사진: Unsplash의1981 Digital
AI 기술의 급속한 발전으로 검색 환경이 빠르게 변화하고 있습니다. ChatGPT, Claude, Google Gemini와 같은 생성형 AI가 전통적인 검색 결과를 대체하는 것은 아니지만, 이들이 정보 검색 방식에 큰 영향을 미치고 있는 것은 분명합니다. 이런 변화 속에서 많은 마케터들이 GEO(Generative Engine Optimization)와 같은 새로운 용어를 듣게 되면서 혼란스러워하고 있습니다. SEO가 죽었다고 말하는 사람도 있고, 완전히 새로운 최적화 전략이 필요하다고 주장하는 사람도 있습니다.
하지만 실상은 어떨까요? 과연 AI 시대에 우리의 검색 최적화 전략은 완전히 바뀌어야 할까요? 아니면 기존 SEO의 발전된 형태로 접근해야 할까요?
AI 검색 환경의 현실
AI 검색 트래픽이 급증하는 모습을 보여주는 대시보드 (출처: Search Engine Land)
AI 검색 엔진에서의 가시성(visibility)은 점점 더 중요해지고 있습니다. 많은 기업들이 AI 응답에서 자사 브랜드가 언급되고 노출되는 빈도를 높이고 싶어합니다. 특히 Scrunch AI의 CEO인 Chris Andrew에 따르면, “AI 검색 플랫폼에서 오는 트래픽은 단순히 증가하고 있을 뿐만 아니라, 가장 높은 전환율을 보이는 인바운드 트래픽 소스”라고 합니다.
하지만 대부분의 마케팅 팀은 GEO(생성형 엔진 최적화)를 위한 별도의 예산이나 전담 인력을 확보하지 못하고 있는 실정입니다. 다행히도, 기존 SEO 전략을 AI 시대에 맞게 조정하는 것만으로도 AI 검색 엔진에서의 가시성을 크게 개선할 수 있습니다.
GEO는 결국 SEO의 발전형일 뿐입니다
GEO(생성형 엔진 최적화), LLMO(대규모 언어 모델 최적화), AEO(답변 엔진 최적화) 등 다양한 용어가 등장하고 있지만, 이들은 모두 같은 개념을 가리키는 다른 이름에 불과합니다. 그리고 핵심적으로, 이것들은 SEO와 매우 큰 중첩 영역을 가지고 있습니다.
Ahrefs의 최근 분석에 따르면, 검색 엔진과 AI 모델 모두 콘텐츠의 질과 관련성을 중요시하며, 따라서 기본적인 최적화 메커니즘은 동일하게 유지됩니다. 한 업계 전문가가 LinkedIn에서 적절히 표현했듯이:
“정보 그룹을 집계하고, 순위를 매기고, 가장 정확한 결과를 추정하는 방법은 결국 한정되어 있습니다.”
즉, AI 검색 최적화를 위한 핵심 메커니즘은 여전히 ‘브랜드가 연관되고자 하는 주제에 관한 관련성 높은 콘텐츠를 자사 웹사이트 및 외부 사이트에 생성하는 것’입니다. 이것은 전통적인 SEO의 핵심과 다르지 않습니다.
AI 가시성을 높이기 위한 6가지 실용적 전략
그럼에도 불구하고, AI 시대에 맞게 SEO 전략을 조정할 필요는 있습니다. 다음은 기존 SEO 전략을 AI 가시성 강화에 맞게 조정하는 6가지 방법입니다:
1. 롱테일 키워드 우선시하기
Kiehls의 피부 고민 관련 FAQ 페이지 (출처: Search Engine Land)
AI 검색 모델은 짧은 키워드보다 대화형 쿼리와 자연어 처리에 부합하는 롱테일 키워드를 선호합니다. 검색이 진화함에 따라 사용자들은 점점 더 전체 질문이나 복잡한 문구로 검색하는 경향이 있습니다.
실행 방법:
- 낮은 검색 볼륨도 고려하기: 최소 검색 볼륨 기준으로 키워드를 필터링하지 마세요. 월간 검색량이 낮더라도 관련성 높은 롱테일 키워드를 매핑해야 합니다.
- 대화형 쿼리 발굴하기: Google의 ‘사람들이 자주 묻는 질문(People Also Ask)’, AnswerThePublic 같은 도구, Reddit 같은 포럼에서 대화형 쿼리를 발굴하세요.
