NotebookLM으로 SEO 리서치, 그 어느 때보다 빠르게

Grace Leung 구독자 30,400명

요약

이 영상은 Google의 NotebookLM Discover Source 기능을 활용해 SEO 콘텐츠 리서치를 획기적으로 단축시키는 일곱 가지 활용법을 소개합니다. 검색 연산자와 구체적인 쿼리를 이용한 최신 자료 필터링부터 경쟁사 콘텐츠 격차 분석, 심층 FAQ 생성, 권위 신호(EEAT) 추출, 의미 기반 키워드 클러스터링, 키워드 격차 분석, YouTube 영상 리서치와 핵심 인사이트 도출까지 실전 예시와 프롬프트를 통해 단계별로 설명합니다. 이를 통해 콘텐츠 기획 속도를 높이고 AI 검색 엔진 최적화에 필요한 전략적 인사이트를 빠르게 확보할 수 있습니다.

주요 키워드

NotebookLM Discover Source SEO 리서치 검색 연산자 Content Gap Analysis Authority Signals Semantic Keyword Clustering Keyword Gap Analysis EEAT FAQ Generation

하이라이트

🔑 Discover Source 기능으로 수백 개 웹사이트를 스캔해 상위 10개 결과를 한 번에 가져올 수 있다.
⚡️검색 연산자(site:, filetype:, 기간 등)를 프롬프트에 포함해 원하는 도메인과 파일 형식, 시간대를 정확히 필터링할 수 있다.
🌟경쟁사 콘텐츠 격차 분석으로 Asana와 monday.com의 블로그 주제, 타깃 고객, 문제 해결 방식을 비교해 우선순위 콘텐츠 기회를 도출한다.
📌FAQ 생성을 위해 Reddit·포럼·Ahrefs 데이터를 결합해 20개의 핵심 질문을 검색 의도별로 그룹화함으로써 AI 검색 엔진에 최적화된 질문 답변을 얻는다.
🚀권위 신호(EEAT)를 추출해 저자 전문성, 인용 패턴, 데이터 포인트 등을 분석하고 콘텐츠에 반영해 신뢰도를 높인다.
🔍의미 기반 키워드 클러스터링으로 마인드맵과 주제 구조를 생성해 AI 검색 엔진이 이해하는 관련 키워드 그룹을 파악한다.
📈키워드 격차 분석으로 상위 페이지의 상위 30개 키워드와 롱테일 키워드를 추출해 내 콘텐츠에서 놓친 키워드와 의도를 확인한다.
🎥Bulk YouTube 영상 임포트 기능으로 관련 동영상을 대량으로 가져와 추가 인사이트를 확보하고 핵심 데이터와 주장을 도출한다.

용어 설명

NotebookLM

Google이 제공하는 노트형 AI 연구 도구로, 다양한 자료를 수집·요약해 콘텐츠 리서치를 돕는다.

Discover Source

NotebookLM 내장 웹 검색 기능으로, 입력한 주제 설명을 기반으로 상위 웹 소스를 자동 스캔해 가져온다.

검색 연산자

site:, filetype:, before:, after: 같은 구글 검색 필터로 도메인·파일 형식·기간별 결과를 세밀하게 제어한다.

EEAT

Expertise(전문성), Authoritativeness(권위), Trustworthiness(신뢰성)의 약자로, AI 검색 결과에서 신뢰도를 평가하는 핵심 신호다.

Semantic Keyword Clustering

AI 검색 엔진이 의미와 맥락을 이해하도록 키워드를 주제별로 그룹화해 관련 키워드 맥락을 강화하는 기법이다.

Content Gap Analysis

경쟁사와 내 콘텐츠를 비교해 다루지 않은 주제·질문·키워드 기회를 식별하는 분석 방법이다.

Authority Signals

저자 전문성, 인용·참고 문헌, 데이터·예시 포함 여부 등 검색 엔진이 콘텐츠 신뢰도를 판단하는 요소다.

Keyword Gap Analysis

경쟁사 콘텐츠에서 사용된 주요 키워드와 내 페이지에 누락된 키워드를 파악해 최적화하는 기법이다.

NotebookLM의 Discover Source를 활용해 SEO 리서치를 빠르게 진행하는 일곱 가지 방법을 소개하며 영상 전반의 흐름과 기대 효과를 설명한다.

[00:00] NotebookLM이 SEO 콘텐츠 리서치에 매우 강력한 도구이며, Discover Source 기능으로 프로세스를 더욱 빠르게 만들 수 있다고 소개합니다.

Discover Source가 주제 설명만으로 수백 개 온라인 소스를 스캔해 상위 10개 결과를 불러오고, 원하는 자료를 NotebookLM에 손쉽게 임포트하는 과정을 정리한다.

[00:19] NotebookLM의 Discover Source 기능은 웹 검색 기능으로, 수백 개의 온라인 소스를 스캔하여 관련성 높은 10개의 결과를 제공하며, 주로 권위 있는 소스를 반환합니다.

[00:57] 검색 연산자(site, filetype, 날짜 범위)를 지원하며, 구체적인 주제 설명과 시간 범위 지정으로 더 나은 검색 결과를 얻을 수 있습니다.

site:, filetype:, before/after 같은 검색 연산자를 프롬프트에 포함해 도메인·파일 형식·발행 기간을 지정하는 방법과 구체적 주제 설명의 중요성을 강조한다.

타임라인 정보가 없습니다.

