시맨틱 검색은 검색어의 문맥과 의미를 해석해 관련 결과를 찾는 방식입니다. ‘운동화 세탁법’으로 검색했을 때 ‘러닝화 세척 안내’를 찾거나, ‘재규어 자동차 최고 속도’와 ‘재규어 동물 달리기 속도’에서 재규어의 대상을 구분하는 것이 예입니다.
검색 시스템은 의미 이해와 정확한 키워드 일치를 함께 활용할 수 있습니다. 시맨틱 검색이 키워드 검색을 모두 대체하는 것은 아닙니다.
의미를 해석하는 검색과 정확한 표기가 필요한 검색
| 사례 | 판단 |
|---|---|
| 뜻이 같은 다른 표현의 문서를 찾음 | 시맨틱 검색의 대표 사례 |
| 모호한 단어의 뜻을 주변 문맥으로 구분함 | 시맨틱 검색의 대표 사례 |
| 임베딩 거리가 가까운 문서를 찾음 | 시맨틱 검색을 구현하는 방법 중 하나 |
| 키워드 결과와 벡터 결과를 함께 사용함 | 하이브리드 검색 |
| 관리자가 등록한 동의어 목록으로 검색어를 확장함 | 같은 의미의 표현을 연결하는 방법. 등록된 단어를 바꾸는 것만으로 문맥까지 해석하지는 않음 |
| SKU나 오류 코드가 정확히 같은 문서를 찾음 | 키워드 일치가 더 중요한 사례 |
AB-1234처럼 모델명이나 오류 코드는 철자가 조금만 달라도 다른 대상을 뜻합니다. 이때는 비슷한 의미보다 정확한 문자열 일치가 중요합니다.
시맨틱 검색과 벡터 검색의 차이
임베딩은 텍스트 등의 특징을 수치 벡터로 표현합니다. 벡터 검색은 벡터 사이의 거리나 유사도를 계산해 가까운 항목을 찾습니다. 시맨틱 검색을 구현하는 방법 중 하나이며 두 개념의 범위가 같지는 않습니다.
검색 시스템은 동의어와 철자 변형을 연결하거나, 주변 문맥에서 검색 의도를 파악할 수 있습니다. 사람과 장소, 제품 같은 엔티티를 식별하는 것도 방법입니다. 앞의 재규어 예시에서는 자동차와 동물을 구분해야 적절한 결과를 찾을 수 있습니다. 신경망 언어 모델과 벡터 유사도는 이런 의미 해석에 활용하는 기술입니다.
Google은 BERT가 단어 조합의 의미와 의도를, 신경망 매칭이 검색어와 페이지의 개념을 파악한다고 설명합니다. RankBrain은 단어와 개념의 관계를 이해하는 시스템입니다. 웹 검색에는 이런 시스템 외에도 여러 순위 신호가 관여하므로, 검색어와 문서의 벡터 유사도만으로 순위를 설명할 수는 없습니다.
키워드 검색, 하이브리드 검색과 무엇이 다른가
키워드 검색은 검색어와 문서의 단어 일치를 중심으로 평가합니다. 시맨틱 검색은 다른 표현을 써도 의미가 가까운 문서를 찾는 데 초점을 둡니다.
하이브리드 검색은 두 결과를 결합합니다. 쇼핑몰에서는 상품명과 SKU를 키워드로 정확히 찾으면서, 자연어로 설명한 용도나 질문은 의미에 맞춰 검색할 수 있습니다.
RAG는 검색한 자료를 모델에 제공해 답변을 생성하는 구조입니다. 필요한 자료를 찾는 단계에 시맨틱 검색, 키워드 검색, 하이브리드 검색 등을 적용할 수 있습니다.
SEO 실무에서는 무엇을 확인해야 하나
키워드 리서치는 사용자가 어떤 표현으로 무엇을 찾는지 조사하는 작업입니다. 시맨틱 검색이 발전해도 페이지의 주제와 용어를 정하는 데 필요합니다.
같은 뜻의 단어를 여러 개 넣는 것만으로 질문에 충분히 답할 수는 없습니다. 제목과 본문에 실제 검색 표현을 쓰되, 제품명과 오류 코드처럼 대상 식별에 필요한 표기는 정확히 남깁니다.
