사용자 질의 특성이 검색 결과에 미치는 영향과 AI 시대 SEO 전략

1. 요약

• 사용자가 질의할 때 나타나는 다양한 요인, 즉 질의의 길이, 구조, 문맥 및 의도 등은 검색 엔진이 제공하는 결과의 정확성과 순위에 중대한 영향을 미칩니다. 2025년 현재, 검색 영역은 전통적인 키워드 매칭 방식에서 벗어나 의미 기반 AI 검색으로 빠르게 변화하고 있습니다. 이 과정에서 GEO(Generative Engine Optimization) 전략이 핵심이라는 주목받고 있습니다. 본 보고서에서는 사용자 질의의 요소별 분석, 전통 검색과 AI 검색의 본질적 차이, 추천 및 확장 기술, GEO 최적화 전략, 실제 기업 사례 등을 제시하여 기업 및 마케터들이 사용자 질의 특성에 보다 효과적으로 대응하도록 안내합니다.

• 특히 질의의 길이와 구조는 검색의 효율성과 연관성에 결정적인 역할을 합니다. 짧고 간결한 질의는 정보 접근성을 높이는 반면, 보다 구체적인 질의는 검색 엔진의 의도 파악을 도와줍니다. 이러한 점에서 키워드 선택 방식 또한 변화하고 있으며, AI 시대에서는 질문 흐름과 맥락이 크나큰 중요성을 지니고 있습니다. 검색 의도를 명확히 파악하는 것이 SEO 전략의 기초가 되는 셈입니다.

• 전통적인 키워드 기반 검색은 키워드 매칭 방식으로 결과를 도출하지만, 현재 AI 기반 검색은 의미 이해에 중점을 두고 있습니다. 이로 인해 검색 결과의 품질과 신뢰성이 더욱 중요한 요소가 되었습니다. 따라서 기업들은 단순한 클릭 수를 넘어 SEO 전략을 재정립해야 하며, 데이터 분석을 통해 사용자 요구와 시장 변화를 파악할 필요가 있습니다.

• 마지막으로, GEO 전략의 적용은 AI 응답 가시성을 확보하는 데 필수적입니다. 콘텐츠 구조를 AI 친화적으로 설계하고, 최신 정보를 지속적으로 반영하여 브랜드의 신뢰도를 높여야 합니다. 이를 통해 검색 엔진에서의 가시성 확보는 물론, 사용자 경험 개선까지 이어질 것입니다.

2. 사용자 질의의 주요 요소

• 2-1. 질의 길이와 구조

• 사용자 질의의 길이와 구조는 검색의 효율성과 결과의 관련성에 중대한 영향을 미친다. 일반적으로 짧고 간결한 질의는 핵심 정보에 빠르게 접근할 수 있도록 도와준다. 예를 들어, '커피'라는 질의는 매우 일반적이며, 다양한 결과를 가져올 수 있다. 반면, '커피를 만드는 방법' 또는 '가장 맛있는 커피 브랜드'와 같은 구체적인 질의는 보다 정확하고 적합한 결과를 가져올 가능성이 높다. 이는 검색 엔진이 사용자의 의도를 이해하고 그에 맞는 적절한 콘텐츠를 제공하는 데 도움을 준다. 특히, AI 기반 검색 엔진은 정보 검색 컨텍스트를 더 잘 이해하기 때문에, 질의가 길어질수록 기대하는 답변을 더욱 정확히 찾을 수 있는 가능성이 높아진다.

• 구조적 측면에서는, 질문 형태의 질의가 검색 결과의 품질에 긍정적인 영향을 미칠 수 있다. 예를 들어, '주말에 갈 만한 여행지 추천'과 같은 질문형 질의는 검색 엔진이 사용자의 의도를 보다 명확히 파악할 수 있도록 한다. 이처럼 질의의 구조와 형식은 검색 엔진 최적화(SEO)에서 전략적으로 고려해야 할 중요한 요소가 된다.

• 2-2. 키워드 선택 방식

• 키워드 선택은 검색 엔진 최적화에서 중요한 역할을 하며, 사용자가 어떤 단어를 선택하는지에 따라 검색 결과의 강도가 달라진다. 2025년 현재, 사용자들은 단순히 키워드를 나열하는 대신, 자신의 질문에 적합한 키워드 조합을 생각하고 입력하는 추세이다. 이러한 변화는 소비자가 검색 결과에서 어떤 정보를 기대하고 있는지를 반영하고 있다.

