AI 검색이 라스트 클릭 기여도(Last Click Attribution)의 효용성을 떨어뜨리는 이유

라스트 클릭 기여도(Last Click Attribution)는 더 단순했던 웹 환경을 위해 구축되었습니다.

사용자가 검색하고, 결과를 클릭하고, 웹사이트에 접속하여 전환(Conversion)을 일으키는 방식이었습니다.

분석 시스템은 마지막 클릭이 가시적이고 전환과 가까웠기 때문에 마지막 클릭에 공로를 돌렸습니다.

AI 검색은 이러한 논리를 약화시킵니다.

사용자는 ChatGPT, Perplexity, Gemini, Google AI Mode 또는 다른 AI 검색 엔진에 추천을 요청할 수 있습니다. AI의 답변은 사용자를 웹사이트로 보내지 않고도 공급업체를 비교하고, 후보 목록을 제시하며, 반론에 답하고, 사용자의 의견을 형성할 수 있습니다.

며칠 후, 사용자는 Google에서 해당 브랜드를 검색하거나 직접 방문할 수 있습니다.

분석 시스템은 이를 브랜드 검색(Branded Search) 또는 직접 트래픽(Direct Traffic)으로 인식합니다.

하지만 결정은 AI의 답변 안에서 시작되었을 수도 있습니다.

라스트 클릭은 마지막 단계만을 기록한다

Google Analytics는 기여도(Attribution)를 중요한 행동으로 이어지는 경로상의 터치포인트(Touchpoints)에 공로를 할당하는 것으로 설명합니다. 유료 및 유기적 라스트 클릭 모델(paid and organic last click model)에서는 전환 직전의 마지막으로 클릭된 채널에 공로가 돌아갑니다.

이는 유용합니다.

측정 가능한 세션(Session)을 종료시킨 채널이 무엇인지 팀에 알려주기 때문입니다.

하지만 구매자의 확신이 어디에서 왔는지를 항상 설명해주지는 않습니다.

AI 검색은 그러한 확신 형성 과정을 클릭 이전 단계로 더 많이 이동시킵니다.

클릭이 없다는 것이 영향력이 없다는 의미는 아니다

제로 클릭 검색(Zero-click search)은 과거에는 주로 트래픽의 문제였습니다.

AI 검색은 이를 기여도(Attribution)의 문제로도 만듭니다.

Pew Research Center는 Google의 AI 요약이 나타날 때 사용자들이 전통적인 결과 링크를 클릭하는 빈도가 낮아졌음을 발견했습니다.

SparkToro와 Datos 또한 그들의 2024 제로 클릭 검색 연구(2024 zero-click search study)에서 Google 검색 중 오직 소수만이 오픈 웹(Open-web) 클릭으로 이어진다고 추정했습니다.

마케터들에게 핵심은 간단합니다:

클릭이 없다고 해서 영향력이 없는 것은 아닙니다.

AI의 답변은 방문이 일어나기 전에 브랜드를 소개하거나, 추천하거나, 경쟁사와 비교하거나, 반론에 답할 수 있습니다.

AI 검색은 다크 퍼널(Dark Funnel) 채널이다

다크 퍼널 (Dark Funnel)에는 일반적인 트래킹 (Tracking)으로는 확인할 수 없는 구매자 조사 과정이 포함됩니다.

6sense는 다크 퍼널 (Dark Funnel)을 수익 팀이 역사적으로 표준 트래킹 시스템을 통해 접근할 수 없었던 구매 의도 및 활동으로 정의합니다.

AI 검색은 바로 그 정의에 부합합니다.

구매자는 다음과 같은 질문을 할 수 있습니다:

어떤 도구를 후보군(Shortlist)에 올려야 할까?
어떤 벤더 (Vendor)가 가장 안전할까?
단점은 무엇인가?
내 사용 사례 (Use case)에 가장 적합한 제품은 무엇인가?
데모 콜 (Demo call)에서 무엇을 물어봐야 할까?

이 답변은 분석 도구가 세션 (Session)을 기록하기 전, 구매 경로를 형성할 수 있습니다.

이후 구매자가 브랜드 검색 (Branded search)을 통해 전환되면, 라스트 클릭 (Last click) 모델은 브랜드 검색에 공로를 돌립니다.

하지만 브랜드 검색은 이전의 AI 노출 결과일 수 있습니다.

리퍼럴 트래픽 (Referral Traffic)은 약한 신호이다

전통적인 기여도 분석 (Attribution)은 감지 가능한 이벤트 (Events)에 의존합니다:

클릭 (Clicks)
리퍼러 (Referrers)
UTM
쿠키 (Cookies)
광고 노출 (Ad impressions)
세션 (Sessions)
양식 작성 (Form fills)

AI의 답변은 이러한 이벤트 중 상당수를 생성하지 않고도 영향을 미칠 수 있습니다.

답변이 브랜드로 연결되는 링크 없이 브랜드에 대해 언급할 수 있습니다. 브랜드의 자체 페이지 대신 리뷰 사이트를 인용할 수도 있습니다. 여러 소스로부터 제품의 강점을 요약할 수도 있습니다. 사용자가 누구를 방문하기도 전에 고려 대상에서 경쟁사를 제외해 버릴 수도 있습니다.

arXiv 논문인 The Attribution Crisis in LLM Search Results는 검색 기능이 탑재된 LLM 시스템에서 발생하는 이러한 구조적 문제를 설명합니다. 이 논문은 시스템이 명시적인 온라인 페칭 (Fetching) 없이 답변하거나, 클릭 가능한 인용 출처를 제공하지 않거나, 여러 관련 페이지를 방문하면서도 단 몇 개만 인용하는 사례들을 발견했습니다.

