리뷰, SEO, AI 검색,
그 말들의 모든 것.

감성 분석은 리뷰 텍스트를 긍정, 부정, 중립으로 자동 분류하는 기법으로, 배송, 사이즈, 고객 지원 등 반복되는 주제를 묶는 주제 추출과 함께 사용되어 수백 건의 상품평을 일일이 읽지 않고도 스토어가 고객 반응의 흐름을 파악할 수 있게 합니다.

리뷰 게이팅은 구매 후 고객을 사전에 분류하여 만족한 고객만 공개 리뷰 작성으로 안내하고, 불만족한 고객은 비공개 피드백 채널로 유도함으로써 게시된 별점이 실제 고객 경험보다 좋아 보이게 만드는 관행입니다.

리뷰 속도(Review Velocity)는 상품에 신규 리뷰가 쌓이는 속도로, 주 또는 월 단위 신규 리뷰 건수로 측정하며, 해당 상품이 활발히 판매되고 있고 최근 구매자에게 검증되었음을 방문자와 AI 시스템에 알리는 신호입니다.

리뷰 신디케이션은 브랜드 사이트, 리테일 파트너 스토어, 마켓플레이스 등 여러 판매 채널에 동일한 고객 리뷰를 공유하는 방식으로, 한 곳에서 수집된 리뷰가 해당 상품이 판매되는 모든 곳에 표시됩니다.

리뷰 위젯은 상품 페이지나 컬렉션 페이지에서 고객 리뷰를 표시하는 온페이지 컴포넌트로, 일반적으로 별점, 리뷰 수, 개별 리뷰 내용을 보여주며, 로드 후 콘텐츠를 삽입하는 JavaScript 방식 또는 서버에서 렌더링된 HTML 방식으로 제공됩니다.

별점은 상품에 대한 고객 평가를 1점에서 5점으로 요약한 지표로, 개별 리뷰 점수의 평균으로 산출되며 구매자가 모든 리뷰를 열람하지 않고도 전반적인 상품 품질을 한눈에 파악할 수 있게 합니다.

보상형 리뷰는 고객이 할인, 적립 포인트, 무료 샘플, 추첨 응모 등의 혜택을 제공받은 후 작성하는 리뷰로, 보상은 리뷰 작성 행위 자체에 감정과 무관하게 지급되며, 반드시 사전에 공개 고지되어야 하고, 긍정적인 내용을 조건으로 해서는 안 됩니다.

사용자 생성 콘텐츠(UGC)는 브랜드가 아닌 고객이 직접 만든 콘텐츠로, 리뷰, 별점, 사진, 영상, 질문과 답변을 포함하며 상품 페이지 또는 스토어 페이지에 게시되어 구매자와 검색 엔진이 실제 사용 경험의 직접적인 증거로 활용합니다.

소셜 프루프는 사람들이 다른 이들의 선택을 신뢰하는 경향을 가리키며, 스토어에서는 리뷰, 별점, 판매 건수, 고객 사진 등으로 나타나며, 상품이 검증된 선택임을 알리고 구매를 망설이는 고객의 의사결정을 돕습니다.

실구매자(Verified Buyer)는 상품을 실제로 구매한 이력이 주문 기록과 대조되어 확인된 리뷰 작성자를 말하며, 해당 리뷰에는 「구매 확인」 또는 「실구매자」 레이블이 표시되어 그 의견이 실제 구매 경험에서 나온 것임을 나타냅니다.

종합 평점은 상품에 달린 모든 리뷰를 평균하여 하나의 수치로 집계한 값이며, 동명의 schema.org 속성을 통해 검색 엔진이 해당 평균을 검색 결과 목록 옆에 별점 스니펫으로 표시할 수 있게 합니다.

질문과 답변(Q&A)은 상품 페이지에 마련된 섹션으로, 잠재 구매자가 상품에 대해 질문하면 브랜드 또는 기존 구매자가 공개적으로 답변을 달아 해당 상품 페이지에 직접 누적되는 구매자 주도의 질의응답 스레드를 형성합니다.

퍼스트파티 데이터(first-party data)란 기업이 구매 내역, 계정 정보, 설문 응답, 상품평 등 고객과의 직접적인 상호작용을 통해 동의를 받아 수집하고 직접 소유하는 정보로, 외부에서 구매하는 데이터와 구별됩니다.

포토 리뷰는 구매자가 실제로 받은 상품을 직접 촬영한 이미지를 텍스트 별점에 첨부한 상품평으로, 브랜드의 스튜디오 사진이 아닌 실사용 모습을 다른 고객이 직접 확인할 수 있게 합니다.

Alt 텍스트(대체 텍스트)는 이미지에 붙이는 짧은 문자 설명으로, HTML의 alt 속성에 설정하며, 스크린 리더가 시각 장애 사용자에게 읽어 주고 검색 엔진이 이미지의 내용을 파악하여 이미지 검색에 노출할 때 활용합니다.

