SEO에서 GEO로: ChatGPT, Gemini, Perplexity가 당신의 웹사이트를 인용하게 만드는 3단계

Nokka (นก-กา) 작성 | 2026년 10월 10일

본 기사는 AI(deepseek-v4.1-flash)가 Hermes Agent를 통해 작성했으며, Nokka (นก-กา)에 의해 인간의 통제와 품질 검사를 거쳤습니다.

핵심 내용

오늘날 많은 사람들은 더 이상 기존 검색 엔진에서 상품과 서비스를 찾지 않습니다. 대신 'AI에게 질문'하는 것에서 시작하며, 제가 여러 출처를 통해 확인한 수치들 역시 이 게임이 SEO와는 목표가 다르다는 것을 가리킵니다.

본 기사에서는 GEO (Generative Engine Optimization)가 순차적으로 거쳐야 하는 세 가지 단계를 통해 어떻게 작동하는지 설명합니다: Access (봇이 웹사이트에 접근) → Selection (콘텐츠가 가져다 쓰임) → Attribution (답변에서 인용됨).

기존 SEO는 여러분을 두 번째 단계까지 데려갈 수 있지만, 세 번째 단계는 웹사이트 자체만으로는 할 수 없는 외부의 힘을 필요로 합니다.

본 기사에 사용된 모든 수치는 출처가 있으며 검증할 수 있습니다.

당신의 고객은 AI에게 질문하고 있고, AI는 구글 첫 페이지로 답변하지 않습니다

수쿰윗 거리의 한 레스토랑 주인이라고 상상해 보세요. 그는 웹사이트를 잘 만들고 몇 년 동안 구글에서 상위권을 차지하는 것에 익숙합니다. 그는 'SEO가 좋으니 웹사이트에 손님이 올 거야'라는 답변에 익숙했습니다.

하지만 새로운 세대의 고객이 ChatGPT를 켜고

이것은 두 쪽의 수치가 이렇게 명확하게 전복된 것은 처음이며, 비즈니스 오너들의 질문을 '내 웹사이트가 순위에 올라갈까?'에서 'AI가 나를 알고 있을까?'로 바꾸고 있습니다.

세 번째 층위는 AI와 기존 검색 결과가 각각 다른 데이터를 축적하는 답변입니다. Google Search, AI Overviews, Gemini를 실제 질문 11,500개에 비교한 연구에 따르면, AI Overviews는 질문의 51.5%에서 생성되었으며 기존 검색 결과 위에 표시되었습니다. 이때 각 시스템이 가져온 출처 데이터는 '상당히 다르게' 나타났습니다 [16].

5W 측면은 더욱 명확해졌습니다. 대규모 인용 데이터를 분석한 결과, ChatGPT와 Perplexity 모두에서 인용되는 도메인은 약 11%에 불과했습니다 [8]. 이는 ChatGPT에서 상위에 노출된다고 해서 Perplexity에서도 존재감을 갖는다는 의미가 아니라는 뜻입니다.

그리고 마지막 층위는 실제로 태국 시장의 상황입니다. 2026년 10월 10일, 저는 방문자가 많은 태국의 웹사이트 여섯 곳(뉴스 사이트, 온라인 커뮤니티, 마케팅 블로그)의 robots.txt 파일을 열어보았습니다. 해당 사이트는 thairath.co.th, sanook.com, pantip.com, blognone.com, markepear.com, 그리고 thestandard.co입니다.

그 결과, 실제로 읽을 수 있는 파일은 세 곳(sanook.com, blognone.com, markepear.com)에 불과했고, 이 세 곳 중 어느 곳에서도 AI 봇의 이름을 언급한 곳은 단 한 군데도 없었습니다.

나머지 세 곳은 CDN 시스템으로부터 403 코드를 받거나 빈 파일을 반환하여 파일 내용 확인이 불가능했으며, 읽을 수 있는 웹사이트 그룹에서는 llms.txt 파일이 없는 것으로 확인되었습니다 (여섯 개 웹사이트 중 네 곳에서 404를 받고 나머지 두 곳은 403을 받았습니다).

