AI 다크 퍼널 — 고객의 구매 결정이 보이지 않는 곳에서 끝난다
임재복
이 글은 성장(Growth)의 GEO 백서 시리즈 3/20 — Ch.2 고객 여정의 재편입니다. 전체 목차와 PDF 전문은 백서 페이지에서 확인하실 수 있습니다.
B2B 구매자의 51%가 AI에서 제품 탐색을 시작하며, 69%가 AI 추천으로 기존과 다른 벤더를 선택합니다. 고객이 비교·평가·최종 후보 선정을 AI 안에서 마치는 “AI 다크 퍼널”은 기업의 마케팅 퍼널을 근본적으로 무력화하고 있습니다.
Messy Middle에서 AI Compressed Middle로
마케팅 퍼널의 역사를 돌아보면, 그 진화는 곧 “고객 행동을 이해하려는 시도”의 역사입니다. 전통적인 AIDA 모델(인지→관심→욕구→행동)은 직선적이고 예측 가능했습니다. 고객이 광고를 보고, 관심을 갖고, 욕구가 생기면, 구매한다. 깔끔하지만 현실과는 거리가 있었죠.
2020년, Google의 연구팀은 이 직선 모델의 한계를 인정하며 “Messy Middle”이라는 개념을 발표했습니다. 고객은 인지와 구매 사이의 중간 구간에서, 탐색(Exploration)과 평가(Evaluation)를 반복하며 혼란스러운 루프를 그린다는 것이었습니다. 검색하고, 리뷰를 읽고, 비교 사이트를 방문하고, 동료에게 물어보고, 또 검색하고. 이 복잡한 과정이 바로 마케터가 콘텐츠 마케팅, SEO, 리타게팅 광고 등으로 영향력을 행사하던 핵심 전쟁터였습니다.
그런데 AI가 이 Messy Middle을 압축해 버렸습니다. “AI Compressed Middle”이라고 부를 수 있는 이 현상은, 고객이 여러 사이트를 직접 돌아다니며 수일에서 수주에 걸쳐 수행하던 비교·평가 과정을, AI에게 한두 번의 프롬프트로 위임하는 것입니다. “우리 회사 규모(50명)에 적합한 프로젝트 관리 도구 3개만 비교해 줘. 가격, 기능, 한국어 지원 여부 중심으로.” — 이 한 문장이 과거의 2주짜리 리서치를 대체합니다.
McKinsey가 AI 검색을 “인터넷의 새로운 정문(New Front Door)”이라고 표현한 것은 이런 맥락입니다. 고객이 여러분의 웹사이트에 도달하기도 전에, AI가 이미 후보군을 3~5개로 압축하고, 장단점을 비교하고, 심지어 “귀사의 상황이라면 A를 추천합니다”라는 결론까지 내려 줍니다. 고객이 여러분의 사이트에 방문할 때는, 이미 AI로부터 충분한 정보를 얻은 상태에서 최종 확인만 하러 오는 경우가 많습니다. Messy Middle에서 마케터가 휘두를 수 있던 영향력의 상당 부분이, AI에게로 이전된 것입니다.
AI 다크 퍼널의 정의 — 보이지 않는 곳에서 결정되는 승부
“다크 퍼널(Dark Funnel)”이라는 용어는 원래 B2B 마케팅에서 추적 불가능한 터치포인트를 지칭하는 데 사용되었습니다. 동료의 슬랙 메시지, 컨퍼런스에서의 대화, 팟캐스트에서 들은 추천 — 이런 것들은 UTM 파라미터가 붙지 않고, 어떤 마케팅 자동화 툴로도 추적할 수 없는 “어두운” 접점이었습니다.
AI 시대의 다크 퍼널은 이 개념을 한 차원 확장합니다. “AI 다크 퍼널”이란, AI가 고객의 정보 탐색·비교·평가·후보 선정을 대행하는 과정에서 발생하는, 기업이 관찰하거나 개입할 수 없는 의사결정 영역을 말합니다. 이 정의는 GEO 백서에서 한국어 맥락으로 체계화해 정리한 개념입니다.
