AI 검색에서의 Google Preferred Sources: 최초의 사용자 제어 가능 인용 신호

원문은 The Searchless Journal에 게시되었습니다.

이번 주 Google Search에서 전례 없는 일이 조용히 일어났지만, 대부분의 브랜드는 아직 이를 알아차리지 못했습니다.

5월 27일, Google은 사용자가 선호하는 웹사이트를 태그할 수 있는 기능인 Preferred Sources(선호 소스)가 이제 AI Overviews(AI 개요) 및 AI Mode(AI 모드) 응답 내에 직접 표시된다고 발표했습니다. 설정 메뉴에 숨겨져 있거나 사이드바에 묻혀 있는 것이 아닙니다. AI가 생성한 답변 바로 그 자리에, 사용자가 선택한 소스가 다른 모든 것과 구별되도록 눈에 띄는 "Preferred(선호)" 라벨과 함께 나타납니다.

이것은 단순한 UI 수정이 아닙니다. 사용자가 AI 생성 검색 답변에 어떤 소스가 나타날지에 직접적으로 영향을 미칠 수 있는 첫 번째 사례입니다. 이는 부분적으로는 시청자(audience) 중심적이고, 부분적으로는 알고리즘 중심적이며, 완전히 새로운 인용 계층(citation layer)을 도입합니다.

Google이 실제로 출시한 것

AI 검색에서의 소스 품질과 출처(provenance)에 초점을 맞춘 세 가지 기능이 동시에 출시되었습니다:

AI Overviews 및 AI Mode에서의 Preferred Sources. Search 개인화 설정에서 이미 선호하는 소스를 선택한 사용자는 이제 AI 생성 응답 내에서 해당 소스가 "Preferred" 라벨과 함께 강조 표시되는 것을 볼 수 있습니다. Google의 보고에 따르면 이미 345,000개 이상의 고유 소스가 사용자에 의해 선택되었으며, 사람들은 일반 검색 결과에 비해 선호하는 소스로 클릭하여 이동할 확률이 두 배 더 높습니다.

설정 방법은 간단합니다. 사용자가 Google의 소스 기본 설정(source preferences) 페이지를 방문하여 신뢰하는 웹사이트를 검색하고 추가하면 됩니다. 신선한 콘텐츠를 게시하는 모든 웹사이트가 대상이 됩니다. 일단 추가되면, 해당 사이트의 콘텐츠는 기존의 Top Stories(주요 뉴스)와 이제는 AI 생성 답변 모두에서 우선적인 가시성을 확보하게 됩니다.

"Highly Cited" (고인용) 배지. 다른 많은 기사들이 인용한 기사를 식별하는 검색 결과의 새로운 라벨입니다. 이는 파생 보도의 근간이 되는 원천 보도(original reporting)를 표면화합니다. Google은 또한 특정 기사가 Highly Cited 소스를 명시적으로 참조하고 있을 때 이를 표시하여, 단순히 목소리가 큰 것이 아니라 가장 빠르고 권위 있는 콘텐츠에 보상을 주는 출처 증명(chain of provenance) 신호를 생성합니다.

Fresh perspectives (새로운 관점) 캐러셀. 진행 중인 주제에 대한 쿼리(query)의 경우, 시의적절한 기사와 포럼 토론 및 소셜 미디어 콘텐츠를 포함한 다양한 관점을 강조하는 새로운 눈에 띄는 캐러셀이 나타납니다. 이는 소스 풀(source pool)을 전통적인 발행사 너머로 확장하며, 활발한 소셜 및 커뮤니티 존재감을 유지하는 브랜드에 AI 답변으로 진입할 수 있는 또 다른 경로를 제공합니다.

이것이 겉보기보다 더 중요한 이유

대부분의 보도에 대한 즉각적인 반응은 "발행사들에게 좋은 기능"이었습니다. 이는 이 기능의 가치를 크게 과소평가한 것입니다.

지금까지의 AI 검색 메커니즘을 생각해 보십시오. 누군가가 Google의 AI에 "50인 규모의 스타트업에 가장 좋은 CRM은 무엇인가요?" 또는 "간헐적 단식은 실제로 과학적 근거가 있나요?"와 같은 질문을 던질 때, AI는 학습 데이터, 실시간 웹 크롤링(web crawling), 그리고 Google이 구축한 소스 선택 알고리즘에 따라 답변을 합성합니다. 사용자는 AI가 어떤 소스를 참고하거나 인용하는지에 대해 아무런 영향력을 행사할 수 없었습니다. 전체 인용 체인은 불투명했으며 알고리즘에 의해 제어되었습니다.

