Stape으로 AI 트래픽을 추적하는 방법

AI 트래픽은 AI 플랫폼, 어시스턴트, 브라우저 또는 자동화된 AI 시스템에서 발생하는 웹사이트 방문이나 요청을 의미합니다. AI 트래픽에는 실제 사람의 방문(사용자가 AI 플랫폼에서 링크를 클릭하는 경우)과 AI 시스템에 의해 생성된 자동화된 요청(아래에서 살펴볼 학습용 크롤러 및 검색 패처 등)이 모두 포함될 수 있습니다. 

AI는 웹사이트 트래픽의 중요한 소스가 되고 있습니다. 지속적인 AI 발전은 이미 여러 산업에 영향을 미쳤으며(아래 인용된 연구 참조), 귀하의 웹사이트 트래픽 획득 보고서에도 이미 영향을 미치고 있을 가능성이 높습니다.

AI 트래픽 감지를 설정하기 전에, AI 도입과 AI 추천 트래픽이 얼마나 빠르게 증가하고 있는지 살펴보는 것이 좋습니다.

Adobe는 2026년 4월에 AI 트래픽 보고서를 발표했습니다. 이 플랫폼은 다양한 산업 전반에 걸친 AI 방문 점유율 증가를 분석했습니다:

• 소매 분야가 전년 대비 393%로 가장 큰 증가세를 보였습니다.
• 여행 분야는 233%,
• 금융 서비스 분야는 158%,
• 미디어 및 엔터테인먼트 분야는 84%,
• 기술 및 소프트웨어 분야는 63% 증가했습니다.

소비자들의 AI 도입 증가 또한 이러한 추세에 기여하고 있습니다. Adobe의 2026년 3월 소비자 설문조사에 따르면, 응답자의 54%가 AI를 더 자주 사용하고 있다고 답했습니다.

SimilarWeb의 2026년 생성형 AI 현황 보고서에 따르면, 생성형 AI는 계속해서 성장하고 있습니다. 2025년 6월부터 2026년 5월 사이:

• 월평균 웹 방문 수는 전년 대비 70% 증가한 95억 건에 달했습니다.
• 월간 순 방문자 수는 57% 증가하여 6억 5,500만 명을 기록했습니다.
• 모바일 앱 다운로드 수 역시 58% 증가한 44억 건을 기록했습니다.

AI 봇은 다양한 목적으로 웹사이트에 접근할 수 있으므로, 감지를 시도하기 전에 모든 AI 관련 봇 트래픽을 동일하게 보아서는 안 된다는 점을 이해하는 것이 중요합니다. 어떤 봇은 AI 모델을 학습시키거나 개선하기 위해 공개적으로 사용 가능한 콘텐츠를 크롤링하며, 다른 봇은 사용자의 질의에 대한 정보를 검색하거나 AI 답변을 생성하기 위해 실시간으로 페이지에 접근합니다.

아래에 나열된 봇은 AI 모델을 개발, 학습 또는 개선하는 데 사용될 수 있는 공개 웹 콘텐츠를 크롤링합니다:

• GPTBot
• ClaudeBot
• Google-Extended
• Applebot-Extended
• Bytespider
• CCBot
• Meta-ExternalAgent

학습용 크롤러의 방문이 실제 사람의 웹사이트 방문을 의미하는 것은 아닙니다. 하지만 이를 추적하면 AI 시스템이 콘텐츠에 얼마나 자주 접근하는지 파악하고, 자동화된 AI 크롤링과 사용자 기반 트래픽을 구분하는 데 도움이 될 수 있습니다.

이러한 봇은 사용자 요청에 응답하여 웹 페이지에 접근할 수 있습니다. 예를 들어, AI 어시스턴트나 AI 검색 시스템은 답변, 요약 또는 검색 결과를 생성하기 위해 귀하의 웹사이트에서 정보를 검색할 수 있습니다:

• OAI-SearchBot
• ChatGPT-User
• Perplexity-User
• Claude-Web
• Claude-SearchBot

🤔그렇다면 이러한 유형의 AI 봇은 어떻게 감지할까요?

AI 봇은 웹사이트로 들어오는 수신 요청을 분석하여 감지할 수 있습니다. 가장 일반적인 방법은 요청의 User-Agent 헤더를 확인하고 이를 알려진 AI 크롤러 및 패처 식별자와 비교하는 것입니다.

예를 들어, 요청의 User-Agent에 GPTBot, ClaudeBot, OAI-SearchBot 또는 Perplexity-User와 같은 식별자가 포함되어 있으면 AI 봇에서 발생한 것으로 식별할 수 있습니다.

