AI 검색 기술, Query Fan-Out 방식이란?
Query fan-out는 AI 검색 시스템이 사용자 문의를 더욱 효율적으로 처리하기 위해 사용하는 기술로, 하나의 문의를 다수의 하위 질문으로 분리한 뒤 각각의 정보를 수집하고 이를 합쳐 단일 응답으로 제공하는 과정이다. Google AI Mode나 ChatGPT와 같은 AI 시스템에서 Query fan-out 방식을 활용하여 사용자에게 더 정확하고 풍부한 답변을 제공하고 있다.
Google이 주도한 기술 도입과 활용
Google은 자사의 대화형 AI 인터페이스 Google AI Mode를 통해 "Query fan-out"이라는 용어를 대중화시켰다. 해당 시스템은 고도화된 이유와 판단이 필요한 경우 다수의 질문을 동시에 생성하는 방식을 사용한다. 이는 AI가 다양한 접근을 통해 문제를 해결하고자 하는 전략으로, 복잡한 검색 의도를 충족시키는 데 유리하다.
주로 LLMs(Large Language Models)에서 활용되는 이 기술은 사용자의 검색 의도를 다양한 방식으로 해석하고, 기존에 온라인에서 명확히 다뤄지지 않았던 복잡한 질문에도 답변을 제공하는 데 도움을 준다.
Query Fan-Out 활용의 마케팅 중요성
AI 기반 응답이 소비자의 의사결정에 미치는 영향을 고려할 때, Query fan-out 최적화는 중요한 마케팅 전략으로 강조된다. 특히 브랜드가 AI 생성 답변에서 어떻게 나타나는지가 점점 중요해지고 있는 상황에서, 다음과 같은 최적화 방안이 제시되고 있다.
최적화 전략
1. 핵심 주제 식별
브랜드와 직결된 주제에 집중하여 AI 응답에서 브랜드가 효과적으로 노출되도록 한다. 이는 기업이 특정 주제에 대한 권위를 가지는 데 도움을 준다.
2. 주제 클러스터 기획
중앙 주제를 다루는 연계된 웹페이지들을 구성하여 다양한 하위 질문을 효과적으로 해결하고, 관련 Query fan-out 검색 응답에서 높은 가시성을 만든다.
3. 포괄적이고 유익한 콘텐츠 제작
핵심 주제를 작고 구체적인 하위 질문들로 나누어 나가는 방식이 필요하다. 이를 위해 키워드 연구, 경쟁사 분석, 관련 온라인 커뮤니티 인사이트 활용이 권장된다.
4. NLP에 최적화된 글쓰기
명확하고 대화형 언어 사용하며, 내용을 구조화하고 서브 헤딩을 활용하여 AI가 콘텐츠를 쉽게 분석하도록 지원한다. 정의를 포함한 자기완결형 텍스트 구성을 도입해야 한다.
5. 스키마 마크업 활용
기계 판독이 용이한 태그를 사용하여 AI 시스템이 정확히 콘텐츠를 이해할 수 있도록 돕는 작업이다. 스키마 마크업은 관련 정보를 AI가 추출하기 용이하게 만든다.
Stripe 사례: 효과적인 Query Fan-Out 활용
Stripe의 웹사이트 사례를 통해 Query fan-out 최적화의 성공적인 활용 방식을 엿볼 수 있다. 이 경우, 전략적으로 구조화된 콘텐츠와 관련성이 높은 정보 제공을 통해 AI 검색 결과에서 가시성을 높이는 데 성공했다.
최적화 평가 방법
최적화 전략의 성과를 측정하려면 AI 플랫폼에서의 브랜드 언급 빈도와 경쟁사 대비 비교를 통해 "Share of Voice"를 분석할 수 있는 도구를 활용하면 된다.
출처 : 원문 보러가기