생성형 엔진 최적화(GEO)가 검색의 규칙을 새로 쓰다
우리가 알던 검색의 시대는 끝났습니다. 마케터들은 괜찮다고 하지만, 꼭 그렇지만은 않습니다.
지난 20년 이상, SEO는 온라인에서 가시성을 확보하기 위한 기본적인 전략이었습니다. 이로 인해 키워드를 채워 넣는 사람들, 백링크 중개인, 콘텐츠 최적화 전문가, 감사 툴은 물론 이를 운영하는 전문가와 에이전시까지 하나의 거대한 산업이 생겨났습니다. 하지만 2025년, 검색의 중심은 전통적인 브라우저에서 LLM 플랫폼으로 이동하고 있습니다. Apple이 Perplexity나 Claude와 같은 AI 네이티브 검색 엔진을 Safari에 내장하겠다고 발표하면서, Google의 유통 장악력은 위협받고 있습니다. 800억 달러가 넘는 SEO 시장의 기반에 균열이 가기 시작한 것입니다.
페이지 순위(page rank)가 아닌 언어 모델이 주도하는 새로운 패러다임이 부상하고 있습니다. 우리는 이제 검색의 제2막, 바로 생성형 엔진 최적화(Generative Engine Optimization, GEO)의 시대로 진입하고 있습니다.
링크에서 언어 모델로
전통적인 검색은 링크를 기반으로 구축되었습니다. GEO는 언어를 기반으로 구축됩니다.
SEO 시대의 가시성은 검색 결과 페이지에서 높은 순위를 차지하는 것을 의미했습니다. 페이지 순위는 키워드 일치, 콘텐츠의 깊이와 폭, 백링크, 사용자 경험 참여도 등을 기반으로 사이트를 인덱싱하여 결정되었습니다. 오늘날 GPT-4o, Gemini, Claude와 같은 LLM이 사람들이 정보를 찾는 인터페이스 역할을 하면서, 가시성은 결과 페이지의 높은 순위가 아니라 답변 자체에 직접적으로 나타나는 것을 의미하게 되었습니다.
답변의 형식이 바뀌면서 검색하는 방식도 변하고 있습니다. AI 네이티브 검색은 Instagram, Amazon, Siri와 같은 플랫폼으로 파편화되고 있으며, 각 플랫폼은 서로 다른 모델과 사용자 의도에 의해 구동됩니다. 검색어는 평균 23단어로 길어졌고(기존 4단어), 세션은 평균 6분으로 더 깊어졌으며, 응답은 맥락과 출처에 따라 달라집니다. 전통적인 검색과 달리, LLM은 기억하고, 추론하며, 여러 출처의 정보를 종합하여 개인화된 답변을 제공합니다. 이는 콘텐츠가 발견되는 방식과 최적화되어야 하는 방식을 근본적으로 바꾸고 있습니다.
전통적인 SEO는 정확성과 반복을 보상했지만, 생성형 엔진은 잘 정리되고, 분석하기 쉬우며, 의미가 풍부한(단순히 키워드가 많은 것이 아닌) 콘텐츠를 우선시합니다. "요약하자면(in summary)"과 같은 문구나 글머리 기호 형식은 LLM이 콘텐츠를 효과적으로 추출하고 재생산하는 데 도움이 됩니다.
또한 LLM 시장은 비즈니스 모델과 인센티브 측면에서 전통적인 검색 시장과 근본적으로 다르다는 점도 주목할 가치가 있습니다. Google과 같은 고전적인 검색 엔진은 광고를 통해 사용자 트래픽을 수익화했으며, 사용자는 자신의 데이터와 관심으로 그 비용을 지불했습니다. 반면, 대부분의 LLM은 유료 구독 기반 서비스입니다. 이러한 구조적 변화는 콘텐츠가 참조되는 방식에 영향을 미칩니다. 모델 제공업체는 사용자 경험에 도움이 되거나 제품 가치를 강화하지 않는 한, 제3자 콘텐츠를 노출할 인센티브가 적습니다. 물론 LLM 인터페이스 위에 광고 시장이 나타날 수도 있지만, 그 규칙과 인센티브, 참여자는 전통적인 검색과는 매우 다를 것입니다.
한편, LLM 인터페이스에서 가치의 새로운 신호로 떠오르는 것은 외부 링크 클릭 수(outbound clicks)입니다. 예를 들어, ChatGPT는 이미 수만 개의 개별 도메인으로 추천 트래픽을 유도하고 있습니다.
