2025년 6월 08일·8분
알파벳의 엔진: 검색, 광고, 그리고 인터넷의 기본값으로서의 AI
알파벳이 검색, 광고 경매, AI 인프라를 연결해 사람들이 정보를 찾는 방식과 웹이 돈을 버는 방식을 어떻게 형성했는지 — 그리고 그것이 오늘날 의미하는 바.
알파벳이 검색, 광고 경매, AI 인프라를 연결해 사람들이 정보를 찾는 방식과 웹이 돈을 버는 방식을 어떻게 형성했는지 — 그리고 그것이 오늘날 의미하는 바.
현대 웹은 두 가지 지속적 필요에 의해 움직인다: **발견(Discovery)**과 수익화(Monetization). 발견은 당신이 찾는 것—답, 제품, 지역 서비스, 동영상, 정의—을 찾는 행위다. 수익화는 그 모든 것이 어떻게 비용을 조달하는지다—웹사이트, 앱, 창작자, 그리고 서비스를 유지하는 인프라에 자금을 대는 방식이다.
알파벳(구글을 통해)은 서로 의존하지만 잘 협력하지 않는 세 집단 사이에 자리 잡음으로써 “미들 레이어”가 되었다: 빠르고 관련성 높은 결과를 원하는 사용자, 콘텐츠 제작을 정당화하기 위해 트래픽과 수익이 필요한 퍼블리셔, 그리고 관심이 있을 때 측정 가능한 방식으로 사람들에게 도달하고자 하는 광고주다.
구글은 당신이 온라인에서 읽거나 구매하는 것 대부분을 직접 만들지 않는다. 구글은 관심을 라우팅한다: 어떤 페이지를 방문할지, 어떤 앱을 열지, 어떤 가게에 전화를 걸지 결정하는 데 도움을 준다. 퍼블리셔에게 그 라우팅은 관객과 무명의 차이가 될 수 있다. 광고주에게는 “누군가 이걸 찾고 있다”는 사실을 웹을 자금 조달하는 실용적인 방법으로 바꾼다.
이 글은 서로 연결된 세 시스템에 초점을 맞춘다:
제품, 인센티브, 그리고 2차 효과를 살펴볼 것이다—시스템이 작동하는 이유, 어디에서 긴장이 생기는지, 그리고 무엇을 가능하게 하는지. 목표는 과장이나 음모론이 아니라 검색, 광고, 컴퓨트가 알파벳을 온라인 의도의 중앙 청산소로 만든 방식을 명확하게 그리는 것이다.
초기의 웹은 라벨이 없는 거대한 도서관이었다. 페이지는 끊임없이 나타나고 사라졌고, 누구나 무엇이든 게시할 수 있었으며 중앙 카탈로그는 없었다. 신뢰할 만한 답을 찾는 것은 단지 불편한 문제가 아니라 불확실한 일이었다.
세 가지 문제가 빠르게 겹쳤다:
구글의 돌파구는 웹 자체를 단순한 텍스트 더미가 아니라 신호 시스템으로 취급한 것이다.
PageRank식 사고를 간단히 상상하면: 링크는 투표다, 그리고 존경받는 페이지로부터 온 투표는 더 큰 가중치를 가진다. 많은 신뢰할 만한 사이트가 어떤 페이지를 가리키면, 그 페이지는 상위에 노출될 가능성이 높아진다.
이것이 품질 문제를 단독으로 해결하지는 못했다—스패머들은 투표를 조작하려 했지만—그러나 기준선을 올렸다. 또한 인센티브를 바꿨다: 진짜로 유용해서 얻는 링크를 획득하는 것이 실현 가능한 전략이 되었다.
관련성도 중요했지만 느낌도 중요했다. 구글의 깔끔한 홈페이지, 빠른 결과, 일관된 경험은 마찰을 거의 제로로 줄였다. “빠른 최고의 답”이 몇 번 작동하면 그것은 근육 기억이 된다.
