Perplexity에 경쟁 솔루션을 검색했더니 자사 브랜드가 당당히 비교 목록에 올라 있었습니다. 설명도 정확했습니다. 그런데 그 달 Trial 가입 수는 전월과 똑같았습니다.
이건 특이한 사례가 아닙니다. AI Overviews가 포함된 검색 결과에서 기존 오가닉 1위의 클릭률(CTR)은 20~35% 하락하고, AI 화면에서 실제 사이트로 넘어가지 않는 제로 클릭 비율은 최대 83%에 달합니다. AI가 브랜드 홍보는 해주지만 트래픽은 가져가는 구조입니다.
문제는 '언급되느냐'가 아니라 'AI가 얼마나 정확하게 인용하고, 그 유저가 어디로 가느냐'입니다. 브랜드 노출과 Trial 전환 사이의 빈 공간을 구조적으로 채워야 합니다.
LLM(대형 언어 모델)은 웹페이지 텍스트를 자체적으로 해석합니다. 구조화되지 않은 HTML에서 가격을 읽으면 환각(Hallucination) 이 발생해 잘못된 금액이 답변에 포함됩니다. 유저는 AI 화면에서 이미 '이 제품은 월 $299'라는 오정보를 받고 이탈합니다.
CSS 그리드나 플렉스박스로 시각적으로 예쁘게 만든 비교 테이블은 기계가 읽기 어렵습니다. AI 크롤러는 <table>, <th>, <td> 태그 기반의 표준 HTML 구조를 훨씬 정확하게 파싱합니다. 구조가 불명확하면 AI는 경쟁사 기능을 자사 기능으로 혼동하거나 아예 생략합니다.
AI 검색을 거쳐 들어온 방문자는 이미 경쟁사와 비교 중인 구매 직전 단계 유저입니다. 그런데 이들을 일반 마케팅 홈페이지로 보내면, 처음부터 다시 브랜드를 설명하는 페이지를 보게 됩니다. 맥락이 끊기면 이탈합니다.
비교 페이지의 테이블을 CSS 레이아웃 대신 표준 <table> 태그로 재작성합니다. 행(<tr>)마다 비교 항목(가격, 핵심 기능, 지원 방식 등)을 명확한 헤더(<th>)로 구분하면 AI 크롤러가 '자사 vs 경쟁사A'의 차이를 의미 단위로 파악합니다.
AI 환각을 막는 가장 직접적인 방법은 기계가 읽는 구조화 데이터에 정확한 값을 박아두는 것입니다. 아래처럼 Product 스키마와 AggregateRating을 함께 선언하면 AI가 가격과 평점을 임의로 해석하지 않습니다.
{
"@context": "https://schema.org",
"@type": "Product",
"name": "자사 SaaS 브랜드명",
"offers": {
"@type": "Offer",
"price": "99.00",
"priceCurrency": "USD"
},
"aggregateRating": {
"@type": "AggregateRating",
"ratingValue": "4.8",
"reviewCount": "120"
}
}스키마를 적용한 뒤에는 반드시 구글의 리치 결과 테스트(Rich Results Test) 도구로 오류 여부를 확인합니다. 가격 정책이 바뀔 때마다 스키마도 함께 업데이트하지 않으면, LLM이 구 버전 가격을 답변에 인용하는 역효과가 납니다.
AI는 H2·H3 제목 바로 아래의 첫 단락을 스니펫(Snippet)으로 가져가는 경향이 있습니다. 각 비교 항목 제목 아래에 40~60단어 분량의 요약 문장을 배치하되, '이 도구', '그것' 같은 대명사 대신 브랜드명을 명확한 주어로 씁니다.
예시: "자사 솔루션은 Slack·Jira 연동을 기본 플랜에서 무제한 제공하며, 경쟁사A는 Enterprise 플랜에서만 지원합니다."
AI가 이 문장을 그대로 발췌하면, 답변에 자사 브랜드명이 정확한 맥락으로 등장합니다.
GEO(생성엔진 최적화) 연구 데이터에 따르면, 5,000단어 이상의 심층 비교 콘텐츠는 중간 길이 콘텐츠보다 AI 인용 확률이 50% 높습니다(상관계수 r=0.393). 또한 권위 있는 외부 출처로 향하는 아웃바운드 링크 30개 이상을 포함한 페이지는 60% 더 많이 인용됩니다(r=0.360).
단, 외부 링크는 공식 통계나 업계 리포트처럼 신뢰도가 높은 출처여야 합니다. 무관한 링크를 억지로 채우면 오히려 역효과입니다.
Perplexity, ChatGPT, Google AI Overviews 링크를 통해 들어온 방문자는 리퍼러(Referrer) 정보로 구분됩니다. UTM 파라미터를 비교 페이지 URL에 미리 심어두면 GA4나 CRM에서 AI 채널 유입을 별도 세그먼트로 볼 수 있습니다.
예를 들어 Perplexity 인용 링크에는 ?utm_source=perplexity&utm_medium=ai_referral&utm_content=vs_경쟁사A 형태로 붙여둡니다.
유저가 [자사] vs [경쟁사A] 페이지를 읽다가 Trial 가입 버튼을 클릭할 때, 해당 페이지 슬러그(slug)와 비교 맥락을 세션 스토리지 또는 퍼스트파티 쿠키에 저장합니다. 이 데이터는 앱 온보딩 단계로 넘겨집니다.
유저가 앱에 처음 진입하는 순간이 전환율을 결정합니다. 저장된 컨텍스트를 읽어 온보딩을 분기합니다.
