AEO·GEO 가 뭔가 — 「AI 검색 최적화」라는 말의 실체

치과로 들어오는 마케팅 제안서에 「AEO」, 「GEO」, 「AI 검색 최적화」라는 낱말이 거의 빠지지 않습니다. 문제는 같은 낱말을 쓰는 두 업체가 서로 다른 일을 팔고 있는 경우가 많다는 점입니다. 한쪽은 홈페이지 글을 다시 쓰는 일을 말하고, 다른 쪽은 파일 하나를 서버에 올리는 일을 말합니다. 이 글은 그 낱말들이 각각 무엇을 가리키는지 정리하고, 지금 공개된 자료로 확인되는 것과 아직 확인되지 않은 것을 가릅니다. 효과를 약속하는 글이 아닙니다. 제안서를 받았을 때 무엇을 되물어야 할지 판단할 재료를 드리는 것이 목적입니다.

네 낱말을 먼저 갈라 둡니다

돌아다니는 낱말은 넷입니다. SEO, AEO, GEO, LLMO. 이 중 SEO 만 오랜 역사와 검색엔진 자체의 공개 문서를 함께 갖고 있습니다. 나머지 셋은 최근 몇 년 사이에 만들어진 말이고, 그중 하나만 출처가 분명합니다.

중요한 사실부터 말씀드리면, AEO 와 LLMO 에는 정의를 관리하는 주체가 없습니다. 표준 기구도, 발표 문서도 없습니다. 업체가 자기 서비스 범위를 설명하기 위해 쓰는 말입니다. 그래서 「AEO 월 OO만원」이라는 두 견적을 낱말만 보고 비교할 수 없습니다. 같은 값에 전혀 다른 일이 들어 있을 수 있습니다.

겹치는 부분이 생각보다 큽니다. 넷 모두 「우리 페이지가 크롤되고 색인돼 있어야 한다」는 전제를 공유합니다. 다른 부분은 그 다음입니다. 답변 영역과 생성형 답변은 사람이 클릭하는 화면이 아니라 모델이 요약하는 화면이고, 그 요약 과정은 어느 서비스도 전부 공개하지 않았습니다.

GEO 라는 말의 출처를 따라가 보면

넷 중 GEO 는 출처를 짚을 수 있습니다. Aggarwal 등이 쓴 GEO: Generative Engine Optimization 논문이고, KDD 2024 에 실렸습니다. 이 논문이 용어를 만들었습니다.

논문 초록은 자신들의 방법으로 생성형 답변 내 가시성을 최대 40%까지 끌어올렸다고 보고합니다. 제안서에서 보게 되는 「논문으로 입증된」이라는 문구의 출처가 대개 이 숫자입니다. 그런데 초록을 끝까지 읽으면 그 측정이 저자들이 직접 만든 벤치마크(GEO-bench) 안에서 이뤄졌다고 적혀 있습니다. ChatGPT 나 구글 검색 같은 상용 서비스에서 같은 수치가 재현됐다는 내용이 아닙니다. 논문 자신이 생성형 엔진을 블랙박스라고 규정하고 출발합니다.

이것이 이 논문을 깎는 말은 아닙니다. 연구는 자기 범위를 정확히 적었습니다. 깎아야 하는 쪽은 그 범위를 지우고 숫자만 가져오는 제안서입니다. 제안서에 퍼센트가 적혀 있으면 그 숫자가 어느 문서의 몇 쪽이고 무엇을 대상으로 측정된 값인지 물으십시오. 벤치마크 안의 값과 우리 병원 홈페이지에서 기대할 값은 다른 종류의 숫자입니다.

「AI 검색」은 하나가 아닙니다

여기가 이 글의 핵심입니다. 업체가 「AI 검색 최적화」라고 말할 때, 그 말이 가리킬 수 있는 화면이 최소 네 개 있습니다. 구글 검색 안의 AI 요약, ChatGPT, Gemini, Perplexity 입니다. 네 서비스는 답을 만드는 방식도, 사이트 주인이 손댈 수 있는 지점도, 성과를 확인할 창구도 서로 다릅니다.

OpenAI 문서에서 눈여겨볼 대목이 하나 있습니다. OAI-SearchBot 을 차단한 사이트는 ChatGPT 검색 답변에 표시되지 않는다고 적혀 있습니다. 즉 「막으면 안 나온다」는 문서화돼 있고, 「허용하면 더 나온다」는 문서화돼 있지 않습니다. 이 비대칭이 지금 이 분야의 상태를 가장 정확하게 보여 줍니다. 차단 스위치는 공개됐고, 노출을 올리는 스위치는 공개된 것이 없습니다.

