용어집
AI 검색 시대의 용어 사전.
- 301 리다이렉트301 리다이렉트는 페이지가 새 URL로 영구히 이동했음을 브라우저와 검색엔진에 알리는 HTTP 상태 코드입니다. 구글은 이를 새 URL을 표준(canonical)으로 삼으라는 신호로 해석하여 검색 결과의 기존 주소를 교체하고, 기존 URL이 쌓아 온 링크 가치(랭킹)를 이동 대상으로 넘깁니다.SEO
- AEOAEO(Answer Engine Optimization, 답변 엔진 최적화)는 ChatGPT, Perplexity, 구글 AI 모드 같은 답변 엔진이 사용자 질문에 직접 답변을 생성할 때 내 콘텐츠를 인용·요약·언급하도록 콘텐츠를 구조화하고 신뢰도를 강화하는 작업입니다. 링크 목록에서 높은 순위를 노리는 SEO와 달리, AEO는 아무도 클릭하지 않더라도 답변 자체에 내 콘텐츠가 포함되도록 하는 것을 목표로 합니다.GEO·AI 검색
- AI 가시성AI 가시성은 ChatGPT·Perplexity·구글 AI 오버뷰 같은 생성형 AI가 답변을 만들 때 내 브랜드·제품·콘텐츠가 얼마나 자주, 어떤 맥락으로 언급·인용되는지를 나타내는 지표입니다. 검색 결과 순위를 재는 전통적 SEO와 달리, 'AI가 생성한 답변 안에 등장하는 정도'를 측정합니다.GEO·AI 검색
- AI 검색AI 검색(AI Search)은 사용자의 질문에 대해 링크 목록을 나열하는 대신, 생성형 AI가 웹 문서를 검색·종합해 직접 답변을 만들어 주는 검색 방식입니다. 구글 AI 오버뷰, ChatGPT 검색, Perplexity, Gemini 등이 대표적이며 대부분 RAG(검색 증강 생성) 구조로 동작합니다.GEO·AI 검색
- AI 슬롭AI 슬롭(AI Slop)은 생성형 AI로 손쉽고 빠르게 대량 생산된, 정확성이나 가치가 떨어지는 저품질 콘텐츠를 가리키는 멸칭입니다. 텍스트·이미지·영상·오디오를 가리지 않으며, 주목 경제(attention economy)에서 클릭과 수익을 노리고 양으로 밀어붙이는 콘텐츠를 통칭합니다.GEO·AI 검색
- AI 신뢰 신호AI 신뢰 신호는 ChatGPT·Perplexity·구글 AI 오버뷰 같은 생성형 검색이 어떤 출처를 신뢰하고 답변에 인용할지 판단할 때 참고하는 검증 가능한 단서들을 말합니다. 명시된 저자성, 인용·통계 등 근거, 웹 전반의 엔티티 일관성, 구조화 데이터, 제3자 언급이 대표적인 신호입니다.GEO·AI 검색
- AI 에이전트AI 에이전트는 대규모 언어 모델(LLM)이 주어진 목표를 달성하기 위해 스스로 계획을 세우고, 도구를 호출하며, 환경의 피드백을 받아 다음 행동을 반복적으로 결정하는 자율 시스템입니다. 정해진 코드 경로를 따르는 워크플로와 달리, 에이전트는 작업을 어떻게 수행할지에 대한 통제권을 LLM이 직접 쥐고 있다는 점이 핵심입니다.GEO·AI 검색
- AI 오버뷰AI 오버뷰(AI Overviews)는 구글 검색 결과 페이지 맨 위에 생성형 AI 요약을 보여주면서, 그 요약이 참고한 웹 페이지 링크를 함께 제시하는 기능입니다. 맞춤형 제미나이(Gemini) 모델이 여러 출처를 종합해 질의의 핵심에 답하며, 2024년 5월 미국에서 전면 출시된 뒤 전 세계로 확대되었습니다.GEO·AI 검색
- AI 인용AI 인용(AI citation)은 ChatGPT, Perplexity, 구글 AI 오버뷰 같은 생성형 검색 엔진이 답변을 만들 때 참고한 웹 페이지를 밝히기 위해 표시하는 출처 링크나 각주입니다. 이제 목표는 파란 링크로 상위에 노출되는 것이 아니라 AI가 생성한 답변 안에서 인용 출처로 선택되는 것이며, 그래서 인용은 GEO와 AEO가 궁극적으로 지향하는 성과 지표가 됩니다.GEO·AI 검색
