[00:00]
모든 사람들이 Google의 NotebookLM을 좋아하는데, SEO 측면에서는
[00:03]
콘텐츠 리서치 과정에서 매우 다재다능하고 강력한 도구입니다.
[00:06]
이제 Discover Source 기능을 통해 이 과정을 더욱 빠르게 만들 수 있습니다.
[00:11]
이 영상에서는 NotebookLM을 활용한 7가지 천재적인 방법을 공유하여
[00:15]
여러분의 SEO 콘텐츠 리서치 과정을 즉시 향상시키는 방법을 알려드리겠습니다.
[00:19]
시작하겠습니다.
[00:19]
NotebookLM의 Discover Source는 내장된 웹 검색 기능으로
[00:23]
주제와 세부사항만 설명하면 수백 개의 온라인 소스를 검색하여
[00:27]
가장 관련성 높은 10개의 결과를 요약과 함께 보여주며
[00:32]
마음에 드는 것을 선택하여 NotebookLM에 소스로 가져올 수 있어 매우 편리합니다.
[00:35]
이는 정말 유용한 기능입니다.
[00:37]
제가 관찰한 바로는, Google은 항상 권위 있는 소스를 제공합니다.
[00:41]
대기업, 유명 미디어 출판사, 학술 기관,
[00:46]
조회수가 높은 YouTube 동영상이나 팔로워가 많은 콘텐츠 같은 것들이죠.
[00:49]
따라서 관련 콘텐츠를 찾을 수 없는 매우 특수한 주제가 아닌 한
[00:53]
틈새 웹사이트나 개인 사이트는 거의 보여주지 않습니다.
[00:57]
동시에 특정 도메인을 필터링하는 site 연산자나
[01:00]
특정 파일 형식을 위한 filetype, 특정 기간을 위한 날짜 범위 연산자도 해석할 수 있습니다.
[01:05]
이는 소스를 더 세밀하게 제어하고 싶을 때 매우 유용합니다.
[01:07]
검색 연산자 사용을 좋아하는 저 같은 사람에게는 특히 그렇죠.
[01:11]
제가 드리는 팁은 주제 설명을 더 구체적으로 하라는 것입니다.
[01:14]
'B2B 마케팅'이라고만 하지 말고, '스타트업을 대상으로 하는 B2B 마케팅 전략'
[01:19]
이런 식으로 구체화하고, 시간 범위도 '최근 3개월' 또는 '지난 2년'처럼
[01:24]
범위를 좁혀 리서치에 더 최신 소스를 찾으세요.
[01:27]
또한 소스 유형도 지정해보세요.
[01:31]
PDF 보고서, YouTube 동영상, 블로그 글 등
[01:34]
구체적으로 명시하면
[01:36]
더 나은 결과를 얻을 수 있고, 다양한 소스를 찾도록 요청할 수도 있습니다.
[01:40]
NotebookLM이 때때로 관련 없는 결과를 스캔할 수 있으므로
[01:45]
가져오기 전에 항상 소스를 검토하세요.
[01:48]
또 하나 중요한 점은 이 결과들이 Google 유기적 검색 순위와 관련이 있다는 것입니다.
[01:51]
NotebookLM의 웹 검색은
[01:52]
Google 알고리즘의 영향을 받아 작동하며, 일부 소스들은
[01:57]
이미 Google 검색 1페이지나 2페이지에 랭크되어 있을 수 있습니다.
[02:00]
이 점을 염두에 두고 소스가 중복되지 않도록
[02:03]
확인해야 합니다.
[02:05]
자, 첫 번째는 경쟁사 콘텐츠 갭 분석입니다.
[02:08]
아마도 이것이 대부분의 SEO 전문가들이 필요로 하는 가장 인기 있는 활용 사례일 것입니다.
[02:12]
경쟁사의 콘텐츠를 비교하고 그들의 콘텐츠 전략을 파악하는 것이죠.
[02:16]
이제 NotebookLM Discovery 소스 기능을 사용하면 이 작업을 훨씬 더 빠르게 할 수 있습니다.
[02:21]
예를 들어, Asana가 제 경쟁사이고 저는 그들의 브랜드에 대한 SEO 콘텐츠 리서치를 하면서
[02:25]
그들의 블로그 글과 콘텐츠 전략을 연구하고 있다고 해봅시다.
[02:28]
먼저 새 노트북을 만들고 Discover sources를 클릭합니다.
