AI가 우리 브랜드를
어떻게 설명하는가

먼저 확인해 보세요

글을 읽기 전에 3분만 써서 현재 상태를 보시면 좋겠습니다.

ChatGPT나 Perplexity를 열고 이렇게 물어보세요.

대부분 이런 결과가 나옵니다. 브랜드를 직접 물으면 "정보를 찾을 수 없다"거나 엉뚱한 회사를 설명하고, 업종 추천을 물으면 다른 곳들이 나옵니다.

이게 광고비 문제가 아니라는 점이 중요합니다. 광고를 아무리 많이 해도 AI가 참조할 수 있는 형태의 문서가 없으면 인용되지 않습니다. AI는 광고를 보지 않습니다. 문서를 읽습니다.

SEO와 무엇이 다른가

GEO(Generative Engine Optimization, 생성형 엔진 최적화)는 AI가 답변을 만들 때 우리를 신뢰할 수 있는 출처로 인식해 인용하도록 설계하는 작업입니다.

제로 클릭이 만드는 문제

GEO에서 가장 당혹스러운 지점입니다. AI 답변의 상당수는 제로 클릭입니다. 사용자가 사이트에 오지 않고 답을 얻습니다.

그래서 GA4를 아무리 봐도 GEO 성과가 안 보입니다. 표준 분석 도구로는 AI 기반 노출이나 브랜드 언급을 잡을 수 없습니다.

SEO를 대체하는 게 아닙니다

오해가 많은 지점입니다. GEO는 SEO 위에 얹는 층입니다. 구글에서 안 잡히는 문서가 AI에게만 잡히는 경우는 거의 없습니다. 국내 검색 환경에서 네이버와 구글을 어떻게 나눌지는 네이버 검색 노출에서 다뤘습니다.

AI 검색은 대부분 웹을 실시간으로 검색해 답을 만듭니다. 그 검색 단계에서 우리 문서가 나오지 않으면 인용될 기회 자체가 없습니다. SEO 기본기가 GEO의 전제 조건입니다.

근거는 있는가 — 두 편의 연구

GEO를 다루는 글은 많은데 검증된 근거를 제시하는 경우는 드뭅니다. 확인 가능한 연구가 두 편 있고, 두 연구의 결론이 다릅니다.

① 효과가 있다 — GEO 논문 (2024)

IIT 델리와 프린스턴 등의 공동 연구팀이 Generative Engine Optimization이라는 용어를 처음 제시한 논문입니다. KDD 2024에서 발표됐습니다.

② 대부분 효과가 없다 — C-SEO Bench (2025)

이듬해 나온 후속 연구가 위 결과를 다시 검증했습니다. NeurIPS 2025 데이터셋·벤치마크 트랙에 실렸습니다.

앞선 논문의 방법 7개에 신규 2개를 더해 6개 도메인 1,921개 쿼리로 다시 측정했더니, 대부분의 방법이 유의미한 효과를 내지 못했고 일부는 오히려 순위를 떨어뜨렸습니다. 그리고 전통적인 검색 최적화 쪽이 더 효과적이었습니다.

왜 결과가 달라졌나

연구팀이 지적한 원인은 실험 조건입니다.

즉 나만 하면 효과가 있지만, 다들 하면 사라집니다. 그리고 연구팀은 채택이 늘수록 수익이 체감한다고 표현했습니다.

이 글의 나머지가 기법보다 구조와 접근성에 무게를 두는 이유입니다. 크롤러가 못 들어오면 아무것도 시작되지 않고, 인용할 내용이 없으면 어떤 기법도 소용없습니다.

AI가 인용하는 문서의 조건

AI가 어떤 문서를 인용하는지에는 패턴이 있습니다.

① 답이 문서 안에 있다

"자세한 내용은 문의하세요"로 끝나는 문서는 인용되지 않습니다. 인용할 내용이 없기 때문입니다.

