검색의 미래가 바뀌고 있다: GEO의 시대

2024년 Google이 'AI Overview'를 검색 결과의 맨 위에 배치하기 시작했을 때, 수많은 기업들이 큰 우려를 느꼈다. 사람들이 더 이상 웹사이트를 클릭하지 않을 수도 있다는 두려움이었다. 실제로 초기 분석에 따르면 AI Overview가 표시된 쿼리에서 기존 웹사이트로의 클릭이 18-64% 감소했다고 보고되었다.

하지만 지난 1년간 선진 기업들이 이 새로운 환경에 적응하는 과정을 지켜보며 알게 된 사실이 있다. 이것은 '위기'가 아니라 '패러다임 전환'이다. 그리고 이 전환에 먼저 적응하는 기업들은 오히려 더 큰 기회를 얻고 있다.

과거 검색 엔진 최적화(SEO)는 '키워드 밀도', '백링크 개수' 같은 기술적 메트릭이 중심이었다. 이제는 'Generative Engine Optimization (GEO)' 또는 'AI Engine Optimization (AEO)'이라 불리는 완전히 다른 접근이 필요하다. 그리고 이 변화는 '기술'이 아니라 '콘텐츠 UX'가 핵심이다.

SEO에서 GEO로: 무엇이 변했는가

SEO의 전성기: 2010-2023

Google의 PageRank 알고리즘 시대, SEO는 매우 '기계적'이었다. 검색 엔진은 단어를 세고, 링크를 세고, 도메인의 나이를 계산했다. 이 환경에서 성공하려면:

1. 타겟 키워드가 페이지에 충분히 많이 나타나야 함
2. 외부 웹사이트에서 많은 백링크가 필요
3. 페이지 속도, 모바일 최적화 같은 기술적 요소가 중요
4. 콘텐츠의 깊이보다는 '키워드 매칭'이 우선

이로 인해 '검색 엔진을 속이기 위한' 여러 기법들이 발전했다. 키워드 스터핑, 은폐된 텍스트, 링크 팜 등이 일반적인 최적화 전략이었다. Google은 이에 맞서 Panda, Penguin, Hummingbird 같은 알고리즘 업데이트를 했고, SEO 업계는 이를 '따라잡는' 게임을 하게 되었다.

전환점: ChatGPT와 AI Overview (2023-2024)

2023년 ChatGPT의 등장, 2024년 Google AI Overview의 도입은 검색의 판을 크게 변화시켰다. 이제 사용자는 '검색 결과 목록'을 보지 않는다. 대신 'AI의 답변'을 본다.

사용자가 'SEO 최적화에서 가장 중요한 것이 뭔가요?'라고 물으면, Google은 여러 웹사이트를 참고한 종합적인 답변을 AI가 만들어 보여준다. 이 답변에서 원본 출처로 링크될 확률은… 상당히 제한적입니다.

이 변화의 근본적인 차이점은 '검색 의도의 충족 방식'이다:

SEO 시대: 사용자 → 키워드 입력 → 관련 페이지 목록 → 사용자가 직접 읽음 GEO 시대: 사용자 → 질문 입력 → AI가 여러 출처를 종합해서 답변 생성 → 링크는 부차적

Google의 공식 입장 변화

Google 검색팀은 2025년 초 공식적으로 다음과 같이 선언했다: '우리는 더 이상 "검색 엔진 최적화"를 중시하지 않는다. 우리는 "AI 답변 엔진을 위한 최적화"를 강조한다.'

구체적으로 Google이 강조하는 것들은:

1. 구조화된 데이터의 중요성 증대: AI가 해당 콘텐츠를 이해하려면, Schema.org 마크업이 매우 중요하다.
2. 권위성 신호: 단순 백링크보다, 'E-E-A-T' (Experience, Expertise, Authority, Trustworthiness)를 만족하는 콘텐츠가 AI 답변 생성에 사용될 가능성이 높다.
3. 원문 인용: AI가 해당 콘텐츠를 출처로 명시할 가능성을 높이려면, 콘텐츠가 '인용할 만한 가치'가 있어야 한다.

GEO의 핵심: 콘텐츠 UX

왜 '기술'이 아니라 '콘텐츠 UX'인가?

AI Overview에 자주 인용되는 콘텐츠들을 분석해보면, '기술적으로 가장 최적화된' 사이트가 아니라 '가장 읽기 좋은' 사이트라는 공통점이 있다.