- AI 콘텐츠 생성AI 콘텐츠 생성은 대규모 언어 모델(LLM) 같은 인공지능 도구를 활용해 글·이미지 등 콘텐츠를 자동 또는 반자동으로 만들어내는 작업입니다. SEO 관점에서 구글은 콘텐츠가 'AI로 만들어졌는지'가 아니라 '사용자에게 얼마나 도움이 되고 품질이 높은지'로 평가하므로, 핵심은 생성 방식이 아니라 결과물의 품질과 유용성입니다.GEO·AI 검색
- AI 크롤러AI 크롤러는 대규모 언어 모델(LLM) 학습이나 AI 검색 답변 생성을 위해 웹 페이지를 수집하는 자동화된 봇입니다. OpenAI GPTBot, Anthropic ClaudeBot, Google-Extended 등이 대표적이며, 각자 고유한 User-Agent와 robots.txt 토큰을 사용해 식별·제어할 수 있습니다.GEO·AI 검색
- AI 크롤링AI 크롤링은 ChatGPT·Gemini·Perplexity 같은 AI 시스템이 모델 학습, 검색 인덱싱, 사용자 질문에 대한 실시간 응답을 위해 웹 페이지를 자동으로 수집·읽어 들이는 행위와 과정 전반을 가리킵니다. 페이지를 인덱스에 넣어 순위를 매기는 전통적 검색 크롤링과 달리, 수집한 콘텐츠가 학습 데이터나 답변 생성의 원천으로 쓰인다는 점이 핵심 차이입니다.GEO·AI 검색
- GEOGEO(Generative Engine Optimization, 생성 엔진 최적화)는 ChatGPT·Perplexity·구글 AI 개요(AI Overviews) 같은 생성 엔진이 답변을 합성할 때 자사 콘텐츠를 인용하고 노출하도록 최적화하는 작업입니다. 링크 목록에서의 순위를 노리는 SEO와 달리, GEO는 AI가 생성한 답변 그 자체 안에 브랜드가 포함되도록 만드는 것을 목표로 합니다.GEO·AI 검색
- JSON-LDJSON-LD는 링크드 데이터(Linked Data)를 JSON으로 표현하는 W3C 표준 형식으로, '구조화 데이터'를 웹 페이지에 삽입하는 구현 방식 중 하나입니다. 구글은 구조화 데이터를 마크업하는 세 가지 방식(JSON-LD, Microdata, RDFa) 가운데 JSON-LD를 권장합니다.SEO
- LLM거대 언어 모델(LLM)은 방대한 텍스트로 사전 학습되어 다음 단어(토큰)를 확률적으로 예측하는 방식으로 자연어를 이해하고 생성하는 AI 모델입니다. ChatGPT, Gemini, Claude 같은 서비스와 구글 AI 오버뷰(AI Overviews)를 움직이는 엔진으로, 링크 목록에서 AI가 종합한 답변으로 검색이 이동하는 흐름의 중심에 있습니다.GEO·AI 검색
- LLM 가시성LLM 가시성은 ChatGPT·Claude·Gemini·Perplexity 같은 대규모 언어모델이 생성하는 답변 안에서 특정 브랜드가 얼마나 자주, 얼마나 두드러지게 노출되는지를 나타내는 지표입니다. 검색 결과의 파란 링크 순위가 아니라 'AI 답변 텍스트에 직접 언급·인용·추천되는 정도'를 측정한다는 점이 핵심입니다.GEO·AI 검색
- LLMOLLMO(Large Language Model Optimization, 대규모 언어 모델 최적화)는 ChatGPT·Gemini·Claude·Perplexity 같은 LLM 기반 답변에서 자사 브랜드가 더 자주 언급·인용·추천되도록 콘텐츠와 브랜드 신호를 최적화하는 마케팅 기법입니다. 검색 순위 상승보다 AI가 생성하는 대화형 답변 안에서의 노출과 인용 확보를 목표로 합니다.GEO·AI 검색
