안규환 영업비밀 (5)

[안규환]

나는 'SEO 시대의 끝? AI 에이전트를 위한 마케팅 최적화의 시작 (bain.com)' 글을 읽고 난 후 바로 나의 경쟁력을 아래와 같이 생성하고 그 결과를 공유합니다.

Ann Geu-hwan × AI: A Living Portfolio (2025)

Questions are assets. Conversations are creations. Design your future with AI.

https://ann-korea.github.io/Ann-Geu-hwan-Generative-AI-A-Living-Portfolio-2025-/#builder

====

SEO 시대의 끝? AI 에이전트를 위한 마케팅 최적화의 시작 (bain.com)

14P by xguru 7일전 | ★ favorite | 댓글 1개

• AI 에이전트가 마케팅 구매 여정의 새로운 미들맨으로 떠오르며, 기존 퍼널 구조가 해체되고 있음
• "제로 클릭(Zero-click)" 검색은 브랜드가 사용자와 접점 없이 AI 응답만으로 구매 결정을 유도함
• 기업 웹사이트의 방문자 수는 감소하고 있으며, AI로부터 유입되는 추천 트래픽은 폭발적으로 증가 중
• 브랜드는 이제 AI가 이해하고 활용할 수 있는 콘텐츠 전략을 수립해야 하며, 기존 SEO 방식만으로는 한계가 있음
• 성공적인 적응을 위해서는 새로운 측정 지표 확보 → AI 노출 최적화 → 빠른 실험 기반 전략 수립의 3단계 접근이 필요함

AI가 구매 여정의 중심이 되다고객이 직접 찾는 시대에서, AI가 추천해주는 시대로 전환 중

• 사용자는 제품을 찾기 위해 Google, Bing 등에서 AI 요약만으로 구매 결정을 내리거나, ChatGPT 같은 LLM으로 직접 검색함
  • Bain & Company 조사: 미국 소비자의 80%는 전체 검색의 40% 이상을 AI 기반 응답만으로 해결
  • HubSpot: 기업 웹사이트 방문자 수 최대 30% 감소
  • Adobe: 2025년 2월 기준, AI 경유 유입 트래픽 2024년 7월 대비 1200% 증가

기존 구매 퍼널의 붕괴와 AI 중심 퍼널의 등장

• 전통적 퍼널
  • 기존의 디지털 구매 여정은 검색 → 클릭 → 비교 → 다운로드/리뷰 탐색 등 선형적이고 수동적인 흐름으로 구성됨
  • 각 단계마다 사용자의 노력이 필요하며, 이는 결국 이탈률 상승으로 이어짐
  • 특히, 중요도가 낮거나 즉흥적인 구매일수록, 복잡한 여정은 구매 포기를 유도함
• AI 기반 퍼널
  • AI 기반 검색은 이러한 복잡한 단계들을 대리 처리함으로써 사용자의 부담을 줄임
    • AI가 요약, 비교, 추천, 개인화 응답을 수행
  • 개인의 선호 데이터를 학습할수록, AI의 응답 품질도 지속적으로 향상됨
    • 고객은 의식적으로 탐색하지 않아도 결정을 내리게 됨
  • 기술 발전(스케일링, 아키텍처, 인프라 등)은 AI 성능을 가속화하고 있음
• AI 기반 구매 전환율, 이미 눈에 띄는 수준
  • Adobe 분석: AI 기반 검색을 통한 전환율이 기존 탐색 방식과 격차를 좁히는 중
  • Scrunch AI: 일부 구매 경로에서는 Google 검색 대비 전환율이 2배 이상 높음
• 마케터와 브랜드가 사라지는 퍼널
  • 고객의 구매 여정이 AI 요약 → 제품 추천 → 선호 예측 → 선택의 형태로 AI에 의해 진행
  • 브랜드는 고객에게 노출될 기회가 줄어들며, 차별화나 신뢰 형성도 어려워짐
  • 일부 사례에서는 관심만 있던 고객이 단 한 번의 AI 응답으로 구매 추천까지 도달함
  • 결과적으로 기존의 퍼널은 잘게 분절되고, 고객이 아닌 AI가 퍼널의 흐름을 지배하게 됨
• 전환이 빠르게 일어나는 분야
  • 학습, 쇼핑, 스타일 추천 분야는 특히 빠르게 AI 기반 구매 여정으로 이동 중
  • 주요 원인:
    • 사용자들이 개인 데이터 공유에 더 개방적
    • 가격과 중요도가 낮은 선택
    • 잘못된 선택에 대한 리스크가 낮음
• 새롭게 바뀐 퍼널에 대응하기
  • AI 기반 추천(AI referral)의 부상은 마케팅 및 세일즈 팀에게 전례 없는 변화를 의미함
  • 기업이 AI 에이전트 중심의 퍼널에 최적화하지 않으면, 잠재 고객을 잃게 되는 상황이 이미 발생 중

