한줄 요약: GEO 전략은 AI 답변 엔진이 우리 문서를 후보로 회수하게 만드는 단계와, 회수된 문서 중에서 인용하도록 만드는 단계를 나눠 설계하는 작업입니다. 순서는 크롤러 접근 정책, 문서 구조, 문장 안의 근거, 측정 체계 순이고 이 순서를 바꾸면 앞 단계가 뒤 단계를 막습니다.
GEO 전략은 생성형 AI가 답변을 만들 때 우리 문서를 후보로 가져가게 하고, 가져간 문서 중에서 인용하도록 만드는 두 가지 일을 나눠 설계하는 작업입니다. 두 층은 필요한 작업이 완전히 다릅니다.
실행 순서는 크롤러 접근 정책, 문서 구조, 문장 안의 근거, 측정 체계 순입니다. 앞 단계가 막혀 있으면 뒤 단계 작업은 결과로 이어지지 않아요. 크롤러가 막힌 사이트에서 문장을 아무리 고쳐도 답변에 안 잡히는 이유가 여기 있습니다.
서치폴라리스가 국내 프로젝트에서 쓰는 순서를 공개 논문과 벤더 공식 문서에 대조해 정리했습니다.
이 글에서 다루는 내용: - 회수 단계와 인용 단계를 왜 나눠야 하는가 - 엔진별 크롤러 정책의 실제 차이 - 인용을 만드는 문장 요소와 역효과를 내는 요소 - 단계별로 결과가 보이기 시작하는 시점 - 한국 시장에서 순서가 달라지는 지점
로드맵을 두 층으로 나눠야 하는 이유
GEO를 한 덩어리 작업으로 보면 우선순위가 안 잡힙니다. AI가 답변을 만드는 과정이 두 단계라서 그래요.
첫 단계에서 엔진은 질문에 관련된 문서를 후보로 모읍니다. 검색 인덱스와 크롤링 데이터가 여기서 작동해요. 두 번째 단계에서 모인 문서 중 어떤 문장을 답변에 넣고 어디를 출처로 달지 고릅니다.
서류 심사와 면접 같은 구조입니다. 서류에서 걸러지면 면접 준비가 아무 의미가 없어요.
이 구분이 중요한 이유는 GEO 연구의 한계와 맞닿아 있습니다. GEO라는 개념을 정식화한 KDD 2024 논문 GEO: Generative Engine Optimization은 콘텐츠 가시성을 최대 40%까지 올릴 수 있다고 보고했습니다. 그런데 2026년 7월 공개된 GEO 비판적 서베이는 이 개선폭이 해당 소스가 이미 답변 컨텍스트에 포함된 조건에서만 유효하며, 자연 발견가능성이나 지속적 트래픽 효과를 입증하지는 않는다고 지적했어요.
즉 논문이 측정한 40%는 두 번째 층의 숫자입니다. 첫 번째 층을 통과하지 못한 문서에는 적용되지 않아요.
그래서 로드맵은 접근 허용, 구조, 근거, 측정 순으로 쌓습니다. 각 단계가 다음 단계의 전제 조건이에요.
0단계는 콘텐츠가 아니라 크롤러 접근 정책이다
가장 먼저 손댈 곳은 문서가 아니라 robots.txt입니다. 여기가 근거가 가장 단단한 영역이에요. 벤더들이 전부 공식 문서로 봇 목록을 공개했습니다.
가장 실용적인 지점은 OpenAI의 봇 분리입니다. OpenAI 크롤러 문서를 보면 OAI-SearchBot은 챗GPT 검색 결과 노출용이고 GPTBot은 파운데이션 모델 학습용입니다. 둘이 분리돼 있으니 학습 데이터 제공은 거부하면서 챗GPT 검색 인용은 허용하는 선택이 가능해요. 콘텐츠를 자산으로 보는 미디어와 B2B 기업이 실제로 이 조합을 씁니다.
