80회의 노출. 지난 28일 동안 우리 블로그 페이지 중 단연 최고의 성과를 거두었습니다. 사람들이 이 페이지를 찾을 때 실제로 무엇을 검색했는지 확인하기 위해 쿼리 분석(query breakdown)을 살펴보았습니다.

눈에 보이는 모든 검색어에는 존재하지 않는 회사의 이름이 포함되어 있었습니다.

설정 (The setup)

valuefy.app의 블로그 생성은 자동화되어 있습니다. 예약된 루틴이 주제를 선정하면, Supabase edge function을 호출하고, 이 edge function은 prompt-builder.ts에서 조립된 대규모 시스템 프롬프트(system prompt)와 함께 Gemini를 호출합니다. 해당 프롬프트에는 다른 것들과 더불어 가상의 사례 연구(case study) 회사 블록이 포함되어 있습니다. 이는 AI가 추상적인 이론 대신 자연스럽게 들리는 콘텐츠를 생성하도록 주입된 예시들입니다.

그 회사 중 하나가 TechFlow Solutions입니다. 스톡홀름에 위치한 IT 컨설팅 기업으로, 매출은 2,200만 SEK이며, 서비스 중심에서 SaaS로 전환했다가 하이브리드 모델로 인해 구매자들에게 혼란을 주었고, 결국 사업을 분할하여 서비스 부문을 4배의 배수로 매각했다는 내용입니다.

TechFlow Solutions는 존재하지 않습니다. AI가 일반적인 조언 대신 구체적인 이야기를 쓰도록 프롬프트 템플릿(prompt template)에 작성된 것입니다.

"가치 평가의 재설정: 오늘날의 M&A 시장에서 더 낮은 엑싯 멀티플(exit multiples) 탐색하기"라는 블로그 포스트가 해당 프롬프트를 사용하여 생성되었습니다. AI는 TechFlow Solutions를 예시로 사용한 것으로 보입니다. Google은 이 포스트를 읽고, 해당 회사 이름을 주변의 M&A 실사(due diligence) 관련 용어와 함께 인덱싱(indexing)했으며, 다음과 같이 판단했습니다: '누군가 TechFlow Solutions의 재무 데이터를 검색할 때 보여줘야 할 적절한 페이지는 바로 이것이다.'

예상했던 것 vs 데이터가 보여준 것

가치 평가 재설정 포스트는 28일 동안 80회의 노출을 기록하며 평균 순위 7.1위를 차지하고 있습니다. 현재 GSC(Google Search Console)에서 가장 눈에 띄는 블로그 페이지입니다. 저는 쿼리 분석 결과가 포스트의 실제 주제인 "exit multiples 2024" 또는 "lower valuation M&A"와 같은 내용을 보여줄 것이라고 예상했습니다.

하지만 결과는 다음과 같았습니다:

두 줄입니다. 총 11회의 노출입니다. 80회 중에서 말이죠.

나머지 69회의 노출은 쿼리 세부 정보에 나타나지 않습니다. Google Search Console (GSC)의 개인정보 보호 임계값(privacy threshold) 미만으로, 각각 1~2회의 노출에 불과하여 보이지 않는 것입니다. 하지만 드러난 두 개의 사례를 바탕으로 패턴은 명확합니다. 누군가가 특정 M&A 실사(due diligence) 용어와 함께 "TechFlow Solutions"를 검색하고 있습니다. 이는 엑싯 배수(exit multiples)를 이해하려는 사람이 아닙니다. 특정 기업에 대한 실사 조사이며, QoE(quality-of-earnings) 분석가가 사용할 법한 금융 용어가 결합된 형태입니다.

TypeScript 파일 내부에서 만들어진 가공의 회사 말입니다.

발견 사항 #1: 프롬프트 속의 가공의 이름이 실제 검색 키워드가 된다

코드를 통해 추적한 연쇄 과정은 다음과 같습니다:

1. supabase/functions/_shared/prompt-builder.ts 파일에 가공의 사례 연구(case studies) 블록이 포함되어 있음
2. TechFlow Solutions는 157번 라인에 있는 5개의 가공 회사 중 하나임: 스톡홀름 소재, IT 컨설팅, 매출 2,200만 SEK, 하이브리드 모델 문제 보유
3. 블로그 생성 프롬프트는 가치 평가(valuation) 유형의 콘텐츠 요청이 있을 때마다 이 블록을 주입함
4. AI가 생성된 포스트에서 실제 M&A 어휘인 "normalized LTM EBITDA", "QoE", "quality of earnings"와 함께 "TechFlow Solutions"를 사용함
5. Google이 해당 구절들을 함께 인덱싱(indexed)함
6. 이제 해당 포스트는 가공의 회사 이름과 전문적인 실사 용어를 결합한 검색 쿼리에 대해 순위 7위에 랭크됨

이 노출은 엑싯 배수에 관심 있는 사람들에게서 나온 것이 아닙니다. 어딘가에서 "TechFlow Solutions"를 접하고 더 찾아본 사람들 — 혹은 자동화된 조사 도구(automated research tools)일 가능성이 더 높습니다. 가공의 회사에 대해 순위 7위를 기록한 것은 성공이 아닙니다. 완전히 잘못된 타겟으로부터 얻은 80회의 노출일 뿐이며, 해당 페이지가 검색자들이 실제로 원하는 정보를 제공할 수 없기 때문에 클릭수는 0입니다.