AI 다크 퍼널은 세 단계로 작동합니다. 첫 번째는 AI 대리 비교 단계입니다. 고객이 “A vs B vs C 비교해 줘”라고 AI에 요청하면, AI는 수십 개의 소스를 분석하여 비교표를 생성합니다. 이 과정에서 AI가 어떤 소스를 참조했는지, 어떤 기준으로 비교했는지, 고객은 물론 기업도 알 수 없습니다. 여러분의 브랜드가 이 비교에서 제외되었다면, 고객은 여러분의 존재 자체를 모른 채 다음 단계로 넘어갑니다.
두 번째는 AI 평판 확인 단계입니다. “A 솔루션의 단점은 뭐야?”, “B 서비스 사용 후기 요약해 줘” 같은 후속 질문을 통해, 고객은 AI에게 평판 확인을 위임합니다. AI는 Reddit, 커뮤니티 글, 리뷰 사이트, 블로그 등에서 정보를 수집하여 요약합니다. 문제는 AI가 어떤 리뷰를 선택적으로 인용하느냐에 따라 브랜드의 평판이 결정된다는 것입니다. 부정적 리뷰가 더 구체적이고 상세할 경우, AI는 이를 더 “유용한 정보”로 판단하여 우선적으로 인용할 수 있습니다.
세 번째는 AI 후보 압축 단계입니다. “최종적으로 하나만 추천해 줘”라는 결정적 질문에서, AI는 앞선 비교·평가를 종합하여 하나 또는 두 개의 최종 추천을 제시합니다. Gartner가 2025년 IT 심포지엄에서 내놓은 전망 — 2028년까지 B2B 구매의 90%가 AI 에이전트를 통해 처리된다 — 이 현실이 되면, 이 압축 단계가 실질적인 구매 의사결정의 최종 관문이 됩니다. 15조 달러 이상의 B2B 지출이 이 관문을 통과하게 될 것입니다.
이 세 단계에서 공통적인 것은, 기업의 GA4에는 아무런 흔적도 남지 않는다는 것입니다. 페이지뷰도, 세션도, 이벤트도 기록되지 않습니다. 고객이 최종적으로 여러분의 사이트에 방문할 때는, 이미 “구매할 의향이 높은 상태”로 도착합니다. Ahrefs 데이터에서 AI 유입 전환율이 일반 검색 대비 23배 높은 이유가 바로 이것입니다. AI 다크 퍼널에서 이미 비교·평가·결정이 끝난 고객만이 사이트에 오기 때문입니다. 역설적으로, 가장 중요한 마케팅 활동이 가장 측정 불가능한 영역에서 이루어지는 것입니다.
B2B 시나리오: 조달 디렉터의 새로운 구매 여정
이 변화를 실감하기 위해, 구체적인 시나리오를 그려 보겠습니다. 서울의 한 중견 제조기업 조달 디렉터 김 부장을 만나보시죠.
2024년의 김 부장은 ERP 교체를 검토할 때, 네이버와 구글에서 “중견기업 ERP 추천”을 검색하고, 상위 10개 결과를 클릭하고, 3개 벤더의 데모를 신청하고, IT 팀과 2주간의 평가 미팅을 거쳐 최종 후보 2곳을 선정했습니다. 이 과정에서 마케터는 검색 광고, SEO 콘텐츠, 데모 신청 랜딩 페이지, 이메일 너처링 시퀀스 등을 통해 각 단계에 영향력을 행사할 수 있었습니다.
2026년의 김 부장은 다릅니다. “우리 회사(제조업, 매출 500억, 직원 200명)에 맞는 클라우드 ERP 3개 추천해 줘. SAP는 비싸다고 들었는데 대안도 포함해 줘.”라고 ChatGPT에 입력합니다. 30초 후, AI는 상세한 비교 분석을 제공합니다. 김 부장은 후속 질문을 이어갑니다. “이 중에서 한국어 지원이 가장 좋은 건?”, “실제 제조업 도입 사례 알려줘”, “숨겨진 비용 있는 거 없어?” 이 대화는 10분이면 끝나고, 김 부장의 머릿속에는 이미 “1순위 후보”가 정해집니다.