• AI 기반 검색 시대의 도래로, 단순한 키워드 반복보다 사용자의 질문 흐름과 맥락을 이해하는 것이 더 중요해졌다. 기업들은 이제 AI가 자연스럽게 브랜드를 언급할 수 있도록, 사용자 질문의 응답을 제공하는 방식으로 콘텐츠를 설계해야 한다. 키워드 선택 과정에서 사용자의 의도를 파악하고, 그에 맞는 고유한 콘텐츠를 창출함으로써 검색 결과 내에서 가시성을 높일 수 있다.

• 2-3. 문맥과 검색 의도

• 문맥과 검색 의도는 사용자 질의를 이해하는 데 필수적인 요소이다. 사용자가 어떤 질문을 입력하느냐에 따라 그 배경이나 의도가 다를 수 있으며, 이는 검색 결과에 큰 영향을 미친다. AI 기술의 발전으로, 검색 엔진은 사용자 문맥을 이해하고 사용자 의도를 파악하는 데 더욱 유능해졌다.

• 예를 들어, '애플'이라는 단어를 입력했을 때, 사용자가 애플 회사에 대한 정보를 원하는지, 애플 제품에 관심이 있는지, 또는 애플 주식에 대한 정보를 찾고 있는지 등의 의도를 명확히 파악하는 것이 중요하다. 이러한 문맥을 통해 검색 엔진은 보다 적절하고 유의미한 결과를 제공하며, 이는 SEO 전략 수립 시 고려해야 할 중요한 요소로 작용한다.

• 2-4. 구체성과 일반성

• 사용자 질의의 구체성과 일반성은 검색 결과의 정확성과 관련성에 중대한 영향을 미친다. 구체적인 질의는 주소, 위치, 날짜와 같은 특정 정보를 포함하여 검색 엔진이 보다 정확한 결과를 제공할 수 있도록 돕는다. 예를 들어, '서울에서 가장 유명한 비건 식당'이라는 구체적인 질문은 '비건 식당'이라는 일반적인 키워드보다 더 나은 검색 결과를 도출한다.

• 한편으로 일반적인 질의는 더 넓은 범위의 정보를 효과적으로 탐색할 수 있는 장점이 있지만, 검색 결과의 정확성이 떨어질 수 있다. 따라서 구체성을 유지하면서도 충분히 넓은 문맥을 갖춘 질의를 작성하는 것이 중요하다. 이는 AI 기반 검색 엔진이 원하는 정보에 보다 빠르고 유효하게 접근할 수 있는 경로를 제공함으로써 많은 도움이 될 수 있다.

3. 전통적 키워드 기반 검색과 AI 기반 검색 비교

• 3-1. 키워드 매칭 vs 의미 기반 검색

• 전통적인 검색 방식은 사용자가 입력한 키워드와 웹사이트의 콘텐츠를 직접 매칭하는 방식입니다. 이 과정에서 검색 엔진은 주어진 키워드를 포함한 페이지들을 색인하여 결과를 반환합니다. 그러나 2025년 현재, 의미 기반 검색이 등장함에 따라 단순한 키워드 매칭에서 벗어나 사용자의 의도와 질문 맥락을 이해하는 것이 중요해졌습니다. 이는 AI 알고리즘이 사용자의 쿼리를 파악하고 그에 해당하는 최적의 답변을 생성하는 방식으로 진행됩니다. 예를 들어, 사용자가 '서울의 맛집 추천'이라고 입력할 경우, AI는 관련된 다양한 데이터를 분석하여 단순한 링크 목록 대신 요약된 정보를 사용자에게 직접 제공하게 됩니다. 이 때문에 SEO 전문가들은 단순히 키워드만 신경 쓸 것이 아니라 그 키워드가 나타내는 의미와 사용자 의도를 반영한 콘텐츠를 설계해야 하는 부담이 증가합니다.

