키워드만 보면 AI 검색에서 놓치는 것들: Query Fan-Out 리서치 가이드

키워드 리서치를 충분히 했는데도 AI 검색에서 브랜드가 잘 보이지 않는 경우가 있습니다.

검색량이 높은 키워드를 골랐고, 관련 글도 발행했고, 제목과 메타 설명도 고쳤습니다. 그런데 사용자가 ChatGPT, Gemini, Perplexity, Google AI Mode에서 질문하면 우리 페이지가 답변의 근거로 잘 잡히지 않습니다.

이때 원인은 키워드 선택이 아닐 수 있습니다. 키워드만 보고 수요를 이해한 것이 더 큰 문제일 때가 많습니다.

AI 검색은 사용자의 질문을 한 줄짜리 검색어로만 보지 않습니다. 특히 Google은 AI Mode와 AI Overviews에서 Query Fan-Out이라는 방식을 설명합니다. 하나의 질문을 여러 하위 주제와 관련 검색으로 확장해 답변을 만든라는 말입니다.

마케터의 리서치 기준도 여기서 바뀝니다.

앞으로 검색 리서치는 "사람이 어떤 키워드를 검색하는가"에서 멈추면 안 됩니다. 이제는 AI가 그 질문을 어떤 하위 질문으로 쪼갤 것인가까지 봐야 합니다.

Query Fan-Out은 무엇인가요?

Query Fan-Out은 복잡한 질문을 여러 하위 질문으로 나누어 넓혀 보는 방식입니다.

예를 들어 사용자가 이렇게 묻는 상황을 보겠습니다.

"B2B SaaS 마케팅팀이 AI 검색 최적화 솔루션을 고를 때 무엇을 봐야 하나요?"

전통적인 키워드 리서치에서는 이 질문을 AI 검색 최적화, GEO 솔루션, B2B SaaS 마케팅 같은 키워드로 쪼개기 쉽습니다. 물론 이 작업은 여전히 필요합니다.

AI 검색은 여기서 한 번 더 나눕니다. 질문 안에 들어 있는 조건을 더 잘게 쪼갤 수 있습니다.

• AI 검색 최적화와 기존 SEO는 무엇이 다른가

• B2B SaaS에서 중요한 검색 가시성 지표는 무엇인가

• Google AI Overviews, AI Mode, ChatGPT, Perplexity는 무엇이 다른가

• 마케팅팀이 직접 할 수 있는 일과 개발팀이 필요한 일은 무엇인가

• 봇 접근, 구조화 데이터, 사이트맵, 렌더링 문제는 어떻게 확인하는가

• 솔루션을 도입할 때 가격보다 먼저 확인할 리스크는 무엇인가

사용자는 한 문장으로 묻지만, AI는 답변을 만들기 위해 여러 갈래의 근거를 찾습니다.

AI 검색 시대의 리서치는 키워드 목록보다 질문 지도에 가까워집니다.

키워드 하나를 정의, 비교, 조건, 실행, 리스크, 구매 질문으로 확장하는 Query Fan-Out 지도

키워드 리서치는 왜 부족해졌을까요?

키워드 리서치가 쓸모없어진 건 아닙니다. 오히려 여전히 출발점입니다.

부족한 부분은 키워드 리서치만으로 사용자의 질문 맥락을 충분히 보지 못한다는 점입니다.

예전에는 CRM 추천이라는 키워드를 잡고 CRM 추천 글을 쓰는 방식으로 충분했습니다. 지금도 그런 글은 필요합니다.

AI 검색에서는 사용자가 이렇게 묻습니다.

• "10명 이하 스타트업이 쓸 만한 CRM은?"

• "HubSpot이 너무 비쌀 때 대안은?"

• "영업 자동화와 이메일 시퀀스가 중요한 B2B CRM은?"

• "한국어 지원이 되고 세일즈팀이 바로 쓸 수 있는 CRM은?"

• "초기 스타트업이 CRM을 도입하기 전에 체크할 점은?"

이 질문들은 모두 CRM 추천 근처에 있습니다. 하지만 같은 페이지가 모든 질문에 답하기는 어렵습니다. 어떤 질문에는 비교표가, 어떤 질문에는 가격 기준이, 또 어떤 질문에는 도입 체크리스트가 필요합니다.

키워드 하나만 보면 이 차이가 사라집니다.

마케터가 볼 것은 검색량보다 질문의 갈래입니다

AI 검색 콘텐츠 전략은 "검색량이 큰 키워드부터 쓰자"에서 바로 출발하기 어렵습니다. 먼저 "이 키워드가 어떤 질문으로 쪼개지는지"를 봐야 합니다.