그 일상적 행동—질문을 입력하고, 명확한 목록을 받고, 클릭하는 것—이 열린 웹을 길잡이 가능한 무언가로 바꿨다. 검색은 더 이상 특별한 도구가 아니라 학습, 쇼핑, 문제 해결, 계획의 기본 출발점이 되었다.
검색은 독특하게 가치 있는 원자료를 가지고 있다: 의도. 쿼리는 종종 누군가가 지금 당장 원하는 것을 자연어로 설명한다—“최고의 소음차단 헤드폰”, “연쇄상 구균 증상”, “LLC를 신고하는 방법”, “도쿄행 항공권”. 그 즉시성은 쿼리를 인터넷의 다른 신호들과 구별되게 만든다.
소셜 피드와 디스플레이 광고는 일반적으로 수동적 소비에서 시작한다: 스크롤하고, 탐색하고, 다음 것을 본다. 검색은 순서를 뒤집는다. 사용자가 먼저 목표를 제시하고 시스템의 임무는 그 목표에 맞추는 것이다.
그 차이는 중요하다, 왜냐하면:
결과가 신뢰할 만하다고 느껴지면 사람들은 더 많은 범주의 문제에 검색을 사용한다: 사소한 질문, 큰 구매, 지역 서비스, 기술적 문제 해결. 각 성공적 검색은 사용자가 질문하는 것이 효율적이라는 것을 학습시키고 시스템에는 무엇이 “좋다”인지를 가르친다.
이 신뢰는 취약하다. 결과가 잡동사니 같거나 스팸이 많거나 오해의 소지가 있으면 사용자는 빠르게 적응한다: 쿼리에 “reddit”을 덧붙이거나 엔진을 바꾸거나 앱에 의존한다. 관련성을 높게 유지하는 것은 선택사항이 아니다; 습관을 보호하는 것이다.
검색은 반복을 통해 개선된다:
더 나은 결과 → 더 많은 검색 → 만족에 대한 더 많은 신호 → 더 나은 결과.
그 신호에는 클릭, 재구성된 쿼리, 재방문 시간, 유사 검색들에서의 패턴이 포함된다. 시간이 지나며 시스템은 사람들이 의미한 것을 학습한다—단지 입력한 단어가 아니라—의도를 복리로 만드는 우위를 제공해 발견과 수익화를 모두 지탱한다.
검색 광고는 광고판을 사는 것과 다르게 순간의 주목을 위해 입찰하는 것과 같다. 누군가 쿼리를 입력하면 여러 광고주가 그 의도를 위해 노출되길 원할 수 있다(“러닝화”, “회계 소프트웨어”, “긴급 배관공”). 구글은 어떤 광고를 어떤 순서로 보여줄지, 그리고 대략 얼마가 청구될지를 결정하는 빠른 경매를 실행한다.
각 광고주는 클릭당 지불할 최대 입찰가를 설정한다. 하지만 최고가가 자동으로 승리하지는 않는다.
구글은 또한 품질과 관련성을 고려한다—광고가 검색자에게 도움이 될 가능성을 추정하는 신호들. 광고와 랜딩 페이지가 쿼리와 긴밀히 일치하고 사람들이 클릭 후 필요한 것을 찾는 경향이 있다면, 더 높은 입찰가를 낸 광고주보다 낮은 입찰가라도 이길 수 있다. 이는 시스템을 유용성 쪽으로 밀어붙인다: 광고주가 단순히 나쁜 결과를 돈으로 사서 오래 유지하긴 어렵다.
전통 광고는 주로 노출(광고를 본 사람들)에 돈을 냈지만, 검색 광고는 클릭당 지불(PPC)을 대중화했다: 실제로 누군가 클릭할 때 비용이 발생한다.
이 구조는 비용을 결과와 연계시켰다. 소규모 사업자는 적은 예산으로 시작해 몇 개 키워드를 테스트하고, 고객을 만들지 못하는 키워드에 대한 지출을 중단할 수 있다. 동시에 사용자의 행동에 더 가까운 고의도(High-intent) 검색은 자연스럽게 더 가치 있게 되었다.