순위에서 모델 관련성으로
이제는 단순히 클릭률(click-through rates)이 아니라 참조율(reference rates)이 중요합니다. 즉, 당신의 브랜드나 콘텐츠가 모델이 생성한 답변에서 얼마나 자주 인용되거나 출처로 사용되는지가 관건입니다. AI가 생성한 결과물의 세계에서 GEO란, 전통적인 검색 결과에 나타나는지 여부나 위치가 아니라 모델이 참조하기로 선택한 것에 최적화하는 것을 의미합니다. 이러한 변화는 브랜드 가시성과 성과를 정의하고 측정하는 방식을 완전히 바꾸고 있습니다.
이미 Profound, Goodie, Daydream과 같은 새로운 플랫폼들은 브랜드가 AI 생성 응답에 어떻게 나타나는지 분석하고, 모델 결과물 전반의 감성을 추적하며, 어떤 퍼블리셔가 모델 행동에 영향을 미치는지 이해할 수 있도록 지원합니다. 이 플랫폼들은 브랜드 관련 프롬프트 언어를 모방하도록 모델을 미세 조정하고, 주요 SEO 키워드를 전략적으로 주입하며, 대규모로 가상 질의를 실행하는 방식으로 작동합니다. 그 결과물은 마케팅팀이 가시성, 메시지 일관성, 경쟁사 대비 점유율(share of voice)을 모니터링하는 데 도움이 되는 실행 가능한 대시보드로 정리됩니다.
Canada Goose는 이러한 툴을 사용하여 LLM이 자사 브랜드를 어떻게 참조하는지에 대한 인사이트를 얻었습니다. 이는 보온성이나 방수 기능과 같은 제품 특징뿐만 아니라 브랜드 인지도 자체에 관한 것이었습니다. 여기서 얻은 핵심은 사용자가 Canada Goose를 어떻게 발견했는지가 아니라, 모델이 자발적으로 브랜드를 언급했는지 여부였습니다. 이는 AI 시대의 비보조 인지도(unaided awareness)를 나타내는 지표입니다.
이러한 종류의 모니터링은 전통적인 SEO 대시보드만큼 중요해지고 있습니다. Ahrefs의 Brand Radar와 같은 툴은 이제 AI Overviews에서 브랜드 언급을 추적하여, 기업이 생성형 엔진에 의해 어떻게 인식되고 기억되는지 이해하도록 돕습니다. Semrush 또한 브랜드가 생성형 플랫폼 전반에서 인식을 추적하고, AI 가시성을 위해 콘텐츠를 최적화하며, LLM 결과물에 나타나는 새로운 언급에 신속하게 대응할 수 있도록 설계된 전용 AI 툴킷을 갖추고 있습니다. 이는 기존 SEO 플레이어들이 GEO 시대에 적응하고 있음을 보여주는 신호입니다.
우리는 새로운 종류의 브랜드 전략이 부상하는 것을 목격하고 있습니다. 이는 대중의 인식뿐만 아니라 모델의 인식을 고려하는 전략입니다. AI 레이어에 어떻게 인코딩되는지가 새로운 경쟁 우위가 되고 있습니다.
ChatGPT는 이제 새로운 @vercel 가입의 10%를 추천하고 있으며, 가입 속도도 빨라졌습니다. https://t.co/LzatDz8n8u
— Guillermo Rauch (@rauchg) 2025년 4월 9일
물론 GEO는 SEO 초창기처럼 아직 실험 단계에 있습니다. 주요 모델이 업데이트될 때마다 우리는 이 시스템과 가장 잘 상호작용하는 방법을 다시 배우거나 기존의 지식을 버려야 할 위험이 있습니다. 과거 Google의 검색 알고리즘 업데이트가 기업들을 변동하는 순위에 대응하기 위해 분주하게 만들었던 것처럼, LLM 제공업체들도 모델이 무엇을 인용할지에 대한 규칙을 계속 조정하고 있습니다. 여러 가지 관점이 나타나고 있는데, 일부 GEO 전술은 비교적 잘 알려져 있지만(예: LLM이 인용하는 소스 문서에 언급되기), 모델이 소셜 미디어보다 저널리즘 콘텐츠를 우선시하는지 또는 훈련 데이터셋에 따라 선호도가 어떻게 변하는지와 같은 다른 가정들은 더 추측에 가깝습니다.
SEO 시대의 교훈
SEO는 그 규모에도 불구하고 독점적인 승자를 낳지 못했습니다. Semrush, Ahrefs, Moz, Similarweb과 같이 기업의 SEO 및 키워드 연구를 돕는 툴들은 각자 성공했지만, 그 어떤 툴도 전체 스택을 장악하지는 못했습니다(Similarweb처럼 인수를 통해 성장한 경우는 제외). 각 툴은 백링크 분석, 트래픽 모니터링, 키워드 인텔리전스, 기술 감사 등 자신만의 틈새시장을 개척했습니다.
