키워드 클러스터링(keyword clustering)은 검색 의도가 같거나 비슷한 키워드를 한 묶음으로 모아, 그 묶음 전체를 페이지 하나로 공략하는 작업이다. 키워드마다 페이지를 따로 만들지 않고 의도 단위로 페이지를 나눈다.
판단해야 할 것은 하나다. 이 키워드들을 한 페이지로 다뤄도 되는가, 아니면 나눠야 하는가.
키워드 리서치가 후보 키워드를 모으는 단계라면, 클러스터링은 모은 키워드를 페이지 설계로 바꾸는 단계다. 결과물은 키워드 목록이 아니라 “페이지 몇 개를 만들고 각 페이지가 어떤 키워드를 맡는가”다.
두 키워드를 각각 검색해서 상위 10개 결과가 얼마나 겹치는지 센다. 구글이 두 검색어를 같은 질문으로 보는지는 구글이 내놓은 결과가 알려 준다.
업계에서 흔히 쓰는 경계선은 상위 10개 중 공유 URL 3개에서 4개다 (SEOcrawl, 키워드 클러스터링이란?). 이보다 적게 겹치면 의도가 다르다고 보고 페이지를 나눈다.
기준을 비율로 잡는 곳도 있다. 70% 이상이면 하나로 묶고, 30% 미만이면 다른 의도로 보며, 그 사이는 판단이 갈리는 구간이라는 식이다 (Search OS, 키워드 클러스터링).
숫자보다 중요한 것은 이 기준이 직관과 자주 어긋난다는 점이다. 실제로 재 봤다.
서치폴라리스 위키에 이미 발행한 용어 중 세 쌍을 골라, 2026년 9월 4일 구글 한국(hl=ko, gl=kr)에서 각각 검색해 1페이지 오가닉 결과의 URL을 대조했다.
| 키워드 쌍 | A 결과 | B 결과 | 공유 URL | 판정 |
|---|---|---|---|---|
| SEO / 검색엔진최적화 | 9 | 9 | 5 | 한 페이지 |
| 키워드 리서치 / 키워드 분석 | 9 | 8 | 2 | 분리 |
| 백링크 / 링크 빌딩 | 8 | 8 | 0 | 분리 |
가장 눈에 띄는 것은 마지막 줄이다. 백링크와 링크 빌딩은 실무에서 거의 붙어 다니는 말인데 1페이지에서 겹치는 URL이 하나도 없었다.
같은 도메인이 양쪽에 오르기는 했다. 다만 각각 다른 페이지였고(searchos.io의 /knowledge/backlink와 /knowledge/link-building), 그 사이트도 두 키워드를 나눠서 다루고 있었다.
백링크는 “이게 뭔가”를 묻는 정의형 결과가 채웠고, 링크 빌딩은 위키백과와 방법론 글이 채웠다. 이름이 붙어 다니는 것과 검색 의도가 같은 것은 별개다.
반대쪽 끝은 SEO와 검색엔진최적화다. 표기만 다른 같은 말이고, 예상대로 9개 중 5개가 같은 URL이었다.
그런데 이 쌍조차 완전히 같지는 않았다. 네이버 서치어드바이저는 양쪽에 올랐지만 “SEO”에서는 /guide/seo-help가, “검색엔진최적화”에서는 /guide/seo-basic-intro가 걸렸다.
중간 사례가 키워드 리서치와 키워드 분석이다. 공유 URL은 2개뿐이었고, 그나마 둘 다 도구 사이트(구글 트렌드, 블랙키위)였다.
나머지는 성격이 갈렸다. “키워드 리서치”는 가이드 문서가, “키워드 분석”은 아이템스카우트와 로워드 같은 검색량 조회 도구가 차지했다.
한쪽은 배우려는 사람이고 한쪽은 도구를 찾는 사람이라는 뜻이다. 사전적으로는 거의 같은 말이지만 페이지는 나누는 편이 맞다.
