GEO를 가장 쉽게 설명하면 이렇다. SEO가 검색엔진에서 잘 보이게 만드는 일이라면, GEO는 ChatGPT나 Gemini 같은 생성형 엔진의 답변에서 잘 보이게 만드는 일이다.
입문 설명으로는 편리하다. 그러나 여기서 멈추면 두 가지 오해가 생긴다. 첫째, SEO에 ‘1위’가 있었으니 GEO에도 하나의 1위가 있을 것이라고 생각한다.
둘째, 검색엔진용 최적화 기법이 있었으니 생성형 AI에도 몇 개의 문장 공식이나 기술적 설정이 있을 것이라고 기대한다.
2023년 공개된 「GEO: Generative Engine Optimization」 연구가 큰 관심을 받은 이유도 여기에 있었다. 연구는 생성형 엔진의 답변에서 소스의 가시성을 높이는 여러 전략을 실험했고, 조건에 따라 가시성이 크게 개선될 수 있음을 보고했다. 여기에서 널리 퍼진 숫자가 ‘최대 약 40%’다.1
문제는 이 숫자가 인터넷을 돌아다니며 다른 뜻으로 변했다는 데 있다. “GEO를 하면 AI 노출이 40% 늘어난다.”
조금 더 가면 이렇게 바뀐다. “GEO를 하면 자연유입이 40% 오른다.”
어떤 설명에서는 사실상 “매출을 40% 더 만들 수 있다”는 분위기로 소비된다. 원 연구는 그렇게 단순한 결론을 말하지 않는다.
연구의 핵심은 생성형 엔진이 답을 만드는 특정 실험 환경에서 콘텐츠 표현 방식을 바꿨을 때 답변 안에서 소스가 얼마나 잘 드러나는지를 측정한 것이다. 이미 후보 자료가 주어진 조건에서 표현을 바꾸는 실험과, 실제 공개 웹 전체에서 새 문서가 발견되어 검색되고 최종 추천과 구매로 이어지는 문제는 같지 않다.
이를테면 서점의 진열대 위에 이미 올라온 열 권 가운데 표지를 바꿔 손이 더 가게 만드는 실험과, 수백만 권 가운데 애초에 그 진열대에 들어가는 문제는 다르다.
‘40%’를 읽을 때는 이 차이를 먼저 기억해야 한다.
‘보인다’에는 여러 뜻이 있다
사업자는 “AI에 보인다”라는 말을 쉽게 쓴다. 실제로는 적어도 다음을 구분해야 한다.
- AI 시스템이 내 페이지를 검색 가능한 대상으로 가지고 있는가.
- 사용자의 특정 질문에서 내 페이지가 검색되는가.
- 검색된 자료가 답변 생성에 실제로 쓰이는가.
- 출처 링크로 인용되는가.
- 답변 본문에 내 브랜드 이름이 등장하는가.
- 여러 후보 중 추천 대상으로 선택되는가.
- 첫 번째 후보로 제시되는가.
- 내 제품이나 서비스를 정확하게 설명하는가.
- 사용자가 클릭하거나 검색하거나 문의하는가.
- 실제 구매나 방문으로 이어지는가.
이 단계들은 서로 이어져도 별도의 지표로 봐야 한다. 검색·인용·추천·구매는 각각 따로 확인해야 한다.
그래서 GEO를 ‘ChatGPT 순위’라는 말로 부르지 않는다.
후속 연구가 던진 불편한 질문
원조 GEO 논문 이후에는 “정말 실제 검색 환경에서도 그런가?”를 묻는 연구가 이어졌다.
C-SEO Bench는 대화형 검색을 겨냥한 문서 수정 전략을 보다 현실적인 검색 조건에서 평가했다. 결과는 초기 기대보다 훨씬 조심스러웠다. 널리 이야기되는 최적화 휴리스틱이 일관되게 큰 효과를 내지 않았고, 일부 조건에서는 기존 검색 단계에서 문서의 위치에 불리하게 작용할 가능성도 나타났다.2
SAGEO Arena 계열 연구를 눈여겨볼 이유도 비슷하다. 생성형 답변 안에서 더 잘 보이도록 문서를 바꾸는 일이 앞단의 검색·retrieval 단계에서는 반드시 이득이 되지 않을 수 있다는 점을 보여준다.3
실무에서는 이 대목이 특히 중요하다. GEO를 한다며 사람이 읽기에 부자연스러운 문장을 만들거나, ‘AI가 좋아한다’는 근거 없는 형식으로 기존 검색 성능과 콘텐츠 품질을 훼손하면 전체 과정에서는 오히려 손해가 날 수 있다.