업체에 먼저 물어야 할 질문 하나

그래서 제안서를 받으면 첫 질문은 이것입니다. 「지금 말씀하시는 AI 검색이 어느 화면입니까.」

답이 「전부입니다」라면 두 번째 질문으로 넘어가십시오. 「그 넷을 각각 무엇으로 측정해 보고하십니까.」 위 표에서 보신 대로 공개 창구가 있는 쪽은 구글 하나입니다. 나머지 셋을 측정한다는 말은 질문을 반복해 넣어 답을 모으는 방식을 뜻합니다. 그 방식 자체는 잘못이 아니지만, 측정 조건이 고정돼 있지 않으면 월마다 다른 숫자가 나옵니다.

세 번째 질문은 조건입니다. 「그 측정을 어느 계정, 어느 위치, 어느 기기에서 하십니까.」 로그인 상태와 대화 이력, 접속 위치가 답을 바꿀 수 있습니다. 업체 담당자의 노트북에서 찍은 화면이 우리 환자의 휴대폰 화면과 같다고 보장할 근거가 없습니다.

치과처럼 지역을 고르는 질문은 결이 다릅니다

「임플란트 수명이 얼마나 됩니까」와 「분당에서 교정 잘하는 치과 알려 주세요」는 같은 질문이 아닙니다. 앞쪽은 지식을 묻고, 뒤쪽은 지역 안의 업체를 골라 달라고 요청합니다. 뒤쪽 질문에 AI 가 답할 때는 업체 목록이나 지도 카드가 함께 나오는 모습을 보게 됩니다.

여기서 비율이나 횟수를 적지 않겠습니다. 서비스가 수시로 바뀌고, 한 사람이 한 번 본 화면은 근거가 되지 못합니다. 다만 방향을 짚는 공개 기술은 하나 있습니다. 구글은 위에 링크한 자사 가이드에서 Google Business Profile 같은 제품을 쓰면 AI 응답과 다른 검색 결과 양쪽에서 상품·서비스가 보이는 데 도움이 될 수 있다고 적었습니다. 효과의 크기를 밝힌 수치는 아니고, 구글이 자기 문서에 적은 권유입니다.

실무로 옮기면 순서가 이렇게 됩니다. 홈페이지 문장을 다시 쓰는 일보다, 비즈니스 프로필과 네이버 플레이스의 기본 정보가 맞는지 확인하는 일이 앞입니다. 진료시간, 휴진일, 주소, 전화번호, 주차 안내, 진료 항목 같은 것들입니다. 이것은 AI 와 무관하게도 환자가 직접 보는 정보라서, 틀려 있으면 그 자체로 손실입니다.

직접 확인하는 절차

읽는 것보다 확인하는 쪽이 빠릅니다. 30분이면 됩니다.

1. 질문 다섯 개를 적습니다. 지역과 진료를 함께 묻는 것, 지역만 묻는 것, 우리 병원 이름을 직접 묻는 것, 두 병원을 비교해 달라는 것, 비용을 묻는 것 각각 하나씩입니다.
2. 같은 질문을 ChatGPT, Gemini, 구글 검색, Perplexity 에 그대로 넣습니다. 문장을 바꾸지 않습니다. 바꾸면 비교가 깨집니다.
3. 답에서 네 가지를 셉니다. 병원 이름이 몇 개 나왔는지, 지도나 업체 목록이 함께 떴는지, 링크가 붙었는지, 그 링크가 병원 홈페이지인지 블로그·카페·언론 기사인지입니다.
4. 같은 질문을 다음 날 다시 넣습니다. 답이 그대로인지 봅니다. 여기서 대부분의 과장이 걸러집니다.
5. 로그인하지 않은 창에서 한 번 더 합니다. 다른 기기로도 해 봅니다.
6. 화면을 캡처하고 날짜와 조건을 함께 적어 둡니다.

6번이 가장 중요합니다. 이 기록이 앞으로 받을 업체 리포트의 유일한 대조군입니다. 지금 기록을 남겨 두지 않으면, 반년 뒤에 「많이 좋아졌습니다」라는 말을 검증할 방법이 없습니다. 반대로 기록이 있으면, 업체가 손대기 전과 후를 같은 조건으로 놓고 볼 수 있습니다. 한 번의 결과로 결론을 내리지 않는 것도 같이 지켜 주십시오.

llms.txt — 제안이고, 쓴다고 밝힌 곳은 없습니다

llms.txt 는 사이트의 주요 내용을 마크다운으로 정리해 루트에 두자는 제안입니다. 명세는 llmstxt.org 에 공개돼 있고 2024년에 나왔습니다. 모델이 사이트를 읽기 쉽게 하자는 취지입니다.

