AI Overviews, ChatGPT, Claude, Gemini, Perplexity를 위한 AEO와 GEO

검색 결과는 더 이상 링크 목록이 아닌
AI가 사용자를 대신해 읽는 소스 페이지 형태로 변화 중이며, AI Overviews·ChatGPT·Claude·Perplexity·Gemini가 모두 웹 페이지를 실시간으로 참조함
AEO(Answer Engine Optimization) 는 답변 엔진이 직접 답을 줄 때 인용되는 소스가 되기 위한 작업, GEO(Generative Engine Optimization) 는 생성형 AI가 작성하는 답변 안에 등장하기 위한 작업
Google은 자체 AI 최적화 가이드에서 두 개념을
기존 SEO의 변형으로 규정하며, 동일한 랭킹·품질 시스템이 일반 검색과 AI Overview 모두를 결정한다고 명시
AI 기능 노출의 전제는 일반 검색 스니펫 자격이며,
크롤링·렌더링·인덱싱 차단 문제 해결이 콘텐츠 최적화보다 우선
인용되는 페이지는 모델이 학습 데이터만으로 작성할 수 없는
구체적 수치·고유 경험·독자적 디테일을 담은 페이지이며, AEO/GEO는 SEO와 분리된 학문이 아닌 동일한 작업의 연장선

AEO와 GEO의 정의와 위치

2년 전과 달리 Google은 AI Overviews로 검색 결과를 열고, ChatGPT와 Claude는 실시간 웹 결과를 답변에 끌어옴, Perplexity는 이 방식 자체로 제품을 구축, Gemini는 모든 Google 표면에서 한 번의 탭으로 접근 가능
페이지는 더 이상
목적지가 아니라 모델이 사용자를 대신해 읽는 소스
AEO (Answer Engine Optimization): 답변 엔진이 링크 목록 대신 직접 답을 줄 때 사용되는 소스가 되는 작업
GEO (Generative Engine Optimization): 생성형 AI가 페이지를 참조해 처음부터 작성하는 답변 안에 등장하는 작업
Google의 AI 최적화 가이드는 “생성형 AI 검색을 위한 최적화는 검색 경험을 위한 최적화이며, 따라서 여전히 SEO”라고 규정
파란 링크 목록을 결정하는 랭킹·품질 시스템과 AI Overview 노출을 결정하는 시스템이 동일
한쪽을 개선하면 다른 쪽도 함께 개선됨
각 AI 표면은 서로 다른 웹 인덱스를 사용하지만, 대부분의 인덱스가
동일한 크롤·렌더링·품질 작업의 하위 결과물

자격(Eligibility)이 모든 것에 앞선다

페이지가 AI 기능에 노출되려면
일반 검색 스니펫에 노출될 자격이 먼저 충족되어야 함
URL이 인덱싱되어 있어야 함
robots.txt

에서 크롤링이 허용되어야 함

스니펫이 허용되어야 함 (
nosnippet

, max-snippet:0

없음)

무거운 JavaScript 실행 없이 콘텐츠가 로드되어야 함
Google Search Console의 URL 검사에서 “Test live URL”로 렌더링된 HTML 확인 필요
렌더링된 HTML에 본문이 빠져 있으면 다른 작업보다 먼저 수정해야 함
서버 렌더링과 정적 생성이 가장 안전한 방식
터미널
curl

테스트는 30초짜리 점검 도구로 사용 가능하지만, UA 스푸핑된 200 OK는 실제 크롤러 접근의 증거가 아님

봇 운영자는 UA 스푸핑을 차단함
권위 있는 검증은 게시된 IP 범위 또는 reverse-DNS 기록으로 확인해야 함
Google, OpenAI, Anthropic, Perplexity 모두 봇 문서에서 IP 범위 공개