진정한 가속기는 측정이었다. 클릭 이후에 무슨 일이 일어났는지를 추적함으로써 광고주는 대략적인 “이게 수익이 났나?” 숫자를 계산할 수 있었다.
전환 추적이 개선되면서 마케팅 예산은 검색으로 이동했다. 왜냐하면 검색은 해석 가능했기 때문이다: 어떤 쿼리와 광고가 결과를 만들었는지 볼 수 있고, 그 결과를 다시 투자할 수 있었다. 그 피드백 루프는 관련성을 보상하고 타게팅을 개선하며 사람들이 기대하는 무료 서비스를 자금 조달하는 데 도움을 주었다.
애드센스는 구글의 광고 수요를 웹의 누구에게나 사용 가능하게 만들었다. 직접 스폰서십을 협상하거나 영업팀을 구축하는 대신, 작은 블로그, 틈새 포럼, 지역 뉴스 사이트는 코드 스니펫을 붙여 동일한 광고 풀에서 수익을 얻을 수 있었다.
핵심적으로 애드센스는 세 가지를 연결했다: 퍼블리셔 페이지(공급), 광고주 예산(수요), 그리고 구글의 타게팅과 경매 시스템(매칭 + 가격 책정). 그 매칭은 퍼블리셔가 무엇인가를 "판매"할 필요 없이 작동했다—단지 방문자를 유치하고 시스템이 적절한 광고를 게재할 수 있을 만큼의 문맥을 제공하면 됐다.
결과는 공유된 인센티브 루프였다:
이 루프는 롱테일 오픈 웹의 성장을 도왔다: 적은 관중으로도 재무적으로 지속 가능한 수백만 사이트가 생겨났다.
대규모 수익화는 행태를 형성하기도 했다. 수익이 클릭과 노출에 연결되면 퍼블리셔는 때때로 품질보다 양을 쫓는 압박을 느낀다. 이는 SEO 우선 콘텐츠, 클릭베이트 헤드라인, 더 많은 광고 레이아웃, 느린 로드와 침습적 배치 등 열악한 페이지 경험을 장려했다. 구글은 정책 집행과 페이지 품질 신호로 이를 보완하려 했지만 핵심 인센티브는 완전히 사라지지 않았다.
시간이 흐르며 많은 퍼블리셔는 구글 주도의 추천 트래픽과 RPM(1000뷰당 수익)에 의존하게 되었다. 그 의존성은 사업 계획을 취약하게 만들었다: 순위 변경, 사용자 행동의 이동, 정책 업데이트는 수익을 하룻밤 사이에 크게 바꿀 수 있다. 애드센스는 단지 퍼블리셔를 수익화한 것이 아니라 그들의 운명을 방문자를 보낸 동일한 발견 엔진에 묶었다.
구글 검색은 단순한 “웹사이트”라기보다 항상 켜져 있는 산업 시스템이다. 약속은 단순하다—무엇이든 입력하면 유용한 결과를 즉시 얻는다—하지만 그 경험을 제공하려면 열린 웹을 지속적으로 갱신 가능한, 질의 가능한 자산으로 바꿔야 한다.
크롤링은 기본 아이디어로 시작한다: 페이지를 가져오고 링크를 따라간다. 구글 규모에서는 스케줄링, 우선순위 지정, 품질 관리를 갖춘 생산 라인이 된다. 시스템은 무엇을 수집할지, 얼마나 자주 수집할지, 중복·스팸·매분 변하는 페이지에 불필요한 노력을 낭비하지 않도록 결정해야 한다.