마케터들에게 주는 교훈은 명확합니다. AI 시스템은 깨끗한 리퍼럴 경로 (Referral paths)를 남기지 않고도 의사결정을 형성할 수 있다는 것입니다.

과도한 기여도가 부여될 수 있는 채널들

AI 검색은 일부 채널이 수요의 원천으로서 실제보다 더 강력해 보이게 만들 수 있습니다.

다음과 같이 과도한 기여도가 부여되는 현상을 주의하십시오:

직접 트래픽 (Direct traffic)
브랜드 유기적 검색 (Branded organic search)
브랜드 유료 검색 (Branded paid search)
리타겟팅 (Retargeting)
마지막 세션 유기적 트래픽 (Final-session organic traffic)

이러한 채널들도 여전히 중요합니다.

하지만 이러한 채널들은 AI 답변에서 이전에 생성된 수요를 포착하고 있는 것일 수 있습니다.

대신 측정해야 할 것

라스트 클릭 (Last click)은 세션 수준의 지표 (session-level metric)로 유지하십시오.

답변 계층 측정 (answer-layer measurement)을 추가하십시오.

다음 항목을 추적하십시오:

AI 답변 내 브랜드 언급 (brand mentions)
인용된 URL (cited URLs)
경쟁사 언급 (competitor mentions)
추천 맥락 (recommendation context)
답변 감성 (answer sentiment)
브랜드 검색 변동 (branded search movement)
직접 트래픽 품질 (direct traffic quality)
데모 요청 (demo requests)
자기 보고 기여도 (self-reported attribution)
영업 대화 언어 (sales conversation language)

AIvsRank의 AI Search Visibility Checker를 사용하면 빠른 점검이 가능합니다. AI Search Visibility Leaderboard를 통해 카테고리 수준의 가시성 (visibility)을 비교할 수 있습니다.

반복적인 워크플로우의 경우, 프롬프트 세트 (prompt sets), 엔티티 추적 (entity tracking), 위치 인식 점검 (location-aware checks)을 위해 AIvsRank의 GeoSkills documentation이 유용합니다.

구매자 질문 추가하기

분석 도구 (Analytics)가 모든 것을 포착할 수는 없습니다.

구매자에게 직접 물어보십시오:

저희에 대해 처음 어떻게 듣게 되셨나요?
옵션을 비교하기 위해 어떤 소스를 사용하셨나요?
이 카테고리에 대해 AI 도구에 물어보셨나요?
AI 도구가 어떤 브랜드를 추천했나요?
저희 사이트를 방문하기 전에 어떤 질문을 하셨나요?

자기 보고 기여도 (Self-reported attribution)는 불완전합니다.

라스트 클릭 (Last click)도 마찬가지입니다.

두 가지를 모두 사용하십시오.

대시보드에 새로운 행이 필요합니다

전통적인 SEO 대시보드는 다음을 추적합니다:

순위 (rankings)
노출 (impressions)
클릭 (clicks)
클릭률 (CTR)
전환 (conversions)

AI 검색에는 또 다른 행이 필요합니다:

답변 영향력 (answer influence).

다음 사항을 확인하십시오:

우리가 언급되었는가?
우리가 인용되었는가?
우리가 추천되었는가?
대신 경쟁사가 인용되었는가?
우리가 공정하게 비교되었는가?
AI 가시성 (AI visibility)이 브랜드 수요 (branded demand)와 상관관계가 있는가?

Google의 AI features documentation에 따르면, AI 개요 (AI Overviews) 및 AI 모드 (AI Mode)에서의 노출은 Search Console의 성능 보고서 내 웹 검색 (Web search) 유형에 포함됩니다.

이는 트래픽 보고 (traffic reporting)에는 도움이 됩니다.

하지만 AI 답변이 이후의 직접 방문 (direct visit), 브랜드 검색 (branded search), 또는 영업 대화 (sales conversation)에 영향을 미쳤는지 여부를 완전히 설명해주지는 못합니다.

FAQ

라스트 클릭 기여도 (Last Click Attribution)는 끝났나요?

아니요. 여전히 마지막으로 추적된 세션 (tracked session)을 기록합니다. 다만, 수요 창출 (demand creation)을 설명하기에는 충분하지 않을 뿐입니다.

AI 검색은 왜 다른가요?

사용자가 출처를 클릭하지 않고도 AI 답변 내에서 조사 및 비교 프로세스의 상당 부분을 완료할 수 있기 때문입니다.

어떤 채널들이 과다하게 기여도를 인정받을 수 있나요?

직접 유입 (Direct traffic), 브랜드 검색 (Branded search), 브랜드 유료 검색 (Branded paid search), 리타겟팅 (Retargeting), 그리고 마지막 세션의 유기적 트래픽 (Organic traffic)입니다.

마케터는 무엇을 가장 먼저 해야 하나요?

구매 의도가 높은 프롬프트 (High-intent prompts)에 대한 AI 가시성 (AI visibility)을 추적하기 시작하고, 이를 브랜드 수요 (Branded demand) 및 구매자가 보고한 발견 경로 (Buyer-reported discovery sources)와 비교하십시오.

마지막 생각 (Final Thought)

라스트 클릭은 측정 가능한 방문이 어디서 끝났는지를 알려줍니다.

AI 검색은 의사결정이 어디서 시작되었는지를 알려줄 수 있습니다.

마케터에게는 두 가지 모두가 필요합니다.