학습용 크롤러와 검색용 크롤러의 구분

GPTBot, ClaudeBot: 학습용 크롤러이며 차단해도 검색 노출에 영향 없음
Google-Extended: AI 학습 + Gemini Apps와 Vertex AI Grounding 내 grounding 제어, Google 검색 랭킹이나 AI Overview 자격에는 영향 없음

AI 답변 내 노출을 결정하는 검색 인덱서:
Googlebot

, Bingbot

, OAI-SearchBot

, Claude-SearchBot

, PerplexityBot

많은 사이트가 이 중 하나를 실수로 차단해 가시성을 떨어뜨림
AI 검색 가시성을 허용하면서 학습용 봇은 차단하는
robots.txt

구성 가능

메타 robots 태그는 사이트 단위가 아닌
페이지 단위 제어 수단
Google-Extended

옵트아웃은 robots.txt

토큰으로만 가능, 메타 태그로는 문서화되어 있지 않음

모든 레이어가 게이트이며,
모든 게이트가 열려야 그 이후의 최적화 작업이 의미를 가짐

인용되는 콘텐츠는 모델이 학습 데이터만으로 못 쓰는 것

생성형 검색은
구체성에 보상함
일반적 정보는 모델이 인용 없이 요약 가능
인용되는 페이지는 모델이 스스로 합성할 수 없는 내용을 담은 페이지
Google 가이드는
“고유하고 가치 있으며 사람 중심의 콘텐츠” 작성을 강조, 다른 페이지가 똑같이 말하는 commodity 콘텐츠는 지양
Helpful content 가이드는
직접 경험, 실제 전문성, 독자적 관점을 보여주는 방법을 다룸
Next.js 16 마이그레이션 글 예시 비교
Commodity 버전: 모델이 학습 데이터만으로 생성 가능 → 인용되지 않음
Distinctive 버전:
47개의 깨진 페이지라는 수치, 함수 시그니처의 특정 함정, 3시간이라는 시간 추정 포함
이런 디테일 하나만 있어도 “학습 데이터 요약” 페이지에서 “인용 참조” 페이지로 전환됨

깨끗한 기술 구조가 크롤러와 모델 모두를 돕는다

Semantic HTML 사용 필수

의미 있는 계층의 실제 heading 레벨 사용
페이지 주제에 대한 답을 상단 가까이 배치
서두 아래 콘텐츠를 묻어두지 않기
개선된 버전은
article

, h1

, section

, h2

같은 명확한 구조 제공

크롤러에게는 구조를, 모델에게는 heading·lede·body의 깨끗한 경계를 제공

Core Web Vitals가 랭킹에 반영되고, 랭킹이 다시 AI 기능 자격에 직접 반영됨

랭킹 알고리듬이 보는 수치는
실제 Chrome 사용자의 28일 필드 데이터(CrUX), 로컬 Lighthouse 결과 아님
JavaScript의
web-vitals

로 로컬 테스트와 Google 시스템 측 데이터를 정렬 가능

가이드가 부인하는 "최적화 꼼수"

llms.txt

파일 추가는 랭킹 신호가 아니며 Google의 AI 기능이 사용하지 않음

콘텐츠를 잘게 청크화하거나 모든 heading을 질문 형태로 바꾸는 작업은 불필요 (모델은 페이지 전체의 컨텍스트를 읽음)
구조화 데이터는 문서화된 rich result를 지원할 때 유용하지만, AI 기능 노출에 필수는 아님
그 시간을
실제 콘텐츠 품질과 렌더링에 투자할 것

비주얼·스키마·커머스 데이터는 구조화 파이프라인

AI Overviews는 고품질 이미지·비디오를 직접 끌어옴
실제 스크린샷, 실제 다이어그램, 짧은 비디오 워크스루가 스톡 이미지보다 유용
기존 이미지 SEO 기본 적용: 설명적인
alt

