AI Mode 트래픽의 실체: 10만 명 데이터로 본 AI 검색 유입과 GEO 대응

AI 검색 트래픽, 지금 얼마나 들어오고 있을까?

구글 AI Mode에서 외부 사이트로 이어지는 클릭은 전체 검색 세션의 약 3% 미만에 머물러 있습니다. SimilarWeb이 AI Mode 사용자 10만 명 이상을 3개월간 추적해 얻은 실측 데이터인데요. 방문당 페이지뷰는 일반 구글 검색의 절반 수준이고, 체류 시간도 더 짧습니다. 그런데 같은 시기 Semrush는 AI 검색 트래픽의 방문당 가치가 기존 검색 대비 4.4배라는 상반된 분석을 내놓았습니다. 트래픽의 양은 줄고 질은 올라가는 이중 신호 속에서, 이 글은 공개된 실측 데이터와 지오랭크의 측정 경험을 근거로 AI 검색 트래픽의 실체를 해부하고, 클릭 수 대신 무엇을 측정해야 하는지 정리합니다.

목차

• 지오랭크가 겪은 AI 트래픽 측정 시행착오
• AI Mode 리퍼럴 데이터란 무엇인가?
• 클릭률 3%는 무엇을 말하고 있을까?
• 낮은 트래픽 시대, 지금 무엇을 준비해야 할까?
• 연구와 실측 데이터가 가리키는 방향
• 트래픽 관련 자주 묻는 질문
• 함께 읽으면 좋은 지오랭크 아티클
• 참조논문

지오랭크가 겪은 AI 트래픽 측정 시행착오

AI 검색발 트래픽은 측정 체계를 먼저 세우지 않으면 대부분 '다이렉트 유입'으로 잘못 집계됩니다. 지오랭크가 국내 이커머스 D사의 성과분석 체계를 설계하면서 가장 먼저 부딪힌 문제가 바로 이것이었는데요. 숫자가 없는 것이 아니라, 숫자가 엉뚱한 곳에 쌓이고 있었습니다.

프로젝트 초기 D사의 애널리틱스에서 AI 검색 유입은 전체 세션의 0.4%로 잡혔습니다. 그런데 리퍼러 문자열을 뜯어보니 ChatGPT 앱과 일부 AI 검색 유입이 리퍼러 없이 들어와 다이렉트로 분류되고 있었습니다. UTM 없는 앱 내 브라우저 유입, 그리고 리퍼러를 제한적으로만 넘겨주는 AI 플랫폼의 정책이 겹친 결과였는데요. 정규식 기반 리퍼러 분류 규칙을 다시 짜고 3개월간 재측정한 결과, 실제 AI 검색발 세션은 전체의 1.8%였습니다. 처음 집계의 4배가 넘는 수치입니다.

시행착오도 있었습니다. 첫 달에는 AI 유입 전용 랜딩 페이지를 따로 만들어 트래픽을 유도하려 했지만, AI가 인용하는 페이지를 마케터가 지정할 수 없다는 당연한 사실만 확인하고 접었습니다. 대신 이미 인용되던 상세 가이드 페이지의 상단에 핵심 답변 문단을 배치하는 방식으로 전환했는데요. 6개월 후 AI 검색발 세션 비중은 1.8%에서 4.2%로 늘었고, 해당 세션의 구매 전환율은 일반 검색 유입 대비 2.3배로 측정됐습니다. 절대량은 여전히 작지만, 무시할 수 없는 질적 차이였습니다.

AI Mode 리퍼럴 데이터란 무엇인가?

AI Mode 리퍼럴 데이터란 구글의 대화형 검색 탭인 AI Mode에서 사용자가 외부 사이트로 이동한 클릭 기록을 뜻합니다. AI가 답변을 만들 때 인용한 출처 링크를 사용자가 실제로 눌렀는지를 보여주기 때문에, AI 검색이 사이트에 트래픽을 얼마나 보내는지 판단하는 가장 직접적인 근거가 되는데요. 2025년 SimilarWeb이 공개한 분석이 이 주제의 첫 대규모 실측 데이터로 꼽힙니다.