실무에서는 6가지 축으로 나누면 빠르게 정리됩니다.

이 표를 만들면 콘텐츠 전략이 훨씬 선명해집니다.

예를 들어 AI 검색 최적화라는 키워드는 정의 글 하나로 끝나지 않습니다.

• 정의 글: AI 검색 최적화란 무엇인가

• 비교 글: SEO, GEO, AEO, AIO는 무엇이 다른가

• 실행 글: AI 검색에 인용되기 위한 콘텐츠 구조

• 기술 글: robots.txt, sitemap.xml, JSON-LD, CSR 렌더링 점검

• 산업 글: 이커머스, 병원, B2B SaaS에서 먼저 볼 것

• 구매 글: AI 검색 최적화 솔루션을 고를 때 확인할 기준

이 관점에서는 한 키워드가 하나의 글감이 아니라 하나의 주제 클러스터가 됩니다.

예시로 보는 AI 검색 최적화 솔루션 Fan-Out

마케팅팀이 전환 의도가 있는 키워드를 잡고 싶다면 AI 검색 최적화 솔루션 같은 키워드가 떠오릅니다. 이 키워드만 보고 제품 소개 글을 쓰면 부족합니다.

AI 검색은 이 키워드 주변 질문까지 함께 봅니다.

이 표를 보면 마케터의 작업 단위가 바뀝니다.

제품 페이지 하나로 끝나지 않습니다. 독자가 구매 전에 확인할 질문을 먼저 펼쳐놓고, 그 질문마다 어떤 페이지가 답해야 하는지 정해야 합니다.

AI 검색에서 브랜드가 보이지 않는 이유는 글의 양이 부족해서가 아닐 때가 많습니다. 질문별로 믿을 만한 답변 페이지가 없기 때문입니다.

콘텐츠 캘린더보다 프롬프트·키워드 DB가 필요한 이유

많은 팀은 콘텐츠 캘린더를 만듭니다.

언제 어떤 글을 발행할지 정하고, 담당자를 배정하고, 발행 후 성과를 봅니다. 이 방식은 여전히 필요합니다. 다만 AI 검색 운영에는 한 가지가 더 필요합니다.

그게 프롬프트·키워드 DB입니다.

콘텐츠 캘린더가 "무엇을 언제 쓸 것인가"를 관리한다면, 프롬프트·키워드 DB는 "어떤 질문을 어떤 페이지가 맡을 것인가"를 관리합니다.

AI 검색에서는 발행만으로 끝나지 않습니다.

질문이 바뀌고, 경쟁 페이지가 바뀌고, Google AI Mode나 ChatGPT 같은 인터페이스가 보여주는 답변 방식도 계속 바뀝니다. 한 번 작성한 글도 계속 고쳐야 하는 이유입니다.

여기서 프롬프트·키워드 DB가 없으면 팀은 매번 처음부터 다시 생각하게 됩니다.

• 이 페이지는 어떤 질문에 답하기 위해 만든 것인가

• 지금 AI 답변에서 빠진 질문은 무엇인가

• 경쟁사는 어떤 질문에 더 잘 답하고 있는가

• 이 질문은 새 글로 분리해야 하는가, 기존 글에 보강해야 하는가

• 수정 후 어떤 지표로 확인할 것인가

이 질문에 답해야 AI 검색 최적화가 캠페인이 아니라 운영이 됩니다.

프롬프트·키워드 DB에서 페이지, 구조화 데이터, 측정으로 이어지는 Search OS 운영 루프

페이지를 어떻게 바꿔야 할까요?

Query Fan-Out을 리서치에서 끝내면 효과가 약합니다. 결국 페이지에 반영돼야 합니다.

마케터가 바로 볼 기준은 아래와 같습니다.

1. 상단 3문단이 핵심 질문에 바로 답하는가
   AI 검색은 긴 글 전체보다 명확한 답변 블록을 찾기 쉽습니다. 글의 앞부분에서 독자의 핵심 질문에 먼저 답해야 합니다.

1. 비교와 선택 기준이 표로 정리되어 있는가
   AI 검색 질문은 "무엇이 더 나은가", "어떤 상황에 맞는가"로 자주 이어집니다. 표는 사람이 읽기에도 좋고, 페이지의 의미 구조도 분명하게 만듭니다.

1. FAQ가 실제 질문군을 반영하는가
   흔한 FAQ를 억지로 붙이는 것이 아니라, Query Fan-Out에서 나온 질문을 FAQ로 정리해야 합니다.

1. 구조화 데이터가 본문과 일치하는가
   JSON-LD는 본문에 없는 내용을 꾸며 넣는 공간이 아닙니다. 사용자가 보는 본문과 구조화 데이터가 맞아야 합니다.