- 변형 활용하기: 의미적 검색을 위해 관련 문구, 동의어, 자연어 변형을 콘텐츠에 활용하세요.
- FAQ 섹션 활용하기: 콘텐츠 내에 질문과 답변 형식의 FAQ 섹션을 만들어 여러 롱테일 쿼리를 구조화된 형식으로 캡처하세요.
2. 콘텐츠 명확성과 구조 개선하기
NerdWallet의 ‘2025년 최고의 식료품 목록 앱’ 목차 (출처: Search Engine Land)
AI 모델은 콘텐츠에서 간결하고 구조화된 정보를 추출합니다. AI 검색에서의 가시성을 강화하려면(그리고 사용자 경험을 개선하려면) 콘텐츠가 잘 정리되고, 쉽게 훑어볼 수 있으며, 명확하게 요약되어야 합니다.
실행 방법:
- 프로세스 조정하기: 콘텐츠 상단에 핵심 요약을 포함하고, 주요 섹션에 명확하고 간결한 요약을 작성하며, 텍스트를 적절한 제목 구조(H1, H2, H3 등)로 분리하세요.
- 목차 사용하기: 긴 콘텐츠에는 목차를 사용하고, 가능하면 점프 링크를 추가하여 사용자 경험을 개선하세요.
- 기존 콘텐츠 새롭게 하기: 유료 ChatGPT나 Claude 계정을 활용하여 기존 콘텐츠를 새롭게 하세요. 새로운 콘텐츠 작성 없이도 핵심 요약을 추가하고 구조를 개선하는 것만으로도 SEO와 AI 가시성을 크게 향상시킬 수 있습니다.
3. 균형 잡힌 관점 제시하기
“소규모 비즈니스에 Ubersuggest와 Semrush 중 어느 것이 더 좋은가?”에 대한 ChatGPT의 답변 (출처: Search Engine Land)
AI 모델은 방대한 데이터셋에서 학습되었으며, 편향을 피하고 다양한 관점을 고려하며 균형 잡힌 요약을 제시하도록 설계되었습니다. 특히 사용자가 특정 추천이나 비교를 찾을 때 이런 경향이 뚜렷합니다.
실행 방법:
- 장단점 명시하기: 콘텐츠 내에서 장단점, 강점과 약점, 또는 이점과 단점을 명확히 서술하세요.
- 표 활용하기: 비교 항목이 있다면 요약 표를 추가하는 것이 사용자와 AI 추출 모두에 좋습니다.
- 비교 언어 사용하기: 절대적인 표현보다는 비교 언어를 사용하세요. AI는 확정적인 의견보다 중립적이고 뉘앙스가 있는 언어를 선호합니다. 가능하면 “절대적으로 최고”라는 표현보다 “~에 적합함” 또는 “~한 경우에 더 이상적임”과 같은 문구를 사용하세요.
- 반대 논점 다루기: ‘고려할 사항’, ‘가치가 없을 때’, ‘시작하기 전에’ 등의 섹션을 추가하여 잠재적 우려사항을 다루고 더 포괄적인 관점을 제공하세요.
4. 기술적 SEO 강화하기
AI 모델은 전통적인 검색 엔진 크롤러처럼 실시간으로 사이트를 크롤링하지 않지만, 콘텐츠의 의미를 정확하게 해석하고 표현하기 위해 잘 구조화되고 의미론적으로 풍부한 콘텐츠에 부분적으로 의존합니다.
실행 방법:
- LLMS.txt 활용하기: 일부 AI 플랫폼에서는 robots.txt와 유사한 llms.txt 파일을 인식합니다. 이를 통해 직접적인 크롤링으로 이용할 수 없는 콘텐츠(예: 제품 데이터 피드, 인벤토리 API, 일반 API, 고객 서비스 콘텐츠, 소프트웨어 개발자 문서 등)를 노출시킬 수 있습니다.
- 스키마 마크업 구현하기: 스키마 마크업은 콘텐츠의 의미에 대한 명시적 신호를 제공하여 AI 검색 도구가 사이트에서 정확하고 관련성 높은 정보를 표면화하기 쉽게 만듭니다. 기사, FAQ, 방법, 제품, 리뷰, 이벤트, 발화 가능한(speakable), 브레드크럼, 로컬 비즈니스 스키마를 구현하세요.
