AI 검색 답변에 우리 회사와 제품이 정확히 소개되려면, 검색 시스템이 읽을 수 있는 공식 페이지에 대상 고객·기능·조건·근거를 분명히 공개해야 합니다. 고객 질문에 답하는 기존 글을 보강하고, 노출·인용·방문·문의를 따로 측정하는 것이 출발점입니다. 이 작업을 GEO라고 부르지만 특정 AI의 추천이나 인용을 보장하는 방법은 아닙니다.
“검색 결과에는 나오는데 AI가 우리 회사를 설명하지 않는다”, “제품은 언급하지만 기능과 가격이 틀리다”는 서로 다른 문제입니다. 앞의 경우에는 어떤 질문에서 어떤 페이지가 발견되는지 확인해야 하고, 뒤의 경우에는 AI가 참고한 출처와 공식 정보가 어디서 어긋나는지 찾아야 합니다. 키워드를 더 넣거나 글을 더 많이 쓰는 것으로 두 문제를 함께 해결할 수는 없습니다.
이 글은 회사 웹사이트를 운영하는 대표자·마케팅 담당자가 직접 확인할 일과 개발자에게 요청할 일을 나눠 설명합니다. 공개 웹의 자료를 찾는 AI 검색을 대상으로 하며, 회사가 직접 운영하는 고객상담 챗봇의 개선 방법은 별도로 구분합니다.
SEO·AEO·GEO·AAO는 각각 무슨 뜻일까
SEO(Search Engine Optimization)는 검색엔진이 웹페이지를 발견하고 이해하도록 돕는 일입니다. AEO(Answer Engine Optimization)는 질문에 대한 답을 찾고 이해하기 쉽게 만드는 관점, GEO(Generative Engine Optimization)는 생성형 AI 답변에서 콘텐츠가 참고·인용될 수 있도록 준비하는 관점으로 쓰입니다. 실무에서는 AEO와 GEO의 범위가 겹치며, 이 이름만으로 검색엔진이 운영하는 별도의 순위 체계가 생기는 것은 아닙니다.
AAO는 이 블로그에서 Agent Action Optimization, 즉 에이전트 행동 최적화를 뜻합니다. AI 비서가 정보를 읽는 데서 나아가 조회·신청·예약 같은 일을 수행할 수 있도록 기능과 확인 절차를 설계하는 일입니다. 업계 전체에서 하나로 확정된 표준 용어라는 뜻은 아니므로, 약어를 볼 때에는 어떤 의미로 쓰였는지도 확인해야 합니다.
| 관점 | 사용자의 질문 | 웹사이트에서 준비할 것 |
|---|---|---|
| SEO | “필요한 정보를 어디서 찾지?” | 접근 가능한 페이지, 색인, 제목, 내부 링크 |
| AEO | “내 질문의 답은 무엇이지?” | 분명한 답, 조건, 비교와 설명 |
| GEO | “AI가 어떤 자료를 근거로 설명하지?” | 출처를 확인할 수 있는 사실과 일관된 서비스 정보 |
| AAO | “찾은 다음 신청까지 대신해 줄 수 있나?” | 실행 가능한 기능, 권한, 최종 확인, 완료·오류 안내 |
Google의 AI 검색 안내는 AI Overviews·AI Mode에도 기존 SEO 원칙이 적용되며 별도의 특수 최적화나 전용 스키마가 필요하지 않다고 설명합니다. AI 지원 링크의 후보가 되려면 페이지가 색인돼 있고 검색 스니펫을 표시할 수 있어야 합니다. 일반 검색 상위 5위나 10위가 필수라는 조건은 아닙니다.
지금의 과제가 “우리 제품을 정확히 알리고 싶다”라면 정보와 근거부터 정리합니다. “고객 대신 예약까지 끝내게 하고 싶다”라면 AAO와 웹사이트 기능 설계를 함께 확인하면 됩니다.