인덱싱은 변환이 일어나는 곳이다. “페이지 더미” 대신 구글은 구조화된 표현을 구축한다: 용어, 엔터티, 링크, 신선도 신호, 언어 특징 등 빠르게 검색할 수 있는 여러 특징들. 이 인덱스는 쿼리 성능을 깨뜨리지 않고 지속적으로 업데이트되어야 하므로 증분 업데이트, 저장 레이아웃, 내결함성에 관한 신중한 엔지니어링이 필요하다.
검색 볼륨이 수십억 건의 일일 쿼리로 측정될 때 인프라 결정은 제품 결정이 된다. 데이터센터, 네트워킹, 스토리지는 무엇이 가능한지를 결정한다:
지연(latency)은 경쟁우위다, 왜냐하면 행동을 형성하기 때문이다. 결과가 빠르면 사람들은 더 자주 검색하고 더 세밀하게 수정하며 더 높은 위험의 작업에 도구를 신뢰한다. 신뢰성도 동일하게 중요하다: 장애는 단순한 다운타임이 아니라 깨진 습관이다.
대규모 운영은 최적화된 하드웨어 활용, 맞춤형 시스템, 더 스마트한 스케줄링을 통해 쿼리당 단가를 낮출 수 있다. 낮은 단가는 더 빠른 반복을 가능하게 한다: 더 많은 실험, 더 많은 모델 업데이트, 더 잦은 인덱스 갱신. 시간이 지날수록 이 복리 루프는 속도와 신선도를 소규모 경쟁자가 따라잡기 어렵게 만든다.
알파벳은 훌륭한 검색 엔진을 가진 것뿐 아니라 웹으로 가는 “정문”을 확보했다: 사람들이 브라우징을 시작하는 장소와 기본 선택들이 조용히 다음에 무슨 일이 일어날지 형성하는 장소다.
안드로이드는 세계 많은 지역의 휴대폰을 구동하며, 이는 사람들이 처음 보는 검색 상자가 종종 기기 경험에 내장되어 있다는 점에서 중요하다. 사전 설치된 앱, 홈 화면 위젯, 기본 설정은 마찰을 줄인다: 검색이 한 번의 스와이프로 접근 가능하면 그것이 습관이 된다.
안드로이드의 서비스 번들링도 똑같이 중요하다. 핵심 앱들(검색, 크롬, 지도, 유튜브, 플레이 서비스)이 매끄럽게 작동하면 대체재로 바꾸는 것이 폰을 망가뜨리는 것처럼 느껴질 수 있다—대체재가 존재하더라도. 그래서 “기본 검색 설정”은 사소한 체크박스가 아니다; 하루에도 수십 번 반복되는 행동을 유도하는 선택이다.
크롬은 사용자와 열린 웹 사이에 위치한다. 속도, 보안, 특정 API를 우선시함으로써 어떤 웹사이트가 최적화되는지, 무엇이 “좋은” 웹 경험인지에 영향을 준다. 더 빠른 페이지와 매끄러운 로그인은 사람들이 더 자주 검색하고 클릭하게 만든다.
크롬은 또한 피드백 채널을 만든다: 브라우저 수준의 성능 및 사용성 신호는 사이트 구축 방식과 간접적으로 발견 방식에 영향을 줄 수 있다.
안드로이드와 크롬이 사용자를 향한 공통 경로가 되면 파트너들은 그들에 맞춰 정렬한다: 개발자는 먼저 크롬에서 테스트하고, 퍼블리셔는 성능 지표에 최적화하며, 기업들은 구글을 기본 배포 파트너로 취급한다. 이 네트워크 효과는 진입로 자체를 해자로 만든다—문을 잠그기보다는 한 출구를 훨씬 더 편리하게 만들어 경쟁의 진입장벽을 높인다.
검색과 광고는 단지 구매자와 판매자를 연결하는 것만이 아니라 작동한 것에 대한 지속적 피드백을 생성한다. 그 피드백은 알파벳이 제품(검색)과 비즈니스 모델(광고)을 추측 없이 튜닝할 수 있게 한다.
