[Bain] 전통적인 마케팅 퍼널의 위기: 제로 클릭 퍼널과 AI 에이전트 (25.04)

핵심 요약

대형 언어 모델이 마케팅 퍼널의 문지기 역할을 하기 시작하면서 브랜드 담당자들은 이제 이들과 소통하는 법을 배워야 합니다.

 

 

• 제품 추천, 비교, 조사 등을 위해 구매자들이 AI 도구를 점점 더 많이 활용하면서, 전통적인 마케팅 퍼널이 흔들리고 있습니다.
  
  
• AI 기반의 "제로 클릭" 여정은 제품 발견부터 구매 결정까지의 과정을 압축시켜, 브랜드가 소비자에게 영향을 주거나 차별화를 시도하거나 심지어 구매 여정에 등장할 기회조차 줄어들고 있습니다.
  
  
• 기존 검색 엔진에서 유입되는 웹사이트 방문이 줄어드는 반면, AI 추천을 통한 트래픽이 증가하면서 마케터들은 리드 데이터를 확보할 기회가 적고 가시성도 제한된 상황에 직면하고 있습니다.
  
  
• 브랜드가 시장에서 살아남기 위해서는, 대형 언어 모델에 최적화된 콘텐츠 전략을 수립하고, 새로운 성과 지표에 투자하며, 구매자보다 AI 에이전트가 주도하는 미래를 중심으로 디지털 전략을 재구성해야 합니다.

 

 

목차

1. 전통적인 마케팅 퍼널의 위기
2. 구매 결정 패러다임의 변화
3. 새로운 마케팅 퍼널에 대응하기
4. AI 유입 최적화
5. AI 시대 브랜드 생존 전략

---

1. 전통적인 마케팅 퍼널의 위기

구매자들은 점점 더 생성형 인공지능이 탑재된 검색 도구를 활용해 구매 여정을 이끌어가고 있습니다.

 

이들은 구글이나 빙과 같은 기존 검색 엔진에서 AI 요약 결과를 읽거나, ChatGPT 같은 대형 언어 모델(LLM)에 직접 접속해 제품 추천을 받고 구매 조언을 얻기도 합니다.

 

이러한 변화의 규모는 다음과 같은 데이터를 통해 확인할 수 있습니다.

 

• 베인앤드컴퍼니가 미국 소비자 1,100명을 대상으로 실시한 조사에 따르면, 응답자의 80%가 최소 40% 이상의 검색에서 이른바 “제로 클릭” 결과를 활용하고 있었습니다.
  
  
• 허브스팟은 다수의 기업 웹사이트 트래픽이 최대 30%까지 감소했다고 보고했습니다.
  
  
• Scrunch AI는 고객사의 웹사이트에서 익명화된 검색 경로를 분석한 결과, AI 추천을 통해 유입되는 트래픽이 매달 약 40%씩 증가하고 있다고 밝혔습니다.
  
  
• 어도비 애널리틱스에 따르면, 생성형 AI로부터 유입되는 소매업체 웹사이트 트래픽은 2024년 7월 대비 2025년 2월에 1,200% 증가했습니다.

 

이처럼 생성형 AI 기반의 유입이 증가함에 따라, 전통적인 고객 탐색 퍼널은 사실상 붕괴되고 있습니다.

 

그렇다면 이 새로운 "제로 클릭" 퍼널은 어떤 모습이며, 이는 기업에 어떤 의미를 가질까요?

 

---

 

2. 구매 결정 패러다임의 변화

전통적인 디지털 구매 여정은 선형적이며 수고가 많이 드는 구조였습니다.

 

고객은 검색, 클릭, 사이트 간 비교, 리뷰 확인 등 여러 단계를 적극적으로 수행해야 했고, 각 단계마다 이탈 가능성이 존재했습니다. 고객이 해야 할 일이 많을수록, 특히 중요도가 낮거나 충동 구매일수록, 여정을 포기할 가능성은 커졌습니다.

 

AI 기반 검색은 이러한 복잡하고 마찰이 많은 중간 단계를 고객 대신 수행해 줍니다.

 

AI 에이전트가 개인의 취향을 점점 더 잘 파악하게 되면서, 응답의 품질도 함께 향상됩니다. 기술 스케일, 아키텍처, 인프라의 혁신이 이끄는 급속한 기술 발전은 모델 성능을 한층 더 끌어올릴 것입니다.

 

현재 어도비는 AI 검색을 통한 전환율이 다른 제품 탐색 경로와의 격차를 빠르게 좁히고 있다고 보고하며, Scrunch AI는 특정 경로에서 AI 기반 검색의 전환율이 일반적인 구글 검색 대비 두 배에 달한다고 전했습니다.

 

이처럼 AI 기반 경로가 점점 비중을 넓혀가면서, 브랜드가 고객 앞에 나설 기회는 줄어들고, 제품 차별화나 신뢰 구축의 시간도 제한되게 됩니다.