글을 합칠지는 사용자가 원하는 답이 같은지로 판단합니다. 표현만 다른 질문이라면 한 페이지에서 답할 수 있지만, 제품 사용법을 찾는 질문과 구매할 제품을 고르는 질문은 같은 단어가 포함돼도 필요한 내용이 다릅니다. 검색결과에 설명문과 상품 목록 중 무엇이 주로 나오는지도 판단에 참고합니다.
자체 AI 검색이나 사내 검색을 운영한다면 잘못 나온 결과부터 살펴봅니다. 다른 모델명이나 오류 코드의 문서가 섞이면 정확한 키워드 일치가 반영되는지, 오래된 문서나 권한 밖의 문서가 나오면 날짜와 접근 권한 필터가 적용되는지 점검합니다. 관련 문서가 후보에 있으면서도 뒤로 밀린다면 결과를 다시 평가하는 재정렬 단계를 검토할 수 있습니다.
시맨틱 검색을 확인하는 방법
외부 관찰만으로 검색엔진의 내부 구현을 확정할 수는 없습니다. 표현과 문맥을 바꿔 결과를 비교하면 의미 이해가 나타나는 양상을 확인할 수 있습니다.
- 뜻이 같은 두 표현과 뜻이 다른 유사 표현을 준비합니다.
- 각 검색결과의 URL뿐 아니라 결과가 해결하는 질문과 결과 유형을 비교합니다.
- 모호한 단어에 문맥을 더했을 때 대상이 달라지는지 확인합니다.
- Search Console에서 표현이 다른 검색어가 같은 페이지로 유입되는지 봅니다.
- 위치와 시점, 개인 설정, 검색결과 기능이 달라질 수 있으므로 조건을 기록합니다.
이 비교는 검색결과에 의미와 문맥이 반영되는지 관찰하는 방법입니다. URL 일부가 겹친다는 사실만으로 같은 질문이라고 확정하거나 페이지를 합치지는 않습니다.
시맨틱 검색과 헷갈리는 용어
시맨틱 HTML
header, nav, article 등 콘텐츠의 역할을 나타내는 HTML 요소로 문서를 작성하는 방식입니다. 검색어의 의미를 해석하는 시맨틱 검색과 구분됩니다.
시맨틱 웹
웹의 데이터와 대상 간 관계를 기계가 읽고 연결할 수 있게 하는 개념입니다. HTML 요소의 역할을 표현하는 시맨틱 HTML보다 범위가 넓습니다.
벡터 검색
벡터로 표현한 데이터 사이의 유사도를 계산하는 기술입니다. 시맨틱 검색에 활용할 수 있지만 시맨틱 검색 전체를 뜻하지는 않습니다.
자주 묻는 질문
시맨틱 검색 때문에 정확한 키워드는 필요 없나요?
상품명, 고유명사와 오류 코드에는 정확한 표현이 필요합니다. 문맥을 충분히 설명하면서 실제 검색어도 자연스럽게 사용합니다.
검색결과가 같으면 검색 의도도 같은가요?
검색 의도가 비슷하다는 단서는 될 수 있습니다. 다만 정보 탐색과 구매처럼 목적이 다를 수 있고 위치나 시점 등 검색 조건도 영향을 주므로 결과 중복만으로 확정하지 않습니다.
벡터 검색을 쓰면 시맨틱 검색이 완성되나요?
벡터 검색을 도입해도 질문에 답할 문서를 제대로 찾는지 시험해야 합니다. 필요한 조건이 문서 분할 과정에서 떨어져 나갔는지, 정확한 제품 코드가 무시되지는 않는지, 오래된 자료가 상위에 나오지는 않는지 살펴봅니다. 벡터 거리만 가까운 결과와 실제로 유용한 결과는 다를 수 있습니다.
함께 알아두면 좋은 용어
- 임베딩: 텍스트와 데이터의 특징을 숫자로 표현하는 방식
- 검색 의도: 사용자가 검색으로 해결하려는 목적
- 엔티티: 사람과 장소, 제품처럼 구분할 수 있는 대상
- RAG: 외부 자료를 검색해 생성 과정에 더하는 구조