30초 핵심 요약
- 1GPT는 사용자의 1개 질문을 평균 1.4회의 검색 호출(search_call)과 5.8개의 서브쿼리로 확장합니다
- 2검색 구조는 search_call → sub-queries 2단계 계층으로, 각 호출마다 별도의 검색 의도를 가집니다
- 3한국어 질문에 대해서도 영어 검색이 88%를 차지하며, 한영 교차검색이 자동으로 발생합니다
- 4site: 연산자를 사용한 직접 도메인 탐색이 22%의 호출에서 관찰됩니다
- 5한국어 특화 질문에서 팬아웃이 가장 깊게 발생합니다 (평균 1.7 calls, 6.6 서브쿼리)
- 6GPT 팬아웃 검색 패턴을 이해하면 GEO(Generative Engine Optimization) 전략에서 GPT가 검색하는 키워드를 미리 커버할 수 있습니다
GPT 팬아웃 검색의 등장 배경
GPT 팬아웃(Query Fan-Out)이란, ChatGPT가 웹서치 기능을 통해 답변을 생성할 때 사용자의 질문을 그대로 검색하지 않고, 질문을 분석한 뒤 여러 각도의 검색 쿼리로 확장하여 정보를 수집하는 메커니즘입니다. 팬아웃의 시장 현황과 업계 동향은 AI 검색 팬아웃 시장 현황에서 자세히 다룹니다.
2026년 현재, 생성형 AI 기반 검색이 기존 검색 엔진의 트래픽을 빠르게 대체하고 있습니다 5. 이 상황에서 GPT가 "어떻게" 검색하는지 이해하는 것은 SEO 및 GEO 전략의 핵심 출발점입니다.
이 글에서는 HaloX에서 실시한 50건의 프롬프트 실험 데이터를 기반으로, GPT 팬아웃 검색의 구조와 패턴, 그리고 이를 콘텐츠 전략에 활용하는 방법을 분석합니다.
GPT 팬아웃 검색의 핵심 개념
팬아웃이란
GPT 팬아웃 검색이란, 1개의 질문이 N개의 검색 쿼리로 부채꼴(fan)처럼 펼쳐지는 현상을 말합니다. 예를 들어 "그룹바이와 원티드 중 초기 스타트업 채용에 어디가 더 유리해?"라는 질문을 받으면, GPT는 내부적으로 다음과 같은 검색을 수행합니다:
| 검색 호출 | 대표 쿼리 | 서브쿼리 예시 |
|---|---|---|
| #1 브랜드 비교 탐색 | "Groupby startup hiring platform..." | "Wanted Lab startup hiring...", "그룹바이 원티드 채용 서비스..." |
| #2 사이트 직접 탐색 | "site:groupby.co GroupBy..." | "site:groupby.co groupby 채용 공식", "groupby startup hiring official blog" |
2단계 계층 구조
GPT의 웹서치 응답은 단순한 쿼리 목록이 아니라 2단계 계층 구조를 가집니다.
1단계 - search_call (검색 호출): GPT가 한 번의 검색을 실행하는 단위입니다. 각 search_call은 고유한 검색 의도를 가지며, 프롬프트 하나당 평균 1.4회의 search_call이 발생합니다 1.
2단계 - sub-queries (서브쿼리): 각 search_call 안에 포함되는 변형 검색어입니다. GPT는 하나의 검색 의도를 다양한 언어, 키워드 조합, 검색 연산자로 변형합니다. search_call당 평균 4.1개의 서브쿼리가 생성됩니다 1.
프롬프트 (1개) ├── search_call #1 (검색 의도: 브랜드 비교) │ ├── sub-query: "Brand A vs Brand B comparison 2026" │ ├── sub-query: "Brand A features pricing official" │ └── sub-query: "브랜드A 브랜드B 비교 추천" ├── search_call #2 (검색 의도: 공식 사이트 확인) │ ├── sub-query: "site:brand-a.com official pricing" │ └── sub-query: "site:brand-b.com startup plan" └── 최종 답변 (수집된 소스 기반)
각 search_call이 독립적인 소스(URL) 목록을 가지므로, 어떤 검색이 어떤 소스를 가져왔는지 추적할 수 있습니다.