Core Web Vitals는 페이지 경험을 측정하는 Google의 세 가지 현장 지표로, 로딩 속도를 나타내는 Largest Contentful Paint(LCP), 반응성을 나타내는 Interaction to Next Paint(INP), 시각적 안정성을 나타내는 Cumulative Layout Shift(CLS)로 구성되며, 실제 방문자의 사용 데이터를 기반으로 측정됩니다.

E-E-A-T는 구글이 페이지와 콘텐츠 제작자의 신뢰성을 판단하기 위해 사용하는 품질 평가 체계로, 경험(Experience), 전문성(Expertise), 권위성(Authoritativeness), 신뢰성(Trustworthiness)의 네 가지 요소를 검토하며, 특히 금전이나 건강에 영향을 미치는 주제에서 검색 노출 가치가 있는지 판단합니다.

Google 판매자 평점(Google Seller Rating)은 Google이 승인된 리뷰 출처에서 수집하여 별 5개 만점으로 표시하는 판매자 수준의 평점으로, 검색 광고, 쇼핑, Google Customer Reviews 배지에 노출되며 특정 상품이 아닌 스토어 전체를 평가합니다.

JSON-LD(JavaScript Object Notation for Linked Data)는 Google이 권장하는 구조화 데이터 형식으로, 페이지의 가시적인 HTML을 수정하지 않고 검색 엔진에 해당 페이지의 엔티티를 설명하는 연결 데이터 JSON 스크립트 블록을 페이지에 삽입합니다.

XML 사이트맵은 검색 엔진에 색인을 요청할 URL 목록을 담은 파일로, 크롤러가 내부 링크만 따라가지 않고도 페이지를 발견하고 색인 우선순위를 판단할 수 있도록 돕습니다.

구조화 데이터(structured data)란 웹 페이지에 추가하는 기계 판독 가능 정보로, 대개 schema.org의 공통 어휘를 따르며 페이지의 내용(상품, 레시피, 리뷰 등)을 고정된 형식으로 기술해 검색 엔진과 AI 시스템이 추측 없이 읽을 수 있게 합니다.

내부 링킹은 같은 사이트 내 페이지들 사이에 링크를 배치하는 방법으로, 강한 페이지에서 약한 페이지로 랭킹 신호를 분산시키고, 검색 크롤러가 관련 콘텐츠를 발견하고 이해하도록 도우며, 독자를 연관된 페이지로 안내합니다.

리치 스니펫은 페이지에 마크업된 구조화 데이터를 바탕으로 Google 또는 Naver가 검색 결과에 별점, 리뷰 수, 가격, 재고 상태 등 표준 제목·URL·설명 이상의 정보를 함께 표시하는 강화된 검색 결과입니다.

메타 디스크립션은 검색 엔진이 결과 페이지에서 제목 아래에 표시할 수 있는 짧은 HTML 요약 태그로, 직접적인 랭킹 요소는 아니지만 명확하고 관련성 높은 설명이 클릭률을 높일 수 있으며, Google은 검색자의 쿼리에 더 잘 맞는 내용으로 자주 다시 씁니다.

백링크는 외부 웹사이트에서 자신의 페이지로 연결되는 링크로, 다른 사이트가 해당 페이지를 참조할 만하다고 인정했다는 신호이기 때문에 검색 엔진이 권위와 신뢰를 판단하는 핵심 요소로 활용됩니다.

스키마 마크업은 schema.org에서 제공하는 구조화된 어휘로, 웹 페이지 콘텐츠에 기계가 이해할 수 있는 레이블을 붙여 검색 엔진과 AI 시스템이 각 요소의 의미를 정확히 파악하고 리치 결과를 표시하거나 해당 페이지를 특정 엔티티로 인식할 수 있게 하는 코드입니다.

정규 URL은 여러 URL이 동일하거나 유사한 콘텐츠를 제공할 때 검색 엔진에 대표 버전으로 지정하는 주소로, head 영역의 rel=canonical 링크로 선언하면 분산되던 랭킹 신호가 하나의 주소로 통합됩니다.

크롤 가능성(Crawlability)은 검색 엔진 크롤러가 페이지에 접근하여 콘텐츠를 읽을 수 있는 정도를 의미하며, 페이지에 링크가 연결되어 있는지, robots 규칙에 의해 허용되어 있는지, 오류 없이 서버 응답이 제공되는지, 그리고 크롤러가 실제로 파싱하는 HTML에 텍스트가 존재하도록 렌더링되어 있는지에 따라 결정됩니다.