• 3-2. 생성AI 응답 방식

• 생성형 AI, 예를 들어 ChatGPT와 같은 시스템들은 고급 알고리즘을 통해 사용자 질의에 대해 자연어로 응답하는 방식으로 작동합니다. 이러한 시스템은 단순히 사전 정의된 답변을 반환하는 것이 아니라, 입력된 정보를 바탕으로 적절한 내용을 자동 생성합니다. 이는 사용자가 보다 직관적이고 유의미한 정보에 쉽게 접근할 수 있도록 돕습니다. 예를 들어, AI가 '최고의 음식점 5곳'과 같은 질문에 응답할 때, 단순히 링크를 제공하는 것이 아니라 각 음식점의 설명 및 추천 메뉴를 포함한 구체적인 정보를 제공하는 과정으로 전환됩니다. 이러한 방식은 사용자 경험을 향상시킬 뿐 아니라, 기업은 AI 응답에 포함될 수 있는 고품질 콘텐츠를 생성하는 데 집중해야 합니다.

• 3-3. 검색 결과 랭킹 차이

• 전통적인 검색 엔진 최적화(SEO)는 주로 클릭 수와 키워드 밀도에 초점을 맞췄습니다. 그러나 2025년 현재 AI 기반 검색에서는 검색 결과의 품질과 신뢰성이 우선시되고 있습니다. 이는 검색 엔진이 콘텐츠의 권위성, 즉 정보의 신뢰성을 평가하여 검색결과에 영향을 미친다는 것을 의미합니다. 예를 들어, AI는 전문적인 출처에서 인용된 자료나 신뢰할 수 있는 전문가의 의견이 포함된 콘텐츠를 우선시합니다. 따라서 기업들은 단순히 클릭 수를 늘리기 위해 노력하는 대신, 사용자의 질문에 대한 적절하고 신뢰할 수 있는 답변을 제공하는 것을 중심으로 SEO 전략을 재정립해야 합니다. 이러한 변화는 AI가 정보를 신속하고 정확하게 제공하는 방향으로 검색 환경을 더욱 발전시키고 있습니다.

4. 검색어 추천 및 쿼리 확장 기술

• 4-1. 자동완성 및 추천 알고리즘

• 검색어 추천 시스템은 사용자가 검색창에 입력한 내용을 바탕으로 자동으로 관련 검색어를 제안하는 기능을 말한다. 이 기술은 사용자의 입력과 과거 검색 데이터를 분석하여 검색어의 적합성을 판단하고, 사용자 경험을 향상시키는 역할을 한다. 예를 들어, 사용자가 '서울 맛집'이라 입력하면 시스템은 '서울 맛집 추천', '서울 맛집 베스트' 같은 추가 검색어를 자동으로 제안한다. 이러한 기능은 검색 속도를 높이고 사용자가 원하는 정보에 더 쉽게 접근할 수 있게 도와준다.

• 네이버와 구글의 자동완성 시스템은 각각의 알고리즘을 기반으로 하며, 사용자 데이터와 실시간 트렌드를 바탕으로 추천 내용을 업데이트한다. 최근 연구에 따르면 네이버의 연관 검색어가 구글보다 적합도와 최신성에서 상대적으로 높은 것으로 평가되었다. 이는 네이버가 사용자의 검색 패턴을 보다 효과적으로 반영하고 있다는 것을 시사한다. 추천 알고리즘의 설계는 검색 정확도뿐만 아니라, 사용자 만족도에 직결되기 때문에 지속적인 개선과 평가가 필요하다.

• 4-2. 연관 검색어 서비스 평가

• 연관 검색어 서비스는 사용자가 입력한 키워드와 유사한 키워드나 추가적인 정보를 제공하는 기능이다. 이 서비스는 사용자의 질의를 해석하고, 검색 결과의 적합성을 높이는 데 필수적이다. 예를 들어, 사용자가 '영화 추천'을 검색하면 '최근 영화', '영화 평론', '상영중인 영화' 등이 연관 검색어로 나타날 수 있다.

• 2025년 현재, 이러한 연관 검색어 서비스의 평가는 과거보다 더욱 중요해졌다. 브랜드 인지도 및 검색 결과의 가시성을 높이기 위해서는 사용자가 연관 검색어를 통해 기대하는 정보와 연관성을 갖춘 콘텐츠가 필수적이다. 구글과 네이버의 연구 결과를 통해 두 플랫폼에서 제공하는 연관 검색어의 차별화된 접근 방식을 검토할 수 있으며, 이는 향후 검색 엔진 최적화(SEO)에 있어 중요한 시사점을 제공한다. 예를 들어 구글은 질의의 코와 유사한 검색어를 추천하는 경향이 있지만, 네이버는 보다 특정한 맥락을 고려하여 추천하는 경향이 있다.