그러나 User-Agent는 하나의 신호일 뿐이며 모든 AI 트래픽을 안정적으로 식별할 수는 없습니다. 일부 AI 에이전트는 일반 브라우저의 User-Agent를 사용할 수 있으므로 요청 헤더만으로는 실제 사람 방문자와 구별하기 어렵습니다.

더 안정적인 감지를 위해 방문자 행동 및 기타 요청 수준의 신호를 분석할 수도 있습니다. 예를 들어, AI 에이전트는 다음과 같은 특성을 보일 수 있습니다:

✅ 매우 짧은 페이지 상호작용 시간

✅ 스크롤을 하지 않거나 페이지 요소와 상호작용하지 않음

✅ 실제 사람 방문자와 다른 탐색 패턴 생성 

요청 빈도, 세션 패턴, JavaScript 실행 여부, 접근한 페이지 순서와 같은 기타 신호도 자동화된 트래픽과 실제 사용자를 구분하는 데 도움이 될 수 있습니다.

따라서 안정적인 AI 트래픽 감지를 위해서는 일반적으로 User-Agent 분석과 행동 및 기술적 신호의 결합이 필요합니다.

다음 방법을 사용하여 AI 봇 트래픽을 감지할 수 있습니다:

• User-Agent 문자열을 포함하여 수신 요청에 대한 세부정보가 포함된 서버 로그
• Cloudflare, Nginx 또는 Apache 로그와 같은 CDN 또는 웹 서버 로그
• 알려진 AI 크롤러를 자동으로 식별하고 해당 트래픽을 분류하는 봇 감지 도구(본 가이드 아래에서 유사한 솔루션 중 하나를 살펴봅니다)

모든 AI 관련 트래픽이 동일한 유형의 방문자를 나타내는 것은 아닙니다. 사람의 AI 트래픽은 사용자가 ChatGPT 또는 Perplexity와 같은 AI 플랫폼을 사용한 후 링크를 클릭하여 웹사이트로 이동할 때 발생합니다. LLM 에이전트 트래픽은 AI 시스템이나 에이전트가 정보를 검색하거나 작업을 완료하거나 사용자를 대신하여 사이트와 상호작용하기 위해 웹사이트에 직접 접근할 때 발생합니다.

이 두 가지 유형의 트래픽은 동일한 AI 플랫폼과 연결되어 있을 수 있지만 분석 데이터에서는 다르게 나타나므로 구분하기 어려울 수 있습니다.

가장 신뢰할 수 있는 접근 방식은 트래픽이 분석 플랫폼에 도달하기 전에 요청 수준에서 트래픽을 분석하는 것입니다:

• 사람의 AI 트래픽: 추천 또는 획득 데이터가 AI 플랫폼을 가리키고, 페이지 로드 및 클라이언트 사이드 이벤트 트리거와 같이 일반 사용자 세션처럼 동작하는 방문을 찾으십시오.
• LLM 에이전트 트래픽: OAI-SearchBot, GPTBot 또는 ClaudeBot과 같이 알려진 AI 크롤러, 검색 패처 또는 에이전트 User-Agent의 요청을 찾으십시오. 이러한 요청은 종종 User-Agent 및 기타 서버 사이드 요청 데이터에서 식별할 수 있습니다.

AI 트래픽은 분석 플랫폼에서 명확하게 식별 가능한 트래픽 소스로 항상 표시되는 것은 아니기 때문에 측정이 어려울 수 있습니다. 방문자가 웹사이트에 도달하는 방식에 따라 AI 플랫폼의 트래픽은 추천, 직접, 자연 검색 또는 기타 획득 채널로 기록될 수 있습니다. 

👉예를 들어, AI 플랫폼이 추천 정보를 전달하지 않으면 해당 방문은 직접 트래픽으로 기여될 수 있습니다. Google의 AI Overview와 같은 AI 검색 기능에서 트래픽이 유입된 경우, 방문은 AI 플랫폼이 아닌 검색엔진의 기여로 처리될 수 있습니다. 이로 인해 AI 트래픽 기여가 일관되지 않게 됩니다.

또 다른 과제는 AI 브라우저에서 생성된 트래픽을 식별하는 것입니다. 많은 AI 브라우저가 Chromium을 기반으로 구축되어 Chrome과 동일하거나 매우 유사한 User-Agent 문자열을 사용할 수 있습니다. 예를 들어 당사의 테스트 결과에 따르면 Atlas 및 Comet과 같은 브라우저는 Chrome과 동일한 User-Agent 문자열을 보낼 수 있으며 주된 차이점은 브라우저 버전뿐이었습니다. 당사에는 AI 브라우저 추적에 관한 전용 블로그 게시물이 있으니 자세한 내용은 해당 글을 참조하십시오.