[02:32]
그런 다음 Asana의 모든 블로그 콘텐츠 중에서
[02:35]
회의(meeting) 주제와 관련된 것을 날짜 연산자로 검색해볼 수 있습니다.
[02:39]
참고로 이 전략은 다른 SEO 전문가인 Steve Toth에게서
[02:42]
영감을 받은 것으로, 특정 기간 내 발행된 콘텐츠만 좁혀서 보는 방법입니다.
[02:46]
하지만 보시다시피, NotebookLM은 여전히
[02:49]
Asana 블로그 섹션이 아닌 소스를 반환할 수 있습니다.
[02:51]
이런 경우 일반 Google 검색에서처럼 검색 연산자를 사용하여
[02:55]
우리가 원하는 기준에 맞는지 확인할 수 있습니다.
[02:59]
URL, 날짜 범위, 그리고 'meeting'이라는 키워드를 포함하도록 검색 조건을 설정합니다.
[03:04]
이렇게 하면 훨씬 더 나은 결과가 나옵니다.
[03:05]
모든 소스를 다시 확인하고 가져오겠습니다.
[03:08]
monday.com의 SEO를 담당하고 있는데 Asana와 비교해서
[03:11]
콘텐츠 전략을 어떻게 개선할 수 있는지 알고 싶습니다.
[03:14]
Discover 소스를 사용해 검색 연산자로 관련 블로그 글을 찾는
[03:19]
같은 과정을 반복합니다.
[03:21]
이제 이 프롬프트를 사용해서 Asana와 monday.com 사이의
[03:25]
회의 관련 콘텐츠 격차를 고객 여정 단계별로 분석하고
[03:29]
타겟 고객의 역할과 그들이 중점을 두는 문제점을 파악합니다.
[03:33]
그리고 콘텐츠 기회를 분석해 요약합니다.
[03:35]
보시다시피 단계별로 분석이 이루어지고
[03:39]
어떤 단계에서 Asana가 더 나은 성과를 보이는지 확인할 수 있습니다.
[03:43]
이를 통해 어떤 콘텐츠를 우선순위로 해야 할지,
[03:46]
타겟 고객이 귀사와 어떻게 다른지, 어떤 문제점과 새로운 콘텐츠를
[03:51]
탐색해야 하는지 알 수 있습니다.
[03:56]
이를 통해 경쟁사와의 콘텐츠 전략 차이를 빠르게
[03:59]
파악할 수 있습니다.
[04:01]
다음은 FAQ 생성입니다.
[04:04]
질문과 답변 형식은 AI 검색 엔진 최적화 전략의
[04:08]
중요한 콘텐츠 형식입니다. AI가 이 형식을 특히 선호하기 때문입니다.
[04:13]
NotebookLM에 FAQ 생성 기능이 내장되어 있지만, 질문 목록이
[04:17]
그리 깊이 있지 않을 수 있어서, 웹 검색 기능을 결합해
[04:20]
더 나은 FAQ를 생성하는 방법을 보여드리겠습니다.
[04:25]
예를 들어, '피아노 초보자 배우기'라는 주제로 FAQ를 생성할 때
[04:29]
먼저 Discover Source를 사용해 Reddit과 다른 인기 포럼에서
[04:33]
이 주제에 대한 기본적인 질문부터 고급 질문까지 지난 1년간의 내용을 찾을 수 있습니다.
[04:39]
피아노 학습에 대한 일반적인 질문들이 있는
[04:41]
다양한 포럼들을 찾아볼 수 있습니다.
[04:44]
이제 이 소스들을 가져옵니다.
[04:47]
하지만 아직 끝나지 않았습니다.
[04:48]
여기서 끝이 아닙니다.
[04:50]
Search Console 데이터와 같은 자체 연구 자료가 있다면,
[04:53]
그것도 가져올 수 있습니다.
[04:54]
이 데모에서는 Ahrefs를 사용해 피아노 초보자 학습과
[04:59]
관련된 질문 목록을 가져와 NotebookLM에 더 많은 컨텍스트를 제공하겠습니다.
[05:03]
CSV 파일 업로드를 지원하지 않기 때문에, 가장 쉬운 방법은
[05:08]
복사해서 텍스트로 추가하고 소스 이름을 지정하는 것입니다.