- llms.txtllms.txt는 웹사이트 루트(/llms.txt)에 두는 마크다운 파일로, 대규모 언어 모델이 추론 시점에 사이트를 이해할 수 있도록 핵심 요약과 주요 문서 링크를 정리해 제공하는 제안 표준입니다. 2024년 9월 3일 Answer.AI의 제러미 하워드가 제안했으며, 크롤러 접근을 통제하는 robots.txt와 달리 AI 친화적인 콘텐츠를 한곳에 모아 모델을 안내하는 것을 목표로 합니다.GEO·AI 검색
- Mixture of ExpertsMixture of Experts(MoE)는 여러 개의 전문가(expert) 서브네트워크를 두고, 라우터(router)가 입력 토큰마다 그중 일부만 활성화해 처리하는 신경망 구조입니다. 전체 파라미터 수는 크게 늘리면서도 토큰당 실제 연산량은 일부 전문가에만 들도록 해, 효율적으로 대형 모델을 구성하는 방식입니다.GEO·AI 검색
- Model Context ProtocolModel Context Protocol(MCP)는 LLM 기반 AI 애플리케이션을 외부 도구·데이터 소스와 연결하기 위해 Anthropic이 2024년 11월 공개한 개방형 표준 프로토콜입니다. 데이터 소스마다 개별 커넥터를 만드는 대신, 'AI를 위한 USB-C'처럼 하나의 표준 인터페이스로 모델과 외부 시스템을 연결합니다.GEO·AI 검색
- RAGRAG(검색 증강 생성)는 LLM이 먼저 외부 지식베이스에서 관련 문서를 검색한 뒤, 그 내용을 근거로 답변을 생성하는 기법입니다. 모델 파라미터에 내재된 지식에만 의존하지 않고 답변 시점에 최신 자료나 전문 자료를 끌어와 활용하므로, 재학습 없이도 정확도를 높이고 출처를 함께 제시할 수 있습니다.GEO·AI 검색
- RLHFRLHF(Reinforcement Learning from Human Feedback, 인간 피드백 기반 강화학습)는 사람의 선호 데이터로 보상 모델을 학습한 뒤, 그 보상을 강화학습으로 최적화해 거대언어모델(LLM)을 사람의 의도와 가치에 정렬하는 기법입니다. 같은 답변이라도 사람이 더 선호하는 출력을 내도록 모델 행동을 조정하는 것이 목적입니다.GEO·AI 검색
- Share of ModelShare of Model(SoM)은 ChatGPT·Gemini 같은 생성형 AI가 카테고리 관련 질문에 답할 때 자사 브랜드를 경쟁사 대비 얼마나 자주, 얼마나 호의적으로 언급·추천하는지를 측정하는 지표입니다. AI가 답변의 출처이자 추천자가 된 환경에서 전통적 검색 점유율(Share of Voice)을 대체하는 새로운 브랜드 가시성 KPI로 제안되었습니다.GEO·AI 검색
- SXOSXO(Search Experience Optimization, 검색 경험 최적화)는 SEO와 사용자 경험(UX)을 결합해 검색 노출뿐 아니라 클릭 이후의 탐색·만족·전환까지 함께 최적화하는 접근입니다. 순위 자체를 목표로 하는 SEO와 달리, 검색에서 시작해 전환에 이르는 사용자 여정 전체를 매끄럽게 만드는 것을 목표로 합니다.GEO·AI 검색
- 검색 의도검색 의도는 사용자가 검색어를 입력할 때 실제로 이루고자 하는 목표, 즉 그 검색 뒤에 숨은 이유입니다. 보통 정보형, 탐색형, 상업형, 거래형의 네 가지로 나뉘며, 검색엔진과 AI 답변엔진 모두 이 의도에 가장 잘 맞는 콘텐츠를 우선 노출하기 때문에 SEO에서 가장 중요한 출발점이 됩니다.콘텐츠·전략