“측정”은 기본 질문에 답한다: 이 광고가 가치 있는 행동으로 이어졌나? 실제로는 보통 다음을 포함한다:
측정이 불완전하더라도 공통된 스코어보드를 제공한다. 광고주는 캠페인, 키워드, 오디언스, 크리에이티브를 비교하고 성과가 좋은 곳으로 예산을 옮길 수 있다.
광고는 덜 ‘마케팅’ 같고 더 ‘투자’처럼 보일수록 정당화하기 쉬워진다. 광고주가 수익을 신뢰할 수 있게 추정하거나 방향성 있게 추적할 수 있다면:
그런 지출 의지는 경매에 먹이를 준다: 더 많은 경쟁, 더 많은 데이터, 그리고 사용자가 계속 클릭하게 하기 위한 관련성 개선 인센티브를 강화한다.
브라우저와 플랫폼이 교차 사이트 식별자(쿠키, 모바일 광고 ID)를 줄이면 측정은 서드파티 추적에서 퍼스트파티 데이터로 이동한다—비즈니스가 직접 수집하는 신호(로그인 세션, 구매, CRM 목록, 사이트 내 행동). 이는 집계 및 모델링된 보고와 광고주 측에서 작동하는 도구(예: 서버 간 전환 업로드)로 이동을 촉진한다.
측정 선택은 이제 규제 기관, 플랫폼, 사용자로부터 지속적인 검토를 받는다. 동의, 데이터 최소화, 투명성 주위의 압력은 무엇을 측정할 수 있는지, 데이터를 얼마나 오래 보관할지, 통제는 어떻게 명확히 제시할지를 형성한다. 결과는 가드레일이 있는 피드백 루프다: 성과를 최대화하되 신뢰와 법적 준수를 유지하는 규칙 안에서 행동해야 한다.
검색은 링크를 세고 페이지의 텍스트를 읽고 핸드튜닝된 신호를 적용하던 큰 규칙 집합으로 시작했다. 그것은 놀랍도록 잘 작동했지만—웹이 규모, 언어, 형식, 그리고 조작으로 폭발하면서 간단한 규칙은 더 이상 확장되지 않았다. 머신러닝으로의 전환은 과장이 아니라 단순 규칙이 확장되지 않을 때 결과를 유용하게 유지하기 위한 변화였다.
현대의 랭킹은 여전히 많은 신호(신선도, 위치, 페이지 품질 등)를 사용하지만, ML은 특정 쿼리에 대해 그 신호들이 어떻게 중요한지를 결정하는 데 도움을 준다. 하나의 글로벌 레시피 대신 모델은 집계된 행동과 평가자 피드백으로부터 패턴을 학습할 수 있다: 사람들이 얼마나 빨리 결과로부터 돌아오는지, 어떤 쿼리에 사람들이 쿼리를 재구성하는지, 어떤 페이지가 특정 의도를 충족하는지 등.
결과는 실용적이다: 명백히 틀린 결과가 줄고, 애매한 검색(‘재규어’가 동물인지 자동차인지)에 대한 처리가 개선되며, 더 길고 자연스러운 쿼리를 더 잘 이해한다.
ML은 검색과 광고의 배관에 짜여 있다:
이는 중요하다, 왜냐하면 관련성이 제품이기 때문이다. 더 나은 관련성은 신뢰를 증가시키고 사용을 늘리며 개선을 위한 더 많은 피드백을 제공한다.
무대 뒤에서 “AI”는 운영 스택이다: 특수 칩, 학습된 모델들, 그리고 업데이트를 안전하게 배포하는 파이프라인.
이것이 작동하면 사용자는 더 빠른 답과 적은 잡스러운 결과를 체감하고, 광고주는 더 효율적인 매칭을 얻는다—기계 장치에 대해 생각할 필요 없이.