Preferred Sources는 그 방정식을 바꿉니다. 이제 Wirecutter를 선호하는 소스(preferred source)로 추가한 사용자가 AI Overview에 최고의 커피 메이커에 대해 물으면, Wirecutter의 콘텐츠가 나타날 가능성이 더 높아지며 '선호됨'으로 표시됩니다. 사용자는 처음으로 AI 인용 동작에 대해 직접적인 레버(lever)를 갖게 된 것입니다.

이는 이전에는 존재하지 않았던 피드백 루프(feedback loop)를 생성합니다:

1. 사용자가 귀하의 브랜드를 선호하는 소스(preferred source)로 선택합니다.
2. 귀하의 콘텐츠가 해당 사용자의 AI Overviews 및 AI Mode 응답에 나타날 가능성이 높아집니다.
3. 귀하의 콘텐츠에 "선호됨(Preferred)" 라벨이 붙어, 사용자가 클릭할 가능성이 높아집니다.
4. 해당 클릭(click-through)이 관계를 더욱 강화합니다.
5. 귀하를 선택하지 않은 다른 사용자들도, 알고리즘이 유사한 사용자들로부터의 선호 신호(preference signal)를 감지함에 따라 귀하의 콘텐츠가 더 눈에 띄게 나타나는 것을 보게 됩니다.

Google이 5단계를 명시적으로 확인해주지는 않았지만, 그 궤적은 명확합니다. 사용자 선호 신호는 Google이 역사적으로 모든 제품의 랭킹(ranking)을 결정하기 위해 사용해 온 행동 데이터(behavioral data)의 일종입니다. 선호 소스에서의 2배 클릭률(click-through rate)은 시간이 지남에 따라 소스 선택 알고리즘(source selection algorithms)에 다시 반영되는 바로 그 종류의 참여 신호(engagement signal)입니다.

오디언스 관계는 이제 AI 가시성 자산입니다

여기서 중요한 전략적 시사점은 다음과 같습니다: 귀하의 직접적인 오디언스 관계의 강도가 이제 AI 검색 가시성(AI search visibility)과 정량적으로 연결되어 있다는 점입니다.

이것은 새로운 변화입니다. 이번 주 전까지만 해도 AI 인용(citation)은 전적으로 콘텐츠의 품질, 구조, 그리고 엔티티(entity)의 명확성에 관한 것이었습니다. 스키마(schema)를 최적화하고, 답변 우선형(answer-first) 콘텐츠를 작성하며, 깔끔한 엔티티 프로필을 구축함으로써 기술적 탁월함을 통해 인용을 얻을 수 있었습니다. 그러한 요소들은 여전히 중요합니다. 저희의 AI 크롤러 최적화 가이드가 기술적 스택을 다루고 있으며, Perplexity가 소스를 선택하는 방식에 대한 분석이 엔진별 인용 메커니즘을 설명합니다.

하지만 이제 새로운 차원이 등장했습니다: 바로 오디언스 어피니티 (Audience Affinity, 독자 선호도)입니다. 만약 독자들이 당신을 선호하는 소스 (Preferred Source)로 적극적으로 선택한다면, 당신은 그 어떤 스키마 마크업 (Schema Markup)이나 키워드 타겟팅 (Keyword Targeting)으로도 복제할 수 없는 인용 우위를 점하게 됩니다. 이것은 최적화 (Optimization)가 아닌 충성도 (Loyalty)를 기반으로 구축된 해자 (Moat)입니다.

동일한 주제를 다루는 두 개의 경쟁 출판사를 가정해 봅시다. 두 곳 모두 기술적 SEO (Technical SEO)가 동일합니다. 두 곳 모두 독창적인 연구를 발표합니다. 두 곳 모두 강력한 엔티티 프로필 (Entity Profile)을 보유하고 있습니다. 하지만 출판사 A에는 자신을 선호하는 소스로 추가한 독자가 50,000명 있습니다. 출판사 B에는 500명뿐입니다. AI 개요 (AI Overview)에서 출판사 A는 시간이 지남에 따라 성장하는 구조적 우위를 갖게 됩니다. 왜냐하면 출판사 A를 선호하는 소스로 추가하는 모든 새로운 독자가 해당 사용자, 그리고 잠재적으로 유사한 사용자들에 대한 인용 확률을 높이기 때문입니다.