- 구글 AI 모드구글 AI 모드(Google AI Mode)는 질문을 입력하면 여러 검색 링크 대신 Gemini가 생성한 통합 답변과 후속 질문, 참고 링크를 제공하는 구글의 생성형 검색 경험입니다. 하나의 질문을 여러 하위 질문으로 쪼개 동시에 검색하는 '쿼리 팬아웃(query fan-out)' 기법으로 복잡한 질의에 대응합니다.GEO·AI 검색
- 구조화 데이터구조화 데이터는 검색엔진이 페이지의 내용을 정확히 이해하도록 schema.org 어휘로 페이지 정보를 표준화해 표기한 마크업입니다. 이렇게 표준화된 데이터는 별점, 가격, 레시피 정보 같은 리치 결과(Rich Results)가 검색결과에 노출되는 근거가 됩니다.SEO
- 구조화된 출력구조화된 출력(Structured Output)은 LLM이 자유 텍스트 대신 JSON Schema 같은 미리 지정한 형식을 정확히 따르도록 출력을 강제하는 기능입니다. 프롬프트로 형식을 부탁하는 것이 아니라 토큰 생성 단계에서 스키마를 강제하므로, 필수 필드 누락이나 잘못된 형식 없이 항상 파싱 가능한 데이터를 얻을 수 있습니다.GEO·AI 검색
- 그라운디드 생성그라운디드 생성은 모델이 자체 파라미터 기억에만 의존하지 않고, 검색·제공된 근거 데이터에 기반해 답변을 생성하면서 그 출처를 인용하는 생성 방식입니다. RAG 파이프라인의 '생성' 단계에 해당하며, 답변의 각 주장을 근거 문서에 연결해 환각을 줄이고 검증 가능성을 높이는 것을 목표로 합니다.GEO·AI 검색
- 그라운딩그라운딩(Grounding)은 LLM의 출력을 검증 가능한 외부 출처·사실에 결부시켜 환각을 줄이고 답변을 확인 가능하게 만드는 개념이자 과정입니다. 모델이 학습 데이터에만 의존하지 않고 검색 결과나 신뢰할 수 있는 문서 같은 '사실의 근거'에 답을 묶는 행위에 초점을 둡니다.GEO·AI 검색
- 답변 엔진답변 엔진(Answer Engine)은 검색 결과로 링크 목록을 주는 대신, 여러 출처의 정보를 종합해 질문에 대한 완성된 답을 직접 생성해 보여주는 시스템입니다. ChatGPT, Perplexity, 구글 AI 오버뷰, 음성 비서가 대표적이며, 사용자가 클릭 없이 즉답을 얻도록 합니다.GEO·AI 검색
- 대화형 검색대화형 검색은 키워드 나열 대신 자연어 문장으로 질문하고, 후속 질문을 주고받으며 맥락을 이어 정보 욕구를 충족하는 검색 방식입니다. 구글 AI 모드(AI Mode)와 ChatGPT·Perplexity처럼 한 번의 질의가 아니라 여러 턴의 대화로 답을 좁혀 가는 것이 핵심입니다.GEO·AI 검색
- 리랭커리랭커(Reranker)는 1차 검색이 가져온 후보 문서들을 쿼리와 함께 다시 평가해 관련도가 높은 순서로 재정렬하는 2차 정밀 정렬 단계입니다. 주로 크로스엔코더(cross-encoder)를 사용해 쿼리와 문서를 한 번에 입력받아 정밀한 관련도 점수를 매깁니다.GEO·AI 검색
- 리치 스니펫리치 스니펫(리치 결과)은 웹페이지에 삽입한 구조화 데이터를 바탕으로 일반 검색결과에 별점, 이미지, 가격, FAQ 등 추가 정보가 함께 표시되는 향상된 검색결과를 말합니다. 상단 발췌 답변 박스인 피처드 스니펫과 달리, 일반 organic 결과 자체를 풍부하게 만드는 것이 목적입니다.SEO
- 멀티모달 검색멀티모달 검색은 텍스트뿐 아니라 이미지·음성·동영상 등 여러 형식의 입력을 하나의 질의로 결합해 검색하는 방식입니다. 키워드 매칭에 의존하던 전통 검색과 달리, 서로 다른 형식의 입력을 의미 기반으로 비교해 답을 찾습니다.GEO·AI 검색
