검색이 바뀌고 있어요
먼저 ‘왜’ 이런 게 생겼는지부터. 사람들이 정보를 찾는 방법이 통째로 바뀌고 있습니다.
구글·네이버에 검색어를 친다
파란 링크가 10개 뜬다
내가 하나씩 눌러서 직접 찾는다
ChatGPT·Perplexity·구글 AI에게 말로 물어본다
AI가 여기저기 읽고 바로 답을 만들어준다
링크를 거의 안 누른다 — 답만 보고 끝
여기서 중요한 변화가 생깁니다. 예전엔 “검색 결과 1등”이 목표였어요. 1등이면 사람들이 클릭하니까요. 그런데 이제 사람들은 링크를 안 누르고 AI가 만들어준 답만 봅니다.
그래서 새로운 목표가 생겼습니다.
“검색 1등”이 아니라 — AI가 답을 만들 때 우리 내용을 가져다 쓰게 만드는 것.
이걸 하는 작업이 바로 AEO와 GEO입니다.
AEO란 무엇인가 — Answer Engine Optimization
한 줄로: AI가 질문에 답할 때, 그 답의 근거로 ‘우리 내용’을 인용하게 만드는 것.
‘Answer Engine(답 엔진)’은 질문에 답을 만들어주는 AI를 말합니다. ChatGPT, Perplexity, 구글의 AI 요약(AI Overviews), 네이버의 AI 검색(Cue:) 같은 것들이죠.
도서관에서 사서(AI)에게 “누전 차단기가 자꾸 내려가는데 왜 그래요?”라고 물었다고 해봐요.
사서는 서가에서 책 한 권을 펼쳐서 읽어주며 답합니다.
AEO는 — 그 사서가 펼치는 책이 우리 글이 되게 만드는 일입니다.
즉, AI가 답을 지어낼 때 “이 가이드에 따르면…”, “이 챗봇 설명을 보면…” 하고 우리를 근거로 데려가게 만드는 것. 사람이 우리 사이트를 직접 안 들어와도, AI 답 속에 우리가 등장하면 성공입니다.
GEO란 무엇인가 — Generative Engine Optimization
한 줄로: AI가 추천을 만들 때, ‘우리 서비스 이름’을 목록에 넣게 만드는 것.
친구(AI)에게 “AI 뉴스레터 괜찮은 거 추천해줘”라고 물었어요.
친구 입에서 “아, JIINSI 괜찮던데” 하고 이름이 나오게 하는 것.
GEO는 — 그 친구가 우리 서비스를 떠올리고 말하게 만드는 일입니다.
AEO와 GEO는 사실 형제 같은 개념입니다. 굳이 나누면:
AEO = 문장 인용
AI가 설명·정보를 만들 때 우리 내용을 가져다 씀. (예: “누전 차단기가 내려가는 원인은…”)
GEO = 브랜드 언급
AI가 추천·비교를 할 때 우리 이름을 목록에 넣음. (예: “AI 뉴스레터 추천: …”)
실무에선 거의 같이 묶어서 다룹니다. 이 글에서도 “AEO/GEO”로 함께 부를게요.
SEO랑 뭐가 다른가요?
“그거 결국 SEO 아니야?” — 비슷하지만 노리는 게 다릅니다.
| 구분 | SEO (예전) | AEO / GEO (지금) |
|---|---|---|
| 목표 | 검색 결과 순위 올리기 | AI 답변에 인용·언급되기 |
| 성공 = | 사람이 클릭해서 들어옴 | 클릭 없어도 AI 답에 노출됨 |
| 대상 | 구글·네이버 검색 | ChatGPT·Perplexity·구글 AI·네이버 Cue: |
| 핵심 | 키워드, 링크 많이 | 명확한 답, 근거, 신뢰 |
SEO가 사라진 건 아닙니다. 오히려 토대예요. 다만 그 위에 “AI가 골라 쓰기 좋은 형태”를 얹는 게 AEO/GEO입니다.
AI는 무엇을 보고 인용을 결정하나
이게 핵심입니다. AI가 수많은 글 중에 왜 어떤 건 인용하고 어떤 건 무시하는지 — 그 원리를 5가지로 풀어볼게요.
원리 1. 질문에 ‘바로’ 답하기
AI는 빙빙 돌려 쓴 글을 싫어합니다. 결론을 맨 앞에, 짧게 쓴 글을 좋아해요.
면접관이 “이 일 왜 하고 싶어요?”라고 물었는데 자기 인생사부터 5분 늘어놓으면 안 되겠죠.
“세 가지 이유 때문입니다. 첫째…” 하고 결론부터. AI가 인용하는 글도 똑같습니다.
실제로 AI 요약이 인용하는 내용의 절반 이상이 글의 ‘맨 앞부분’에서 나옵니다.