이것이 바로 우리가 발표한 AI 인용 벤치마크 데이터가 유사한 콘텐츠 품질을 가진 브랜드 간에도 인용률에서 이토록 큰 차이를 보이는 이유입니다. 인용은 단순히 무엇을 게시하느냐의 문제가 아닙니다. 그것은 누가 당신을 충분히 신뢰하여 자신의 검색 엔진에 당신을 선호하도록 말하느냐의 문제입니다.

"고인용" 플라이휠 (The "Highly Cited" Flywheel)

"고인용 (Highly Cited)" 배지는 두 번째의 상호 보완적인 플라이휠 (Flywheel)을 생성합니다. 다른 매체에 의해 인용되는 독창적인 보도는 눈에 보이는 배지를 획득합니다. 그 배지는 가시성 (Visibility)을 높입니다. 높아진 가시성은 더 많은 인용으로 이어집니다. 이 사이클은 복리로 작용합니다.

독창적인 연구, 독점 데이터 (Proprietary Data), 그리고 퍼스트 파티 분석 (First-party Analysis)에 투자하는 브랜드에게 이것은 직접적인 보상 메커니즘입니다. Google은 본질적으로 다음과 같이 말하고 있는 것입니다: "우리는 누가 독창적인 보도를 했는지 알 수 있으며, 그 차별점을 표면화할 것입니다."

이는 콘텐츠 전략에 즉각적인 시사점을 줍니다:

• 독창적인 연구(Original research)는 논평(Commentary)보다 가치가 높습니다. 50개의 다른 기사가 인용하는 연구에는 '많이 인용됨(Highly Cited)' 배지가 부여됩니다. 해당 연구를 요약한 논평 기사에는 부여되지 않습니다.
• 선점자 우위(First-mover advantage)가 증폭됩니다. 발견 사항을 처음으로 보도하거나 데이터셋을 게시하는 것은 이제 Google이 보증하는 가시적인 신호를 갖게 됩니다.
• 출처 체인(Provenance chains)이 가시화됩니다. Google은 기사가 '많이 인용됨(Highly Cited)' 출처를 참조할 때 이를 표시하며, 독자와 AI 엔진이 따라갈 수 있는 인용 그래프(Citation graph)를 생성합니다.

GEO(Generative Engine Optimization) 실무자들에게 이는 독점 데이터와 독창적인 연구에 대한 투자가 파생 콘텐츠(Derivative content)가 결코 따라올 수 없는 복리 수익을 가져다준다는 것을 의미합니다.

다른 AI 엔진의 인용 방식과의 비교

Google이 소스 품질을 고민하는 유일한 AI 검색 엔진은 아니지만, 사용자에게 인용 동작에 대한 직접적인 제어권을 부여한 것은 최초입니다. 다른 엔진들과의 대조는 시사하는 바가 큽니다.

ChatGPT는 주로 학습 코퍼스(Training corpus)와 실시간 웹 브라우징에 의존하여 소스를 선택합니다. 사용자는 ChatGPT가 어떤 소스를 참조할지에 영향을 미칠 수 없습니다. 모델의 소스 선택은 관련성 점수(Relevance scoring), 최신성(Recency), 그리고 소스 권위(Source authority)에 대한 모델의 내부 이해도에 의해 완전히 알고리즘적으로 결정됩니다. ChatGPT 최적화 가이드에서는 ChatGPT의 인용 동작에 영향을 미치는 기술적 신호들을 다루고 있지만, 사용자에게 노출되는 선호도 조절 레버는 존재하지 않습니다.

Perplexity는 다른 접근 방식을 취하여, 각 답변과 함께 인용된 소스를 인라인(Inline)으로 노출하고 사용자가 소스 자료를 자세히 살펴볼 수 있도록 합니다. 하지만 Perplexity의 소스 선택 역시 알고리즘에 의해 이루어집니다. Perplexity의 소스 선택 방식에 대한 분석에 따르면, 인용은 콘텐츠 구조, 엔티티 명확성(Entity clarity), 도메인 권위(Domain authority)와 관련된 예측 가능한 패턴을 따르지만, 사용자가 소스 선호도를 표현할 수 있는 메커니즘은 없습니다.