50건 실험 데이터로 본 GPT 팬아웃 검색 통계
HaloX에서 5개 카테고리(브랜드 비교, 추천, How-to, 트렌드, 한국어 특화) × 10건, 총 50건의 프롬프트를 GPT-5.4-mini에 실행하고 GPT 팬아웃 검색 패턴을 분석했습니다 1.
전체 요약
| 지표 | 평균값 | 범위 |
|---|---|---|
| search_call 수 | 1.4회 1 | 1-4회 |
| 서브쿼리 수 (전체) | 5.8개 1 | 2-17개 |
| 서브쿼리 수 (call당) | 4.1개 1 | 2-5개 |
| 수집 소스 수 | 23.5개 1 | 8-51개 |
| 최종 인용 수 | 4.9개 1 | 2-8개 |
| site: 연산자 사용률 | 22% 1 | - |
| 영어 검색 비율 | 88% 1 | 60-100% |
| 다중 call 비율 | 32% 1 | - |
카테고리별 AI 검색 확장 깊이 비교
| 카테고리 | 평균 search_call | 평균 서브쿼리 | 평균 소스 | site: 사용률 | 다중 call |
|---|---|---|---|---|---|
| 한국어 특화 | 1.7 1 | 6.6 1 | 26.9 | 40% | 70% |
| 브랜드 비교 | 1.5 1 | 6.4 1 | 23.7 | 20% | 40% |
| 추천/선택 | 1.5 1 | 6.1 1 | 24.6 | 30% | 20% |
| 트렌드/현황 | 1.2 1 | 4.9 1 | 22.9 | 10% | 20% |
| How-to | 1.1 1 | 5.1 1 | 19.4 | 10% | 10% |
가장 주목할 만한 발견은 한국어 특화 질문에서 팬아웃이 가장 깊게 발생한다는 점입니다 1. 한국어 특화 카테고리는 평균 1.7회의 search_call과 6.6개의 서브쿼리를 생성했으며, site: 연산자 사용률(40%)과 다중 call 비율(70%)도 모든 카테고리 중 최고였습니다. 이는 GPT가 한국어 콘텐츠만으로는 정보가 부족하다고 판단하여 더 넓은 범위의 검색을 수행하기 때문으로 분석됩니다.
극단 사례 분석
50건 중 가장 복잡한 팬아웃 사례도 살펴볼 가치가 있습니다:
- 최다 팬아웃: "리모트 팀을 위한 협업 도구 추천" - 4회 search_call, 17개 서브쿼리, 51개 소스 수집 1. GPT가 Slack, Microsoft Teams, Notion, Atlassian, Asana의 공식 사이트를 각각 site: 연산자로 직접 탐색했습니다.
- 한국어 심층 탐색: "배달의민족 vs 요기요 수수료 비교" - 2회 search_call, 8개 서브쿼리 1. 이 케이스에서는 순수 한국어 검색이 사용되었으며,
site:ceo.baemin.com과site:partner.yogiyo.co.kr로 각 플랫폼의 사장님 포털을 직접 탐색했습니다.
5가지 핵심 GPT 팬아웃 검색 패턴과 GEO 전략 (관측 기반)
50건 실험에서 반복적으로 관찰된 5가지 ChatGPT 웹서치 행동 패턴을 정리합니다. 이 패턴은 실제 web_search tool call에서 관측된 것으로, 업계의 의도 기반 분류(Entity, Journey, Trust 등 6가지)와는 관점이 다릅니다. 업계 분류는 AI 검색 팬아웃 시장 현황에서 확인할 수 있습니다.
