AI 검색 작동 방식 이해 : 구글 쿼리 팬 아웃

이제까지 웹사이트 상위노출을 위한 SEO 전략은 타깃 키워드를 선정해, 그 하나의 키워드 상위노출을 위해 콘텐츠를 발행해 왔습니다. 예를 들어 '강남 맛집'이라는 키워드로 1위를 차지하기 위해 해당 키워드에 최적화된 콘텐츠를 작성하고, 백링크를 구축하며, 기술적 SEO를 개선하는 방식이었죠.

그런데 이제 AI 검색이 등장하면서 '게임의 룰'이 완전히 바뀌었습니다. 구글의 최신 특허 문서 US12158907B1과 구글이 발표한 검색 AI 모드 업데이트 문서를 바탕으로 '구글 AI 검색의 작동 원리'를 실무 관점에서 쉽게 풀어드리겠습니다.

쿼리 팬 아웃이란 무엇인가요?

AI 검색을 이용하다가 "와, 내가 물어보지 않았던 내용까지 알려주네?"하는 느낌을 받아 본 적 있지 않으신가요? 저희 팀도 AI가 생각하지 못했던 관점을 제시해줘서 AI 검색을 기획 단계에서 가장 많이 활용하는데요. 우리에게 이러한 경험을 제공해주는 기반 기술이 바로 이번 아티클에서 말씀드릴 구글의 '쿼리 팬 아웃(Query Fan-out)'입니다.

구글 특허 US12158907B1 'THEMATIC SEARCH'에 따르면, 테마틱 검색 엔진은 "웹 콘텐츠에 대한 검색 쿼리에 응답하여 검색 엔진이 검색 쿼리와 관련된 검색 결과를 획득하고, 응답 문서 세트를 포함하는 검색 결과에서 복수의 테마를 생성하는" 혁신적인 방법입니다. 각 테마는 "해당 테마를 설명하는 각각의 문구"를 포함하며, 이를 통해 "브라우저 애플리케이션에 테마틱 데이터를 제공"한다고 명시되어 있습니다.

쉽게 말해, AI가 하나의 검색어를 여러 관련 주제로 '팬 아웃(확산)'시켜 검색해 자료를 취합한다는 뜻입니다. 예를 들어 고객이 '강남 맛집'이라고 검색하면, AI는 동시에 '강남 한식당', '강남 데이트 코스', '강남 점심 메뉴', '강남 회식 장소' 등 관련된 모든 주제를 함께 탐색합니다.

AI 검색의 쿼리 팬 아웃 작동 방식

이는 기존 검색이 단순히 '강남 맛집' 키워드만 매칭했던 것과는 완전히 다른 접근 방식입니다. 이제는 하나의 키워드가 아닌 '주제 생태계 전체'를 고려해야 합니다.

사실 이러한 쿼리 팬 아웃 기술은 이미 우리에게 친숙한 기능입니다. 구글의 2025 I/O에 따르면 Google Gemini Deep Research가 바로 이 기술을 활용하고 있기 때문입니다.

구글 제미나이 딥리서치의 작동 모습

Google Gemini Deep Research는 동일한 '쿼리 팬아웃' 기술을 한 단계 발전시켜 수백 건의 쿼리를 동시에 수행하고, 서로 다른 정보를 종합적으로 분석하여 단 몇 분 만에 참고 문헌이 포함된 전문가 수준의 보고서를 생성합니다.

쿼리 팬 아웃은 어떤 원리로 작동하나요?

가장 중요한 것은 "우리 콘텐츠가 AI에게 어떻게 인식되는가"입니다. 구글 특허 문서를 바탕으로 테마틱 검색의 작동 과정을 단계별로 해석해보면, 기존 SEO 전략을 왜 바꿔야 하는지 명확해집니다.

