질문 목록과 키워드 리서치는 무엇이 다른가요?

키워드 리서치 도구는 “이 단어가 한 달에 몇 번 검색되는가”를 알려줍니다. 질문 목록은 “사람들이 실제로 어떤 문장으로 묻는가”에서 출발합니다. 둘은 비슷해 보이지만 결과물이 다릅니다 — 키워드 리서치는 조합 가능한 단어 목록을 주고, 질문 목록은 답을 써야 할 문장을 줍니다. AI 답변엔진은 문서를 검색어 매칭이 아니라 질문에 대한 답으로 다루기 때문에, 이 차이가 AEO에서는 더 크게 벌어집니다.

나비랑이 실제로 이 방식을 쓴 두 사례

지역 실측 340건 — 검색량이 아니라 실제 질의로 설계

2026년 7월, 전국 17개 시도에서 “마케팅 대행사”·“광고대행사” 두 질의의 네이버 웹문서 상위 10건씩을 모아 340건을 분류했습니다. 이 실측을 설계할 때 검색량 도구를 먼저 열지 않았습니다. 실제로 업체를 찾는 사람이 검색창에 칠 법한 문장이 무엇인지부터 정했고, 두 질의를 17개 지역에 그대로 적용해 지역 간 편차를 비교했습니다. 검색량 순으로 키워드를 골랐다면 지역별 비교가 애초에 불가능했을 것입니다 — 지역마다 검색량이 다른 단어를 골랐다면 비교 대상 자체가 달라지기 때문입니다.

자사 측정 단위 280셀 — 질문 유형을 먼저 나눈다

나비랑의 AI 검색 성과 측정은 질문 40개 × 답변엔진 7개, 280셀을 기준선으로 씁니다. 이 40개 질문은 검색량 도구가 뽑아 준 단어 조합이 아니라, 정보 탐색형·문제 해결형·업체 탐색형·비교형·구매 결정형 다섯 가지 질문 유형을 먼저 정의한 뒤 유형별로 채운 것입니다. 유형을 먼저 나누는 이유는 명확합니다 — 정보 탐색형 질문에서는 인용되는데 업체 탐색형 질문에서는 추천 후보에 안 든다면, 그 자체가 하나의 진단이 됩니다. 검색량이 높은 단어 40개를 무작위로 모았다면 이런 유형별 진단이 성립하지 않습니다.

질문 목록을 만드는 순서

두 사례에서 공통으로 쓴 순서를 정리하면 다음과 같습니다.

1. 답해야 하는 사람이 누구인지 먼저 정합니다 — 우리 경우는 “AEO 전문업체를 찾는 담당자”였습니다. 이 정의가 없으면 질문의 범위를 정할 기준이 없습니다.
2. 그 사람이 실제로 쓸 법한 문장을 문장 그대로 적습니다 — 단어가 아니라 문장입니다. “AEO 비용”이 아니라 “AEO 대행 비용은 얼마인가요”처럼 씁니다.
3. 질문을 유형별로 나눕니다 — 정보 탐색·문제 해결·업체 탐색·비교·구매 결정처럼, 답변엔진이 다르게 다룰 만한 의도 단위로 묶습니다.
4. 유형별 개수를 맞춥니다 — 한 유형에만 질문이 몰리면 그 유형의 결과가 전체 평균을 왜곡합니다.
5. 검색량은 그다음입니다 — 이미 정한 질문이 실제로 검색되는지 확인하는 용도로만 씁니다. 검색량이 낮다고 질문을 빼지 않습니다. 지역 실측에서도 “마케팅 대행사”의 지역별 검색량이 다 달랐지만, 비교 목적상 같은 질의를 17개 지역 전부에 동일하게 적용했습니다.

키워드 리서치가 필요 없다는 뜻은 아닙니다

전통 검색엔진에서 색인·클릭을 다루는 층위(SEO)에서는 검색량 데이터가 여전히 유효한 신호입니다. SEO와 AEO의 관계에서 다뤘듯 두 작업은 층위가 다릅니다. 이 글이 말하는 것은 “답변엔진을 위한 콘텐츠를 설계할 때는 검색량이 아니라 질문 문장에서 시작하는 편이 낫다”는 것이지, 키워드 리서치 도구 자체가 쓸모없다는 뜻이 아닙니다.

질문 목록만 있으면 충분한가요

질문 목록만으로는 인용이 보장되지 않습니다. 질문 목록은 무엇에 답해야 하는지를 정하는 설계 단계이고, 실제로 인용되는지는 콘텐츠 품질·구조화 데이터·엔티티 신뢰도 같은 다른 요인이 함께 작용합니다. AI 검색 노출 준비도 체크리스트의 콘텐츠 영역과 함께 확인하는 것이 좋습니다.