알파벳의 우위는 단지 “더 나은 알고리즘”만이 아니다. 그것은 그 알고리즘을 싸게, 빠르게, 어디서든 실행할 수 있는 능력이다—대부분의 기업이 따라오기 힘든 규모다. 밀리초와 센트 단위가 어떤 결과를 볼지, 어떤 광고가 이길지, AI 모델을 배포하는 것이 실용적인지 결정할 때 컴퓨트는 제품 기능이 된다.
현대 AI 모델을 학습하고 서비스하는 것은 비용이 많이 든다. 범용 칩으로도 가능하지만 머신러닝이 의존하는 특정 연산에 대해 비용 효율적이지 않을 수 있다.
TPU(텐서 처리 장치)는 이러한 워크로드를 더 나은 달러 대비 성능으로 실행하도록 설계되었다. 이것은 네 가지 면에서 중요하다:
알파벳은 검색, 유튜브, 광고, 지도, 클라우드에 대해 완전히 분리된 컴퓨트 스택을 만들지 않는다. 기반 인프라—데이터센터, 네트워킹, 스토리지, ML 플랫폼—의 많은 부분이 공유된다.
그 공유 기반은 효율을 만든다: 모델 툴링, 칩 활용, 데이터센터 전력 관리의 개선이 여러 제품에 동시에 이익을 준다. 또한 팀들이 검증된 구성요소를 재사용하게 해 재발명을 줄인다.
더 많은 사용은 더 많은 수익(특히 광고를 통해)을 생성한다. 수익은 더 많은 컴퓨트 용량과 더 나은 인프라에 자금을 대고, 더 나은 인프라는 더 나은 모델과 더 빠른 제품을 가능하게 한다. 그런 개선은 더 많은 사용을 끌어들인다.
이것은 복리 효과다: 루프를 한 번 돌 때마다 다음 회전이 더 쉬워진다.
AI 인프라는 내부 자랑거리가 아니라 일상적 경험에 드러난다:
컴퓨트는 AI를 가끔씩의 기능에서 기본 기능으로 바꾼다—신뢰할 수 있고, 대규모로, 그리고 경쟁자가 맞추기 어려운 비용으로 제공할 수 있는 능력으로.
검색과 광고는 나란히 있는 두 제품이 아니라 사람들을 “궁금함”에서 “구매”로 옮기는 단일 파이프라인이다. 핵심은 유료와 유기적 결과가 같은 의도에, 같은 페이지에서, 같은 순간에 응답한다는 점이다.
전형적인 쿼리에서 유기적 결과와 광고는 같은 한정된 자원—화면 상단 공간과 사용자 신뢰—을 놓고 경쟁한다. 광고는 배치와 명확한 제안(가격, 배송, 프로모션)으로 이길 수 있고, 유기적 결과는 권위, 깊이, 중립성 인식으로 이긴다.
실제로 “승자”는 종종 사용자의 긴급성에 가장 잘 맞는 결과다—“구매” 의도에는 쇼핑 광고, “방법” 질문에는 유기적 가이드, “근처” 검색에는 지역 팩이 우세하다.
현대의 결과 페이지는 더 이상 “열 개의 파란 링크”가 아니라 다양한 모듈의 집합이다: 특집 스니펫, 지도 팩, 상품 그리드, ‘사람들이 함께 묻는 질문’, 리치 결과 등. 이런 기능들은 트래픽 흐름을 두 가지 방식으로 바꾼다:
비즈니스 관점에서 이는 #1 순위가 더 이상 전부가 아님을 의미한다. 가시성은 적절한 모듈(지역 목록, Merchant Center 피드, 구조화된 데이터)에 나타나고 사용자가 구매 준비가 되었을 때 매력적인 제안을 가지고 있는지를 포함한다.
중소기업에게 장점은 즉각적 수요 포착이다: 광고를 통해 출시 당일에 노출될 수 있고 장기적으로는 유기적 신뢰를 구축할 수 있다. 위험은 의존성이다—수익의 큰 부분이 특정 키워드나 플랫폼 레이아웃 하나에 의존하면 가격, 정책, 새로운 기능의 변화가 하룻밤 사이에 타격을 줄 수 있다.