Google의 접근 방식은 알고리즘 계층 (algorithmic layer) 위에 사회적 계층 (social layer)을 도입했다는 점에서 근본적으로 다릅니다. 알고리즘은 여전히 후보 소스 (candidate sources)를 선택하지만, 사용자의 선호 신호 (preference signal)가 해당 선택을 무시하거나 증폭할 수 있습니다. 이는 전통적인 검색이 작동해 온 방식보다는, 명시적인 사용자 선호도에 의해 조절되는 알고리즘 큐레이션 (algorithmic curation) 방식인 소셜 미디어 피드 (social media feeds)의 작동 방식에 더 가깝습니다.

브랜드의 입장에서 이는 Google AI 검색이 이제 두 가지 변수의 방정식, 즉 '콘텐츠 품질 × 오디언스 친밀도 (audience affinity)'가 되었음을 의미합니다. 더 이상 알고리즘만을 위해 최적화할 수는 없습니다. 관계 (relationship)를 위해서도 최적화해야 합니다.

브랜드가 지금 당장 해야 할 일

선호 소스 (Preferred Sources)에 대한 전술적 대응은 세 가지 단계로 나뉘며, 각 단계는 투자 규모와 수익률이 점진적으로 증가합니다.

1단계: 기존 오디언스 활성화하기

Google은 이 과정을 매우 간편하게 만들었습니다. 사이트 소유자는 독자를 개인화된 URL로 안내할 수 있으며, 이 URL은 해당 사이트가 미리 로드된 상태로 소스 선호도 도구 (source preferences tool)로 바로 연결됩니다:

이는 현재 가능한 조치 중 단일 항목으로서 가장 높은 ROI (투자 대비 수익)를 제공합니다. 비용이 들지 않고 구현에 몇 분밖에 걸리지 않으며, 옵트인 (opt-in)하는 모든 사용자에 대해 AI 인용 확률 (AI citation probability)을 직접적으로 높여줍니다.

2단계: 독창적인 연구 및 독점 데이터에 투자하기

'많이 인용됨 (Highly Cited)' 배지는 일차적 소스 (primary source)가 되는 것에 보상을 제공합니다. 만약 귀하의 콘텐츠 전략이 정보의 취합 (aggregation), 논평 (commentary), 그리고 "이것이 귀하에게 의미하는 바"와 같은 분석에 치중되어 있다면, 새로운 시스템 하에서는 구조적으로 불리합니다. 귀하가 발표하는 모든 독창적인 연구 결과물은 시간이 지남에 따라 복리로 쌓이는 잠재적인 '많이 인용됨 (Highly Cited)' 자산이 됩니다.

이것이 분석을 포기하라는 뜻은 아닙니다. 콘텐츠 캘린더의 의미 있는 부분에 다른 매체들이 인용할 만한 독점 데이터 (proprietary data), 독창적인 벤치마크 (original benchmarks), 또는 퍼스트 파티 연구 (first-party research)를 포함하도록 보장해야 한다는 의미입니다.

3단계: 커뮤니티 접점으로 존재감 확장하기

Fresh perspectives 캐러셀(carousels)은 포럼, 소셜 미디어, 그리고 온라인 토론에서 정보를 가져옵니다. 만약 귀하의 브랜드가 귀하가 소유한 웹사이트에만 존재한다면, 이 소스 풀(source pool)에서는 보이지 않는 존재가 됩니다. Reddit, 산업 포럼, 그리고 소셜 플랫폼에서 활발하고 고품질의 존재감을 유지하는 것은 이제 단순한 브랜드 인지도 확보 차원을 넘어, AI 인용 (AI citation)을 위한 전략적 움직임입니다.

더 큰 그림: 경쟁 우위 계층으로서의 출처 (Provenance)

Preferred Sources와 Highly Cited는 고립된 기능이 아닙니다. 이는 AI 검색에 출처 계층 (provenance layer)을 구축하려는 Google의 광범위한 전략의 일부입니다. 즉, 어떤 소스가 신뢰할 수 있고, 독창적이며, 사용자로부터 인정받았는지를 나타내는 방식입니다.

이는 콘텐츠 인증 (content authentication)을 향한 Google의 더 넓은 추진 방향과 일치합니다. 이번 달 초에 다루었던 OpenAI와 Google의 공동 SynthID 및 C2PA 이니셔티브는 콘텐츠의 기원을 검증하기 위한 기술적 인프라를 구축합니다. 반면 Preferred Sources는 사회적 인프라 (social infrastructure)를 구축합니다. 사용자는 자신의 선호도로 투표하며, 시스템은 그들의 선택을 증폭시킵니다.