GEO — SEO의 다음 단계, AI에게 인용되는 콘텐츠 만들기

구글 1페이지 1위를 차지하는 게 SEO의 목표였다. 10개 블루링크 중 가장 위에 올라가는 것.

그런데 이제 사용자가 검색하는 곳이 바뀌고 있다. ChatGPT에 물어보고, Perplexity에서 찾고, Gemini에게 추천받는다. 이 AI 답변 엔진들은 10개의 링크를 보여주지 않는다. 하나의 답변을 생성하고, 그 안에 출처를 인용한다.

여기서 인용되느냐 안 되느냐 — 이것이 **GEO(Generative Engine Optimization)**의 핵심 문제다.

1. 검색의 무대가 이동하고 있다

ChatGPT, 주간 활성 사용자 8억 명

OpenAI 발표 기준, ChatGPT의 주간 활성 사용자는 2025년 2월 4억 명에서 10월 8억 명으로 6개월 만에 두 배가 되었다. AI를 검색 대용으로 쓰는 사람이 그만큼 빠르게 늘고 있다는 뜻이다.

AI 검색 유입, 전년 대비 527% 증가

BrightEdge 데이터에 따르면 2025년 상반기 AI 엔진을 통한 웹사이트 유입 세션이 전년 대비 527% 증가했다. 절대 수치는 아직 구글 검색 유입에 비하면 작지만, 증가 속도가 의미하는 바는 분명하다.

평균 프롬프트 23단어 vs 검색어 4단어

a16z의 분석에 따르면 ChatGPT의 평균 프롬프트 길이는 23단어, 전통 검색의 평균 쿼리는 4단어다. AI 검색 사용자는 구글 검색 사용자보다 훨씬 구체적인 질문을 던진다. 그만큼 답변도 구체적이고, 인용되는 출처의 선별 기준도 까다롭다.

2. GEO란 무엇인가

정의

**GEO(Generative Engine Optimization)**는 ChatGPT, Perplexity, Gemini, AI Overview 같은 AI 답변 엔진에서 자신의 콘텐츠가 인용·참조되도록 최적화하는 전략이다.

SEO가 “검색 결과 페이지에서 순위를 올리는 것”이라면, GEO는 **“AI가 생성하는 답변 안에 출처로 포함되는 것”**이다.

SEO vs GEO

GEO는 SEO를 대체하지 않는다

둘은 대체 관계가 아니라 보완 관계다. 구글 검색은 여전히 압도적인 트래픽 소스이고, AI 답변 엔진도 결국 웹에서 정보를 가져온다. SEO가 탄탄해야 GEO도 작동한다. 다만, SEO만으로는 AI 시대의 가시성을 확보할 수 없다는 것이 핵심이다.

3. 학술 연구가 말하는 GEO 전략

Princeton 연구 — 9가지 최적화 방법 비교

2024년 ACM KDD에 발표된 Princeton·Georgia Tech·IIT Delhi·Allen AI의 공동 연구(Aggarwal et al.)는 GEO를 학술적으로 정의한 최초의 논문이다. 10,000개 쿼리에 대해 9가지 최적화 방법을 실험했다.

효과가 높은 방법 (가시성 향상률):

효과가 낮은 방법:

하위 랭킹 페이지에서 효과가 더 크다

같은 연구에서 가장 주목할 만한 발견: 검색 순위 5위 수준의 페이지가 출처 명시(Cite Sources) 최적화를 적용했을 때 가시성이 115.1% 향상되었다. 반면 1위 페이지는 변화가 거의 없었다.

이것의 의미는 명확하다. SEO에서 1위를 못 차지하는 중소 브랜드도 GEO에서는 기회가 있다. AI는 순위가 아니라 “답변에 인용할 만한 가치”로 콘텐츠를 선별하기 때문이다.

4. AI는 어떤 콘텐츠를 인용하는가

Princeton 연구의 데이터와 실무 관찰을 종합하면, AI 답변 엔진이 인용하는 콘텐츠의 공통 특성이 보인다.

신선도 (Freshness)

AI 답변에 인용되는 콘텐츠의 50%가 발행 후 13주 이내의 콘텐츠다. 오래된 에버그린 콘텐츠보다 최근 데이터가 포함된 콘텐츠가 유리하다.

구체적 데이터

“많이 증가했다”가 아니라 “527% 증가했다”. 통계, 수치, 연구 결과가 포함된 콘텐츠가 AI에게 인용 가치가 높다. Princeton 연구에서 Statistics Addition이 +32% 향상을 보인 이유다.

출처의 명시

주장에 대한 출처를 밝힌 콘텐츠가 AI에게 더 신뢰할 만한 것으로 평가된다. AI 모델은 자신의 답변을 근거 있게 만들어야 하므로, 이미 근거가 명시된 콘텐츠를 선호한다.

구조화된 형식

헤딩, 리스트, 테이블, FAQ 형식으로 정리된 콘텐츠는 AI가 파싱하기 쉽다. 장문의 산문보다 명확한 구조를 가진 콘텐츠가 답변에 통합되기 유리하다.

5. 실무에서 GEO를 시작하는 법

콘텐츠 제작 단계

1. 주장에는 데이터를 붙여라

❌ "AI 검색 사용자가 빠르게 늘고 있다"
✅ "ChatGPT 주간 활성 사용자가 6개월 만에 4억에서 8억으로 두 배 증가했다 (OpenAI, 2025.10)"

2. 출처를 명시하라

AI는 자신의 답변에 근거를 제시해야 한다. 당신의 콘텐츠가 이미 출처를 밝히고 있다면, AI가 그 콘텐츠를 인용하는 것이 더 안전하다.