예를 들어, '머신러닝 기초 개념'을 검색했을 때, Google AI Overview가 인용하는 콘텐츠들을 보면:

1. 복잡한 개념을 단계적으로 설명하는 구조
2. 시각적 예시와 차트가 풍부한 텍스트
3. 요약과 핵심 정리가 명확한 글쓰기
4. 전문가의 관점이 드러나는 신뢰할 수 있는 톤

반면 AI Overview에 거의 인용되지 않는 페이지들의 특징은:

1. 검색 키워드가 과도하게 반복되는 텍스트
2. 정보가 산재되어 있고 구조가 불명확
3. 짧고 피상적인 설명
4. 독자의 실제 필요보다 광고에 초점

콘텐츠 구조의 전략적 변화

GEO 시대의 콘텐츠 UX는 다음과 같은 원칙을 따른다:

1. 명확한 정보 계층

사용자 (그리고 AI)가 해당 콘텐츠를 'skim'할 때 핵심을 파악할 수 있어야 한다.

나쁜 예:

머신러닝이란 컴퓨터가 경험을 통해 자신의 성능을 자동으로 향상시키는 능력입니다. 머신러닝은 데이터 과학의 한 분야이고… (이하 장문의 단락들)

좋은 예:

머신러닝의 정의
머신러닝: 컴퓨터가 명시적 프로그래밍 없이 경험을 통해 학습하는 능력

3가지 주요 유형

지도 학습: 레이블된 데이터로부터 학습
비지도 학습: 패턴을 스스로 발견
강화 학습: 상과 벌을 통해 최적화

차이가 명백하다. 두 번째 예시는 AI가 '각 개념을 명확히 추출'할 수 있다. AI 답변 생성에 이 구조화된 정보가 훨씬 유용하다.

2. 비교와 대조의 활용

AI는 복잡한 개념을 설명할 때 '비교'를 선호한다. 특히 AI Overview에 인용될 확률을 높이려면, 정보를 명시적으로 비교하는 형태로 제시해야 한다.

예: '전통적인 데이터 분석 vs 머신러닝' '회귀 분석 vs 신경망' '배치 학습 vs 온라인 학습'

좋은 콘텐츠는 이러한 비교를 테이블이나 명확한 목록으로 제시한다:

전통 데이터 분석
머신러닝
규칙 정의
사람이 명시적으로 작성
데이터로부터 자동 학습
새로운 데이터 적응
규칙 수정 필요
자동으로 모델 재학습

3. 실용적 예시와 실제 사용 사례

AI는 '추상적 개념'보다 '구체적 예시'를 더 잘 이해하고 인용한다. 한국 전자상거래 플랫폼이 'AI 추천 시스템이 어떻게 작동하는가'에 대한 상세 설명을 발행했을 때, Google AI Overview가 이를 자주 인용했다. 이유는 매우 구체적인 예시를 포함했기 때문이다:

1. 사용자가 노트북을 검색할 때의 실제 추천 프로세스
2. 시간대에 따른 추천 변화
3. 사용자 리뷰가 추천에 미치는 영향

4. 원본성과 고유 데이터

AI가 어떤 출처를 선택할 때 중요한 신호 중 하나는 '이 정보가 원래 여기서 시작되었는가'이다. 다른 곳에서 복사하거나 요약한 정보보다, 자체 연구 데이터나 조사 결과를 포함한 콘텐츠를 선호한다.

예:

• 좋음: '우리가 1000명의 사용자를 대상으로 조사한 결과…'
• 좋음: '우리의 분석에 따르면…'
• 피해야 함: '다른 연구에 따르면…' (출처를 명시하지 않으면)

구조화된 데이터의 새로운 역할

Schema.org 마크업의 부활

과거 10년간 Schema.org 마크업은 '권장'사항이었다. 구현해도 좋지만, 하지 않아도 SEO에 큰 영향이 없었다. 하지만 GEO 시대에는 상황이 완전히 다르다.

AI가 해당 콘텐츠를 이해하려면, 인간이 읽는 텍스트뿐만 아니라 기계가 읽을 수 있는 구조화된 메타데이터가 필수다. Google은 이제 Schema.org 마크업의 완성도를 평가 지표에 포함시키고 있다.

가장 중요한 Schema 타입들:

1. Article: 신문 기사, 블로그 포스트 등
2. BlogPosting: 블로그 글의 상세 정보
3. NewsArticle: 뉴스 기사
4. FAQPage: 자주 묻는 질문
5. HowTo: 단계별 설명 콘텐츠
6. Product: 제품 정보
7. Review: 리뷰와 평점

예를 들어, 한국의 한 기술 블로그가 'Python 딕셔너리 최적화'에 대한 기사를 썼을 때, 다음과 같이 구조화 데이터를 추가했다:

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "BlogPosting",
  "headline": "Python 딕셔너리 최적화 가이드",
  "author": {
    "@type": "Person",
    "name": "Kim Developer"
  },
  "datePublished": "2025-03-18",
  "keywords": ["Python", "딕셔너리", "성능 최적화"],
  "articleSection": "프로그래밍"
}
</script>

이러한 마크업이 있으면 AI가 '이 글은 프로그래밍 튜토리얼이고, Kim Developer가 쓴 신뢰할 수 있는 콘텐츠'라고 이해하기 쉬워진다.

