[AI 이야기] AI 검색에 인용되는 방법! GEO(Generative Engine Optimization) 연구 리뷰 및 Claude Code 기반 GEO 진단 실전 활용법

 

검색은 끝났다, 이제는 “AI가 대신 골라주는 시대”입니다

 

쇼핑, 여행 계획, 예약·결제 같은 여정을 한 번의 대화 안에서 끝내고자 하는 수요가 빠르게 커지고 있습니다. 이제 소비자들은 ChatGPT·Perplexity·Claude 같은 챗봇이 단순히 추천 링크를 주면서 조사를 해주는 것을 넘어서 여러 웹사이트를 읽고 요약·비교·추천까지 해 주는 동시에 원한다면 결제·주문까지도 대신해 주기를 원하고 있습니다.

 

Google의 AI Overview(왼쪽), 그리고 첫 화면에서 더 이상 아무것도 하지 않는 소비자 비율(오른쪽) [1]

 

지난번에 소개했던 Comet 브라우저만 보더라도 이런 변화가 더 이상 먼 미래가 아니라, 이미 눈앞까지 다가왔다는 사실을 체감할 수 있습니다. 그래서 한 번의 클릭, 이른바 “딸깍!”만으로 검색과 의사결정을 끝내는 제로 클릭(Zero‑click) 패턴이 급증하고 있습니다. Google AI Overview는 그 추세를 명확하게 보여주고 있습니다. 사람들이 AI가 요약해 준 정보만으로도 원하는 정보를 거의 다 얻을 수 있게 되었죠. 저도 특별한 경우가 아니면 요리, 경제 트렌드, 상식 질문 등 AI Overview만 보고 더 넘겨보지 않는 경우가 많습니다. 여러분도 공감하시나요?

 

우리나라에서는 ChatGPT 사용이 압도적이며 성장세가 매우 가파른데요. 세계 통계를 보더라도 2025년 12월 기준 매주 약 9억 명의 사용자가 ChatGPT를 이용하는 것으로 집계됩니다. 주간(Weekly Active Users) 기준으로 9억 명이라는 수치는, 검색 중심에서 AI 대화 중심으로 사용자의 행동이 얼마나 빠르게 이동하고 있는지를 잘 보여 줍니다. 참고로 국내에서 가장 많이 사용하는 검색 엔진인 네이버의 월간 이용자 수(MAU)는 약 4,500만 명 수준입니다.

 

이처럼 생성형 AI 기반 서비스의 영향력이 커지면서, 이들이 내놓는 답변 안에서 우리 브랜드가 얼마나 자주, 얼마나 길게, 얼마나 긍정적으로 언급되는지가 점점 더 중요해지고 있습니다. 이런 맥락에서 떠오른 개념이 바로 GEO, 즉 생성형 엔진 최적화(Generative Engine Optimization, GEO)입니다. 유사한 개념으로 AEO(Answer Engine Optimization)가 함께 언급되기도 하지만, 실무적으로는 거의 같은 맥락에서 쓰이기 때문에 이 글에서는 GEO라는 용어로 통일해서 설명하겠습니다.

 

GEO, SEO, AEO의 차이 / 출처: Digital Insight

 

그렇다면 전통적으로 다루어 온 SEO(Search Engine Optimization)와 GEO는 어떻게 다를까요? SEO는 구글이나 네이버 같은 검색 엔진에서 검색 결과 순위를 올리는 것을 목표로 합니다. 특정 쿼리, 즉 사용자의 검색어에 대해 브랜드의 상위 노출 가능성을 높이고, 결국 사이트로 유입되는 트래픽을 확보하는 것이 핵심이었습니다.

 

반면 GEO(Generative Engine Optimization)는 “검색 결과 페이지의 순위”가 아니라, AI가 생성한 답변 안에서의 인용과 노출을 최적화하는 것을 목표로 합니다. 생성형 엔진은 여러 문서를 RAG(Retrieval‑Augmented Generation) 방식으로 불러와 LLM이 자연어로 재구성하기 때문에, 단순 키워드 일치보다는 문서의 의미 구조, 인용 가능성, 통계와 출처의 밀도 같은 신호를 더 중시하는 경향을 보입니다.

 

정리하면, SEO가 “검색 결과에서 몇 위인가”를 겨냥한다면 GEO는 “AI 답변 안에서 내 콘텐츠가 얼마나 자주, 얼마나 앞에서, 얼마나 길게 인용되는가”를 겨냥하는 전략입니다.