- 백링크백링크는 다른 웹사이트의 페이지에서 내 페이지로 연결되는 하이퍼링크입니다. 구글 같은 검색엔진은 백링크를 일종의 신뢰 투표로 읽어 페이지의 권위와 관련성을 가늠하고 새로운 페이지를 발견하는 데 활용하므로, 백링크는 오프페이지 SEO의 핵심 신호입니다.SEO
- 버티컬 검색버티컬 검색(Vertical Search)은 웹 전체가 아니라 특정 산업·콘텐츠 유형·도메인에 한정해 검색 결과를 제공하는 전문 검색입니다. Amazon의 제품 검색, YouTube의 동영상 검색, Zillow의 부동산 검색처럼 한 분야에 집중해 더 정밀하고 관련성 높은 결과를 돌려줍니다.GEO·AI 검색
- 벡터 데이터베이스벡터 데이터베이스는 텍스트·이미지 등을 임베딩한 고차원 벡터를 저장하고, 근사 최근접 이웃(ANN) 검색으로 질의 벡터와 의미가 가장 가까운 벡터를 빠르게 찾아 주는 데이터베이스입니다. 정확히 일치하는 값을 찾는 전통 DB와 달리 유사도(거리)를 기준으로 검색합니다.GEO·AI 검색
- 브랜드 멘션브랜드 멘션은 링크 포함 여부와 무관하게 웹 콘텐츠에서 브랜드명·제품명·관련 용어가 언급되는 것을 말합니다. 하이퍼링크가 달린 링크드 멘션과 텍스트로만 언급되는 언링크드 멘션으로 나뉘며, AI 검색 시대에는 링크 없는 언급만으로도 브랜드 가시성에 기여합니다.GEO·AI 검색
- 사고 사슬사고 사슬(Chain of Thought, CoT)은 대규모 언어 모델이 최종 답을 내놓기 전에 중간 추론 단계를 명시적으로 글로 생성하도록 유도해 복잡한 추론 성능을 끌어올리는 프롬프팅 기법입니다. 정답만 바로 출력하게 하는 대신 '풀이 과정'을 거치게 만들어 산술·상식·기호 추론의 정확도를 크게 높입니다.GEO·AI 검색
- 스키마 마크업스키마 마크업은 schema.org 어휘를 사용해 페이지 콘텐츠의 의미(작성자, 평점, 가격, 이벤트 등)를 검색엔진이 이해할 수 있도록 명시하는 표준 구조화 데이터입니다. 구글은 이 마크업을 읽어 별점, FAQ, 브레드크럼 같은 리치 결과를 표시하며, JSON-LD·Microdata·RDFa를 모두 지원하지만 구현과 유지보수가 가장 쉬운 JSON-LD를 권장합니다.SEO
- 시맨틱 SEO시맨틱 SEO는 단일 키워드를 반복하는 대신 하나의 주제를 둘러싼 의미·맥락·검색의도를 포괄적으로 다뤄 검색엔진이 콘텐츠를 깊이 이해하고 토픽 권위를 인정하도록 최적화하는 콘텐츠 전략입니다. 구글의 BERT·MUM 같은 자연어 처리 기술과 지식 그래프가 단어가 아닌 개념을 해석하면서 중요성이 커졌습니다.SEO
- 시맨틱 검색시맨틱 검색은 단어를 글자 그대로 매칭하는 대신 질의의 의미·의도·문맥을 이해해 관련 결과를 찾는 검색 방식입니다. 텍스트를 벡터(임베딩)로 변환한 뒤 의미적으로 가까운 문서를 찾는 기술이 핵심이며, 구글 허밍버드·BERT부터 RAG·AI 검색까지 현대 검색의 토대가 됩니다.GEO·AI 검색
- 시맨틱 청킹시맨틱 청킹은 문서를 글자 수 같은 고정 단위가 아니라 의미 경계를 기준으로 분할하는 방식입니다. 인접한 문장 임베딩 사이의 유사도가 크게 떨어지는 지점을 찾아 그곳에서 끊어, 의미적으로 응집된 청크를 만드는 RAG 분할 전략입니다.GEO·AI 검색
- 에이전틱 RAG에이전틱 RAG(Agentic RAG)는 자율 AI 에이전트를 검색 증강 생성(RAG) 파이프라인에 결합해, 에이전트가 검색 여부와 방법을 스스로 판단하고 질의를 다시 쓰며 도구를 사용하고 결과를 평가해 필요하면 재검색하는 방식의 RAG입니다. 한 번 검색하고 답을 생성하는 일반 RAG와 달리, 검색을 반복·계획·검증하는 동적 과정으로 만든다는 점이 핵심입니다.GEO·AI 검색
