4장. Fan-out은 구매 질문을 쪼갠다

AI는 사용자의 질문을 한 번에 답하지 않는다.

겉으로는 하나의 프롬프트처럼 보이지만 안쪽에서는 여러 하위 검색으로 갈라진다. 이 현상을 fan-out으로 이해하면 콘텐츠 전략이 바뀐다.

"AI 검색 노출 진단 서비스가 필요할까?"라는 질문 하나는 여러 질문으로 쪼개진다.

• AI 검색 노출이 기존 SEO와 어떻게 다른가
• 어떤 사업에 먼저 필요한가
• 가격은 어느 정도가 적절한가
• 실험은 어떻게 해야 하는가
• 어떤 출처가 답변에 쓰이는가
• 결과를 신뢰할 수 있는가
• 대행과 진단의 차이는 무엇인가
• 실제로 만들 웹 자산은 무엇인가

이 질문 중 하나라도 대응할 근거가 없으면 AI는 다른 출처를 집어 올린다.

Growth Memo의 reasoning lift 분석은 이 방향을 강하게 시사한다. reasoning 강도가 올라갈수록 AI는 더 많은 검색과 더 많은 인용을 사용할 수 있고, 참조하는 출처 묶음도 달라질 수 있다. 즉 복잡한 질문일수록 평균 노출만 보면 판단이 흐려진다.

그래서 콘텐츠 회의는 바뀌어야 한다.

"이번 주에 AEO/GEO 글 하나 쓸까?"가 아니다.

"고객의 구매 질문이 fan-out될 때 빠지는 하위 질문은 무엇인가?"다.

좋은 웹 자산은 한 질문을 끝낸다. "AEO/GEO란 무엇인가"를 끝내는 페이지, "AI 검색 노출 진단은 무엇을 산출물로 주는가"를 끝내는 페이지, "API 기반 점수만 믿으면 왜 위험한가"를 끝내는 페이지가 각각 필요하다.

하나의 긴 랜딩 페이지보다 질문별 근거 조각이 중요해진다.

이는 책에도 적용된다. 이 책은 유행어를 설명하는 책이 아니라 질문 지도를 만드는 책이어야 한다. 독자가 다 읽고 나면 "AI 검색 시대에 내 사업이 어디서 빠지는지 어떻게 확인할지"를 알아야 한다.

출처 메모 (1)

1. Growth Memo, "Reasoning lift: What happens to AI visibility when AI thinks harder". reasoning 강도에 따른 검색량, citation, 출처 묶음 변화 가능성을 다룬 분석.