원리 2. 근거를 넣기 — 숫자, 출처, 인용
AI는 “좋아요, 최고예요” 같은 빈말보다 구체적 근거가 있는 글을 신뢰합니다. 이건 느낌이 아니라 연구로 측정됐어요. 프린스턴대 등이 약 1만 개 질문으로 실험한 결과, 글에 무엇을 더하느냐에 따라 AI 인용 확률이 이렇게 바뀌었습니다:
반대로 옛날 SEO 방식인 ‘키워드 욱여넣기’는 오히려 역효과(−9%). AI 시대엔 통하지 않습니다.
원리 3. AI가 읽는 ‘이름표’ 붙이기 (구조화 데이터)
웹페이지에는 사람 눈에는 안 보이지만 기계(AI)만 읽는 숨은 정보표를 붙일 수 있습니다. “이건 상품이고, 이름은 OO, 가격은 OO원, 별점은 4.8” 이런 걸 정해진 형식으로요.
과자 봉지 뒤의 영양성분표를 떠올려보세요. 사람은 잘 안 보지만, 필요한 기계·시스템은 그걸로 정확히 분류합니다.
구조화 데이터가 딱 그거예요. AI가 헷갈리지 않고 우리 정보를 정확히 가져가게 해줍니다.
구글도 공식적으로 “이 정보표를 AI가 답을 만들 때 참고한다”고 밝혔습니다. 이 표가 있는 페이지가 AI 요약에 노출될 확률이 약 2~3배 높았다는 분석도 있어요.
원리 4. 여기저기서 ‘언급’되기
AI는 한 곳(우리 사이트)의 말만 곧이곧대로 믿지 않습니다. 여러 군데서 같은 얘기가 나올 때 비로소 신뢰해요.
처음 보는 식당을 한 명만 추천하면 반신반의하지만, 여러 사람이 입을 모으면 믿게 되죠. AI도 똑같습니다.
그래서 후기, 커뮤니티 글, 블로그처럼 남이 우리 얘기를 하는 곳이 중요합니다. 실제로 해외 AI들은 답의 40~47%를 커뮤니티(레딧) 같은 곳에서 인용해요. 한국에선 네이버 블로그·카페·지식iN이 바로 그 역할을 합니다.
원리 5. 한결같은 ‘정체성’ (엔티티)
AI가 우리를 추천하려면 먼저 “이게 뭐 하는 곳인지”를 확신해야 합니다. 그러려면 우리가 누구인지 한 문장을 정해서, 사이트·인스타·네이버 어디서나 똑같이 말해야 해요.
예시 — 모든 채널에 똑같이 반복할 한 문장:
“SGwannabe는 synapticbloom 계열의 1인 운영 AI 스튜디오로, 31개 페르소나가 챗봇·뉴스레터·출판을 매일 자동으로 만들어 발행합니다.”
왜 지금 해야 하나요?
두 가지 이유 — 안 하면 손해, 빨리 하면 이득.
안 하면 ‘투명인간’
사람들이 점점 AI에게 물어봅니다. AI 답에 우리가 없으면, 손님은 우리 존재 자체를 모르게 됩니다. 검색에서 그냥 빠지는 거예요.
아직 초반이라 기회
큰 서비스들도 이제 막 시작했습니다. 실제로 대부분의 챗봇·서비스조차 핵심 작업(질문형 정보표)을 거의 안 하고 있어요. 먼저 하면 앞설 수 있습니다.
SGwannabe는 이렇게 합니다
우리에겐 남에게 없는 무기가 있습니다 — 매일 자동 발행되는 콘텐츠 엔진과 도메인 챗봇들. 이걸 AEO 자산으로 바꿉니다.
발행 엔진·챗봇을 ‘콘텐츠 공장’으로
JIINSI가 매일 만드는 뉴스 요약·해설과 도메인 챗봇(ElectroAssist 전기 Q&A 등)의 답변을, 원리 1~2를 적용한 ‘질문에 바로 답하는 글’로 발행합니다. 경쟁사엔 이 자산 자체가 없습니다.
AI가 읽는 정보표 붙이기
각 서비스와 가이드 페이지에 구조화 데이터(원리 3)를 심습니다. 대부분의 서비스가 빼먹은 부분이라 바로 앞설 수 있습니다.
네이버에 입소문 만들기
블로그·후기·지식iN(원리 4)에 정보를 쌓습니다. 한국 AI 검색의 핵심 통로이고, JIINSI는 이미 네이버 블로그를 운영 중입니다.
한결같은 브랜드 한 문장
모든 채널에 같은 소개 문장(원리 5)을 반복해, AI가 “SGwannabe = 1인 운영 AI 스튜디오”로 확신하게 만듭니다.