솔직히 말하자면: 태국 시장에는 이 분야의 공백이 실제로 존재합니다.

GEO란 무엇이며 왜 SEO 버전 업그레이드가 아닌가

'GEO'라는 용어는 Princeton, Georgia Tech, IIT Delhi 연구원들이 2024년 KDD 컨퍼런스에서 발표한 논문 [2]을 통해 처음 공식화되었습니다.

간단히 정의하자면 AI가 생성하는 답변에 브랜드의 콘텐츠와 정체성을 인용되도록 조정하는 기술과 예술입니다. 이는 ChatGPT, Gemini, Perplexity, Google AI Overviews, Claude 또는 Copilot 등 어떤 플랫폼이든 해당됩니다.

이 연구팀은 GEO-bench라는 이름의 테스트 세트를 구축했으며, 여기에는 10,000개의 질문이 포함되어 있습니다. 그리고 다양한 방식으로 콘텐츠를 수정했을 때 인용되는 점수가 얼마나 변하는지 실험했습니다. 그 결과 가장 효과적인 방법은 가시성을 최대 **40%**까지 높일 수 있었으며, 실제로 사용되는 엔진인 Perplexity로 테스트했을 때는 가시성이 **37%**나 증가했습니다 [2]

하지만 제가 이 연구에서 가장 중요하다고 생각하는 부분은 40%라는 숫자가 아닙니다. 바로 키워드를 과도하게 채우는 것이 기준선(baseline) 대비 약 10% 낮은 점수를 얻는다는 발견과, 실제로 효과가 있는 기술이 몇 가지에 불과하다는 것입니다.

구체적으로는 출처를 명시한 통계 자료 삽입, 신뢰할 수 있는 출처의 인용문 사용, 출처 링크 제공, 그리고 읽기 쉽도록 자연스러운 언어 구사 등입니다 [2]

혹시 예전 방식의 SEO 공식에 따라 작성된 기사가 왜 AI에 의해 인용되지 않는지 궁금했던 적이 있다면, 그 답은 이 단락에 있습니다.

메커니즘적 이유는 생성형 엔진(generative engine)의 작동 방식에 있으며, 여기에는 세 가지 단계가 있습니다. 첫 번째는 **질문 분해(แตกคำถาม)**입니다. 하나의 질문이 여러 개의 하위 질문으로 변환됩니다. 따라서 한 가지 관점만 답변하는 웹사이트는 간과되기 쉽습니다. 두 번째는 **문서 검색(ค้นเอกสาร)**입니다. 엔진은 자체 색인이나 연결된 검색 엔진에서 콘텐츠를 가져옵니다.

봇이 귀하의 웹사이트에 접근할 수 없다면, 여기서 끝납니다. 세 번째는 **합성 및 인용(สังเคราะห์และอ้างอิง)**입니다. 언어 모델은 단순한 단어 매칭 프로그램이 아닙니다. 내용을 읽고, 해석하며, '인용하기 쉬운' 문구를 신뢰할 만해 보이는 출처에서 선택합니다.

마지막 차이점은 키워드를 과도하게 채우는 것이 효과가 없는 이유입니다. 왜냐하면 모델은 단어의 빈도를 세는 것이 아니라 의미와 신뢰성을 평가하기 때문입니다.

이 기사의 하나의 표: SEO와 GEO의 차이는 무엇인가요

두 번째 단계는 **선택(Selection)**입니다. 봇이 들어온 후에는 내용 자체가 실제로 인용되어 사용될 수 있는 형태여야 합니다. 질문에 초반부터 직접적으로 답하고, 숫자가 포함되고, 구체적인 발언이나 출처가 명시되며, 읽기 쉬워야 합니다.