- 크롤링 및 색인 생성 가능성 향상하기: 사용자, 검색 엔진, LLM 모두 콘텐츠를 찾거나 접근할 수 없다면 콘텐츠를 이해할 수 없습니다. 논리적인 사이트 아키텍처, 강력한 내부 링크 구조에 집중하고, 불필요한 리디렉션을 최소화하며, robots.txt 파일을 적절히 유지하고, 페이지 로딩 속도를 빠르게 유지하세요.
- 자바스크립트 고려하기: Google과 같은 전통적인 검색 엔진은 웹사이트 크롤링 시 자바스크립트를 렌더링하도록 발전했지만, OpenAI의 GPTBot 및 Anthropic의 ClaudeBot을 포함한 많은 AI 크롤러는 자바스크립트를 실행하지 않습니다. 중요한 콘텐츠가 서버 렌더링되거나 원시 HTML에서 볼 수 있도록 하고, 자바스크립트만으로 로드되지 않도록 하세요.
5. 데이터 기반 접근법 활용하기
AI 모델은 권위 있고 신뢰할 수 있는 정보를 우선시하도록 훈련되었습니다. 적절한 데이터 기반 접근법을 통해 콘텐츠의 신뢰성을 높이고 AI 인용에 더 매력적으로 만들 수 있습니다.
실행 방법:
- 독점 데이터 활용하기: 가능한 경우, 독점 데이터, 맞춤형 데이터 수집(예: 설문조사), 사례 연구 또는 기타 연구를 활용하여 콘텐츠를 위한 고유한 데이터셋을 만드세요. 이렇게 하면 콘텐츠가 돋보이고, 저품질의 재탕 콘텐츠로 가득한 세상에서 정말 가치 있고 고유한 것을 제공할 수 있습니다.
- 출처 인용하기: 신뢰할 수 있고 권위 있는 출처와 최신 콘텐츠를 참조하세요. 외부 출처를 인용할 때는 원본 데이터에 직접 링크하고 콘텐츠 내에서 언급하세요. AI를 사용하여 콘텐츠를 확장하는 경우, 표절 검사기를 통해 모든 것을 확인하세요.
6. 측정 및 모니터링하기
AI 가시성에 영향을 미치기 위한 노력을 기울이고 있다면, 그 영향을 측정하고 시간이 지남에 따라 모니터링하는 데 노력을 기울여야 합니다. 특히 AI 최적화 예산이나 리소스에 대한 비즈니스 케이스를 구축하려는 경우 이는 매우 중요합니다.
실행 방법:
- 대시보드 설정하기: LLM 리퍼럴 트래픽, 상위 LLM 리퍼럴 트래픽 소스, 유기적 검색 대 LLM 트래픽 비율, LLM 리퍼럴 전환과 같은 지표를 추적하기 위한 대시보드를 설정하거나 기존 SEO 대시보드를 업데이트하세요.
- AI 오버뷰 추적하기: Semrush와 같은 SEO 도구를 사용하여 시간이 지남에 따라 경쟁사 대비 AI 오버뷰 존재감을 추적하세요.
- 도구 활용하기: Scrunch AI나 Semrush AI 툴킷과 같은 도구를 예산에 포함시켜 ChatGPT, Gemini, Perplexity 등 다양한 AI 플랫폼에서의 LLM 가시성을 모니터링하는 것을 고려하세요. 현재 선택할 수 있는 AI 가시성 플랫폼 옵션이 많으므로, 다양한 기능, 비용, 가치를 비교하기 위해 최소한 몇 가지 데모를 설정하는 것이 좋습니다.
SEO와 GEO의 미묘한 차이점
전통적인 SEO와 AI 최적화 사이에는 몇 가지 중요한 차이점이 있습니다. 이런 차이점들은 완전히 새로운 최적화 분야를 만들 정도는 아니지만, 인지하고 전략에 반영할 필요가 있습니다:
1. 링크 없는 브랜드 언급이 더 중요해졌습니다
SEO와 GEO의 가장 큰 차이점 중 하나는 링크 없는 언급의 중요성입니다. 타 웹사이트에 귀사 브랜드에 대해 작성된 텍스트이지만 링크는 없는 경우, SEO에는 거의 영향을 미치지 않지만 GEO에는 훨씬 더 큰 영향을 미칩니다.