    문제는, 이 손실을 기업이 인지조차 하지 못할 수 있다는 점

  • 과거에는 고객이 웹사이트를 방문하거나 콘텐츠를 다운로드하며 '탐색 접점'을 남겼음
    • 예: 페이지 뷰, 광고 클릭, 양식 제출, 이메일 구독 등 → 이후 마케팅 재접촉 가능
  • 그러나 AI 기반 구매 퍼널에서는, 이 탐색 과정이 AI 안에서만 이루어지고, 브랜드는 퍼널에 진입조차 못할 수 있음
• 브랜드가 사라지는 구매 결정 과정
  • 탐색 → 평가 → 후보 선정이 모두 AI 내부에서 비가시적으로 진행
  • 브랜드가 즉각적으로 떠오르지 않거나, AI가 해당 브랜드를 언급하지 않으면 선택지에도 오르지 못함
    • 예외: 재구매나 브랜드 충성도가 높은 고객은 여전히 직접 브랜드로 이동 가능
• 고객 여정의 세 가지 경로
  • 브랜드 웹사이트로 직접 방문
    • 충성도 있는 고객이나 반복 구매 고객에게 해당
  • AI가 중재하는 구매 흐름
    • AI가 검색, 비교, 추천, 결제까지 전 과정 수행
    • 고객은 AI 응답만 보고 결정을 내릴 수 있음
  • 생성형 AI를 사용하지 않는 고객층
    • 여전히 기존 검색과 탐색을 활용
    • 그러나 이들조차도 검색 결과에 포함된 AI 요약의 영향을 받게 됨

AI가 구매 퍼널의 초입에서 브랜드를 '필터링'하는 새로운 관문 역할을 하며, 기존의 접점 기반 마케팅 전략은 점점 무력화되고 있음

LLM이 중요하게 여기는 콘텐츠의 기준

• 앞으로는 전통적 SEO vs AI 최적화라는 이분법이 아닌, 모든 경로에 맞춘 콘텐츠 전략 최적화가 필요해짐
• 기존 채널(직접 방문, 일반 검색 등)에는 여전히 개인화된 여정 설계, 마찰 최소화 같은 원칙이 유효함
• 그러나 AI 에이전트를 통한 유입에서는 전통 SEO와는 전혀 다른 가치 기준이 작동함
• LLM이 브랜드 콘텐츠를 판단하는 방식
  • LLM은 브랜드의 자사 주장만으로는 신뢰하지 않음
    • 대신, 이를 **검증해줄 제3자 출처(earned media, 리뷰, 포럼 등)**를 중시함
  • Scrunch AI 분석 결과:
    • 브랜드명이 포함되지 않은 검색 질의에 대한 AI 응답 중 90% 이상이 외부 콘텐츠에 기반
    • 브랜드명이 언급된 응답조차도 60% 이상은 비브랜드 출처 콘텐츠를 인용
• LLM이 선호하는 콘텐츠 특성 5가지
  • 언어 스타일
    • 웨비나나 이미지 중심 콘텐츠보다,
    • 블로그나 설명형 글처럼 대화체의 풍부한 문장을 선호
  • 에이전트 친화적 구조
    • 정리된 리스트, 정의, 가이드형 포맷은 LLM이 정보를 요약하기에 적합
  • 스크래핑 가능한 클린 사이트
    • 과거 SEO용으로 제작된 오래된 페이지, 과도한 키워드 삽입은 혼란 유발
    • 정확한 인덱싱과 구조화된 최신 페이지가 효과적
  • 외부 권위 기반 검증 (Off-site earned authority)
    • 언론 기사, 전문가 리뷰, 공신력 있는 외부 매체에서의 인용이 신뢰성 부여
  • 깊이 있는 사용자 대화 (Off-site deep customer conversations)
    • 포럼, 리뷰 사이트, 커뮤니티 등에서의 활발한 언급은
    • 백링크와 브랜드 신뢰도를 높이는 핵심 자산