앤트로픽(Anthropic)은 ClaudeBot과 Claude-User, Claude-SearchBot 세 종을 문서화했고 셋 다 robots.txt를 준수한다고 밝혔습니다. 퍼플렉시티(Perplexity)는 PerplexityBot이 robots.txt를 지키지만 사용자 개시 요청을 처리하는 Perplexity-User는 일반적으로 무시한다고 자사 문서에 적었어요.
가장 자주 틀리는 건 구글입니다.
Google-Extended는 페이지를 가져오는 크롤러가 아니라 robots.txt용 제품 토큰입니다. 제미나이와 버텍스 AI 계열의 학습과 그라운딩만 제어하고, 구글 검색과 AI Overviews 노출은 제어하지 않아요. AI Overviews에서 빠지려면 nosnippet 계열 태그를 써야 하는데 그러면 일반 검색 스니펫도 함께 사라집니다. 구글 서치 센트럴의 AI 기능과 웹사이트 문서에 정리돼 있습니다.
여기서 정책 결정을 먼저 문서로 남기고 시작하세요. 학습을 허용할지, 검색 인용만 허용할지, 전부 열지. 이걸 안 정하고 콘텐츠 작업에 들어가면 나중에 되돌리는 비용이 큽니다.
시작하기 전에 목록에서 빼야 할 항목들
로드맵에 자주 들어가지만 근거가 약한 작업이 있습니다. 여기서 시간을 아끼면 앞 단계에 더 쓸 수 있어요.
구글 서치 센트럴은 AI Overviews나 AI Mode에 노출되기 위한 추가 요건이나 특별한 최적화가 없다고 문서에 명시했습니다. 새로운 기계 판독용 파일이나 AI 텍스트 파일, 전용 schema.org 마크업을 만들 필요가 없다는 문장도 함께 있어요.
llms.txt의 실사용 데이터도 같은 방향입니다. Originality.ai와 Ahrefs 집계를 인용한 PPC Land 보도에 따르면 2026년 5월 기준 llms.txt를 둔 사이트는 36,120개로 1년 새 8.8배 늘었지만, 같은 달 이 파일의 97%는 요청을 한 번도 받지 못했습니다. 요청이 들어온 경우에도 SEO 감사 도구가 21.7%였고 AI 검색 봇은 1.1%였어요.
파일을 만들지 말라는 뜻은 아닙니다. 우선순위 상단에 두지 말라는 뜻이에요.
구조화 데이터는 여기서 잘 오해됩니다. AI 전용 스키마가 따로 없다는 것과 스키마가 무의미하다는 것은 다른 이야기예요. 리치 결과용 구조화 데이터는 계속 유효하고, 구조 자체가 인용에 영향을 준다는 연구도 나왔습니다. 자세한 내용은 구조화 데이터로 AI 인용률 높이는 법에서 다뤘어요.
회수되는 문서는 구조에서 갈린다
두 번째 단계는 문서 구조입니다. 엔진이 답변을 만들 때 문서 전체가 아니라 조각 단위로 가져가기 때문이에요.
2026년 3월 공개된 후속 연구는 문서 구조를 매크로와 메조, 마이크로 층위로 나눠 최적화했을 때 6개 주요 생성형 엔진에서 인용률이 17.3%, 주관적 품질 평가가 18.5% 개선됐다고 보고했습니다. 아직 프리프린트라 피어리뷰를 거치지는 않았어요. 그래도 방향은 앞선 실무 관찰과 일치합니다.
구조 작업에서 실제로 손대는 건 세 가지입니다.
헤딩마다 그 헤딩이 던지는 질문에 대한 직접 답변을 앞 두세 문장에 놓습니다. 서론이나 배경 설명을 앞에 깔면 조각으로 잘렸을 때 답이 없는 덩어리가 돼요. 그리고 한 섹션이 하나의 질문만 답하게 자릅니다. 두 개의 사실을 한 덩어리에 섞으면 인용 단위로 쓰기 어려워집니다. 마지막으로 핵심 엔티티는 첫 등장 시 한글과 영문을 함께 적습니다.
이 작업의 기준선은 GEO 최적화 완벽 가이드에 단계별로 정리돼 있습니다.