 

GEO는 어디서 나온 말일까?

 

GEO처럼 영향력이 큰 개념이 등장하면, 보통 그 개념을 처음 언급한 사람이 누구인지, 그 이론을 체계화하고 발전시킨 연구가 무엇인지가 자연스럽게 논의됩니다. 특히 학계에서는 누군가의 아이디어를 무단으로 가져가는 표절을 막기 위해, 이렇게 기원과 선행연구를 인용하는 일을 매우 중요하게 여깁니다.

 

그런데 최근 변화 속도가 워낙 빠른 탓인지, GEO의 기원을 위키피디아 같은 곳에서도 명확하게 찾기 쉽지 않았습니다. 그러던 중 Google Scholar 기준으로 GEO를 가장 먼저 본격적으로 정의하고 분석한 연구로, 2023년에 인도의 IIT 델리와 미국 프린스턴 대학교 연구진이 발표한 “GEO: Generative Engine Optimization” 논문을 확인할 수 있었습니다. 제가 지금까지 알아본 바로는 GEO 관련 연구의 시초이자 현재까지 가장 많이 인용된 핵심 논문입니다(정정이 필요하면 꼭 저에게 연락 주세요).

 

이 글은 웹진 형식이기 때문에, 논문 전체를 상세히 리뷰하기보다는 실무적으로 바로 활용할 수 있는 인사이트 위주로 간단히 정리해 보겠습니다.

 

논문 간단 리뷰: GEO 성과의 핵심

 

이 논문에서는 GEO의 효과를 측정하기 위해 두 가지 핵심 지표를 제안합니다. 단어들을 단순 번역을 하면 필연적으로 용어의 혼선이 생기기에 영어로 표기함을 양해 부탁드립니다.

 

첫 번째! “얼마나 많이·앞에서·오래 인용되었는가” — Position‑Adjusted Word Count입니다

 

간단히 말해, 특정 출처가 생성형 엔진의 답변 안에서 얼마나 많이, 얼마나 앞에서, 얼마나 오래 인용되었는지 를 하나의 수치로 보는 지표입니다. 출처가 인용된 문장들의 단어 수를 합산하고, 응답의 앞부분에 등장하는 문장에는 더 높은 가중치를 부여하는 방식으로 계산합니다.

 

두 번째는 “사용자가 중요하게 느끼는가” — Subjective Impression입니다.

 

LLM 기반 평가 방법론인 G‑Eval을 활용해, 한 출처가 사용자의 관점에서 얼마나 중요한 인상을 남겼는지를 일곱 가지 하위 요소로 점수화한 지표입니다. 생성된 답변 속에서 그 출처가 얼마나 자주 언급되는지, 사용자의 쿼리와 얼마나 관련이 높은지, 제공하는 정보가 얼마나 고유한지, 클릭 가능성은 어느 정도인지 등 일곱 가지 항목을 세분화해 평가합니다.

 

정리하면, Position‑Adjusted Word Count는 “보이는 양과 위치”를, Subjective Impression은 “사용자가 느끼는 중요도와 매력도”를 측정하는 지표라고 이해할 수 있습니다.

 

연구진은 위 두 지표를 기준으로, GEO에서 중요하다고 판단한 아홉 가지 방법을 설계하고 그 효과를 비교했습니다.

 

1. Authoritative: 텍스트의 톤을 더 설득적이고 권위적인 스타일(authoritative tone)로 바꾸는 방법입니다.

2. Statistics Addition: 가능한 경우 정성적 표현을 정량적 통계로 치환해, 숫자·통계(statistics)를 추가하는 방법입니다.

3. Keyword Stuffing: 전통적인 SEO처럼 쿼리의 키워드를 반복적으로 삽입해(keyword stuffing) 키워드 밀도를 높이는 방법입니다.

4. Cite Sources: 관련된 외부 출처 인용(citations)을 본문에 추가하는 방법입니다.

5. Quotation Addition: 신뢰할 만한 출처의 직접 인용(quotations)을 삽입하는 방법입니다.

6. Easy‑to‑Understand: 전체 문장을 더 쉽게 읽히도록 난이도를 낮추는(simplify language) 방법입니다.

7. Fluency Optimization: 문법과 유창성을 개선해 문장의 흐름(fluency)을 매끄럽게 만드는 방법입니다.

8. Unique Words: 희귀 단어(unique words)를 더 많이 포함하도록 수정하는 방법입니다.

9. Technical Terms: 가능한 한 전문 용어(technical terms)를 더 많이 포함하도록 바꾸는 방법입니다.

 

가장 눈에 띄는 성과를 낸 방법은 Cite Sources, Quotation Addition, Statistics Addition 세 가지였습니다.