여기서 핵심은 이 10분간의 대화가 기업의 CRM에 기록되지 않는다는 것입니다. 김 부장이 최종적으로 벤더 사이트에 방문하여 데모를 신청할 때, 유입 경로는 “직접 방문(Direct)” 또는 “기타(Other)”로 잡힙니다. 마케팅 팀은 이 리드가 어디서 왔는지, AI가 자사를 어떻게 설명했는지, 경쟁사와 어떻게 비교했는지 전혀 알 수 없습니다. G2의 조사에서 B2B 구매자의 69%가 AI의 추천으로 기존과 다른 벤더를 선택한다는 것은, 이 보이지 않는 10분이 수억 원의 계약을 좌우할 수 있다는 뜻입니다.
Forrester의 구매자 여정 조사에서 B2B 구매자의 89%가 이미 GenAI를 구매 과정에 활용하는 것으로 나타난 것은 이 시나리오가 예외가 아닌 표준이 되어가고 있음을 의미합니다. 그리고 Gartner의 전망대로 2028년에 B2B 구매의 90%가 AI 에이전트를 통해 처리된다면, 김 부장이 직접 프롬프트를 입력하는 것조차 과도기적 형태일 수 있습니다. 궁극적으로는 기업의 구매 에이전트 AI가 벤더 측 세일즈 에이전트 AI와 자동으로 협상하는 시대가 올 수 있으며, 이 경우 마케팅의 대상은 “사람”이 아니라 “AI”가 됩니다.
B2C 시나리오: 소비자의 압축된 쇼핑 여정
B2C에서의 변화도 본질은 같지만, 양상은 다릅니다. 30대 직장인 이 대리를 예로 들어 보겠습니다.
과거의 이 대리는 공기청정기를 사려면, 네이버 쇼핑에서 검색하고, 블로그 리뷰를 5~6개 읽고, 유튜브 비교 영상을 보고, 다나와에서 가격을 비교하고, 쿠팡과 네이버의 리뷰 수와 별점을 교차 확인하는 과정을 며칠에 걸쳐 진행했습니다. 이 과정의 각 접점에서 브랜드는 SEO, 인플루언서 마케팅, 리뷰 관리, 가격 경쟁력 등으로 소비자의 선택에 영향을 미칠 수 있었습니다.
2026년의 이 대리는 “20평 아파트에 반려동물 있는데, 30만 원 이하 공기청정기 추천해 줘. 소음 조용한 게 좋아.”라고 AI에 질문합니다. AI는 즉시 3~4개의 제품을 추천하며, 각 제품의 장단점과 실사용 후기까지 요약해 줍니다. 이 대리는 추가로 “이 중에서 필터 교체 비용이 가장 저렴한 건?”이라고 물어보고, 바로 추천 링크를 통해 구매합니다. 과거 며칠에 걸친 탐색이 5분으로 압축된 것입니다.
Pew Research의 조사에서 AI 요약을 접해 본 미국 성인 5명 중 1명(20%)이 “매우 유용하다”고 평가하고, 30세 미만에서는 62%가 자주 접한다고 응답한 것은, 이 압축된 쇼핑 여정이 이미 보편화되고 있음을 시사합니다. Bain의 데이터에서 소비자의 80%가 검색의 40% 이상을 클릭 없이 결과 화면에서 끝낸다는 것은, AI가 더 이상 보조 도구가 아니라 주요 의사결정 채널이라는 뜻입니다.
B2C에서 특히 주목할 점은 “AI가 선택하지 않은 브랜드의 비가시성”입니다. Amazon의 AI 쇼핑 어시스턴트가 수십 개의 검색 결과를 한 줌의 추천으로 압축하듯, AI는 소비자의 질문에 대해 3~5개의 추천만 제시합니다. 나머지 수십 개의 브랜드는 소비자의 인식 밖에 완전히 놓이게 됩니다. G2의 조사에서 구매자 3명 중 1명(33%)이 AI를 통해 “이전에 몰랐던 브랜드”를 구매했다는 것은, AI의 추천이 기존의 브랜드 인지도 서열을 뒤집을 수 있다는 뜻이기도 합니다. 이는 중소 브랜드에게 위기이자 기회입니다. AI에게 선택받지 못하면 존재감이 사라지지만, AI에게 선택받으면 대기업과 같은 무대에 오를 수 있습니다.
