SEO 다음은 무엇일까

SEO만으로는 부족한 시대. GEO, AEO, LLMO를 통해 AI 검색에서 노출되고 인용되는 방법을 정리했습니다.

GEO 전략, AEO 전략, LLMO개념, AI 노출 전략, AI 답변 최적화, 생성형 검색, AI 검색 엔진 대응, 제로클릭, AI 인용, GEO AEO LLMO 차이, 젠서, genser

검색의 방식이 완전히 달라졌습니다. 이제는 AI에게 물어보고 그 자리에서 바로 답을 얻는 것이 일상이 되었습니다. 상단 노출만큼 AI 답변 속에 우리 브랜드가 포함되는 것이 중요해지고 있습니다. 결국 핵심은 AI가 신뢰하고 인용할 수 있는 정보로 자리 잡는 것입니다.

이러한 흐름 속에서 등장한 개념이 바로 AEO, GEO, LLMO입니다. 

GEO · AEO · LLMO, 무엇이 다를까?

단, Google AI Overviews(SGE)처럼 생성형 방식으로 스니펫을 구성하는 경우에는 AEO와 GEO의 경계가 겹치기도 합니다. 두 전략이 완전히 별개라기보다는, 노출을 목표로 하는 시스템이 무엇인지에 따라 강조점이 달라진다고 이해하면 좋습니다.

GEO: 답변의 신뢰를 높이는 확실한 근거

GEO는 생성형 AI가 답변을 구성할 때 우리 정보를 근거로 인용하게 만드는 전략입니다. AI가 "이 통계에 따르면" 또는 "전문가 의견은 이렇다"며 우리 정보를 인용하도록 유도합니다. 단순히 정답만 제시하지 않고, 답변의 이유와 근거를 제공합니다.

LLMO: AI의 뇌 속에 저장된 브랜드 인지도

전략의 전환: 노출에서 신뢰로

AI 검색 시대의 콘텐츠 전략은 단순히 검색 엔진 가이드라인을 따르는 것을 넘어야 합니다. AI가 우리 콘텐츠를 신뢰할 수 있는 소스로 채택하려면 사용자의 의도를 꿰뚫는 세 가지 원칙이 필요합니다.

• 데이터의 구체성: 단순히 인기가 많다는 식의 모호한 표현은 AI의 선택을 받기 어렵습니다. 사용자가 어떤 목적으로 검색을 시작했는지 그 의도를 정확히 파악한 통계와 수치가 포함되어야 합니다. 사용자의 구체적인 문제를 해결해 주는 데이터는 AI가 답변을 구성할 때 가장 먼저 발췌하는 핵심 소스가 됩니다.

• 의도에 맞춘 비교 가능성: AI는 정보를 대조하고 요약하는 데 능합니다. 이때 단순한 기능 나열보다 사용자의 구매 의도에 따라 상황별 최적의 선택지를 제안하는 콘텐츠가 GEO 관점에서 유리합니다. 예를 들어 가성비를 중시하는지 혹은 성능을 중시하는지에 따라 의도를 구분해 비교 데이터를 제공하면, AI가 답변의 근거로 활용하기 훨씬 좋습니다.

• 전문가적 권위와 신뢰: 공신력 있는 기관의 연구나 전문가 인용구를 배치하면 AI는 해당 콘텐츠를 답변의 근거로 우선순위에 둡니다. 실제로 프린스턴 대학교와 조지아 공대 연구진의 논문에 따르면, 신뢰할 수 있는 인용구나 수치를 포함하는 것만으로도 답변 채택률이 최대 40%까지 향상¹⁾되었습니다. 단, 이 수치는 Wikipedia 스타일의 구조화된 콘텐츠를 대상으로 한 실험 조건에서 도출된 결과로, 모든 콘텐츠 유형에 동일하게 적용되지는 않습니다. 

그래서 왜 지금 GEO가 생존 전략인가

현시점에서 가장 즉각적이고 전략적으로 대응해야 할 영역은 단연 GEO입니다. 이는 단순히 유행이 아니라, AEO와 LLMO가 가진 현실적인 한계를 극복할 수 있는 대안이기 때문입니다.

•  

  AEO의 한계: '모 아니면 도'의 좁은 문
  AEO는 단 하나의 정답(Featured Snippet)으로 채택되어야만 의미가 있습니다. 승자독식 구조이기 때문에 채택되지 못한 정보는 버려집니다.

   

•  

  LLMO의 한계: 긴 업데이트 주기와 불투명성
  LLM 모델 그 자체에 정보를 심는 LLMO는 브랜드의 기초 체력을 기르는 장기전입니다. 순수한 파라미터 학습 기반의 LLM이라면 모델이 재학습되거나 업데이트될 때까지 기다려야 하며, 우리 데이터가 어떻게 반영되었는지 확인하기도 어렵습니다. RAG(Retrieval-Augmented Generation) 구조를 채택한 서비스(예: Perplexity, ChatGPT Search)는 실시간으로 웹을 참조하기 때문에 이 한계가 일부 완화되지만, 그만큼 콘텐츠 자체의 신뢰도와 인용 가능성이 더 직접적으로 노출 여부를 결정합니다.

   

결국 검색 사용자의 행태가 정보를 찾는 '클릭'에서 답을 얻는 '이해'로 넘어가면서, 웹사이트를 방문하지 않고도 정보를 소비하는 제로 클릭(Zero click) 현상이 심화되고 있습니다. 이 거대한 흐름 속에서 AI가 내놓는 답변의 '신뢰할 만한 근거'가 되는 것은 선택이 아닌 생존의 문제입니다.

상품은 더 이상 리스트에 나열되는 정보가 아니라 사용자의 고민을 해결하는 맥락 안에서 '발견'되어야 합니다. 만약 AI의 답변에서 우리 브랜드가 소외된다면, 잠재 고객을 만날 기회 자체가 사라질 수도 있습니다.

지금까지 살펴본 AEO, GEO, LLMO는 사실 우리가 익히 알고 있던 SEO의 확장된 개념입니다. 이제 사용자는 답을 찾기 위해 여러 사이트를 배회하지 않습니다. 검색 결과 페이지 안에서 모든 궁금증을 해결하는 제로 클릭(Zero-click)이 일상이 되면서, 웹사이트로의 유입을 기다리는 방식은 한계에 부딪혔습니다.

이제 중요한 것은 검색 결과 몇 위에 있는가가 아니라, AI가 만들어주는 답변 안에 얼마나 비중 있게 포함되느냐입니다. 노출보다 맥락을, 단순 클릭보다 사용자의 이해를 우선시하는 방향으로 전략을 수정해야 할 때입니다. 검색의 시대는 가고, 발견의 시대가 오고 있습니다. 지금 제공하고 있는 정보가 AI에게 매력적인 답변의 근거가 되고 있는지 점검해 보세요. 

출처

1) Aggarwal et al. (2023), "GEO: Generative Engine Optimization"

이커머스 담당자를 위한 에이전틱 커머스 인사이트

에이전틱 커머스부터 AI 트렌드까지 실무에 바로 활용할 수 있는 인사이트를 확인해보세요.

젠서 블로그 보러가기 →