인용을 결정하는 건 문장 안의 근거다
구조가 정리되면 세 번째 층으로 갑니다. 같은 주제의 문서 여럿이 후보로 올라왔을 때 무엇이 인용을 가르는가.
KDD 논문이 9가지 기법을 실험한 결과, 인용구 추가와 통계 추가, 출처 표기가 상위권이었습니다. 반대로 전통 SEO식 키워드 스터핑은 실험한 기법 중 유일하게 가시성을 떨어뜨렸어요. 검색엔진에서 통하던 습관이 생성형 엔진에서는 역효과를 냅니다.
같은 논문에서 더 실용적인 발견은 순위별 효과 차이입니다. 출처 표기 기법을 적용했을 때 검색 5위권 문서는 가시성이 115.1% 올랐지만 1위 문서는 30.3% 떨어졌어요.
이미 1등인 페이지는 건드리지 않는 게 낫다는 뜻입니다.
그래서 작업 대상 선정이 이 단계의 핵심이 됩니다. 이미 상위에 있는 페이지가 아니라, 검색 2페이지 밖에 잠겨 있는 기존 자산을 먼저 꺼내세요. 실행 방법론은 GEO 최적화 방법 3-Tier 프레임워크에서 더 깊게 다룹니다.
아직 확실하지 않은 부분을 밝혀두면, 2026년 비판적 서베이는 45편의 연구를 검토한 뒤 재현성이 가장 높은 요인은 주제 적합성과 컨텍스트 내 위치이며 범용 휴리스틱은 다른 환경으로 잘 이전되지 않는다고 결론지었습니다. 자연 발견가능성이나 이후 사용자 행동에 안정적인 인과 효과를 보인 기법은 없다고도 적었어요. ~~기법 목록을 파는 쪽에서는 절대 인용하지 않는 문장입니다.~~ 그래서 우리는 기법 체크리스트보다 주제 단위 커버리지를 먼저 설계합니다.
단계별로 결과가 보이는 시점
일정을 잡을 때 가장 많이 틀리는 게 기대 시점입니다. 단계마다 반영 속도가 달라요.
접근 정책 변경의 반영은 크롤링 속도에 묶여 있습니다. 구글 공식 문서는 크롤링에 며칠에서 몇 주가 걸릴 수 있고 같은 URL에 재크롤을 여러 번 요청해도 더 빨라지지 않으며 색인이나 검색 노출을 보장하지도 않는다고 안내합니다.
인용이 붙는 속도는 엔진마다 다릅니다. Semrush가 신규 페이지 81개를 30일간 추적한 실험에서 구글 AI Mode는 하루 만에 36%를 인용했지만 30일 시점에는 26%로 줄었어요. 챗GPT 검색은 반대로 하루 시점 10%에서 30일 시점 42%까지 올라갔습니다. 자사 도메인 단일 실험이라 수치를 그대로 옮기기는 어렵고, 방향만 참고할 만합니다.
정리하면 구글 계열은 빠르게 붙고 빠르게 빠지며, 챗GPT 계열은 느리게 붙고 쌓입니다. 그래서 30일 시점의 스냅샷 하나로 성패를 판단하면 안 돼요. 우리는 최소 3개월치 추이를 본 뒤에 방향을 조정하는 방식을 선택합니다.
한국 시장에서 순서가 달라지는 지점
지금까지의 순서는 글로벌 엔진 기준입니다. 한국에서는 축이 하나 더 붙어요.
수요는 이미 충분히 큽니다. 과학기술정보통신부가 2026년 3월 발표한 2025 인터넷이용실태조사에서 생성형 AI 이용 경험률은 44.5%로 전년 33.3%에서 11.2%포인트 올랐습니다. 전국 22,671가구를 대상으로 한 국가승인통계예요.
네이버 축이 실행 순서를 바꿉니다. 네이버는 2026년 2월 실적 컨퍼런스콜에서 AI 브리핑이 통합검색 쿼리의 약 20%에 적용됐고 연말까지 적용 범위를 두 배로 넓히겠다고 밝혔습니다.