핵심 수치를 먼저 표로 정리하면 다음과 같습니다.

이 데이터를 성과분석에 활용하는 순서는 다음과 같습니다.

1. 리퍼러 분류 규칙 정비: AI Mode·ChatGPT·Perplexity 등 AI 플랫폼발 유입을 별도 채널로 분리합니다.
2. 기준선 측정: 최소 4주간 AI 검색발 트래픽의 세션 수·전환율·체류 시간을 기록합니다.
3. 인용 모니터링 병행: 트래픽만으로는 노출을 놓치므로, 주요 질문에 대한 브랜드 인용 여부를 주기적으로 확인합니다.
4. 전환 기여 분석: 마지막 클릭이 아닌 어시스트 전환 관점에서 AI 채널의 기여를 평가합니다.

클릭률 3%는 무엇을 말하고 있을까?

클릭률 3%라는 숫자는 AI Mode가 트래픽 공급원으로는 아직 미미하다는 뜻이지만, 사용자 행동이 근본적으로 바뀌고 있다는 신호이기도 합니다. 3개월의 관찰 기간 동안 이 수치가 오르지 않았다는 점, 그리고 쿼리가 점점 길어지고 있다는 점을 함께 읽어야 하는데요. 하나씩 살펴보겠습니다.

먼저 유입량입니다. AI Mode에서 답변을 본 사용자 대부분은 출처 링크를 누르지 않고 답변 안에서 정보 획득을 끝냅니다. 사이트 방문 없이 검색이 종결되는 제로클릭 현상이 AI Mode에서는 기본값에 가깝다는 뜻인데요. 클릭이 일어나더라도 Reddit, YouTube, Wikipedia, Amazon, GitHub 같은 대형 신뢰 도메인과 UGC 플랫폼에 집중됐습니다. 규모가 작은 브랜드 사이트일수록 직접 유입을 기대하기 어려운 구조입니다.

다음은 방문의 질입니다. AI Mode발 방문자는 페이지를 2장 정도 덜 보고, 1분 이상 빨리 떠납니다. 부정적으로 보이지만 해석은 갈리는데요. AI 답변에서 이미 맥락을 얻고 들어왔기 때문에 확인만 하고 떠난다는 설명과, 인용 링크가 실제 내용과 어긋나 이탈한다는 설명이 공존합니다. 어느 쪽이든 시사점은 같습니다. AI 검색발 방문자를 위한 페이지는 스크롤 없이 첫 화면에서 인용된 내용을 즉시 확인시켜 주는 구조여야 합니다.

마지막으로 쿼리 길이입니다. 관찰 기간 동안 AI Mode의 평균 쿼리는 7-8단어에서 10-11단어 이상으로 길어졌습니다. 참고로 ChatGPT의 평균 프롬프트는 약 70단어에 달하는데요. 사용자가 키워드 나열이 아니라 문장으로 묻기 시작했다는 뜻이고, 이는 콘텐츠가 구체적인 질문에 완결된 답을 주는 형태로 재구성되어야 트래픽이든 인용이든 잡을 수 있다는 의미입니다.

다만 이 데이터에도 한계는 있습니다. 표본이 특정 패널에 기반하고, AI Mode 출시 초기의 실험적 사용 행태가 섞여 있어 습관으로 굳어진 수치로 보기는 어렵습니다. 6-12개월 안에 AI Mode가 구글 검색의 기본 화면이 될 가능성도 거론되는 만큼, 지금 수치를 고정된 결론이 아니라 기준선으로 삼는 편이 안전합니다.

낮은 트래픽 시대, 지금 무엇을 준비해야 할까?

지금 필요한 것은 트래픽을 억지로 늘리는 캠페인이 아니라, 작은 트래픽을 정확히 측정하고 인용 가시성을 넓히는 기반 작업입니다. 클릭률이 낮은 채널에서 성과를 만들려면 접근 순서가 중요한데요. 지오랭크가 고객사에 적용하는 우선순위를 단계별로 정리하면 다음과 같습니다.