세 번째 단계는 **출처 표기(Attribution)**입니다. 이 단계는 대부분의 사람들이 놓치는 부분인데, 왜냐하면 다른 곳의 힘에 의존해야 하기 때문이며 우리 웹사이트 자체에서 나오는 것이 아니기 때문입니다.

다음은 각 단계별 상세 내용과 제가 실제로 추천하는 조치들입니다.

1단계 Access: 봇이 당신의 웹사이트에 접근할 수 있어야 합니다

AI 봇에는 두 가지 계열이 있습니다

가장 먼저 이해해야 할 것은, 각 AI 회사들이 두 종류의 봇을 출시한다는 것입니다. 첫 번째 계열은 모델 학습용 봇입니다. 예를 들어 OpenAI의 GPTBot, Anthropic의 ClaudeBot, Google의 Google-Extended, 그리고 Common Crawl의 CCBot 등이 있습니다 [11][12][14][17]。

두 번째 계열은 질문 답변 시 검색 및 데이터 추출용 봇입니다. 예를 들어 OpenAI의 OAI-SearchBot 및 ChatGPT-User, Anthropic의 Claude-SearchBot 및 Claude-User, 그리고 PerplexityBot 등이 있습니다 [11][12][13][14]。

이 차이는 매우 중요합니다. 첫 번째 계열의 봇을 차단하는 것은 우리의 콘텐츠가 다음 세대 모델의 가중치(weight)에 포함될지 여부를 결정하는 것이지만, 두 번째 계열의 봇을 차단한다는 것은 사용자가 질문할 때 당신의 웹페이지를 가져와 답변할 수 없게 된다는 의미입니다. 즉, 사람들이 가장 필요로 할 때 바로 답변 목록에서 사라진다는 뜻입니다.

robots.txt에서 가장 흔한 함정

그리고 이것은 태국 웹사이트에서 가장 자주 볼 수 있는 함정 중 하나입니다. 많은 웹사이트에 robots.txt 파일에 다음과 같은 라인이 있습니다.

User-agent: *
Disallow: /

이 라인은 과거 봇이 대역폭을 소모하거나 콘텐츠를 가져가는 것을 두려워하던 시절부터 삽입된 경우가 많습니다. 하지만 오늘날의 결과는 자신만의 규칙이 없는 모든 봇, 즉 모든 AI 봇에게 문을 닫아버리는 것입니다.

올바른 규칙은 허용하려는 각 user-agent마다 별도의 규칙을 작성하는 것입니다. 왜냐하면 봇은 자신이 속한 그룹에 가장 강하게 의존하며, 생각하는 것처럼 아스타리스크(*) 기호로부터 자동으로 권한을 상속받지 않기 때문입니다 [14]。

robots.txt보다 한 단계 위

사람들이 간과하는 또 다른 지점은 robots.txt보다 더 위에 있는 계층입니다. 바로 CDN(Content Delivery Network)과 웹 방화벽(WAF, Web Application Firewall)입니다. 제가 thairath.co.th와 pantip.com의 robots.txt를 열어봤을 때, 두 곳 모두 CloudFront와 백엔드 시스템으로부터 403 코드를 응답받았습니다. 비록 일반 브라우저로 요청했음에도 불구하고 말입니다.

이는 웹사이트 소유자가 모르는 사이에 네트워크 계층에서 봇 차단이 발생한다는 것을 보여줍니다. 만약 AI 봇이 이 계층에서 차단된다면, robots.txt를 아무리 예쁘게 수정해도 소용이 없습니다.

이에 대한 가장 명확한 증거는 2026년 연구에서 나왔습니다. 이 연구는 Google, AI Overviews, Gemini의 검색 결과를 비교했으며, Google이 AI 봇을 차단하는 웹사이트는 시스템이 여전히 콘텐츠에 접근할 수 있음에도 불구하고 AI Overviews가 해당 콘텐츠를 인용할 확률이 유의미하게 낮다는 것을 발견했습니다. [16] 이는 봇에게 문을 닫는 것이 실제로 측정 가능한 문제이며, 단순한 이론적 가정이 아니라는 것을 의미합니다.