 

AI 에이전트는 리뷰를 요약하고, 제품을 추천하며, 옵션을 순위화하고, 과거 행동을 기반으로 선호를 예측하는 등의 역할을 고객을 대신해 수행합니다.

 

경우에 따라 고객의 모호한 관심을 구체적인 추천으로 단숨에 연결하기도 합니다. 결과적으로 퍼널은 조각나 빠르게 진행되며 고객의 눈에 띄지 않는 곳에서 이루어지고, 이제 그 흐름을 주도하는 주체는 고객이 아니라 AI 도구입니다. (Figure 1 참고)

 

 

 

고객이 전통적인 방식에서 새로운 방식으로 전환하는 속도는 영역에 따라 다릅니다. 우리의 조사에 따르면 특히 빠르게 전환되고 있는 영역은 학습, 쇼핑, 스타일링 조언 등입니다. (Figure 2 참고)

 

 

 

 

이러한 영역에서 빠른 변화가 가능한 이유는 다음과 같습니다:

• 일반적인 응답을 개인 맞춤형 추천으로 바꾸는 데 필요한 데이터를 기꺼이 공유하는 이용자들이 많고,
  
  
• 제품의 중요도와 가격이 비교적 낮으며,
  
  
• 잘못된 선택으로 인한 리스크가 작기 때문입니다.

 

---

 

3. 새로운 마케팅 퍼널에 대응하기

AI 추천의 부상은 마케팅 및 영업팀에 중대한 영향을 미치고 있습니다.

 

AI 에이전트가 마케팅 퍼널의 여러 단계에서 핵심 역할을 하게 되면서, 이에 최적화된 전략을 마련하지 않은 기업들은 이미 잠재 고객을 잃기 시작했습니다.

 

문제는 기업들이 그런 손실이 있었는지조차 인식하지 못할 수 있다는 점입니다. 왜냐하면 고객은 기업의 웹사이트를 방문하거나 콘텐츠를 다운로드해 제품을 탐색해보지도 않았기 때문입니다.

 

이러한 초기 접점이 없다면, 마케터들은 해당 잠재 고객을 재참여시킬 수 없습니다. 그들은 기업의 데이터베이스에 존재하지 않기 때문입니다.

 

기존 방식에서는 전환에 실패한 잠재 고객이라도 페이지 조회, 광고 노출, 양식 작성, 이메일 가입 등의 흔적이 남았기 때문에 마케터들이 후속 접촉을 시도할 수 있었습니다.

 

그러나 AI 기반 퍼널에서는 구매 여정이 시작되기도 전에 판매자가 배제됩니다. 제품 발견, 평가, 최종 후보 선정 등 모든 과정이 AI 도구 내부에서 이뤄지기 때문입니다.

 

이 시점에 브랜드가 등장하지 않거나 소비자에게 미리 각인되어 있지 않다면, 목록에 오르지도 못할 가능성이 큽니다.

 

단, 재구매나 충성도 기반 구매의 경우에는 소비자가 여전히 기존의 선호 브랜드로 바로 이동할 수 있으며, 이러한 경우에는 새로운 AI 기반 리서치 도구를 아예 우회할 수도 있습니다.

 

이러한 변화로 인해, 우리는 고객이 세 가지 경로를 통해 제품과 상호작용할 것으로 예상합니다.

• 첫째는 브랜드 웹사이트로의 직접 방문입니다.
  
  
• 둘째는 AI를 통한 중개 경로로, 단순한 쇼핑 보조부터 AI 에이전트가 실제 구매를 완료하는 경우까지 다양합니다.
  
  
• 셋째는 생성형 AI를 사용하지 않는 사람들로, 이들은 여전히 전통적인 경로를 통해 대다수의 트래픽을 발생시킬 것입니다.

 

그러나 이 모든 경우에도 AI 요약 콘텐츠의 존재가 브랜드의 위치와 가시성에 영향을 미치게 될 것입니다.

 

---

 

4. AI 유입 최적화

가까운 미래에는 특정 경로 하나만을 선택하는 이분법적인 세계는 존재하지 않을 것입니다.

 

기업은 각 경로에 맞춰 콘텐츠 전략과 웹사이트를 최적화해야 합니다. 직접 방문이나 전통적인 경로의 경우, 마찰을 줄이고 개인화된 여정 및 가치 제안을 제공하는 기존의 규칙이 여전히 유효합니다.

 

하지만 AI를 통해 유입되는 트래픽에서 성공하려면 전통적인 검색과는 다른 기준으로 평가되는 보다 폭넓은 마케팅 전략이 필요합니다.

 

LLM 환경에서는 전문가 의견, 외부 미디어에 실린 콘텐츠, 고객 리뷰나 포럼의 의견이 검색 결과에서 더 큰 영향을 미칩니다. 이는 LLM이 브랜드 사이트의 주장에 대한 검증을 시도하기 때문입니다.

