바이럴 각입니다! 버즈 대리예요.
예전에는 궁금한 게 생기면 네이버나 구글에 키워드를 넣었습니다. 검색결과에 뜬 제목을 훑고, 블로그와 기사 몇 개를 열고, 서로 다른 내용을 머릿속에서 합쳤죠. 지금도 이 방식은 건재합니다. 다만 새로운 습관이 옆에 붙었습니다.
이제는 ChatGPT나 Gemini에 상황을 길게 설명하고 곧바로 정리된 답을 받습니다. Google AI Mode에서는 답을 읽은 뒤 같은 화면에서 후속 질문을 이어갑니다. 링크를 하나씩 고르는 검색 옆에 “먼저 답을 받고, 필요할 때 출처로 이동하는 검색” 이 생긴 겁니다.
검색엔진이 사라진다는 이야기가 아닙니다. 카 과장이 분석한 국내 앱 MAU 변화에서도 구글과 네이버 앱은 함께 성장했습니다. ChatGPT 이용도 커졌지만 어느 하나가 다른 하나를 완전히 밀어냈다는 데이터는 아니었습니다. 사람들이 정보를 찾는 입구가 하나 더 늘었다는 쪽이 정확합니다.
검색이 ‘목록’에서 ‘대화’로도 확장됐습니다
OpenAI는 ChatGPT Search를 웹 출처 링크와 함께 최신 답을 제공하는 기능으로 소개합니다. 질문에 따라 웹을 검색하고, 답변의 인라인 인용이나 Sources 영역에서 참고한 페이지로 이동할 수 있습니다. Google AI Mode도 복잡한 질문을 여러 하위 주제로 나눠 검색하고, 종합한 답과 관련 링크를 보여줍니다.
구글은 한국어 AI Mode를 공개하며 초기 이용자들이 기존 검색어보다 2~3배 긴 질문을 입력한다고 밝혔습니다. 이 수치는 구글의 자체 제품 데이터라는 점을 감안해야 하지만, 키워드 몇 개에서 맥락이 담긴 질문으로 입력 방식이 확장되는 방향은 분명히 보여줍니다.
네이버도 AI탭을 모든 이용자에게 정식 공개했습니다. AI 브리핑, 스마트렌즈와 후속 질문을 연결하며 검색 결과를 고르는 경험에 대화형 탐색을 더했습니다. 결국 네이버·구글 같은 기존 검색 서비스와 생성형 AI 서비스가 서로 반대편에 서 있다기보다, 검색과 답변의 경계가 서로 겹치기 시작했다고 보는 편이 자연스럽습니다.
SEO는 무엇이고, 왜 아직 끝나지 않았을까
SEO는 Search Engine Optimization, 검색엔진 최적화입니다. 네이버와 구글이 콘텐츠를 발견하고 이해할 수 있게 만들고, 관련 검색결과에서 이용자가 내 페이지를 찾을 가능성을 높이는 작업입니다.
제목과 본문의 검색 의도를 맞추고, 검색 로봇이 페이지에 접근할 수 있게 하며, 모바일에서도 빠르게 읽히게 만들고, 내부 링크와 구조화된 정보를 제공하는 일 등이 포함됩니다. 키워드 반복만을 뜻하지 않습니다.
AI 답변이 등장했다고 이 기반이 사라지지는 않습니다. Google Search Central은 AI Overview와 AI Mode에 노출되기 위한 별도의 기술 요구사항이나 특수한 최적화가 없으며 기존 SEO 권장사항이 계속 중요하다고 안내합니다. AI 답변의 참고 링크가 되려면 우선 페이지가 Google 검색에 색인될 수 있고 스니펫 노출 자격을 갖춰야 합니다.
이 대목이 중요합니다. GEO를 한다며 SEO를 버리는 것은 2층을 짓겠다며 1층을 허무는 것과 비슷합니다. 크롤링할 수 없고, 핵심 내용이 이미지 안에만 있고, 원문이 느리거나 출처가 불명확하다면 기존 검색에서도 AI 검색에서도 불리할 수 있습니다.
AEO와 GEO란 무엇인가
용어는 간단합니다.
- AEO(Answer Engine Optimization) 는 답변 엔진이 질문에 직접 답할 때 내 콘텐츠가 명확한 답의 재료가 되도록 만드는 흐름입니다. 추천 스니펫이나 음성 답변까지 포함하는 넓은 의미로 쓰이기도 하고, 최근에는 AI 답변 노출을 뜻하는 말로도 많이 쓰입니다.
