Search Console의 CTR과 평균 게재순위 이해하기

클릭률(CTR)은 클릭 수를 노출 수로 나눈 값입니다. 평균 게재순위는 사이트가 노출된 각 검색에서 가장 높았던 순위를 구한 뒤, 그 검색 전체에 걸쳐 평균을 낸 값입니다. 두 지표 모두 수천 건의 서로 다른 검색에 대한 평균이므로, 사이트 전체 수치만 보면 알 수 있는 것보다 가려지는 것이 더 많습니다. 쿼리별 또는 페이지별로 확인하고, CTR은 내 사이트가 같은 순위에서 실제로 얻는 값과 비교해 판단하세요.

평균 게재순위는 어떻게 계산되나요

Google의 집계 규칙(게재순위 집계 방식)은 다음과 같이 정리됩니다.

• 가장 높은 결과만 집계됩니다. 한 검색에서 내 링크 3개가 2위, 4위, 6위에 노출되면 그 검색의 게재순위는 2위로 기록됩니다.
• 그런 다음 검색 전체에 걸쳐 평균을 냅니다. Google이 드는 예시를 보면, 한 검색에서 링크가 2위, 4위, 6위에 노출되어 2위로 기록되고 다른 검색에서는 3위, 5위, 9위에 노출되어 3위로 기록되면 평균 게재순위는 2.5위입니다.
• 노출이 없으면 순위도 없습니다. 링크가 노출을 얻은 경우에만 게재순위가 기록되며, 보고서에 대시(-)가 표시되면 기록된 값이 없다는 뜻입니다.
• 집계 순서. 순위는 메인 열에서 위에서 아래로 매겨진 뒤 보조 열에서 아래로 이어집니다. 이미지 검색 결과에서는 왼쪽에서 오른쪽으로, 그다음 위에서 아래로 매겨집니다.
• 일부 블록은 하나의 순위로 취급됩니다. AI Overview는 하나의 순위를 차지하며, 그 안의 모든 링크가 같은 순위를 공유합니다. 추천 스니펫은 보통 1위에 위치합니다.

단일 페이지의 경우 이것이 무엇을 의미하는지 살펴보세요. 페이지 표는 페이지 기준으로 집계하므로, 한 페이지의 게재순위는 각 검색에서 그 페이지 자체가 기록한 가장 높은 순위입니다. 반면 속성 기준으로 집계하는 차트에서는 홈페이지가 3위, 블로그 글이 8위에 노출된 검색이 사이트 전체로는 3위로 집계됩니다.

상황이 좋아지는데도 사이트 전체 게재순위가 떨어질 수 있는 이유

평균 게재순위는 가중평균이며, 구성이 바뀌면 평균도 움직입니다. 사이트가 월 50,000회의 노출을 평균 게재순위 12.0위로 얻고 클릭이 1,900회였다고 가정해 봅시다. 여기에 가이드 30개를 새로 발행합니다. 이후 한 달 동안 이 글들이 새로운 롱테일 검색에 노출되기 시작해, 평균 게재순위 28위에서 노출 40,000회와 클릭 160회를 얻습니다.

• 클릭은 1,900회에서 2,060회로 약 8% 늘었습니다.
• 평균 게재순위는 12.0위에서 19.1위로 떨어집니다. (50,000 × 12 + 40,000 × 28) ÷ 90,000 = 19.1이기 때문입니다.
• CTR은 3.8%에서 2.3%로 떨어집니다.

핵심 수치 세 개 중 두 개가 나빠졌다고 말하지만, 실제로는 클릭이 늘었고 잃은 것은 없습니다. 그래서 속성 전체 평균 대신 고정된 쿼리 묶음이나 고정된 페이지 묶음을 추적해야 합니다. 평균이 움직였다면 결론을 내리기 전에 비교 기간을 설정한 상태로 쿼리 탭을 열고 차이 열을 기준으로 정렬해 보세요.

CTR은 어떻게 작동하며, 왜 게재순위에 좌우되나요

CTR은 클릭 수 ÷ 노출 수이며 백분율로 표시됩니다. 다른 어떤 요소보다 결과가 놓인 위치에 크게 좌우되어, 상단의 결과는 하단의 결과보다 몇 배나 더 자주 클릭됩니다. Google은 기준 CTR을 공개하지 않지만, 업계의 여러 연구가 이 곡선을 측정해 왔습니다. AutoPSEO는 사이트에 자체 데이터가 부족할 때 대체값으로 공개된 연구들을 혼합한 값을 사용합니다.

이 수치는 목표가 아니라 곡선의 형태로 받아들이세요. 내 사이트의 곡선은 검색결과 페이지에 함께 노출되는 요소(광고, AI Overview, 동영상, 쇼핑 결과), 검색어에 브랜드명이 포함된 비율, 사용자가 간단한 정보를 원하는지 전체 글을 원하는지에 따라 이보다 훨씬 높거나 낮을 수 있습니다. 그래서 가장 유용한 기준은 내 데이터로 직접 만든 기준입니다.

내 기대 CTR 곡선 만들기

스프레드시트만 있으면 20분 정도면 할 수 있습니다.