LLM 시대에 대응하는 3단계 전략

• 일부 선도 기업은 이미 AI 추천 트래픽 전환이 비즈니스에 미치는 영향을 분석하고 있으며, LLM 기반 마케팅 성과 향상을 위해 투자 중
• 이 변화에 빠르게 적응하려면, 다음과 같은 실행 중심의 3단계 접근이 필요함
• 1. 새로운 핵심 지표를 정의하라
  • 변화하는 고객 흐름을 제대로 파악하려면,
    기존 웹 트래픽 외의 새로운 성과 지표가 필요함
  • AI 트래픽이 어떤 가치를 만들어내는지 가시화할 수 있어야,
    마케팅 리드의 주요 원천을 포착하고 추적할 수 있음
• 2. 퍼널 분석 인텔리전스를 구축하라
  • LLM이 현재 고객 퍼널에 미치는 영향과,
    향후 변화 가능성을 지속적으로 분석해야 함
  • 핵심은 AI 기반 퍼널 구조와 브랜드 노출 상태를 시각화하고,
    업데이트 가능한 점수판(scorecard) 형태로 관리하는 것
  • 같은 입력이라도 LLM은 전통 검색과 전혀 다른 결과를 낼 수 있으므로,
    이 차이를 측정할 수 있는 툴이 필요
• 3. 실험 가능한 가설을 세우고 빠르게 테스트하라
  • 개선 포인트를 파악했다면,
    우선순위를 정하고 빠른 실험을 실행해야 함
  • 이를 위해서는 신속한 반복 테스트와 영향력 기반 자원 배분 시스템이 필요함
  • 마케팅팀은 영향 실험(influence experiments) 을 통해
    어떤 콘텐츠가 AI에 더 잘 노출되는지 실험하고 확장해야 함

LLM은 고객이 브랜드를 만나기 전부터 필터링을 시작함
→ 기존 SEO 전략만으로는 대응 불가능
→ LLM을 고려한 콘텐츠 최적화 전략을 도입해야 선순환 구조가 형성됨

결론: 인간이 아닌 "AI 에이전트에게 최적화"하라

• 성공적인 LLM 시대의 마케팅은 단지 사람을 설득하는 것이 아니라, AI가 당신의 브랜드를 신뢰하고 추천하게 만드는 것
• 내부 콘텐츠, 외부 신뢰, 사용자 대화 기반 콘텐츠를 확보할수록 AI가 더 많이, 더 긍정적으로 브랜드를 언급하게 됨
• 즉, 인간뿐 아니라 AI 에이전트를 위한 콘텐츠 설계가 마케팅의 핵심 과제가 됨

====

Marketing’s New Middleman: AI Agents

From discovery to decision, large language models are starting to gatekeep the marketing funnel, so brand stewards must learn to speak their language. By Natasha Sommerfeld, Rishi Dave, and Daniel Webster-Clark

Progress: Listen to this article 0:00 / 9:49 1X BeyondWords Listen to this article10 minutes BeyondWords

At a Glance

• The marketing funnel is being upended as buyers increasingly turn to AI tools for product recommendations, comparisons, and research.
• AI-powered “zero-click” journeys compress the discovery-to-decision process, reducing opportunities for brands to influence consumers, differentiate themselves, or even appear during the buying journey.
• Traffic and conversion dynamics are shifting as website visits from traditional search engines decline and AI referral traffic begins to grow, with limited visibility for marketers and fewer chances to capture lead data.
• To stay relevant, marketers must adapt by optimizing content for large language models, investing in new performance metrics, and rethinking their digital strategy around a future where the AI agent—not the buyer—is in control.