SEO는 항상 파편화되어 있었습니다. 작업은 에이전시, 내부 팀, 프리랜서 운영자에게 분산되었습니다. 데이터는 정제되지 않았고 순위는 검증된 것이 아니라 추론된 것이었습니다. Google이 알고리즘의 열쇠를 쥐고 있었지만, 어떤 벤더도 인터페이스를 통제하지는 못했습니다. 전성기에도 가장 큰 SEO 플레이어들은 툴링 제공업체에 불과했습니다. 그들은 SEO 활동이 집중되는 허브가 될 만한 사용자 참여도, 데이터 통제력, 네트워크 효과를 갖지 못했습니다. 사용자가 웹사이트를 탐색하면서 클릭하는 링크 기록인 클릭스트림 데이터는 실제 사용자 행동을 가장 명확하게 보여주는 창입니다. 하지만 역사적으로 이 데이터는 ISP, SDK, 브라우저 확장 프로그램, 데이터 브로커 뒤에 잠겨 있어 접근하기가 극도로 어려웠습니다. 이 때문에 깊이 있는 인프라나 특권적인 접근 없이는 정확하고 확장 가능한 인사이트를 구축하는 것이 거의 불가능했습니다.
GEO는 이것을 바꿉니다.
GEO 툴의 등장: 어떻게 언급되게 할 것인가?
이것은 단순히 툴링의 변화가 아니라 플랫폼의 기회입니다. 가장 강력한 GEO 기업들은 측정에 그치지 않을 것입니다. 그들은 여러 버티컬에 걸쳐 수십억 개의 암시적 프롬프트를 학습하며 자체 모델을 미세 조정할 것입니다. 그들은 LLM의 행동을 관찰하는 데 그치지 않고 그것을 형성하는 차별화된 기술로 인사이트, 창의적 입력, 피드백, 반복의 순환 고리를 소유하게 될 것입니다. 또한 클릭스트림 데이터를 확보하고, 자사 및 제3자 데이터 소스를 결합하는 방법을 찾아낼 것입니다.
GEO에서 승리하는 플랫폼은 브랜드 분석을 넘어 행동을 위한 인프라를 제공할 것입니다. 실시간으로 캠페인을 생성하고, 모델의 기억에 최적화하며, LLM의 행동 변화에 따라 매일 반복 작업을 수행할 것입니다. 이러한 시스템은 운영 시스템이 될 것입니다.
이는 가시성을 훨씬 뛰어넘는 더 넓은 기회를 열어줍니다. GEO가 브랜드가 AI 응답에서 참조되도록 보장하는 방법이라면, 이는 또한 AI 레이어 자체와의 지속적인 관계를 관리하는 방법이기도 합니다. GEO는 LLM과 상호작용하기 위한 기록 시스템(system of record)이 되어, 브랜드가 생성형 플랫폼 전반에서 존재감, 성과, 결과를 추적할 수 있게 해줍니다. 이 레이어를 소유하면 그 뒤에 있는 예산도 소유하게 됩니다.
이것이 바로 독점적 잠재력입니다. 단순히 인사이트를 제공하는 것이 아니라, 채널 자체가 되는 것입니다. SEO가 분산되고 데이터에 인접한 시장이었다면, GEO는 그 반대, 즉 중앙 집중화되고 API 기반이며 브랜드 워크플로우에 직접 내장될 수 있습니다. 궁극적으로 GEO 자체는 검색 행동의 변화와 함께 가장 확실한 진입점(wedge)이지만, 더 넓게는 퍼포먼스 마케팅으로 들어가는 진입점이기도 합니다. GEO를 구동하는 동일한 브랜드 가이드라인과 사용자 데이터에 대한 이해는 성장 마케팅에도 동력을 제공할 수 있습니다. 이것이 바로 여러 채널을 테스트하고, 반복하며, 최적화할 수 있는 소프트웨어 제품으로서 거대한 비즈니스가 구축되는 방식입니다. AI는 자율적인 마케터(autonomous marketer)를 가능하게 합니다.
타이밍이 중요합니다. 검색은 이제 막 변화하기 시작했지만, 광고 예산은 빠르게 움직입니다. 특히 차익 거래(arbitrage) 기회가 있을 때는 더욱 그렇습니다. 2000년대에는 Google의 Adwords가 그 기회였고, 2010년대에는 Facebook의 타겟팅 엔진이었습니다. 이제 2025년, 그 기회는 LLM과, 브랜드가 자신의 콘텐츠가 해당 모델에 의해 어떻게 수집되고 참조되는지를 탐색하도록 돕는 플랫폼에 있습니다. 다시 말해, GEO는 모델의 마음속에 들어가기 위한 경쟁입니다.
AI가 상거래와 발견의 관문이 된 세상에서, 마케터에게 던져진 질문은 이것입니다. 과연 모델이 당신을 기억하게 될까요?
Zach Cohen, Seema Amble
Source
Comments ()