요즘 마케터들이 자주 묻는 질문 중 하나는 “GEO(Generative Engine Optimization, 생성형 엔진 최적화)를 어떻게 해야 하나요?”예요. 하지만 AI 검색에서 매출을 만들고 싶은지, 브랜드 정보를 정확하게 전달하고 싶은지, 콘텐츠 노출을 늘리고 싶은지에 따라 해야 할 일은 달라져요.
NNT는 글로벌·국내 브랜드와 200개 이상의 SEO·AEO·GEO 프로젝트를 수행하며 이 질문을 다뤄왔어요. 그 과정에서 얻은 결론은 GEO가 새로 생긴 하나의 마케팅 채널이 아니라는 거예요. 세일즈와 마케팅, PR, 테크·운영이 함께 움직여야 하는 복합적인 과제에 가까워요.
“저희에게 ‘GEO를 하고 싶어요’라고 말하는 건 ‘마케팅을 하고 싶어요’라고 말하는 것과 같아요. GEO도 목적과 동기에 따라 해야 할 일이 모두 다릅니다.”
📌핵심 포인트
마케팅은 매체 구매에서 검색 광고와 SEO로, 다시 퍼포먼스 마케팅·CRM·소셜·데이터로 분화해 왔어요. 생성형 AI는 이 영역들을 대체하기보다 각 업무에 새로운 레이어로 더해지고 있죠.
GEO도 기존 검색과 단절된 활동으로 보기 어려워요. Kevin Indig의 Growth Memo가 분석한 2만 1,000건 이상의 인용 데이터에 따르면 구글 검색 1위 URL이 AI 답변에 인용될 확률은 43.2%였어요. 10위는 17.1%, 16~20위는 12.3%로 검색 순위가 내려갈수록 인용 확률도 낮아졌고요.
이 수치가 검색 순위와 AI 인용 사이의 인과관계를 증명하는 것은 아니에요. 다만 AI 검색이 기존 검색에서 축적된 신뢰와 무관하게 작동하지 않는다는 점은 보여줘요. 검색에서 발견되고 신뢰받을 기반을 만든 뒤, AI가 생성하는 다양한 확장 질문에도 답할 수 있도록 정보의 깊이와 구조를 보완하는 일이 GEO에 가까워요.
그렇다면 GEO를 실행할 때는 무엇부터 살펴봐야 할까요? NNT는 목표와 필요한 전문성에 따라 GEO를 4가지 영역으로 나눠요.
4가지 영역은 서로 연결돼 있지만 필요한 데이터와 전문성은 달라요. AI 쇼핑에서 상품 노출을 늘리는 일과 브랜드에 관한 잘못된 답변을 줄이는 일을 같은 방법으로 해결할 수 없는 이유예요.
매출이 목표라면 먼저 상품이 노출되는 진열대를 살펴봐야 해요. 네이버 가격비교와 쇼핑 에이전트, Google Merchant Center를 활용한 구글 쇼핑처럼 AI가 상품을 추천하는 영역이 여기에 해당해요.
자사몰의 네이버 EP와 브랜드스토어의 상품 속성·카탈로그 정보를 정확하게 관리하면 기존 검색뿐 아니라 AI 에이전트가 상품을 이해하고 추천할 가능성도 높아져요. 상품 데이터의 진단과 개선, 운영, 성과 모니터링에는 개발자와 MD, 디지털 마케터의 협업이 필요해요.
브랜드가 직접 만든 콘텐츠는 AI가 참고할 1차 정보원이 돼요. 콘텐츠를 찾아온 사용자의 열람 이력과 체류 시간, 스크롤 깊이를 CRM과 리타기팅에 연결하면 검색 유입을 다음 마케팅 활동의 데이터로 활용할 수도 있고요.
프로그래매틱 콘텐츠의 성패도 생성량보다 정보의 가치에서 갈려요. 컬리는 칼로리 관련 탐색형 페이지에 검색 결과 API와 고객 리뷰를 결합했어요. 앰플리튜드 분석 결과 리뷰를 반영한 뒤 구매 전환율은 반영 전보다 약 8~9배 높아졌어요. 자동화 파이프라인을 월 1,000개 이상으로 확장하더라도 브랜드만의 데이터와 사람에게 유용한 정보가 없다면 인용할 이유를 만들기 어려워요.
AI는 공식 웹사이트와 보도자료, 뉴스, 블로그, 커뮤니티처럼 흩어진 정보를 모아 답변해요. 공식 정보가 부족하면 비공식 글이나 추론으로 빈칸을 채울 수 있어요.