확인된 것은 여기까지입니다. 파일 형식 제안이 공개돼 있다는 것, 그리고 적지 않은 사이트가 실제로 올려 두었다는 것입니다. 확인되지 않은 것은 주요 AI 서비스가 이 파일을 읽어 답변이나 인용에 쓴다는 점입니다. 네 서비스의 사이트 주인용 공개 문서는 크롤러 이름과 robots.txt 취급을 다루고, llms.txt 를 읽는다는 기술은 들어 있지 않습니다.

구글은 한 걸음 더 나아가 자기 가이드에 적었습니다. llms.txt 류 파일을 만들어 유지하는 것은 전혀 문제가 없으며, 다만 사이트 가시성에 해도 도움도 되지 않는다는 문장입니다. 같은 문서가 구글 검색의 생성형 AI 기능에 나오기 위해 새로운 기계 판독용 파일이나 마크다운을 만들 필요가 없다고도 적었습니다.

정리하면 llms.txt 는 올려 두어 손해 볼 파일이 아니고, 비용도 거의 없습니다. 경계할 쪽은 그것을 핵심 산출물로 값을 매긴 견적입니다.

구조화 데이터 — 쓸 이유는 있고, AI 인용은 다른 이야기입니다

구조화 데이터는 schema.org 어휘로 페이지의 사실을 기계가 읽을 수 있게 표시하는 것입니다. 치과라면 업종·주소·진료시간, 자주 묻는 질문, 의료진 정보 같은 항목이 해당합니다.

확인된 것은 검색 결과의 리치 결과입니다. 구글은 어떤 유형에 어떤 표시가 필요한지 유형별 문서로 공개하고 있고, 요건을 맞추면 결과 화면의 모양이 달라질 수 있습니다. 여기는 근거가 분명한 영역입니다.

확인되지 않은 것은 구조화 데이터가 AI 답변의 인용을 늘린다는 주장입니다. 구글 가이드는 구조화 데이터가 생성형 AI 검색에 필요하지 않고 추가해야 하는 특별한 schema.org 마크업도 없다고 적었습니다. 다만 같은 문장이 전체 SEO 전략의 일부로는 계속 쓰는 것이 좋다고 덧붙입니다. 두 문장을 함께 읽어야 합니다. 구조화 데이터는 다른 이유로 할 만한 일이고, AI 인용을 사는 수단으로 팔린다면 근거를 물어야 합니다.

치과에서 한 가지 더 주의할 점이 있습니다. 구조화 데이터는 화면에 실제로 보이는 내용과 일치해야 합니다. 받은 적 없는 평점이나 없는 리뷰를 표시로 넣는 것은 검색엔진 정책 위반이고, 의료광고에 거짓·과장 표현을 금지한 의료법 제56조와도 부딪칠 수 있습니다. 업체가 평점 표시를 넣겠다고 하면 그 숫자의 출처가 어디인지 확인하십시오.

robots.txt — 막는 스위치이고, 올리는 스위치가 아닙니다

robots.txt 는 크롤러에게 접근 범위를 알리는 파일이고, RFC 9309 로 표준화돼 있습니다. AI 와 관련해 지금 가장 확실하게 동작하는 지점이 여기입니다.

확인된 것들입니다. OpenAI 문서는 OAI-SearchBot 을 차단한 사이트가 ChatGPT 검색 답변에 표시되지 않는다고 적었습니다. 구글 문서는 Google-Extended 가 검색 포함 여부에 영향을 주지 않고 랭킹 신호로도 쓰이지 않는다고 적었습니다. Perplexity 문서는 PerplexityBot 을 막아도 도메인과 제목, 간단한 사실 요약은 노출될 수 있다고 적었습니다. 세 문서 모두 사용자가 직접 촉발한 요청에는 robots.txt 규칙이 적용되지 않을 수 있다는 단서를 달고 있습니다.

확인되지 않은 것은 허용 설정을 더 잘 써서 노출을 늘린다는 주장입니다. 공개 문서 어디에도 그런 기술이 없습니다. 방향이 한쪽입니다.

그래서 지금 할 일이 하나 생깁니다. 우리 사이트 주소 끝에 /robots.txt 를 붙여 열어 보십시오. 과거에 누군가 AI 크롤러를 전부 막아 두었다면, 그것을 발견하는 일이 어떤 최적화보다 앞섭니다. 홈페이지를 외주로 만들었다면 우리가 모르는 설정이 들어 있을 수 있습니다. 반대로 학습에 쓰이는 것을 원치 않는다면 막는 선택도 가능하고, 그 선택이 검색 노출에 어떤 영향을 주는지는 위 문서들에 적혀 있습니다.

