GEO(생성형 엔진 최적화)란 무엇인가

최종 수정 2026-09-14 · 지니어스코리아

1. SEO와 무엇이 다른가

이 마지막 줄이 실무에서 가장 자주 사고를 낸다. 구글 순위가 잘 나오는 사이트가 AI 답변에는 한 번도 안 나오는 일이 흔한데, 본문을 자바스크립트로 그리기 때문인 경우가 많다. Googlebot은 JS를 실행하지만 AI 실시간 페처는 받은 HTML만 읽는다 — 우리가 서버 로그로 직접 확인한 결과다.

2. 언급과 인용은 다르다

GEO에서 성과를 말할 때 이 둘을 구분하지 않으면 대화가 성립하지 않는다.

• 언급(mention) — AI 답변 본문에 브랜드 이름이 나온 것.
• 인용(citation) — 그 답변의 출처로 우리 페이지나 도메인이 링크된 것.

둘은 함께 가지 않는다. 이름은 언급되는데 출처로는 경쟁사의 비교 글이 달리는 경우가 실제로 생긴다. 그 경우 사용자는 우리 이름을 보고 경쟁사 페이지로 간다. 하나의 합성 점수로 뭉뚱그리는 도구에서는 이 상황이 보이지 않는다.

3. 게이트 네 단계 — 어디서 막히는지부터 알아야 한다

"AI에 안 나온다"는 하나의 증상이지만 원인은 네 군데 중 하나다. 순서대로 통과해야 한다.

G0 크롤 — 봇이 우리 주소에 닿는가

robots.txt가 AI 봇을 막고 있지 않은지, 방화벽·봇 차단이 걸려 있지 않은지, 응답이 정상인지. 여기서 막히면 뒤는 볼 것도 없다. 확인 방법은 서버 로그다. 엔진에게 "너 우리 사이트 읽을 수 있어?"라고 물어서 나온 답은 근거가 되지 않는다 (실제로 200을 받고도 "503이라 못 읽었다"고 답하는 것을 관측했다).

G1 발견 — 봇이 받은 HTML에 내용이 있는가

200을 받았다고 끝이 아니다. 그 200 안에 텍스트가 있어야 한다. 본문이 JS로만 그려지면 봇이 받는 것은 빈 껍데기이고, 엔진은 그 자리를 다른 정보로 메운다. 이름이 겹치는 다른 대상이 있으면 그쪽 설명이 우리 설명으로 나간다.

G2 선택 — 여러 후보 중에서 골라지는가

가장 어려운 단계다. "○○ 도구 추천해줘" 같은 카테고리 질의에서 엔진이 고르는 것은 대체로 제품 홈페이지가 아니라 여러 후보를 비교·정리한 문서다. 자기 제품 페이지를 아무리 다듬어도 이 질의에는 걸리지 않는다. 다른 종류의 문서가 필요하다.

G3 흡수 — 답변 문장 안에 실제로 들어가는가

질의에 URL이 직접 들어가 있거나 브랜드명을 콕 집어 물은 경우다. 이 단계는 G1만 통과하면 대체로 된다. 다만 여기서 잘 된다고 G2가 된 것은 아니다. 브랜드명 질의에서의 성과를 카테고리 질의 성과로 착각하는 일이 자주 있다.

4. "이렇게 하면 인용된다"고 말할 수 있는 항목은 아직 없다

이 대목에서 정직해야 한다. 조건 없이 "이 항목을 넣으면 인용된다"고 말할 수 있는 페이지 항목은 현재 확립되어 있지 않다. 표를 넣어라, FAQ를 넣어라, 스키마를 붙여라 하는 처방들이 널리 팔리지만, 그 근거로 제시되는 것들을 원문까지 따라가 보면 대개 두 가지 중 하나다.

• 다른 것을 잰 실험 — 가장 많이 인용되는 GEO 처치 실험(Aggarwal 외, KDD 2024)이 실제로 측정한 지표는 "인용이 발생했는가"가 아니라 답변 안에서 그 출처가 차지한 지분이다 (지표 정의: "normalized word count of sentences related to a citation"). 게다가 그 실험은 검색 상위 문서들의 본문을 미리 제공한 조건에서 돌렸다. 즉 크롤·색인·회수·선택 단계가 전부 우회된 상태의 결과다. 선택 단계의 근거로 옮겨 쓸 수 없다.
• 검색 엔진 문서 — Google·Bing의 최적화 문서는 검색 엔진 문서다. ChatGPT·Claude·Perplexity 세 벤더는 콘텐츠 지침을 공표한 적이 없다. 그 공백을 SEO 관행으로 메운 것이 지금 팔리는 처방의 상당 부분이다.

그리고 구글은 자기 문서에서 여러 처방을 직접 부정한다 — "There's no requirement to break your content into tiny pieces", "There's no ideal page length", "Structured data isn't required for generative AI search, and there's no special schema.org markup you need to add" (AI features and your website). 다만 이것은 구글 문서이고, 다른 세 엔진에 대해서는 부정조차 없는 공백이다.

그래서 이 문서는 항목 목록을 팔지 않는다. 대신 확인할 수 있는 것부터 확인하는 순서를 제시한다.

5. 자주 나오는 오해

"llms.txt만 넣으면 된다"

구글은 이렇게 썼다 — "You don't need to create new machine readable files, AI text files, markup, or Markdown ... as Google Search itself doesn't use them", 그리고 llms.txt는 "neither harm nor help your site's visibility or rankings in Google Search" (공식 문서). 다른 세 엔진(ChatGPT·Claude·Perplexity)은 llms.txt에 대해 쓴다고도 안 쓴다고도 말한 적이 없다. 이 사이트에도 llms.txt를 두었지만, 그것은 근거가 있어서가 아니라 실제로 봇이 그걸 가지러 오는지를 우리가 로그로 보려고 둔 것이다. 현재까지 AI 페처가 llms.txt를 먼저 요청한 기록은 없다.

"구조화 데이터 점수가 높으면 AI에 잘 나온다"

구글은 "there's no special schema.org markup you need to add"라고 직접 쓴다. 구조는 자격 조건이지 선택 이유가 아니다. 구조 점수가 높은 페이지가 카테고리 질의에서 한 번도 안 나올 수 있다 — 이 사이트에서 실제로 관측한 상태다.

"한 번 측정하면 안다"

같은 질문을 같은 엔진에 다시 물어도 답과 출처가 달라진다. 국내 도구 BaRam은 재측정한 226개 질문-엔진 쌍 가운데 34.5%에서 결과가 매번 달랐다고 자사 블로그에 공개했다(자체 집계). 1회 측정으로 변화를 판정하면 변동에 묻힌다.

6. 용어 정리