Search Console 보고서 하나 만들 때마다 필터 5개씩 클릭하고, 날짜 범위 설정하고, 지표 선택하던 일이 얼마나 번거로웠는지 아시나요? 이제 그냥 물어보면 됩니다.
Google이 2025년 12월, Search Console에 자연어로 보고서를 설정하는 AI 기능을 발표했습니다. ‘Performance → Filters → Query → Contains → 적용’을 반복하는 대신, “모바일 검색에서 ‘sports’ 포함한 쿼리 최근 6개월 데이터 보여줘”라고 입력하면 끝입니다. Google Analytics 4에도 이미 비슷한 AI 기능이 들어가 있어서, 데이터 분석 도구 전반에 AI가 스며들고 있다는 신호죠.
출처: Streamline your Search Console analysis with the new AI-powered configuration – Google Search Central Blog
클릭 5번이 질문 1줄로
Search Console의 새 기능 ‘AI-powered configuration’은 세 가지 작업을 자동화합니다.
먼저 필터 적용이 쉬워집니다. 쿼리, 페이지, 국가, 기기, 검색 결과 유형, 날짜 범위를 일일이 선택하는 대신 자연어로 설명하면 AI가 알아서 필터를 걸어줍니다. “스페인에서 최근 28일간 내 쿼리의 평균 CTR과 평균 순위 보여줘” 같은 요청이 가능하죠.
비교 설정도 자동입니다. 올해 1분기와 작년 1분기를 비교하고 싶을 때, 날짜 범위를 두 번 설정하고 비교 옵션을 활성화하는 번거로움이 사라집니다. “이번 분기 ‘/blog’ 포함한 페이지 트래픽을 작년 같은 분기와 비교해줘”라고 입력하면 AI가 복잡한 날짜 비교를 알아서 처리합니다.
지표 선택까지 자동화됩니다. 클릭, 노출, 평균 CTR, 평균 순위 중 어떤 지표를 볼지도 질문에 따라 AI가 판단합니다. “스포츠 관련 쿼리 클릭수만 보여줘”라고 하면 클릭 지표만 표시되고, “‘google’ 단어 포함한 페이지의 평균 CTR과 순위”라고 하면 두 지표가 함께 나타납니다.
실제 작동 방식은 이렇습니다. 보고서 상단 입력창에 원하는 분석을 자연어로 입력하면, AI가 이를 해석해서 필터와 설정으로 변환합니다. 결과가 나오면 AI가 적용한 필터를 검토할 수 있고, 마음에 안 들면 수정할 수도 있습니다.
GA4에도 AI가 들어있습니다
Google Analytics 4는 이미 AI 기반 기능을 여러 개 제공하고 있습니다. ‘Analytics Intelligence’라는 이름으로, 데이터에서 이상 징후나 새로운 트렌드를 자동으로 찾아내죠.
자동 인사이트는 사용자가 설정하지 않아도 작동합니다. 트래픽이 갑자기 급증하거나 특정 페이지 참여도가 떨어지면 AI가 알아서 감지해서 인사이트 대시보드에 알림을 띄웁니다. “지난주 대비 자연 검색 페이지뷰가 47% 증가했습니다” 같은 메시지와 함께 영향받은 페이지로 바로 연결되는 링크가 제공됩니다.
맞춤 인사이트는 사용자가 직접 규칙을 만들 수 있습니다. 예를 들어 “30일 활성 사용자가 20% 이상 감소하면 알려줘” 같은 조건을 설정해두면, 해당 조건이 충족될 때마다 대시보드에 알림이 뜨고 선택적으로 이메일도 받을 수 있습니다. 속성당 최대 50개까지 맞춤 인사이트를 만들 수 있죠.
이 기능들의 핵심은 능동적 감지입니다. 매일 보고서를 열어서 수동으로 데이터를 비교하고 이상한 점을 찾는 대신, AI가 먼저 “이거 좀 이상한데요”라고 알려주는 구조입니다. 데이터를 찾는 시간은 줄고, 발견된 것을 검증하고 대응하는 시간이 늘어나는 거죠.
시간은 절약되지만 검증은 필수
이런 AI 기능들이 실무에서 의미하는 건 명확합니다. 보고서 만드는 시간이 줄어들고, 문제를 조기에 발견할 확률이 높아집니다.
하지만 Google도 한계를 분명히 밝혔습니다. Search Console AI 기능은 아직 실험 단계고, 일부 사이트에만 점진적으로 제공됩니다. 검색 결과 보고서만 지원하고 Discover나 News는 안 되며, AI가 요청을 잘못 해석할 수도 있어서 필터를 반드시 검토해야 합니다. 테이블 정렬이나 데이터 내보내기 같은 작업은 아직 못 하고요.
GA4의 예측 지표도 마찬가지입니다. 구매 확률이나 이탈 가능성 같은 예측은 과거 데이터를 기반으로 한 추정치일 뿐, 확실한 미래가 아닙니다. 최소 1,000개의 긍정 사례와 1,000개의 부정 사례가 28일 동안 쌓여야 예측이 작동하는데, 트래픽이 적은 사이트는 이 기준을 못 채울 수도 있습니다.
결국 AI는 “무엇을 먼저 봐야 하는지” 알려주는 조수입니다. 최종 판단과 실행은 여전히 사람 몫이죠. 자동으로 표시된 인사이트를 무조건 믿지 말고, 비즈니스 맥락과 데이터 품질을 함께 검증해야 합니다. AI가 절약해준 시간을, 더 정확한 전략 수립에 쓰는 게 핵심입니다.
참고자료:
답글 남기기