검색 엔진은 주어진 주제에 대한 브랜드의 “권위”를 결정하는 여러 방법을 가지고 있지만, 백링크가 가장 중요한 요소 중 하나입니다. 이는 Google의 핵심 통찰이었습니다: 관련 웹사이트의 링크가 링크된 웹사이트의 권위에 대한 “투표”로 기능할 수 있다는 것입니다(PageRank라고도 함).
LLM은 다르게 작동합니다. 이들은 페이지의 단어, 특정 단어의 유병률, 다른 용어와 주제의 동시 발생, 그리고 그 단어들이 사용되는 맥락에서 브랜드의 권위에 대한 이해를 도출합니다. 링크가 없는 콘텐츠도 검색 엔진에게는 도움이 되지 않는 방식으로 LLM의 브랜드 이해를 증진시킬 수 있습니다.
2. 주제와 관련 없는 링크와 순위의 중요성이 감소했습니다
많은 기업들이 오늘날 브랜드와 관련성이 적은 웹사이트에 백링크를 구축하고, 그것이 가져오는 트래픽만을 위해 비즈니스와 연결되지 않은 콘텐츠를 게시합니다(이를 이제 “사이트 평판 남용”이라고 합니다).
이러한 전술은 여전히 가치 있다고 여겨질 만큼 충분한 SEO 혜택을 제공하지만, LLM 가시성에는 더 적은 혜택을 제공할 것입니다. 이러한 링크나 기사 주변에 관련 맥락이 없으면, 브랜드에 대한 LLM의 이해를 증진시키거나 출력에 나타날 가능성을 높이는 데 아무런 역할을 하지 않을 것입니다.
3. 기술적 문서와 자바스크립트에 대한 고려
웹사이트 문서(PDF 등)는 LLM에게 더 중요해 보입니다. 많은 웹사이트가 PDF와 같은 다른 형태의 문서를 이등 시민으로 취급하지만, LLM에게는 이들도 다른 콘텐츠 소스와 마찬가지이며, 정기적으로 출력에 인용됩니다.
또한 대부분의 AI 크롤러는 자바스크립트를 렌더링하지 않습니다. 렌더러가 없기 때문에 OpenAI와 Anthropic이 사용하는 것과 같은 인기 있는 AI 크롤러는 자바스크립트도 실행하지 않습니다. 이는 자바스크립트를 통해 클라이언트 측에서 렌더링되는 콘텐츠를 볼 수 없다는 것을 의미합니다.
결론: AI 시대의 SEO 전략
Scrunchai.com의 샘플 보고서 (출처: Search Engine Land)
AI 검색 환경으로의 변화는 기존 SEO 전략의 발전을 요구하고 있지만, 완전히 새로운 분야를 만들 정도는 아닙니다. GEO, LLMO, AEO 등 다양한 용어가 등장하고 있지만, 이들은 모두 SEO의 발전된 형태에 불과합니다.
핵심 원칙은 여전히 동일합니다: 가치 있고, 관련성 높고, 잘 구조화된 콘텐츠를 생성하는 것이 SEO와 AI 검색 가시성 모두에 기여합니다. 차이점은 전략의 세부 사항과 중점을 둘 영역에 있습니다.
롱테일 키워드, 명확한 콘텐츠 구조, 균형 잡힌 관점, 강화된 기술적 SEO, 데이터 기반 접근법, 그리고 철저한 측정 및 모니터링을 통해 AI 시대에서도 지속 가능한 검색 전략을 구축할 수 있습니다.
무엇보다 중요한 것은 AI 검색과 전통적인 검색 간의 구분이 점점 더 모호해지고 있다는 점입니다. 검색 엔진이 검색 경험에 더 많은 생성형 AI를 통합하고, LLM이 “전통적인” 검색 인덱스를 출력의 기반으로 계속 사용함에 따라, SEO와 GEO 사이의 경계는 더 작아지거나 사라질 가능성이 높습니다.
AI 검색은 결국 SEO의 진화된 형태일 뿐입니다. 지금 이 변화에 적응하기 시작한다면, 뒤처지지 않고 발맞춰 나갈 수 있을 것입니다.
Comments