지금 이 순간, 누군가는 우리 회사 이름 대신 경쟁사 이름을 ChatGPT에게서 추천받고 있을지도 모릅니다. 분명히 네이버에 검색하면 우리 회사가 1페이지에 나오는데, 막상 ChatGPT나 Perplexity에게 같은 분야를 물어보면 전혀 다른 회사들이 먼저 언급되는 경우가 적지 않습니다.
이 차이는 단순한 운이 아닙니다. 답은 명확합니다. 구글에는 잘 보이지만, AI에게는 보이지 않는 웹사이트이기 때문입니다. 그리고 이 차이를 이해하려면 AEO와 GEO라는 두 개념을 알아야 합니다.
그전에, 책장에 책이 있어야 합니다
사서에게 추천을 받든, 손님이 직접 책장을 둘러보든, 한 가지 전제가 있습니다. 도서관에 그 책이 꽂혀 있어야 한다는 것입니다. 아무리 좋은 사서라도, 도서관에 없는 책을 추천할 수는 없습니다.
이 단계가 바로 SEO입니다. 콘텐츠를 차곡차곡 쌓아서, 검색 엔진과 AI가 가져다 쓸 수 있는 '재료'를 만들어두는 작업입니다. 블로그 글, 페이지, FAQ 같은 콘텐츠 하나하나가 책장에 꽂히는 책 한 권 한 권인 셈입니다. 책이 한 권도 없는 도서관이라면, AEO도 GEO도 시작할 수 없습니다.
정리하면 이렇게 흘러갑니다. 먼저 SEO로 콘텐츠 자산을 쌓고, 그 콘텐츠가 질문에 바로 답하도록 AEO로 다듬고, 마지막으로 AI가 그 콘텐츠를 신뢰하고 인용하도록 GEO로 마무리합니다.
도서관에서 책을 찾는 두 가지 방법
이해를 돕기 위해 도서관을 떠올려보겠습니다. 예전에는 도서관에 가면 직접 책장을 돌아다니며 책을 찾았습니다. 책 제목과 표지를 보고, 마음에 드는 책을 골랐습니다. 이게 바로 우리가 알던 검색입니다. 구글에 검색어를 입력하고, 나오는 결과 중에서 직접 클릭해서 들어가는 방식입니다.
그런데 요즘은 다릅니다. 도서관에 들어가서 사서에게 직접 묻습니다. "주식 투자 처음 시작하는 사람한테 좋은 책 있나요?" 그러면 사서가 알아서 책을 골라 추천해줍니다. 손님은 책장을 둘러볼 필요도 없이, 사서가 건네준 책을 받아갑니다. 이게 바로 지금의 AI 검색입니다. ChatGPT나 Perplexity에게 질문을 던지면, AI가 알아서 답을 정리해서 건네줍니다.
여기서 두 가지 다른 문제가 생깁니다.
첫째, 손님이 직접 책장을 둘러볼 때 내 책이 눈에 잘 띄어야 합니다.
이것이 AEO입니다.
둘째, 사서가 내 책을 알고 있어야 하고, 추천할 만큼 믿을 수 있는 책이라고 생각해야 합니다.
이것이 GEO입니다.
AEO, 손님 눈에 바로 보이게 만드는 것
AEO는 Answer Engine Optimization, 한국말로는 답변 엔진 최적화라고 부릅니다. 쉽게 말하면, 누군가 질문을 검색했을 때 그 답이 바로 보이도록 콘텐츠를 만드는 작업입니다. 구글에서 검색했을 때 맨 위에 뜨는 답변 상자, 그게 AEO가 잘 된 콘텐츠의 대표적인 예시입니다.
AEO를 잘하는 방법은 의외로 단순합니다. 사람들이 실제로 검색할 법한 질문을 그대로 제목으로 쓰고, 그 아래에 곧바로 답을 적는 것입니다. 예를 들어 "스타트업 초기 투자 유치 시 가장 먼저 준비해야 할 것은 무엇인가요?"라는 질문을 제목으로 걸고, 그 다음 문장에서 바로 답을 알려주는 식입니다. 손님이 책장에서 책을 찾을 때, 표지에 큰 글씨로 "이 책에 그 답이 있어요"라고 써놓은 것과 같습니다.
GEO, 사서가 나를 추천하게 만드는 것
GEO는 Generative Engine Optimization, 생성형 엔진 최적화라고 부릅니다. ChatGPT나 Perplexity 같은 AI가 답을 만들 때, 내 콘텐츠를 근거로 사용하도록 만드는 작업입니다. 다시 도서관 비유로 돌아가면, 사서의 머릿속에 내 책이 들어있어야 하고, 사서가 그 책을 믿을 만하다고 생각해야 추천 목록에 올라간다는 뜻입니다.
