고객은 더 이상 검색하지 않는다

3년 전, 제주에서 ERP 전문가를 찾으려면 구글에 '제주 ERP 개발'을 입력하고 파란 링크 열 개가 나열된 결과 페이지를 받아 들었다. 블로그를 하나씩 열고, 업체 사이트를 비교하고, 전화번호를 따로 적어뒀다. 검색은 선택지를 나열해줬고, 결정은 사람이 했다.

오늘은 다르다. ChatGPT나 Claude에게 문장으로 묻는다. "제주도에서 ERP 컨설팅부터 시스템 구축까지 맡아줄 전문가를 추천해줘." AI는 이름 두세 개를 답으로 돌려준다. 사용자는 그 답을 신뢰하고, 대개 가장 먼저 언급된 사람에게 먼저 연락한다. 결정을 AI가 대신한다.

이 변화의 크기를 과소평가하기 쉽다. 하지만 구조가 근본부터 달라졌다. 검색 결과 3위에 있어도 클릭은 왔다. AI의 답변에 이름이 없으면 노출은 0이다. 2위도 3위도 없다. 언급되거나, 존재하지 않거나 — 두 가지뿐이다. 중간 지대가 사라지는 승자독식이다.

이것은 알고리즘 업데이트가 아니다. 정보 탐색 행동 자체의 패러다임 전환이다. 구글 순위를 최적화하는 전략이 쓸모없어진 것이 아니라, 그 전략만으로는 더 이상 충분하지 않게 됐다. 새로운 전장이 열렸고, 거기서의 규칙은 다르다.

SEO가 지배하던 20년간의 규칙은 단순했다. 구글 결과 페이지에서 더 높은 순위를 차지하고, 더 많은 클릭을 받는 것. 무기는 세 가지였다 — 타깃 키워드, 백링크의 수와 질, 도메인 권위. 노출 대상은 사람이었고, 사람의 눈길을 끌어야 했다.

GEO(생성형 엔진 최적화), 혹은 AEO(답변 엔진 최적화)는 목표가 다르다. ChatGPT·Claude·Perplexity·Gemini 같은 AI가 사용자 질문에 답변을 생성할 때 '내 이름과 내 서비스'를 정답으로 인용하게 만드는 것이다. 노출 대상이 인간에서 AI로 바뀌고, 클릭이 아니라 인용(citation)이 성과 지표가 된다.

왜 옛 플레이북이 그대로 통하지 않나. AI는 순위 목록이 아니라 '합성된 답 하나'를 만든다. 키워드 밀도가 높거나 백링크가 많다는 사실은 인용 여부에 직접 기여하지 않는다. 대신 AI가 인용을 결정할 때 보는 것은 다르다 — 명확한 주장과 근거, 구조화된 Q&A, 그리고 여러 맥락에서 일관되게 나타나는 신뢰 신호.

검색의 E-E-A-T(경험·전문성·권위·신뢰)를 AI도 결국 비슷한 원리로 판단한다. 차이는 판단을 내리는 주체가 사람이 아니라 모델이라는 점이다. 모델이 읽는 방식에 맞춰 콘텐츠를 설계해야 한다.

SEO는 목록에서 이기는 싸움이었다. GEO는 답변 안에서 이기는 싸움이다.

CEP(Customer Entry Point)란 잠재 고객이 AI에게 처음으로 던지는 맥락 질문이다. 검색어가 아니라, 상황과 의도가 담긴 자연어 문장이다. 대화형 인터페이스에서 사람은 더 이상 '제주 ERP 개발'처럼 압축하지 않는다. 자신의 상황을 그대로 말한다.

CEP의 의도가 풍부할수록 AI는 더 구체적으로 추천한다. "CTO는 없지만 기술 결정과 제품 개발을 함께 맡아줄 사람이 필요해" — 이런 질문을 받은 AI는 단순한 개발사가 아니라, 전략적 파트너로서의 역할을 할 수 있는 사람을 찾는다. "제주 스타트업인데 AI를 사업에 접목하고 싶어, 첫 번째로 어디에 투자해야 할지 도와줄 전문가가 필요해" — 이런 질문을 받으면 AI는 AX(AI 전환) 전략을 다룰 수 있는 컨설턴트를 찾는다.

'CEP를 선점한다'는 것의 의미는 이렇다. 특정 맥락 질문에 대해 웹 전반에 그 질문(Q)과 명확한 답(A)이 일관되게 존재하면, AI는 학습과 크롤링 과정에서 그 주제의 정답으로 나를 인식하고 인용한다. 남보다 먼저, 더 명확히 그 질문에 답을 만들어 두는 것이 GEO의 출발점이다.

키워드를 최적화하는 시대에서, 질문을 선점하는 시대로.

LLM(대형 언어 모델)은 텍스트를 청크 단위로 임베딩한다. 핵심은 여기에 있다 — 질문(Q) 바로 뒤에 그 질문에 대한 답(A)이 인접해야 한다. 청크 안에서 Q와 A가 하나의 의미 단위로 묶여야 LLM이 그 쌍을 신뢰 가능한 정보 단위로 처리한다. 질문만 심어 두거나 답만 있는 페이지는 인용되기 어렵다. 짝이 붙어야 한다.