2026년 발표된 GEO 연구 비판적 종합은 이 문제를 더 넓게 본다. 이 검토가 강조하는 핵심은 GEO가 하나의 순위 단계가 아니라 여러 단계가 이어지는 확률적 시스템이라는 점이다.4
검색이 일어나는가.
무엇을 가져오는가.
어떤 자료를 다시 올려놓는가.
답변 문맥에 포함하는가.
인용하는가.
얼마나 눈에 띄게 다루는가.
원출처의 내용을 얼마나 충실하게 전달하는가.
사용자는 그 뒤에 무엇을 하는가.
그래서 “GEO 순위를 올린다”는 표현만으로는 실제 과정을 설명하기 어렵다.
그렇다면 GEO는 허상인가
그렇다고 반대쪽으로 지나치게 기울 필요도 없다. “결국 SEO잖아. GEO라는 말은 마케팅 회사가 만든 유행어일 뿐이야.”
이 설명만으로도 전체 그림은 잡히지 않는다. Google은 AI Overviews와 AI Mode를 설명하면서 기존 검색의 기본 원칙을 여전히 중요하게 둔다. 크롤링 가능성, 유용하고 신뢰할 수 있는 콘텐츠, 실제 화면 내용과 일치하는 구조화 데이터 같은 기존 원칙은 사라지지 않는다. Google은 AI 검색에 노출되기 위해 완전히 별개의 비밀 파일이나 특별한 기술이 필수라고 말하지 않는다.5
이 점에서는 GEO가 SEO와 연결되어 있다는 말이 맞다. 하지만 생성형 답변은 전통적인 검색결과 페이지와 같은 형태가 아니다. 하나의 링크 목록 대신 여러 출처를 합성한 답을 만들 수 있고, 사용자의 질문을 다시 해석하거나 여러 하위 문제로 나눌 수 있고, 여러 브랜드 가운데 일부만 최종 답에 남길 수 있다. 쇼핑에서는 상품 데이터가 직접 후보 탐색에 사용되기도 한다. 개인화가 허용된 서비스에서는 사용자 맥락이 질의 해석에 들어갈 수도 있다.
그러므로 더 정확한 표현은 이렇다. SEO와 GEO는 분리된 두 세계도, 같은 일에 붙인 새 이름도 아니다. 기존 검색 기반은 여전히 중요하다. 그 위에 생성형 답변과 추천이라는 새로운 선택 단계가 더해졌다.
llms.txt 하나로 해결되지 않는 이유
GEO 붐이 일면 새로운 체크리스트도 따라온다.
FAQ를 많이 써라.
질문형 제목을 만들어라.
통계를 넣어라.
schema를 추가하라.
llms.txt를 만들어라.
이 가운데 일부는 특정 상황에서 유용할 수 있다. 문제는 ‘하면 좋을 수 있는 것’과 ‘추천을 올린다고 검증된 것’이 자주 섞인다는 점이다.
예를 들어 Google은 2026년 AI 검색 최적화 공식 가이드에서 Google Search가 llms.txt를 무시하며, 그것이 검색 가시성이나 순위에 도움도 불이익도 주지 않는다고 명시한다. 같은 문서에서 AI 검색을 위한 별도의 ‘청킹’ 요구사항도 없고, AI만을 위한 별도 문구 재작성도 필요하지 않으며, 생성형 AI 노출을 위해 특별한 schema.org 마크업이 요구되는 것도 아니라고 설명한다.5
이것은 Google Search에 대한 공식 입장이다. 다른 AI 시스템 전체에서 llms.txt의 효과가 영구히 없다는 뜻까지 확장할 수는 없다. 더 정확한 판정은 Google Search에는 필요하지 않고, 다른 생성형 시스템 전반에서 추천을 높인다는 강한 근거도 아직 없다는 것이다.
GEO를 기술 파일 하나의 문제로 좁히면 더 본질적인 질문을 놓치기 쉽다.
사용자는 무엇을 물었는가.
시스템은 무엇을 찾았는가.
내 정보는 후보에 들어갈 만큼 구체적이었는가.
다른 출처에서도 확인되는가.
그 사용자에게 실제로 맞는가.
GEO를 어떻게 정의할 것인가
여기서는 GEO를 다음 뜻으로 쓴다.