먼저 ‘AI 검색’과 ‘우리 회사 챗봇’을 구분한다
외부 AI 검색에 노출되고 싶은 것과 자사 챗봇의 답변을 고치는 것은 담당자와 수정 위치가 다릅니다.
| 문제 상황 | 먼저 확인할 곳 | 우선 조치 |
|---|---|---|
| 외부 AI 검색이 회사를 찾지 못함 | 공식 페이지 접근·색인, 질문과 페이지의 관련성 | 서비스 설명과 고객 질문을 연결하고 접근 오류 수정 |
| 외부 AI가 가격·기능을 잘못 설명함 | 답변에 붙은 출처, 오래된 소개·가격 페이지 | 틀린 원문을 고치고 정보 기준일 표시 |
| 홈페이지 상담 챗봇이 잘못 답함 | 챗봇에 연결한 지식 문서와 검색 결과 | 원본 문서·검색 범위·답변 규칙 수정 후 질문별 재검증 |
자사 챗봇이라면 사이트 SEO를 고치기 전에, 챗봇이 실제로 어떤 문서를 검색하는지 확인합니다. 공개 서비스 설명과 내부 운영 매뉴얼을 구분하고, 과거 가격표가 검색되지 않게 정리하며, 자료에 없는 내용에는 확인이 필요하다고 답하도록 설계해야 합니다. 담당자·기준일·공개 범위·수정 이력을 정하는 일은 여기서 필요한 데이터 거버넌스의 일부입니다.
이후 내용은 주로 외부 AI 검색에 대비하는 방법입니다. 웹 검색을 사용하지 않은 답변까지 웹페이지 수정만으로 곧바로 바꿀 수 있다는 뜻은 아닙니다.
1. 고객 질문과 답변을 담당할 페이지를 연결한다
출발점은 “AI 검색 최적화” 같은 넓은 키워드 목록보다 고객이 결정을 내리기 직전에 묻는 질문입니다. 무엇을 하는 제품인지, 우리 회사에 맞는지, 비용은 어떻게 정해지는지, 데이터를 어디에 저장하는지, 신청 후 무엇이 진행되는지를 먼저 적어 봅니다.
Search Console의 검색어와 실제 상담 질문을 함께 보되, 검색어마다 새 글을 만들 필요는 없습니다. 같은 답으로 해결되는 질문은 한 페이지에서 다루고, 제품 소개·가격·보안·사용법처럼 목적이 다른 페이지는 서로 연결합니다. 다음은 설문 문서 변환 서비스를 가정한 구성 예시이며, 특정 제품의 실제 지원 범위나 성과를 뜻하지 않습니다.
| 고객 질문 | 답변에 필요한 정보 | 담당 페이지 |
|---|---|---|
| 한글 설문지를 다시 입력해야 하나요? | 지원 형식, 변환 방식, 수동 검토가 필요한 부분 | 제품 소개·변환 안내 |
| 표와 복수응답 문항도 처리하나요? | 지원 문항 유형, 제한, 입력·출력 예시 | 기능별 도움말 |
| 응답 자료는 어디에 남나요? | 실제 저장 위치, 접근 권한, 삭제 절차 | 보안·개인정보 안내 |
| 기존 도구와 무엇이 다른가요? | 비교 기준, 적용 대상, 불리한 조건도 포함한 차이 | 비교·선택 가이드 |
새 글을 만들기 전에는 기존 글 중 같은 문제를 해결하는 글이 있는지 확인합니다. 기존 글이 설명을 덜 했을 뿐이라면 제목·도입·예시·근거를 보강합니다. 같은 질문에 답하는 유사한 글이 늘면 독자가 어느 설명을 믿어야 하는지부터 혼란스러워집니다.
2. AI가 읽기 전에, 고객이 이해할 수 있는 공식 설명을 만든다
회사 소개에 “혁신적인 AI 솔루션으로 비즈니스를 바꿉니다”만 적혀 있다면 무엇을 선택해야 하는지 알기 어렵습니다. 서비스 페이지의 첫 화면부터 대상과 해결할 문제를 구체적으로 적습니다.
