ChatGPT, Gemini, Claude에 “CRM 소프트웨어 뭐가 좋아?”라고 똑같이 물으면, 추천 브랜드 목록이 다릅니다. 단순히 표현 방식만 다른 게 아니라, 어떤 브랜드를 꺼내느냐 자체가 다르죠. 이건 운의 문제가 아닙니다.

Similarweb의 시니어 SEO 전문가들이 GEO(Generative Engine Optimization) 전략에 관한 두 편의 글을 발표했습니다. 하나는 LLM 안에서 브랜드와 카테고리를 연결하는 “토픽 권위(Topic Authority)”를 어떻게 쌓을 것인가, 다른 하나는 그 과정에서 등장한 블랙햇 GEO 전술과 그 결과입니다. 핵심은 하나입니다. AI 검색 시대에 브랜드 노출은 SEO 이전에 형성된 연결고리로 결정된다는 것.

출처: Topical Authority in LLMs: Tie Brands to Categories – Similarweb
Black Hat GEO: Tactics & Risks Explained – Similarweb

LLM은 검색하지 않는다, 기억한다

Google은 사용자 질문에 실시간으로 웹을 뒤집니다. 하지만 ChatGPT나 Claude 같은 LLM은 다릅니다. 학습 과정에서 수억 개의 문서를 읽으면서 형성한 패턴, 즉 “이 브랜드는 이 카테고리다”라는 연결을 꺼내옵니다.

그래서 LLM 안에서의 토픽 권위는 훈련 데이터에 브랜드-카테고리 연결이 얼마나 깊게 새겨졌는가의 문제입니다. 지금 SEO를 잘한다고 해서 LLM 추천에 바로 반영되지 않는 이유가 여기 있습니다.

LLM마다 보는 렌즈가 다르다

같은 질문에 LLM들이 다른 브랜드를 추천하는 건 단순한 차이가 아닙니다. 각 모델이 어떤 데이터로, 어떤 방식으로 학습했는지에서 비롯된 구조적 차이입니다.

ChatGPT는 광범위한 데이터를 학습했기 때문에 주류 매체와 대형 리뷰 플랫폼에서 오랫동안 많이 언급된 브랜드에 유리합니다. 업계에서 이미 “확실한 강자”로 자리 잡힌 브랜드일수록 반응이 좋습니다.

Perplexity는 조금 다릅니다. 쿼리가 들어올 때 실시간으로 콘텐츠를 가져오기 때문에, 최근에 권위 있는 매체에서 집중 보도된 브랜드라면 빠르게 노출을 높일 수 있습니다.

Gemini는 Google의 색이 묻어납니다. Google이 인덱싱하는 콘텐츠, 구조화된 데이터, 구글 생태계에서의 유기적 존재감이 강한 브랜드가 유리합니다. SEO 작업이 Gemini 노출과 겹치는 이유입니다.

Claude는 상대적으로 신중합니다. 경쟁이 치열한 카테고리에서 단정적인 “최고 브랜드” 추천을 자제하고, 여러 선택지를 제시하거나 단서를 답니다. 이 때문에 Claude에서 강한 브랜드-카테고리 연결을 만들려면 신뢰도가 높은 콘텐츠에서 인용되는 것이 특히 중요합니다.

LLM 안에서 브랜드를 각인하려면

모델별 차이를 이해했다면, 실제로 어떻게 연결을 강화할 수 있을까요? Similarweb이 분석한 핵심 요소는 세 가지입니다.

써드파티 언급의 양과 질. LLM은 내 블로그보다 나에 대해 쓴 다른 사람들의 글을 더 많이 봤습니다. 업계 리뷰, 비교 기사, 권위 있는 미디어에서 내 브랜드가 어떤 카테고리와 함께 언급되는지가 결정적입니다.

카테고리 언어의 일관성. 자사 콘텐츠에서 “웹 분석 도구”라고 했다가, 다른 곳에선 “트래픽 인텔리전스 플랫폼”이라고 하면 모델이 형성하는 연결이 흐릿해집니다. 브랜드를 어떤 카테고리로 포지셔닝할 것인지 정하고, 그 언어를 일관되게 사용해야 합니다.

넓이보다 깊이. 20개 주제에 걸쳐 얕은 글 200편보다, 하나의 핵심 주제를 깊이 다루는 글 50편이 LLM 안에서 더 강한 연결을 만듭니다. LLM은 반복 패턴으로 학습하기 때문입니다.

편법의 유혹, 그리고 결말

AI 검색 노출의 중요성이 커지면서 블랙햇 GEO도 등장했습니다. LLM을 속여 브랜드 노출을 인위적으로 높이려는 시도들입니다.

대표적인 전술로는 AI로 대량 생산한 스팸성 콘텐츠, 가짜 저자 프로필과 조작된 전문가 신호, AI 크롤러에겐 프롬프트로 가득 찬 페이지를 보여주고 사람에겐 다른 페이지를 보여주는 LLM 클로킹, 경쟁사 브랜드를 부정적 정보와 연결시키는 검색 결과 오염 등이 있습니다.

문제는 이 모든 전술이 단기적으로는 작동처럼 보인다는 점입니다. 그러나 Google의 SpamBrain 시스템은 2022년 대비 200배 더 많은 스팸을 탐지하고 있고, 알고리즘 업데이트 하나로 유기적 트래픽의 60~80%가 하루아침에 사라질 수 있습니다. 가짜 리뷰의 경우 2024년 발효된 FTC 규정에 따라 건당 최대 약 7,000만 원의 벌금이 부과될 수 있고, 2025년 말부터 실제 경고장 발송도 시작됐습니다.

무엇보다 LLM이 한번 특정 브랜드를 불신하도록 학습되면, 이 신뢰를 회복하는 데 걸리는 시간은 잃는 데 걸린 시간보다 훨씬 깁니다.

GEO도 결국 같은 방향을 가리킨다

두 글이 공통으로 전하는 메시지는 하나입니다. LLM 시대의 브랜드 전략도 결국 진짜 전문성, 일관된 카테고리 정의, 신뢰할 수 있는 외부 언급으로 귀결된다는 것. 블랙햇과 화이트햇의 격차는 AI 검색 시대에 더 빨리, 더 크게 벌어지고 있습니다.

각 LLM이 내 브랜드를 어떤 카테고리와 연결하고 있는지, 경쟁사와 어떻게 다른지에 대한 구체적인 측정 방법과 분석 사례는 원문에서 확인할 수 있습니다.

참고자료: Black Hat GEO: Tactics & Risks Explained – Similarweb