반대로 구체적인 숫자, 범위, 조건이 문서 안에 적혀 있으면 AI가 그것을 가져다 씁니다. "팝업 비용은 케이스마다 다릅니다"보다 "20~30평 기준 평당 200~400만 원"이 인용됩니다.

② 출처가 될 수 있다

AI가 답변에 통계나 수치를 넣으려면 어딘가를 인용해야 합니다. 우리 사이트가 그 수치의 원본 출처라면 인용을 받습니다.

기존 SEO에는 이에 해당하는 개념이 없었습니다. 순위는 경쟁이지만 인용은 그렇지 않습니다. 우리만 가진 데이터가 있으면 경쟁 없이 인용됩니다.

③ 구조가 명확하다

질문에 대응하는 제목, 그 아래 바로 나오는 답. 이 구조가 AI에게 읽기 쉽습니다. 서론이 길고 결론이 맨 뒤에 있는 글은 인용되기 어렵습니다.

④ 엔티티가 정의돼 있다

AI는 "골드피치"라는 문자열이 아니라 하나의 개체(엔티티)로 인식해야 합니다. 무엇을 하는 회사인지, 어디에 있는지, 누가 대표인지가 구조화된 형태로 있어야 그 개체가 성립합니다.

다음 섹션이 그 방법입니다.

구조화 데이터 — 실제 코드

구조화 데이터(Schema.org JSON-LD)는 사람에게는 안 보이고 기계만 읽는 설명서입니다. 화면에 "우리는 광고대행사입니다"라고 쓰는 것과, 코드로 "이 개체는 Organization이고 ProfessionalService이며 이런 서비스를 제공한다"고 선언하는 것은 다릅니다.

최소한 있어야 할 것

실제로 이렇게 씁니다

이 사이트에 적용한 Organization 스키마의 일부입니다.

{
  "@type": ["Organization", "ProfessionalService"],
  "@id": "https://도메인/#org",
  "name": "회사명",
  "alternateName": [ ... ],
  "knowsAbout": [ ... ],
  "areaServed": [ ... ],
  "address": { "@type": "PostalAddress", ... }
}

놓치기 쉬운 항목

alternateName — 사람들이 우리를 부르는 다른 이름들입니다. 표기가 달라도 같은 개체임을 알려줍니다. 여기에 무엇을 넣느냐가 검색 질문과의 매칭률을 결정합니다.

knowsAbout — 이 회사가 어떤 분야를 아는지 나열합니다. AI가 "누가 이걸 잘 아나"를 판단할 때 참조합니다. 실제로 하는 것만 적어야 하고, 너무 넓으면 오히려 신호가 흐려집니다.

@id — 개체의 고유 식별자입니다. 여러 페이지에서 같은 값을 참조하면 정보가 누적됩니다. 페이지마다 다르게 쓰면 별개 회사로 인식될 수 있습니다.

세 필드 모두 문법보다 내용이 어렵습니다. 우리 업계에서 실제로 쓰이는 표현이 무엇인지, 어디까지를 "안다"고 선언할 수 있는지는 업종마다 다릅니다.

llms.txt — 무엇을 어떻게 쓰나

llms.txt는 사이트 루트에 두는 텍스트 파일입니다. robots.txt가 크롤러에게 "어디를 봐도 되는지" 알려준다면, llms.txt는 "이 사이트가 무엇인지"를 요약해서 알려줍니다.

왜 필요한가

AI가 사이트를 읽을 때, HTML에는 내비게이션·푸터·스크립트가 섞여 있습니다. 정작 중요한 정보를 찾기 어렵습니다.

llms.txt는 그 노이즈를 걷어낸 요약본입니다. 우리가 직접 쓴 "우리 회사 설명서"라고 보면 됩니다.

구조

# 회사명

> 한 문단 요약. 무엇을 하는 회사인지 구체적으로.

## 핵심 사실

- 소재지: ...
- 사업자 등록: ...
- 대표: ...
- 실적: ...
- 문의: ...