설명 구성 예시: “완성된 설문 문서를 온라인 설문으로 옮겨야 하는 담당자를 위한 서비스입니다. 지원 파일과 변환 가능한 문항 유형은 도움말에서 확인할 수 있으며, 변환 뒤에는 질문·선택지·분기 조건을 검토해야 합니다.”
좋은 설명에는 다음 정보가 이어집니다. 실제로 지원하는 기능과 제외되는 범위, 이용 절차, 요금 결정 조건, 보안·개인정보 안내, 문의·도움말 주소입니다. “누구에게나 적합하다”는 설명보다 “이런 문서에는 추가 확인이 필요하다”는 조건이 선택에 도움이 됩니다.
근거도 주장에 맞게 붙입니다. 파일 형식 지원은 도움말과 입력 예시로, 처리 방식은 실제 데이터 흐름과 정책으로, 성과는 측정 조건이 있는 사례로 설명합니다. 아직 검증하지 않은 절감률을 넣거나 가상의 고객 경험을 실적처럼 쓰지 않습니다. 가상 예시는 가상이라고 밝히고, 고객 사례를 공개할 때는 공개 가능한 범위를 확인합니다.
회사명·제품명·공식 도메인·연락처는 사이트 안팎에서 일관되게 관리합니다. 특히 이름이 비슷한 회사가 있다면 운영 회사와 제품의 관계를 명시하는 편이 좋습니다. Google의 Organization 구조화 데이터 안내는 회사명·공식 주소·로고 등의 정보가 조직을 이해하고 다른 조직과 구분하는 데 도움이 될 수 있다고 설명합니다.
구조화 데이터는 화면에 있는 사실을 코드로 설명하는 보조 수단입니다. Google의 구조화 데이터 원칙에 맞춰, 표시하지 않는 가격·후기·기능을 코드에만 넣지 않아야 합니다. 질문이 몇 개 있다는 이유로 FAQ 마크업을 붙이면 AI가 추천한다는 식의 보장도 성립하지 않습니다.
3. 담당자에게 요청할 기술 점검은 구체적으로 적는다
“GEO 되게 해 주세요”보다 확인할 페이지 주소와 증상을 전달하는 편이 빠릅니다. 대표 제품 페이지 하나를 정해 아래 항목부터 점검합니다.
- 접근: 로그인 없이 정상 응답하는가. CDN·방화벽·봇 차단 화면이 검색 로봇의 접근을 막고 있지 않은가.
- 색인: Search Console의 URL 검사에서 색인 상태와 선택된 대표 주소를 확인했는가.
noindex가 실수로 남아 있지 않은가. - 내용: 중요한 설명이 텍스트로 제공되는가. 이미지·영상·다운로드 파일에만 기능과 조건을 숨겨 놓지 않았는가.
- 연결: 메뉴, 관련 글, 제품 소개에서 이 페이지로 이동할 수 있는가. 사이트맵에 올바른 주소가 있는가.
- 대표 주소: 같은 내용을 가진 여러 주소 중 canonical이 올바른 페이지를 가리키는가.
- 사용성: 모바일에서 메뉴·제품 링크·문의 버튼을 실제로 누를 수 있는가.
검색용 접근 허용과 모델 학습 허용도 구분해야 합니다. OpenAI의 크롤러 문서는 검색용 OAI-SearchBot과 학습용 GPTBot 설정을 독립적으로 관리할 수 있다고 안내합니다. 어떤 AI 봇이든 전부 허용해야 검색에 나온다는 뜻은 아닙니다. 봇 접근 허용은 자료를 읽을 조건을 마련하는 것이며, 해당 자료가 실제 답변에 선택됐다는 증거는 아닙니다.
Google은 AI 검색 참여를 위해 새 AI 텍스트 파일이나 전용 마크업을 만들 필요가 없다고 안내합니다. llms.txt 하나로 모든 AI 검색을 해결하려 하기보다 llms.txt의 용도와 효과 범위를 확인하고, 접근성과 원문 품질부터 정리합니다.