NNT가 한 글로벌 소비재 브랜드와 진행한 PoC에서는 브랜드 관련 AI 응답 840건 가운데 한국 공식 채널이 인용된 사례가 0건이었어요. 글로벌 브랜드 웹사이트는 16.3%, 기타 비공식 채널은 12.7%를 차지했죠. 공식 채널이 비워둔 자리를 비공식 뉴스와 블로그가 대신하고 있었던 거예요.
이제 PR은 보도자료의 언어와 배포처뿐 아니라 공식 웹사이트와 위키피디아에 제공할 사실, 커뮤니티와 크리에이터가 참고할 정보 자산까지 다뤄야 해요. AI가 추론으로 메우지 않아도 될 만큼 정확하고 검증 가능한 정보를 시장에 공급하는 일이 중요해요.
세일즈와 마케팅, PR이 작동하려면 AI가 웹사이트를 찾고 내용을 해석하며 출처를 신뢰할 수 있어야 해요. NNT는 이 기반을 탐색 최적화 7개, 인용 최적화 11개, 신뢰 최적화 6개 등 총 24개의 실행 항목으로 나눠요.
서버 응답 속도와 URL 구조는 탐색을 돕고, 시맨틱 HTML과 직접 답변 단락은 내용의 해석과 인용을 돕는 요소예요. 여기에 백링크와 리뷰, E-E-A-T 문서화 같은 신뢰 신호가 더해져야 해요. 웹사이트를 AI 친화적으로 바꾸는 일만으로 GEO가 완성되지 않는 이유죠.
AI는 많은 페이지를 탐색하지만 실제 답변에 채택하는 출처는 제한적이에요. 사용자의 질문에서 여러 확장 질문을 만들어 기존 키워드 도구에 잡히지 않는 정보까지 살펴보고요.
외부 리서치와 NNT의 내부 분석을 종합하면 약 30개의 도메인에서 전체 인용의 70% 가까이가 발생해요. NNT는 이를 ‘30개의 좌석’이라고 설명해요. 다만 인용이 집중되는 정도와 자주 선택되는 출처는 산업마다 달라요. 모든 산업에 똑같은 30개 도메인이 있다고 보기보다, 우리 산업에서 어떤 출처가 반복해서 선택되는지 먼저 진단해야 해요.
긴 글이 무조건 더 많이 인용되는 것은 아니에요. 발표에서 인용한 리서치를 보면 URL당 평균 인용 횟수는 500단어 미만 2.5회, 500~5,000단어 3.5회, 2만 단어 이상 5.0회였어요. 충분히 깊고 상세한 콘텐츠가 다양한 질문에 반복해서 인용되는 경향을 보여주는 상관관계예요.
분량만 늘리기보다 중요한 요약과 데이터를 먼저 제시하고 상세 설명을 뒤에 배치해야 해요. AI가 문서 전체를 읽지 않더라도 핵심을 놓치지 않게 만드는 구조예요.
AI가 인용할 수밖에 없는 콘텐츠의 조건은 다음 3가지로 정리할 수 있어요.
‘자동차를 구매하려는 30대 여성’보다 구체적인 페르소나를 설정할수록 실제 질문에 가까운 콘텐츠를 만들 수 있어요. 누구에게나 해당하는 일반적인 답보다 특정한 상황의 독자에게 분명한 답을 주는 콘텐츠가 더 유용하기 때문이에요.
실행 단계에서는 5가지 규칙을 활용할 수 있어요.
이 규칙은 AI만을 위한 낯선 글쓰기 방식이 아니에요. 핵심을 앞에 두고 근거를 구체적으로 제시하는 좋은 글쓰기의 원칙과 맞닿아 있어요.
모델과 인터페이스는 계속 바뀌어요. 특정 모델의 작동 방식을 해킹하듯 따라가는 전략은 기술이 달라질 때마다 효력을 잃기 쉬워요.
“기술은 트렌드예요. 기술적으로 GEO를 잘하는 방법만 계속 파고들면 밑 빠진 독에 물을 붓는 것과 비슷하다고 생각해요.”
반대로 독특한 관점과 독점 데이터, 구체적인 독자를 담은 콘텐츠는 모델이 발전할수록 더 잘 발견될 가능성이 커져요. 변화에 버티는 데서 그치지 않고 변화 속에서 더 강해지는 ‘안티프래질(antifragile)’ 자산이 되는 거예요.
좋은 GEO는 AI만을 위한 정보를 만드는 일이 아니에요. 사람이 읽고 신뢰할 만한 정보를 만들고, 검색과 AI가 이를 발견할 수 있도록 구조화하는 일이에요. 기술의 변화를 쫓는 것보다 기술이 바뀌어도 남을 가치를 만드는 일이 먼저인 이유예요.