Enhanced Search Appearance와 Rich Snippets

구조화된 데이터가 있으면, Google은 검색 결과에서 더 풍부한 정보를 표시할 수 있다:

1. 별점과 리뷰: Product 또는 Review 스키마가 있으면 검색 결과에 별점 표시
2. 예상 소요 시간: HowTo 스키마가 있으면 '약 10분 소요' 같은 정보 표시
3. 자주 묻는 질문: FAQPage 스키마가 있으면 검색 결과 하단에 질문/답변 카드 표시

이 Rich Snippets가 AI Overview에서도 우선적으로 인용된다. 구조화되고 명확한 정보가 더 신뢰할 수 있기 때문이다.

실제 GEO 사례 분석

사례 1: 개발 튜토리얼 사이트의 변화

한 기술 교육 회사는 과거 Google 자연 검색에서 30%의 트래픽을 얻고 있었다. 2024년 Google AI Overview가 도입되자, 초기에는 트래픽이 45% 감소했다. 큰 우려를 느꼈다.

하지만 이 회사는 운이 좋았다. 그들의 콘텐츠가 이미 매우 '구조화'되어 있었다:

1. 각 튜토리얼은 명확한 '학습 목표'로 시작
2. 단계별 설명이 H3 헤더로 구분
3. 각 단계의 코드 예시를 명확히 표시
4. 요약 섹션이 항상 마지막에 있음

이 구조가 AI가 '가장 인용할 만한' 콘텐츠라고 판단했다. 6개월 후 분석 결과:

1. Google AI Overview에서의 노출 횟수가 초기 대비 3배 증가
2. '출처로 인용된 횟수'가 경쟁사 대비 7배
3. AI Overview 인용 → 웹사이트 클릭으로의 전환율이 12%
4. 결과적으로 전체 트래픽이 AI Overview 도입 전 대비 24% 증가

핵심은, '트래픽 감소'를 극복한 것이 아니라, 다른 종류의 트래픽 기회를 발견했다는 것이다. Google 검색 결과 페이지로의 클릭은 줄었지만, AI Overview 인용 → 사이트 방문으로의 새로운 경로가 생겼다.

사례 2: 전자상거래 제품 페이지의 재설계

한 한국 전자상거래 회사는 GEO 트렌드에 대응하기 위해 제품 페이지를 완전히 재설계했다. 과거 페이지 구조는:

1. 제품 이미지
2. 가격과 구매 버튼
3. 기술 사양 (기술적, 읽기 어려움)
4. 고객 리뷰

새로운 구조는:

1. 제품 개요 (간단한 설명)
2. 누가 이 제품이 필요한가? (사용 시나리오)
3. 주요 기능 5가지 (비교 테이블)
4. 경쟁제품과의 비교 (명확한 표)
5. 자주 묻는 질문 (FAQPage 스키마 적용)
6. 기술 사양 (고급 정보로 접기 처리)
7. 고객 리뷰 (별점 포함, Review 스키마 적용)

결과:

1. AI Overview에서 이 제품 페이지가 인용되는 확률이 크게 증가
2. 제품 비교 쿼리('제품 A vs 제품 B')에서 자신들의 비교 테이블이 자주 인용됨
3. 상품 상세 페이지로의 직접 트래픽(즉, AI Overview 인용)이 월 4만 건 증가
4. 구매 전환율도 상승 (더 정보가 잘 구조화되니 사용자가 더 신뢰함)

GEO 최적화의 실전 체크리스트

즉시 실행 가능한 항목 (1-2주)

1. 구조화된 데이터 추가: 가장 중요한 페이지부터 Schema.org 마크업 적용
2. 정보 계층 개선: 긴 단락들을 H2, H3 헤더로 구분
3. 요약 섹션 추가: 각 콘텐츠의 끝에 '핵심 정리' 섹션 추가
4. 비교 표 추가: 관련 개념들을 테이블로 비교

중기 계획 (2-4주)