• 4-3. 개인화 추천 시스템 적용

• 개인화 추천 시스템은 사용자의 이전 검색 이력, 클릭 패턴 및 선호도를 기반으로 맞춤형 검색어 또는 콘텐츠를 추천하는 기능이다. AI 기술의 발전으로 이러한 개인화 추천 기능의 정확도가 증대되어 왔으며, 사용자는 더욱 맞춤화된 검색 경험을 느낄 수 있다. 이러한 시스템은 특히 사용자가 명확한 검색 의도를 가지고 있지 않거나, 원하는 정보를 찾는 데 어려움을 겪는 상황에서 큰 도움을 줄 수 있다.

• 예를 들어, 데이터 분석에 따르면 챗GPT 플랫폼에서 개인화된 추천 기능의 활성화 이후 클릭률이 급증하며, 이는 사용자가 AI가 제안하는 결과에 대해 높은 신뢰를 느낀다는 것을 반영한다. 개인화 추천 시스템을 구축하기 위해서는 사용자의 데이터에 대한 철저한 분석과 지속적인 개선 작업이 필요하다. 이용자가 긍정적인 경험을 할 수 있도록 데이터 수집 및 분석 이외에도 개인정보 보호 문제에 대한 문제제기와 해결 방안 모색이 필수적이다.

5. GEO 전략과 사용자 질의 최적화

• 5-1. ‘답변 안에 콘텐츠 포함’의 중요성

• AI 기반의 검색 엔진은 이제 사용자가 입력한 질문에 대한 직접적인 답변을 제공하는 형태로 빠르게 변화하고 있습니다. 과거의 전통적인 검색 방식에서는 검색 결과의 순위가 중요했지만, 현재는 AI가 어떤 콘텐츠를 인용하는지가 더욱 중요해졌습니다. 이에 따라 '답변 안에 콘텐츠 포함'의 중요성이 커지고 있습니다. AI가 질문에 대한 대답을 생성할 때, 그에 인용되는 콘텐츠는 신뢰성과 권위성을 갖추어야 하며, 사용자의 질의에 정확히 부합하는 구조를 가져야 합니다. 이는 콘텐츠 제작 과정에서 검색 최적화를 위한 기본적인 전략으로 자리잡고 있습니다.

• 5-2. GEO 핵심 요소와 평가 지표

• GEO(Generative Engine Optimization)는 기존의 SEO와는 다르게 AI와의 호환성을 최적화하는 데 중점을 두고 있습니다. GEO의 핵심 요소는 다음과 같습니다. 첫째, 권위성 확보입니다. 이는 신뢰할 수 있는 통계, 전문적인 발언, 인용 등을 포함하여 정보를 제공해야 한다는 의미입니다. 둘째, 구조적 명료함이 요구됩니다. 소제목, 불릿 포인트, 질문-답변 형식 등 AI가 쉽게 이해할 수 있는 정보 구조가 필수적입니다. 셋째, 자연스러운 문맥이 필요합니다. 이는 AI가 내용을 정확히 요약하고 인용할 수 있도록 하는 데 필수적입니다. 이러한 요소들을 충족시키는 콘텐츠는 AI 검색 엔진에서 높은 가능성으로 인용될 것입니다.

• 5-3. AI 응답 가시성 확보 방안

• AI 응답 가시성을 확보하기 위해서는 질의의 문맥과 흐름을 이해하고 이에 적합한 형태로 콘텐츠를 구성해야 합니다. 사용자 질문의 흐름을 기반으로 한 콘텐츠 설계는 특히 중요합니다. 예를 들어, 브랜드가 AI가 인용하고 싶어하는 콘텐츠를 작성하려면 사용자 질문의 연속성을 고려하여 각 질문에 대한 구체적이고 신뢰할 수 있는 답변을 포함해야 합니다. 또한, 최신 정보를 반영하여 콘텐츠의 신뢰성을 높이고, 다양한 플랫폼에서 적극적으로 콘텐츠를 배포하여 인지도를 증가시켜야 합니다. 이렇게 하면 AI가 해당 콘텐츠를 더욱 신뢰하게 되고, 검색 결과에 우선적으로 포함될 가능성이 높아집니다.

