검색이 ‘목록’에서 ‘답변’으로 바뀌고 있다.

사용자는 이제 ChatGPT에 “○○ 분야 잘하는 곳 추천해줘”라고 묻고, 네이버는 통합검색 상단에 AI 브리핑으로 답을 먼저 보여준다. 결과는 열 개의 파란 링크가 아니라 하나의 정리된 답변이다. 가트너는 2026년까지 전통 검색 엔진 트래픽이 25% 줄어들 것으로 전망했고, Pew Research(2025)에 따르면 검색 결과에 AI 요약이 붙으면 링크 클릭률은 15%에서 8%로 절반 가까이 떨어진다. 클릭이 아니라 답변 안에 인용되느냐가 노출의 기준이 된 것이다.

그래서 SEO의 목표가 바뀐다.

전통 SEO의 목표는 “검색 결과 몇 위”였다. AI 검색 시대의 목표는 “AI가 답을 만들 때 우리 브랜드를 인용·추천하느냐”다. 이를 GEO(Generative Engine Optimization, 생성형 엔진 최적화)라 부른다. 둘은 대체가 아니라 연장선이지만, 평가하는 지표가 다르다.

왜 순위가 곧 인용이 아닐까. AI는 특정 1위 페이지를 그대로 보여주는 게 아니라 여러 출처를 종합해 답을 만들기 때문이다. 실제로 서치엔진저널(2026)이 인용한 분석에서는 구글 AI 개요가 인용한 출처의 62%가 검색 10위 밖 페이지였다. 잘 쓴 1페이지가 인용을 보장하지 않는다는 뜻이다.

한국은 ‘이중 검색 환경’이라 더 특수하다 — K-GEO.

한국 사용자는 글로벌 AI(ChatGPT·퍼플렉시티·제미나이·그록·클로드)와 네이버 AI 브리핑(HyperCLOVA X 기반)을 함께 쓴다. 그런데 같은 질문이라도 글로벌 엔진은 영어권 소스를, 네이버 AI 브리핑은 네이버 블로그·카페·나무위키 같은 한국어 소스를 주로 인용한다. 영어권 GEO 방법론을 번역만 해서는 이 한국어 인용 생태계를 다룰 수 없다. 글로벌 5개 엔진의 노출을 실측하고 네이버 AI 브리핑은 별도로 관측하면서 한국어로 함께 최적화하는 접근 — 이런 접근을 K-GEO(한국형 GEO)라 부른다.

흔히 하는 세 가지 오해부터 짚자.

오해 1 — “GEO는 SEO를 버리는 것이다.” 아니다. GEO는 robots·sitemap·구조화 데이터 같은 SEO 기본기 위에서 작동한다. 기본기가 없으면 AI 크롤러가 콘텐츠를 읽지도 못한다.

오해 2 — “키워드만 잘 넣으면 된다.” AI는 키워드 밀도가 아니라 엔티티(개체)와 문맥, 그리고 신뢰 신호를 본다. “누가, 무엇을, 왜 신뢰할 만한가”가 핵심이다.

오해 3 — “한 번 작업하면 끝이다.” AI 답변은 질문마다, 시점마다 바뀐다. 인용 여부를 주기적으로 측정하고 콘텐츠를 갱신해야 한다.

그럼 마케터는 지금 무엇을 해야 하나. 네 가지다.

첫째, 측정이다. 측정 없이는 개선도 없다. 어느 AI가 어떤 질문에 우리 브랜드를, 또는 경쟁사를 인용하는지 실측해 출발점과 약점을 잡아야 한다.

둘째, 엔티티와 구조화 데이터다. AI는 웹 여러 곳에서 일관되게 언급되는 브랜드를 신뢰한다. 스키마·llms.txt·sameAs로 “이 브랜드 = 이 회사 = 이 대표”를 기계가 알아보게 묶어줘야 한다.

셋째, 답변형 콘텐츠다. 첫 문단에서 질문에 바로 답하고(주어-동사-목적어 한 문장), FAQ로 실제 질문에 답하는 구조다. HubSpot은 이 ‘의미 삼각형’ 기법만으로 단일 페이지의 AI 인용을 642% 늘렸고, 답변 엔진 최적화(AEO)를 적용해 AI를 경유한 진성 리드를 1,850% 늘렸다고 공개했다.

넷째, 외부(off-site) 인용 자산이다. 인용을 결정적으로 만드는 건 자기 사이트가 아니라 외부다. 한 분석(Omniscient)에서는 AI 인용의 85%가 자사 도메인 밖에서 나왔고, 또 다른 연구(Evertune)에서는 제휴 관계가 없는 외부 포럼 네 곳에 언급된 브랜드가 2.8배 더 인용됐다. 커뮤니티·기고·디렉터리·위키 같은 독립된 언급을 쌓아야 하는 이유다.

단, 근거 있는 방법론이어야 한다.

프린스턴의 GEO 연구(arXiv 2311.09735)는 GEO 기법으로 가시성이 최대 40%까지 오를 수 있음을 보였다. 반대로 시장에는 검증되지 않은 과장 수치도 떠다닌다. “AI 인용 보장” 같은 단언이나 출처 없는 퍼센트는 경계해야 한다. AI 검색은 신뢰를 먹고 자라는 채널이라, 과장은 결국 역효과를 낸다.

어디서 시작하나.

순서는 단순하다. ① 측정으로 현재 인용 상태와 약한 질문군을 확인하고, ② 그 약점부터 답변형 콘텐츠로 채우고, ③ 외부에 일관된 언급을 쌓는다. 검색의 문법이 바뀌는 전환기에는, 빨리 움직이는 쪽이 ‘인용’이라는 새 자산을 먼저 쌓는다. 위 네 가지부터 점검해보길 권한다.