우리는 구글링을 멈추고 프롬프팅을 시작했다

검색 행동이 전통적인 검색 엔진에서 LLM(대규모 언어 모델) 기반의 프롬프팅(Prompting)으로 어떻게 변화하고 있는지, 그리고 이것이 SEO(검색 엔진 최적화), 콘텐츠 전략, 그리고 EEAT에 무엇을 의미하는지에 대한 분석입니다.

지난 10년 동안 가장 큰 행동 변화가 아무도 모르는 사이에 일어났습니다.

20년 넘게 디지털 행동 양식은 안정적이었습니다.

정보가 필요하면 Google을 열고, 쿼리(Query)를 입력하고, 링크 목록을 훑어본 뒤, 여러 소스에서 수동으로 답변을 조합했습니다.

이 모델은 SEO, 콘텐츠 마케팅, 그리고 인터넷상의 지식이 구조화되는 방식을 형성했습니다.

하지만 근본적인 무언가가 변했습니다. 조용히, 그리고 명확한 분기점 없이 말이죠.

사람들은 더 이상 주로 검색하지 않습니다.

그들은 프롬프팅(Prompting)을 합니다.

검색은 검색(Retrieval)이었고, 프롬프팅은 합성(Synthesis)입니다.

전통적인 검색 엔진은 검색(Retrieval)을 중심으로 구축되었습니다. 키워드를 입력하면 백링크(Backlinks), 최신성(Freshness), 권위(Authority)와 같은 관련성 신호에 따라 순위가 매겨진 문서들을 받게 됩니다.

LLM(대규모 언어 모델)은 이 모델을 뒤집습니다. 소스를 반환하는 대신, 답변을 반환합니다. 문서를 제시하는 대신, 그것들을 합성(Synthesize)합니다.

이것은 단순한 UX(사용자 경험)의 개선이 아닙니다. 인터넷상의 가치 단위 자체를 변화시킵니다.

이전에는 페이지의 순위를 높이는 것이 목표였습니다.
이제는 생성된 답변에 포함되는 것이 목표입니다.

이것이 SEO에서 무너뜨리는 것들

전형적인 SEO는 예측 가능한 흐름을 가정합니다:

쿼리(Query) → SERP(검색 엔진 결과 페이지) → 클릭(Click) → 페이지(Page) → 전환(Conversion) 또는 참여(Engagement)

이제 그 체인은 선택 사항이 되었습니다.

많은 경우, 사용자는 페이지에 아예 도달하지 않습니다. 답변은 인터페이스 내부에서 직접 생성됩니다.

이로 인해 다음 요소들의 중요성이 감소합니다:

• 주요 성공 지표로서의 순위(Ranking) 위치
• 주요 병목 구간으로서의 클릭률 최적화(Click-through optimization)
• 핵심 전략으로서의 키워드 타겟팅(Keyword targeting)

그리고 덜 명확한 무언가의 중요성이 증가합니다:

모델이 당신의 콘텐츠를 얼마나 쉽게 이해하고, 추출하고, 재사용할 수 있는가 하는 점입니다.

새로운 계층: LLM 지향적 가시성

우리는 여전히 이를 SEO라고 부르고 있지만, 그 메커니즘은 변화하고 있습니다.
검색 엔진만을 위해 최적화하는 대신, 이제 콘텐츠는 언어 모델 (Language Models)이 읽을 수 있어야 합니다.

그것은 다음을 의미합니다:

콘텐츠는 구조적으로 명확하고, 사실 밀도가 높으며, 모호하지 않아야 합니다.
인간이 복잡함을 이해하지 못해서가 아니라, 모델은 답변으로 신뢰성 있게 압축할 수 있는 패턴을 우선시하기 때문입니다.

실제로 이는 다음과 같은 방식에 유리합니다:

• 간접적인 스토리텔링 대신 직접적인 정의
• 페이지와 도메인 전반에 걸친 일관된 용어 사용
• 개념 간의 명시적인 관계
• 주장과 설명에서의 최소한의 모호성

권위 (Authority)는 더 이상 백링크 (Backlinks)에 관한 것만이 아닙니다. 그것은 당신의 정보가 더 넓은 데이터 생태계 전반에 걸쳐 얼마나 일관되게 나타나는지에 관한 것입니다.

EEAT는 줄어드는 것이 아니라 더 중요해집니다

Google의 EEAT 프레임워크 (Experience, Expertise, Authoritativeness, Trustworthiness; 경험, 전문성, 권위성, 신뢰성)는 이미 검색 순위에 중요했습니다.