지금 해도 손해 보지 않는 것

AI 가 어떻게 바뀌든 쓸모가 남는 일이 있습니다. 공통점은 환자가 직접 보는 정보이거나, 안 해 두면 다른 투자가 무의미해지는 일입니다.

돈 쓰기 전에 증거를 요구할 것

반대로 돈을 쓰기 전에 증거를 요구해야 하는 쪽은 이렇습니다. AI 전용이라고 주장하는 산출물, 특정 파일을 올리는 일을 핵심으로 내세운 견적, 보장이라는 낱말이 붙은 지표, 그리고 업체 계정 화면 캡처만으로 구성된 월 리포트입니다. 이쪽은 공개 문서로 뒷받침되지 않는 영역이라, 업체가 자기 근거를 제시해야 하는 자리입니다. 제시하지 못한다고 해서 거짓이라는 뜻은 아니지만, 우리 돈으로 검증해 줄 이유도 없습니다.

제안서에서 경계할 문구

아래 문구를 보면 멈추고 되물으십시오. 문구 자체가 사기라는 뜻이 아닙니다. 설명 없이 넘어가면 나중에 검증할 수 없게 되는 지점이라는 뜻입니다.

자주 묻는 질문

Q: 그래서 AEO 업체에 지금 돈을 써야 합니까

한 줄로 답할 수 없습니다. 대신 견적을 두 덩이로 가르십시오. 하나는 AI 가 없었어도 해야 했던 일입니다. 정보 정확화, 페이지 정리, 색인 점검, 사진 교체 같은 것들입니다. 다른 하나는 AI 전용이라고 주장하는 일입니다. 앞쪽이 대부분이면 값이 적절한지의 문제이고, 판단이 어렵지 않습니다. 뒤쪽이 대부분이면 증거의 문제이고, 그때는 위 표의 질문들을 그대로 쓰시면 됩니다.

Q: llms.txt 를 만들어 두면 손해입니까

손해는 아닙니다. 구글은 자기 가이드에서 만들어 유지하는 것이 문제 없으며 가시성에 해도 도움도 되지 않는다고 적었습니다. 파일 하나를 두는 비용은 작습니다. 경계할 것은 파일이 아니라 값입니다. 그 작업이 견적의 중심에 놓여 있다면, 왜 그것이 중심인지 설명을 들으십시오.

Q: ChatGPT 가 우리 병원 진료시간을 틀리게 말합니다

먼저 공개된 원본들을 전부 확인하십시오. 비즈니스 프로필, 네이버 플레이스, 홈페이지, 그 밖에 우리 정보가 올라간 곳입니다. 서로 다른 값이 떠돌고 있으면 모델이 어느 쪽을 읽었는지 알 수 없습니다. 원본을 맞춘 다음에는 각 서비스의 피드백 창구로 알리는 것 외에 사이트 주인이 쓸 수 있는 공개된 수정 경로가 없고, 언제 반영되는지도 보장되지 않습니다. 그래서 중요한 정보는 환자가 전화나 예약 화면에서 다시 확인할 수 있게 해 두는 쪽이 현실적입니다.

Q: 블로그를 더 많이 쓰면 AI 가 인용합니까

단정할 수 없습니다. 구글 가이드는 사람들이 고유하고 유용하다고 느끼는 콘텐츠를 만드는 일이, 그 가이드의 다른 어떤 제안보다 장기적으로 생성형 AI 검색에서의 노출에 영향을 줄 가능성이 높다고 적었습니다. 이것은 구글이 자기 문서에 적은 방향 안내이고, 글 한 편이 인용으로 이어진다는 보장은 아닙니다. 그리고 「많이」 쪽으로 읽으면 방향이 반대로 갑니다. 구글은 생성형 AI 로 만든 콘텐츠에 대한 안내를 따로 공개하고 있고, 사용자에게 가치를 더하지 않는 페이지를 대량으로 만드는 일이 스팸 정책 위반이 될 수 있다고 적었습니다.

Q: 「AI 노출 순위」를 광고 순위처럼 추적할 수 있습니까

구글 쪽은 Search Console 에 생성형 AI 성능 리포트가 들어왔다고 공지됐으므로, 우리 사이트 기준의 수치를 볼 창구가 있습니다. 나머지 셋은 사이트 주인용 공개 창구를 찾을 수 없고, 시중 도구는 질문을 반복해 넣어 답을 모으는 방식으로 대신합니다. 그 방식은 질문 목록, 시각, 계정과 위치 조건이 바뀌면 수치도 함께 바뀝니다. 그러니 숫자의 크기보다 측정 조건이 고정돼 있고 공개되는지를 보십시오. 광고 순위처럼 하나로 정해진 값이 있다고 읽지 않는 편이 안전합니다.