GEO는 SEO보다 범위가 넓지만, 대부분의 기업은 이에 맞춰 조직되어 있지 않다

검색 전략은 한때 단순했다. 고객은 궁금한 점을 검색창에 입력했고, 브랜드들은 검색 결과 페이지 상위에 오르기 위해 경쟁했다. 하지만 이런 모델은 빠르게 변하고 있다.

이제 고객이 브랜드 웹사이트에 도달하기도 전에 정보를 해석하고, 여러 출처를 종합해 답을 제공하는 AI 시스템 안에서 발견이 이뤄지는 비중이 커지고 있다. 생성형 엔진 최적화(Generative Engine Optimization, GEO)는 이에 대한 대응책 가운데 하나로 등장했지만, 기업들은 이러한 변화에 실제로 무엇이 필요한지 지나치게 좁은 시각으로 바라볼 위험이 있다.

9월에 발표된 IAB의 2026년 전망 연구 업데이트에서 미국 광고 구매 담당자의 44%는 AI 기반 검색을 비롯해 변화하는 소비자 행동에 적응하는 일을 미디어 투자에서 가장 큰 과제로 꼽았다. 또한 76%는 AI가 생성한 답변에 맞춰 콘텐츠를 최적화하는 데 더 집중하고 있으며, 이는 다른 어떤 분야보다 높은 비율이다.

GEO를 단순히 SEO의 다음 단계로 여기는 것이 문제다. AI 기반 발견은 마케팅, 데이터, 기술, 콘텐츠, 커뮤니케이션, 고객 경험 전반에 걸친 기업 차원의 가시성 과제가 되고 있다. 이에 잘 적응하는 기업은 새로운 검색 인터페이스에 맞춰 최적화하는 데 그치지 않을 것이다. 디지털 존재감과 조직의 지식, 외부 권위가 서로 어떻게 맞물리는지 재고할 것이다.

검색 결과가 답변으로 바뀌고 있다

전통적인 SEO는 명확한 목표와 성과를 측정하는 명확한 방법을 바탕으로 순위를 높이는 데 초점을 맞췄다. GEO는 이와 다른 종류의 가시성을 요구한다. 특정 키워드에서 페이지가 몇 위에 오르는지를 묻는 대신, 기업은 고객이 던지는 질문에 대한 답변에 자사 브랜드가 등장하는지, 브랜드가 어떻게 설명되는지, 어떤 출처가 그 설명에 영향을 미치는지를 점점 더 파악해야 한다.

이미 기업들은 이러한 변화의 영향을 받고 있다. Mirror와 Express를 발행하는 영국 출판사 Reach는 Google에서 유입되는 트래픽이 전년 대비 46% 감소했다고 밝혔다. 독자들이 웹사이트를 클릭할 필요를 줄이는 AI Overviews와 AI Mode 같은 기능이 그 원인이라고 설명했다. 전통적인 검색 트래픽 감소가 언제나 특정 분야나 브랜드에 대한 사람들의 관심이 줄었다는 뜻은 아니다. 발견이 여러 인터페이스로 분산되고, 웹사이트 방문이 이뤄지기도 전에 점점 더 많이 발생하고 있다는 신호일 수도 있다.

브랜드 입장에서는 질문 자체가 달라진다. 가시성은 더 이상 검색 순위만의 문제가 아니다. AI 시스템이 자사 브랜드가 해당 질문과 관련 있는 이유를 이해하는 데 필요한 정보와 맥락을 갖추고 있는지도 중요하다.

GEO의 출발점은 SEO의 기본기다

GEO를 SEO와 별개로 다루고 싶을 수 있지만, 상당수 기초 작업은 그대로 이어진다. AI 시스템도 정보를 찾고 해석하고 평가해야 하므로 기술적 접근성, 사이트 구조, 명확한 콘텐츠가 모두 중요하다.

올해 Cloudflare Radar 데이터에 따르면 해당 네트워크에서 웹페이지 요청의 절반 이상을 봇이 생성했다. 그 봇이 모두 AI 에이전트인 것은 아니지만, 이제 모든 웹사이트 방문자 가운데 소프트웨어가 차지하는 비중이 커지고 있으며, 소프트웨어가 발견한 내용을 이해할 수 있도록 충분한 콘텐츠와 맥락을 제공해야 한다. 그러려면 많은 기업이 소홀히 해 온 기본으로 돌아가야 할 수도 있다.

