AI 검색 시대, 검색 최적화에서 ‘GEO’로 넘어갈 때 기업이 준비해야 할 것

생성 AI가 검색과 쇼핑의 인터페이스가 되면서 SEO(Search Engine Optimization)의 경쟁 방식에도 변화가 나타나고 있습니다. 사용자가 검색 결과 목록을 직접 탐색하는 대신, AI가 여러 정보를 종합해 몇 개의 제품이나 기업을 추천하고 비교해 주는 환경에서는 단순히 검색 결과의 상위에 오르는 것만으로는 충분하지 않습니다. 이때 등장하는 개념이 GEO(Generative Engine Optimization)입니다.

최근 발표된 “Generative Engine Optimization in AI-mediated Retail Supply Chains: Algorithmic Visibility, Fulfillment Constraints, and Platform Governance” 논문은 GEO를 단순한 마케팅이나 콘텐츠 최적화의 문제가 아니라, AI가 소비자에게 어떤 상품을 보여줄 것인가를 결정하는 수요 배분 메커니즘으로 바라봅니다. 특히 GEO가 가격 경쟁, 소비자 후생, 물류·배송 역량, 플랫폼 거버넌스와 어떻게 연결되는지를 이론적으로 분석했다는 점에서 주목할 만합니다. 이 논문을 GEO 관점에서 읽으면 중요한 질문 하나가 떠오릅니다.

AI에게 잘 보이는 기업이 중요한 것이 아니라, AI가 소비자에게 추천할 만한 기업으로 판단할 수 있는 정보를 얼마나 잘 갖추고 있는지가 중요해지는 것은 아닐까요?

논문의 함의를 중심으로 정리해 보겠습니다.

SEO의 경쟁 대상이 ‘순위’였다면, GEO의 경쟁 대상은 ‘답변에 포함되는 것’입니다

전통적인 검색에서는 기업이 경쟁하는 대상이 비교적 명확했습니다. 검색 결과에서 몇 번째에 노출되는가, 클릭률이 얼마나 높은가, 광고 영역을 확보할 수 있는가 등이 핵심이었습니다. 하지만 생성형 AI 검색에서는 구조가 달라집니다. AI는 여러 페이지와 데이터를 검색한 뒤 이를 하나의 답변으로 압축합니다. 따라서 기업 입장에서는 검색 결과의 10위에서 3위로 올라가는 것뿐 아니라 아예 AI가 생성하는 답변의 후보군에 들어가고, 인용되고, 추천되는 것 자체가 중요해집니다.

논문은 이를 “probabilistic inclusion”, 즉 확률적 포함이라는 개념으로 모델링합니다. AI가 모든 기업을 동일하게 노출하는 것이 아니라, 각 기업이 가진 정보의 풍부성·신뢰성·기계 가독성 등에 따라 답변에 포함되거나 강조될 가능성이 달라진다고 보는 것입니다. 이 차이는 GEO 전략을 바라보는 관점을 바꿉니다.

따라서 GEO는 단순히 “AI에게 우리 브랜드를 언급하게 만드는 방법”으로 좁게 정의하기 어렵습니다. 오히려 기업의 제품과 서비스 정보를 AI가 이해하고, 비교하고, 검증하고, 답변에 활용하기 쉽게 만드는 작업에 가깝습니다.

GEO에서 중요한 것은 콘텐츠의 ‘양’보다 ‘기계가 읽을 수 있는 정보의 질’

논문에서 특히 중요한 부분은 기업의 algorithmic visibility capital, 즉 ‘알고리즘 가시성 자본’이라는 개념입니다.

여기에는 다음과 같은 요소들이 포함됩니다.

• 구조화된 상품 속성
• 검증된 제품 사양
• 충분한 리뷰
• 명확한 배송 정책
• 반품 정책
• 정확한 재고 정보
• 판매자 정보
• 신뢰할 수 있는 외부 정보

즉, GEO의 기반이 반드시 새로운 블로그 콘텐츠나 생성형 콘텐츠일 필요는 없습니다. 이미 기업이 보유하고 있는 상품·서비스·운영 데이터를 얼마나 일관되고 검증 가능하게 정리해 두었는가가 중요합니다. 이 관점에서 보면 GEO는 마케팅팀만의 프로젝트가 아닙니다. 상품 데이터는 상품기획팀과 연결되고, 재고 데이터는 SCM과 연결되고, 배송 정보는 물류와 연결되며, 반품 정보는 CS와 연결됩니다. 결국 GEO는 다음과 같은 구조로 확장됩니다.

콘텐츠 → 상품 데이터 → 운영 데이터 → 신뢰 신호 → AI 가시성

따라서 앞으로의 GEO에서는 “콘텐츠를 얼마나 많이 만들었는가?”보다 다음과 같은 질문이 더욱 중요해질 수 있습니다.

• AI가 우리 제품을 비교할 때 필요한 정보를 빠짐없이 찾을 수 있는가?
• 서로 다른 채널에서 제품 정보가 일관되게 나타나는가?
• 가격·사양·배송·재고·반품 조건을 AI가 오해하지 않을 수 있는가?
• 우리가 주장하는 품질을 검증할 수 있는 근거가 존재하는가?