## 다른 곳과의 차이

경쟁사와 무엇이 다른지 서술.

## 서비스

1. **서비스명** — 설명
2. ...

## 발행 자료

- **글 제목** — 핵심 수치와 결론 요약

## 링크

- [홈](https://...)
- [회사소개](https://...)

쓸 때의 원칙

• 사실만 씁니다. "업계 최고", "최상의 품질" 같은 표현은 AI가 인용할 수 없습니다. 검증 가능한 사실만 인용됩니다
• 수치를 넣습니다. "많은 프로젝트"보다 "84건"이 인용됩니다
• 발행 자료를 요약합니다. 글 목록만 나열하지 말고 각 글의 핵심 수치와 결론을 한 줄로 적습니다. AI가 그것만 보고도 인용할 수 있습니다
• 업데이트합니다. 새 글을 발행하면 llms.txt에도 추가합니다

세 번째가 특히 효과적입니다. 글 제목만 나열하면 AI가 본문까지 읽어야 하지만, 핵심 수치를 요약해 두면 그것만으로 인용할 수 있습니다.

다만 여기서 무엇을 공개하고 무엇을 남길지가 판단입니다. 전부 요약하면 사이트에 올 이유가 없어지고, 너무 적으면 인용되지 않습니다. 이 사이트도 그 선을 계속 조정하고 있습니다.

크롤러 차단부터 풀어야 합니다

여기가 가장 자주 놓치는 지점입니다. 많은 사이트가 자기도 모르게 AI 크롤러를 차단하고 있습니다.

어디서 막히나

실제로 이 사이트를 구축할 때도 호스팅 대시보드에 "robots.txt에 AI 학습 차단 규칙 추가" 옵션이 기본으로 켜져 있었습니다. 우리가 만든 robots.txt에서 AI 크롤러를 명시 허용해뒀는데, 플랫폼이 그 위에 차단 규칙을 덮어쓰는 구조였습니다.

허용해야 할 크롤러

User-agent: GPTBot
Allow: /

User-agent: OAI-SearchBot
Allow: /

User-agent: ChatGPT-User
Allow: /

User-agent: ClaudeBot
Allow: /

User-agent: PerplexityBot
Allow: /

User-agent: Google-Extended
Allow: /

학습용 크롤러와 검색용 크롤러는 구분됩니다. 예를 들어 GPTBot은 학습, OAI-SearchBot은 검색 결과 표시용입니다. 학습은 막고 검색만 허용하는 선택도 가능합니다.

JS 렌더링 문제

본문이 자바스크립트로만 그려지는 사이트는 AI가 내용을 못 읽는 경우가 있습니다. 구글은 렌더링을 하지만 LLM 크롤러는 대부분 HTML만 읽습니다.

확인 방법은 간단합니다. 브라우저에서 페이지 소스 보기를 눌러 본문 텍스트가 보이는지 확인하세요. 안 보이면 AI도 못 봅니다. 구축 방식이 이 문제를 만들기도 하므로 웹사이트 제작비 편을 참고하시면 됩니다.

인용되는 문장을 쓰는 법

기술 설정을 다 해도 콘텐츠가 인용 가능하지 않으면 소용없습니다.

답을 먼저 씁니다

제목이 질문이면 바로 다음 문단이 답이어야 합니다. 배경 설명은 그 뒤입니다.

숫자에 맥락을 붙입니다

"평당 300만 원"보다 "20~30평 기준, 2026년, 가벽·바닥·전기 포함 평당 200~400만 원"이 인용됩니다. 조건이 명시된 수치가 신뢰도가 높습니다.

FAQ를 만듭니다

사람들이 실제로 묻는 질문을 그대로 제목으로 쓰고, 그 아래 답을 씁니다. AI가 받는 질문과 형태가 같을수록 매칭이 잘 됩니다.

그리고 그 FAQ를 FAQPage 스키마로도 넣습니다. 화면과 스키마 양쪽에 있어야 합니다.