첫 화면 재설계에서 핵심은 답변의 재확인 속도입니다. AI 답변을 보고 들어온 방문자는 자신이 읽은 내용이 이 페이지에 실제로 있는지 몇 초 안에 판단하는데요. 인용될 만한 핵심 문단을 스크롤 없이 보이는 위치에 두고, 그 바로 아래에 다음 행동으로 이어지는 링크를 배치하면 짧은 체류 시간 안에서도 전환을 만들수 있습니다. 세션 시간 2.5-4분이라는 제약을 받아들이고 그 안에서 설계하는 것입니다.

인용 모니터링은 거창한 도구 없이도 시작할 수 있습니다. 자사 고객이 실제로 묻는 질문 30-50개를 추리고, AI Mode·ChatGPT·Perplexity에서 주기적으로 같은 질문을 던져 브랜드 인용 여부와 인용 순서를 기록하는 방식인데요. 이때 몇가지 주의점이 있습니다. AI 답변은 같은 질문에도 결과가 흔들리기 때문에 1회 측정으로 판단하면 안 되고, 최소 3회 이상 반복 측정한 평균으로 봐야 합니다. 또 로그인 상태와 개인화 설정에 따라 답변이 달라지므로 측정 환경을 고정해야 데이터의 일관성이 유지됩니다.

주의할 점도 있습니다. 낮은 클릭률을 근거로 기존 SEO 예산을 AI 채널로 전면 이동하는 것은 시기상조입니다. 일반 검색은 여전히 트래픽의 중심이고, AI Mode의 인용 후보 역시 결국 검색 인덱스에서 나오기 때문인데요. 기존 SEO 기반 위에 측정과 인용 최적화를 얹는 구조가 현실적입니다. 트래픽 데이터가 4주 이상 쌓이기 전에 성급하게 페이지를 갈아엎는 것도 피해야 합니다.

연구와 실측 데이터가 가리키는 방향

학술 연구와 업계 실측이 공통으로 가리키는 결론은, AI 검색 시대의 성과는 트래픽 총량이 아니라 인용 위치와 전환 기여로 측정해야 한다는 것입니다. 서로 다른 방법론의 데이터가 같은 방향을 가리킬 때 근거의 신뢰도는 올라가는데요.

프린스턴대 연구진이 발표한 GEO 논문은 9개 도메인 1만 개 쿼리 벤치마크에서 콘텐츠 최적화 전략에 따라 생성형 엔진 내 가시성이 최대 40%까지 달라진다는 것을 보여줬습니다. 인용문 추가, 통계 인용, 출처 명시 같은 전략이 특히 효과적이었는데요. 트래픽이 오기 전에 인용이 먼저 일어난다는 점에서, 인용 가시성은 트래픽의 선행 지표라고 볼 수 있습니다.

2026년 공개된 ChatGPT 리퍼럴 트래픽 자연실험 연구는 답변 엔진발 유입의 성장을 플랫폼 자체의 성장 효과와 분리해서 측정했습니다. AI 요약이 있으면 사용자가 출처 링크를 훨씬 덜 누른다는 결과가 여기서도 재확인됐는데요. 한편 업계 데이터로는 AI 플랫폼발 리퍼럴 트래픽이 전년 대비 357% 성장했다는 집계와, Semrush의 방문당 가치 4.4배 분석이 있습니다. 총량은 작지만 성장률과 방문 가치가 높다는 것이 교차 검증되는 셈입니다.

지오랭크가 B2B SaaS 고객 E사의 성과분석을 설계했을 때도 같은 패턴이 나타났습니다. E사의 AI 검색발 월간 세션은 약 900건으로 전체의 3%에 불과했지만, 해당 세션의 데모 신청 전환율은 7.1%로 오가닉 검색 평균 2.9%의 2배를 넘었습니다. 5개월간 인용 모니터링을 병행한 결과, 주요 질문 40개 중 브랜드가 인용되는 질문이 6개에서 17개로 늘어난 뒤에야 트래픽 증가가 뒤따랐는데요. 인용이 먼저, 트래픽이 나중이라는 순서를 실측으로 확인한 사례입니다.

