AI 검색 최적화 (GEO) 뉴스

Profound가 AI 봇의 활동과 Answer Engine을 통한 유입을 자동화된 에이전트로 관리할 수 있는 'Bot Visits' 및 'Human Referrals' 노드를 출시했습니다. 이를 통해 기업은 AI 봇의 인덱싱, 인용, 학습 활동을 추적하고, ChatGPT나 Perplexity 등에서 발생하는 유입 변화에 즉각적으로 대응하는 AEO(Answer Engine Optimization) 자동화 워크플로우를 구축할 수 있습니다.

키워드의 개념이 단순한 '단어 일치'에서 사용자의 '의도와 주제'를 나타내는 의미론적 단위로 진화하고 있습니다. 특히 AI 검색의 확산으로 인해 더욱 구체적이고 대화형인 롱테일 키워드의 중요성이 커지고 있으며, 특정 주제에 대한 깊이 있는 콘텐츠를 통해 '주제적 권위(Topical Authority)'를 구축하는 것이 핵심 전략이 되었습니다.

구글 머천트 센터 에이전시 기능의 글로벌 출시와 구글 디스커버의 새로운 기능 테스트 등 검색 생태계의 변화가 포착되었습니다. 특히 AI 검색 결과의 인용 안정성 문제와 AI 에이전트를 위한 HTML 구조화의 중요성이 부각되며, 검색 엔진 최적화(SEO)의 패러다임이 기술적 구조 중심으로 이동하고 있습니다.

기업들이 AI 검색 가시성을 확보하기 위해 AI 콘텐츠 대량 생성을 최우선 전략으로 채택하고 있으나, 저품질 콘텐츠의 무분별한 확산은 구글의 강력한 페널티로 이어지고 있습니다. 핵심은 AI를 단순 생성 도구가 아닌, 독창적인 데이터와 전문가의 통찰력을 결합하여 '비범용(Non-commodity) 콘텐츠'를 만드는 도구로 활용하는 것입니다.

위키피디아의 오래되거나 부정적인 정보가 ChatGPT, Google AI Overviews와 같은 AI 검색 엔진을 통해 대중에게 재확산되는 메커니즘을 다룹니다. 위키피디아의 '검증 가능성' 중심의 편집 원칙이 AI의 요약 기능과 결합하면서, 과거의 논란이 마치 새로운 사실인 양 증폭되는 리스크를 경고합니다.

ChatGPT, Perplexity, Google AI Overviews 등 주요 AI 엔진의 인용 데이터를 분석한 결과, 세 엔진 모두에서 공통적으로 인용되는 URL은 단 2.37%에 불과합니다. 이는 AI 검색 최적화(AEO)가 하나의 통합된 지표로 측정될 수 없으며, 각 엔진이 서로 다른 소스 풀을 사용하는 파편화된 구조임을 보여줍니다.

전통적인 검색 엔진 최적화(SEO)를 넘어, ChatGPT, Gemini, Perplexity와 같은 AI 검색 엔진에서 브랜드가 발견되게 만드는 'AI 가시성(AI Visibility)' 확보를 위한 9근 90일 전략을 다룹니다. 기업이 AI 시대의 새로운 검색 패턴에 맞춰 마케팅 엔진을 재구축하는 구체적인 프레임워크를 제시합니다.

AI 검색 엔진의 발전으로 사용자가 웹사이트를 방문하지 않고도 답변을 얻는 'Zero-Click' 시대가 도래하며 기존의 유기적 트래픽이 급감하고 있습니다. 이에 대응하기 위해 단순한 키워드 최적화(SEO)를 넘어, AI의 추천 엔진에 브랜드의 권위를 각인시키는 '생성형 엔진 최적화(GEO)' 전략이 필수적입니다.

AI 에이전트가 사용자의 질문을 여러 개의 하위 쿼리로 분해하여 검색하는 '팬아웃(Fan-out)' 현상으로 인해, 검색 결과의 클릭률(CTR)이 급감하고 '팬텀 임프레션(Phantom Impressions)'이 증가하고 있습니다. 이에 따라 단순 키워드 최적화를 넘어, AI 크롤러가 콘텐츠를 즉각적으로 이해할 수 있도록 서버 사이드 렌더링(SSR)과 기술적 구조를 최적화하는 새로운 SEO 전략이 필요합니다.

AI 검색 최적화(GEO) 플랫폼인 Profound가 자사의 Agent Analytics에 벤치마킹 기능을 도입했습니다. 이를 통해 기업들은 10만 개 이상의 페이지 데이터와 비교하여 자사 웹사이트의 AI 인용 성능이 경쟁사 대비 어느 정도 수준인지(Poor, Fair, Good, Great)를 정량적으로 파악할 수 있습니다.

