로는 도입 검토 단계의 질문 묶음으로 바꿔 추적하라고 권합니다.

Semrush 지식베이스에 따르면 자사 AI Visibility Toolkit은 239M+ 프롬프트와 응답 데이터를 바탕으로 주제별 수요와 경쟁 강도를 계산합니다. Profound는 여기서 한 발 더 나아가 1.5B+ 실제 사용자 질문 데이터를 바탕으로 Prompt Research Reports를 구성한다고 설명합니다. 둘 다 같은 메시지를 줍니다. AI 검색에서는 질문 데이터가 키워드 데이터만큼 중요해졌다는 것입니다.

키워드를 그대로 쫓기보다, 누가 어떤 제약에서 어떤 결정을 앞두고 묻는지까지 붙여 질문 세트로 바꿔야 합니다.

Semrush도 키워드 리서치와 프롬프트 리서치를 별도 작업으로 설명합니다. 출처: Semrush, How to Do Prompt Research for AI SEO.

2. 어떤 질문이 실제로 추천을 만드나요?

AI 검색에서 가치 있는 질문은 대부분 “설명형”보다 “비교형”과 “평가형”에 가깝습니다. Semrush도 특히 추천, 비교, 적합성 판단이 들어가는 질문을 구매 검토 단계 프롬프트로 봅니다. 예를 들어 “GEO가 뭐야?”는 학습형 질문이고, “대규모 플랫폼이 GEO 운영에 쓰기 좋은 솔루션은?”은 추천형 질문입니다.

여기서 중요한 건 제약 조건입니다. 대상 독자, 예산, 업종, 리스크, 사용 상황 같은 제약이 붙어야 AI가 단순 설명을 넘어서 추천·비교 답변으로 넘어갑니다.

• 약한 질문: “SEO 툴 추천해줘”

• 강한 질문: “대규모 플랫폼 운영팀이 SEO와 AI 검색 노출을 같이 관리하려면 어떤 툴을 봐야 해?”

• 약한 질문: “FAQ가 중요해?”

• 강한 질문: “AI Overviews와 ChatGPT 인용까지 노리는 B2B SaaS 글이라면 FAQ를 어느 수준으로 넣어야 해?”

Profound의 Answer Engine Insights Overview도 이 구조를 뒷받침합니다. Profound는 같은 질문을 답변형 검색 환경에 반복해서 보내고, 그 응답을 쌓아 Visibility Score, Citations, Share of Voice 같은 지표를 계산합니다. 즉, 프롬프트는 회의 메모가 아니라 실제로 측정 가능한 운영 단위가 됩니다.

3. 프롬프트 리서치는 이 순서로 굴리면 됩니다

1) 먼저 누가 묻는지 정합니다

프롬프트 세트는 타깃 독자를 모르면 품질이 급격히 떨어집니다. “SEO 담당자”, “콘텐츠 전략가”, “대규모 플랫폼 운영자”, “전자상거래 마케터”처럼 최소한의 역할 정의가 필요합니다.

이 단계에서 꼭 적어야 할 항목은 네 가지입니다.

• 무엇을 책임지는 사람인지

• 지금 가장 피하고 싶은 리스크가 무엇인지

• 어떤 언어 수준으로 질문하는지

• 비용·속도·정확도 중 무엇을 우선하는지

2) 그 사람이 어떤 결정을 앞두고 있는지 쪼갭니다

Semrush는 기능, 효익, 활용 상황, 해결 문제, 적합 조건을 나눠서 보라고 제안합니다. 이 분해가 중요한 이유는 AI 추천문이 결국 “왜 이 브랜드가 이 상황에 맞는가”를 설명하는 방식으로 만들어지기 때문입니다.

Search OS 관점에서는 이런 식으로 쪼갤 수 있습니다.