패턴 1: 브랜드 분리 검색
비교형 질문에서 GPT는 비교 대상을 개별 검색으로 분리합니다. "A vs B"라는 질문을 받으면 "A features pricing"과 "B features pricing"을 별도의 서브쿼리로 생성합니다.
GEO 시사점: 자사 브랜드명 + 핵심 기능 키워드 조합이 콘텐츠에 포함되어야 GPT의 브랜드 분리 검색에서 발견됩니다.
패턴 2: 한영 교차검색
한국어로 질문해도 GPT는 영어 검색을 우선 수행합니다. 50건 실험에서 영어 검색 비율이 88%였습니다 1. 한국어 전용 서브쿼리는 주로 마지막에 추가됩니다.
| 순서 | 언어 | 예시 |
|---|---|---|
| 1번 서브쿼리 | 영어 | "Brand A startup hiring platform features" |
| 2번 서브쿼리 | 영어 | "Brand B startup hiring platform comparison" |
| 3번 서브쿼리 | 한국어 | "브랜드A 브랜드B 채용 비교 스타트업" |
GEO 시사점: 한국 시장 타겟이더라도 영어 콘텐츠가 AI 인용에서 더 유리합니다. 한영 동시 최적화 전략이 필요합니다.
패턴 3: site: 연산자 직접 탐색
GPT는 특정 도메인의 공식 정보를 확인하기 위해 site: 연산자를 사용합니다. 이 패턴은 전체 호출의 22%에서 관찰되었습니다 1.
서브쿼리 예시: - "site:brand-a.com official pricing startup plan" - "site:brand-a.com 채용 공식 서비스"
GEO 시사점: 자사 공식 사이트의 SEO 최적화가 중요합니다. GPT가 site: 연산자로 직접 방문했을 때 핵심 정보가 잘 인덱싱되어 있어야 합니다.
패턴 4: 시계열 확장
트렌드나 현황 관련 질문에서 GPT는 연도를 추가한 시계열 검색을 수행합니다. "2026", "latest", "trends"와 같은 키워드가 자동으로 삽입됩니다.
GEO 시사점: 콘텐츠에 연도와 최신 데이터를 포함하면 GPT의 시계열 검색에서 노출될 확률이 높아집니다.
패턴 5: 카테고리 세분화
추천형 질문에서 GPT는 카테고리를 세분화하여 검색합니다. "CRM 추천"이라는 질문을 "best CRM for startups", "CRM comparison small business", "free CRM features"로 확장합니다.
GEO 시사점: 키워드 리서치 시 GPT가 세분화하는 하위 카테고리를 미리 파악하고 콘텐츠에 반영하면 AI 인용 확률이 높아집니다.
GPT가 AI 검색 확장(팬아웃)을 하는 이유
GPT가 단순 검색 대신 팬아웃을 사용하는 데에는 구조적인 이유가 있습니다.
정보 다각화
하나의 검색 결과만으로는 편향된 답변이 생길 수 있습니다. 여러 각도에서 검색하면 상충되는 정보를 교차 검증할 수 있고, 할루시네이션 위험을 줄일 수 있습니다.
언어 장벽 극복
한국어 콘텐츠만으로는 정보가 부족한 경우가 많습니다. 영어 검색을 병행하면 더 풍부한 소스를 확보할 수 있습니다. 실제로 한국어 특화 질문에서 다중 call 비율이 70%에 달하는 것은 이 때문입니다 1.
공식 소스 검증
site: 연산자로 공식 사이트를 직접 탐색하면 제3자 리뷰나 비공식 정보에 의존하지 않고 1차 소스를 확인할 수 있습니다. 이는 E-E-A-T 원칙에 부합합니다.
GPT 팬아웃 검색 패턴의 GEO 전략 활용
팬아웃 분석 결과를 GEO 콘텐츠 전략에 적용하는 방법을 정리합니다.