묶는 근거를 검색 결과에서 가져오면 SERP 기반, 단어의 뜻에서 가져오면 의미 기반이다. 정확도는 SERP 기반이 높고 속도는 의미 기반이 빠르다.
| 구분 | SERP 기반 | 의미 기반 |
|---|---|---|
| 묶는 근거 | 상위 10개 결과의 URL 중첩 | 단어와 문장의 의미 유사도 |
| 필요한 것 | 키워드마다 실제 검색 결과 | 임베딩 모델이나 형태소 분석 |
| 강점 | 구글의 판단을 그대로 반영 | 대량 키워드를 빠르게 분류 |
| 약점 | 키워드 수만큼 조회가 필요해 느리고 비쌈 | 표기가 같아도 의도가 다른 쌍을 놓침 |
앞의 실측이 그 약점을 그대로 보여 준다. 백링크와 링크 빌딩은 어떤 의미 유사도 모델로 재도 가깝게 나오지만 실제 검색 결과는 하나도 겹치지 않았다.
SERP 기반 클러스터링은 묶는 강도를 조절할 수 있다. 위키백과는 세 단계로 정리한다.
느슨한 방식은 검색량이 가장 큰 키워드를 축으로 놓고 나머지를 그 축과 비교한다. 중간 방식은 그룹 안의 키워드마다 짝을 이루는 키워드가 하나 이상 있으면 묶는다. 엄격한 방식은 그룹 안 모든 키워드가 서로 같은 URL을 공유해야 한다 (Wikipedia, Keyword clustering).
같은 문서는 이 방식이 2015년 러시아의 SEO 전문가 알렉세이 체쿠신이 제안한 데서 출발했다고 기록한다. 검색 결과로 키워드를 묶는다는 발상 자체가 10년 넘은 방법이다.
실무에서는 둘을 섞는다. 의미 기반으로 큰 덩어리를 먼저 만들고, 페이지를 만들 후보만 남겨 SERP로 다시 확인하는 순서다.
한 페이지가 커버하는 검색어의 수가 달라진다. 페이지 하나는 원래 키워드 하나가 아니라 키워드 덩어리에 걸린다.
서치폴라리스 위키에서 실제로 그렇다. /wiki/google-ai-mode/ 문서 한 편이 2026년 8월 7일부터 9월 4일까지 4주 동안 구글에서 115개 질의로 노출됐고, 노출 합계는 12,340회였다 (구글 서치 콘솔 실측).
이 문서가 겨냥한 키워드는 하나였다. “구글 AI 모드”다.
실제로 걸린 질의는 결이 여럿이었다.
| 질의 | 4주 노출 | 성격 |
|---|---|---|
| ai모드 | 5,526 | 표기 변형 |
| 구글 ai 모드 켜기 | 1,272 | 방법 |
| 에이아이모드 | 546 | 표기 변형 |
| ai 모드 켜기 | 544 | 방법 |
| ai mode | 503 | 표기 변형 |
| 에이아이 모드 | 291 | 표기 변형 |
| 구글ai모드 | 197 | 표기 변형 |
| ai 모드 란 | 116 | 정의 |
| 구글 ai 모드 설정 | 101 | 방법 |
띄어쓰기와 한글 표기만 다른 질의가 각각 따로 집계된다. 이런 변형마다 페이지를 만들면 서로 순위를 갉아먹을 뿐이다.
그래서 클러스터링의 실익은 순위가 아니라 페이지 수 통제에 있다.
구글도 비슷하거나 중복된 페이지의 신호를 하나로 통합한다고 설명한다. 표준 URL을 지정하면 “검색엔진으로 연결되는 링크 같은 개별 URL의 신호를 선호하는 단일 URL로 쉽게 통합할 수 있다”는 것이다 (구글 검색 센터, 표준 URL 지정 방법).
나눠서 각자 약해지느니 합쳐서 하나를 강하게 만드는 편이 낫다는 뜻이다. 정규 URL 태그는 이미 흩어진 페이지를 사후에 수습하는 도구이고, 클러스터링은 애초에 흩어뜨리지 않는 설계다.
주의할 점도 표에 있다. “구글 ai 모드 켜기”는 정의가 아니라 방법을 묻는 질의인데 노출로는 두 번째 덩어리다.
이런 질의가 클러스터 안에 있으면 문서에 그 답을 넣어야 한다. 묶기만 하고 내용을 안 채우면 노출은 되어도 클릭은 안 된다.
키워드 수집, 1차 분류, SERP 검증, 페이지 배정 순서로 진행한다.
