다음 AI 프로토콜도 SEO를 구하지 못한다… 지식 레이어부터 구축하라

AI 검색 분야에서는 몇 주마다 llms.txt, Markdown, MCP, 새로운 에이전트 프로토콜, 또 다른 준비도 체크리스트 같은 기술 항목이 마케팅 로드맵에 추가된다. Search Engine Journal의 최신 주장은 이런 형식이 진짜 문제의 하류에 있다는 것이다. 대부분의 조직에는 여전히 모든 채널이 재사용할 수 있는 제품 정보, 정책, 전문성, 비교 자료, 의사결정 근거를 관리하는 단일 출처가 없다. Google의 행보도 이 주장을 뒷받침한다. Google은 크롤링 신호를 인위적으로 만드는 사이트맵 기법을 경고하는 한편, AI Mode에서는 모델이 빠르게 바뀌어 일회성 가시성 테스트가 불안정해지고 있다. 지속 가능한 우위는 모든 새 형식을 먼저 도입하는 데 있지 않다. 어디에나 배포할 수 있는 표준 지식·측정·커머스 인프라를 구축하는 데 있다.

오늘의 주제는 분명하다. AI가 새로운 전달 방식을 만드는 속도는 대부분의 기업이 신뢰할 수 있는 지식을 만드는 속도보다 빠르다.

새 프로토콜은 기계가 정보를 더 쉽게 찾도록 만들 수 있다. 하지만 빠진 비교 정보를 만들어내거나, 충돌하는 가격을 조정하거나, 어떤 고객에게 제품이 적합한지 설명하거나, 어느 시장에 어떤 정책을 적용할지 결정할 수는 없다.

따라서 이커머스와 마케팅 운영자의 전략적 질문은 ‘어떤 AI 형식이 필요한가?’에서 ‘모든 형식이 필요로 하는 사실과 근거를 제공할 신뢰할 수 있는 단일 출처가 있는가?’로 바뀌고 있다.

자세히 살펴보자.

핵심 뉴스

프로토콜은 전략이 아니다

Search Engine Journal의 Bill Hunt는 업계가 새로운 AI 전달 형식이 등장할 때마다 각각에 새 전략이 필요하다고 여기는 오류를 반복한다고 지적한다. llms.txt, MCP, Markdown, Schema 확장, 그 밖의 새로운 에이전트 지향 형식이 대표적인 사례다.

이 기술들은 서로 다른 일을 하지만 조직에 똑같은 유혹을 만든다. 경영진은 새 준비도 진단을 보고 회사에 최신 프로토콜이 없다는 말을 들으면, 기반 정보가 완전한지 확인하기도 전에 마케팅과 엔지니어링 자원을 돌린다.

이 글은 ‘Decision Coverage(의사결정 범위)’라는 유용한 개념을 소개한다. 제품 사양이 훌륭하더라도 AI 시스템이 그 제품을 후보 목록에 넣어야 할지 판단하는 데 필요한 근거는 부족할 수 있다.

예를 들어 ‘최고의’ 가족 친화적 해변 리조트를 찾는 요청은 하나의 속성에 관한 질문이 아니다. 답은 위치, 객실 구성, 가족 적합성, 편의시설, 가격, 예약 가능 여부, 후기, 절충점에 따라 달라질 수 있다. 브랜드가 중요한 다섯 가지 기준 중 네 가지만 입증할 수 있다면, 그 네 가지 사실을 다른 프로토콜로 다시 배포해도 빠진 다섯 번째 기준은 생기지 않는다.

이것이 배포와 역량의 중요한 차이다. Schema는 관계를 설명할 수 있지만 그 관계가 무엇이어야 하는지는 결정하지 못한다. MCP는 리소스를 공개할 수 있지만 서로 다른 팀이 보유한 충돌 정보를 해결하지 못한다. llms.txt는 시스템을 콘텐츠로 안내할 수 있지만 회사가 기록한 적 없는 전문성을 만들어내지는 못한다.

Hunt가 권하는 모델은 단순하다. 표준 기반을 한 번 구축하고 모든 곳에 배포하라는 것이다. 제품 정보, 정책, 전문성, 고객 의사결정 기준, 이를 뒷받침하는 근거는 웹페이지, Schema, Merchant Center, API, Markdown, MCP 또는 다음에 유용해질 형식으로 공급할 수 있는 관리된 출처에 있어야 한다.

이는 정확한 제품 정보가 여러 시스템에 분산된 이커머스에 특히 중요하다. 마케팅 사이트는 포지셔닝을, PIM은 속성을, ERP는 재고와 상거래 데이터를 관리할 수 있다. 고객 서비스팀은 반복되는 이의를 알고 있으며 마켓플레이스 피드에는 또 다른 정보 표현이 담겨 있다.

새로운 AI 프로토콜이 생길 때마다 그 지식의 복사본을 수작업으로 관리한다면 업데이트할 때마다 동기화 문제가 생긴다. 미래에 더 잘 대비하는 방법은 지식 레이어를 바로잡고 형식을 상호 교환 가능하게 만드는 것이다.