GEO는 생성형 검색·추천 시스템의 여러 단계에서 브랜드·상품·장소·콘텐츠가 발견되고, 포함되고, 인용되고, 언급되고, 추천될 가능성을 관찰하고 개선하며 측정하는 실무다.
여기에는 두 가지가 들어 있다. 첫째, 관찰과 측정이다. 한 번 질문해서 우리 브랜드가 나왔다고 GEO가 잘됐다고 선언하지 않는다. 질문 표현을 바꾸고, 여러 번 실행하고, 필요하면 여러 모델과 시점에서 확인해야 한다.
둘째, 증거의 개선이다. AI가 좋아할 것 같은 문장을 쓰는 것보다, 실제 고객이 판단할 때 필요한 사실을 명확하게 만들어두는 데 초점을 둔다. 가격, 위치, 사용조건, 누구에게 적합한지, 누구에게는 맞지 않는지, 상품 사양, 운영시간, 리뷰와 제3자 평가, 공공기관 자료, 실제 서비스 경험 같은 것들이다.
이렇게 보면 GEO의 목적도 달라진다. 목표는 모든 질문에서 이름을 억지로 노출하는 것이 아니라, 실제로 적합한 질문에서 후보가 되고 그 이유를 검증할 수 있게 하는 것이다.
SEO의 종말이 아니라 추천 전 단계의 확장
새 기술이 등장하면 이전 기술의 사망 선고가 따라온다. “검색은 끝났다.”
“SEO는 죽었다.”
이런 표현은 피한다. 앞에서 본 세무 상담 경험만 해도 그렇다. 후보를 AI에서 발견한 뒤 Google에서 평판을 다시 확인했다. AI와 검색이 경쟁하는 것이 아니라 한 번의 의사결정 안에서 연속해서 사용될 수 있다.
생성형 AI가 검색을 대체하는 질문도 있을 것이다. 반대로 AI에서 후보를 좁힌 뒤 검색엔진, 지도, 공식 사이트, 리뷰, 쇼핑몰로 이동하는 질문도 있을 것이다.
사업자가 볼 것은 어느 진영이 이기느냐가 아니라, 고객의 선택 여정에서 내 정보가 어느 단계에 필요한가다.
SEO는 여전히 중요하다. GEO는 그 위에 새로운 질문을 더한다. 검색결과에 존재하는가?
그리고 이제 하나가 더 붙는다. 내 이름을 모르는 사용자의 상황 질문에서 후보가 되는가?
이 질문부터 검색의 모습이 달라진다.
1. Aggarwal, Murahari, Rajpurohit, Kalyan, Narasimhan & Deshpande, “GEO: Generative Engine Optimization”, KDD 2024, pp. 5–16, DOI 10.1145/3637528.3671900. 최대 약 40%는 생성형 답변 내 visibility 결과이며 end-to-end 자연 발견·트래픽·매출 40% 상승으로 해석하지 않는다. https://doi.org/10.1145/3637528.3671900
2. Puerto et al., “C-SEO Bench: Does Conversational SEO Work?”, NeurIPS 2025 Datasets & Benchmarks Track, peer-reviewed. 현재 C-SEO 기법 다수가 제한적이거나 음(-) 효과를 보이고, 전통적 source ranking 개선이 더 효과적일 수 있음을 보고. https://proceedings.neurips.cc/paper_files/paper/2025/hash/27aa3aeff0f8460a7b43d30fa6c5c032-Abstract-Datasets_and_Benchmarks_Track.html
3. Kim et al., SAGEO Arena (2026), 프리프린트. 171k docs·2,700 queries 규모의 비상용 파이프라인에서 body-only rewrite가 retrieval/rerank/citation을 악화시킬 수 있음을 보고. https://arxiv.org/abs/2602.12187
4. Olivier Martinez, Optimizing Visibility in Generative Engines: A Critical Survey of Generative Engine Optimization (2023–2026), 2026, 프리프린트. 45개 연구를 검토하며 초기 visibility gains와 organic discovery·downstream behavior의 인과를 분리한다. https://arxiv.org/abs/2607.14035
5. Google Search Central, AI features and your website / AI optimization guide, 최종 업데이트 2026-07-10, 2026-08 확인. Google Search 관점에서 AI 최적화는 기존 SEO 기반이며 query fan-out을 설명한다. Google Search는 llms.txt를 무시하고, 별도 chunking·AI-only rewrite·special schema를 요구하지 않는다고 명시한다. https://developers.google.com/search/docs/fundamentals/ai-optimization-guide