그렇다면 AI는 어떤 콘텐츠를 신뢰할까요. 답은 명확합니다. 출처가 분명하고, 정보가 깔끔하게 정리되어 있고, 구체적인 데이터나 근거가 담긴 콘텐츠입니다. 막연하게 "저희는 최고의 서비스를 제공합니다"라고 적힌 글보다, "2024년 기준 고객사 87곳, 평균 재계약률 92퍼센트"처럼 숫자가 들어간 글을 AI는 더 신뢰합니다. 도서관 사서도 마찬가지입니다. 표지만 화려한 책보다, 목차가 잘 정리되고 내용이 충실한 책을 더 자신 있게 추천하는 법입니다.
왜 둘 다 필요한가요
여기서 중요한 질문이 생깁니다. 둘 중 하나만 하면 안 되는 걸까요. 안타깝게도 안 됩니다. 고객은 두 가지 방식을 동시에 사용하기 때문입니다. 어떤 사람은 여전히 구글에 직접 검색합니다. 어떤 사람은 ChatGPT에게 묻고 답을 그대로 받아들입니다. AEO만 챙기면 두 번째 손님을 놓치고, GEO만 챙기면 첫 번째 손님을 놓칩니다. 결국 두 가지를 함께 챙겨야 두 종류의 손님을 모두 잡을 수 있습니다.
우리 웹사이트는 괜찮을까요, 3분 자가진단
여기까지 읽으셨다면, 이제 가장 중요한 질문이 남았습니다. 우리 웹사이트는 어디에 해당될까요. 아래 다섯 가지를 스스로 점검해보시기 바랍니다.
- •우리 회사 이름을 ChatGPT나 Perplexity에 검색했을 때, AI가 정확히 언급하나요?
- •우리 웹사이트에 자주 묻는 질문(FAQ) 섹션이 있나요?
- •블로그나 콘텐츠 페이지의 제목이 질문 형태로 되어 있나요?
- •콘텐츠 안에 구체적인 숫자나 데이터가 들어있나요?
- •FAQ나 콘텐츠에 Schema(JSON-LD) 마크업이 적용되어 있나요?
다섯 개 중 두 개 이하로 "예"라고 답하셨다면, 지금 웹사이트는 AI에게 보이지 않는 도서관 책장에 꽂혀 있는 상태일 가능성이 높습니다.
지금 바로 적용할 수 있는 방법
원리를 알았다면, 이제 실행입니다. 아래 다섯 가지는 오늘 당장 시작할 수 있는 것들입니다.
첫째, 질문형 제목 쓰기.
고객이 실제로 검색할 법한 질문을 그대로 제목으로 사용합니다. "○○ 서비스는 어떻게 작동하나요?"처럼 자연스러운 질문 형태가 효과적입니다.
둘째, 제목 바로 아래 답 적기.
배경 설명을 길게 늘어놓지 말고, 제목 다음 두세 문장 안에 핵심 답을 바로 적습니다. AI는 이 부분을 가장 먼저 가져갑니다.
셋째, 숫자와 근거 넣기.
"많은 고객이 만족했습니다" 대신 "고객 만족도 92퍼센트"처럼 구체적인 숫자를 적습니다. AI는 근거가 명확한 문장을 더 신뢰합니다.
넷째, FAQ와 Schema 마크업 추가.
페이지 하단에 자주 묻는 질문을 정리하고, FAQ Schema(JSON-LD)라는 코드를 함께 적용합니다. 이 부분은 검색 엔진과 AI가 질문과 답을 더 정확하게 알아보도록 돕는 기술적인 작업이라, 개발 리소스가 필요합니다.
다섯째, 표와 목록으로 정리하기.
긴 문단보다 표나 번호 목록이 AI가 정보를 읽고 인용하기 좋은 형태입니다.
직접 해보기 어렵다면
여기까지 읽으면서 "원리는 알겠는데, 우리 웹사이트의 어디를 정확히 고쳐야 하는지는 모르겠다"는 생각이 드실 수 있습니다. 실제로 많은 대표님들이 이 지점에서 막힙니다. 알아야 할 개념과, 실제로 코드와 콘텐츠를 어떻게 바꿔야 하는지 사이에는 생각보다 큰 간극이 있기 때문입니다.
EasySpark는 Framer, Webflow, Next.js 기반 웹사이트에 AEO 진단과 FAQ Schema 적용까지 직접 작업해온 경험을 갖고 있습니다. 우리 웹사이트가 지금 AI 검색 환경에서 어디쯤 와 있는지, 그리고 무엇부터 고쳐야 하는지 구체적으로 짚어드릴 수 있습니다. 우리 회사도 AI에게 보이는 회사가 될 수 있을지 궁금하시다면, 편하게 문의해주세요.
