구글 AI 모드가 질문을 여러 개로 쪼개 검색합니다 — 쿼리 팬아웃에서 우리 페이지가 뽑히려면

AI 모드에서 검색하면 구글은 내가 입력한 문장 그대로를 찾지 않는다. 질문을 여러 개의 하위 질문으로 쪼갠 뒤 각각 답을 모아 하나의 응답으로 합친다. 이걸 쿼리 팬아웃(query fan-out)이라고 부른다. 우리 페이지가 이 과정에서 뽑히려면 무엇을 바꿔야 하는지, 반대로 뭘 해도 소용없는지부터 정리한다.

쿼리 팬아웃이 실제로 하는 일

기존 검색은 입력한 키워드에 가장 가까운 문서를 순서대로 나열했다. AI 모드는 다르다. 하나의 질문이 들어오면 의도와 복잡도를 먼저 판단하고, 답을 완성하는 데 필요한 하위 질문 여러 개를 자체적으로 생성한다. 각 하위 질문마다 별도의 검색을 돌려 후보 문서를 수집한 다음, 그 조각들을 종합해 하나의 답변으로 재구성한다. 사용자에게는 검색 한 번처럼 보이지만 뒤에서는 여러 번의 검색이 동시에 돌아간 결과다. 그래서 어떤 페이지가 "정답"으로 뽑혔는지가 아니라, 여러 하위 질문 중 몇 개에서 후보로 골라졌는지가 노출 여부를 가른다.

예를 들어 "지역 소상공인 마케팅 어떻게 시작하나"라는 질문 하나가 들어오면, 팬아웃은 이걸 "예산은 얼마나 필요한가", "네이버와 구글 중 뭘 먼저 해야 하나", "대행사 없이 직접 할 수 있는 범위는 어디까지인가" 같은 서로 다른 하위 질문으로 나눠 각각 검색한다. 이 중 한 페이지가 "예산" 질문에만 정확히 답해도 그 갈래에서는 인용 후보가 되고, 나머지 갈래는 다른 사이트의 문서가 채운다. 최종 답변 하나에 서로 다른 출처 서너 개가 섞여 인용되는 이유가 여기 있다.

어떤 질문에서 팬아웃이 강하게 걸리나

단순 사실 질문, 예를 들어 "환율 계산법" 같은 건 팬아웃 폭이 좁다. 반면 "홈페이지 로딩 속도를 개선하려면 어디서부터 손대야 하나" 같은 복합·비교·절차형 질문은 하위 질문이 여러 갈래로 늘어난다. 마케팅·SEO 실무 콘텐츠 대부분이 후자에 해당한다. 잠재 고객은 "SEO 대행사 비용", "우리 업종에 맞는 마케팅 채널", "직접 할지 맡길지" 같은 질문을 한 번에 던지는 경우가 많고, AI 모드는 이걸 서로 다른 하위 질문 서너 개로 쪼개 각각 답을 찾는다. 즉 한 페이지가 모든 갈래를 커버하지 못해도, 특정 갈래 하나만 정확히 답하면 그 갈래의 후보로는 뽑힐 수 있다는 뜻이다.

후보로 뽑히려면 바꿔야 하는 것

먼저 페이지 하나에 주제를 욱여넣지 말고, 하위 질문 단위로 문단을 쪼갠다. "비용이 얼마인가", "기간은 얼마나 걸리나", "실패 사례는 무엇인가"처럼 실제 사용자가 이어서 물을 법한 질문을 소제목으로 세워두면 팬아웃 단계에서 해당 문단만 따로 뽑혀갈 확률이 올라간다. 둘째, 답을 문단 앞부분에 먼저 쓴다. AI 모드가 문서를 스캔할 때 결론이 뒤에 있으면 하위 질문과의 매칭 신뢰도가 떨어진다. 셋째, 숫자·기간·조건처럼 명확히 인용 가능한 표현을 쓴다. "빠르게", "효과적으로" 같은 모호한 형용사는 답변 합성 단계에서 채택되기 어렵다. 넷째, 같은 사이트 안에서 하위 주제끼리 서로 링크해 둔다. 팬아웃이 한 사이트 안의 여러 페이지를 동시에 참조하는 경우, 내부 연결이 있으면 그 사이트를 하나의 신뢰 있는 정보 군집으로 판단할 근거가 늘어난다.

해도 소용없는 것들

질문형 제목을 늘어놓는다고 팬아웃에 유리해지지 않는다. 팬아웃은 제목 문장 구조가 아니라 문서가 실제로 답을 담고 있는지를 본다. FAQ 스키마를 붙이는 것도 마찬가지다. 구조화 데이터는 검색 결과의 표시 방식을 도와줄 뿐, AI 모드가 어떤 페이지를 하위 질문 답변원으로 고를지에 직접 영향을 준다는 근거는 구글이 공개한 자료에 없다. 또 하나, 팬아웃 대응을 이유로 사이트 전체 글자 수를 늘리는 것도 방향이 다르다. 오히려 문서를 하위 질문 단위로 잘게 나누고 각 부분을 완결된 답으로 만드는 편이 합성 단계에서 인용되기 쉽다.

성과를 어떻게 확인하나

여기서부터는 대행사 보고서에서 자주 빠지는 부분이다. AI 모드 안에서 인용됐다고 해서 반드시 클릭이 발생하지는 않는다. 사용자가 답변만 보고 이탈하면 GSC 노출 수는 잡히지만 GA4에는 세션이 남지 않는다. 그래서 "AI 모드 노출이 늘었다"는 보고와 "실제 방문·문의가 늘었다"는 보고를 같은 숫자로 섞어 말하면 안 된다. GSC의 검색결과 성능 보고서에서 검색 유형을 AI 개요·AI 모드로 필터링해 노출·클릭을 따로 보고, GA4 쪽은 리퍼러가 잡히는 유입만 별도로 집계해 두 수치를 나란히 놓고 봐야 한다. 노출만 늘고 클릭이 그대로라면 팬아웃 후보에는 들어갔지만 답변 안에서 굳이 원문을 눌러볼 이유를 주지 못했다는 뜻이고, 이 경우엔 문단 내용보다 페이지에만 있는 정보 — 가격표, 상담 신청, 사례 사진 — 를 본문 앞쪽에 더 명확히 노출하는 쪽이 우선이다.

점검 순서

• 주력 페이지가 다루는 주제를 실제 잠재 고객이 물을 하위 질문 3~5개로 먼저 쪼개 본다.
• 각 하위 질문에 대한 답이 해당 문단 첫 문장에 있는지 확인한다.
• 모호한 형용사 표현을 숫자·기간·조건으로 바꿀 수 있는지 점검한다.
• 같은 주제를 다루는 다른 페이지와 내부링크가 걸려 있는지 확인한다.
• GSC의 AI 노출 데이터를 참고하되, 클릭 없는 노출 수치만으로 성과를 단정하지 않는다.

AI 모드 노출을 목표로 콘텐츠를 새로 만들기 전에, AI 검색 인용에서 실제로 통제 가능한 범위와 llms.txt처럼 효과가 검증되지 않은 대응부터 구분해 두는 편이 낫다. 팬아웃은 새로운 알고리즘이 아니라 기존 SEO 원칙 — 명확한 답, 좁은 주제 단위, 내부 연결 — 을 다시 요구하는 구조에 가깝다.