창작자들도 유사한 긴장에 직면한다: 검색은 일관된 발견을 제공하지만 페이지 상의 답변과 스니펫은 클릭률을 줄일 수 있다. 현실적인 관점은 검색을 ‘집’이 아니라 채널로 다루는 것이다.
획득 채널을 다각화하라(이메일 리스트, 추천, 소셜, 파트너십, 지역 커뮤니티)—그래서 검색이 필수적인 존재가 아니라 보완적 역할을 하게 하라. 그리고 증분 효과를 측정하라: 통제된 테스트(지리 분할, 시간 기반 홀드아웃, 브랜드/비브랜드 분리)를 실행해 광고가 실제로 창출하는 것과 단순히 유기적 수요를 포착하는 것을 구분하라. 그 습관은 발견→결제 파이프라인을 단지 바쁘게 하는 것이 아니라 수익성 있게 유지하게 해준다.
알파벳이 의도의 기본 통로로서 역할을 한다는 것은 또한 그것이 빈번한 표적이 되는 이유다. 의도를 효율적으로 매칭하는 동일한 시스템이 권력을 집중시킬 수 있으며—그것은 누가 어떤 조건으로 가시화를 얻는지, 어떤 감독 하에 있는지에 관한 질문을 불러온다.
공통된 비판은 시장 지배력이다: 한 회사가 너무 많은 발견을 중개하면 순위, UI, 광고 형식의 작은 변화가 산업 전체를 재형성할 수 있다. 그래서 자기 선호(self-preferencing) 혐의가 중요하다—구글이 자체 상품(쇼핑, 지역, 여행, 비디오)으로 사용자를 유도하는지 여부.
또 다른 현실적 문제는 **광고 적재(ad load)**다. 더 많은 쿼리에 더 많은 유료 배치가 나타나면 퍼블리셔와 상인들은 한때 유기적으로 도달하던 관중에 대해 임대료를 내는 기분을 느낄 수 있다.
규제 압력은 대체로 세 가지 주제로 모인다:
결과는 새로운 공개 요건에서부터 기본 설정 계약 제한, 광고 및 측정 시스템 운영 방식의 변화까지 다양할 수 있다.
AI 생성 요약이 페이지 상단으로 올라가면 일부 쿼리는 클릭 없이 끝날 수 있다. 그것은 퍼블리셔로의 트래픽을 줄이고 전통적 ‘검색→사이트→수익화’ 사슬을 약화시킬 수 있으며, 플랫폼이 제어하는 온-페이지 유닛으로 더 많은 가치가 몰릴 수 있다.
열린 질문은 답변이 더 직접적이 되는지 여부가 아니라 인터페이스가 목적지가 될 때 가치가 어떻게 재분배되는지다.
기본 설정 싸움, 측정 변화(특히 쿠키와 어트리뷰션 관련), 변화하는 발견 습관—더 대화형 쿼리, 더 많은 인앱 검색, 더 많은 답변 우선 경험—에 주목하라.
구글이 의도의 웹 기본 미들 레이어라면, 제품은 점점 더 의도를 결과로 효율적으로 번역하는 능력에 따라 승패가 갈릴 것이다: 명확한 페이지, 빠른 경험, 측정 가능한 전환, 발견이 링크에서 요약으로 이동할 때 적응할 수 있는 시스템.
이곳이 현대의 “AI 지원 빌딩”이 들어맞는 자리이기도 하다. 예컨대 플랫폼인 Koder.ai는 유사한 아이디어를 적용한다—일상어 의도를 작동하는 소프트웨어로 바꾸는 것—팀이 챗 인터페이스를 통해 웹(React), 백엔드(Go + PostgreSQL), 모바일(Flutter) 애플리케이션을 생성하게 한다. 측정 → 반복 → 배포라는 피드백 루프가 지배하는 세상에서 계획 모드, 스냅샷, 롤백, 소스 코드 내보내기 같은 실용적 제어를 갖춘 툴링은 아이디어에서 구현까지의 사이클을 단축하는 경쟁 우위가 된다.