NotebookLM 검색 결과가 Google 유기적 순위와 연동되므로 상위 랭크 자료가 주로 반환됨을 인지하고 중복 소스를 피하기 위한 주의점을 안내한다.

[01:48] 검색 결과는 Google 유기적 검색 순위와 연관되어 있으며, 대부분 Google 검색 상위 페이지에 랭크된 콘텐츠가 포함됩니다.

Asana와 monday.com을 예로 들어 Discover Source로 블로그 콘텐츠를 수집하고, 고객 여정 단계별 격차를 식별해 우선순위 콘텐츠 기회를 찾아내는 과정을 설명한다.

[02:05] 경쟁사 콘텐츠 갭 분석에 NotebookLM을 활용하는 방법을 설명하며, Asana를 예시로 들어 블로그 콘텐츠 분석 과정을 보여줍니다.

[02:59] 검색 조건 설정 및 소스 확인 방법에 대해 설명합니다. URL, 날짜 범위, 키워드를 포함한 검색 연산자 활용법을 다룹니다.

[03:08] monday.com과 Asana의 콘텐츠 전략 비교 분석 방법을 소개합니다. 고객 여정 단계별로 콘텐츠 격차를 분석하고 개선 기회를 파악하는 과정을 설명합니다.

내장 FAQ 기능 대신 Discover Source로 Reddit·포럼·Ahrefs 데이터를 수집해 질문 리스트를 보강하고, 20개의 핵심 질문을 검색 의도별로 그룹화하는 워크플로우를 제시한다.

[04:01] AI 검색 엔진 최적화를 위한 FAQ 생성 방법을 설명합니다. NotebookLM의 기본 기능과 웹 검색을 결합하여 더 심도 있는 FAQ를 만드는 방법을 소개합니다.

[04:54] Ahrefs를 활용한 키워드 연구와 NotebookLM의 FAQ 생성 프로세스를 상세히 설명합니다. 검색 의도별로 질문을 그룹화하고 실용적인 FAQ 페이지를 만드는 방법을 다룹니다.

관련 웹페이지와 상위 랭크 URL을 대량 불러와 EEAT 평가 요소(저자 전문성, 인용 패턴, 데이터 포함 등)를 추출하고 세부 신호별 개선 인사이트를 확보하는 방법을 안내한다.

[06:06] AI는 신뢰할 수 있는 리소스를 식별하고 검색 결과의 우선순위를 정하기 위해 신뢰 신호를 지속적으로 평가합니다.

[06:20] 직장에서의 대중 연설에 대한 콘텐츠 연구를 위해 신뢰할 수 있는 출처의 웹페이지를 찾고, 구글의 상위 랭크된 페이지들을 크롬 플러그인으로 추출합니다.

[06:51] 웹 싱크 확장 프로그램을 사용하여 URL을 NotebookLM에 일괄 가져오기하고, 가져오기 과정에서 오류나 중복을 확인합니다.

[07:15] 소스에서 신뢰 신호를 추출하고 분석하여 저자의 전문성, 자격 증명, 실용적인 팁, 연구 데이터 등을 식별합니다.

Discover Source로 다양한 소스를 임포트한 뒤 마인드맵 생성과 프롬프트를 활용해 핵심 주제·하위 주제별 의미론적 키워드 클러스터를 구성하고 콘텐츠 구조를 설계한다.

[08:07] 시맨틱 키워드 클러스터링은 AI 검색 최적화에 중요하며, NotebookLM을 통해 AI 시대의 리더십에 관한 다양한 하위 주제와 키워드를 효과적으로 분석할 수 있습니다.

[09:10] NotebookLM의 마인드맵 기능을 통해 노드를 클릭하여 상세 정보를 확인하고 이미지로 다운로드할 수 있습니다.

[09:17] 의미론적 클러스터링 기능으로 AI와 리더십, AI 윤리와 신뢰 등 주요 주제와 하위 주제를 체계적으로 구조화하여 보여줍니다.

[09:43] 콘텐츠 구조화를 위한 주제 기둥 구조를 제안하고, SEO 콘텐츠 기획에 도움되는 질문 목록을 제공합니다.

[10:00] 키워드 갭 분석 기능을 통해 경쟁사 대비 누락된 키워드를 찾아내고, DIY 방 페인팅을 예시로 실제 분석 과정을 보여줍니다.

DIY 방 페인팅 사례로 상위 콘텐츠에서 상위 30개 키워드와 롱테일 키워드를 추출하고, 내 글에 누락된 키워드와 검색 의도를 비교해 보완 포인트를 제시한다.

[11:55] YouTube 콘텐츠 리서치 기능으로 대량의 동영상을 한 번에 업로드하고 분석할 수 있습니다.

Discover Source의 대량 영상 임포트 기능으로 관련 유튜브 영상을 일괄 불러와 예시 데이터와 주장을 수집하고 콘텐츠 기획에 활용하는 방법을 설명한다.

타임라인 정보가 없습니다.

NotebookLM의 최소 착각(minimal hallucination) 특성을 활용해 수집한 소스에서 정확한 데이터·인사이트·주장들을 추출하고 콘텐츠 근거로 저장하는 절차를 정리한다.

[13:42] 최소한의 환각 효과로 정확한 인사이트와 데이터를 추출하는 기능을 제공합니다.

추가 프롬프트와 팁을 얻을 수 있는 커뮤니티 링크, AI SEO 관련 플레이리스트 안내를 통해 시청을 독려하며 영상을 마무리한다.

타임라인 정보가 없습니다.

[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.