[05:12]
이제 이 프롬프트를 사용해 이 주제에 대한 가장 가치 있는
[05:16]
20개의 질문을 검색 의도별로 그룹화하여 FAQ 페이지를 만들어달라고 요청할 수 있습니다.
[05:21]
특별히 FAQ 페이지라고 언급한 이유는 각 질문과 답변이
[05:25]
간단명료하게 되어야 AI 검색 엔진에 좋기 때문입니다.
[05:30]
이렇게 생성된 질문과 답변들은 정말 좋은 퀄리티라
[05:33]
바로 콘텐츠에 사용할 수 있습니다.
[05:35]
NotebookLM이 이미 시작하기, 악보 읽기, 이론과 같은
[05:39]
다양한 검색 의도별로 그룹화까지 해주어서 정말 마음에 듭니다.
[05:44]
이 중 몇 가지를 선택해서 하나의 글로 통합할 수 있습니다.
[05:49]
학습 가이드를 만들고 AI 검색 엔진을 위한
[05:52]
정보의 가치를 높이기 위해 자신만의 통찰을 추가할 수 있습니다.
[05:55]
NotebookLM의 기본 FAQ 생성 기능과 비교해보면
[05:59]
이 프롬프트로 생성된 FAQ가 훨씬 더 깊이 있고 구체적입니다.
[06:03]
다음은 AI 검색에서의 권위 신호를 얻는 방법입니다.
[06:06]
이러한 신뢰 신호들은 AI에 의해 지속적으로 평가되어
[06:09]
신뢰할 수 있고 인용할 만한 리소스를 식별하고 검색 결과에서 우선순위를 정하는 데 사용됩니다.
[06:14]
NotebookLM을 사용하면 콘텐츠 연구 과정에서 이러한 신뢰 신호를
[06:18]
빠르게 추출할 수 있습니다.
[06:20]
예를 들어, 직장에서의 대중 연설에 대한 콘텐츠 연구를 진행 중입니다.
[06:24]
먼저 이 프롬프트를 사용해서 신뢰할 수 있는 출처에서
[06:28]
이 주제에 대한 웹페이지를 찾아보겠습니다.
[06:30]
이렇게 반환된 결과들은 보통 구글이 신뢰할 수 있다고
[06:34]
판단한 것들입니다.
[06:36]
따라서 이들은 모두 콘텐츠 연구에 좋은 참고자료가 됩니다.
[06:38]
적절한 소스를 선택하여 가져오세요.
[06:41]
이러한 소스들 외에도 상위 랭크된 페이지들을 추적하고 싶습니다.
[06:45]
구글에서 검색한 후 이 크롬 플러그인을 사용하여
[06:48]
상위 랭크된 페이지 URL을 추출할 수 있습니다.
[06:51]
이 URL 목록을 복사하고 웹 싱크 확장 프로그램을 사용하면
[06:56]
클릭 한 번으로 URL을 NotebookLM에 일괄 가져오기할 수 있습니다.
[07:00]
적절한 노트북을 선택하고 URL 목록을 붙여넣으세요.
[07:03]
URL 가져오기를 클릭하면 즉시 NotebookLM으로 모두 가져와집니다.
[07:08]
이는 많은 시간을 절약해주지만, 가져오기 과정에서
[07:11]
오류나 중복되는 소스가 있는지 꼭 확인하세요.
[07:15]
이제 이 프롬프트를 사용하여 이 소스들에서 식별된
[07:19]
신뢰 신호 목록을 만들어달라고 요청하세요.
[07:21]
저자의 전문성과 자격 증명, 실용적인 팁,
[07:24]
연구 데이터 포함, 예시 등과 같은 신호들이 반환됩니다.
[07:29]
이를 통해 콘텐츠에 어떤 신호를 포함해야 하는지 이해할 수 있습니다.
[07:33]
나중에 참고할 수 있도록 노트로 저장해둡시다.
[07:36]
두 번째 프롬프트는 SEO 콘텐츠의 EEAT를
[07:40]
개선하기 위한 특정 신뢰 신호들에 대해 자세히 살펴보는 것입니다.
[07:45]
예를 들어, 일반적인 인용 패턴이나 특정 데이터 포인트 같은 것들이죠.
[07:50]
자격 증명, 참조 소스, 언급된 데이터 포인트 등에 대한
[07:54]
구체적인 세부 사항을 확인할 수 있고, 상위 랭크된 페이지들이 어떻게
[07:59]
다양한 신뢰 신호를 활용하는지에 대한 통찰을 얻을 수 있어
[08:04]
콘텐츠를 더욱 향상시킬 수 있습니다.