- GEO(Generative Engine Optimization) 는 생성형 엔진이 답변을 합성할 때 내 콘텐츠·브랜드·사이트가 언급되거나 출처로 연결될 가능성을 높이려는 흐름입니다.
GEO라는 표현은 2023년 공개되고 KDD 2024에 채택된 연구에서 하나의 최적화 프레임워크로 제안됐습니다. 이 논문은 생성형 엔진 답변 안에서 콘텐츠의 가시성을 어떻게 측정하고 개선할지를 다뤘습니다.
그렇다고 GEO와 AEO가 법이나 국제표준처럼 경계가 확정된 용어는 아닙니다. 누군가는 AI 답변 최적화를 전부 AEO라고 부르고, 누군가는 GEO나 LLMO라고 부릅니다. 생성형 답변도 결국 검색 색인과 웹 검색을 활용할 수 있어 SEO와 분리하기 어렵습니다.
따라서 이름을 외우는 것보다 목표를 이해하는 편이 낫습니다. 검색결과 상단에서 클릭받는 것에 더해, AI가 답을 만들 때 참고하거나 인용할 만큼 명확한 콘텐츠가 되는 것. 이게 현재 GEO·AEO 논의의 실무적인 공통분모입니다.
여기서 ‘참고’는 AI 모델의 학습 데이터에 내 글을 억지로 집어넣는다는 뜻이 아닙니다. 사용자의 질문에 답하는 시점에 검색·검색색인·검색증강생성 같은 과정을 통해 페이지가 발견되고, 답의 근거나 링크로 활용되는 장면을 주로 뜻합니다. 플랫폼마다 작동 방식은 다르고 특정 페이지의 인용은 보장되지 않습니다.
“3DGS란?” 글 하나로 비교하면 쉽습니다
내가 ‘3DGS란? NeRF와 어떤 차이가 있을까’ 라는 글을 썼다고 가정해볼게요.
SEO의 장면은 이렇습니다. 누군가 네이버나 구글에 3DGS란 또는 3DGS NeRF 차이를 검색합니다. 검색결과에서 내 제목과 설명이 눈에 띄고, 사용자가 클릭해 들어오는 것이 일차 목표입니다.
GEO·AEO의 장면은 조금 다릅니다. 누군가 ChatGPT나 Gemini에 이렇게 묻습니다.
“3DGS와 NeRF의 차이를 비전공자도 이해할 수 있게 설명해줘. 렌더링 속도와 학습 방식, 어떤 프로젝트에 각각 적합한지도 비교해줘.”
이때 AI가 내 글의 정의나 비교 내용을 참고하고, 확인 가능한 출처로 내 페이지를 연결한다면 새로운 방식의 노출이 생깁니다. 사용자는 글 제목을 먼저 본 것이 아니라 답을 먼저 읽었지만, 그 답의 신뢰도를 확인하거나 더 깊이 알아보는 과정에서 내 콘텐츠를 발견할 수 있습니다.
그렇다면 글에는 3DGS라는 단어를 많이 넣는 것보다 다음 내용이 필요합니다.
- 첫 부분에서 3DGS와 NeRF를 각각 한 문장으로 설명하기
- 두 방식의 표현 구조, 학습·렌더링 특성과 적합한 용도를 같은 기준으로 비교하기
- NeRF 원 논문 프로젝트와 3D Gaussian Splatting 연구 페이지 연결하기
- 직접 테스트했다면 GPU, 데이터셋, 해상도, 버전과 측정 조건 밝히기
- 비교 이미지와 표에 무엇을 보여주는지 설명하기
- 논문에서 확인한 사실과 작성자의 경험·의견 구분하기
- 기술이 바뀌면 수정 날짜와 변경 내용을 남기기
이 구조는 검색엔진에도 좋습니다. 사람이 읽을 때도 훨씬 유용합니다. 결국 GEO·AEO를 위한 별도의 외계어 문서를 만드는 것이 아니라, 하나의 좋은 원문이 검색결과와 AI 답변 양쪽에서 이해될 가능성을 높이는 방식에 가깝습니다.
블로그 글은 실제로 어떻게 달라져야 할까
첫째, 질문 바로 아래에서 먼저 답해야 합니다. 긴 도입으로 기대감만 끌다가 핵심을 마지막에 숨기지 마세요. AEO란 무엇인가라는 소제목 다음 문단에는 뜻과 범위를 한두 문장으로 바로 제시하는 편이 좋습니다.
