SEO vs GEO — AI가 검색의 입구가 된 시대의 노출 전략

개발자에게 모르는 걸 검색하는 방법이 바뀌고 있다. 예전엔 구글에 키워드를 넣고 파란 링크 10개 중 하나를 골랐다면, 지금은 ChatGPT나 Perplexity, Claude에게 그냥 물어본다. 답은 AI가 여러 문서를 읽고 합성한 한 덩어리로 온다. 링크 클릭은 선택사항이 됐다.

이 변화가 콘텐츠를 만드는 쪽에 던지는 질문은 단순하다. "검색 결과 1페이지에 뜨는 것"이 목표였던 시대의 최적화(SEO)가, "AI의 답변에 인용되는 것"이 중요한 시대에도 그대로 유효한가? 그래서 나온 개념이 GEO다.

SEO — 검색 엔진을 위한 최적화

SEO(Search Engine Optimization)의 파이프라인은 30년 가까이 같은 구조였다.

1. 크롤러(Googlebot)가 페이지를 수집하고
2. 검색엔진이 인덱싱·랭킹하고
3. 사용자가 검색 결과에서 내 링크를 클릭한다

최적화 대상도 이 구조를 따른다 — 키워드와 검색 의도, 백링크, 메타태그와 구조화 데이터, Core Web Vitals 같은 페이지 경험. 성공의 지표는 명확하다. 랭킹과 클릭(트래픽).

GEO — 생성 엔진을 위한 최적화

GEO(Generative Engine Optimization)는 검색의 출구가 "링크 목록"이 아니라 **"AI가 생성한 답변"**인 환경을 겨냥한다. ChatGPT 검색, Perplexity, Google AI Overviews, Claude 같은 답변엔진은 질문을 받으면 (1) 자체 인덱스나 제휴 검색으로 문서를 모으고, (2) 관련 패시지를 골라, (3) 답변을 합성하면서 출처를 인용한다.

여기서 목표가 바뀐다. 1위 랭킹이 아니라 AI가 답변을 만들 때 내 글을 재료로 쓰고, 출처로 인용하게 만드는 것.

왜 지금 GEO인가

첫째, 제로클릭이 기본값이 되고 있다. Google AI Overviews가 켜진 검색에서는 요약이 화면 최상단을 차지하고, 상당수 사용자는 거기서 끝낸다. 전통 SEO로 1위를 해도 그 위에 AI 요약이 있으면 클릭은 줄어든다.

둘째, AI 답변엔진의 점유율이 실제로 오르고 있다. 특히 개발자층은 이동이 빠르다. 에러 메시지, 라이브러리 사용법, 설계 비교 같은 질문은 이미 ChatGPT/Claude에 먼저 묻는 게 일상이다. 이 트래픽은 구글 점유율 통계에 안 잡히지만 분명히 존재하는 "검색"이다.

셋째, AI 경유 방문은 적지만 진하다. AI 답변에서 출처 링크를 눌러 들어오는 사용자는 이미 맥락을 알고 들어온다. 체류·전환 품질이 일반 검색 유입보다 높다는 보고가 많다. 양 대신 질의 트래픽.

넷째, 선점 효과가 있다. 답변엔진의 인용처는 한 번 자리 잡으면 반복 인용되는 경향이 있고, 학습 데이터에 포함된 콘텐츠는 모델이 "원래 아는 지식"이 된다. 지금 수집을 허용하고 구조를 갖춘 사이트가 누적 우위를 가진다.

GEO 실전 — 이 블로그에 실제로 적용한 것들

이 블로그에 직접 적용한 작업들이다. 인프라 레이어와 콘텐츠 레이어로 나뉜다.

1. AI 크롤러가 들어올 수 있는지부터 확인하라

가장 흔한 함정은 콘텐츠가 아니라 인프라가 AI를 막고 있는 경우다. Cloudflare 같은 CDN의 봇 방어(Bot Fight Mode, AI 크롤러 차단 토글)는 GPTBot·ClaudeBot 같은 크롤러를 기본적으로 막을 수 있다. 실제로 이 블로그도 봇 방어가 자동화 트래픽을 error 1010으로 차단하고 있었다.

robots.txt 만 열어두면 되는 게 아니다 — CDN/WAF 레이어에서 검증된 AI 봇을 허용해야 한다. Cloudflare라면 존 전체 토글 대신 WAF 커스텀 룰로 호스트 단위 제어가 가능하다.