이 또한 AI 트래픽 분석을 더욱 어렵게 만듭니다. AI 트래픽을 감지하는 전용 방법이 없다면 어떤 AI 플랫폼이 새로운 방문자를 유입시키는지 파악하고, AI 추천 트래픽을 모니터링하며, AI 소스로부터의 참여도와 전환을 측정하기가 어려울 수 있습니다.

Stape의 AI Traffic Detection 파워업은 AI 기반 트래픽을 식별하고 이 정보를 서버 GTM 컨테이너의 수신 요청에 추가하도록 지원합니다. 이를 통해 AI 트래픽을 다른 소스와 더 쉽게 구분하고, 감지된 데이터를 AI 트래픽 분석 및 기여에 활용할 수 있습니다(구성 방법에 대한 예시는 아래에서 제공합니다).

표준 추천 데이터나 User-Agent 문자열에만 의존하는 대신, 서버 사이드 추적 설정에서 감지된 정보를 활용하여 GA4, Matomo 또는 필요한 다른 분석 플랫폼으로 전달할 수 있습니다.

이 파워업은 Pro 플랜 이상을 이용 중인 Stape 고객에게 제공됩니다.

이 파워업을 활용하면 AI 기반 트래픽을 측정하고 AI 플랫폼이 웹사이트 방문 및 전환에 어떻게 기여하는지 파악할 수 있습니다. 또한 감지된 데이터를 사용하여 맞춤형 보고서를 작성하고 시간 경과에 따른 AI 트래픽 변화를 모니터링할 수 있습니다.

AI 트래픽을 더 정확하게 추적하려면 요청이 GA4에 도달하기 전에 AI 요청을 식별하고, 이 데이터를 맞춤 이벤트 매개변수 또는 기타 트래픽 속성으로 분석 설정에 전송할 수 있습니다.

위에서 설명한 대로 AI Traffic Detection 파워업을 구성한 후에는 AI 감지 데이터를 이벤트 매개변수로 전송하고 GA4에서 맞춤 측정기준으로 등록할 수 있습니다. 따라서 설정은 기본적으로 위에서 보여드린 Matomo와 동일합니다. 

1. GA4에서 분석하려는 AI 트래픽 데이터에 대한 맞춤 측정기준을 생성하십시오.

예를 들어 다음을 생성할 수 있습니다:

• AI traffic – 요청이 AI 트래픽으로 식별되었는지 여부를 나타냅니다.
• AI traffic source – 가능한 경우 AI 플랫폼을 식별합니다.

GA4 속성에서 Admin → Data display → Custom definitions → Create custom dimension으로 이동하십시오.

AI traffic 측정기준의 경우, 서버 GTM에서 전송할 예정인 이벤트 매개변수 이름(예: ai_traffic)을 사용하십시오.

AI traffic source 측정기준의 경우, ai_traffic_source와 같은 매개변수를 사용할 수 있습니다.

측정기준을 생성할 때 GA4 인터페이스에 지정한 매개변수 이름을 저장해 두십시오. 다음 단계에서 필요합니다. 

2. 서버 GTM에서 GA4 태그에 AI 트래픽 데이터를 추가하십시오.

이를 설정하려면 Tags 섹션으로 이동하여 → GA4 Base 태그를 열고 → Event Parameter 섹션을 펼친 후 → Add Row를 클릭하십시오.

이름에는 GA4에서 새 측정기준을 생성할 때 사용한 이름을 지정하십시오.

값에는 새 변수를 생성하십시오:

• Variable Type: Request Header
• Name: X-User-AI

두 번째 측정기준(소스 식별용 – ai_traffic_source)을 추가하려면 새 행을 추가하십시오. 마찬가지로 Request Header 변수 유형을 선택하고, 이름으로 X-User-AI-Name을 사용하십시오.

태그에서는 다음과 같이 표시됩니다:

AI 트래픽은 고객 여정의 중요한 부분이 되어가고 있지만, 표준 분석 도구로는 이러한 유형의 트래픽을 식별하고 분석하기가 쉽지 않은 경우가 많습니다.

Stape의 AI Traffic Detection 파워업을 사용하면 탐지된 AI 트래픽을 식별하고 이 정보를 분석 플랫폼으로 전송할 수 있습니다. 이를 통해 기존 트래픽 데이터와 함께 AI 기반 방문을 분석하고, 시간 경과에 따른 변화를 모니터링하며, 웹사이트의 유입 및 전환 여정에서 AI가 수행하는 역할을 더 명확하게 파악할 수 있습니다.