사용자가 검색하는 방식이 바뀌고 있어요. "퍼포먼스 마케팅 대행사 추천"을 구글에 치는 대신 ChatGPT에 묻고, Perplexity에 묻고, Claude에 묻습니다. LLM이 즉시 답해주는 답 안에 우리 브랜드가 인용되느냐 마느냐가 새 SEO의 화두예요. 전통 SEO가 검색 결과 페이지의 자리를 노렸다면, GEO(Generative Engine Optimization)는 LLM 답변 안의 한 문장 인용을 노립니다. 이 글은 GEO의 본질·작동 원리·운영 표준을 한 번에 정리합니다. huny.log의 seo-geo 섹터 첫 글입니다.
왜 GEO가 새 SEO인가
전통 SEO는 검색 결과 페이지(SERP) 1페이지 자리를 두고 경쟁했어요. 사용자는 1페이지를 보고 한 링크를 클릭해서 사이트로 들어옵니다. 우리 사이트가 1페이지 1번이면 트래픽이 들어와요.
LLM 검색은 다릅니다. 사용자가 질문하면 LLM이 즉시 종합 답변을 만듭니다. 사용자는 답변을 그대로 받고 끝나는 경우가 많고, 답변 안의 인용 링크 일부만 클릭해요. 우리 사이트로 들어오는 트래픽이 줄어들 가능성이 큽니다.
대신 새 자리가 생깁니다. LLM 답변 안의 한 문장 또는 인용 출처로 우리 브랜드가 박히는 자리. 이게 GEO의 목표 자리예요.
전통 SEO는 SERP 자리, GEO는 LLM 답변 안의 인용 자리. 사용자는 답변만 보고 끝나는 경우가 많아 인용 자체가 핵심 가치가 된다.
LLM이 답변을 만들 때 어디서 데이터를 가져오나
GEO를 이해하려면 먼저 LLM 검색 엔진이 답변을 만드는 방식을 알아야 해요. 보통 두 갈래입니다.
- 학습 데이터 기반 — 모델이 학습할 때 본 웹 데이터에서 답을 만듦. 인용 없거나 약함.
- 실시간 검색 + RAG 기반 — 질문 받으면 웹을 실시간 검색해서 retrieved 콘텐츠를 LLM에 컨텍스트로 넣고 답변 생성. 인용 출처가 답변에 박힘.
지금 ChatGPT Search·Perplexity·Claude with browsing·Gemini의 검색 모드는 모두 두 번째 갈래입니다. 즉 우리 콘텐츠가 LLM에 인용되려면 다음 3단계를 다 통과해야 해요.
- 웹 크롤러가 우리 콘텐츠를 발견·인덱싱
- 사용자 질문에 우리 콘텐츠가 retrieved 후보로 선택
- LLM이 답변 만들 때 우리 콘텐츠를 인용 출처로 인용
전통 SEO가 1·2단계까지였다면 GEO는 3단계까지 가야 합니다.
전통 SEO와 GEO의 차이
| 구분 | 전통 SEO | GEO |
|---|---|---|
| 목표 자리 | SERP 1페이지 | LLM 답변 안의 인용 |
| 측정 KPI | impression·click·CTR·rank | citation·brand mention rate |
| 신호 | backlink·keyword·meta | E-E-A-T·구조화·factual density |
| 사용자 행동 | 클릭 후 사이트 방문 | 답변 안에서 결정, 클릭은 일부만 |
| 갱신 주기 | Google 알고리즘 (월·년 단위) | LLM·embedding 업데이트 (수일·수주) |
전통 SEO에서 중요했던 backlink는 GEO에서도 중요하지만, "사실 신뢰도(E-E-A-T)" 가중치가 더 커집니다. LLM은 답변할 때 출처가 신뢰할 만한지를 모델 내부적으로 평가하기 때문이에요.
GEO 운영 표준 — 7가지 콘텐츠 패턴
LLM 답변에 인용되기 쉬운 콘텐츠는 몇 가지 특징이 있습니다. 학계와 SEO 업계의 초기 GEO 연구에서 공통적으로 발견된 패턴이에요.
1) Factual density — 한 단락에 사실이 많이 들어있어야
LLM이 retrieved 콘텐츠에서 답을 만들 때 fact가 압축된 문단을 선호합니다. "마케팅은 중요하다" 같은 추상보다 "Meta 광고는 7일 click + 1일 view가 default attribution" 같은 구체 fact가 인용되기 쉬워요.
2) Citation·통계·수치 인용
수치와 출처가 들어있는 문단이 더 자주 인용됩니다. "Meta CPM은 평균 5달러" 같은 raw fact는 LLM이 그대로 인용하기 좋아요. 출처 링크를 같이 제공하면 더 좋습니다.
3) 구조화된 H2/H3 + 명확한 답
질문에 답하는 구조 — "What is X?" → "X is ..." 형식 — 가 LLM의 인용 패턴과 잘 맞아요. FAQ·How-to·Definition 형식이 강합니다.
4) Schema.org structured data
Article, FAQPage, HowTo, Product, Organization, Person 같은 schema markup이 LLM 크롤러에게 콘텐츠 의미를 직접 전달합니다. JSON-LD로 박는 게 표준이에요.
5) E-E-A-T 신호
Experience·Expertise·Authoritativeness·Trustworthiness. 저자 정보, 회사 소개, 출처 인용, HTTPS, 정확한 metadata. LLM이 신뢰도를 평가할 때 사용해요. huny.log도 E-E-A-T JSON-LD 작업이 들어가 있죠.
