F&B GEO(생성형 엔진 최적화)는 "이 근처 조용한 파스타집 있어?" 같은 질문에 챗GPT나 제미나이가 답할 때, 우리 매장이 그 추천에 인용되도록 리뷰·리스팅·메뉴 데이터를 정비하는 작업입니다. 새 마케팅 채널을 하나 더 여는 일이라기보다, AI가 읽는 가게 정보의 원장을 관리하는 일이에요.
핵심은 세 가지입니다. 로컬 추천에 AI를 쓰는 소비자가 1년 만에 6%에서 45%로 늘었고, AI 추천에는 플랫폼별 별점 하한선이 존재하며, 음식점 인용의 41% 이상이 자체 홈페이지가 아니라 리스팅·리뷰 플랫폼에서 나옵니다. 그래서 실행 순서는 콘텐츠 제작이 아니라 리뷰·리스팅 정비부터예요.
외식업 고객 문의가 늘어서, 서치폴라리스가 산업별 가이드 시리즈의 F&B 편으로 정리했습니다.
빠르게 훑으면 이렇습니다.
- 로컬 비즈니스 추천에 AI를 쓰는 소비자가 1년 새 6%에서 45%로 늘었습니다
- 미국 외식 소비자 22%는 이미 AI로 음식점을 골라봤어요
- 그런데 음식점 매장의 83%는 AI 추천 답변에 아예 등장하지 않습니다
- 업종 공통 원칙은 산업별 GEO 가이드에 있어요
맛집 검색이 옮겨가는 속도가 다릅니다
외식은 로컬 검색의 최대 카테고리라 이동 속도가 다른 업종보다 빠릅니다. BrightLocal의 2026 조사에서 로컬 비즈니스 추천에 AI를 쓰는 소비자는 45%로, 1년 전 6%에서 급증했어요. DoorDash가 소비자 3,001명에게 물었을 때는 22%가 AI로 음식점을 골라본 경험이 있다고 답했습니다.
한국도 같은 방향입니다. SOCI의 2025 로컬 검색 리포트 기준으로 브랜드명 없이 "근처 ○○" 식으로 검색하는 소비자가 42%까지 늘었고, 91%는 방문 전에 리뷰를 참고해요. 국내 언론도 Z세대가 챗GPT로 맛집을 찾는 변화를 짚기 시작했습니다.
문제는 공급 쪽이 전혀 준비가 안 됐다는 겁니다. Uberall의 2026 조사에서 음식점 매장의 83%가 AI 추천 답변에 한 번도 등장하지 않았어요.
손님은 이미 와 있는데 가게 대부분이 지도에 없는 상태입니다.
AI는 리뷰 원장을 보고 가게를 고릅니다
식당 주인들이 가장 많이 오해하는 지점이 여기예요. AI 추천은 홈페이지 콘텐츠 싸움이 아니라 리뷰·리스팅 데이터 싸움입니다. Yext 분석으로 음식점 AI 인용의 41% 이상이 구글 비즈니스 프로필, 옐프, 트립어드바이저 같은 리스팅·리뷰 플랫폼에서 나옵니다. 홈페이지는 그다음이에요.
별점에는 사실상 커트라인도 있습니다. Bloom Intelligence가 정리한 플랫폼별 추천 하한선을 보면 기준이 생각보다 높아요.
| AI 플랫폼 | 추천 별점 하한선 | 특징 |
|---|---|---|
| 챗GPT | 약 4.3점 | 가장 보수적, 리뷰 볼륨도 함께 봄 |
| 퍼플렉시티 | 약 4.1점 | 출처 명시형, 리뷰 텍스트 인용 잦음 |
| 제미나이 | 약 3.9점 | 구글 리뷰·지도 데이터 의존 |
4.0점 아래로 내려가면 광고비를 아무리 써도 AI 추천 후보에서 빠진다는 뜻입니다. 은행 대출 심사와 비슷해요. 신용점수(리뷰 원장)가 기준 미달이면 서류(콘텐츠)를 아무리 잘 써도 심사대에 못 올라갑니다.