그런데 네이버는 앞의 0단계 도구가 그대로 통하지 않습니다. 앞서 정리한 크롤러 토큰들은 전부 글로벌 엔진용이에요. 네이버 계열은 자체 인덱스와 자체 정책을 쓰기 때문에 같은 robots.txt 작업으로 커버되지 않습니다.
오픈서베이가 2026년 7월 발표한 조사를 보면 용도별로 채널이 갈립니다. 업무와 학습 검색에서는 생성형 AI 이용이 36.5%였고, 뉴스와 생활정보 검색에서는 네이버가 60% 이상을 유지했어요. 전국 만 10세에서 59세 1,000명 대상 패널 조사라 국가 통계는 아닙니다.
그래서 B2B 콘텐츠는 글로벌 엔진 축을 먼저 잡고, 생활 밀착형 소비재나 지역 서비스는 네이버 축의 비중을 올리는 편이 순서상 맞습니다. 업체를 붙여서 진행할 계획이라면 GEO 컨설팅 가이드에서 스코프 확인 기준을 먼저 보면 됩니다.
측정 체계는 마지막이 아니라 0단계에 붙인다
측정을 마지막 단계로 미루면 시작 시점의 기준선이 사라집니다. 그래서 실제로는 0단계와 함께 세팅해요.
지금 쓸 수 있는 공식 도구는 두 개입니다. 마이크로소프트는 2026년 2월 빙 웹마스터 툴에 AI 퍼포먼스 리포트를 공개 프리뷰로 내놨고 코파일럿과 빙 AI 요약에서의 인용 횟수와 인용된 URL을 보여줍니다. 구글은 2026년 6월 서치 콘솔에 생성형 AI 성과 리포트를 도입했지만 노출수만 제공하고 클릭은 포함하지 않아요.
유입 쪽에는 구조적인 사각지대가 있습니다. 클라우드플레어(Cloudflare)가 2025년 7월 밝힌 것처럼 클로드 네이티브 앱이 보내는 트래픽은 리퍼러 헤더를 포함하지 않습니다. 앱에서 들어온 방문은 출처가 비어 있어요.
그래서 첫 6개월 지표는 클릭이나 전환이 아니라 인용 쪽에 둡니다. 프롬프트 세트를 30개 정도로 고정하고, 주기적으로 같은 질문을 실행해 우리 도메인 등장률을 기록하고, 빙 인용수 추이를 함께 봅니다. 서치폴라리스 팀도 프로젝트 첫 달에 이 세 숫자의 기준선부터 찍고 시작해요. 시작 시점 값이 없으면 나중에 개선폭을 계산할 수가 없습니다.
이런 경우엔 GEO 전략을 뒤로 미루세요.
핵심 페이지가 아직 검색에서 색인조차 안 되는 상태라면 순서가 다릅니다. 색인과 기본 기술 SEO가 먼저예요. 회수 자체가 안 되는 사이트에서 인용 최적화는 작동하지 않습니다. 제품과 타겟이 자주 바뀌는 초기 단계 서비스도 지금은 우선순위가 낮습니다. 문서가 주제 단위로 쌓여야 효과가 나오는데, 방향이 흔들리면 자산이 축적되지 않아요.
GEO 전략의 핵심은 새 기법을 모으는 데 있지 않습니다. 어느 층의 문제인지 구분하는 데 있어요.
답변에 안 나온다는 같은 증상이라도, 크롤러가 막혀 있어서인지 문서 구조가 조각으로 안 잘려서인지 근거가 약해서인지에 따라 처방이 완전히 다릅니다. 층을 구분하지 않으면 세 번째 층 작업을 반복하면서 첫 번째 층 문제를 못 봅니다.
다음 질문이 이어집니다. 우리 robots.txt는 지금 어떤 봇을 막고 있나, 핵심 페이지의 헤딩 직후 두 문장이 실제로 답변인가, 지난달 우리 도메인의 인용 등장률은 몇 퍼센트였나. 세 질문에 숫자로 답할 수 있으면 로드맵의 현재 위치가 보입니다.