4번을 건너뛰면 클러스터링을 한 것이 아니라 키워드를 정리한 것이다. Ahrefs도 도구가 만든 클러스터를 그대로 믿지 말라고 한다. 4,703개 키워드를 두 도구로 분류해 비교했더니 상위 25개 클러스터 중 절반 남짓만 같았다 (Ahrefs, Keyword Clustering).
다루는 단위가 다르다. 키워드 클러스터는 페이지 하나가 맡을 키워드 묶음이고, 토픽 클러스터는 여러 페이지를 주제로 묶은 사이트 구조다.
키워드 클러스터링의 결과물은 “이 페이지는 이 키워드들을 맡는다”이고, 토픽 클러스터의 결과물은 “이 기둥 문서 아래 이 문서들이 붙는다”이다.
순서로는 키워드 클러스터링이 먼저다. 페이지 목록이 나와야 그 페이지들을 어떻게 연결할지 정할 수 있다.
연결하는 수단이 내부 링크다. 클러스터 안의 문서들이 서로 링크로 묶여야 주제 단위로 인식된다.
검색량만 보고 묶는 것이 가장 흔하다. 검색량이 비슷하다는 것은 의도가 같다는 뜻이 아니다.
도구 결과를 검증 없이 쓰는 것도 흔하다. 앞서 본 것처럼 도구가 다르면 클러스터도 달라진다.
너무 크게 묶는 것도 문제다. 한 페이지에 의도가 다른 키워드를 몰아넣으면 어느 쪽도 제대로 답하지 못한다.
롱테일 키워드를 검색량이 없다는 이유로 버리는 실수도 잦다. 앞의 실측에서 노출을 만든 질의 대부분이 도구에 잡히지 않는 변형들이었다.
마지막은 한 번 묶고 끝내는 것이다. 검색 결과는 계속 바뀌므로 클러스터도 발행 후 실제 질의를 보고 손봐야 한다.
클러스터링의 뜻은 무엇인가요? 비슷한 것끼리 묶는다는 뜻이고, 어느 분야에서 쓰는지에 따라 대상이 달라집니다. 데이터 분석에서는 데이터 점을 거리에 따라 묶는 기법을 가리키고, 데이터베이스에서는 관련 있는 행을 물리적으로 가까이 저장하는 방식을 뜻합니다. 검색 마케팅에서 클러스터링이라고 하면 키워드 클러스터링, 즉 검색 의도가 같은 검색어를 묶는 작업을 말합니다. 참고로 구글 키워드 플래너 기준 “클러스터링”의 국내 월 검색량은 1,600회이고 “키워드 클러스터링”은 20회라, 그냥 클러스터링만 검색하면 데이터 분석 쪽 결과가 대부분입니다.
키워드 그룹핑과 키워드 클러스터링은 같은 말인가요? 거의 같은 뜻으로 쓰이지만 뉘앙스가 조금 다릅니다. 그룹핑은 광고에서 광고 그룹을 나누는 맥락으로도 자주 쓰이고, 이때는 검색 의도보다 입찰과 예산 단위가 기준이 됩니다. 클러스터링은 SEO 맥락에서 검색 결과의 중첩이나 의미 유사도를 근거로 묶는 작업을 가리키는 경우가 많습니다. 콘텐츠 페이지를 설계하는 목적이라면 클러스터링 쪽 기준을 쓰는 편이 맞습니다.
K-평균 클러스터링으로 키워드를 묶어도 되나요? 1차 분류용으로는 쓸 수 있지만 그것만으로 페이지를 정하면 안 됩니다. K-평균은 키워드를 벡터로 바꾼 뒤 거리로 묶는 방식이라 의미가 가까운 키워드를 빠르게 모아 주지만, 의미가 가까운 것과 검색 의도가 같은 것은 다릅니다. 백링크와 링크 빌딩처럼 어떤 모델로 재도 가깝게 나오는데 실제 검색 결과는 하나도 겹치지 않는 쌍이 있습니다. 대량 키워드를 덩어리로 줄이는 데까지만 쓰고, 페이지를 나눌지 합칠지는 실제 검색 결과를 열어서 정하는 순서를 권합니다.
서치폴라리스가 AI 검색 가시성을 진단하고 GEO 실행까지 대행합니다.