~~그동안 리뷰 이벤트를 미뤄온 대가를 여기서 치릅니다.~~
그래서 우리는 F&B 고객사에 콘텐츠보다 리뷰 운영을 먼저 권합니다. 응답률을 높이고, 부정 리뷰에 답하고, 구글 비즈니스 프로필과 네이버 플레이스의 영업시간·메뉴·가격을 최신으로 맞추는 것. 화려하진 않지만 이게 AI 시대의 간판 관리예요.
한국 매장의 실행 구조: 플랫폼 정비 후 스키마
리뷰 데이터가 정리됐다면 다음은 AI가 메뉴를 읽게 만드는 단계입니다. 메뉴판 이미지만 올려둔 가게가 국내엔 대부분인데, AI는 이미지 속 글자를 신뢰할 수준으로 읽지 못해요. 홈페이지가 있다면 메뉴명·가격·설명을 텍스트로 싣고 Restaurant와 Menu 스키마를 얹습니다. 마크업 방법은 구조화 데이터 가이드에 있어요.
질문이 구어체라는 점도 활용 지점입니다. "아이 데리고 가기 좋은", "주차 되는", "혼밥 가능한" 같은 조건이 실제 질문 단위라서, 그 문장을 그대로 FAQ 헤딩으로 쓰고 두세 문장으로 답하는 페이지가 인용에 유리합니다. 상권 단위 로컬 전략의 큰 그림은 여행·호텔 GEO 가이드와 구조가 같아요.
솔직한 경계도 필요합니다. 배달 비중이 절대적인 업장에는 GEO 우선순위를 낮게 잡으라고 말해요. 손님의 선택이 배민·쿠팡이츠 앱 안에서 끝나면 AI 검색이 개입할 자리가 작습니다. 그리고 Yelp 조사에서 Z세대의 43%만이 음식점 AI 요약을 신뢰한다고 답했어요. AI 채널은 아직 보조 엔진이지 주력 엔진이 아닙니다. 네이버 플레이스와 인스타그램을 유지한 채 얹는 구조가 현실적이에요.
아직 확실하지 않은 것도 있습니다. 배달앱 리뷰 데이터가 국내 AI 추천에 얼마나 반영될지는 공개된 근거가 부족해요. 다만 어느 쪽이든 리뷰 기록과 텍스트 메뉴는 그대로 재사용되는 자산입니다.
식당 장사는 원래 단골의 입소문 장사였습니다. 이제 그 입소문을 가장 많이 옮기는 단골이 사람이 아니라 AI가 됐을 뿐이에요. AI 단골에게 잘 보이는 방법은 하나, 읽을 수 있는 기록을 남기는 것입니다.
자주 묻는 질문
Q: 외식업에서 GEO는 무엇을 뜻하나요?
생성형 엔진 최적화(Generative Engine Optimization)입니다. 맛집 추천 질문에 챗GPT 같은 AI가 답할 때 우리 매장이 인용되도록 리뷰·리스팅·메뉴 데이터를 정비하는 작업이에요. 지도 위치 정보(geo)와는 다른 개념이지만, 외식업에서는 지역 기반 데이터 정비와 상당 부분 겹칩니다.
Q: 실제로 AI로 음식점을 고르는 사람이 많나요?
미국 기준 외식 소비자의 22%가 AI로 음식점을 골라봤고, 로컬 추천에 AI를 쓰는 소비자는 1년 만에 6%에서 45%로 늘었습니다. 반면 음식점 매장의 83%는 AI 추천 답변에 아예 등장하지 않아서, 준비된 소수가 노출을 독식하는 구간이에요.
Q: 작은 동네 식당은 무엇부터 해야 하나요?
리뷰 관리부터입니다. AI 플랫폼별 추천 별점 하한선이 약 3.9~4.3점이라 별점과 리뷰 볼륨이 기본 자격 요건이에요. 구글 비즈니스 프로필과 네이버 플레이스의 영업시간·메뉴·가격을 최신으로 맞추고, 메뉴는 이미지가 아니라 텍스트로 올리는 것이 다음 단계입니다.