1단계: 검색 결과 수집 (Search Results Acquisition)

특허에 따르면, 검색 엔진이 웹 콘텐츠에 대한 검색 쿼리에 응답하여 관련 검색 결과를 획득합니다. 이는 기존 검색과 동일한 과정으로, 키워드 매칭, 페이지 권위성 등의 전통적인 SEO 요소들이 여전히 중요합니다. 하지만 이것은 테마틱 검색의 시작일 뿐입니다.

2단계: 응답 문서 세트 구성 (Responsive Documents Set)

수집된 검색 결과에서 응답 문서 세트를 구성합니다. 특허에서는 이 문서들의 콘텐츠를 분석하여 테마를 생성한다고 명시하고 있습니다. 단순히 제목이나 메타 태그만 보는 것이 아니라, 실제 콘텐츠 내용을 분석하는 것이 핵심입니다.

3단계: 복수 테마 생성 (Plurality of Themes Generation)

특허의 핵심 부분으로, 응답 문서 세트에 포함된 콘텐츠에서 복수의 테마를 생성합니다. 예를 들어 '강남 맛집' 검색에서 '지역별 맛집', '가격대별 추천', '분위기별 선택' 등의 다양한 테마가 자동으로 발굴됩니다. 이는 키워드 중심에서 주제 중심으로의 패러다임 전환을 의미합니다.

4단계: 테마 설명 문구 생성 (Respective Phrase Description)

특허에 따르면, 각 테마에는 해당 테마를 설명하는 각각의 문구가 포함됩니다. 이는 사용자가 이해하기 쉬운 형태로 테마를 표현하는 단계입니다. 우리 콘텐츠가 특정 테마의 대표적인 설명으로 선택될 수 있도록 전문성과 명확성을 갖춰야 합니다.

5단계: 테마틱 데이터 제공 (Thematic Data Provision)

마지막으로 클라이언트 디바이스의 브라우저 애플리케이션에 테마틱 데이터를 제공합니다. 이 데이터에는 복수의 테마와 테마틱 검색 결과가 포함됩니다. 사용자는 구조화된 주제별 정보를 통해 더 효율적으로 원하는 정보를 탐색할 수 있게 됩니다.

기존 키워드 중심의 검색방식과 차이점은 무엇인가요?

가장 체감되는 변화는 '게임의 룰'이 완전히 바뀌었다는 것입니다. 기존 검색은 사용자가 입력한 키워드와 웹페이지의 텍스트 매칭, 백링크 분석, 사이트 권위성 등에 주로 의존했습니다. 검색엔진은 단순히 "이 문서가 검색어와 얼마나 관련이 있는가?"를 판단하여 관련성 순으로 결과를 나열했습니다. 하지만 쿼리 팬 아웃은 실제 콘텐츠의 의미를 AI가 이해하고 사용자의 잠재적 관심사를 예측하여 능동적으로 정보를 재구성합니다. 이는 완전히 새로운 접근 방식이 필요함을 의미합니다.

구글 쿼리 팬 아웃에서 주제의 우선순위는 어떻게 결정되나요?

가장 궁금한 부분일 것입니다. "우리 콘텐츠가 어떤 주제에서 1순위로 선택될 수 있을까?" 구글 특허에 따르면, 테마의 순서는 임의로 정해지는 것이 아니라 체계적인 랭킹 알고리즘에 의해 결정됩니다. 시스템은 각 테마의 관련성, 품질, 그리고 사용자 의도와의 일치도를 종합적으로 평가합니다.

특히 중요한 것은 각 테마가 원본 검색 쿼리와 얼마나 밀접한 관련이 있는지입니다. 예를 들어 '강남 맛집' 검색에서 '지역별 맛집'은 높은 관련성을, '강남 부동산'은 상대적으로 낮은 관련성을 갖게 됩니다. 이제 단순한 키워드 최적화를 넘어서 콘텐츠의 주제적 일관성과 포괄성을 고려해야 합니다. 우리가 타겟팅하는 주제에서 정말 전문가로 인정받을 만한 깊이 있는 콘텐츠를 제공하고 있는지 점검해야 할 시점입니다.

참고문헌