4. 회사나 제품 정보가 틀리게 나오면 원문부터 추적한다
먼저 같은 질문을 다시 해보고 끝내기보다, 틀린 문장과 당시 붙어 있던 출처 URL을 함께 기록합니다. 답변 날짜, 서비스 이름, 웹 검색 사용 여부도 남깁니다. 아래 순서로 확인하면 수정할 곳이 드러납니다.
- 무엇이 틀렸는지 한 항목으로 적습니다. 가격, 지원 기능, 운영 회사, 주소처럼 확인 가능한 사실 단위로 나눕니다.
- 인용된 원문을 엽니다. 공식 페이지 자체가 틀렸는지, 오래된 페이지인지, 다른 회사의 자료인지 확인합니다. 출처가 없다면 원인을 단정하지 않습니다.
- 공식 정보를 먼저 맞춥니다. 소개·요금·도움말·정책 사이의 모순을 없애고 변경 기준일을 표시합니다. 종료한 기능이나 요금제는 현재도 제공하는 것처럼 보이지 않게 정리합니다.
- 오래된 외부 자료를 관리합니다. 직접 관리하는 프로필은 수정하고, 제3자 사이트에는 정정할 원문과 근거를 전달합니다. 외부 글을 바로 바꿀 수 있다고 가정하지 않습니다.
- 재수집과 재확인을 나눕니다. 페이지를 고친 뒤 색인 상태를 확인하고, 일정 시간이 지난 뒤 같은 질문 조건에서 답변을 다시 기록합니다.
Google의 재크롤 요청 안내는 수정 페이지의 재수집을 요청할 수 있지만 즉시 반영이나 색인을 보장하지 않는다고 설명합니다. 재크롤 요청은 AI의 모든 답변을 한꺼번에 수정하는 버튼이 아닙니다. 한 번 정확해진 답변도 다른 질문과 시점에는 달라질 수 있으므로 중요한 제품 정보는 반복해서 점검합니다.
5. 노출·인용·방문·문의를 따로 본다
Search Console 검색어 표에 긴 질문이 나타나면 고객의 고민을 찾는 단서가 됩니다. 하지만 긴 문장이라는 이유만으로 AI가 생성한 질문이라고 판단할 수는 없습니다. 일반 실적 보고서의 검색어만 보고 우리 회사가 AI 답변에 인용됐다고 결론 내려서도 안 됩니다.
Search Console 실적 보고서의 노출은 검색 결과에 표시된 횟수, 클릭은 사용자가 눌러 들어온 횟수입니다. 예를 들어 17회 노출·0회 클릭이라는 작은 표본은 글을 개선할 후보를 알려줄 수 있지만, 검색 수요의 전체 규모나 고객의 불만을 입증하지는 않습니다. 검색어에 페이지·국가·기기·기간 조건을 더해 어떤 페이지가 어떤 상황에서 보였는지 확인합니다.
2026년 10월 26일 확인 기준으로 도구별로 볼 수 있는 정보는 다음과 같습니다. 보고서가 제공하는 범위 안에서 해석하고, 보이지 않는 데이터를 임의로 추정하지 않습니다.
| 확인할 것 | 확인할 자료 | 해석할 때 주의할 점 |
|---|---|---|
| 어떤 검색 질문에서 보였나 | Search Console 검색 실적 | 웹 검색어 표만으로 AI 답변 인용을 입증하지 못함 |
| Google AI 기능에 링크가 표시됐나 | Search Console 생성형 AI 실적 | AI Overviews·AI Mode 노출이며 클릭·문의와 다름 |
| Microsoft 계열 AI가 어떤 페이지를 인용했나 | Bing Webmaster Tools AI Performance | 지원되는 AI 경험의 집계이며 전체 AI 시장의 점유율이 아님 |
| 실제로 어디서 방문했나 | 웹 분석의 세션 소스·매체와 리퍼럴 | 출처가 전달되지 않거나 직접 유입으로 잡히는 방문이 있을 수 있음 |
| 방문이 상담으로 이어졌나 | 문의 완료 기록과 상담 시 유입 경로 확인 | 버튼 클릭·폼 열기와 접수 성공을 구분해야 함 |
Google의 생성형 AI 실적 보고서는 AI Overviews와 AI Mode에서 사이트 링크가 표시된 노출을 제공합니다. 데이터가 충분하지 않으면 보고서가 보이지 않을 수 있고 Search Labs 실험은 포함하지 않습니다. Bing의 AI Performance 안내는 인용된 페이지와 grounding queries를 설명합니다. 이 검색 문구는 사용자가 입력한 질문 전문이 아니라 집계된 표현이며, 인용 횟수는 방문 횟수가 아닙니다.