3. 질문-답변 구조를 활용하라

AI 검색 사용자는 질문을 던진다. FAQ 형식이나 “~란 무엇인가”, “~하는 방법” 같은 구조가 AI의 답변 생성 패턴과 맞아떨어진다.

4. 구조화 데이터(Schema Markup)를 적용하라

{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "GEO란 무엇인가",
  "author": { "@type": "Person", "name": "Author Name" },
  "datePublished": "2026-04-09",
  "description": "Generative Engine Optimization의 정의와 전략"
}

Schema.org 마크업은 AI가 콘텐츠의 유형, 저자, 발행일을 정확히 파악하는 데 도움을 준다.

측정과 모니터링

기존 SEO 도구로는 GEO 성과를 측정하기 어렵다. 새로운 도구들이 등장하고 있다:

아직 표준화된 측정 방법론은 없다. 하지만 “우리 브랜드가 ChatGPT에서 얼마나 언급되는가”를 주기적으로 확인하는 것만으로도 시작은 가능하다.

6. llms.txt — AI 크롤러를 위한 현관문

robots.txt의 AI 버전

robots.txt가 검색 엔진 크롤러에게 “어디를 봐도 되고, 어디를 보면 안 되는지” 알려주는 파일이라면, **llms.txt는 AI 크롤러에게 “이 사이트의 콘텐츠를 마크다운으로 깔끔하게 읽어갈 수 있는 곳”**을 알려주는 파일이다.

사이트 루트에 /llms.txt를 두면, GPTBot(ChatGPT), PerplexityBot 같은 AI 크롤러가 HTML을 파싱하는 대신 마크다운 원문을 직접 읽어갈 수 있다. 네비게이션, 스타일시트, 자바스크립트 같은 노이즈 없이 순수 콘텐츠만 전달되기 때문에, AI가 사이트를 이해하는 품질이 올라간다.

구조

보통 두 파일을 제공한다:

llms.txt 예시:

# 사이트 이름

> 사이트 설명

## Blog

- [글 제목](URL): 요약
- [글 제목](URL): 요약

## Optional

- [Full content](/llms-full.txt)

왜 효과가 있는가

AI 답변 엔진이 웹페이지를 크롤링할 때 HTML을 파싱하면, 콘텐츠와 무관한 요소(헤더, 푸터, 사이드바, 광고, 스크립트)가 섞여 들어간다. llms.txt를 제공하면:

• 파싱 품질 향상: 노이즈 없는 마크다운 → AI가 콘텐츠를 더 정확히 이해
• 구조 파악 용이: 사이트의 전체 콘텐츠 맵을 한 파일에서 파악 가능
• 인용 가능성 증가: AI가 콘텐츠를 정확히 이해해야 답변에 인용할 수 있음

적용 방법

정적 사이트 생성기(Astro, Next.js, Hugo 등)를 쓰고 있다면, 빌드 타임에 콘텐츠 컬렉션을 순회하면서 자동으로 생성할 수 있다. robots.txt에 LLMs: 디렉티브를 추가하면 AI 크롤러가 이 파일을 자동으로 찾을 수 있다.

User-agent: *
Allow: /

Sitemap: https://example.com/sitemap-index.xml
LLMs: https://example.com/llms.txt

아직 공식 웹 표준은 아니지만, 빠르게 채택되고 있는 컨벤션이다. GEO를 실천하는 가장 직접적인 방법 중 하나다.

7. GEO의 구조적 한계와 주의점

빅 브랜드 편향

AI 모델은 학습 데이터에 많이 노출된 브랜드를 더 자주 인용하는 경향이 있다. Princeton 연구에서 하위 랭킹 페이지의 GEO 효과가 더 크다는 결과가 나왔지만, 출발점 자체의 격차는 존재한다.

측정의 불확실성

SEO에는 Search Console이라는 구글 공식 도구가 있다. GEO에는 아직 그런 게 없다. AI 엔진이 어떤 콘텐츠를 왜 인용했는지 공식적으로 알 수 있는 방법이 없다. 모든 전략이 역공학과 관찰에 기반한다.

트래픽 귀속 문제

AI 답변에서 인용되어도 사용자가 출처 링크를 클릭하지 않으면 트래픽으로 잡히지 않는다. “인용은 됐는데 유입은 없는” 상황이 발생할 수 있다. 이 경우 GEO의 가치는 트래픽이 아니라 브랜드 인지도와 신뢰도에서 찾아야 한다.

정리

80억 달러 규모의 SEO 시장이 흔들리고 있다. 검색의 일부가 AI로 이동하는 건 이미 시작됐고, 그 속도는 가속 중이다.

하지만 구글이 하루아침에 사라지지는 않는다. SEO를 기반으로 깔고, GEO로 확장하는 것 — 이것이 현실적인 전략이다. 그리고 GEO의 핵심은 결국 하나로 수렴한다: AI가 인용할 만한 가치가 있는 콘텐츠를 만드는 것.

키워드를 채우는 시대에서, 근거를 채우는 시대로. 그리고 AI가 읽기 좋은 형태로 콘텐츠를 제공하는 시대로.

참고 자료:

• Aggarwal et al., “GEO: Generative Engine Optimization”, ACM KDD 2024 (Princeton, Georgia Tech, Allen AI, IIT Delhi)
• a16z, “How Generative Engine Optimization (GEO) Rewrites the Rules of Search”
• OpenAI, ChatGPT Weekly Active Users (2025.2: 400M → 2025.10: 800M)
• BrightEdge, AI-referred session growth data (2025 H1, +527% YoY)
• Gartner, “By 2028, up to 25% of searches will move to generative engines”
• Seer Interactive, “AIO Impact on Google CTR” (AI Overview CTR -61%)