발견 사항 #2: 광고 클러스터(Advertising cluster)는 익숙한 패턴을 따릅니다

이번 주에는 자동화 프로세스를 통해 7개의 계산기 페이지를 추가로 개선했습니다: Valuation Multiple (6월 21일), CPC (6월 22일), CTR (6월 23일), ROAS (6월 24일), CPA (6월 25일), Ad Spend (6월 26일), Burn Rate (6월 27일). 7개 중 5개가 마케팅 계산기이며, 이는 광고 클러스터 (advertising cluster)에 해당합니다.

28일간의 기간 동안 GSC (Google Search Console)에 노출된 유일한 페이지는 CTR 계산기입니다. 페이지 데이터에 따르면 노출수 19회, 평균 순위 5.5위, 클릭수 1회, CTR (클릭률) 5.26%를 기록했습니다. 경쟁이 치열한 마케팅 용어에서 5.5위라는 순위는 유망해 보입니다.

하지만 쿼리 드릴다운 (query drill-down) 결과는 0개의 행으로 돌아왔습니다.

순위가 낮은 것이 아니라, 가시적인 쿼리가 전혀 없다는 뜻입니다. 19회의 노출 모두 GSC의 임계값 미만입니다. 즉, 롱테일 (long-tail) 변형 키워드들로부터 발생한 수십 개의 미세 노출(micro-impressions)일 뿐, 나타날 만큼 충분히 큰 규모의 쿼리는 없었습니다. 평균 순위 5.5위는 보이지 않는 분포 사이의 산술 평균일 뿐이며, 이는 현재 5개의 클러스터에서 연속적으로 나타나고 있는 동일한 패턴입니다. 나머지 5개의 광고 계산기들은 전체 28일 기간을 통틀어도 상위 50위 페이지 내에 나타나지 않습니다.

특히 CTR 계산기에 대해 한 가지 언급하자면, 자동화 시스템을 통해 생성된 제목인 "CTR Calculator: Click-Through Rate & Benchmarks | Valuefy"는 꽤 괜찮은 편이며, 메타 설명 (meta description) 또한 특정 플랫폼의 벤치마크 (benchmarks)를 언급하고 있습니다. 콘텐츠 개선은 실제로 이루어졌습니다. 다만 트래픽이 아직 유입되지 않고 있으며, 해당 용어들에 대한 경쟁 상황을 고려할 때 앞으로도 유입되지 않을 수도 있습니다.

발견 사항 #3: 42일, 한 번의 완전한 사이클, 이제 두 번째 회차 진행 중

일일 자동화는 5월 16일 이후 중단 없이 실행되었습니다: 42회 연속 커밋 (commits), 하루에 한 번, 커밋당 하나의 계산기 페이지. 6월 27일의 커밋은 Burn Rate 계산기였으며, 이는 5월 16일 첫 번째 커밋과 동일한 페이지입니다. 대기열 (queue)이 다시 처음으로 돌아왔습니다.

이는 이제 42개 페이지에 대해 한 번의 완전한 패스 (pass)를 마쳤으며, 두 번째 패스가 시작되었음을 의미합니다. 페이지가 인덱싱 (indexing)되고 잠재적으로 순위가 안정된 상태에서, 두 번째로 페이지를 개선하는 것이 첫 번째 패스와 다른 결과를 만들어내는지 여부는 제가 아직 답변할 데이터가 없는 질문입니다. 두 번째 패스가 몇 주 정도 진행되면 다시 확인해 보겠습니다.