둘째, 주장의 근거까지 거리를 줄여야 합니다. “요즘 다들 AI 검색을 쓴다”에서 끝내지 말고 조사기관, 조사 시점, 표본과 원문 링크를 붙입니다. 기업이 발표한 이용자 수인지 독립 조사기관의 추정치인지도 구분합니다.
셋째, 비교 기준을 고정해야 합니다. A와 B를 비교한다면 가격, 속도, 대상 사용자, 장점과 한계를 같은 축으로 놓아야 합니다. 표가 있다고 무조건 좋은 것이 아니라 독자가 다시 조립하지 않아도 되는 표가 좋아요.
넷째, 직접 경험은 구체적이어야 합니다. “써보니 좋았다”보다 어떤 환경에서 무엇을 했고 어디서 막혔는지 적어야 다른 사람이 검증할 수 있습니다. AI가 인터넷의 비슷한 설명을 합칠 수 있는 시대일수록 직접 촬영한 화면, 실험 조건, 실패 기록과 현장 사례는 희소합니다.
다섯째, 사실과 의견을 구분하면서 의견을 빼지 마세요. 공식 문서만 옮겨 적은 글은 원문보다 나을 이유가 없습니다. 확인된 사실 뒤에 그것이 실무에서 왜 중요한지, 어떤 조건에서는 다르게 봐야 하는지 작성자의 해석을 붙여야 합니다.
여섯째, 한 분야를 꾸준히 다뤄야 합니다. 글 한 편에 ‘전문가처럼 보이는 문장’을 넣는 것보다 서로 연결된 여러 글, 일관된 저자 정보, 업데이트 이력과 원출처를 쌓는 편이 사람에게도 신뢰를 줍니다.
하지 않아도 되는 것, 믿으면 곤란한 것
AI에게 보내는 비밀 파일 하나만 추가하면 된다, 특정 문장을 넣으면 ChatGPT가 반드시 인용한다, 키워드 밀도를 올리면 GEO 점수가 오른다는 식의 약속은 경계할 필요가 있습니다.
Google은 AI Overview와 AI Mode 노출을 위한 특별한 schema.org 구조화 데이터나 AI 전용 텍스트 파일이 필요하지 않다고 명시합니다. 구조화 데이터는 여전히 유용하지만 화면에 보이는 내용과 일치해야 하고, 기존 검색 기능의 요구사항을 따라야 합니다.
초기 GEO 연구에서 인용, 통계, 문장 표현 같은 요소가 특정 실험 환경의 가시성을 높인 결과가 보고되기도 했습니다. 하지만 그 결과를 모든 플랫폼과 모든 검색어에 통하는 공식으로 바꾸면 안 됩니다. 생성형 엔진은 빠르게 바뀌고, 질문과 분야에 따라 효과도 달랐습니다. 공개된 한 AEO 현장 연구도 처리한 페이지의 ChatGPT 추천 유입 증가를 관찰했지만, 짧고 변동성이 큰 관측 기간 때문에 인과 효과를 확정하지는 못했습니다.
현재 가장 정직한 표현은 “가능성을 높이기 위한 좋은 관행은 있지만, 인용을 보장하는 레시피는 없다”입니다.
마케터와 블로거는 무엇을 새로 봐야 할까
기존의 발견 경로를 버릴 필요는 없습니다. 네이버 SEO, 구글 SEO, 유튜브 검색 노출은 계속 중요합니다. 여기에 ChatGPT, Gemini, Google AI Mode 같은 답변형 경험에서 브랜드와 콘텐츠가 어떤 맥락으로 등장하는지 살펴보는 일이 추가됩니다.
실무에서는 다음처럼 시작할 수 있습니다.
- 고객이 검색창에 넣는 짧은 키워드와 AI에게 묻는 긴 질문을 함께 수집합니다.
- 중요한 질문에 대해 우리 브랜드가 여러 AI 서비스에서 어떻게 설명되는지 날짜와 함께 기록합니다.
- 답변에 출처가 있다면 어떤 유형의 페이지가 인용되는지 확인합니다. 원문 데이터인지, 비교 글인지, 공식 문서인지 봅니다.
- AI 추천 유입이 잡히면 방문 수만 보지 말고 체류, 회원가입, 문의와 구매까지 연결해 봅니다.
- 잘못된 브랜드 정보가 반복된다면 공식 소개, 제품 사양, 가격, 연락처와 업데이트 날짜부터 명확히 고칩니다.