타이틀 태그는 페이지 제목을 설정하는 HTML 요소로, 검색 엔진이 결과 화면에서 클릭 가능한 제목으로 표시하고 브라우저 탭에도 나타나며, 페이지가 다루는 주제를 알리는 가장 강력한 온페이지 신호 중 하나입니다.

피처드 스니펫은 Google이 일반 검색 결과 위에 박스 형태로 노출하는 직접 답변으로, 이미 첫 페이지에 랭킹된 특정 페이지에서 문장, 목록, 또는 표 형식의 문구를 추출하여 사용자가 링크를 클릭하기 전에 질문에 응답합니다.

AI 답변 엔진 최적화(AEO)는 브랜드와 상품 정보를 ChatGPT, Perplexity, Google AI Overviews 같은 AI가 생성하는 답변 안에 직접 인용되도록 구조화하는 방법으로, 사용자가 링크를 클릭해야만 내용을 볼 수 있는 기존 검색 결과 방식에만 의존하지 않습니다.

프롬프트는 사용자가 챗봇이나 AI 검색 어시스턴트 같은 AI 시스템에 입력하거나 말로 전달하는 질문 또는 지시문으로, 모델은 이를 읽고 어떤 정보를 검색하고 생성하며 답변에 인용할지 결정합니다.

AI 환각이란 언어 모델이 검증된 정보를 검색하는 것이 아니라 그럴듯한 텍스트를 예측하기 때문에, 사실이 아닌 내용을 마치 사실인 것처럼 확신에 찬 어조로 진술하는 현상입니다.

Google AI Overviews는 Google이 기존 블루 링크 위에 표시하는 AI 생성 요약으로, 상위 랭킹 여러 웹 페이지를 종합하여 답변을 구성하고 그 중 일부를 출처로 인용함으로써, 사용자가 링크를 클릭하지 않아도 검색 결과 페이지에서 질문에 대한 답을 얻을 수 있게 합니다.

llms.txt는 사이트 루트에 위치하는 플레인텍스트 파일로, AI 크롤러와 언어 모델에게 사이트가 가장 중요하게 여기는 페이지와 정보를 안내합니다. 마크다운으로 작성되어 있어 모델이 모든 페이지의 전체 HTML을 파싱하지 않고도 내용을 읽을 수 있습니다.

검색 증강 생성(RAG)은 언어 모델이 외부 소스에서 관련 문서를 먼저 검색한 뒤 그 검색된 텍스트를 근거로 답변을 생성하는 기술로, 모델이 학습 가중치만으로 사실을 떠올리는 대신 구체적이고 출처를 밝힐 수 있는 자료에 기반한 응답을 제공합니다.

대규모 언어 모델(LLM)은 방대한 텍스트로 훈련된 신경망으로, 다음에 올 언어를 예측하도록 설계된 모델입니다. ChatGPT, Claude, Gemini 같은 시스템의 기반 모델 유형이며, 저장된 사실을 검색하는 방식이 아니라 토큰 단위로 유창한 답변을 생성합니다.

생성형 엔진 최적화(GEO)는 ChatGPT, Gemini, Google AI Overviews 같은 생성형 AI 시스템이 생성하는 답변 안에 자사 콘텐츠가 선택되고 인용되도록 콘텐츠를 설계하는 방식으로, 검색 결과 페이지에서 링크 순위를 높이는 것에만 집중하는 기존 SEO와 구별됩니다.

시맨틱 검색은 정확한 키워드 일치가 아닌 의미를 기준으로 결과를 검색하는 방식으로, 질의와 후보 문서를 임베딩(숫자 벡터)으로 변환하고 해당 공간에서 벡터 간 거리로 순위를 매기기 때문에 공유되는 단어가 없더라도 페이지가 질문에 일치할 수 있습니다.

제로 클릭 검색은 사용자가 어떤 결과도 클릭하지 않고 끝나는 검색 쿼리로, 추천 스니펫, 지식 패널, AI 개요 등이 검색 결과 페이지 안에서 직접 답변을 제공하기 때문에 목적지 사이트를 방문하지 않게 됩니다.

지식 그래프(Knowledge Graph)는 인물, 기업, 상품, 장소 등 개체(entity)와 그 관계를 저장한 구조화 데이터베이스로, Google과 Naver 같은 검색 시스템이 특정 이름을 단순한 텍스트 문자열이 아니라 실제로 존재하는 확인된 개체로 인식하는 데 활용됩니다.

A/B 테스트는 페이지나 요소의 두 가지 버전을 실시간 트래픽으로 무작위 분할하여 비교하는 방법으로, 어느 버전이 더 높은 전환율을 달성하는지 실제 행동 데이터를 바탕으로 측정해 승자를 결정합니다.

무료배송 기준 금액은 고객이 무료 배송 혜택을 받기 위해 충족해야 하는 최소 주문 금액으로, 스토어 운영자가 구매자에게 배송비를 내는 대신 상품을 하나 더 담도록 유도함으로써 주문당 금액을 높이는 데 활용하는 규칙입니다.