6. 실제 사례 분석 및 기업 적용 방안

• 6-1. ChatGPT 검색 CTR 데이터 분석

• 2025년 현재, 챗GPT는 검색 엔진에서 사용자와의 상호작용을 통해 인상적인 클릭률(CTR) 데이터를 기록하고 있습니다. 특히 쇼핑 관련 프롬프트 사용량이 급증하며, 클릭률은 평균 5.7%에 달하고 있습니다. 이는 전년 대비 2.2%에서 급상승한 수치로, AI가 제공하는 응답의 품질과 관련성이 사용자의 구매 결정에 미치는 영향을 반영합니다.

• 이와 같은 데이터는 기업에게 의미 있는 통찰을 제공합니다. 즉, 검색 결과에서 브랜드의 언급이 증가함에 따라 CTR이 양적으로나 질적으로 증가하고 있음을 보여줍니다. 기업들은 이러한 흐름에 주목하여, 챗GPT와 같은 AI 검색 엔진의 응답 내에서 얼마나 자주 브랜드가 언급되는지를 새로운 성과 지표로 삼아야 합니다. 기업이 검색 엔진 최적화(SEO) 전략을 펼칠 때는 AI가 자주 인용하고 추천할 수 있는 콘텐츠를 제작하여야 하며, 이는 신뢰와 권위를 강화하는 데 크게 기여할 것입니다.

• 6-2. AI 검색 엔진 랭킹 사례

• AI 검색 시대에 접어들면서, 브랜드의 검색 엔진 내 랭킹은 단순히 웹사이트 링크의 노출 빈도만으로 결정되지 않습니다. 최근 데이터에 따르면, 브랜드가 AI에 의해 직접 언급되는 빈도와 그 맥락이 훨씬 더 중요해진 것으로 나타납니다. 이에 기업들은 AI가 가장 신뢰할 수 있는 소스로 인식할 수 있는 고품질의 정보를 제공해야 합니다.

• 특히, Bain & Company와 Sensor Tower의 분석에 따르면 최근 챗GPT의 프롬프트 사용량과 함께 AI 검색 엔진의 응답 점유율이 증가하고 있는 만큼, 브랜드가 AI에 노출되는 방식에 대한 전략적 접근이 필수적입니다. 예를 들어, 제품이나 서비스와 관련된 질문을 예상하고 해당 질문에 대해 직접적이고 사실 기반의 답변 형태로 콘텐츠를 작성해야 합니다.

• 6-3. 기업 SEO·GEO 통합 전략 제언

• AI가 주도하는 검색 환경에서는 전통적인 SEO 방식뿐만 아니라 GEO(Generative Engine Optimization) 전략의 통합이 필수적입니다. 기업은 이제 단순히 상위 노출을 목표로 하는 것이 아니라, AI가 생성하는 응답 내에 브랜드를 포함시키기 위해 콘텐츠를 재구성해야 합니다. GEO의 핵심 요소로는 신뢰할 수 있는 최신 정보 제공, 질문 흐름 기반 콘텐츠 설계, 다양한 채널을 통한 지속적인 신호 촉진 등이 있습니다.

• 또한 기업은 AI의 문법에 맞춘 콘텐츠를 제작하여 사용자의 질문 맥락을 분석하고 이를 반영한 자료를 제공하는 것이 중요합니다. 이를 통해 AI가 자연스럽게 브랜드를 인용할 수 있게 되며, 결과적으로 브랜드의 인지도를 제고할 수 있습니다. 이러한 전략적 접근은 기업이 디지털 시대에서의 지속 가능한 성장과 신뢰를 얻는 데 도움이 될 것입니다.

결론

• 2025년 현재, 사용자 질의의 특성은 검색 결과의 품질 및 순위에 결정적 영향을 미치고 있습니다. 기존의 짧고 명확한 키워드 질의는 전통 검색에서 유효했으나, AI 기반 검색 환경에서는 문맥과 의도가 반영된 자연어 질의가 더 높은 가시성을 확보하는 경향을 보입니다. 이에 사용자 질의에 대한 심층적인 분석과 이해는 필수적입니다.