변화

Google은 안정적인 신호를 계속 보상하지만 AI Mode는 테스트 이면에서 계속 바뀐다

Google의 John Mueller는 매일 크롤링을 강제하기 위한 사이트맵 기법을 받아들이지 않았다. 이 기법은 사이트맵의 표준 lastmod 값을 사용하는 대신 하위 사이트맵 URL에 매일 새 타임스탬프 매개변수를 붙여 검색엔진이 새 URL로 인식하게 한다.

Mueller는 이 방식이 사이트맵의 표준 URL이 계속 바뀐다는 신호를 보내므로 나쁜 생각이라고 말했다. 그의 조언은 익숙한 원칙이었다. 깔끔하고 안정적인 URL과 정확한 lastmod 값을 사용하라는 것이다.

이 교훈은 사이트맵에만 국한되지 않는다. 검색 시스템은 안정적인 신호를 중심으로 구축된다. 기반 콘텐츠가 바뀌지 않았다면 인위적으로 변화를 만들어도 유용한 최신성이 생기지 않는다.

동시에 Google은 Gemini 3.8 Flash 출시 당일, 전 세계 Google AI Pro와 Google AI Ultra 구독자를 위한 AI Mode에 이 모델을 추가했다.

이는 Google이 6주 동안 내놓은 세 번째 Flash 버전이다. Search Engine Journal은 8월 중순 Gemini 3.7 Flash의 AI Mode 인용 결과와 현재 Gemini 3.8 Flash의 결과를 비교하는 사람은 동일한 검색·답변 시스템을 테스트하는 것이 아니라고 설명한다.

이 때문에 AI 가시성 측정에는 중요한 문제가 생긴다. 인용의 증가나 감소는 콘텐츠 변경, 모델 변경, 프롬프트 차이, 검색 방식 차이 또는 이 모든 요인을 동시에 반영할 수 있다.

따라서 Search Engine Journal은 AI Mode를 테스트할 때마다 모델 이름을 기록하라고 권한다. 이제 하나의 보고 기간에도 여러 모델 버전이 포함될 수 있어 이 작은 운영 세부사항이 중요하다.

두 이야기를 함께 보면 유용한 대비가 드러난다. 안정적인 기술 신호를 더 새롭게 보이도록 조작하지 말아야 한다. 실제로 변하면서 측정에 영향을 주는 시스템은 기록해야 한다.

운영 레이어

하나의 지표로는 성장을 설명할 수 없으므로 측정 스택에는 여러 답이 필요하다

Google의 최신 Ads Decoded 에피소드는 하나의 도구에 최종 답을 요구하기보다 기여도 분석, 증분 효과 테스트, 마케팅 믹스 모델링을 아우르는 측정 스택 구축에 초점을 맞춘다.

Google에 따르면 마케터는 실시간 기여도 분석, 주기적인 증분 효과 테스트, MMM에서 서로 충돌하는 신호를 자주 접한다. 해답은 가장 유리한 숫자를 고르는 것이 아니다. 각 방법은 서로 다른 질문에 답한다.

기여도 분석은 빠른 최적화와 경로 이해에 유용하다. 증분 효과 분석은 미디어가 없었다면 무엇이 일어났을지 묻는다. MMM은 더 긴 기간에 걸친 폭넓은 채널 기여를 설명하고 사용자 단위 추적이 불완전할 때도 유용하다.

이 논의는 광고 상호작용 이후의 미래 상업적 성과를 추정해 더 긴 구매 여정을 포착하려는 Qualified Future Conversions도 강조한다.

Google은 미디어가 모든 전환을 즉시 수확하기보다 씨앗을 심는 것처럼 작동한다고 비유한다. 모든 것을 단기 ROAS 중심으로 최적화하려는 브랜드에는 유용한 관점이지만, 예측 지표는 나중에 실제 매출과 대조해야 한다.

Shopify의 초기 AI 커머스 데이터는 이러한 다층 측정이 중요한 이유를 보여준다. 2026년 Q1에 AI 유입 세션은 전년 동기 대비 8배가 넘는 수준으로 늘었고 AI 유입 주문은 13배에 가까운 수준으로 늘었다. AI를 통해 제품 페이지에 온 방문자의 전환 성과는 자연 검색 방문자보다 약 50% 높았고 평균 주문액도 14% 높았다.

AI 유입 채널은 여전히 자연 검색보다 훨씬 작고, AI가 매개한 발견 활동 중 일부는 분석 도구에서 여전히 자연 유입으로 분류된다. 따라서 하나의 유입 보고서는 AI의 역할을 과소평가하면서도, 빠르게 성장하지만 작은 채널의 중요성을 과대평가하기 쉽게 만든다.

올바른 측정 질문은 AI 트래픽이 ‘SEO보다 나은가’가 아니다. 이 채널이 추가 수요와 증분 효과, 수익성을 만들고 규모가 커질수록 더 투자할 가치가 있는지를 물어야 한다.