1. CTA가 질문 단계에 맞는가
   정의 글의 CTA와 구매 비교 글의 CTA는 달라야 합니다. 초반 질문에는 체크리스트나 진단이 맞고, 구매 직전 질문에는 상담이나 데모가 더 자연스럽습니다.

1. 크롤러가 실제 내용을 읽을 수 있는가
   중요한 내용이 JavaScript 뒤에만 있거나, 이미지 안에만 있거나, robots.txt와 WAF 정책에서 막혀 있다면 좋은 글도 검색 시스템이 제대로 읽기 어렵습니다.

Search OS는 이 과정을 어떻게 운영으로 바꾸나요?

여기까지는 마케터가 스프레드시트로도 첫 정리는 가능합니다.

어려운 부분은 반복입니다. 한두 개 키워드라면 직접 펼쳐볼 수 있지만, 페이지가 수백 개 이상이거나 카테고리, 제품, 지점, 진료과, 기능 페이지가 계속 늘어나는 사이트라면 수동 운영이 금방 무너집니다.

Search OS는 이 과정을 일회성 리서치가 아니라 반복 운영으로 바꾸는 데 맞춰져 있습니다.

• 키워드와 프롬프트 질문군을 함께 관리합니다.

• Query Fan-Out 관점에서 어떤 질문이 빠졌는지 확인합니다.

• 질문군을 페이지, 메타데이터, JSON-LD, FAQ, CTA와 연결합니다.

• sitemap.xml, robots.txt, llms.txt 같은 검색 파일과 크롤러 접근성을 함께 봅니다.

• AI 봇 접근 로그와 검색 지표를 같이 보며 수정 후 변화를 확인합니다.

Search OS는 "글을 더 많이 쓰게 하는 도구"가 아닙니다.

마케터가 이미 가진 키워드와 콘텐츠 자산을 AI 검색의 질문 구조에 맞게 다시 정리하고, 어떤 페이지를 고치고, 어떤 질문을 새로 만들고, 수정 후 무엇을 확인할지 운영 루프로 묶는 일에 가깝습니다.

AI 검색 최적화는 한 번의 진단으로 끝나지 않습니다. 질문이 늘어나고, 답변 방식이 바뀌고, 경쟁사의 페이지도 계속 바뀝니다. 체크리스트를 더 늘리는 것보다 반복 가능한 운영 체계가 필요합니다.

이번 주에 바로 해볼 체크리스트

새 툴을 도입하기 전에도 이번 주에 바로 해볼 일이 있습니다.

• 전환에 가까운 핵심 키워드 5개를 고릅니다.

• 각 키워드마다 정의, 비교, 조건, 실행, 리스크, 구매 질문을 5개 이상 적습니다.

• 각 질문에 답하는 기존 페이지가 있는지 표시합니다.

• 답은 있지만 본문이 약한 페이지와 아예 없는 페이지를 나눕니다.

• 상단 답변 블록, 비교표, FAQ, 내부 링크, CTA를 보강합니다.

• 구조화 데이터와 본문 내용이 일치하는지 확인합니다.

• 수정 후 GSC, GA4, AI 유입(referral), 봇 접근 로그를 함께 봅니다.

이 작업을 해보면 많은 팀이 비슷한 사실을 발견합니다.

키워드는 있었지만 질문은 없었습니다. 글은 있었지만 답변 구조는 약했습니다. 페이지는 있었지만 AI가 신뢰할 만한 근거로 쓰기에는 맥락이 부족했습니다.

키워드는 출발점이고, 질문 지도가 운영 단위입니다

키워드 리서치는 여전히 중요합니다.

다만 키워드 목록만으로는 부족합니다. AI 검색은 사용자의 질문을 더 잘게 나누고, 여러 하위 질문에 답할 근거를 찾습니다.

마케터는 "이 키워드로 글을 쓸까?"에서 멈추면 안 됩니다.

이 키워드가 어떤 질문으로 나뉘는지, 그 질문에 어떤 페이지가 답해야 하는지, 그 페이지가 실제로 읽히고 있는지, 수정 후 어떤 지표로 확인할지를 함께 봐야 합니다.

AI 검색 시대의 콘텐츠 전략은 글의 양을 늘리는 쪽에만 머물 수 없습니다.

질문을 더 정확히 나누고, 각 질문에 답할 수 있는 페이지를 계속 운영하는 일에 가깝습니다.

참고 자료

• Google Search Central: AI features and your website

• Google Blog: AI Mode in Search

• Google Blog: Explore the web with new AI-powered features in Search

• Semrush Blog: ChatGPT SEO

• Ahrefs Blog: Brand Radar use cases