 

세 방법 모두 Position‑Adjusted Word Count 기준으로 30~40%, Subjective Impression 기준으로 15~30%의 상대적 개선(relative improvement)을 보여 주었습니다.

 

즉, 출처 인용을 추가하고(Cite Sources), 신뢰할 만한 인물·문헌의 인용구를 넣고(Quotation Addition), 구체적인 숫자·통계를 제시하는 것(Statistics Addition)만으로도, 생성형 엔진 응답 안에서 해당 출처가 차지하는 비중을 크게 올릴 수 있다는 의미입니다.

 

재미있는 점은 어떤 도메인(분야)의 글인지에 따라서도 중요 요소가 달랐다는 것입니다.

 

Authoritative는 토론형 질문과 역사(Historical) 도메인에서 특히 큰 효과를 보였습니다.

 

인용(Cite Sources)은 사실에 기반한 질문(factual questions)에서 특히 좋은 성과를 보여, 생성형 엔진이 검증 가능한 출처의 존재를 강하게 신호로 사용하는 것으로 해석할 수 있습니다.

 

통계 추가(Statistics Addition)는 법·정부(Law & Government) 도메인과 Opinion 유형 질문에서 두드러진 효과를 보였습니다.

 

인용 추가(Quotation Addition)는 People & Society, Explanation, History 도메인에서 가장 강력한 개선을 보였으며, 인물·사회·역사 서술에서 신뢰할 만한 직접 인용이 설득력을 크게 높여준다는 직관과도 맞아떨어집니다.

 

즉 GEO에는 “만능 공식”이 존재하지 않고, 도메인·질문 유형에 따라 가장 효율적인 방법을 찾아야 한다는 것이 핵심입니다.

 

결국 답은 “사람이 좋아하는 콘텐츠”입니다

 

여기까지 정리하고 나면, 논문이 말하는 좋은 GEO 전략이 사실 사람이 읽기에 좋은 글이 갖추어야 할 기본 요소와 크게 다르지 않다는 점이 보입니다. LLM을 이용해 이 요소들을 자동 평가한다는 점만 다를 뿐, 질문에 얼마나 잘 답하고 있는지, 새로운 인사이트를 주는지, 읽는 흐름이 자연스러운지, 클릭해 보고 싶은 매력이 있는지 등을 함께 본다는 점에서 인간의 판단과 거의 겹친다 고 볼 수 있습니다.

 

구글에서 이전부터 강조해 온 E‑E‑A‑T(Experience, Expertise, Authoritativeness, Trustworthiness) 원칙까지 더하게 된다면 GEO 성과가 훨씬 더 좋아지겠죠!

 

이런 특성을 고려했을 때, 저는 한 가지 아이디어를 제안하고 싶습니다.

 

바로 “역설계(reverse engineering)”를 통해 GEO에 우리 브랜드가 인용될 수 있는 체계를 만드는 것입니다. 각 서비스의 랭킹 알고리즘도 공개되어 있지 않고, LLM이 답변을 조합하는 방식이 해당 서비스를 만드는 연구진에게 조차도 블랙박스에 가깝기 때문입니다.

 

그 방법은 즉, 아래의 예시와 같이 여러 AI 서비스들을 직접 테스트하면서 목표로 하는 쿼리를 던져 보고, 그에 대한 답변과 인용 구조를 보면서 어떤 부분을 보강할지를 찾는 것입니다.

• 어떤 질문에서 우리 브랜드가 전혀 언급되지 않는지,
• 어떤 경쟁사 페이지가 반복적으로 인용되는지,
• 그 페이지가 통계·인용·FAQ·구조화 등을 어떻게 활용하고 있는지

이런 부분을 시스템적으로 관찰하면서, 콘텐츠 구조와 내용을 조정해 나가는 접근이 필요합니다.