- 에이전틱 검색에이전틱 검색은 AI 에이전트가 하나의 질문을 여러 하위 작업으로 쪼갠 뒤, 계획·검색·결과 검증을 반복하며 답을 스스로 구성하는 검색 방식입니다. 질의어에 맞는 문서 목록을 한 번에 돌려주던 전통 검색과 달리, 여러 소스를 교차 확인하고 다음에 무엇을 더 찾을지 추론하며 단계적으로 답을 완성합니다.GEO·AI 검색
- 에이전틱 웹에이전틱 웹은 사람이 직접 웹페이지를 클릭하고 탐색하던 방식 대신, AI 에이전트가 사용자의 의도를 위임받아 웹을 탐색하고 정보를 모으고 거래까지 자율적으로 수행하는 차세대 웹 패러다임입니다. 인간 주도의 상호작용에서 에이전트 간(machine-to-machine) 상호작용으로 무게중심이 옮겨가는 단계를 가리킵니다.GEO·AI 검색
- 엔티티 SEO엔티티 SEO(Entity-Based SEO)는 검색 키워드라는 '문자열'이 아니라 그 뒤에 있는 실제 대상, 즉 엔티티(사람·장소·사물·개념)와 엔티티 사이의 관계를 검색엔진이 정확히 이해하도록 최적화하는 접근입니다. 구글 지식 그래프(Knowledge Graph)에 자사 브랜드·인물·제품을 명확한 엔티티로 인식시키는 것을 목표로 합니다.SEO
- 음성 검색음성 검색(Voice Search)은 키보드 입력 대신 말로 질의해 정보를 찾는 검색 방식으로, 시리·구글 어시스턴트·알렉사 같은 음성 비서가 사용자의 자연어 질문을 인식해 보통 하나의 답변을 읽어 주거나 보여 줍니다. 질의가 문장형·질문형으로 길어지고 답변이 단일하게 좁혀진다는 점에서 텍스트 검색과 최적화 방식이 다릅니다.GEO·AI 검색
- 인용 최적화인용 최적화는 ChatGPT·Perplexity·구글 AI 오버뷰 같은 생성형 검색엔진이 답변을 만들 때 자사 콘텐츠를 출처로 인용하도록 설계하는 전략입니다. 검색 순위(랭킹)가 아니라 'AI 답변 안에 인용·링크되는 것' 자체를 목표로 한다는 점에서 일반 SEO와 구분됩니다.GEO·AI 검색
- 임베딩임베딩은 단어·문장·이미지 같은 데이터를 의미가 보존되도록 수백~수천 차원의 실수 벡터로 변환한 표현입니다. 비슷한 의미일수록 벡터 간 거리가 가까워, 키워드가 아닌 의미 기반으로 검색·비교가 가능하며 시맨틱 검색과 RAG의 기반이 됩니다.GEO·AI 검색
- 제로클릭 검색제로클릭 검색(Zero-Click Search)은 사용자가 검색 결과 페이지에서 어떤 링크도 클릭하지 않고 검색을 끝내는 경우를 말합니다. 피처드 스니펫, 지식 패널, AI 오버뷰처럼 구글이 결과 페이지에서 곧바로 답을 보여주거나, 사용자가 검색을 포기·재검색하면서 외부 웹사이트로의 유입이 발생하지 않는 상태입니다.GEO·AI 검색
- 주제 전문성토피컬 오서리티(주제 권위)는 검색 엔진과 AI 검색이 특정 주제 영역 전반에 걸쳐 어떤 사이트를 신뢰할 수 있는 전문 출처로 인정하는 상태를 말합니다. 개별 키워드 단위로 순위를 올리는 방식이 아니라, 토픽 클러스터·필러 페이지·내부 링크를 통해 한 주제를 포괄적이고 일관되게 다룸으로써 획득됩니다.콘텐츠·전략
- 지식 그래프지식 그래프(Knowledge Graph)는 사람·장소·사물 같은 엔티티와 그 사이의 관계를 노드와 엣지로 구조화한 지식 베이스로, 구글이 키워드 문자열이 아니라 '개념(엔티티)'을 이해해 검색 결과를 만드는 기반이 됩니다. 구글은 2012년 'Things, not strings(문자열이 아닌 사물)'라는 슬로건과 함께 이를 공개했습니다.GEO·AI 검색