1. 팬아웃 키워드를 콘텐츠에 반영
GPT가 자동 생성하는 서브쿼리의 키워드를 H2, H3 제목과 본문에 포함합니다. 이렇게 하면 GPT가 검색할 때 자사 콘텐츠가 매칭될 확률이 높아집니다.
2. 공식 페이지 SEO 강화
site: 연산자 패턴에 대응하려면 자사 공식 사이트의 주요 페이지(가격, 기능, About)가 잘 인덱싱되어야 합니다. 스키마 마크업과 URL 구조 최적화가 기본입니다.
3. 한영 동시 최적화
영어 검색 비율이 88%라는 것은 한국어 콘텐츠만으로는 GPT 인용에 한계가 있다는 의미입니다 1. 핵심 콘텐츠는 영어 버전도 함께 준비하거나, 본문에 영어 용어를 자연스럽게 병기합니다.
4. 브랜드 키워드 전략
비교형 질문에서 GPT가 브랜드를 분리 검색한다는 것은 "브랜드명 + 기능 키워드" 조합이 중요하다는 의미입니다. 키워드 확장 5-Signal 프레임워크를 활용하여 브랜드 관련 롱테일 키워드를 확보합니다.
전문가 팁: 팬아웃 대응 GEO 실전 체크리스트
Tip: 이 체크리스트는콘텐츠 듀얼 최적화가이드와 함께 사용하면 인용률 향상에 직접 기여합니다.
- 타겟 키워드로 GPT에 질문하고 팬아웃 쿼리를 수집했는지 확인합니다
- 팬아웃 서브쿼리에 등장하는 키워드가 H2/H3 제목에 포함되어 있는지 확인합니다
- 자사 공식 사이트가 site: 연산자 검색에서 핵심 정보를 반환하는지 확인합니다
- 영어 버전 콘텐츠 또는 영어 키워드 병기가 되어 있는지 확인합니다
- 비교형 콘텐츠에서 각 브랜드별 개별 섹션이 있는지 확인합니다
- 연도, 최신 데이터가 포함되어 GPT의 시계열 검색에 매칭되는지 확인합니다
- FAQ 섹션에 GPT가 생성할 수 있는 후속 질문이 포함되어 있는지 확인합니다
- 인라인 인용이 충분히 포함되어 신뢰도를 높이는지 확인합니다
- JSON-LD 구조화 데이터가 적용되어 있는지 확인합니다
- AVI Score를 통해 AI 노출 성과를 주기적으로 모니터링하는지 확인합니다
GPT 팬아웃 검색 대응 시 흔한 실수
1. 영어 콘텐츠를 무시하는 실수
한국어 시장만 타겟한다는 이유로 영어 콘텐츠를 준비하지 않는 경우가 많습니다. GPT가 한국어 질문에도 영어 검색을 88% 수행한다는 점을 감안하면 1, 최소한 영어 키워드 병기는 필수입니다.
2. 공식 페이지 SEO를 간과하는 실수
블로그 콘텐츠에만 집중하고 자사 공식 사이트의 가격 페이지, 기능 페이지의 SEO를 간과하는 경우가 있습니다. GPT의 site: 연산자 패턴(22%) 1을 감안하면, 공식 페이지의 메타 태그와 구조화 데이터도 최적화해야 합니다.
3. 팬아웃 키워드를 무리하게 삽입하는 실수
서브쿼리에 등장한 모든 키워드를 억지로 본문에 넣으면 오히려 콘텐츠 품질이 떨어집니다. 빈출 키워드 상위 5-10개만 선별하여 자연스럽게 반영하는 것이 인용률과 가독성 모두를 높이는 방법입니다.
4. 한 번 분석하고 방치하는 실수
GPT 모델이 업데이트되면 팬아웃 패턴도 변경될 수 있습니다. 분기 1회 이상 주요 키워드의 팬아웃 패턴을 재점검하고 콘텐츠를 최적화해야 합니다.