텍스트, 의미 있는 파일명, 도움이 되는 캡션

Alt 텍스트 비교 예시 (Next.js 성능 글)
두 번째 버전이 AI Overview 이미지 캐러셀에 끌려가는 이유는
이미지가 무엇을 입증하는지 모델이 이해할 만큼 충분히 설명적이기 때문
구조화 데이터는 특정 rich result를 지원할 때 추가할 가치가 있음
Recipe, Product, FAQ, Event,
Article 스키마 모두 일반 검색에서 문서화된 효과 보유
AI 기능이 사용하는 동일한 이해 레이어에 입력됨
배포 전
Rich Results Test로 필수 필드 누락·오류 확인

로컬 비즈니스와 커머스의 핵심 표면

Google Business Profile: 인증된 프로필이 영업시간, 위치, 서비스, 리뷰를 로컬 AI 답변에 공급
Merchant Center: 피드가 AI Overviews의 제품 정보 출처

AI 최적화 가이드가 이 두 가지를 비즈니스·커머스 결과의
주요 입력으로 명시

에이전트 경험이 다음 표면

자율 에이전트가 사용자를 대신해 브라우징하는 시대
Claude with computer use, ChatGPT Operator, Perplexity의 assistant
Google AI 최적화 가이드는 에이전트가 DOM, 컨트롤, 콘텐츠를 어떻게 해석하는지 고려할 것을 권고
혼란스러운 마크업, 숨겨진 컨트롤, 이미지로만 렌더링된 핵심 정보를 가진 사이트는 에이전트가 다루기 어려움
스크린리더용
접근성 작업이 동일한 영역을 대부분 커버
예약 페이지 인터랙티브 컨트롤 before/after 예시
개선 버전은 에이전트에게 세 가지를 전달: 제출 버튼임, 액션은 “Confirm booking”, 아이콘은 장식임
예약 확정 버튼을 식별 못 하는 에이전트는 포기하고 다른 사이트로 이동
폼 필드도 동일 원리: 에이전트는
name

, id

, aria-label

, 주변 <label>

요소를 읽음
type="datetime-local"

로의 전환은 작은 변경이지만 브라우저와 에이전트 모두에 네이티브 datetime picker와 구조화된 값 처리 제공

측정 가능한 것을 측정하고, 불가능한 것을 좇지 말 것

Search Console이 여전히 Google 측 데이터의 진실 공급원

AI Overviews와 AI Mode 트래픽은 표준 Web performance 리포트에 통합
impressions와 clicks가 확인할 지표

Bing Webmaster Tools가 Bing과 Copilot의 동등한 도구 제공

신중하게 도출 가능한 추론: Performance를
how

, what

, why

, is

, can

같은 대화형 시작어를 포함한 쿼리로 필터링

이런 long-tail 쿼리가 AI Overviews를 유발하는 종류
해당 쿼리의
impressions 대비 clicks의 눈에 띄는 변동은 페이지가 방문 대신 AI 답변 내에서 요약되고 있을 가능성과 일치
단, 이것은 증거가 아닌 가설로 사용해야 함 (레이아웃 변경, 랭킹 변동, 쿼리 믹스 변화, 계절성도 유사한 패턴 발생 가능)
모델 인용 여부 직접 테스트 방법
각 표면을 열고 콘텐츠가 답해야 할 질문 입력
도메인이 inline 소스 목록이나 답변 인용에 등장하면 검색되고 있는 상태
주요 표면에서 비즈니스 관련 주제로 몇 주마다 반복
백링크처럼 cite-event 수를 추적

결론: AEO와 GEO는 SEO와 분리된 학문이 아님

위의 작업은 Google AI 최적화 가이드의 권고와 다른 AI 검색 표면이 보상하는 모든 것을 커버
AEO와 GEO는 SEO와 분리된 별개 분야가 아닌,
콘텐츠 독창성, 렌더링, 모든 AI 표면에 입력되는 구조화 파이프라인에 더 날카로운 주의를 기울인 동일한 작업