LLM 중심의 환경에서 이는 다른 방식으로 더욱 중요해집니다.

모델은 권위 있는 출처들 사이의 합의와 반복되는 패턴을 바탕으로 학습됩니다.

실제 전문성을 입증하고 널리 신뢰받는 정보와 일치하는 콘텐츠는 생성된 답변에서 올바르게 표현될 가능성이 더 높습니다.

따라서 EEAT는 사라지는 것이 아니라, 구조적인 요소가 됩니다.

• 경험 (Experience)은 깊이와 구체성으로 나타납니다.
• 전문성 (Expertise)은 정확성과 정밀함으로 나타납니다.
• 권위 (Authority)는 출처 전반의 일관성으로 나타납니다.
• 신뢰 (Trust)는 모순과 노이즈의 부재로 나타납니다.

트래픽 최적화에서 표현 최적화로

핵심적인 사고의 전환은 이것입니다:
당신은 더 이상 방문자만을 위해 최적화하는 것이 아닙니다.
당신은 생성된 지식 내부의 표현 (Representation)을 위해 최적화하는 것입니다.
이는 당신의 콘텐츠가 답변을 생성하는 시스템의 일부가 된다면, 직접적인 클릭이 없더라도 '승리'할 수 있음을 의미합니다.
이것은 콘텐츠 전략의 새로운 카테고리를 만듭니다:

단순한 SEO 페이지가 아닌, 답변 준비가 된 지식 (Answer-ready knowledge).

이 모델에서 콘텐츠가 어떻게 보이기 시작하는가

LLM (Large Language Model) 중심의 환경에서 성과가 좋은 콘텐츠는 다음과 같은 경향을 보입니다:

• 구체적인 질문에 대해 직접적이고 빠르게 답변함
• 가치가 전달되기 전 불필요한 서사적 확장 (narrative expansion)을 피함
• 정보를 명확하게 분리 가능한 아이디어 단위로 구조화함
• 주제 전반에 걸쳐 일관된 용어를 유지함
• 문체적 변주 (stylistic variation)보다 사실적 밀도 (factual density)를 우선시함

이것이 콘텐츠가 건조해진다는 의미는 아닙니다. 콘텐츠가 모듈화 (modular)된다는 의미입니다.

스토리텔링 (storytelling)처럼 생각하기보다는, 지식의 빌딩 블록 (building blocks of knowledge)을 쌓는 것처럼 생각하십시오.

배포 방식의 조용한 변화

동시에 또 다른 변화가 일어나고 있습니다. 배포 (distribution) 그 자체가 AI 인터페이스로 이동하고 있습니다.

사용자들은 더 이상 검색 엔진이나 소셜 피드(social feeds)를 통해서만 콘텐츠를 발견하지 않습니다. 그들은 모델과의 대화를 통해 콘텐츠를 발견합니다.

이는 2차적 효과 (second-order effect)를 만들어냅니다:

모델이 해석하기 쉬운 콘텐츠일수록, 그러한 대화 과정 내에서 노출되거나, 요약되거나, 참조될 가능성이 더 높아집니다.

작지만 실용적인 예시

콘텐츠 생산이 규모를 갖추어 감에 따라, 포맷팅 (formatting)과 패키징 (packaging) 또한 시스템의 일부가 됩니다.

예를 들어, 블로그 포스트는 수동으로 디자인하기보다 자동으로 생성되는 관련 시각적 자산 (visual assets)을 점점 더 필요로 하게 됩니다.

ThumbAPI와 같은 도구를 사용하면 기사 제목으로부터 일관된 블로그 및 소셜 썸네일을 직접 생성할 수 있으며, 이를 통해 수동 디자인 작업을 줄이고 대규모 콘텐츠 파이프라인 전반에 걸쳐 시각적 결과물을 표준화할 수 있습니다.

이는 단순히 디자인 도구에 관한 문제가 아니라, AI가 매개하는 생태계 (AI-mediated ecosystem) 내에서의 콘텐츠 배포를 위한 인프라에 관한 문제입니다.

결론

구글링에서 프롬프팅 (Prompting)으로의 전환은 단순히 인터페이스의 트렌드가 아닙니다.
이는 인터넷을 통해 정보가 흐르는 방식의 변화입니다.
검색 엔진은 페이지를 인덱싱 (indexed)했습니다. 언어 모델은 지식을 합성 (synthesize)합니다.
그리고 그 전환 과정에서 가장 중요한 변화는 단순합니다:
가시성 (Visibility)은 더 이상 클릭되는 것에 관한 것이 아닙니다.
그것은 답변에 포함되는 것에 관한 것입니다.