📖 약 2분 읽기
고객사의 GSC(Google Search Console) 계정을 열람하기 전에, 저희는 늘 같은 질문을 스스로에게 던집니다. “이 데이터를 제대로 읽을 준비가 되어 있는가.” 대화형 검색과 AI 요약이 검색 결과에 섞여 들어오면서, GSC 화면 안의 숫자 하나하나가 예전과 다른 의미를 갖게 됐습니다. 그래서 남의 도메인을 분석하기 전에, 자사 도메인 25개 속성의 90일치 데이터를 먼저 직접 들여다봤습니다.
왜 남의 데이터보다 우리 데이터를 먼저 봤나
대행사나 컨설턴트가 고객사 데이터를 다룰 때 가장 위험한 순간은, 처음 보는 패턴을 마주했을 때 그것이 정상인지 이상인지 판단하지 못하는 순간입니다. GSC 화면에는 노출·클릭·순위 같은 익숙한 지표뿐 아니라, 대화형 질의처럼 형태가 다른 검색어들이 섞여 들어오기 시작했습니다. 이 낯선 데이터를 처음 마주하는 곳이 고객사 계정이라면, 실수의 대가는 고객이 지게 됩니다. 그래서 같은 방법론을 자사 도메인에 먼저 적용해, 무엇이 흔한 패턴이고 무엇이 예외인지 스스로 구분할 수 있는 기준을 먼저 만들었습니다.
25개 속성, 90일, 588건의 대화형 검색어가 남긴 숫자
이 실험은 추상적인 가설 검증이 아니라 손으로 하나씩 세는 작업이었습니다. 25개 자사 속성의 90일치 검색어 데이터를 훑으며 대화형 형태의 검색어 588건을 골라냈고, 중복을 제거해 고유 질의 389건으로 정리했습니다. 여기서 끝이 아니라, 이 질의들을 노출과 순위 기준으로 다시 줄 세워 우선순위를 매기는 과정까지 자사 도메인에서 직접 거쳤습니다. 숫자를 세는 것 자체보다 중요했던 것은, 이 과정에서 어떤 단계가 시간이 걸리고 어떤 단계에서 실수가 나오기 쉬운지를 몸으로 확인한 것입니다.
canonical 미지정과 자기잠식, 먼저 걸려 넘어져 본 문제들
실측 과정에서 실제로 부딪힌 문제들이 있었습니다. 일부 속성에서는 canonical 태그가 지정되지 않아 유사한 페이지들이 서로의 순위를 갉아먹는 자기잠식 현상이 나타났고, 어떤 속성은 전체 검색 유입 중 대화형 질의의 비중이 유독 낮아 원인을 따로 들여다봐야 했습니다. 이런 사례를 자사 도메인에서 먼저 발견했기 때문에, 고객사 계정을 열었을 때 비슷한 패턴이 나타나도 당황하지 않고 원인을 짚어낼 수 있게 됐습니다. 문제를 먼저 겪어 본 경험은, 이후 고객사에 설명할 때 근거 있는 언어로 말할 수 있게 해주는 자산이 됩니다.
이 실험이 고객사 분석에 남긴 기준
자사 도메인에 먼저 적용해 보지 않았다면, 고객사 GSC를 열었을 때 어떤 숫자가 주의 깊게 볼 신호이고 어떤 숫자가 자연스러운 변동인지 구분할 근거가 없었을 것입니다. 588건의 검색어를 세고 389건으로 정리하고 canonical 문제를 직접 마주한 이 과정 전체가, 이후 고객사 데이터를 해석하는 기준이 되었습니다. 이 시리즈는 그 실험의 기록이며, 앞으로 다룰 각 사례는 모두 이 90일간의 자사 실측에서 출발합니다.