1. 실적 → 검색 결과를 열고 기간을 최근 3개월로, 검색 유형을 웹으로 설정합니다.
2. 브랜드 검색어를 제외합니다. 속성에 브랜드 쿼리 필터가 있다면 쿼리 필터에서 브랜드 아님을 선택하세요. 없다면 쿼리 필터를 추가하고 맞춤 정규식을 "정규식 일치 안 함"으로 설정한 뒤 브랜드의 다양한 표기를 나열합니다(고급 필터링). 브랜드 검색어는 CTR이 훨씬 높아 곡선을 부풀리기 때문입니다.
3. 쿼리 표를 내보냅니다. 인터페이스에서는 최대 1,000행까지만 내보낼 수 있으므로, 규모가 큰 사이트는 API나 이를 활용하는 도구가 필요합니다(Search Console 데이터 제한).
4. 데이터가 적은 행은 제외합니다. 노출이 10회 미만인 쿼리를 제거합니다. 그 아래에서는 클릭 1회만 늘어도 CTR이 10%p 이상 움직입니다. 이 기준은 판단에 맡기는 부분이므로 큰 사이트에서는 더 높게 잡으세요.
5. 게재순위별로 묶습니다. 각 쿼리의 게재순위를 가장 가까운 정수로 반올림하고 1위부터 20위까지만 남깁니다.
6. 평균이 아니라 합계를 나눕니다. 구간마다 클릭 수 합계와 노출 수 합계를 구해 나누세요. CTR 열의 평균을 내면 노출이 2회인 쿼리와 2,000회인 쿼리가 같은 비중으로 취급됩니다.
7. 데이터가 적은 구간을 표시합니다. 노출이 몇백 회뿐인 구간은 신뢰하기 어렵습니다. AutoPSEO는 노출이 200회 미만인 순위를 데이터가 부족한 것으로 보고 그 순위에는 벤치마크를 대신 사용합니다.

이제 각 쿼리를 해당 구간과 비교해 보세요. 예를 들어 4위 구간에 쿼리 38개, 노출 21,400회, 클릭 1,520회가 있다면 기대 CTR은 7.1%입니다. 4.2위에 노출 2,000회, CTR 2.5%인 쿼리는 내 사이트가 그 자리에서 보통 얻는 클릭의 3분의 1 정도만 얻고 있는 셈입니다. 그 결과에서 무언가가 검색자를 돌아서게 하고 있으니 살펴볼 만합니다.

곡선보다 얼마나 낮으면 너무 낮은 걸까요

공식적인 기준선은 없습니다. 그 수치 뒤에 얼마나 많은 노출이 있는지에 따라 달라지는 판단의 문제입니다. 노출이 몇백 회뿐이라면 CTR은 우연히 크게 흔들리므로 큰 격차만 의미가 있습니다. 노출이 수만 회라면 더 작은 격차도 실제 차이입니다. 참고로 AutoPSEO는 다음과 같은 기준선을 사용합니다.

• CTR Benchmark 보고서는 쿼리나 페이지의 CTR이 해당 순위의 기대값보다 20% 넘게 낮으면 실적이 저조한 것으로 표시합니다.
• Page Poaching 보고서는 이미 상단에 가까운 결과 중 기대 CTR의 70% 미만을 얻는 것을 나열합니다.
• 콘텐츠 엔진은 자사 글 중 8위에서 20위 사이에 노출되고 28일간 노출이 30회 이상인데 클릭 빈도가 벤치마크 곡선이 예측한 값의 60% 미만이면 최적화 대상으로 대기열에 올립니다.

처음에는 엄격하게(곡선보다 한참 낮고 노출이 충분한 경우) 시작하고, 눈에 띄는 사례를 고친 뒤에 규칙을 완화하세요.

과민 반응하지 않고 게재순위 변화 읽기

• 고정된 목록을 지켜보세요. 속성 평균 대신 비즈니스에 중요한 검색어 20~50개를 골라 그것을 추적합니다.
• 같은 조건끼리 비교하세요. 최근 28일과 그 이전 28일처럼 길이가 같고 요일 구성도 같은 기간을 사용합니다.
• 노출 수도 함께 확인하세요. 월 노출이 40회인 쿼리의 게재순위 변화는 대부분 노이즈입니다.
• 순위를 직접 확인하지 마세요. 결과는 위치, 언어, 기기, 시간에 따라 달라지므로, 검색해서 보이는 결과는 측정값이 아니라 하나의 표본일 뿐입니다.

AutoPSEO가 도움이 되는 부분

CTR Benchmark 보고서는 위에서 설명한 곡선을 내 데이터로 만들고, 데이터가 부족한 순위에는 벤치마크를 대신 적용하며, 실적이 저조한 각 쿼리나 페이지가 놓치고 있는 클릭을 합산해 보여줍니다. Page Poaching은 같은 곡선을 적용해 순위가 오를 때의 가치를 추정하고, CTR 곡선 모델링은 그 위에 매끄러운 곡선을 맞춰 줍니다. Rank Changes는 쿼리별로 게재순위 변동을 추적하므로, 구성이 바뀐 것을 순위 하락으로 오해하지 않게 해 줍니다. 계정이 없다면 무료 CTR Opportunity Analyzer로 내보낸 CSV에 같은 비교를 실행할 수 있습니다.