Google이 5월에 보낸 3가지 신호

핵심 답

Google과 SEO 업계에서 최근 동시에 세 가지 신호가 나왔다. AI 검색에 외부 링크는 늘었지만, 우리 브랜드가 그 안에 있는지 측정할 데이터는 더 줄었다. 한국 AEO 운영자에게 이는 "측정 도구 없으면 가시성 없는 시대로 돌아간다"는 명확한 경고다.

외부 링크가 답변 안에 더 많이 노출되기 시작했고, 동시에 그 링크의 클릭 행동을 알 수 있는 데이터는 사라지고 있다. 이 갭을 메우는 건 자체 측정뿐이다.

Google이 보낸 3가지 신호

신호 1 — AI 검색 링크는 확장, 클릭 데이터는 제공 안 함

Google은 AI Overview 답변 안에 표시되는 외부 사이트 링크를 확장했다. Search Engine Journal 분석에 따르면, AI 답변에서 외부 출처가 더 많이 노출되는 추세지만 Search Console에는 새로운 "AI 응답 클릭" 지표가 추가되지 않았다. 즉, 우리 사이트가 AI 답변에 인용됐는지, 클릭이 발생했는지 측정할 공식 데이터가 부재하다.

이 비대칭은 의도된 설계다. AI 답변이 검색 결과 페이지를 대체하는 비율이 높아질수록, Google은 클릭이 발생하지 않는 노출을 표준으로 만들고 있다. AI 답변 안에 있어도 클릭으로 측정되지 않는 것이 정상 상태다.

신호 2 — 구독 레이블과 인라인 링크 추가

SEO Pulse 분석은 Google이 AI 검색 결과에 구독 레이블(Subscription label)과 본문 내 인라인 링크를 새로 도입했다고 보고했다. 답변 안 콘텐츠가 유료 구독 콘텐츠인지 무료인지 사용자가 인지할 수 있도록 시각 구분을 추가한 것이다.

이는 두 가지를 의미한다. 첫째, Google은 AI 답변 안에 들어가는 콘텐츠 출처의 신뢰성을 더 정밀하게 분류하기 시작했다. 둘째, 무료 콘텐츠도 구조화된 신뢰 신호(작성자, 출처, 발행일, 카테고리)를 더 명확히 갖춰야 인라인 링크 후보가 된다.

신호 3 — Mueller, AI Vibe Coding의 SEO 갭 경고

Google의 John Mueller는 공개적으로 "AI 코딩 도구가 SEO를 자동으로 처리해주지 않는다"고 경고했다. AI 도구로 사이트를 빌드해도 메타 태그·구조화 데이터·내부 링크 같은 SEO 기본은 여전히 사람이 의도적으로 설계해야 한다는 메시지다.

이 경고는 AEO에도 그대로 적용된다. AI Vibe Coding으로 만든 사이트는 SEO만큼 AEO도 자동 처리되지 않는다. Schema.org, llms.txt, FAQPage, Answer Capsule 같은 LLM 친화 구조는 여전히 사람의 의도적 설계가 필요하다.

세 신호가 함께 의미하는 것

세 신호를 하나로 묶으면 다음과 같다.

• AI 답변 안 노출은 늘어난다 — 외부 링크 확장 + 구독 레이블 + 인라인 링크
• 그러나 측정 데이터는 줄어든다 — Search Console에 AI 응답 클릭 지표 부재
• 자동화 도구는 이 갭을 메우지 않는다 — Vibe Coding은 SEO/AEO 자동 처리 X

결과는 명확하다. AI 답변에 인용되는 브랜드와 그렇지 않은 브랜드의 격차는 벌어지지만, 그 격차를 운영자 본인이 측정할 공식 도구는 사라지고 있다.

비교표 — 2024 SEO 환경 vs 2026 AEO 환경

항목	2024 SEO 환경	2026 AEO 환경
노출 측정	Search Console 클릭/노출 공식 제공	AI 답변 인용·노출 공식 데이터 부재
순위 추적	검색 결과 페이지 순위 추적 가능	LLM 답변 생성 변동성, 단순 순위 추적 불가
자동화 도구	SEO 플러그인 자동 처리 가능 영역 다수	Vibe Coding으로 부족, 의도적 구조 설계 필요
신뢰 신호	E-E-A-T (저자·전문성·권위·신뢰)	E-E-A-T + 구독 레이블 + 인라인 링크 후보 자격
운영자 측정 도구	GA4, Search Console로 충분	자체 SOV 측정 필수 (4개 LLM × 25 쿼리 등)

한국 AEO 운영자가 지금 해야 할 4가지

1. 자체 측정 인프라부터 갖춘다

Google이 AI 응답 클릭 지표를 제공하지 않는다는 사실이 일시적이라고 보지 말아야 한다. 한국 시장에서 ChatGPT·Gemini·Perplexity·Claude 4개 LLM에 우리 브랜드를 묻는 표준 쿼리셋을 25개 이상 만들고, 주기적으로 답변 안 우리 브랜드 인용·SOV·추천 강도를 직접 측정한다. 이 데이터가 없으면 어떤 개선안이 효과 있는지 판단 자체가 불가능하다.

2. Schema·llms.txt·Answer Capsule을 의도적으로 설계한다

Mueller 경고대로, AI 도구로 사이트를 만들어도 LLM 친화 구조는 자동 생성되지 않는다. Organization·Product·FAQPage Schema, llms.txt 파일, "[브랜드]는 [카테고리]에서 [차별점]을 제공합니다" 형식의 Answer Capsule을 명시적으로 작성해 루트 도메인에 배치한다.

3. 구독 레이블·인라인 링크 후보 자격을 갖춘다

Google이 AI 답변 안에 추가하기 시작한 구독 레이블과 인라인 링크는 신뢰성 분류 기반으로 선택된다. 작성자 정보, 발행일, 카테고리, Schema author/datePublished 필드를 모든 콘텐츠에 일관되게 채운다. 무료 콘텐츠라도 구조화된 신뢰 신호가 정확하면 인라인 링크 후보가 될 수 있다.

4. 외부 권위 신호를 누적한다

AI 답변 안 인용은 사이트 자체 신호만으로 결정되지 않는다. 디렉토리 등재(디스콰이엇·로켓펀치 등), 보도자료, 외부 매체 인용, GitHub 조직 README 같은 외부 권위 신호가 LLM 학습 데이터에 시드된다. 자체 사이트 최적화와 외부 신호 시드를 두 트랙으로 동시에 운영한다.

결론

AI 답변 안 노출은 늘어나는데, 그 안에 들어갔는지 알 방법은 줄어든다. Google이 AI 응답 클릭 지표를 제공하지 않는 한 — 그리고 당분간 제공할 가능성은 낮다 — 자체 측정 인프라를 갖추지 않은 브랜드는 가시성 없는 시대로 돌아가게 된다.

Google이 보낸 세 신호는 한 메시지로 수렴된다. 자체 SOV 측정을 가진 운영자만이 AI 답변 시대의 가시성 격차에서 살아남을 수 있다. 한국 시장은 아직 이 측정 인프라를 갖춘 브랜드가 적다 — 지금 시작하면 격차의 윗쪽에 설 수 있다.