자주 묻는 질문
GEO 전략은 무엇부터 시작해야 하나요?
크롤러 접근 정책부터 시작합니다. AI 엔진이 페이지를 가져갈 수 없으면 이후 콘텐츠 작업은 결과로 이어지지 않습니다. OpenAI는 검색 노출용 OAI-SearchBot과 학습용 GPTBot을 분리해 문서화했고, Anthropic은 3종 봇 모두 robots.txt를 준수한다고 밝혔습니다. 학습 허용 여부와 검색 인용 허용 여부를 먼저 정책으로 정한 뒤 문서 구조 작업으로 넘어가는 순서가 맞습니다.
GEO 전략과 기존 SEO 전략은 어떻게 다른가요?
목표 지점이 다릅니다. SEO는 검색 결과 목록에서의 순위를 다루고, GEO는 생성형 답변 안에서의 인용을 다룹니다. 실행 요소도 갈립니다. KDD 2024 논문 실험에서 인용구 추가와 통계 추가는 가시성을 높인 반면, 전통 SEO식 키워드 스터핑은 실험한 9개 기법 중 유일하게 가시성을 떨어뜨렸습니다. 다만 회수 단계는 검색 인덱스에 의존하므로 기본 SEO가 무너지면 GEO도 작동하지 않습니다.
llms.txt를 먼저 만들어야 하나요?
우선순위 상단에 둘 근거는 약합니다. 구글 서치 센트럴 문서는 AI Overviews나 AI Mode 노출에 새로운 기계 판독용 파일이나 AI 텍스트 파일이 필요하지 않다고 명시했습니다. Originality.ai와 Ahrefs 집계 기준으로 2026년 5월 llms.txt 파일의 97%는 요청을 한 번도 받지 못했고, 요청 중 AI 검색 봇 비중은 1.1%였습니다. 크롤러 정책과 문서 구조를 먼저 정리하는 편이 효율적입니다.
GEO 전략의 효과는 언제부터 확인되나요?
단계마다 다릅니다. 접근 정책 변경은 크롤링 속도에 묶여 있고, 구글 공식 문서는 크롤링에 며칠에서 몇 주가 걸릴 수 있으며 재요청해도 빨라지지 않는다고 안내합니다. 인용이 붙는 속도는 엔진별로 달라서, Semrush 실험에서 구글 AI Mode는 하루 만에 36%를 인용한 뒤 30일 시점 26%로 줄었고 챗GPT 검색은 10%에서 42%로 올라갔습니다. 단일 시점 스냅샷이 아니라 3개월 이상 추이로 판단해야 합니다.
한국 기업의 GEO 전략에서 네이버는 어떻게 다뤄야 하나요?
별도 축으로 잡아야 합니다. 글로벌 엔진용 크롤러 토큰 작업은 네이버에 그대로 적용되지 않습니다. 네이버는 2026년 2월 실적발표에서 AI 브리핑이 통합검색 쿼리의 약 20%에 적용됐고 연말까지 두 배로 넓히겠다고 밝혔습니다. 오픈서베이 2026년 7월 조사에서 업무와 학습 검색은 생성형 AI 이용이 36.5%, 뉴스와 생활정보 검색은 네이버가 60% 이상이었으므로 콘텐츠 성격에 따라 두 축의 비중을 조정하는 편이 맞습니다.
GEO 성과를 어떤 지표로 관리해야 하나요?
첫 단계에서는 클릭이나 전환보다 인용 지표가 현실적입니다. 빙 웹마스터 툴은 2026년 2월부터 AI 인용 횟수와 인용된 URL을 제공하고, 구글 서치 콘솔의 생성형 AI 리포트는 노출수를 제공하지만 클릭은 포함하지 않습니다. 클라우드플레어에 따르면 클로드 네이티브 앱 트래픽은 리퍼러 헤더가 없어 유입 출처 추적에도 공백이 있습니다. 고정된 프롬프트 세트의 등장률과 빙 인용수 추이를 기본 지표로 쓰는 방식이 안전합니다.