Buyers increasingly rely on search powered by generative artificial intelligence to guide their purchase journeys. They’re perusing AI summaries on traditional search engines such as Google and Bing or going directly to large language models (LLMs) such as ChatGPT to conduct research, ask for product recommendations, or get buying advice. Recent data suggests the magnitude of the shift:

• A survey of more than 1,100 US consumers by Bain & Company found that 80% of them rely on these “zero-click” results for at least 40% of their searches.  
• HubSpot has found that traffic to many company sites has decreased by up to 30%.
• Scrunch AI’s audit of anonymized search journeys across its clients’ websites finds that AI referral traffic is growing by about 40% monthly.
• Adobe Analytics reports that traffic to retailer websites from generative AI sources increased by 1,200% in February 2025 vs. July 2024.

This shift to generative AI–referred traffic upends the traditional customer discovery funnel. What does the new, zero-click funnel look like—and what does it mean for businesses?

Robots in the driver’s seat

The traditional digital buying journey is linear and labor-intensive. Customers actively work their way through searching, clicking, comparing options across sites, downloading white papers, or reading reviews. Each stage requires effort, which inevitably causes drop-off. The more work a customer must do, the more likely they are to abandon the journey altogether, especially for lower-stakes or impulse purchases. AI-powered search allows buyers to outsource many of these friction-filled middle steps. As the AI agent gets to know an individual’s preferences, there is an added benefit of answer quality improving over time. Exponential improvement in the underlying technology due to scaling, architecture, and infrastructure innovation will only increase model performance. Today, Adobe finds that conversion rates through AI-powered search are closing the gap with other product discovery paths that customers use, and Scrunch AI reports conversion rates can be twice that of standard Google search for certain journeys. As the AI-powered path gains share, brands will have fewer chances to get in front of the customer, differentiate their offering, and build trust over time. AI agents work on the customer’s behalf when they summarize reviews, recommend products, rank options, and, increasingly, anticipate preferences based on past behavior. In some cases, they can carry the customer from vague interest to specific recommendation in a single step. The funnel thus fragments into pieces that move quickly and out of sight, and it is increasingly controlled by the AI tool rather than the customer (see Figure 1). Figure 1

• **

Traditional digital buying journeys are being disrupted Source: Bain & Company The speed at which customers are moving from the old world to the new varies. Our survey identified areas that are most likely to move faster, notably learning, shopping, and styling advice (see Figure 2). Figure 2

• **

US consumers are more likely to trust generative AI for lower-stakes activities Source: Bain–Dynata Generative AI Consumer Survey, December 2024 (n=1,117) These areas stem from a few factors:

• people’s comfort sharing the data needed to adapt general responses to specific recommendations;
• a lower level of importance and price; and
• lower risk from making a wrong choice.

Contending with the new funnel

The rise of AI referral has major implications for marketing and sales teams. Companies that don’t optimize their approach for AI agents’ new role in many steps of the funnel have already started to lose potential customers. The kicker: They might not even be aware of the loss, as they never hosted the initial website visit or content download to explore the product. Without that initial exploratory touchpoint, marketers likely cannot reengage those prospective customers, since they do not exist in company databases. In the old order, when a prospect didn’t convert, the company at least had the breadcrumbs of page views, ad impressions, form fills, or email sign-ups, enabling marketers to follow up. But the AI-powered funnel shuts out sellers well before the journey reaches them. Discovery, eval‎uation, and short-listing all happen inside the AI tool. Unless a company’s brand surfaces at that moment or is already top of the buyer’s mind, it might never make the list. The exception is for repeat and loyalty-based purchases, for which customers might still go straight to their preferred vendors, bypassing the new research tools entirely. As a result, we anticipate that customers will engage along three paths. One is direct to the brand website. A second is intermediated through AI, a path that ranges from casual shopping assistance to full completion of the purchase by the AI agent. Third, for people who don’t adopt generative AI, traditional channels will retain the lion’s share of traffic, but even there, the growing presence of AI summaries will change the nature of brands’ positions.