중요한 정보가 복잡한 인터페이스 안에 묻혀 있거나, 페이지마다 일관성 없이 제시되거나, 크롤러가 접근하기 어렵다면 AI 시스템이 활용할 수 있는 정보가 줄어들며 사람도 마찬가지다. 흔한 원인은 쉽게 찾을 수 있다. JavaScript가 실행된 뒤에야 표시되는 제품 정보가 그중 하나다. 모든 AI 크롤러가 JavaScript를 실행하는 것은 아니다. 페이지마다 다르게 표현되는 가격이나 정책 정보도 문제다.

하지만 기술적 접근성은 출발점일 뿐이다. 모든 브랜드가 똑같은 몇몇 AI 시스템 안에서 경쟁하므로, 시스템 자체가 차별화 요소가 되지는 않는다. 차별화 요소는 맥락이다. 브랜드의 맥락은 데이터, 전문성, 콘텐츠, 고객에 대한 지식, 그리고 브랜드가 등장하는 더 넓은 정보 생태계에서 비롯된다.

AI가 콘텐츠를 읽을수록 콘텐츠 품질은 더욱 중요해진다

AI 시스템이 노출할 콘텐츠를 어떻게 작성할지에 관한 논의가 많다. 그중 일부는 서식 기법이나 개별 모델의 작동 방식을 역설계하려는 시도에 초점을 맞춰 왔다. 그런 기법은 대부분 유효 기간이 짧으므로, 이를 바탕으로 전략을 세우지는 않을 것이다.

모델과 검색·검색 결과 제공 시스템, 출처는 계속 바뀔 것이다. 오늘 효과가 있는 듯한 기법도 몇 달 뒤에는 전혀 다른 결과를 낼 수 있다. 더 지속 가능한 접근법은 고객이 실제로 던지는 질문에 명확히 답하고 해당 분야의 전문성을 보여 주는 유용하고 권위 있는 콘텐츠를 만드는 것이다. 기업은 이미 게시한 콘텐츠부터 살펴봐야 한다. 고객에게 중요한 질문에 답하고 있는가? 전문성이 분명하게 드러나는가? 디지털 생태계 전반에서 중요한 정보가 일관되게 유지되는가?

AI 가시성은 콘텐츠 품질, 기술적 기반, 구조화된 데이터, 권위, 제3자 언급 등 더 폭넓은 신호의 영향을 받습니다. Muck Rack의 최신 AI 인용 연구에 따르면 ChatGPT, Claude, Gemini의 답변에서 인용된 링크 중 84%는 언론 보도, 학술 연구 및 기타 제3자 출처를 포함한 언드 미디어에서 나온 것이었습니다. 따라서 GEO는 브랜드가 자사 사이트에 게시하는 콘텐츠의 범위를 훨씬 넘어서는 개념이며, 커뮤니케이션팀도 논의에 참여해야 합니다.

워크플로의 문제가 기술적 과제보다 더 큽니다

제가 경험한 바로는 AI 기반 검색 환경에 적응할 때 기술이 가장 어려운 문제인 경우는 드뭅니다. 더 큰 과제는 AI가 검색 및 정보 탐색 과정에 들어온 뒤 팀들이 어떻게 협업하느냐입니다. 지금까지 검색 전략은 여러 업무 영역으로 나뉘어 SEO팀은 순위를 모니터링하고, 콘텐츠팀은 페이지를 제작하며, 커뮤니케이션팀은 언론 보도를 관리하고, 개발팀은 웹사이트의 기술적 측면을 담당해 왔습니다. 하지만 AI 검색 환경에서는 AI 답변에 무엇이 나타날지 이 모든 영역의 영향을 동시에 받을 수 있으므로 기존의 경계가 흐려집니다.

McKinsey의 2026년 AI 현황 설문조사는 더 큰 맥락을 보여 줍니다. 조사에서 파악한 AI 고성과 기업 중 거의 4분의 3은 AI로 인해 워크플로를 근본적으로 재설계했으며, 다른 응답 기업에서는 그 비율이 4분의 1이었습니다. AI 가시성도 마찬가지입니다. 콘텐츠팀이 AI 엔진이 브랜드를 잘못 설명하고 있다는 사실을 발견하더라도, 해결책은 웹사이트나 제품 데이터, 제3자 목록, 또는 모델이 참고하는 언론 보도에 있을 수 있습니다.

이 문제를 해결하려면 해당 영역을 담당하는 팀들이 GEO를 한 부서만 맡는 또 하나의 업무로 취급하는 대신 함께 협력해야 합니다.

이에 따라 경영진이 점점 더 답해야 할 질문이 생깁니다. AI 가시성을 누가 책임져야 할까요?