Google 중심의 기존 SEO를 넘어, ChatGPT와 Perplexity 등 AI 검색 엔진에서의 웹사이트 가시성을 측정하는 'Free AI SEO Auditor'가 출시되었습니다. 이 도구는 오픈소스로 제공되며, AI 검색 최적화를 위한 즉각적인 수정 프롬프트까지 제공하여 웹사이트의 AI 검색 노출 능력을 극대화합니다.

Ahrefs의 최신 실험 결과, JSON-LD 스키마 마크업을 추가하는 것이 이미 AI에 의해 인용되고 있는 페이지의 인용 횟수를 유의미하게 증가시키지 못하는 것으로 나타났습니다. 기존에 스키마가 포함된 페이지가 AI 인용 비중이 높았던 것은 스키마 자체의 효과라기보다, 고품질 콘텐츠와 강력한 백링크를 보유한 사이트들이 스키마를 함께 사용하는 경향이 있기 때문이라는 분석입니다.

내부 링크 최적화는 검색 엔진 크롤러에게 사이트 구조와 페이지의 중요도를 알리는 핵심적인 SEO 전략입니다. 특히 AI 검색 시대에는 주제별 클러스터링을 통해 토픽 권위(Top적 권위)를 구축하는 것이 검색 노출과 LLM의 참조 소스로서의 가치를 결정짓는 결정적 요소가 됩니다.

Googlebot은 Headless Chromium을 통해 JavaScript를 렌더링하여 색인을 생성하지만, 많은 LLM 크롤러와 AI 검색 도구는 여전히 raw HTML만을 소비합니다. 따라서 JavaScript로만 생성되는 콘텐츠는 Google에는 보일 수 있어도 AI 기반 검색 도구에는 누락될 위험이 있습니다.

스키마 마크업(JSON-LD)을 추가하는 것이 AI 검색 엔진(ChatGPT, Google AIO 등)의 인용률을 높여준다는 기존의 믿음이 대규모 데이터 분석 결과 사실이 아닌 것으로 드러났습니다. Ahrefs의 연구에 따르면, 스키마 추가는 AI 인용량에 유의미한 상승을 가져오지 못했으며, 오히려 일부 플랫폼에서는 미미한 하락세가 관찰되었습니다.

검색 엔진의 패러다임이 링크 나열 방식(SEO)에서 AI가 직접 답을 생성하는 방식(AEO)으로 변화하고 있습니다. 이제 기업은 단순히 검색 결과 상단에 노출되는 것을 넘어, ChatGPT나 Perplexity 같은 AI 답변의 핵심 정보원으로 채택되기 위한 '답변 엔진 최적화(AEO)' 전략을 구축해야 합니다.

스키마 마크업은 검색 엔진이 웹페이지의 정보를 정확히 이해하도록 돕는 구조화된 데이터 코드로, 구글의 리치 결과(Rich Results)를 생성하여 클릭률을 높이는 핵심 기술입니다. 특히 최근에는 ChatGPT, Gemini와 같은 AI 에이통 및 AI 검색 환경에서 제품과 서비스를 추천하기 위한 필수적인 데이터 표준으로 역할이 확장되고 있습니다.

생성형 AI가 여행자의 초기 탐색 및 영감 단계에서 의사결정의 핵심 역할을 수행하며, 여행 유통의 패러다임이 '예약 단계의 전환(Demand Capture)'에서 'AI 추천 단계의 노출(Demand Creation)'로 이동하고 있습니다. AI 검색 결과에 포함되지 못한 호텔의 94%는 예약 단계에 진입하기도 전에 후보군에서 제외될 위기에 처해 있습니다.

Google의 Gemini, AI Overviews, Ask Maps와 같은 AI 기반 기술이 로컬 검색 방식을 근본적으로 변화시키고 있습니다. 이제 단순한 검색 순위 경쟁을 넘어, AI가 비즈니스를 정확히 이해하고 추천할 수 있도록 완성도 높은 비즈니스 프로필과 리뷰, 콘텐츠 데이터를 제공하는 것이 로컬 가시성 확보의 핵심입니다.

2026년 AI 검색 시대에 대응하기 위한 최적의 AI SEO 도구 7가지를 소개하며, 브랜드가 ChatGPT나 Google AI 등 AI 생성 답변에서 얼마나 노출되는지 추적하는 'AI 가시성(AI Visibility)'의 중요성을 강조합니다. Semrush를 필두로 한 도구들이 단순 키워드 순위를 넘어 AI 답변의 근거가 되는 웹 신호를 관리하는 데 핵심적인 역할을 할 것임을 시사합니다.