쿼리 팬아웃 GEO 콘텐츠 전략: 서브쿼리를 제목과 H2에 넣는 5단계

쿼리 팬아웃(Query Fan-Out)은 AI 검색 엔진이 사용자의 질문 하나를 여러 개의 세부 검색으로 쪼개 각각 답을 찾은 뒤 하나로 조합하는 방식이에요. 이 구조를 이해하면 우리 콘텐츠가 정확히 어느 세부 질문에서 인용될지 미리 설계할 수 있어요. ChatGPT나 Perplexity 같은 AI 검색이 답변을 만드는 과정은 단순히 검색 결과 하나를 요약하는 게 아니라, 여러 번의 검색을 거쳐 정보를 수집하고 종합하는 다단계 과정에 가까워요 ^[2].

왜 팬아웃 구조를 알아야 할까

기존 SEO는 "이 키워드에서 우리 페이지가 몇 위인가"를 물었어요. 하지만 AI 검색에서는 사용자가 던진 질문 하나가 그대로 검색되는 게 아니라, AI가 그 질문을 이해하고 필요한 정보를 얻기 위해 스스로 여러 개의 세부 질문을 만들어 검색해요.

예를 들어 "초기 스타트업에 맞는 CRM 추천해줘"라는 질문은 AI 입장에서는 한 번의 검색으로 끝나지 않아요. 가격을 비교하려면 별도 검색이 필요하고, 무료 플랜 기능을 확인하려면 또 다른 검색이 필요하고, 실제 사용자 후기를 참고하려면 세 번째 검색이 필요해요. 콘텐츠 제작자 입장에서는 이 모든 세부 검색 중 우리 콘텐츠가 몇 곳에서 걸리는지가 실질적인 인용 확률을 결정해요.

팬아웃이 만드는 서브쿼리 패턴

질문의 유형에 따라 AI가 만들어내는 세부 검색의 성격도 달라져요. 콘텐츠를 기획할 때 이 패턴을 먼저 떠올려보면 놓치는 섹션을 줄일 수 있어요.

한 편의 글이 이 네 가지 유형을 모두 답할 필요는 없어요. 다만 우리가 노리는 핵심 질문이 어떤 유형에 가까운지 먼저 정하면, 본문 구조를 그 유형에 맞게 짤 수 있어요.

팬아웃을 반영하는 5단계

1단계: 타겟 질문을 다양한 형태로 변주해 직접 검색해본다

핵심 키워드 하나를 비교형·추천형·방법형·트렌드형 네 가지 질문으로 바꿔서 실제로 ChatGPT나 Perplexity에 물어보세요. 답변에 인용된 링크와 언급되는 브랜드, 반복되는 표현을 기록해요.

2단계: 반복되는 키워드와 패턴을 정리한다

여러 번 검색하다 보면 특정 기능어, 비교 기준, 연도 표기 같은 패턴이 반복되는 걸 발견하게 돼요. 이 패턴을 스프레드시트에 모아두면 어떤 세부 주제를 우리 콘텐츠가 놓치고 있는지 한눈에 보여요.

3단계: 제목과 H2에 반영한다

• H1: 가장 자주 등장하는 핵심 질문을 제목에 담아요.
• H2: 각 세부 검색의 핵심 주제를 하나씩 섹션으로 만들어요.
• H3: 더 세부적인 키워드는 소제목 단위로 배치해요.

예를 들어 "CRM 추천"이라는 질문에서 가격 비교, 무료 기능, 스타트업 적합성이라는 세 가지 세부 주제가 반복된다면, 본문도 이 세 섹션으로 구성하는 게 AI가 발췌하기 좋은 구조예요.

4단계: 공식 페이지가 직접 탐색당할 때를 대비한다

AI 검색은 브랜드명을 직접 검색해서 공식 페이지를 탐색하기도 해요. 이때를 대비해 가격, 기능, 소개 페이지의 타이틀과 메타 디스크립션에 핵심 기능 키워드가 담겨 있는지, 구조화 데이터로 페이지 유형이 명시돼 있는지 확인하세요 ^[3]. 콘텐츠 구조 자체를 AI 친화적으로 만드는 방법은 GEO 콘텐츠 구조 가이드에서 더 자세히 다뤄요.

5단계: 주기적으로 재확인한다

AI 모델이 업데이트되면 팬아웃 패턴도 바뀔 수 있어요. 핵심 타겟 질문에 대해서는 월 1회 정도 다시 검색해보면서 새로 등장한 세부 질문이 있는지 확인하는 루틴을 만들어두는 게 좋아요.

실전 예시: 하나의 질문에서 콘텐츠 구조까지

"팀 협업 도구 추천"이라는 핵심 키워드를 갖고 있다고 해볼게요. 이 질문을 비교형, 추천형, 방법형, 트렌드형으로 각각 변주해서 AI 검색에 던져보면 서로 다른 세부 질문이 등장해요.

