현재 공개된 연구만 놓고 보면, 자연 발견부터 인용과 전환까지 꾸준히 개선하는 범용 GEO 기법은 없습니다. 이미 답변 후보에 들어간 문서의 표현을 바꿔 가시성을 높인 실험은 있지만, 그 결과를 모든 플랫폼과 전체 검색 과정으로 넓혀 말할 근거는 부족합니다.
GEO 예산은 이 경계를 기준으로 나눠야 합니다. 색인과 주제 적합성처럼 검색의 앞단을 고치는 작업은 먼저 하고, 특정 문장 형식이나 비공개 ‘가시성 점수’에는 측정 조건과 중단 기준이 있을 때만 돈을 씁니다.
40%는 어느 구간에서 나온 숫자인가
2023년 공개되고 KDD 2024에 채택된 초기 GEO 논문은 생성형 엔진 답변에서 콘텐츠 가시성을 최대 40% 높였다고 보고했습니다. 널리 인용된 결과지만, 실험이 다룬 구간을 함께 봐야 합니다.
2026년 7월 공개된 비판적 서베이는 이 효과가 소스가 이미 고정된 컨텍스트에 들어간 조건에서 측정됐다고 짚습니다. 문서가 웹에서 발견되고 답변 후보로 선택되는 과정은 40%라는 숫자 앞에 놓여 있습니다.
| 단계 | 일어나는 일 | 사이트 운영자가 확인할 수 있는 범위 |
|---|---|---|
| 크롤·색인 | 시스템이 페이지를 읽고 저장 | 서버 로그와 검색 도구로 일부 확인 |
| 검색·후보 선정 | 질문과 관련 있는 문서를 찾음 | 후보 전체는 확인하기 어려움 |
| 재정렬·컨텍스트 구성 | 일부 문서를 골라 순서를 배치 | 기준과 탈락 이유가 비공개 |
| 생성·인용 | 답변을 만들고 출처를 표시 | 최종 답변만 확인 가능, 실행마다 변동 |
| 사용자 행동 | 링크 방문, 추가 검색, 문의 | 자사 분석과 상담 기록으로 일부 확인 |
초기 GEO 연구는 이 표의 뒤쪽, 즉 컨텍스트에 들어온 문서의 표현이 인용과 가시성에 미치는 영향을 측정했습니다. 기업의 페이지는 그보다 앞서 크롤되지 않거나 질문의 후보 문서로 선택되지 않을 수 있습니다. 결승전에 올라간 문서의 점수를 높인 실험을 예선 통과 기법으로 판매하면 적용 범위가 달라집니다.
45편 검토에서 반복된 것과 사라진 것
Olivier Martinez가 단독 작성한 비판적 서베이는 2023년 11월부터 2026년 7월까지 GEO 연구 45편과 관련 검색·평가 연구를 검토했습니다. 2026년 7월 공개된 arXiv 사전 논문이므로 동료평가를 마친 학계의 최종 합의로 볼 수는 없습니다. 초기의 낙관적 수치와 후속 연구를 한 범위 안에서 비교했다는 점이 이 글의 용도입니다.
여러 연구에서 비교적 반복된 요인은 주제 적합성과 컨텍스트 안의 위치였습니다. 반면 한 플랫폼에서 만든 작성 규칙은 다른 플랫폼으로 잘 전이되지 않았습니다. 인용을 노린 리라이트가 기존 검색 성능을 해친 사례도 있었고, 상용 감사 도구끼리는 가져오는 소스의 중복률이 낮았습니다.
서베이가 인정하는 효과도 있습니다. 이미 검색된 콘텐츠의 표현을 바꿨을 때 인용이나 사용 방식에 인과적인 차이가 생길 수 있다는 근거입니다. 다만 검토 대상 중 자연 발견과 이후 행동을 장기간 개선하고 여러 플랫폼에서 재현된 기법은 없었습니다. ‘GEO는 전부 허상’과 ‘검증된 공식이 있다’ 사이에서, 연구가 실제로 지지하는 위치는 여기입니다.
가시성 점수가 숨기는 실패 지점
기존 검색에는 노출, 클릭, 평균 순위처럼 같은 방식으로 되풀이해 볼 수 있는 지표가 있습니다. 생성형 답변은 같은 질문도 표현, 시점, 위치와 모델 버전에 따라 달라집니다. 한 번의 답변에서 인용되지 않았다는 사실만으로는 크롤, 후보 선정, 재정렬, 생성 중 어디서 빠졌는지 알 수 없습니다.
따라서 외부 도구의 ‘AI 가시성 점수’를 받을 때는 점수보다 측정 설명서를 먼저 봐야 합니다. 어떤 질문을 몇 번 실행했는지, 지역과 로그인 상태는 같았는지, 어느 모델을 언제 썼는지가 공개되지 않으면 전월 대비 변화도 해석하기 어렵습니다.
자사에 남는 기록은 성격이 다릅니다. 서버 로그는 AI 봇이 실제로 요청한 경로를 보여주고, 리퍼럴 세션은 일부 방문과 전환을 남깁니다. 문의 과정에서 ‘어떻게 알게 됐는가’를 받으면 앱이나 후속 검색 때문에 누락된 경로를 보완할 수 있습니다. 대표 질문의 인용 여부도 같은 조건에서 여러 번 기록하면 제한된 표본으로 쓸 수 있습니다. 이 네 기록은 하나의 순위로 합치지 않고 각 단계의 관측치로 둬야 합니다.
예산은 증거가 오래 남는 순서로 쓴다
첫 번째 예산은 접근 오류에 씁니다. robots 설정, canonical, 서버 오류와 렌더링을 고쳐 시스템이 페이지를 안정적으로 읽게 합니다. 이 단계는 검색과 AI 양쪽에 영향을 주고 결과를 로그에서 확인할 수 있습니다.
그다음은 문서 자체입니다. 제목과 첫 문단에서 대상 질문과 적용 범위를 드러내고, 수치 옆에 기준일·표본·출처를 붙입니다. 고객 정보를 침해하지 않는 실제 진단 기준과 전후 비교도 남깁니다. 이미 공개된 설명을 ‘AI 친화 문장’으로 바꿔 쓰는 것보다 후보 문서로 선택될 독자적 이유가 생깁니다.
GEO와 SEO의 관계에서 설명한 기본 작업은 특정 생성형 엔진이 사라져도 사이트에 남습니다. llms.txt 파일의 실제 요청 근거처럼 효과 범위가 불분명한 제안은 별도 실험으로 떼어놓는 편이 좋습니다.
특정 GEO 기법에 비용을 지불한다면 계약 전에 네 가지를 문서로 받습니다. 대상 질문, 실행 조건, 성공 기준, 중단 기준입니다. 검색 유입과 실제 인용, 문의와 계약도 서로 다른 단계로 기록합니다. 어느 지표가 얼마나 달라지면 확대할지 정하지 못한 장기 계약은 효과가 없어도 끝내기 어렵습니다.
현재 근거가 허용하는 결론은 좁고 실행 가능합니다. 색인과 원문 품질에는 꾸준히 투자하고, 인용 최적화는 작고 되돌릴 수 있는 실험으로 운영합니다. 측정 조건과 중단 기준을 설명하지 못하는 범용 공식에는 장기 예산을 배정하지 않습니다.