 

Scrunch AI의 분석에 따르면, LLM 엔진에서 브랜드가 언급되지 않은 검색어에 대한 응답의 90% 이상은 제3자 출처의 콘텐츠에서만 가져온 것입니다. 브랜드가 언급되는 경우에도, 콘텐츠의 60% 이상은 여전히 브랜드 외의 출처에서 비롯됩니다. 그리고 시간이 지남에 따라 이러한 엔진은 외부 콘텐츠에 더 크게 의존하게 될 가능성이 있습니다.

 

현재 LLM 엔진은 다음과 같은 콘텐츠 특성을 중요하게 평가합니다:

• 언어. 블로그나 설명형 콘텐츠 등 풍부하고 대화체 기반의 텍스트를 선호하며, 웨비나나 이미지 중심 콘텐츠보다 높은 평가를 받습니다.
  
  
• 에이전트 친화적 구조. 정리된 목록, 정의, 안내서 등은 LLM이 정보를 처리하고 요약하기 쉽게 만듭니다.
  
  
• 정돈되고 스크래핑 가능한 사이트. 정확하고 완전히 인덱싱된 사이트는 키워드 남용이나 오래된 페이지보다 효과적입니다.
  
  
• 외부 미디어에서의 권위. 외부 미디어나 전문가 의견에서 인용된 브랜드는 해당 가치 제안을 뒷받침하고 신뢰를 높여줍니다.
  
  
• 외부의 깊이 있는 고객 대화. 리뷰 사이트나 포럼에서의 활발한 활동은 언급, 백링크, 신뢰도를 함께 생성합니다.

 

---

 

5. AI 시대 브랜드 생존 전략

일부 선도 기업들은 AI 추천 전환이 자사 비즈니스에 어떤 영향을 미치는지를 깊이 있게 분석하기 시작했습니다.

 

이들 중 몇몇은 이미 LLM 기반 마케팅 성과를 향상시키기 위한 역량에 투자하고 있으며, 이러한 전환을 가속화하고자 하는 기업은 실질적인 세 단계 접근을 통해 성과를 개선할 수 있습니다.

 

5.1. 새로운 지표 설정

변화하는 트래픽 흐름과 그에 따른 마케팅 리드의 가치를 정확히 파악할 수 있는 지표를 설정하지 않으면, 기업은 중요한 기회를 인식하지도, 추구하지도 못하게 됩니다.

 

 

5.2. 인사이트 체계 구축

마케터는 LLM이 현재 고객 퍼널에 어떤 영향을 미치고 있는지, 또 가까운 미래에는 어떻게 바뀔지를 지속적으로 평가해야 합니다.

 

특히 유용한 도구는 고객 구매 여정, AI 기반 퍼널, 브랜드가 AI 검색 엔진에 어떻게 노출되고 있는지를 명확하고 쉽게 업데이트할 수 있는 형태로 보여주는 것입니다.

 

이 모든 요소는 실질적인 스코어카드(scorecard)로 전환되어야 하며, LLM과 AI 검색이 비슷한 입력값을 활용하더라도 전혀 다른 결과와 성과를 만들어낼 수 있기 때문에 특히 중요합니다.

 

스코어카드는 기업이 가장 시급하게 대응해야 할 영역에 집중하고, 원하는 결과를 이끌어낼 수 있는 조정 지점을 식별하는 데 도움이 됩니다.

 

5.3. 빠른 가설 수립과 테스트

기업이 AI 검색 성과 개선을 위한 핵심 영역을 파악했다면, 우선순위를 정하고 신속하게 실험을 시작해야 합니다.

 

많은 조직이 이러한 ‘영향 실험(influence experiments)’을 실행·모니터링·확장할 수 있는 새로운 역량과 민첩한 프로세스를 구축해야 할 것입니다. 또한 실험 결과에 따라 마케팅 자원을 효율적으로 배분할 수 있어야 합니다.

 

LLM이 구매자가 정보를 탐색하기도 전에 브랜드를 퍼널 밖으로 밀어내는 상황에서, 기존의 검색 엔진 최적화(SEO) 전략은 한계를 드러냅니다.

 

---

 

이제는 LLM을 고려한 전략으로 전환해야 하며, 이를 통해 강화의 선순환을 만들 수 있습니다. 강력한 내부 콘텐츠, 획득형 미디어, 소셜 콘텐츠는 더 많은 AI 언급으로 이어지고, 이는 신뢰와 참여도를 높이며, LLM 결과에서의 우선순위에도 긍정적인 영향을 줍니다.

 

LLM 시대에 성공하기 위해, 마케터는 이제 인간뿐 아니라 AI 에이전트를 위한 최적화를 함께 고려해야 합니다.