• GEO 전략을 도입하여 '답변 내 콘텐츠 포맷'과 신뢰성을 최적화한다면 AI 검색 엔진에서 우위를 점할 가능성이 높아집니다. 특히, AI가 대답할 때 참조하는 콘텐츠의 신뢰도는 사용자의 경험과 직결되기 때문에, 정보의 정확성과 신뢰성을 확보하는 것이 중요합니다. 기업들은 검색어 추천 및 확장 기술을 통해 SEO와 GEO를 통합하는 맞춤형 전략을 세우고, 지속적인 모니터링과 분석을 통해 사용자 질의의 변화를 신속히 이해하고 대응해야 합니다.

• 궁극적으로, 변화하는 검색 환경에 적응하기 위해서는 체계적인 데이터 분석과 함께 AI의 등장으로 새로운 요구 사항을 충족할 수 있는 진화된 SEO 전략이 요구됩니다. 이는 디지털 시대에서 기업이 지속 가능한 성장을 이루는 데 필수적입니다. 따라서 기업의 SEO 전략은 앞으로도 더욱 고도화되고, 사용자 중심의 개별화된 방법이 중요해질 것입니다.

용어집

• 사용자 질의: 사용자가 검색 엔진에 입력하는 질문이나 요청의 형태로, 질의의 길이, 구조, 문맥 및 의도가 검색 결과의 품질과 순위에 결정적 영향을 미친다.

• AI 검색: 의미 기반 검색 기술로, 단순한 키워드 매칭을 넘어 사용자의 질문 맥락과 의도를 이해하여 보다 자연스러운 검색 결과를 제공하는 AI 시스템을 의미한다.

• GEO (Generative Engine Optimization): AI 검색 환경에 최적화된 콘텐츠 제작 전략으로, 정보의 신뢰성과 권위성을 높이며 AI가 요구하는 구조를 갖춘 콘텐츠를 지향한다.

• CTR (Click-Through Rate): 검색 결과에서 사용자가 실제 클릭한 비율을 나타내는 지표로, 높은 CTR은 검색 결과의 질이 사용자의 기대에 부합함을 의미한다.

• 문맥과 검색 의도: 사용자가 입력한 질의의 배경과 의미로, 검색 결과의 유효성을 결정하는 중요한 요소이다. AI 기술의 발전으로, 검색 엔진은 이러한 문맥을 이해하는 데 더욱 능숙하다.

• 추천 알고리즘: 사용자가 입력한 검색어에 근거하여 자동으로 관련 추가 검색어를 제안하는 시스템으로, 사용자 경험을 향상시키고 정보 접근성을 높인다.

• 개인화 추천 시스템: 사용자의 이전 검색 이력과 선호도를 분석하여 맞춤형 검색어 또는 콘텐츠를 추천하는 기술이다. 이는 사용자 맞춤형 검색 경험을 제공하는 데 중요한 역할을 한다.

• 키워드 선택 방식: 검색 엔진 최적화에서 사용자가 입력하는 키워드를 선택하는 방법으로, AI 시대에서는 사용자의 질문 흐름과 맥락을 이해하는 것이 더 중요해졌다.

• 전통적 키워드 기반 검색: 사용자가 입력한 키워드와 웹사이트 콘텐츠를 직접 매칭하여 결과를 생성하는 검색 방식으로, 2025년 현재 AI 기반 의미 검색으로 빠르게 대체되고 있다.

출처 문서

• SEO에서 GEO로… AI가 고르는 콘텐츠, 이제는 ‘답변 안에 들어야 산다’ - KMJhttps://www.kmjournal.net/news/articleView.html?idxno=3821
• 2025년 최고의 AI 검색 엔진 10대: 완벽 가이드https://www.getguru.com/ko/reference/ai-search-engine
• 검색 포털들의 검색어 추천 서비스 분석 평가: 네이버와 구글의 연관 검색어 서비스를 중심으로 - 정보관리학회지 - 한국정보관리학회 - KISShttps://kiss.kstudy.com/DetailOa/Ar?key=51349662
• [기고문]2025년 AI 검색 혁신, 기업이 놓치면 안 될 SEO 전략 < 비즈니스 인사이트 < IT·산업 < 뉴스 < 기사본문 - 지티티코리아https://www.gttkorea.com/news/articleView.html?idxno=21370
• AI 검색 시대, 브랜드 생존 좌우하는 건 ‘GEO’https://n.news.naver.com/mnews/article/029/0002984546