비교형("A와 B 중 어느 게 나아?")에서는 가격 정책과 기능 차이가 반복해서 등장하고, 추천형("소규모 팀에 맞는 도구 추천해줘")에서는 팀 규모별 적합성이 강조돼요. 방법형("협업 도구 도입하는 법")에서는 온보딩 절차와 마이그레이션이 핵심으로 떠오르고, 트렌드형("2026년 협업 도구 시장은?")에서는 최근 등장한 기능과 가격 변화가 언급돼요.

이 네 가지 답변을 나란히 놓고 보면, 하나의 콘텐츠가 커버해야 할 섹션이 자연스럽게 드러나요. H1은 "소규모 팀을 위한 협업 도구 추천 가이드"로 잡고, H2는 "2026년 가격·기능 비교", "팀 규모별 추천 기준", "도입 시 체크리스트" 세 개로 구성하는 식이에요. 서브쿼리 하나하나를 따로 다루는 글 4편을 쓰는 대신, 이렇게 한 편의 글 안에 팬아웃 커버리지를 넓게 담는 게 운영 리소스 측면에서도 효율적이에요.

경쟁사 팬아웃도 함께 살펴보기

자사 브랜드 관련 질문뿐 아니라, 경쟁사 브랜드나 카테고리 대표 키워드의 팬아웃도 함께 살펴보는 게 좋아요. 예를 들어 경쟁사 이름과 함께 등장하는 세부 질문이 우리 브랜드 질문에서는 나타나지 않는다면, 그 세부 주제가 우리 콘텐츠에서 빠진 부분일 가능성이 높아요. 반대로 우리만 커버하고 있는 세부 질문이 있다면, 그게 우리 콘텐츠의 차별점이자 강화할 지점이에요. 이런 격차 분석은 한 번에 끝나는 작업이 아니라, 팬아웃 패턴을 재점검할 때마다 함께 갱신하는 루틴으로 만드는 게 좋아요.

팬아웃 전략과 GEO의 연결점

팬아웃 구조를 반영한 콘텐츠는 결국 정보 밀도가 높은 글이 돼요. 한 가지 질문에 대한 답만 담긴 얕은 글보다, 비교·추천·방법·트렌드를 두루 다루는 글이 더 많은 세부 검색에서 걸릴 확률이 높아지기 때문이에요. Princeton과 IIT Delhi의 GEO 연구에서도 인용과 구조화된 데이터를 더한 콘텐츠가 AI 노출에서 더 자주 선택된다는 걸 확인했어요 ^[1]. 팬아웃 커버리지가 넓다는 건 결국 이런 인용 가능 지점이 많다는 뜻과 같아요.

우리가 어떤 질문 유형에서 자주 빠지는지 매번 손으로 검색해서 확인하기보다, TRAIL Search 같은 도구로 타겟 프롬프트별 노출 현황을 정기적으로 추적하면 팬아웃 커버리지 격차를 더 빠르게 찾을 수 있어요.

자주 발생하는 문제

• 기존 SEO 키워드와 충돌하는 것처럼 보임: 팬아웃에서 발견한 세부 키워드가 기존 타겟 키워드와 다를 수 있어요. 이럴 땐 기존 키워드를 H1·H2에 유지하고, 팬아웃 키워드는 H3와 본문에 자연스럽게 추가하는 방식으로 병행하세요.
• 한 번 조사하고 끝냄: 팬아웃 패턴은 고정되어 있지 않아요. 분기 1회라도 재점검하지 않으면 콘텐츠가 점점 낡은 질문에만 답하게 돼요.
• 모든 콘텐츠에 이 전략을 적용하려 함: 팬아웃 리서치는 AI 인용이 목표인 핵심 콘텐츠에 집중하는 게 효율적이에요. 뉴스성 글이나 내부용 콘텐츠까지 매번 적용할 필요는 없어요.

쿼리 팬아웃은 AI 검색을 하나의 블랙박스로 두지 않고, 그 안에서 실제로 어떤 세부 질문들이 오가는지 들여다보는 작업이에요. 이 구조를 콘텐츠 기획 단계에서부터 반영하면, 발행 후에 손보는 것보다 훨씬 적은 리소스로 인용 확률을 높일 수 있어요.

이 글과 이어지는 내용은 GEO(생성형 엔진 최적화)란? 어떤 페이지부터 어떤 순서로 시작할까, AI 검색 시대의 SEO 기본기: 온페이지·오프페이지·테크니컬은 뭐가 바뀌었나, GEO에서 안 해도 되는 것들: llms.txt·AI 검색용 스키마·AI 전용 문체 검증에서 볼 수 있어요.