알파벳(구글)은 서로 잘 조율되지 않는 세 그룹 사이에 자리한다: 빠르고 관련성 높은 답을 원하는 사용자, 트래픽과 수익이 필요한 퍼블리셔, 측정 가능한 수요 포착을 원하는 광고주. 검색은 관심을 라우팅하고, 광고는 의도를 수익화하며, 인프라와 AI는 대규모에서 관련성과 속도를 유지한다.
쿼리는 수동적 관심이 아니라 능동적 의도를 표현한다(예: “도쿄행 항공권”, “긴급 배관공”). 이는 검색을 의사결정 지점에 가깝게 만들며, 발견에서 행동으로 이어지는 자연스러운 경로를 제공해 사용자에게는 관련성, 광고주에게는 수익화 기회를 제공한다.
초기 웹 검색이 어려웠던 문제들:
구글은 단순한 텍스트 더미가 아니라 웹 구조와 행동을 신호로 간주하는 접근으로 기준선을 끌어올렸다.
PageRank 스타일의 논리는 링크를 신뢰도의 신호로 본다: 링크는 ‘투표’이며 신뢰받는 사이트로부터 온 투표가 더 큰 비중을 가진다. 스팸이 링크를 모방할 수는 있지만, 다른 신호들과 결합해 폭넓게 참조되는 자원을 고립된 저신뢰 페이지와 구분하는 데 도움이 된다.
속도와 깔끔한 인터페이스는 마찰을 거의 없애 사용자에게 습관을 만든다. “질문 입력 → 유용한 결과”가 반복되면 사용자는 더 많은 범주의 문제에 검색을 사용하게 되고, 그 행위는 결과 개선을 위한 더 많은 피드백 신호를 만들어 낸다.
검색 광고는 실시간 경매로 운영된다. 광고주는 최대 입찰가를 설정하지만 최고 입찰가가 자동으로 우승하지는 않는다. 구글은 품질/관련성 신호(광고와 랜딩 페이지가 쿼리와 얼마나 일치하는지 등)를 고려해 배치를 결정하므로, 단순히 더 많이 지불한다고 해서 오래 지속되는 우위를 확보하긴 어렵다.
PPC(클릭당 지불)는 노출이 아니라 결과에 비용을 연계했다는 점에서 큰 전환이었다. 클릭이 발생할 때만 비용을 지불하므로, 작은 예산의 사업자도 키워드를 테스트하고 성과가 없는 항목에 대한 지출을 바로 중단할 수 있다. 이로 인해 측정 가능성이 높아진 검색으로 예산이 이동했다.
애드센스는 퍼블리셔를 검색 광고의 수요 풀에 연결해 직접 영업 없이도 수익을 올릴 수 있게 했다. 결과적으로 롱테일 웹사이트 수백만 개가 소규모 트래픽으로도 수익을 창출할 수 있게 되었지만, 다음과 같은 부작용도 있었다:
안드로이드와 크롬은 기본값과 ‘웹으로 가는 정문’을 제공한다. 기기 경험에 내장된 검색 상자, 사전 설치된 앱, 기본 설정은 마찰을 줄여 검색 습관을 강화한다. 사용 경로가 하나로 집중되면 개발자, 퍼블리셔, 비즈니스들이 그 경로를 우선시하도록 정렬되어 분포 효과를 만든다.
AI 요약이 페이지 상단에 자리하면 클릭 없이도 세션이 종료될 수 있다. 이는 퍼블리셔 트래픽 감소와 전통적 ‘검색→사이트→수익화’ 체인의 약화를 불러올 수 있다. 규제(기본값, 개인정보, 투명성)와 맞물리면 인센티브가 재편되고 사업자들은 획득 채널을 다각화해야 할 가능성이 높다.