진화 모델: 전통 퍼널 → Messy Middle → AI Compressed Middle
고객 여정의 진화는 세 단계로 정리할 수 있습니다.
Stage 1: 전통적 퍼널 (AIDA, ~2015)
인지 → 관심 → 욕구 → 행동의 직선 모델입니다. 각 단계에서 마케터의 개입이 가능했고, 측정 지표도 명확했습니다(노출 → CTR → 전환). 한계는 실제 고객 행동이 직선적이지 않다는 것이었습니다.
Stage 2: Messy Middle (Google, 2020~2024)
인지와 구매 사이에 탐색↔평가의 반복 루프가 존재합니다. 고객이 직접 여러 사이트를 방문하며 정보를 수집하고, 마케터는 SEO, 콘텐츠, 리타게팅 등으로 이 루프에 개입할 수 있었습니다. 측정은 복잡하지만 가능했습니다(멀티터치 어트리뷰션).
Stage 3: AI Compressed Middle (2025~현재)
탐색↔평가 루프가 AI에게 위임되어 30초~10분으로 압축됩니다. AI가 비교·평가·추천을 일괄 수행하고, 기업은 이 과정을 관찰할 수 없습니다(= AI 다크 퍼널). 고객은 “이미 결정된 상태”로 기업 접점에 도달하며, AI 인용 여부가 퍼널 진입의 전제 조건이 됩니다.
이 진화에서 핵심적인 시사점은, 마케터가 영향력을 행사할 수 있는 구간이 점점 좁아지고 있다는 것입니다. Stage 1에서는 전체 퍼널을, Stage 2에서는 Messy Middle을 통제할 수 있었습니다. Stage 3에서 마케터가 영향력을 행사할 수 있는 지점은 본질적으로 두 곳뿐입니다. 하나는 “AI가 학습하고 인용하는 콘텐츠를 사전에 최적화”하는 것 — 즉 GEO(생성형 엔진 최적화) — 이고, 다른 하나는 “AI를 통해 유입된 고객을 전환시키는 사이트 경험”입니다. 이 백서 시리즈의 WHAT·HOW 파트에서 다루는 GEO 전략은, 바로 이 첫 번째 영향력 지점을 극대화하는 방법론입니다.
기업이 직면한 측정의 역설
AI 다크 퍼널이 마케팅에 제기하는 가장 근본적인 도전은, 역설적이게도 “가장 중요한 활동이 가장 측정하기 어렵다”는 것입니다. 디지털 마케팅의 강점은 언제나 측정 가능성이었습니다. 모든 클릭, 모든 페이지뷰, 모든 전환을 추적할 수 있었습니다. 그런데 AI 다크 퍼널에서는 고객이 여러분의 브랜드에 대해 가장 중요한 인상을 형성하는 바로 그 순간에, 여러분의 어떤 애널리틱스 도구도 작동하지 않습니다.
Ahrefs의 사례가 이 역설을 선명하게 보여줍니다. AI를 통한 방문자는 전체 트래픽의 0.5%에 불과했지만, 이 방문자들이 전체 신규 가입의 12.1%를 생성했습니다. 전환율이 23배 높은 이유는 간단합니다. 이 방문자들은 AI 다크 퍼널을 이미 통과한 사람들입니다. 비교도 끝났고, 평가도 끝났고, “Ahrefs가 나에게 맞는 도구”라는 확신을 가진 채로 사이트에 도착합니다. 만약 GA4만 보는 마케터라면, “AI 트래픽은 0.5%밖에 안 되니 무시해도 되겠다”고 판단할 것입니다. 그러나 실제로는 그 0.5%가 신규 가입의 12%를 만들어 내고 있었던 것입니다.
이 측정의 역설은 Forrester의 구매자 여정 조사에서 “B2B 구매자의 89%가 GenAI를 채택했다”는 결과가 나오고, G2가 “51%가 AI 챗봇에서 탐색을 시작한다”고 밝힌 맥락에서 더 심각해집니다. 여러분의 GA4 대시보드에서 “AI 유입”으로 분류되는 트래픽이 1% 미만이라 하더라도, 실제로 AI의 영향을 받아 유입된 고객은 그보다 훨씬 많을 수 있습니다. AI에서 브랜드를 처음 접하고, 이후 구글에서 브랜드명을 직접 검색하여 유입된 고객은 “브랜드 검색(Branded Search)” 또는 “직접 방문(Direct)”으로 잡히기 때문입니다.