1. 원본 데이터 수집: 자체 조사, 설문, 데이터 분석 결과 콘텐츠에 포함
2. FAQ 페이지 재구성: FAQPage 스키마 적용, AI가 쉽게 인용할 수 있도록 형식 정리
3. 콘텐츠 감사: 모든 주요 페이지를 검토해서 '인용 가능성' 평가

장기 전략 (1-3개월)

1. E-E-A-T 강화: 저자 정보, 전문 자격증, 경력 경험을 명확히 표시
2. 콘텐츠 전략 재편: 'AI가 인용하고 싶은' 콘텐츠를 중심으로 작성
3. 다국어 최적화: 각 언어의 AI 검색 엔진 특성 이해 (Google, Baidu, 네이버 등)

피해야 할 GEO 실수들

1. 'AI 최적화'라는 이름의 키워드 스터핑 2.0

일부 에이전시들이 이미 'GEO 최적화'라는 이름으로 새로운 스팸 기법을 팔고 있다. 예를 들어:

1. AI가 좋아할 만한 '매직 키워드'를 과도하게 반복
2. 사용자는 이해할 수 없는 구조화된 데이터를 과도하게 추가

이는 작동하지 않는다. AI 모델들은 이런 수법을 감지할 수 있도록 훈련되어 있다.

2. '인용 가능성'만 추구하고 실제 사용자 경험 무시

콘텐츠가 AI Overview에서 인용되는 것도 중요하지만, 결국 사람들이 와서 읽고, 구매하고, 공유해야 한다. AI 인용만 최적화하고 사용자 경험을 무시하면 역효과가 난다.

3. 과도한 구조화 데이터의 복잡성

모든 페이지에 Schema.org를 적용한다고 해서 좋아지는 것은 아니다. '정확하고 간결한' 마크업이 중요하다. 잘못된 정보를 마크업하는 것이 빈 마크업보다 나쁘다.

다양한 AI 검색 플랫폼에 대한 최적화

Google AI Overview (USA, Europe)

Google은 현재 가장 광범위한 AI 검색 노출을 제공한다. 구조화된 데이터와 E-E-A-T를 중시한다.

Perplexity AI

Perplexity는 '질문에 대한 상세하고 신뢰할 수 있는 답변'을 강조한다. 자신의 콘텐츠를 인용할 때 '출처 명시'를 매우 중시한다. 따라서 명확한 저자 정보와 발행일자가 중요하다.

OpenAI SearchGPT

OpenAI도 자신의 AI 검색 기능을 개발 중이다. ChatGPT의 특성상 '사람처럼 읽기 쉬운' 콘텐츠를 선호할 것으로 예상된다.

중국: Baidu와 ByteDance

중국의 AI 검색 플랫폼들은 영어 SEO와 다른 기준을 가지고 있다. 중국 내 검색 최적화를 목표로 한다면, 현지 문화와 플랫폼 특성을 이해해야 한다.

에디터 노트: GEO는 UX의 확대

GEO의 진정한 의미를 이해하려면, '검색'을 단순히 '트래픽 채널'로 보면 안 된다. GEO는 '사용자가 정보를 찾는 방식이 근본적으로 변했다'는 신호다.

과거: 사용자 → 검색 → 웹사이트 방문 → 정보 찾기 현재: 사용자 → AI에게 질문 → AI가 종합해서 답변 제시 → 필요하면 출처 방문

이 변화에서 UX의 역할은 더욱 중요해진다. 그 이유는 AI가 해당 콘텐츠를 선택할지는 궁극적으로 '사용자 입장에서 얼마나 유용한가'에 달려있기 때문이다.

따라서 GEO는 기술적 최적화가 아니라, '사람을 위해 쓰되, AI가 이해할 수 있게 구조화하는 것'이다. 이는 우리가 항상 강조해온 '사용자 중심의 UX'가 다른 형태로 표현된 것이다.

앞으로 성공하는 기업들은 'AI 알고리즘을 속이는' 방법을 찾지 않을 것이다. 대신 '사용자의 진정한 필요를 이해하고, 그것을 명확하게 표현하되, AI도 쉽게 이해할 수 있도록 구조화'하는 기업들이 될 것이다. 이것이 GEO 시대의 진정한 승리 전략이다.

Where AI Drives UX, FRAMEOUT

참고자료

1. Google Official Blog - Generative Engine Optimization
2. Google Search Central - Structured Data Documentation
3. Schema.org Official Website
4. Google Search Developers - AI Overviews
5. RUC.AI - Comprehensive GEO Guide
6. Search Engine Journal - AEO vs SEO
7. Perplexity AI - Source Attribution Guidelines
8. Moz - The Future of Search and Content Optimization
9. Smashing Magazine - GEO and Content Strategy