Pendo, Userpilot, Segment 같은 제품 분석 도구를 마케팅 사이트와 인앱 환경에 동시 연동하면 이 흐름을 코드 최소화로 구현할 수 있습니다.
Trial 도중 유료 기능 장벽을 만난 유저에게 즉시 결제를 요구하면 이탈합니다. 대신 '이 기능 3일 무료 체험' 같은 가벼운 넛지를 인앱 팝업으로 제공합니다. PLG(Product-Led Growth) 전략을 고도화한 기업의 인앱 넛지 Trial 전환율은 약 5~8% 수준으로 보고됩니다.
① 비교표를 자사에 유리하게만 채운다
AI 엔진은 지나치게 편향된 비교표를 신뢰도가 낮은 소스로 판단합니다. 경쟁사의 실제 강점도 공정하게 기재해야 장기적으로 AI 인용 소스 목록에 남습니다. 객관성이 신뢰도를 만들고, 신뢰도가 인용을 만듭니다.
② 스키마를 한 번 심고 업데이트하지 않는다
가격이나 기능 스펙이 바뀌었는데 JSON-LD는 구 버전이면, AI가 틀린 정보를 자신 있게 답변합니다. 분기 1회 이상 리치 결과 테스트로 스키마 정합성을 검증하는 것을 팀 캘린더에 고정해야 합니다.
③ AI 에이전트 트래픽을 인간 Trial 데이터에 섞는다
2026년 현재 MCP 등 AI 에이전트가 비교 페이지 데이터를 직접 수집하는 기계적 신호가 증가하고 있습니다. 이 트래픽을 실제 유저 Trial 데이터와 혼합하면 전환율 분석이 왜곡됩니다. CRM에서 봇 시그널과 인간 세션을 분리하는 필터링 규칙을 미리 설정해야 합니다.
| 점검 항목 | 현재 상태 확인 방법 | 우선순위 |
|---|---|---|
비교 페이지가 <table> 태그 기반인가 |
개발자 도구 Elements 탭 확인 | 높음 |
| JSON-LD Product 스키마가 적용되어 있는가 | 리치 결과 테스트 | 높음 |
| AI 채널 UTM이 비교 페이지 링크에 있는가 | GA4 소스/매체 보고서 | 높음 |
| 가입 컨텍스트가 인앱으로 전달되는가 | 세션 스토리지 디버깅 | 중간 |
| G2·Capterra 등 4곳 이상 리뷰 플랫폼에 등록되어 있는가 | 수동 확인 | 중간 |
| 스키마와 실제 가격이 일치하는가 | 분기 1회 정기 점검 | 높음 |
Q. JSON-LD 스키마를 심으면 Google 검색 순위에도 영향을 주나요?
A. 직접적인 순위 요소는 아니지만, 리치 스니펫(별점, 가격 표시)이 SERP에 노출되어 클릭률이 올라가는 간접 효과가 있습니다. AI 인용 정확도 향상은 별도 효과입니다.
Q. 비교 페이지 콘텐츠를 5,000단어로 늘리면 사용자 경험이 나빠지지 않나요?
A. 목차와 앵커 링크로 구조화하면 실제 읽는 사용자는 원하는 섹션으로 바로 이동할 수 있습니다. 깊이 있는 콘텐츠와 좋은 UX는 상충하지 않습니다.
Q. Pendo나 Userpilot 없이도 맥락 기반 온보딩이 가능한가요?
A. 가능합니다. 세션 스토리지에 유입 페이지 슬러그를 저장하고, 앱 온보딩 로직에서 이를 읽어 분기하는 방식은 별도 툴 없이 개발팀이 직접 구현할 수 있습니다. 다만 행동 데이터 분석과 A/B 테스트까지 하려면 전문 도구가 효율적입니다.
Q. 경쟁사 강점을 비교표에 솔직하게 적으면 전환율이 떨어지지 않나요?
A. 오히려 반대입니다. AI 검색을 거쳐 들어온 유저는 이미 비교 중인 상태입니다. 편향된 자화자찬보다 공정한 비교가 신뢰를 형성하고, 자사가 강점을 가진 항목에서 더 설득력 있게 작동합니다.
Q. AI 에이전트 트래픽은 어떻게 필터링하나요?
A. User-Agent 문자열에 봇 시그널이 포함된 경우, 세션 시간이 비정상적으로 짧은 경우, 인앱 행동 없이 API만 호출하는 경우를 CRM 세그먼트에서 제외 규칙으로 설정합니다.
AI가 브랜드를 언급해 주는 시대에 B2B SaaS의 진짜 병목은 '인지도'가 아니라 '정확한 인용 구조'와 '유입 후 연결'입니다. 비교 테이블 구조화 데이터로 AI가 자사 정보를 정확하게 발췌하게 만들고, 그 유저가 맥락 맞춤 Trial로 바로 진입하도록 설계하면 — 줄어든 클릭 수에도 불구하고 세일즈 파이프라인은 오히려 두꺼워집니다.
에이달(ADALL)은 B2B SaaS 마케팅팀과 함께 GEO 구조 설계부터 인앱 트라이얼 연동 흐름까지 실무 단위로 진단하고 설계합니다. 현재 비교 페이지 구조나 Trial 전환 병목이 궁금하시다면 아래로 문의해 주세요.
📞 02-2664-8631 | ✉️ master@adall.co.kr
[무료 컨설팅 문의하기 →]
무료 컨설팅 받아보고 싶다면?
무료 컨설팅 신청하기