신뢰 배지(trust badge)는 결제 또는 장바구니 담기 버튼 근처에 배치되는 소형 그래픽으로, SSL 인증 마크, 카드사 로고, 환불 보장 안내, 공인 판매자 인증 등을 통해 구매자에게 보안과 결제 안전성, 거래 보증을 확인시켜 줍니다.

업셀은 구매자가 고려 중인 상품을 더 높은 가격대의 동일 계열 상품(더 큰 용량, 프리미엄 등급, 더 긴 구독 기간, 더 많은 기능을 갖춘 모델 등)으로 전환하도록 유도하는 제안으로, 관련 없는 상품을 추가하지 않고도 주문 금액을 높입니다.

크로스셀은 구매자가 이미 담은 상품에 어울리는 보완 상품을 함께 제안하여, 주문에 자연스럽게 추가될 만한 상품을 통해 평균 주문 금액을 높이는 판매 기법입니다.

희소성은 재고 부족이나 시간 제한을 알리는 전환 전술로, 낮은 재고 수량 표시, 카운트다운 타이머, 한정 수량 안내 등을 통해 구매자가 결정을 미루지 않고 즉시 행동하도록 유도합니다.

ROAS(광고비 대비 수익률)는 광고비로 지출한 1원당 발생한 매출액을 나타내는 지표로, 광고 귀속 매출을 광고비로 나누어 계산하며, ROAS 4는 광고비 1원당 4원의 매출이 발생했음을 의미합니다.

고객 생애 가치(LTV)란 한 고객이 첫 구매부터 마지막 구매에 이르기까지 관계 전체에 걸쳐 창출할 것으로 예상되는 총 수익 또는 이익으로, 해당 고객을 유치하는 데 얼마까지 지출할 수 있는지를 판단하는 기준이 됩니다.

고객 획득 비용(CAC)은 신규 고객 한 명을 유치하는 데 드는 평균 비용으로, 특정 기간의 총 획득 지출(광고, 대행사, 도구 및 이에 투입된 인력 비용 포함)을 같은 기간에 확보한 신규 고객 수로 나누어 산출합니다.

순 추천 지수(NPS)는 고객 충성도를 측정하는 지표로, "0에서 10점 척도에서 우리 제품을 지인에게 추천할 가능성은 얼마나 됩니까?"라는 단일 설문 문항에 대해 추천자(9~10점) 비율에서 비추천자(0~6점) 비율을 차감하여 산출합니다.

이탈률은 특정 페이지에 유입된 세션 중 클릭, 스크롤, 페이지 이동 등 두 번째 상호작용을 발생시키지 않고 이탈한 세션의 비율로, 해당 페이지 전체 세션 대비 백분율로 표현합니다.

장바구니 담기율은 한 세션에서 구매자가 상품을 하나 이상 장바구니에 담은 세션의 비율로, 장바구니 담기가 발생한 세션 수를 같은 기간의 전체 세션 수로 나누어 계산합니다.

장바구니 이탈률은 결제를 시작했으나 완료하지 않은 세션의 비율로, 1에서 완료된 결제 수를 생성된 장바구니 수로 나눈 값을 빼서 산출하며, 수치가 높을수록 결제 마지막 단계에서 이탈이 많다는 의미입니다.

재구매율은 특정 기간 동안 두 번 이상 구매한 고객의 비율로, 재구매 고객 수를 전체 고객 수로 나눈 후 백분율로 표현합니다. 스토어가 첫 주문을 반복 구매 습관으로 전환하는 능력을 측정하는 지표입니다.

전환율은 방문자 중 구매 등 원하는 행동을 완료한 비율로, 같은 기간의 전환 수를 세션 수로 나누고 100을 곱하여 계산하며, 스토어가 트래픽을 실제 성과로 전환하는 효율을 측정하는 핵심 지표입니다.

총거래액(GMV)은 스토어나 마켓플레이스에서 일정 기간 동안 판매된 모든 상품의 총 금액으로, 플랫폼 수수료, 결제 비용, 판매 후 적용된 할인, 환불, 반품, 상품 원가를 공제하기 전의 판매가 기준으로 측정합니다.

클릭률(CTR)은 링크나 검색 결과를 본 사람 중 실제로 클릭한 사람의 비율로, 클릭 수를 노출 수로 나누고 100을 곱해 백분율로 표시합니다. 검색 결과, 광고, 이메일 링크가 단순히 노출되는 데 그치지 않고 클릭을 이끌어 내는 빈도를 측정합니다.

평균 주문 금액(AOV)은 고객 한 명이 주문 한 건에 평균적으로 지출하는 금액으로, 동일 기간의 총 매출을 주문 건수로 나누어 계산합니다.