이에 대해 제가 할 일

1. 가공의 회사 이름을 익명 설명으로 교체 — "매출 2,200만 SEK인 스칸디나비아 IT 컨설팅 회사"는 검색 가능한 흔적을 남기지 않습니다. 하지만 "TechFlow Solutions"는 흔적을 남깁니다. 해결책은 이름을 제거하고 재무적 세부 사항이 예시를 전달하게 하는 것입니다. 다음 콘텐츠 생성 실행 전에 prompt-builder.ts에 있는 5개의 가공의 회사 이름을 모두 감사 (audit)하겠습니다.
2. 다른 블로그 포스트가 다른 가공의 회사 이름으로 순위가 매겨지는지 확인 — TechFlow Solutions는 5개 중 하나입니다. Brightside Care, TechCo 및 다른 두 개도 프롬프트에 포함되어 있습니다. 만약 다른 포스트들이 "Brightside Care"와 헬스케어 M&A 용어 조합으로 순위가 매겨지고 있다면, 이는 단일 포스트의 이상 현상이 아니라 사이트 전반의 패턴입니다.
3. 두 번째 자동화 패스에 대한 판단 유보 — 지금 유용한 질문은 "42개의 계산기를 개선한 것이 효과가 있었는가?"가 아닙니다. "이미 인덱싱된 페이지를 두 번째로 개선하는 것이 순위를 변화시키는가?"입니다. 그 데이터는 몇 주 후에 도착할 것입니다. 결과가 어떻게 나오는지 보고하겠습니다.

불편한 교훈

가공의 회사 이름들은 출력 결과가 더 좋게 들리도록 프롬프트에 넣은 것이었습니다. 누군가를 속이려는 의도는 없었습니다. 오해를 불러일으키려는 의도는 없지만, "이 문제를 정확히 해결한 TechFlow Solutions라는 회사가 있습니다"라고 하는 것이 "이 문제를 정확히 해결한 회사를 상상해 보세요"라고 하는 것보다 더 자연스럽게 읽히기 때문입니다. 구체적인 예시. 구체적인 세부 사항. 좋은 글쓰기를 위한 일반적인 조언들 말입니다.

문제는 예시로 사용된 명칭들이 가공된 것일 때, "더 자연스럽게 들리는 콘텐츠"와 "인덱싱(indexing)이 잘 되는 콘텐츠"가 서로 상충하는 방향으로 움직인다는 점입니다. 인간 독자에게 자연스럽게 들리는 콘텐츠는 검색 인덱스(search index) 내에 정확히 일치하는 지문(fingerprint)을 생성합니다. Google은 'TechFlow Solutions'라는 이름이 작년에 프롬프트에 입력되었으며, 실제로 그 이름으로 운영되는 기업이 존재하지 않는다는 사실을 알지 못합니다. Google은 'TechFlow Solutions'와 '정규화된 LTM EBITDA (normalized LTM EBITDA)'가 함께 포함된 문서를 보고 다음과 같이 결정합니다. "누군가 이 두 가지를 검색하면 이 페이지를 보여줘라."

AI 프롬프트에 포함된 가공의 명칭(Named fictional entities)은 단순한 콘텐츠 품질 문제를 넘어 SEO(검색 엔진 최적화)의 리스크 요인이 됩니다. 만들어낸 모든 회사 이름, 제품 이름, 또는 가공의 사례 연구(case study)는 잘못된 타겟의 검색어를 유인할 수 있는 잠재적인 키워드 앵커(keyword anchor)가 됩니다. "exit multiple trends(엑시트 배수 트렌드)"로 순위를 높이려는 기업 가치 평가(valuation) 블로그 포스트의 경우, TechFlow Solutions 관련 검색 쿼리에서 발생하는 유령 노출(phantom impressions)은 기껏해야 노이즈이며, 최악의 경우 순위 희석(ranking dilution) 신호가 됩니다.

해결책은 명확합니다. 이름은 제거하고, 숫자는 유지하십시오. 교훈은 더 광범위합니다. 인덱싱될 콘텐츠를 위해 프롬프트를 작성할 때, 여러분이 직접 만들어낸 것을 포함하여 모든 고유 명사(named entity)는 하나의 키워드 결정입니다.

4주 후에 다시 쿼리 데이터를 추출해 보겠습니다. 만약 이름을 변경한 프롬프트가 유령 노출을 제거한다면, 그것은 발표할 가치가 있는 데이터 포인트가 될 것입니다. 만약 해당 페이지가 이미 Google 인덱스에서 TechFlow Solutions와 영구적으로 연관되어 있고 쿼리가 지속된다면, 그 사실 또한 밝히겠습니다.

저는 valuefy.app에서 이러한 실험을 진행하며, 일이 잘못되는 부분까지 포함하여 실제로 어떤 일이 일어나는지 기록하고 있습니다. 만약 여러분이 AI 생성 콘텐츠로 서비스를 구축 중이거나, 예상치 못한 노출을 디버깅하고 있거나, 혹은 "콘텐츠는 괜찮아 보이는데 순위가 따라오지 않는" 동일한 문제를 겪고 있다면, 함께 의견을 나누고 싶습니다. 댓글을 남기거나 연락해 주세요.

또한 저는 기업을 위한 AI 툴링(tooling)을 구축하는 AImiten을 운영하고 있습니다. 이 사이드 프로젝트는 아이디어들을 클라이언트 업무에 적용하기 전에 스트레스 테스트(stress-test)를 해보는 공간입니다.