따라서 이 단계에서 확인해야 할 세 가지 영역이 있습니다. 첫째, 파일 계층은 robots.txt에 AI 봇 관련 규칙이 있는지 여부입니다. 둘째, 네트워크 계층은 CDN과 WAF가 이러한 봇들의 통행을 허용하는지 여부이며, 셋째, 구조 계층은 웹사이트에 완전한 sitemap이 있고, 누가 콘텐츠의 소유자인지 알려주는 schema markup이 있으며, 봇이 읽는 것을 끝까지 포기하지 않을 만큼 충분히 빠르게 로딩되는지 여부입니다.

단계 2: 선택 (Selection) - 콘텐츠가 '인용될 수' 있어야 한다

첫 번째 단계를 통과했다면, 다음 질문은 AI가 왜 한 웹페이지의 문구는 인용하고 다른 페이지의 문구는 건너뛰는지입니다. 비록 두 내용이 같은 주제를 다루고 있더라도 말이죠.

텍스트의 위치가 중요한 이유

그 답의 일부는 텍스트의 위치에 있습니다. Kevin Indig의 Growth Memo에서 2026년 2월에 분석한 ChatGPT 답변 120만 건의 결과에 따르면, 인용된 내용 중 44.2%가 웹페이지 상위 30%에서 나왔습니다.

나머지 31.1%는 중간 부분에서, 그리고 단 24.7%만이 하위 3분의 1에서 나왔습니다. [1] 그는 이 패턴을 '스키 슬로프(ski slope)'라고 불렀는데, 이는 인용될 가능성이 높다가 스크롤을 내릴수록 급격히 떨어지는 경향 때문입니다.

이 수치가 주는 의미는 명확합니다. 만약 웹페이지가 회사 연혁이나 긴 인사말부터 시작하고, 사람들이 실제로 묻는 질문에 대한 답변은 일곱 번째 단락에 있다면, 당신은 시작하기도 전에 이미 절반의 기회를 놓친 것입니다.

연구에서 효과적이라고 밝힌 기술들

GEO 연구 결과에 따르면, 통계와 출처를 명시하는 것, 신뢰할 수 있는 출처의 인용구를 사용하는 것, 그리고 정보 출처를 참조하는 모든 것이 인용될 가능성을 유의미하게 높입니다. 특히 Perplexity의 경우 이 수치가 37%에 달합니다. [2] 주목할 점은 이러한 방법들이 모두 원칙을 지키는 작가라면 이미 하고 있는 기본 사항이라는 것입니다. 부수적인 효과는, 이것이 당신에게 숫자를 지어내지 못하게 강요한다는 것인데, 숫자를 지어내는 것은 이 기술이 효과를 발휘하는 유일한 논리를 파괴하기 때문입니다.

각 엔진별로 다른 성향

주의 깊게 살펴봐야 할 또 다른 점은 각 엔진이 매우 다른 성향을 가지고 있다는 것입니다. Muck Rack의 2026년 5월 'What Is AI Reading?' 보고서는 ChatGPT, Claude, Gemini로부터 나온 2,500만 개 이상의 링크를 분석하여, ChatGPT는 응답의 96%에서 출처를 인용하지만 평균적으로 응답당 5개의 출처를 사용했습니다. 반면 Gemini는 82%의 응답에서 평균 8개의 출처를 인용했고, Claude가 가장 높은 비율로 55%의 응답에서 인용했지만, 일단 인용할 경우 평균 13개의 출처를 사용했습니다.

게다가 각 엔진이 선호하는 도메인도 다릅니다. ChatGPT는 Wikipedia에 치우치고, Claude는 PubMed Central에, Gemini는 Reddit에 치우치는 경향을 보였습니다 [3].