커머스 규모·광고 기술·AI 검색의 3가지 동향

1. Flabelus가 보여주는 커머스에서의 ‘기반을 한 번 구축하기’

Shopify의 Flabelus 사례 연구는 온라인 사업의 첫 번째 온전한 운영 연도 이후 매출을 200배 넘게 키우고, 현재 같은 커머스 기반에서 14개국 47개 매장을 운영하는 신발 브랜드를 소개한다.

Flabelus는 2020년 스페인에서 온라인으로 시작한 뒤 오프라인 소매, 더 많은 시장과 통화, 결제 수단, 맞춤형 앱, 지역별 요구사항으로 확장했다. 현재 40개국이 넘는 고객에게 서비스를 제공하며 플랫폼을 이전한 적이 없다고 한다.

중요한 운영 요소는 온라인과 오프라인 소매가 같은 스토어 엔터티에서 운영된다는 점이다. 소매·확장·커뮤니케이션팀은 각기 다른 시스템의 보고서를 이어 붙이지 않고도 하나의 매출 화면을 공유할 수 있다.

또한 표준 플랫폼이 요구사항을 충족하지 못하는 곳에는 맞춤형 앱을 사용하면서, 제품 번역·가져오기·내보내기·반품·보고는 같은 핵심 시스템에 연결해 둔다.

이는 지식 아키텍처의 커머스 버전이다. 기반을 충분히 안정적으로 유지해 몇 년마다 핵심 사업을 다시 구축하는 대신 설정과 확장으로 사업을 넓힐 수 있게 한다.

2. Google, 광고 기술 사업 분할은 피했지만 행태적 시정 조치는 남아

Reuters는 미국 연방 판사가 Google에 AdX 광고 거래소 매각을 강제해 달라는 Department of Justice의 요청을 기각했다고 보도했다. 앞선 판결에서는 Google이 퍼블리셔 광고 기술 시장 일부에서 경쟁을 불법적으로 억압했다고 판단했다.

Leonie Brinkema 판사는 구조적 분할 대신 행태적 시정 조치를 받아들였다. Google은 경쟁사에 실시간 입찰 접근권을 제공하는 방안 등을 제안했으며, 세부 판결문은 기밀 내용을 가린 뒤 공개될 예정이다.

Google은 수요, 경매, 퍼블리셔 기술, 측정, 검색 광고 인벤토리 등 디지털 광고의 여러 레이어에 관여하므로 이 사건은 마케터에게도 중요하다.

법원의 결정으로 즉각적인 구조 개편 가능성은 낮아졌지만, 근본적인 경쟁과 투명성 문제는 사라지지 않았다.

3. Shopify의 AI 커머스는 검색을 대체하지 않고 추가 기회를 만든다

Shopify의 AI 기반 커머스 진화를 다룬 Yahoo Finance 투자자용 기사는 Shopify의 현 전략을 AI 지원 발견과 커머스 중심으로 설명한다. 동시에 이 회사는 Shop과 판매자 플랫폼을 수요와 거래를 하나로 잇는 목적지로 계속 포지셔닝하고 있다.

더 유용한 운영 근거는 Shopify 자체 커머스 데이터다. AI 트래픽은 빠르게 늘고 구매 의도가 더 강한 경향이 있지만, 자연 검색이 보내는 세션은 추적되는 모든 AI 플랫폼의 합계보다 여전히 훨씬 많다.

따라서 현재의 AI 커머스 기회는 추가적인 성장면이다. 쇼핑객은 ChatGPT, Gemini 또는 다른 도우미로 조사할 수 있지만, 같은 제품은 여전히 강력한 자연 검색, 명확한 제품 페이지, 구조화 데이터, 후기, 안정적인 결제에서 혜택을 얻는다.

Shopify의 Agentic Storefronts와 Universal Commerce Protocol은 판매자가 새 플랫폼마다 별도의 제품 피드를 관리하지 않고도 실시간 가격, 속성, 재고 가용성을 AI 시스템에 제공하도록 설계됐다.

업무 밖에서

한 번 구축하고, 맥락을 반영해 측정하며, 고객이 가는 곳에 배포하라

오늘의 이야기들은 모두 새로운 인터페이스를 새로운 전략으로 착각하는 같은 반사적 행동에 이의를 제기한다.

llms.txt 파일은 지식 아키텍처가 아니다. 새 Flash 모델은 콘텐츠가 바뀌었다는 증거가 아니다. 사이트맵 매개변수는 최신성이 아니다. 예측된 미래 전환은 확정 매출이 아니다. AI 커머스 유입은 자연 검색을 포기할 이유가 아니다.

플랫폼은 계속 바뀔 것이다. 모델 이름도 계속 바뀔 것이다. 새로운 프로토콜, 피드, API, 에이전트 표준이 등장할 것이다.

지속되는 레이어는 조직이 통제하는 부분이다. 제품 정보, 고객 근거, 정책, 전문성, 재고, 가격, 측정 정의, 그리고 이 모든 요소를 동기화하는 시스템이다.

그래서 오늘의 자료에서 가장 단순한 한 문장이 가장 유용한 말일 수 있다.

기반은 한 번 구축하고, 모든 곳에 배포하라.

Beecommercer 팀