GEO
GEO(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(Generative Engine Optimization)는 LLM 기반 생성 엔진이 만들어내는 답변 안에서 인용·노출되는 것을 목표로 하는 전략입니다.
- 순위 상승을 좇는 SEO와 목적이 근본적으로 다릅니다. 성공의 단위는 페이지의 위치가 아니라 답변 안에서의 가시성입니다.
- 이 개념은 Aggarwal과 다섯 명의 공저자가 발표한 논문 GEO: Generative Engine Optimization(arXiv:2311.09735, KDD 2024)에서 처음 학술적으로 정식화됐습니다.
- 같은 논문은 GEO 기법이 생성 엔진 응답 내 가시성을 최대 40%까지 끌어올릴 수 있음을 실험으로 입증했습니다.
- 특히 인용·출처 인용문·통계를 추가하는 것이 강력해, 평균적으로 가시성을 40% 이상 높였습니다.
GEO란 무엇인가
GEO(Generative Engine Optimization)는 생성 엔진이 답변을 구성할 때 자사 콘텐츠를 쉽게 인용하고 노출하도록 만드는 작업입니다. ChatGPT, Perplexity, 그리고 구글의 AI 개요(AI Overviews)와 AI 모드 같은 생성 엔진은 LLM을 사용해 여러 출처의 정보를 하나의 응답으로 합성합니다. 전통적인 검색이 순위가 매겨진 링크 목록을 돌려준다면, 생성 엔진은 사용자를 대신해 정보를 평가·요약하고 하나의 완성된 답변을 제시합니다. 그 답변 안에 자사 브랜드는 포함되거나 포함되지 않거나 둘 중 하나일 뿐, 중간 지대는 없습니다. GEO는 그 포함되는 쪽에 안착하기 위한 전략입니다.
이 개념은 Pranjal Aggarwal과 다섯 명의 공저자가 발표한 GEO: Generative Engine Optimization(arXiv:2311.09735)에서 처음 학술적으로 정식화됐으며, 2024년 KDD(ACM SIGKDD)에 채택됐습니다. 이 논문은 검색 결과를 합성·요약하는 시스템을 "생성 엔진(Generative Engine, GE)"이라는 하나의 정의로 통합하고, 이러한 블랙박스 엔진 안에서 콘텐츠 제작자가 가시성을 높이도록 돕는 최초의 프레임워크로서 GEO를 제안했습니다.
GEO는 SEO와 어떻게 다른가
GEO는 SEO를 대체하지 않습니다. 평가되는 표면(surface)이 달라지면서 등장한 보완적 전략입니다. 핵심 차이는 다음과 같습니다.
| 구분 | SEO | GEO(생성 엔진 최적화) |
|---|---|---|
| 목표 | 검색 결과 페이지(SERP) 상위 노출 | 생성 엔진 답변 안에서 인용·노출 확보 |
| 결과 형태 | 순위가 매겨진 링크 목록 | 여러 출처를 합성한 단일 답변 |
| 최적화 단위 | 페이지·키워드 단위 순위 | 답변 안 문장·출처 단위 가시성 |
| 주요 표면 | 구글·빙 검색 결과 | ChatGPT, Perplexity, 구글 AI 개요·AI 모드 |
| 성공 지표 | 순위, 클릭률(CTR), 자연 유입 트래픽 | AI 인용·언급 빈도, 답변 내 가시성 점유율 |
두 분야는 크롤링 가능성, 신뢰할 수 있는 출처, 명확한 구조 같은 기반 작업을 상당 부분 공유합니다. 다만 "순위를 올리는 것"과 "AI가 생성한 답변에 등장하는 것"은 별개의 결과이며, 어느 한쪽이 다른 한쪽을 보장하지 않습니다.
생성 엔진은 어떻게 답변을 구성하는가
GEO를 이해하려면 생성 엔진의 작동 방식부터 이해해야 합니다. 구글 공식 문서에 따르면 AI 개요와 AI 모드는 쿼리 팬아웃(query fan-out)이라는 기법을 사용해, 하나의 쿼리에 대해 관련 하위 주제와 데이터 소스를 가로질러 여러 개의 분산된 검색을 수행합니다. 모델이 응답을 생성하면서 추가적인 보조 웹페이지를 찾아내기 때문에, 기존 웹 검색보다 더 넓고 다양한 출처가 답변에 링크될 수 있습니다. 다시 말해 생성 엔진은 단일 페이지의 순위를 판단하는 것이 아니라, 쿼리를 여러 갈래로 쪼갠 뒤 각각에 답하기 위해 신뢰할 수 있는 근거를 수집합니다. 바로 이 때문에 GEO는 키워드 순위가 아니라 질문에 답하는 근거를 제공하는 일에 집중해야 합니다.
근거: 무엇이 실제로 가시성을 높이는가
GEO 논문(arXiv:2311.09735)은 다양한 도메인의 쿼리로 구성된 벤치마크 GEO-bench를 사용해 여러 최적화 기법을 정량적으로 평가했습니다. 주요 결과는 다음과 같습니다.
- 적절한 GEO 기법을 적용하면 생성 엔진 응답 내 가시성이 최대 40%까지 향상됐습니다.
- 가장 강력한 효과는 콘텐츠 품질 신호에서 나왔습니다. 논문은 "관련 출처의 인용·인용문·통계를 포함하는 것이 출처 가시성을 크게 개선했으며, 여러 쿼리에서 40% 이상 높였다"고 보고합니다.
- 각 기법의 효과는 도메인마다 달랐으며, 이는 도메인별 최적화가 필요함을 시사합니다.
이 결과는 키워드를 채워 넣는 방식보다 출처·인용문·통계 같은 근거로 주장을 뒷받침하는 콘텐츠가 생성 엔진에서 더 쉽게 인용된다는 점을 보여줍니다.
GEO 실행 체크리스트
- 핵심 질문을 소제목(
H2/H3)으로 잡고, 그 바로 아래에 1~2문장으로 명확하게 답합니다. - 모든 주장을 신뢰할 수 있는 인용·인용문·구체적 통계로 뒷받침합니다.
- 1인칭 경험, 직접 측정한 데이터, 독자적 리서치를 담아 실제 경험과 전문성(E-E-A-T)이 드러나게 합니다.
- 목록·표·단계별 설명을 활용해 기계가 쉽게 추출할 수 있는 구조를 만듭니다.
- 구조화 데이터(JSON-LD)와
dateModified같은 필드로 콘텐츠의 의미와 최신성을 명확히 신호합니다. - AI 크롤러가 페이지에 접근할 수 있고, 렌더링된 본문이 텍스트로 노출되는지 확인합니다.
- ChatGPT·Perplexity·Gemini 등에 자사 주제 관련 질문을 정기적으로 던져, 인용·언급 여부를 모니터링합니다.
참고·출처
- Aggarwal et al., "GEO: Generative Engine Optimization," arXiv:2311.09735 (KDD 2024)
- Google Search Central — AI features and your website (AI Overviews, AI Mode, query fan-out)
관련 개념으로는 AEO, LLMO, AI 개요, AI 인용, Share of Model, 쿼리 팬아웃, 구조화 데이터, SEO 등이 있습니다.