광고할 모든 페이지 평가 — 귀사 및 경쟁사의
단 1달러의 예산을 집행하기 전에, GooseCabbage는 내 사이트 전체와 주요 경쟁사 사이트를 크롤링합니다. 그리고 각 페이지가 본연의 역할을 제대로 수행하는지 평가합니다. 홈페이지는 브랜드 포지셔닝을 어필하고, 가격 정책 페이지는 비용을 명확히 전달하며, 가입 페이지는 전환을 방해하는 모든 요소를 제거해야 하기 때문입니다.
그리고 다른 어떤 도구도 하지 않는 일을 해냅니다. 웹을 탐색하고 행동하는 AI 에이전트를 위해 각 페이지가 얼마나 최적화되어 있는지 평가합니다. 구조화된 데이터, 시맨틱 마크업, WebMCP 도구 지원 여부까지 모두 점수화합니다.
- JSON-LD 구조화 데이터
- 시맨틱 랜드마크 (4/4)
- 이미지 대체 텍스트 · 61%
- 등록된 WebMCP 도구 없음
동일한 평가 기준을 적용한 귀사 및 경쟁사 사이트
실제 감사 결과를 클릭해 확인해 보세요. 에이전트가 도출한 정확한 강점, 약점, CTA를 포함한 페이지별 등급, 경쟁사 대비 비교 매트릭스, 그리고 실시간으로 상승하는 AI 준비도 점수를 확인할 수 있습니다.
- +월간/연간 토글
- +전면에 명시된 환불 보장
- −엔터프라이즈 요금제는 '문의하기' 뒤에 가격을 숨겨둡니다.
- −요금제별 기능 비교표 없음
- −서로 경쟁하는 두 개의 CTA가 방문자의 의도를 분산시킵니다
요금제별 기능 매트릭스를 게시하고 주요 CTA 하나로 압축하세요. 경쟁사 A는 이미 두 가지를 모두 적용하고 있습니다.
세상에서 가장 완벽한 캠페인도 형편없는 페이지에서는 실패합니다.
광고 플랫폼은 랜딩 페이지를 평가하여 부족한 페이지에는 슬그머니 더 높은 비용을 부과합니다. 경쟁사의 페이지는 공개된 보물창고지만, 이를 모두 분석할 시간은 없죠. 게다가 새로운 잠재고객이 등장했습니다. 페이지를 탐색하고 비교 및 구매하며, 분석이 안 되는 페이지는 그냥 건너뛰는 AI 에이전트입니다.
랜딩 페이지 때문에 불필요한 비용을 치르고 계십니다.
품질 점수와 광고 순위에는 랜딩 페이지 경험이 반영됩니다. 페이지가 느리거나, 정보가 모호하거나, 신뢰도가 낮으면 동일한 클릭에 대해 더 높은 입찰가를 지불해야 합니다.
경쟁사 페이지를 제대로 살펴보지 않게 됩니다.
경쟁사는 모든 페이지에서 포지셔닝, 제안, CTA를 드러냅니다. 이를 일일이 수동으로 확인하는 것은 불가능하기에, 같은 경매에서 데이터 없이 입찰하게 됩니다.
AI 에이전트가 귀사의 페이지를 분석하지 못합니다.
AI 쇼핑 및 리서치 에이전트는 구조화된 데이터, 시맨틱 마크업, 실행 가능한 도구가 없는 페이지는 건너뜁니다. 에이전트에게 노출되지 않는다는 것은 빠르게 성장하는 신규 수요에서 완전히 배제된다는 뜻입니다.
모든 페이지에 적용되는 4가지 관점.
각 페이지는 해당 유형에 맞는 핵심 항목으로만 평가되며, 매번 AI 최적화 점수까지 함께 산출됩니다.
전환 적합도
메시지 명확성, CTA 효과, 폼 간결성, 방해 없는 흐름, 비용 가독성을 페이지 유형별 목적에 맞게 1~10점으로 평가하고 구체적인 장점과 단점을 제시합니다.
신뢰 및 입증
소셜 프루프, 신뢰 마이크로카피, 보증 및 구매 의향이 높은 잠재고객을 이탈하게 만드는 위험 신호. 에이전트는 뻔한 조언 대신 페이지의 실제 문구를 그대로 인용합니다.
SEO 및 구조화 데이터
JSON-LD 유형, OpenGraph, 메타 설명, 체계적인 헤딩 구조, 시맨틱 랜드마크 등 검색 엔진과 AI 크롤러가 의존하는 머신 리더블 레이어입니다.
AI 친화성 (WebMCP)
0~100점의 준비도 점수: WebMCP 도구 등록, 라벨링된 액션 폼, 대체 텍스트 적용률, HTTPS 등 AI 에이전트가 페이지를 얼마나 쉽게 이해하고 작동할 수 있는지 나타냅니다.
크롤링, 평가, 벤치마킹, 라우팅.
양쪽 모두 크롤링
페이지 유형별 평가
1:1 벤치마크
모든 세그먼트 라우팅
에이전트 기반 웹을 위해 설계되었습니다.
WebMCP(Web Model Context Protocol — Google/Microsoft, W3C 초안)는 페이지에서 AI 에이전트가 호출할 수 있는 도구를 노출시킵니다. 명령형 등록과 선언형 폼 주석을 모두 감지한 후 결정론적으로 준비 상태를 점수화합니다. LLM 추측이나 토큰 소모 없이, 현재와 도입이 확대되는 미래에도 정확한 결과를 제공합니다.
명령형 + 선언형 감지
navigator.modelContext.registerTool() 및 <form toolname="…"> 주석을 스캔하여, 에이전트가 페이지에서 호출할 수 있는 실제 도구 이름을 표시합니다.
토큰 소모 없는 결정론적 점수
준비도는 추출된 HTML 신호를 기반으로 계산됩니다. WebMCP에 가중치를 두면서도 그 기반이 되는 에이전트 준비도 기본 요소를 반영하므로, WebMCP가 보편화되기 전에도 배지가 충분한 의미를 갖습니다.
복리처럼 쌓이는 기반
JSON-LD, 시맨틱 랜드마크, 깔끔한 단일 H1, 레이블이 지정된 폼, 대체 텍스트, HTTPS 등 동일한 시그널로 검색 엔진과 AI 에이전트에서의 평가를 동시에 높일 수 있습니다.
실행 가능한 레벨
각 페이지는 준비 안 됨, 부분 준비, 준비 완료 상태로 분류되며, 감지된 시그널이 정확히 나열되어 다음에 어떤 작업을 진행해야 할지 명확히 알 수 있습니다.