물론 반론도 있습니다. 클릭률 3%짜리 채널에 지금 리소스를 쓰는 것이 과연 합리적이냐는 지적인데요. 단기 ROI만 보면 타당한 회의론입니다. 다만 사용자당 세션 수가 아직 1.1회 수준이라는 것은 AI Mode가 습관이 되기 전이라는 뜻이고, 습관이 되는 순간 인용 지형은 이미 굳어져 있을 가능성이 높습니다. 선점 비용이 가장 낮은 시기는 채널이 작아 보이는 지금이라는 것이 지오랭크의 판단입니다.

트래픽 관련 자주 묻는 질문

AI 검색발 트래픽은 애널리틱스에서 어떻게 구분하나요?

리퍼러 문자열에 AI 플랫폼 도메인이 포함된 세션을 정규식으로 분류하는 것이 기본입니다. 다만 앱 내 브라우저나 리퍼러 미전달 유입은 다이렉트로 잡히는 경우가 많아, 다이렉트 유입 중 신규 방문자 비중이 갑자기 늘었다면 AI 유입 누락을 의심해 볼 필요가 있습니다.

클릭률이 3%라면 GEO를 아직 안 해도 되는 것 아닌가요?

트래픽만 보면 그렇게 판단할 수 있지만, AI 답변 안에서 브랜드가 언급되는 노출 효과는 클릭 데이터에 잡히지 않습니다. 인용 점유율이 굳어진 뒤에 진입하면 비용이 훨씬 커지기 때문에, 최소한 인용 모니터링과 측정 체계 구축은 지금 시작하는 편이 유리합니다.

AI Mode 방문자의 체류 시간이 짧은 건 나쁜 신호인가요?

반드시 그렇지는 않습니다. AI 답변에서 이미 핵심 정보를 얻고 확인차 방문하는 패턴이 많아, 짧은 체류가 곧 낮은 만족을 뜻하지 않는데요. 첫 화면에서 인용된 내용을 바로 보여주고 다음 행동(구독, 문의, 구매)으로 연결하는 설계가 더 중요합니다.

어떤 지표로 AI 검색 성과를 보고해야 하나요?

클릭 수 대신 인용 횟수, 인용 내 노출 순서(프로미넌스), AI 검색발 세션의 전환율, 어시스트 전환 기여를 권장합니다. 트래픽 총량은 당분간 작게 유지될 가능성이 높아, 질적 지표와 함께 봐야 왜곡 없는 성과분석이 가능합니다.

AI Mode가 기본 검색이 되면 무엇이 달라지나요?

현재 3% 미만인 외부 클릭 구조가 검색 전체로 확대되므로, 사이트 유입 총량은 줄고 인용 기반 노출의 비중이 커집니다. 6-12개월 내 기본화 가능성이 거론되는 만큼, 그 전에 인용 가시성과 측정 체계를 갖춘 브랜드가 유리해집니다.

함께 읽으면 좋은 지오랭크 아티클

클릭 없는 검색이 어디까지 왔는지 궁금하시다면, 130억 검색 데이터로 제로클릭 현상을 해부한 제로클릭 완전 정리: 130억 검색 데이터로 본 클릭 없는 검색과 GEO 전략을 함께 읽어보시길 권합니다.

무엇을 측정해야 할지 지표 체계부터 세우고 싶으시다면, 79,000개 데이터로 검증한 AI 검색 성과 측정 완전 가이드: 순위를 넘어 AI 인용 지표까지가 도움이 됩니다.

AI Mode가 업종별 검색을 어떻게 바꾸는지 사례로 확인하고 싶으시다면 AI Mode 시대 병의원 로컬 검색 가이드를 참고하세요.

참조논문

• GEO: Generative Engine Optimization
• Disentangling Answer Engine Optimization from Platform Growth: A Log-Based Natural Experiment on ChatGPT Referral Traffic