- 지식 컷오프지식 컷오프(Knowledge Cutoff)는 거대언어모델(LLM)이 학습한 데이터의 마지막 시점을 가리키는 날짜로, 이 시점 이후에 발생한 사건이나 새로 만들어진 정보는 모델 자체의 지식에는 포함되어 있지 않습니다. 따라서 컷오프 이후의 최신 정보는 웹 검색이나 RAG 같은 외부 도구로 보완하지 않으면 모델이 정확히 알지 못합니다.GEO·AI 검색
- 지식 패널지식 패널(Knowledge Panel)은 사람·장소·조직·사물 같은 엔티티를 검색했을 때 구글 검색결과 우측(데스크톱) 또는 상단(모바일)에 그 엔티티의 핵심 정보를 요약해 보여주는 박스입니다. 구글 지식 그래프(Knowledge Graph)를 기반으로 자동 생성되며, 이름·설명·이미지·주요 사실·소셜 프로필 등을 한눈에 제공합니다.GEO·AI 검색
- 청킹청킹(Chunking)은 RAG에서 긴 문서를 검색과 임베딩에 적합한 작은 단위(청크)로 나누는 작업입니다. 분할 방식과 청크 크기, 오버랩이 검색 정확도와 답변 품질을 좌우하므로 RAG 파이프라인 설계의 핵심 단계로 다뤄집니다.GEO·AI 검색
- 캐노니컬 URL캐노니컬 URL은 동일하거나 거의 같은 콘텐츠를 제공하는 여러 URL 가운데 검색 엔진이 대표(원본) 페이지로 선택한 버전을 말합니다. 사이트 운영자는 rel="canonical" 태그, HTTP 헤더, 사이트맵, 301 리다이렉트로 선호 URL을 알릴 수 있지만, 최종 결정은 여러 신호를 종합한 구글이 내립니다.SEO
- 컨텍스트 엔지니어링컨텍스트 엔지니어링은 LLM에 주어지는 컨텍스트(지침, 검색 결과, 도구, 메모리, 대화 기록)를 설계하고 관리해 최적의 출력을 끌어내는 분야입니다. 프롬프트 문구 작성에 집중하는 프롬프트 엔지니어링을 포함하는 더 넓은 개념으로, '무엇을 어떤 형식으로 언제 컨텍스트에 넣을지'를 다룹니다.GEO·AI 검색
- 컨텍스트 윈도우컨텍스트 윈도우는 거대 언어 모델(LLM)이 한 번의 요청에서 한꺼번에 참조할 수 있는 입력과 출력 토큰의 최대 범위를 뜻합니다. 모델의 '작업 기억(working memory)'에 해당하며, 이 한도를 넘으면 앞선 내용이 잘리거나 처리되지 못합니다.GEO·AI 검색
- 쿼리 분해쿼리 분해(Query Decomposition)는 하나의 복잡한 질의를 독립적으로 답할 수 있는 여러 개의 단순한 하위 질문으로 쪼개는 기법입니다. 각 하위 질문별로 따로 검색·추론한 뒤 결과를 합쳐 최종 답을 만들기 때문에, 근거가 여러 문서에 흩어져 있는 멀티홉 질문에서 검색 정확도와 답변 품질을 끌어올립니다.GEO·AI 검색
- 쿼리 재작성쿼리 재작성(Query Rewriting)은 사용자가 입력한 원 질의를 검색이 더 잘 매칭되는 형태로 변환하는 기법으로, 동의어 확장·오타 교정·불필요한 표현 제거·의도 명확화 등이 매칭과 스코어링 이전 단계에서 일어납니다. 하나의 질의를 '더 나은 하나의 질의'로 바꾸는 데 초점을 두며, 검색엔진과 RAG 파이프라인 양쪽에서 검색 정확도와 재현율을 끌어올립니다.GEO·AI 검색
- 쿼리 팬아웃쿼리 팬아웃은 구글 AI 모드·AI 오버뷰 같은 생성형 검색이 사용자의 질의 하나를 여러 개의 관련 하위 질의로 확장해 동시에(병렬로) 검색한 뒤, 그 결과를 하나의 답변으로 종합하는 정보 검색 기법입니다. 키워드 하나에 결과 한 세트를 매칭하던 전통 검색과 달리, 한 질문이 여러 검색을 촉발해 더 넓고 다양한 출처를 끌어옵니다.GEO·AI 검색