“검색 채널별 유입 비율”을 계산한다면 먼저 분모를 정합니다. 예를 들어 같은 기간·같은 사이트에서 식별된 AI 리퍼럴 세션 ÷ 전체 세션 × 100으로 계산하면 ‘전체 방문 중 식별된 AI 방문 비율’입니다. 분모를 검색 채널 세션으로 바꾸면 다른 지표가 됩니다. 이 값은 사이트 방문 분석값이며, 우리 제품이 AI 답변에 얼마나 자주 포함되는지를 뜻하지 않습니다.
별도의 답변 점검표도 운영할 수 있습니다. 고객 질문 10개를 정하고 같은 언어·지역·검색 사용 조건에서 주기적으로 확인합니다. 회사 언급 여부, 공식 URL 인용 여부, 기능·가격의 정확성, 오류 항목을 기록합니다. 예컨대 10개 중 3개에서 회사가 언급됐다면 해당 조건의 관측 결과가 3/10인 것이지 시장 전체 노출률이 30%라는 뜻은 아닙니다. GEO 연구의 근거와 측정 한계에서 설명한 것처럼 작은 반복 측정은 개선 방향을 찾는 자료로 사용합니다.
기존 글 하나를 이렇게 고쳐 본다
처음부터 사이트 전체를 바꿀 필요는 없습니다. 검색 노출은 있으나 충분히 답하지 못한 질문 하나와 그 질문에 노출된 기존 페이지를 고릅니다. 다음은 한 달 동안 운영해 볼 편집 계획 예시이며, 이 기간 안에 순위나 인용이 오른다는 약속은 아닙니다.
| 시점 | 작업 | 남길 결과물 |
|---|---|---|
| 첫 주 | 질문과 노출 페이지, 현재 답변 오류를 확인 | 대상 질문·URL·현재 상태 기록 |
| 둘째 주 | 도입에 직접 답변, 기능·조건·한계·근거 보강 | 수정된 기존 글과 공식 서비스 설명의 연결 |
| 셋째 주 | 접근·색인·모바일 메뉴·문의 완료 확인 | 기술 점검 결과와 접수 성공 여부 |
| 넷째 주 | 같은 질문 조건에서 다시 확인 | 정확성·인용·방문·문의의 구분된 변화 기록 |
그림은 질문과 판단 구조를 이해시키는 데 쓰고, 핵심 답과 조건은 본문 텍스트에도 남깁니다. 비교표는 실제로 비교할 수 있는 기준으로 채우고, 오래된 기능·가격을 반복하는 글은 수정합니다. 새 글이 필요한 때는 기존 글이 답하지 못하는 별도의 고객 과제가 있을 때입니다.
AI 답변에 회사명을 넣기 위한 문장보다, 고객이 “이 서비스가 내 상황에 맞는가”를 판단할 수 있는 설명을 먼저 만드세요. 공식 정보와 실제 서비스가 일치하고, 질문에 대한 근거를 확인할 수 있으며, 방문한 고객이 문의를 마칠 수 있다면 검색 방식이 달라져도 그 개선은 사이트에 남습니다.
2026년 10월 26일 업데이트: 기존 GEO 개념 글을 고객 질문 기반의 실무 가이드로 확장했습니다. 용어의 범위, 공식 정보 수정 절차, 플랫폼별 측정 차이를 보강하고 설명 도식 3개를 추가했습니다. 예시와 편집 제안은 공식 문서의 요구 조건이나 효과 보장과 구분해 제시했습니다.