[08:07]
다음은 시맨틱 키워드 클러스터링입니다.
[08:09]
시맨틱 키워드는 AI 검색 최적화에 매우 중요합니다.
[08:13]
요즘 AI 검색 엔진은 정확한 키워드 매칭보다는
[08:17]
키워드의 맥락과 의미를 이해하려고 하기 때문입니다.
[08:21]
NotebookLM을 사용하면 이 프로세스를 간소화하고
[08:25]
다양한 시맨틱 키워드 클러스터 그룹에 대한 아이디어를 빠르게 얻을 수 있습니다.
[08:27]
예를 들어, AI 시대의 리더십이라는 주제로
[08:30]
콘텐츠 연구를 하고 있는데, 어떤 주요 하위 주제와 시맨틱
[08:34]
키워드로 콘텐츠를 구성해야 할지 알고 싶습니다.
[08:36]
먼저 디스커버 소스를 사용하여 AI 시대의 리더십에 대한 소스를 찾고
[08:41]
블로그, 실용 가이드, 튜토리얼, 사례 연구를 포함하도록 명시적으로 요청했습니다.
[08:46]
이 모든 것을 가져옵니다.
[08:51]
물론 더 포괄적인 연구를 위해
[08:54]
더 많은 소스를 추가하는 것을 추천합니다.
[08:56]
먼저 마인드맵을 생성해봅시다.
[08:58]
이는 주제 계층 구조를 이해하고
[09:01]
AI 시대의 리더십에 대한 핵심 하위 주제를 이해하는 데 좋은 방법입니다.
[09:05]
이를 통해 더 체계적으로 콘텐츠를 계획하고 주제 권위를 구축할 수 있습니다.
[09:10]
각 노드를 클릭하면 더 자세한 정보를 얻기 위한 프롬프트가 생성됩니다.
[09:13]
필요한 경우 이미지로 다운로드하여 참고할 수도 있습니다.
[09:17]
이제 이 프롬프트를 사용하여 주요 주제와 하위 주제를 보여주는 의미론적 클러스터를 만들 수 있습니다.
[09:21]
주요 주제와 하위 주제들을 표시할 수 있죠.
[09:23]
AI와 리더십, AI 윤리와 신뢰와 같은 주요 핵심 주제들로 분류되는 것을 볼 수 있습니다.
[09:27]
그리고 그 아래 하위 주제들이 논리적 계층 구조와 함께 의미론적으로 그룹화됩니다.
[09:32]
이는 특정 하위 주제를 확장할 때 매우 유용하며 강력한 연관 시그널을 확보할 수 있습니다.
[09:36]
따라서 특정 하위 주제를 확장할 때 유용하고 관련성 높은 시그널을 확보할 수 있죠.
[09:40]
강력한 관련 시그널을 확보할 수 있도록 도와줍니다.
[09:43]
또한 콘텐츠를 위한 주제 기둥 구조도 제안해 줍니다.
[09:47]
이는 생성된 마인드맵의 더 심층적인 버전이 될 것이며
[09:51]
SEO 콘텐츠 기획 과정에 도움이 되는 질문 목록도 포함됩니다.
[09:54]
SEO 콘텐츠 기획 과정에 큰 도움이 되죠.
[09:56]
게다가 응답을 제안하고 자신만의 통찰력을 추가하도록 요청할 수도 있습니다.
[10:00]
다음은 키워드 갭 분석입니다.
[10:03]
의미론적 키워드 클러스터링 외에도, NotebookLM은
[10:07]
경쟁사와 비교하여 콘텐츠에서 누락된 키워드를 찾아내 콘텐츠 관련성을 개선하는 데 도움을 줍니다.
[10:11]
콘텐츠의 관련성을 높일 수 있죠.
[10:13]
내장된 웹 검색 기능을 통해 이 과정을 빠르게 진행하고
[10:18]
콘텐츠 기획을 위한 초기 키워드 아이디어를 얻을 수 있습니다.
[10:22]
예를 들어, DIY 방 페인팅 방법이라는 주제로 키워드 갭 분석을 해보겠습니다.
[10:27]
먼저 이 프롬프트를 사용해 주택 소유자를 대상으로 하는 DIY 방 페인팅에 대한 상위 콘텐츠를 찾아봅시다.
