Google Search의 AI Overviews와 AI Mode 등 생성형 AI 검색 기능이 확대되면서, 웹사이트 소유자를 위한 공식 최적화 모범 사례를 Google Search Central이 공개

생성형 AI 검색은 기존 Google Search의 핵심 랭킹 및 품질 시스템에 기반하므로, 기존 SEO 모범 사례가 여전히 유효

독창적이고 대체 불가능한 비범용(non-commodity) 콘텐츠 제작이 장기적으로 가장 중요한 전략

LLMS.txt 파일 생성, 콘텐츠 청킹, AI 전용 재작성 등 온라인에서 유행하는 "AEO/GEO 핵"은 Google Search에서 효과 없음

AI 에이전트가 웹사이트와 상호작용하는 에이전틱 경험(agentic experiences) 이 새로운 준비 영역으로 부상

생성형 AI 검색에서 SEO의 유효성

생성형 AI 기능은 Google Search의 핵심 랭킹 및 품질 시스템에 뿌리를 두고 있어, 기존 SEO 모범 사례가 계속 유효

Retrieval-Augmented Generation(RAG): 핵심 검색 랭킹 시스템을 활용해 검색 인덱스에서 관련성 높은 최신 웹페이지를 가져온 뒤, 해당 페이지의 구체적 정보를 검토하여 더 신뢰할 수 있는 응답을 생성하고, 응답 내 정보를 뒷받침하는 클릭 가능한 링크를 표시

Query fan-out: 모델이 사용자의 질의에 대응하기 위해 동시에 관련 쿼리를 여러 개 생성하여 추가 검색 결과를 가져오는 기법

예: "잡초 가득한 잔디 고치는 법" 쿼리 → "최고의 잔디용 제초제", "화학물질 없이 잡초 제거", "잔디 잡초 예방법" 등의 팬아웃 쿼리 생성

기본 SEO 모범 사례의 적용

독창적이고 가치 있는 비범용 콘텐츠 제작

독특한 관점 제공이 핵심이며, 직접 경험에 기반한 1인칭 리뷰가 기존 콘텐츠 요약보다 훨씬 효과적

다른 사람이 이미 말했거나 생성형 AI 모델이 쉽게 만들 수 있는 내용을 재활용하지 말 것

비범용 콘텐츠는 일반 상식을 넘어서는 전문가적·경험적 통찰을 제공하는 콘텐츠

범용 콘텐츠 예: "첫 주택 구매자를 위한 7가지 팁"

비범용 콘텐츠 예: "왜 우리는 점검을 포기하고 돈을 아꼈나: 하수관 내부 이야기"

콘텐츠를 사람이 읽기 쉽게 단락, 섹션, 제목으로 구조화

고품질 이미지와 동영상을 텍스트 콘텐츠에 추가하면, 웹페이지 링크 외의 추가 노출 기회 확보 가능

검색 변형마다 별도 콘텐츠를 만들어 랭킹을 조작하려는 시도는 Google의 대규모 콘텐츠 남용 스팸 정책 위반

페이지 수가 많다고 품질이나 관련성이 높아지지 않으며, AI 시스템은 쿼리와 정확히 일치하지 않아도 페이지의 관련성을 이해하는 능력이 더욱 향상됨

생성형 AI 도구로 콘텐츠를 제작할 경우 Search Essentials와 스팸 정책 기준 준수 필요

핵심 원칙: "방문자가 만족하고 유용하다고 느낄 콘텐츠인가?"를 기준으로 판단

명확한 기술 구조 구축 및 유지

생성형 AI 기능에 표시되려면 페이지가 인덱싱되어 있고 스니펫 표시 자격을 갖춰야 함

크롤링 모범 사례 준수 필수이며, 생성형 AI 모델은 공개적으로 접근 가능한 크롤링 가능 콘텐츠를 사용하여 패턴을 학습하고 관련성 높은 응답 제공

대규모·빈번 업데이트 사이트는 크롤 예산 최적화 가이드 참고

시맨틱 HTML은 완벽할 필요는 없으나 가능한 한 사용을 권장하며, 특히 스크린 리더 등 접근성에 도움

JavaScript 사용 시 JavaScript SEO 모범 사례를 따라야 하며, JavaScript 프레임워크 기반 사이트의 SEO는 일반적으로 더 복잡

모든 디바이스에서의 표시, 지연 시간 감소, 메인 콘텐츠 구분 등 좋은 페이지 경험 제공 필요

중복 콘텐츠 감소로 사용자 경험 개선 및 크롤링 리소스 낭비 방지

로컬 비즈니스 및 이커머스 최적화

생성형 AI 응답에 제품 목록, 제품 정보, 로컬 비즈니스 정보 포함 가능

Merchant Center(피드 포함)와 Google Business Profiles 활용 시 AI 응답 및 기타 Google Search 결과에서의 가시성 향상

생성형 AI 검색에 대한 오해 바로잡기

Answer Engine Optimization(AEO)이나 Generative Engine Optimization(GEO) 같은 용어가 온라인에서 흔하지만, 많은 "핵" 전략이 실제 Google Search 작동 방식과 무관

LLMS.txt 파일 및 특수 마크업: 생성형 AI 검색에 나타나기 위해 새로운 머신 리더블 파일, AI 텍스트 파일, 마크업, Markdown을 만들 필요 없음

Google이 HTML 외 다양한 파일을 발견·크롤링·인덱싱할 수 있지만, 그것이 특별한 취급을 의미하지는 않음

콘텐츠 "청킹": AI가 더 잘 이해하도록 콘텐츠를 작은 조각으로 나눌 필요 없음

Google 시스템은 한 페이지의 여러 주제의 뉘앙스를 이해하고 사용자에게 관련 부분을 표시 가능

이상적인 페이지 길이는 없으며, 대상 독자와 주제에 맞게 구성할 것

AI 시스템 전용 콘텐츠 재작성: AI 시스템은 동의어와 일반적 의미를 이해할 수 있어, 롱테일 키워드를 모두 포함하거나 모든 검색 변형을 캡처할 필요 없음

부정 "멘션" 획득: 웹 전반의 부정 멘션 추구는 효과적이지 않으며, 핵심 랭킹 시스템은 고품질 콘텐츠에 초점을 맞추고 별도 시스템이 스팸을 차단

구조화된 데이터 과도 집중: 생성형 AI 검색에 구조화된 데이터는 필수가 아니며 특별한 schema.org 마크업 추가 불필요

다만 전체 SEO 전략의 일부로 리치 결과 자격을 위해 계속 사용하는 것은 권장

에이전틱 경험 탐색

AI 에이전트는 예약이나 제품 사양 비교 등 사용자 대신 작업을 수행하는 자율 시스템

브라우저 에이전트는 스크린샷 같은 시각적 렌더링 분석, DOM 구조 검사, 접근성 트리 해석 등을 통해 웹사이트 데이터를 수집

에이전트 친화적 웹사이트 모범 사례 가이드를 통해 현재 브라우저 에이전트에 대한 준비 가능

Universal Commerce Protocol(UCP) 같은 프로토콜이 등장하여 Search 에이전트의 기능 확장 예정

다음 단계: 중점을 둬야 할 것들

많은 콘텐츠가 명시적 SEO 없이도 생성형 AI 경험을 포함한 Google Search에서 성과를 내고 있으며, 가이드의 모든 항목을 완수할 필요 없음

기본 SEO 모범 사례를 생성형 AI 검색에 계속 적용: 명확한 기술 구조 구축과 독창적이고 가치 있는 콘텐츠 생성이 기반