6) 갱신된 콘텐츠
LLM 검색 엔진은 최신 정보를 선호합니다. 같은 주제라도 6개월 전 글보다 1주 전 글이 더 자주 인용돼요. 정기적인 갱신·재게시가 GEO의 한 축입니다.
7) 다중 형식 — 텍스트 + 표 + 인포그래픽
LLM이 텍스트 + 표를 같이 인용할 때 답변의 신뢰도가 올라갑니다. 그래서 핵심 사실은 표로도 정리해두는 게 좋아요. 본 글도 매 H2마다 표를 넣는 이유 중 하나가 GEO 친화입니다.
📌 GEO와 전통 SEO는 동시에 한다
GEO를 한다고 전통 SEO를 버리지 마세요. 같은 콘텐츠가 둘 다 잘 됩니다. backlink·meta tags·sitemap·schema 모두 LLM 크롤러도 같이 활용해요. GEO는 전통 SEO 위에 한 층 더 얹는 작업이에요.
GEO 측정 — 어떻게 우리 인용을 추적하나
GEO의 어려움은 측정에 있습니다. LLM 답변은 SERP처럼 공개된 곳에 떠 있지 않아서 우리 브랜드가 얼마나 인용되는지를 직접 보기 어려워요. 현재 업계 측정 방식:
- Brand mention 모니터링 도구 — Profound, AthenaHQ, Otterly.ai 같은 GEO 전용 트래킹 도구
- 주기적 질의 자동화 — 자사가 노릴 50~100개 핵심 질문을 매일 ChatGPT·Perplexity·Claude에 자동 질의해 우리 브랜드 인용 여부 체크
- Referral traffic from LLM — GA4 referrer에서 chatgpt.com·perplexity.ai·claude.ai 등 분리
- Citation count over time — 답변 안의 인용 출처에 우리 도메인이 몇 번 나오는지 시계열 추적
전통 SEO의 Search Console 같은 단일 표준 도구가 아직 없어서 직접 모니터링 잡을 만들거나 GEO 도구를 써야 합니다.
ChatGPT·Perplexity·Claude·Gemini별 특성
LLM 검색 엔진마다 인용 방식이 미묘하게 다릅니다.
| 엔진 | 검색 방식 | 인용 특성 |
|---|---|---|
| ChatGPT Search | Bing 검색 + RAG | 답변 끝에 출처 링크, 본문 인라인 인용 일부 |
| Perplexity | 자체 검색 + RAG | 답변 본문에 [1][2] 형식 인라인, 출처 풍부 |
| Claude with browsing | 자체 + 사용자 요청 검색 | 인용 명시적, 출처 신뢰도 평가 강함 |
| Gemini | Google Search + RAG | Google 인덱스 활용, 출처 풍부 |
| Naver Cue | Naver 검색 + RAG | 국내 도메인 인용 강함 |
각 엔진별로 답변 패턴을 분석해서 우리 도메인이 어느 엔진에서 잘 인용되는지를 보면 GEO 우선순위가 나옵니다.
💡 Perplexity부터 시작
Perplexity는 인용을 가장 명시적으로 박아주는 엔진이라 GEO 효과 측정이 쉬워요. 처음 GEO를 시작한다면 Perplexity citation 추적부터 시작하는 게 학습 곡선이 짧습니다.
마케터·운영팀이 오늘부터 할 일
GEO는 거창한 프로젝트라기보다 콘텐츠 운영 표준을 조금 바꾸는 일에 가깝습니다. 오늘부터 할 수 있는 액션 7가지.
- 자사 콘텐츠 페이지에 schema.org
Article·FAQPage·OrganizationJSON-LD 박기 - 모든 글에 저자 정보·발행일·갱신일·출처 인용 명시
- 핵심 주제별로 "What is X" / "How does X work" 형태 FAQ 페이지 추가
- 자사가 노릴 핵심 질문 50~100개 정의, 매주 ChatGPT·Perplexity에서 답변 모니터링
- Search Console과 함께 GEO 도구 1개 도입 (Profound·Otterly 등)
- GA4에서 chatgpt.com·perplexity.ai 같은 LLM referrer를 별도 채널로 분류
- 기존 글의 사실·수치 인용을 강화하는 갱신 작업 (factual density 보강)
한국 시장의 특수성
국내 GEO는 다음을 추가로 고려해야 합니다.
- Naver Cue·CLOVA X 같은 국내 LLM 검색 엔진
- 네이버 블로그·카페·뉴스의 영향력이 글로벌 LLM에도 일부 전달
- 한국어 콘텐츠의 schema.org 적용률이 낮아 기회 큼
- 국내 도메인은 .kr·.co.kr이 한국어 답변에 가중치 가능성
영문 자료가 풍부한 글로벌 GEO 가이드를 그대로 따라가지 말고, 한국어 시장 특수성을 추가해야 효과가 나옵니다.
{/* TODO_HUNY: 매드업에서 GEO·LLM 검색 인용을 측정해본 경험이 있다면 한두 단락 추가. 또는 huny.log 자체가 LLM에서 인용되는 사례(있다면)도 좋은 사례 컨텍스트. */}
마치며
GEO는 "전통 SEO의 죽음"이 아니라 "전통 SEO 위에 한 층 더 얹는 작업"이에요. 좋은 콘텐츠, 정확한 fact, 명확한 구조, schema markup 같은 기본은 그대로 가져가면서 LLM 답변에 인용되는 패턴을 추가로 적용하는 일.
다음 글은 마케팅의 또 다른 큰 영역 — CRM 라이프사이클 메시징 CRM lifecycle messaging로 이어집니다.
Top comments (0)