구글의 '선호 출처' 기능은 검색 결과에 더 많은 쓰레기 정보를 허용하는 무료 통과권

Google의 "Preferred Sources(선호 소스)" 기능은 사용자가 검색 결과 상단의 "Top Stories" 영역에 우선적으로 노출하고 싶은 뉴스 사이트를 직접 지정할 수 있도록 하는 개인화 옵션이다. 기술적으로는 사용자 계정 단위로 도메인 화이트리스트를 저장하고, 검색 랭킹 파이프라인에서 해당 도메인의 가중치를 부스팅하는 방식으로 작동한다. 핵심은 이 기능이 기본값(opt-out)이 아닌 명시적 선택(opt-in) 구조라는 점이다. 즉, 별도 설정 화면에 진입해 도메인을 일일이 추가해야 효과가 발생하므로, 실제로 활성화하는 사용자 비율은 극히 낮을 것으로 예상된다. 비평가들은 이를 두고 Google이 AI Overviews와 자사 AI 인터페이스로 트래픽을 빨아들이면서도 "사용자에게 선택권을 줬다"는 규제 방어 논리를 확보하려는 설계라고 본다.

개발자/엔지니어 관점에서 가장 큰 영향은 검색 트래픽에 의존하는 콘텐츠·SaaS 서비스의 유입 구조가 근본적으로 달라지고 있다는 것이다. 기술 블로그, 문서 사이트, 오픈소스 프로젝트 페이지 등 SEO 기반으로 자연 유입을 받아온 서비스는 AI Overviews가 답변을 직접 생성하면서 클릭 자체가 발생하지 않는 "zero-click search" 현상에 점점 더 노출된다. Preferred Sources는 표면상 양질의 출처를 보호하는 장치처럼 보이지만, 사용자 대다수가 설정하지 않는 한 알고리즘 기본값에는 변화가 없으므로 실효성이 제한적이다. 결과적으로 구조화된 데이터(Schema.org), AEO(Answer Engine Optimization), llms.txt 같은 새로운 표준이 기존 SEO보다 중요해지는 흐름이 가속화된다.

실무적으로는 자체 서비스의 트래픽 의존도를 재점검하고 채널을 다변화할 필요가 있다. 검색 유입 비중이 높은 프로덕트라면 GA4·Search Console에서 AI Overviews 노출 이후의 CTR 변화를 추적하고, RSS·뉴스레터·커뮤니티(예: GitHub, Reddit, Hacker News)·기술 컨퍼런스 같은 직접 도달 채널을 강화해야 한다. 또한 콘텐츠 제작 시에는 LLM이 인용하기 좋은 형태(명확한 정의, 단답형 요약, 표·코드 예제, 출처 메타데이터)를 갖추도록 구조를 다듬는 것이 유리하다. 장기적으로는 Google에 종속된 단일 유통 경로를 피하고, 자체 도메인 권위(브랜드 검색량, 백링크, 일관된 출판 패턴)를 누적하는 전략이 선호 소스로 지정될 확률을 높이는 가장 현실적인 대응책이 된다.