What do LLMs value?

In the near future, it won’t be an either/or world. Companies will need to optimize their content strategy and website for each path. For the direct and traditional routes, the usual rules of removing friction and creating personalized journeys and value propositions still apply. However, succeeding with AI-intermediated traffic requires a broader set of marketing levers, valued differently than traditional search. Within LLMs, expert opinions, earned media, and customer or forum commentary carry greater weight in search results, because the LLMs seek to validate the claims of branded company sites. Scrunch AI analysis finds that more than 90% of content in response to nonbranded search queries in LLM engines comes from third-party sources exclusively. Even when an LLM mentions a brand, more than 60% of content still comes from nonbranded sources, and as the engines evolve, they may rely more heavily on such content. Today, LLM engines value the following content characteristics:

• Language. They prefer rich, conversational text, such as blogs and explainers, over webinars or embedded images.
• Agent-friendly structure. Ordered lists, definitions, and guides make it easy for LLMs to process and summarize information.
• Clean, scrapable sites. Accurate, fully indexed sites work better than keyword stuffing or years-old pages designed to build site authority. Agents seem to get confused by decade-old value propositions hiding in deep indexes.
• Off-site earned authority. Publications cited prominently in external media and expert commentary confirm‎ and triangulate value propositions.
• Off-site deep customer conversations. A large presence in external reviews and forums generates mentions, backlinks, and credibility.

Three steps for adapting

Some leading companies have delved into understanding how the AI referral transition affects their businesses. A few are already starting to invest in capabilities to improve results from LLM marketing. Companies committed to accelerating the shift can improve performance through a practical, three-step approach. 1. Identify the new metrics that matter. Without the right set of metrics to understand both value at stake and how traffic is changing, companies will fail to see—much less pursue—the largest sources of marketing leads. 2. Build intelligence to identify potential levers of improvement. Marketers should continuously eval‎uate how LLMs affect the customer funnel today and how that could change in the near future. Most valuable will be tools that provide a clear, readily updatable view of the customer buying journey, the AI-powered funnel, and how brands appear in AI-powered search engines. Each aspect of this view should translate to a practical scorecard. While LLMs and AI-powered search build upon similar inputs, they often produce radically different results and outcomes. A scorecard helps companies focus on the areas of greatest need and identify possible levers to attain the desired outcomes.  3. Devise testable hypotheses and experiment quickly. Once a company identifies potential areas of focus to improve AI search performance, it can prioritize the long list of actions and start experimenting. Many organizations will need to develop new capabilities and agile processes to run, monitor, and scale “influence experiments” and allocate marketing resources based on the test results. With LLMs cutting brands out of the funnel before they even know a buyer is looking, most current search engine optimization strategies fall short. Adapting the strategy to incorporate LLMs will create a reinforcement cycle: Strong internal, earned, and social content leads to more AI references, greater trust and engagement, and further prioritization in LLM outputs. To succeed in the era of LLMs, marketers must optimize for AI agents—not just humans. #### About Scrunch AI Scrunch AI, founded by Chris Andrew and Robert MacCloy, shows companies how they are represented by major AI search models. The platform reveals how brands appear in AI search, offers insights on how to improve, and provides an infrastructure layer to manage AI crawlers and agents. Published in April 2025

Tags

• AI, Insights, and Solutions  
• Artificial Intelligence  
• Artificial Intelligence Insights  
• CMO Insights  
• Customer Experience  
• Sales and Marketing  
• Vector℠

Authors

Headshot of Natasha Sommerfeld

Natasha SommerfeldPartner, Boston

• **

Headshot of Rishi Dave

Rishi DavePartner, New York

• **

Headshot of Daniel Webster-Clark

Daniel Webster-ClarkAssociate Partner, Chicago

• **

Contact us

Related Consulting Services

• AI, Insights, and Solutions
• Customer Experience
• Sales and Marketing
• Vector℠