# robots.txt — AI 크롤러 명시 허용
User-Agent: GPTBot
User-Agent: OAI-SearchBot
User-Agent: ClaudeBot
User-Agent: PerplexityBot
Allow: /

참고로 Google-Extended나 CCBot(Common Crawl)은 검색이 아니라 모델 학습용 수집이다. 허용하면 장기적으로 모델이 내 콘텐츠를 "아는" 데 기여하고, 거부하면 학습에선 빠진다 — 정책적 선택의 문제다.

2. llms.txt — AI를 위한 사이트맵

llms.txt는 사이트 루트에 두는 마크다운 파일로, AI 에이전트에게 "이 사이트가 무엇이고 핵심 콘텐츠가 어디 있는지"를 알려주는 신흥 표준이다. sitemap.xml의 AI 버전이라고 보면 된다.

# wooncloud
 
> 개발하면서 배운 것들을 정리하는 한국어 기술 블로그.
 
## Posts
 
- [PostgreSQL 인덱스 설계 총정리](https://blog.example.com/posts/pg-index.md): 부분·복합·커버링...

전체 본문을 한 파일에 담은 llms-full.txt를 함께 제공하면 에이전트가 fetch 한 번으로 사이트 전체를 읽을 수 있다.

3. 마크다운 원문을 제공하라

AI는 HTML보다 마크다운을 잘 읽는다. 본문이 어차피 마크다운으로 저장돼 있다면 /posts/<slug>.md 같은 라우트로 원문을 노출하는 비용은 라우트 하나다. 검색엔진과의 중복 콘텐츠 문제는 X-Robots-Tag: noindex 헤더로 정리하면 된다 — 검색 인덱싱은 막되 AI fetch에는 영향이 없다.

4. 구조화 데이터와 신선도 신호

JSON-LD(BlogPosting)의 datePublished/dateModified, author, description은 답변엔진이 출처의 신뢰도와 최신성을 판단하는 재료다. 특히 dateModified를 실제 수정 시각과 연결해두면 "오래된 글" 취급을 피할 수 있다.

5. 콘텐츠 자체 — 패시지 단위로 자기완결적으로

인프라가 갖춰져도 결국 인용되는 건 글이다. GEO 관점의 글쓰기 원칙은 SEO와 결이 조금 다르다.

• 질문에 바로 답하는 단락을 만들어라. AI는 페이지가 아니라 패시지를 가져간다. 섹션 하나가 하나의 질문에 자기완결적으로 답하면 인용되기 좋다.
• 명확한 헤딩 구조(h2/h3)로 주제를 쪼개라. retrieval 단위가 된다.
• 구체적 수치·코드·근거를 넣어라. 생성 엔진은 일반론보다 검증 가능한 구체를 선호한다는 연구(GEO 논문, 2023)가 있다 — 통계 인용, 출처 표기, 전문 용어의 정확한 사용이 인용률을 높였다.
• 같은 내용이라도 정의 → 비교 표 → 예시 코드 순의 정돈된 구조가 발췌에 유리하다.

SEO는 죽었나? — 아니다, GEO는 SEO 위에 선다

중요한 오해 하나를 정리하자. GEO는 SEO의 대체재가 아니다. ChatGPT 검색은 Bing 인덱스에, Perplexity와 AI Overviews는 자체·구글 인덱스에 기대어 문서를 먼저 검색(retrieve)한 뒤 답을 만든다. 즉 전통 검색에 인덱싱되지 않으면 AI 답변의 후보에도 못 든다.

결국 우선순위는 이렇다.

1. SEO 기본기 — 인덱싱, 사이트맵, 구조화 데이터, 성능. (없으면 GEO도 없다)
2. AI 크롤러 개방 — robots + CDN/WAF 레이어 확인. (막혀 있으면 전부 무의미)
3. GEO 레이어 — llms.txt, 마크다운 제공, 패시지 단위 글쓰기.

정리

• SEO는 "검색 결과에서 클릭받기", GEO는 "AI 답변에 인용되기"다. 노출의 단위가 페이지에서 패시지로, 평가 주체가 랭킹 알고리즘에서 LLM으로 바뀌었다.
• 제로클릭 확산과 AI 검색 성장 때문에 GEO의 비중은 계속 커진다. 단, AI 경유 트래픽은 양보다 질이다.
• 실전은 인프라부터다: AI 크롤러가 차단돼 있지 않은지(특히 CDN 봇 방어) 확인하고, llms.txt·마크다운 원문·구조화 데이터를 깔고, 패시지 단위로 자기완결적인 글을 써라.
• GEO는 SEO를 대체하지 않는다. 검색 인덱스가 retrieval의 기반이므로 둘은 적층 관계다.