[10:32]
최상위 랭킹의 페이지가 아니더라도 상관없습니다.
[10:34]
신뢰할 수 있는 출처라면 좋은 인사이트를 얻을 수 있기 때문입니다.
[10:38]
신뢰할 수 있는 출처라면 충분히 유용한 인사이트를 제공할 수 있죠.
[10:42]
그리고 플러그인 방식을 사용하여
[10:45]
상위 랭킹 페이지들도 가져옵니다.
[10:47]
이렇게 하면 이 페이지들도 분석에 포함되도록 할 수 있습니다.
[10:52]
이제 이 프롬프트를 사용해 이 소스들에서 상위 30개 키워드를 식별하면
[10:56]
이 주제와 관련된 중요한 키워드들이 무엇인지 즉시 파악할 수 있습니다.
[11:00]
도구, 프라이머와 같이 상위 랭킹 페이지에서 자주 언급되는 키워드들을 포함해서 말이죠.
[11:06]
한 단계 더 나아가서, 롱테일 키워드도
[11:09]
이 프롬프트를 사용해 더 많은 키워드 아이디어나 문구를 얻을 수 있습니다.
[11:14]
이제 제가 작성한 DIY 방 페인팅 관련 글이 있다고 가정해보죠.
[11:18]
NotebookLM에 이를 가져와서 이 프롬프트로 제 글에서 누락된 특정 키워드들을 비교하고
[11:23]
아직 충분히 다루지 못한 검색 의도도 확인할 수 있습니다.
[11:28]
이는 정말 유용한 기능입니다.
[11:31]
중요한 키워드가 어떤 것이 빠져있는지 정확히 알 수 있기 때문이죠.
[11:35]
어떤 키워드가 누락되었는지 알 수 있습니다.
[11:36]
단, 콘텐츠에 추가하기 전에 항상 신중하게 검토해야 합니다.
[11:41]
저는 특히 누락된 검색 의도 섹션이 마음에 듭니다.
[11:45]
글에서 다뤄야 할 중요한 검색 문제가 무엇인지 알려주기 때문이죠.
[11:49]
이를 포함시켜 콘텐츠의 깊이를 높일 수 있습니다.
[11:52]
콘텐츠 리서치에 꼭 활용해보세요.
[11:55]
자, 이제
[11:55]
다음은 YouTube 콘텐츠 리서치입니다. NotebookLM의 가장 많이 사용되는
[11:59]
가져오기 기능 중 하나가 YouTube 동영상 가져오기인데, 정말 편리합니다.
[12:04]
SEO 전문가라면 콘텐츠 기획을 위한 추가 인사이트를 얻기 위해
[12:08]
콘텐츠 리서치 과정의 일부로 YouTube 리서치를 하고 싶을 것입니다.
[12:12]
이제 Discover Source를 사용하여 대량의 동영상을 한 번에 업로드할 수 있는데,
[12:16]
이는 확실히 업그레이드된 기능입니다.
[13:42]
다음은 핵심 인사이트 추출입니다.
[13:44]
대부분의 SEO 전문가들에게 인사이트, 데이터, 주장을 수집하는 것은 콘텐츠 리서치의 중요한 부분입니다.
[13:49]
Perplexity를 사용할 수도 있지만, NotebookLM의 최소한의 환각 효과로
[13:54]
잘못된 인사이트나 데이터 정보를 반환할 가능성을 최소화할 수 있습니다.
[13:58]
잘못된 정보를 받을 가능성이 훨씬 줄어듭니다.
[15:05]
NotebookLM은 SEO를 위한 강력한 도구이며, SEO 콘텐츠 리서치에 활용할 수 있는 방법이 더 많이 있습니다.
[15:09]
더 많은 아이디어를 얻고 싶다면 제 커뮤니티에 참여하세요.
[15:12]
설명란에서 링크를 찾을 수 있습니다.
[15:14]
제 채널에서 공유하는 모든 테스트된 프롬프트와
[15:17]
기타 특별 콘텐츠에 접근할 수 있습니다.
[15:20]
그리고 다른 특집 콘텐츠도 볼 수 있죠.
[15:21]
가시기 전에 AI SEO에 대한 전체 재생목록이 있는데
[15:25]
유용한 정보를 찾을 수 있을 거예요.
[15:28]
다음에 만나요.