제 관점에서는 모든 엔진에서 GEO(Google Entity Optimization)를 달성하는 것은 개별적으로 측정하고 조정해야 하는 작업이며, 한 번에 코팅하듯 적용하여 동시에 효과를 기대할 수 없습니다.

3단계 Attribution: 웹사이트가 혼자 힘으로는 부족한 단계

이것은 많은 SEO 담당자들이 혼란을 느끼는 단계입니다. 왜냐하면 2단계에서 여러분이 하는 모든 것은 스스로 통제할 수 있는 영역이기 때문입니다. 어떻게 글을 쓸지, 답변을 어디에 배치할지, 통계를 넣을지 등을 직접 선택할 수 있습니다.

하지만 3단계는 그렇지 않습니다.

다른 사람들이 우리에 대해 써주는 것 (Earned Media)

Muck Rack은 ChatGPT, Claude, Gemini의 응답에서 나온 2,500만 개 이상의 링크를 17개 산업 전반에 걸쳐 분석했으며, 다른 사람이 우리에 대해 써준 미디어(earned media)가 전체 인용의 84%를 차지한다는 사실을 발견했습니다. 반면 브랜드가 직접 비용을 지불한 콘텐츠는 0.3%만을 차지했고, 뉴스 기사만으로도 인용된 출처의 27%를 차지했습니다.

이 수치는 연속 세 번 동안 안정적으로 유지되었으며, 2025년 7월부터 82%에서 89% 사이를 오갔습니다 [3].

다시 말해, 마케팅 팀이나 홍보팀이 미디어에 공간을 얻기 위해 노력하는 것이 AI가 가장 보상하는 영역이며, 여러분의 웹사이트 자체만으로는 대체할 수 없는 영역입니다.

링크보다 더 강력한 언급 (Brand Mentions)

반대편 증거 역시 같은 방향을 가리킵니다. Ahrefs는 75,000개 브랜드를 분석하여 다른 웹사이트에서의 언급(brand mentions)이 AI Overview의 노출과 상관관계가 0.664인 반면, 백링크는 0.218이라는 것을 발견했습니다 [5]. 즉, 언급되는 것이 링크보다 약 세 배 더 강력하다는 의미입니다.

이 수치는 웹사이트 소유자들에게 과거에 노출을 만드는 것보다 링크를 만드는 데 예산을 더 많이 투자했는지 스스로 질문하게 만듭니다.

콘텐츠를 넓게 분산시키면 어떻게 될까

다음 질문은 콘텐츠를 여러 매체에 분산시키는 것이 실제로 얼마나 효과적인가 하는 것입니다. Stacker는 Scrunch와 협력하여 제가 보기엔 가장 큰 규모의 통제 데이터셋 중 하나인 연구를 수행했습니다. 이 연구는 30개 브랜드의 이야기 87개를 측정했으며, 8개 AI 플랫폼을 거쳐 2,600개가 넘는 질문 세트를 전송했고, 그 결과 **평균 인용 증가율이 239%**에 달한다는 것을 보고했습니다. 이는 콘텐츠를 브랜드 자체 웹사이트에만 게시했을 경우와 비교한 수치입니다.

흥미로운 점은 분산된 이야기의 97%가 최소 한 번 이상 인용되었다는 것입니다. 이는 브랜드가 직접 보유한 콘텐츠의 82% 및 모든 인용 중 64%가 브랜드 도메인이 아닌 제3자 출처에서 비롯되었다는 것과 비교됩니다 [4].

같은 보고서에는 Stacker가 coverage breadth(플랫폼 간 노출 범위)라고 명명한 지표도 측정되어 있었는데, 이 수치가 5.4%에서 17.9%로 증가했습니다. 또한 분산된 버전은 브랜드 자체 버전에 비해 해당 이야기가 AI에 나타날 '유일한' 출처가 될 가능성이 5.3배 더 높았습니다 [4].