• 기능: 프롬프트·키워드 DB, 크롤링 접근성 점검, 구조화 데이터 자동화

• 효익: 운영자가 일일이 뒤지지 않아도 우선순위를 잡을 수 있음

• 활용 상황: 대규모 플랫폼, 상품 수가 많은 커머스, 마케터·개발자 인력이 부족한 팀

• 해결 문제: AI 답변에는 안 잡히는데 원인을 추적하지 못하는 상태

• 적합 조건: SEO와 GEO를 따로 놀리지 않고 운영 단위로 묶어야 하는 팀

3) 키워드는 질문 검증용으로만 씁니다

키워드 리서치는 끝난 게 아닙니다. 다만 “얼마나 많이 검색되나”보다 “사람들이 어떤 표현을 자연스럽게 쓰나”를 확인하는 데 더 유용합니다.

예를 들어 “GEO 콘텐츠”, “AI citations”, “AEO KPI” 같은 용어를 키워드 도구에서 보면, 사람들이 어떤 수식어를 함께 붙이는지 보입니다. 이 언어 패턴은 곧 프롬프트 생성의 재료가 됩니다.

4) 비슷한 질문을 주제 묶음으로 정리합니다

프롬프트를 문장 하나씩 따로 관리하면 금방 산만해집니다. 그래서 주제 묶음이 필요합니다. Semrush Prompt Research Report는 관련 질문을 주제, 프롬프트, 의도, 브랜드, 출처 도메인 단위로 묶어 보게 하고, Profound도 고객 여정 기준으로 질문을 구분하려고 합니다.

Search OS 팀이 실무에서 쓰기 좋은 기본 클러스터는 보통 아래 네 가지입니다.

5) 끝까지 추적할 질문만 남깁니다

Semrush는 내부 테스트 기준으로 제품 하나당 10개 안팎의 잘 고른 도입 검토 단계 질문이면 초기 신호를 보기 충분하다고 설명합니다. 핵심은 문장 수가 아니라 문맥의 다양성입니다.

다음처럼 줄이면 됩니다.

• 같은 뜻을 반복하는 유사 문장은 합칩니다.

• persona가 달라 추천 기준이 바뀌는 질문은 따로 둡니다.

• 예산, 업종, 팀 규모처럼 평가 기준이 바뀌는 프롬프트를 우선 남깁니다.

• 검색량이 높아도 설명형 질문만 계속 나오면 우선순위를 낮춥니다.

4. 어떤 질문부터 먼저 써야 할까요?

질문은 많아도 리소스는 제한적입니다. 그래서 저는 아래 5개 항목으로 점수화하는 방식을 추천합니다.

이 점수표를 쓰면 “검색량은 높지만 아직 설명형인 질문”과 “검색량은 작아도 추천 문맥이 강한 질문”을 구분하기 쉬워집니다.

5. 여기서 가장 많이 틀립니다

• 모든 질문을 같은 가치로 보는 것: 설명형 질문과 비교형 질문을 같은 칸에 넣으면 우선순위가 흐려집니다.

• 키워드를 그대로 프롬프트처럼 추적하는 것: “geo” 같은 단일어는 실제 답변 맥락을 거의 보여주지 못합니다.

• 하나의 문장만 추적하는 것: AI는 한 질문을 여러 하위 질문으로 풀어 읽는 경우가 많습니다. 그래서 변형 프롬프트가 필요합니다.

• 브랜드 없는 질문만 보는 것: 브랜드 비교, 대안, 카테고리 질문도 함께 봐야 실제 경쟁 구도를 알 수 있습니다.

• 데이터보다 직감을 더 믿는 것: Profound가 지적했듯 감으로 만든 프롬프트 리스트는 실제 사용자 언어와 어긋나기 쉽습니다.

6. Search OS로 옮기면 운영이 쉬워지는 부분

프롬프트 리서치는 콘텐츠 아이데이션 회의용 문서로 끝나면 효율이 낮습니다. 실제 운영에서는 다음 네 가지가 붙어야 합니다.