출처를 밝힙니다

인용한 자료의 출처를 명시하면 문서 자체의 신뢰도가 올라갑니다. AI는 출처가 있는 문서를 선호합니다. 우리가 만든 데이터라면 어떻게 산출했는지 적습니다.

업종별로 무엇을 준비해야 하나

기술 기반은 같지만, AI가 받는 질문의 성격은 업종마다 다릅니다. 그에 맞춰 준비할 콘텐츠도 달라집니다.

브랜드 질문과 비브랜드 질문

이 구분이 중요합니다.

• 브랜드 질문 — "골드피치 어떤 회사야?" 이미 우리를 아는 사람입니다. 정확한 설명이 목표입니다
• 비브랜드 질문 — "광고대행사 추천해줘" 우리를 모르는 사람입니다. 후보에 드는 것이 목표입니다

브랜드 질문은 Organization 스키마와 llms.txt로 대응합니다. 비교적 빨리 개선됩니다.

비브랜드 질문이 어렵습니다. AI가 그 분야를 설명할 때 참조할 만한 문서를 우리가 갖고 있어야 합니다. 회사 소개가 아니라 그 주제 자체를 설명하는 문서여야 합니다.

규제 업종은 다르게 접근합니다

의료·금융·법률처럼 규제가 있는 분야는 주의가 필요합니다. AI가 잘못 인용하면 우리 문서가 잘못된 정보의 출처가 됩니다.

• 단정적 표현 대신 조건을 명시합니다
• 작성자·검수자를 author, reviewedBy로 표기합니다
• 근거 자료의 출처와 시점을 밝힙니다
• 면책 문구를 문서 안에 넣습니다

이런 표시가 있으면 AI도 그 맥락을 함께 인용하는 경향이 있습니다. 정확도를 높이는 것이 결국 인용 품질을 높입니다.

측정 — 클릭이 없는 노출을 어떻게 보나

GEO 분석 도구는 아직 초기 단계입니다. 완벽한 방법은 없지만 할 수 있는 것들이 있습니다.

수동 감사 — 가장 확실합니다

정해진 질문 세트를 만들어 월 1회 직접 물어보고 기록합니다. 도구보다 정확하고 비용이 안 듭니다.

서버 로그

AI 크롤러의 방문 기록을 볼 수 있습니다. GPTBot, ClaudeBot, PerplexityBot이 어느 페이지를 얼마나 자주 읽는지 확인하면 기술 설정이 작동하는지 알 수 있습니다.

크롤러가 아예 안 오면 차단 문제이고, 오는데 인용이 안 되면 콘텐츠 문제입니다. 원인 구분에 유용합니다.

레퍼러 분석

제로 클릭이 대부분이지만 일부는 실제로 넘어옵니다. GA4에서 유입 경로에 chatgpt.com, perplexity.ai 같은 도메인이 잡히는지 보세요.

양은 적어도 전환율이 높은 경향이 있습니다. AI 답변을 보고 온 사람은 이미 설득된 상태로 옵니다.

도구

AI 노출을 추적하는 도구들이 등장하고 있습니다. 다만 아직 초기 단계이고 한국어 대응이 제한적인 경우가 많습니다. 도구에 의존하기보다 수동 감사를 기본으로 하고 보조로 쓰는 편이 현실적입니다.

흔한 오해 다섯 가지

① "GEO 업체에 맡기면 된다"

기술 설정은 대행이 가능합니다. 스키마, llms.txt, 크롤러 설정은 한 번 해두면 유지됩니다.

하지만 인용되는 콘텐츠는 대행하기 어렵습니다. 우리 업계의 실제 숫자와 실무 판단이 들어가야 하는데, 그건 외부에서 만들 수 없습니다. 만들 수 있는 것처럼 말하는 곳은 남의 자료를 짜깁기합니다.

② "AI에 노출되게 해드립니다"

보장할 수 없는 약속입니다. AI 답변은 같은 질문에도 매번 다르게 나오고, 모델이 업데이트되면 결과가 바뀝니다.