- 토큰화토큰화는 텍스트를 언어 모델이 실제로 처리하는 최소 단위인 '토큰'으로 분해하는 과정입니다. 영어 기준 1토큰은 대략 4글자(약 3/4 단어)에 해당하며, BPE 같은 서브워드 알고리즘으로 단어를 더 작은 조각으로 쪼개 처리합니다.GEO·AI 검색
- 툴 사용툴 사용(Tool Use)은 LLM이 검색·계산기·코드 실행·외부 API 같은 도구를 호출해 스스로의 한계를 넘어 능력을 확장하는 것을 말합니다. AI 에이전트의 핵심 동작 원리이며, 실제 구현은 함수 호출(function calling) 메커니즘으로 이뤄집니다.GEO·AI 검색
- 트랜스포머트랜스포머는 셀프 어텐션(self-attention) 메커니즘을 기반으로 입력 시퀀스의 모든 토큰 간 관계를 한 번에 계산하는 신경망 아키텍처입니다. 2017년 구글 연구진의 'Attention Is All You Need' 논문에서 제안되었으며, GPT·Claude·BERT 등 현대 거대 언어 모델(LLM)의 토대가 됩니다.GEO·AI 검색
- 파인튜닝파인튜닝은 대량의 데이터로 이미 학습된 사전학습 모델을 특정 작업·도메인 데이터로 추가 학습시켜 가중치를 조정하는 기법입니다. 모델의 말투·형식·전문성을 원하는 방향으로 내재화하는 데 사용됩니다.GEO·AI 검색
- 프롬프트 엔지니어링프롬프트 엔지니어링은 대규모 언어 모델(LLM)에서 원하는 출력을 안정적으로 끌어내도록 입력 프롬프트의 지시문, 예시, 형식, 역할을 설계하는 기법입니다. 모델 가중치를 바꾸지 않고 입력 텍스트만으로 응답 품질과 일관성을 끌어올리는 것이 목표입니다.GEO·AI 검색
- 프롬프트 인젝션프롬프트 인젝션은 공격자가 악의적으로 조작한 입력을 LLM에 주입해, 시스템에 설정된 원래 지침을 무력화하거나 탈취하는 보안 공격입니다. LLM이 신뢰된 지침과 신뢰할 수 없는 데이터를 구분하지 못하는 구조적 약점을 악용하며, 모델을 더 잘 다루기 위한 프롬프트 엔지니어링과는 전혀 다른 개념입니다.GEO·AI 검색
- 피처드 스니펫피처드 스니펫은 구글 검색결과 최상단(흔히 포지션 0으로 부름)에 사용자의 질문에 대한 발췌 답변을 박스 형태로 보여주는 검색 기능입니다. 일반 검색결과와 달리 설명 스니펫을 먼저 보여주며, 페이지 형식이 뒤집혀 표시됩니다.SEO
- 하이브리드 검색하이브리드 검색은 키워드(BM25 같은 희소 벡터) 검색과 의미 기반 벡터(임베딩) 검색을 함께 실행한 뒤 두 결과를 하나의 순위로 융합하는 검색 방식입니다. 정확한 단어 일치와 문맥적 의미를 동시에 잡아내기 때문에 RAG와 AI 검색의 검색(retrieval) 정확도를 높이는 데 널리 쓰입니다.GEO·AI 검색
- 할루시네이션할루시네이션(환각)은 대규모 언어모델(LLM)이 사실과 다르거나 근거가 없는 내용을 마치 정확한 정보처럼 그럴듯하게 생성하는 현상입니다. 문법적으로 자연스럽고 자신감 있게 서술되기 때문에 사용자가 오류를 알아차리기 어렵다는 점이 핵심 위험입니다.GEO·AI 검색
- 함수 호출함수 호출(Function Calling)은 LLM이 개발자가 정의한 함수/도구의 스키마를 읽고, 호출에 필요한 인자를 정해진 JSON 형식의 구조화된 데이터로 생성해 주는 기능입니다. 모델이 함수를 직접 실행하지는 않으며, 생성된 인자를 받아 실제 코드를 실행하는 것은 애플리케이션의 몫입니다.GEO·AI 검색