1. 키워드와 프롬프트를 같은 DB에서 묶어 우선순위를 잡기

2. 질문형 수요가 높은 페이지군을 빠르게 발행하거나 업데이트하기

3. FAQ, 비교표, 정의문처럼 AI가 읽기 쉬운 블록으로 바꾸기

4. 발행 후 인용, 언급, 브랜드 검색 수요 변화를 같이 보기

Search OS는 이 부분을 운영 레이어로 다룹니다. 단순히 “무슨 질문이 있나”에서 멈추지 않고, 질문 신호를 페이지 업데이트와 우선순위로 연결하는 흐름을 만드는 쪽에 가깝습니다. 대규모 브랜드나 플랫폼일수록 이 연결이 없으면 리서치가 쌓이기만 하고 실행이 밀립니다.

즉, Search OS 기준으로 보면 프롬프트 리서치 결과를 따로 저장해두는 도구가 아니라, 어떤 질문을 어떤 페이지 업데이트로 연결할지 정하는 운영 기준선에 더 가깝습니다.

자주 묻는 질문

검색량이 적어 보여도 추적해야 하는 프롬프트가 있나요?

있습니다. 특히 추천·비교·도입 검토 맥락이 강한 질문은 검색량이 작아 보여도 실제 비즈니스 영향이 클 수 있습니다.

키워드 리서치는 이제 안 해도 되나요?

아닙니다. 키워드 리서치는 여전히 사람들의 언어와 문제 표현을 검증하는 데 중요합니다. 다만 최종 산출물이 키워드 리스트에서 질문 클러스터로 바뀌는 것입니다.

한 주제당 프롬프트는 몇 개 정도가 적당한가요?

초기에는 8~12개 수준의 잘 고른 도입 검토 단계 질문이면 충분합니다. 문구만 조금 바꾼 프롬프트보다, 대상 독자와 제약이 다른 프롬프트가 더 중요합니다.

질문형 콘텐츠와 FAQ는 같은 건가요?

같지 않습니다. FAQ는 형식이고, 프롬프트 리서치는 어떤 질문을 왜 먼저 다뤄야 하는지 정하는 과정입니다. 질문 우선순위가 먼저이고 FAQ는 그 출력 형식 중 하나입니다.

마지막으로 이것만 기억하세요

AI 검색 시대에 질문 데이터는 선택이 아니라 운영 단위가 되고 있습니다. 키워드 리서치가 “무엇을 검색하는가”를 알려줬다면, 프롬프트 리서치는 “어떤 순간에 AI가 브랜드를 추천하는가”를 보여줍니다.

그래서 다음 분기 콘텐츠 계획을 짤 때는 키워드 시트 하나로 끝내지 말고, 최소한 아래 네 줄은 같이 적어보세요.

• 누가 묻는가

• 무슨 리스크를 피하려고 묻는가

• 어떤 제약 조건이 붙는가

• 추천이 일어나면 어떤 브랜드가 경쟁하는가

이 네 줄이 정리되면, 키워드 리스트가 비로소 AI 검색용 질문 자산으로 바뀌기 시작합니다.

함께 읽으면 좋은 글

• [SEO와 GEO 개념정리] 대규모 플랫폼을 위한 AI 검색 최적화 알아보기. 개념 별 차이점과 측정 방법
  프롬프트 리서치 전에 SEO, GEO, AEO 차이를 한 번에 정리하고 싶다면 이 글이 먼저입니다.

• AI 검색(GEO) 상위노출 전략: 키워드 분석부터 스키마 마크업까지
  질문을 찾은 뒤 어떤 글 구조와 페이지 요소로 연결해야 하는지 이어서 보기 좋습니다.

• GEO 플라이휠: AI 검색 지배를 위한 E-E-A-T, 스키마 통합 전략
  질문형 수요를 한 편의 글이 아니라 운영 체계로 확장하고 싶을 때 참고할 만합니다.

참고 자료

• Semrush - How to Do Prompt Research for AI SEO

• Semrush Knowledge Base - Prompt Research Report

• Semrush Knowledge Base - AI Visibility Toolkit Data Sources

• Profound - Introducing Prompt Research Reports

• Profound Help - Answer Engine Insights Overview