196만 건의 LLM 세션을 분석한 Previsible 조사에서 ChatGPT발 유입 세션이 1년 만에 4.29배로 성장한 것을 감안하면, 이 보이지 않는 영향력은 기하급수적으로 커지고 있습니다. McKinsey가 AI 검색에 대비하지 못한 브랜드의 전통 검색 트래픽이 20~50% 감소할 수 있다고 경고한 것은, 보이는 트래픽의 감소뿐 아니라 보이지 않는 곳에서의 기회 상실까지 포함하는 추산입니다. 이 보이지 않는 영향력을 수치화하는 실무 — GA4에서 AI 리퍼럴 분리, “어떻게 알게 되셨나요(HDYHAU)” 설문 설계 등 — 는 GEO 측정 가이드에서 별도로 다룹니다.
핵심 정리
AI 다크 퍼널은 마케팅의 게임 규칙을 근본적으로 바꾸고 있습니다. 고객이 구매를 결정하는 가장 중요한 순간이 기업의 시야 밖으로 이동했으며, AI가 비교·평가·추천을 대행하는 이 블랙박스 안에서 여러분의 브랜드가 어떻게 표현되는지가 실질적인 매출을 좌우합니다. 이 새로운 현실에 대응하기 위해서는, AI가 여러분의 브랜드를 “신뢰할 수 있는 출처”로 인식하고 인용하도록 체계적으로 설계하는 전략 — 즉 GEO — 가 필요합니다. 다음 챕터인 GEO 프레임워크에서는 GEO가 정확히 무엇이며, AI에게 선택받는 브랜드의 조건이 무엇인지 깊이 있게 다루겠습니다.
우리 브랜드가 지금 AI의 답변에 어떻게 등장하는지 궁금하시다면, AI 답변 점유율 진단을 문의해 주세요. GEO 백서 PDF 전문도 받아보실 수 있습니다.
자주 묻는 질문 (FAQ)
AI 다크 퍼널이란 무엇인가요?
AI가 고객의 정보 탐색·비교·평가·후보 선정을 대행하는 과정에서 발생하는, 기업이 관찰하거나 개입할 수 없는 의사결정 영역입니다. 이 과정은 GA4 같은 분석 도구에 페이지뷰도 세션도 남기지 않습니다.
기존 B2B 마케팅의 “다크 퍼널”과 무엇이 다른가요?
기존 다크 퍼널이 동료 추천, 커뮤니티, 팟캐스트 같은 추적 불가능한 접점을 가리켰다면, AI 다크 퍼널은 비교·평판 확인·후보 압축이라는 구매 결정의 핵심 단계 자체가 AI 대화 안으로 들어갔다는 점이 다릅니다. 영향 범위가 훨씬 넓고 결정적입니다.
AI 다크 퍼널의 영향은 어떻게 확인할 수 있나요?
직접 추적은 불가능하지만 간접 신호로 추정할 수 있습니다. 브랜드명 직접 검색량과 다이렉트 유입의 변화, AI 리퍼럴 트래픽의 전환율, “어떻게 알게 되셨나요” 설문 응답이 대표적입니다. 구체적인 측정 체계는 GEO 측정 가이드 글에서 다룹니다.
B2C 브랜드에도 해당되나요?
네. 쇼핑 추천, 제품 비교, 후기 요약을 AI에 맡기는 소비자가 늘면서 B2C에서도 같은 구조가 작동합니다. AI가 제시하는 서너 개의 추천에 들지 못한 브랜드는 소비자의 인식 밖에 놓이게 됩니다.
AI 다크 퍼널 시대에 기업이 개입할 수 있는 지점은 어디인가요?
두 곳입니다. 첫째, AI가 학습하고 인용하는 콘텐츠와 평판을 사전에 최적화하는 GEO. 둘째, AI를 거쳐 “이미 결정한 상태”로 도착한 방문자를 놓치지 않는 사이트 경험입니다.