노출 횟수와 인용은 플랫폼마다 제공 범위가 다릅니다. Google은 2026년 생성형 AI 검색 노출을 별도로 볼 수 있는 Search Console 보고서를 확대했지만, 모든 답변형 서비스가 같은 수준의 측정 도구를 제공하는 것은 아닙니다. 그래서 검색 유입 분석, 서버 로그, 추천 유입, 브랜드 언급 점검을 함께 써야 합니다.
버즈의 결론: 새 기술보다 좋은 콘텐츠의 기준이 선명해졌습니다
저는 GEO를 완전히 새로운 마법의 기술이라고 보지는 않습니다. 검색결과에서 선택받는 장면에 이어, AI가 여러 자료를 모아 답을 만드는 장면이 추가됐고 그만큼 좋은 콘텐츠의 조건이 더 선명해졌다고 봅니다.
키워드만 맞춘 글은 질문의 맥락이 길어질수록 빈틈이 드러납니다. 반면 직접 확인한 경험, 비교 가능한 조건, 원본 출처와 작성자의 해석이 있는 글은 사람이 읽을 이유도 있고 시스템이 참고할 이유도 생깁니다.
SEO가 끝나고 GEO가 시작된 것이 아닙니다. 발견되는 자리 하나가 더 생겼고, 그 자리에서도 결국 명확하고 신뢰할 수 있는 원문이 필요해진 겁니다.
바이럴 각은 자극적인 제목에서만 나오지 않습니다. 누군가 질문했을 때 “이 설명은 여기서 확인해보세요”라고 연결될 만한 글. 앞으로 오래 남는 콘텐츠는 그런 글에 더 가까울 것 같습니다.
자주 묻는 질문
Q. GEO와 AEO는 같은 뜻인가요?
완전히 같다고 합의된 표준은 아닙니다. AEO는 직접 답변 전반을, GEO는 생성형 AI 답변 안의 언급·인용·가시성을 강조하는 경우가 많습니다. 다만 최근 실무에서는 두 용어가 상당히 겹쳐 사용됩니다.
Q. GEO가 SEO를 대체하나요?
아닙니다. AI 검색도 웹 페이지의 발견, 크롤링, 색인과 기존 검색 품질 시스템을 활용할 수 있습니다. Google도 AI 검색에 기존 SEO 기초가 계속 중요하다고 안내합니다.
Q. llms.txt나 특별한 AI용 마크업이 꼭 필요한가요?
플랫폼별 실험과 논의는 있지만, Google은 AI Overview와 AI Mode 노출을 위해 새로운 AI 전용 파일이나 특별한 schema.org 마크업이 필요하지 않다고 밝힙니다. 특정 파일 하나로 모든 AI 서비스 노출을 보장할 수 없습니다.
Q. AI가 내 글을 학습하면 GEO에 성공한 건가요?
그렇게 정의하기 어렵습니다. 학습 데이터 포함 여부와 사용자의 질문 시점에 검색되어 답변의 출처로 쓰이는 것은 다른 과정입니다. 실무에서는 확인 가능한 인용, 링크, 브랜드 언급과 추천 유입을 보는 편이 현실적입니다.
Q. 블로그에서 가장 먼저 바꿀 한 가지는 무엇인가요?
중요한 질문형 소제목 아래에 핵심 답을 먼저 쓰고, 그 답을 뒷받침하는 원출처와 조건을 바로 연결해 보세요. 사람도 이해하기 쉬워지고 검색과 AI 답변 모두가 문맥을 파악하기 좋아집니다.
참고 자료
- Google Search Central — AI 기능 및 웹사이트
- Google Search Central — 생성형 AI 검색 최적화 가이드
- Google Search Central — 생성형 AI 검색 성과 보고서
- Google Korea Blog — 구글 검색 AI Mode 한국 출시
- Google Korea Blog — AI 검색의 새로운 시대
- NAVER — 네이버 AI탭 정식 출시
- OpenAI — Introducing ChatGPT Search
- OpenAI Help Center — ChatGPT Search
- Aggarwal et al. — GEO: Generative Engine Optimization
- Watanabe & Nakayashiki — Disentangling Answer Engine Optimization from Platform Growth
- NeRF — Representing Scenes as Neural Radiance Fields
- INRIA — 3D Gaussian Splatting for Real-Time Radiance Field Rendering
상표 고지: Google, NAVER, ChatGPT, Gemini 및 각 서비스명은 해당 소유자의 상표입니다. 본문 속 공식 화면과 논문 페이지는 설명과 비평을 위해 출처를 밝히고 인용했습니다.