할 수 있는 것은 인용되지 않을 이유를 제거하는 것입니다. 크롤러가 못 들어오는 것, 구조가 없는 것, 인용할 내용이 없는 것을 하나씩 없앱니다. 그 뒤는 확률의 문제입니다.

③ "콘텐츠를 많이 쓰면 된다"

양이 아니라 인용 가능성입니다. 짧아도 구체적인 수치가 있는 문서가, 길지만 일반론만 있는 문서보다 인용됩니다.

그리고 크롤러가 막혀 있으면 아무리 써도 읽히지 않습니다. 순서가 반대인 경우가 많습니다.

④ "llms.txt만 넣으면 된다"

llms.txt는 아직 공식 표준이 아니고, 모든 AI가 이를 읽는다는 보장도 없습니다. 구조화 데이터가 더 확실한 기반입니다.

다만 작성 비용이 낮고 손해가 없으므로 함께 하는 것을 권합니다. 둘 중 하나를 고르는 문제가 아닙니다.

⑤ "SEO는 이제 끝났다"

반대입니다. AI 검색은 대부분 웹 검색 결과를 참조해 답을 만듭니다. 검색에서 안 잡히면 인용될 기회가 없습니다.

GEO는 SEO를 대체하는 것이 아니라 그 위에 얹는 층입니다. 기존 SEO가 부실한데 GEO만 하는 것은 순서가 틀린 것입니다.

어느 단계에서 막혀 있나 — 3단계 자가진단

GEO만 따로 떼어 하는 것은 대개 순서가 틀린 것입니다. 검색에서 안 잡히면 AI에게도 안 잡히기 때문입니다.

용어부터 정리하면 세 층입니다.

진단 순서

10분이면 우리가 어디서 막혀 있는지 알 수 있습니다.

① 검색 자체가 안 잡힌다면

SEO 기본기부터입니다. 색인 여부, 사이트맵 제출, 페이지 제목과 설명, 내부 링크 구조를 먼저 봐야 합니다. 이 단계에서 GEO 작업을 해봐야 크롤러가 문서를 못 찾습니다.

② 검색은 되는데 AI 답변에 없다면

문서가 답변으로 뽑히기 어려운 구조라는 신호입니다. 결론이 맨 뒤에 있거나, 구체적 수치가 없거나, 질문에 대응하는 제목이 없는 경우입니다.

이 글의 인용되는 문장을 쓰는 법 섹션이 그 대응입니다. 답을 먼저 쓰고, 수치에 조건을 붙이고, FAQ를 만드는 작업입니다.

③ 회사명을 물어도 틀리게 나온다면

엔티티 정의 문제입니다. AI가 우리를 하나의 개체로 인식하지 못하고 있는 상태입니다. 동명 회사와 혼동하거나, 업종을 잘못 잡거나, 아예 정보를 못 찾습니다.

구조화 데이터의 Organization 스키마, llms.txt, 그리고 외부에서 검증 가능한 출처가 필요한 단계입니다. 우리 사이트만으로는 부족하고 여러 곳에서 같은 정보가 나와야 AI가 교차 확인합니다.

30일 실행 순서

순서가 중요합니다. 아래층이 비어 있으면 위층이 작동하지 않습니다.

기대치를 정확히 잡으세요

GEO는 즉효가 없습니다. 순서는 이렇습니다.

1. 크롤링 — 설정 후 며칠에서 몇 주
2. 색인·학습 — 검색 색인이 먼저 잡혀야 함
3. 인용 시작 — 몇 주에서 몇 달
4. 안정적 인용 — 콘텐츠가 축적된 뒤

"이번 달에 GEO 하면 다음 달에 ChatGPT에 나옵니다"라고 말하는 곳은 걸러야 합니다. 아무도 그것을 보장할 수 없습니다. AI 답변은 매번 달라지고, 같은 질문에도 다른 결과가 나옵니다.

자주 묻는 질문