여러 팀이 이 업무를 수행하겠지만, 성과 지표와 검토 주기, AI 시스템이 브랜드를 잘못 설명할 때의 대응을 책임질 리더 한 명을 정해야 합니다. 이를 바탕으로 마케팅, 커뮤니케이션, 기술 및 데이터 담당 리더들은 AI 시스템 전반에서 브랜드가 어떻게 표현되는지, 답변에 어떤 요인이 영향을 미치는지, 격차가 드러났을 때 조직이 어떻게 대응할지에 대해 공통된 이해를 갖춰야 합니다.

순위가 아닌 비율로 가시성을 측정하세요

앞으로 가장 크게 달라질 점 중 하나는 기업이 검색 가시성을 측정하는 방식입니다. 기존 검색 순위는 마케터가 비교적 간단하게 추적할 수 있는 지표였지만, AI가 생성하는 답변은 훨씬 유동적입니다. 브랜드가 노출되도록 보장하는 단일 순위는 없으며, 답변에 등장했다는 사실만으로는 전체 상황을 알 수 없습니다. 브랜드가 자주 언급되지만 부정확하게 설명될 수도 있고, 출처 인용 없이 포함되거나 한 시장에서는 인용되지만 다른 시장에서는 완전히 빠질 수도 있습니다.

이는 GEO의 초점이 브랜드의 순위에서 브랜드가 얼마나 자주 등장하는지, 어떻게 설명되는지, 어떤 출처가 답변에 영향을 미치는지로 옮겨가고 있다는 뜻입니다. 측정 방식은 아직 이러한 변화에 따라잡지 못하고 있습니다. 같은 IAB 연구에서 구매 담당자의 86%는 대화형 AI 도구와 AI 에이전트 때문에 미디어 성과 측정 방식을 바꾸고 있거나 바꿀 예정이라고 답했으며, 45%는 AI 기반 고객 여정과 기존 고객 여정을 비교하는 것을 가장 큰 측정 과제로 꼽았습니다. 실무적으로 GEO는 검색뿐 아니라 측정과 워크플로의 과제이기도 합니다.

실용적인 출발점은 고객이 이미 묻고 있는 질문을 살펴보는 것입니다. 대표성 있는 질문 목록을 만들고, 정기적으로 주요 AI 플랫폼에 각각의 질문을 입력한 뒤 브랜드가 등장하는지, 어떻게 설명되는지, 어떤 경쟁사가 함께 등장하는지, 어떤 출처가 인용되는지 기록하세요. 각 질문은 두 번 이상 실행하세요. 같은 프롬프트라도 실행할 때마다 답변이 달라질 수 있으므로, 가시성은 단 한 번 캡처한 화면이 아니라 비율로 보고해야 합니다. 시간이 지나면 이러한 가시성을 AI 유입 트래픽, 참여도, 전환율 등 후속 지표와 연결할 수 있습니다.

Adobe의 연말 쇼핑 데이터는 변화가 얼마나 빠르게 일어날 수 있는지 이미 보여 줍니다. 해당 데이터에 따르면 2025년 연말 쇼핑 시즌에 생성형 AI 도구에서 미국 소매 사이트로 유입된 트래픽은 전년 동기 대비 693.4% 증가했으며, AI를 통해 유입된 방문자는 다른 트래픽보다 높은 전환율을 보였습니다. 이러한 성장은 작은 규모에서 시작했으며, 모든 기업이 같은 추이를 보이는 것은 아닙니다. 하지만 지금도 AI 가시성을 측정하고 실제 비즈니스 성과와 연결할 수 있다는 점을 보여 줍니다.

GEO를 캠페인이 아닌 운영 역량으로 다루세요

AI 기반 검색이 기업이 SEO에 대해 이미 알고 있는 모든 것을 버려야 한다는 뜻은 아닙니다. 순위를 넘어, 고객이 던지는 질문과 받아보는 정보 사이에 또 하나의 단계가 점점 더 들어서고 있다는 점을 인식해야 한다는 뜻입니다.

하지만 기업은 AI 가시성을 또 하나의 고립된 마케팅 전략이나 일회성 감사로 만들어서는 안 됩니다. 모델과 출처는 계속 달라지므로 첫 번째 감사가 끝이 아닙니다. 더 큰 기회는 이러한 인사이트를 활용해 콘텐츠, 데이터, 기술, 커뮤니케이션 및 고객 경험이 서로 어떻게 달라지고 협력해야 하는지 파악하는 데 있습니다. 검색은 더욱 대화형으로 바뀌고 에이전트 기반으로 발전하고 있으며, AI 시스템은 고객을 대신해 조사하고 행동하기 시작했습니다. 그렇게 되면 가시성은 해당 시스템이 브랜드에 대해 무엇을 찾아내고, 확인하고, 반복해서 전달할 수 있는지에 달려 있습니다.