 

MIT에서 공개한 마케터를 위한 “5분 만에 끝내는 GEO 진단 도구”

 

MIT에서 공개한 GEO SEO 진단 도구 / 출처: 최하단 출처 링크 참고

 

GEO를 역설계해서 진단하는 이 모든 작업을 사람이 수작업으로 수행하기에는 여러 가지 어려움이 있습니다.

• 평가 기준이 객관적인가?
• 분석 결과를 신뢰할 수 있나?
• 다양한 LLM과 AI 서비스를 매번 일일이 확인하는 데 드는 시간과 전문성의 부담

 

정말 감사하게도 MIT(Massachusetts Institute of Technology) 연구진이 이 도구를 직접 만들어서 오픈소스로 공개해 주었습니다 [2]. Claude Code(클로드 코드)를 쓴다면 무료로 이용할 수 있고, 분석 방식이나 결과도 투명하게 모두 공개되어 있어서 굉장히 유용합니다(사내에서 허탁성 선임이 공유해 준 자료입니다).

 

이 도구는 특정 URL 하나만 입력하면, AI 검색 엔진(ChatGPT, Perplexity, Claude 등)에서의 인용 가능성을 중심으로 전체 GEO·SEO 상태를 분석하는 기능을 제공합니다. 여러 URL을 한 번에 분석할 수도 있고, 영어와 한국어를 포함해 다양한 언어로 리포트를 생성할 수 있습니다.

 

리포트까지 자동 생성되는 도구(한글로도 가능)

각 생성형 AI 서비스를 타겟으로 진단을 내려주고 개선이 필요한 점을 상세하게 기술

 

초기 세팅만 마치면 한 번 진단하는 데 걸리는 시간은 대략 5분 이내입니다. 그 안에

• 콘텐츠의 인용 가능성(citability),
• AI 크롤러 접근성,
• 구조화 데이터와 스키마 마크업,
• 도메인별 강·약점

같은 요소를 한 번에 점검해 주기 때문에, 전문적인 GEO 진단을 매우 적은 비용으로 반복 수행할 수 있는 환경을 만들어 줍니다.

 

마무리: “AI가 읽는 브랜드”를 지금부터 설계해 보시기 바랍니다

 

이제 사용자는 검색창에 키워드를 치고 링크를 하나씩 클릭하는 대신, AI에게 질문을 던지고 그 안에서 바로 비교·추천·구매까지 끝내고 있습니다. 브랜드 입장에서는 “검색 결과 몇 위인가”보다, “AI가 우리를 어떻게 이해하고 설명하고 있는가”가 훨씬 더 중요한 질문이 되었습니다.

 

프린스턴·IIT 델리 논문이 보여준 것처럼, GEO의 본질은 거창한 트릭이 아니라 근거가 탄탄하고, 읽기 쉬우며, 인용 가능한 콘텐츠를 얼마나 잘 쌓아 두었는가에 있습니다. 여기에 MIT의 클로드 코드 기반 진단 도구와 지난 칼럼에서 말씀드렸던 Comet 브라우저 [3] 같은 에이전틱 리서치 툴을 더하면, GEO는 더 이상 추상적인 개념이 아니라 “오늘부터 바로 시도해 볼 수 있는 마케팅 오퍼레이션”으로 바뀝니다.

 

지금 우리 브랜드가 AI 답변 안에서 어떻게 보이고 있는지, 어떤 쿼리에서 전혀 등장하지 않는지, 어떤 경쟁사가 앞서 나가고 있는지 한 번 점검해 보시기 바랍니다. 그 과정을 시작하는 것만으로도, 이미 많은 브랜드가 아직 손도 대지 못한 “AI 가시성(AI visibility)” 영역에서 한발 먼저 나아가는 일이 될 것입니다!

 

참고문헌

[1] Susie Marino (2026). Google AI Overviews: 34 Stats & Facts You Can’t Scroll Past. https://www.wordstream.com/blog/google-ai-overviews-statistics

[2] Andreash (2026). SEO & GEO Consultant Plugin for Claude Code. https://github.com/AndreasH96/seo-geo-consultant

[3] 이충헌 (2026). [AI 이야기] 마케터를 위한 AI 브라우저 실전 가이드: Comet으로 업무 효율 10배 높이기. https://blog.hsad.co.kr/3707

 

이충헌 박사의 AI 트렌드와 인사이트 2026.01