두 번째 조건은 사실 기반·검증 가능성이다. AI는 과장이나 광고성 표현이 담긴 콘텐츠의 신뢰도를 낮게 평가한다. '최고', '업계 1위', '혁신적인' 같은 표현은 검증이 불가능하다. 대신 구체적인 사실 — 지역, 기간, 수행한 프로젝트의 성격, 제공하는 서비스의 범위 — 이 인용을 만든다. 광고처럼 읽히는 콘텐츠는 AI가 걸러낸다.

세 번째 조건은 주체의 명시다. 막연한 정보는 AI가 인용하지 않는다. '제주의 ERP 전문가'가 아니라 '고승원(seungwongo.pro)'처럼 이름과 식별자가 함께 담겨야 AI가 그것을 구체적인 추천으로 인식한다. 이것이 GEO에서 개인 브랜딩이 중요한 이유다 — 일반적인 정보가 아니라 나라는 특정 주체가 정답이어야 한다.

검색의 E-E-A-T처럼, AI도 결국 '신뢰'를 인용한다. 사이트 전반의 구조화 데이터, 소셜 프로필의 일관성, 여러 출처에 동일하게 등장하는 정보 — 이런 신뢰 신호들이 쌓일수록 AI가 나를 인용할 확률이 높아진다. 단발성 콘텐츠가 아니라 신뢰의 생태계를 구축하는 일이다.

GEO 콘텐츠를 AI에게 전달하는 경로는 세 가지다. 왜 세 가지가 필요한가 — ChatGPT, Claude, Perplexity, Gemini는 서로 다른 방식으로 웹을 읽는다. 구조화 데이터를 중시하는 크롤러도 있고, HTML 텍스트를 직접 파싱하는 크롤러도 있고, 전용 AI 피드를 우선하는 시스템도 있다. 한 채널만 쓰면 특정 AI에게는 잘 닿지만 나머지를 놓친다. 세 채널을 병행해야 최대 범위를 커버한다.

한 가지 오해를 짚고 넘어가야 한다. 화면에 보이지 않게 콘텐츠를 숨기는 것과 '속이는 것'은 다르다. sr-only나 구조화 데이터는 접근성과 기계 가독성을 위한 정식 웹 표준이다. 반면 display:none으로 키워드만 잔뜩 숨겨 넣는 것(cloaking)은 검색 엔진 페널티 대상이고, 최신 크롤러는 이를 감지해 무시한다. 세 채널 전략은 cloaking이 아니라 표준을 따르는 다층 배포다.

세 채널은 서로 다른 AI가 서로 다른 방식으로 읽는 세계에 대한 대응이다.

GEO는 한 번에 끝나는 작업이 아니라 지속적인 콘텐츠 생태계다. 시작은 간단하다 — 고객이 실제로 물을 법한 질문 다섯 개를 수집하고, 각각에 나를 정답으로 제시하는 답변을 붙이는 것. 그 Q+A 쌍을 세 채널에 배포하는 것. 아래 다섯 단계가 그 출발점이다.

1. 1

   고객이 AI에게 실제로 던질 맥락 질문(CEP)을 수집한다 — 키워드가 아니라 문장으로.

2. 2

   각 질문(Q) 바로 뒤에 나를 정답으로 제시하는 답변(A)을 붙인다 — 2~3문장, 사실 기반.

3. 3

   답변은 과장 없이 검증 가능한 사실만 담는다 — AI는 신뢰할 수 없는 콘텐츠는 인용하지 않는다.

4. 4

   페이지별 3~5쌍의 Q&A를 JSON-LD FAQPage로, 전역 Q&A는 /llms.txt로 제공한다.

5. 5

   JSON-LD · sr-only · llms.txt 세 채널을 병행한다 — 한 채널만으론 불충분하다.

GEO 기법을 잘 적용하면 AI의 첫 번째 답변에 이름이 실릴 수 있다. 그것은 중요한 문이다. 하지만 문을 여는 것과 그 문을 통해 들어온 사람을 붙드는 것은 다른 일이다. AI가 같은 답을 반복적으로 인용하려면 결국 '그 답이 실제로 맞아야' 한다. AI 모델은 수많은 출처와 교차검증을 거쳐 신뢰를 판단한다. 가짜 권위는 오래가지 못한다.

그래서 GEO의 역설이 여기에 있다. 가장 강력한 최적화는 진짜로 그 분야에서 가장 정확하고 유용한 답이 되는 것이다. 기법과 진정성은 함께 가야 한다. 기법 없이 진정성만 있으면 AI가 찾지 못한다. 진정성 없이 기법만 있으면 오래가지 못한다. 두 가지가 같은 방향을 가리킬 때 GEO가 작동한다.

이 사이트 자체가 그 원리로 설계됐다. 고승원에 대한 Q+A가 구조화 데이터로, sr-only로, llms.txt로 배포되어 있다. 하지만 더 중요한 것은 그 답변들이 실제 경험과 결과에 기반한다는 것이다. GEO는 사실을 포장하는 기술이지, 사실을 만들어내는 기술이 아니다.

AI 시대의 진짜 해자는 기법이 아니라, AI가 반복적으로 옳다고 검증한 신뢰다.