이것이 이 논문이 GEO에 주는 첫 번째 중요한 함의입니다.

GEO는 ‘많이 하면 할수록 좋은 것’이 아닐 수 있다

이 논문에서 가장 흥미로운 결과 중 하나는 GEO 경쟁의 역설입니다. 두 기업의 기본적인 정보 경쟁력이 비슷한 상황에서 한 기업이 GEO 투자를 늘리면 경쟁 기업도 따라갈 유인이 생깁니다. 문제는 두 기업이 똑같이 투자하면 상대적인 가시성 차이는 그대로라는 점입니다. 예를 들어 A와 B가 모두 AI가 읽기 좋은 콘텐츠를 20%씩 늘렸다고 생각해 보겠습니다. 두 기업 사이의 상대적 차이가 그대로라면 AI가 A를 선택할 확률도, B를 선택할 확률도 크게 달라지지 않을 수 있습니다.

그런데 두 기업은 콘텐츠를 만들고 데이터를 관리하는 데 비용을 지출했습니다. 논문은 이러한 현상을 GEO의 defensive arms race, 즉 '방어적인 GEO 경쟁'으로 설명합니다. 대칭적인 상황에서는 기업들이 AI 노출을 잃지 않기 위해 투자하지만, 양쪽이 동시에 투자하면 상대적 가시성·가격·시장 배분은 그대로이고 GEO 비용만 증가할 수 있다는 것입니다. 논문에서는 이러한 상황에서 소비자 후생도 변화하지 않고 전체 후생이 감소하는 결과를 제시합니다.

이 결과가 실무적으로 중요한 이유는 명확합니다.

“경쟁사가 콘텐츠를 늘렸으니 우리도 콘텐츠를 늘리자”라는 방식의 GEO가 항상 합리적인 것은 아니라는 것입니다. 따라서 GEO 성과를 단순한 콘텐츠 생산량으로 측정해서는 안 됩니다.

예를 들어, 생성한 페이지 수, 생성한 상품 설명 수, FAQ 개수, AI용 콘텐츠 생산량 같은 지표보다,

• AI 답변 내 실제 노출·인용 변화
• 제품 정보의 정확성
• 정보 간 일관성
• 추천 이후 전환
• 주문 취소율
• 배송 지연
• 반품률
• 고객 문의

등을 함께 봐야 합니다. GEO의 목표는 콘텐츠 생산량을 늘리는 데 있는 것이 아니라, AI가 우리 기업을 더 정확하게 이해하도록 만드는 것이어야 하기 때문입니다.

GEO에서는 ‘기존의 정보 자산’이 새로운 경쟁력이 됩니다

논문은 기업들이 동일한 출발선에서 GEO를 시작하지 않는다는 점도 강조합니다. 이미 대형 유통기업이나 플랫폼 입점 기업은 다음과 같은 자산을 보유하고 있을 수 있습니다.

• 풍부한 상품 속성 데이터
• 수많은 리뷰
• 안정적인 재고 정보
• 표준화된 상품 카탈로그
• 명확한 배송 정책
• 반품 정책
• 판매자 평판
• 외부에서 확인 가능한 정보

논문의 모델에서는 이를 baseline algorithmic visibility capital이라고 부릅니다. 이런 기업은 추가적인 GEO 투자를 시작하기 전부터 AI가 이해하기 쉬운 상태에 있을 가능성이 있습니다. 반면 정보가 파편화되어 있거나 상품 데이터가 불완전한 기업은 GEO 활동을 시작하기 전에 먼저 정보 인프라부터 구축해야 합니다. 여기서 중요한 GEO 전략이 하나 도출됩니다.

GEO는 ‘캠페인’이 아니라 ‘축적되는 자산’으로 볼 필요가 있습니다.

오늘 작성한 콘텐츠 하나가 내일의 경쟁력을 보장하는 것은 아닙니다.

반면, 정확한 상품 데이터 → 일관된 정책 정보 → 검증된 리뷰 → 신뢰할 수 있는 배송 정보 → 축적된 브랜드·제품 정보 와 같은 구조는 장기적인 AI 가시성 자산이 될 수 있습니다. 특히 후발주자라면 단순히 콘텐츠 생산량으로 기존 기업과 경쟁하기보다, AI가 검증하기 쉬운 정보 구조를 먼저 구축하는 전략을 생각해 볼 필요가 있습니다.

GEO는 마케팅 문제가 아니라 ‘운영 문제’

이 논문의 가장 독특한 부분은 GEO를 공급망과 연결했다는 것입니다. 일반적인 GEO 논의에서는 AI에 많이 노출되면 트래픽과 매출이 증가한다고 생각하기 쉽습니다. 하지만 이 논문은 한 가지 질문을 추가합니다.

AI가 우리 제품을 추천해서 주문이 급증하면, 우리는 그 주문을 처리할 수 있는가?

논문은 이를 fulfillment capacity extension을 통해 분석합니다. AI가 특정 기업을 더 많이 추천하면 그 기업으로 수요가 집중될 수 있습니다. 그런데 창고 처리 능력, 피킹·패킹 인력, 배송 슬롯, 고객센터, 반품 처리 능력이 부족하다면 추가 수요가 반드시 추가 이익으로 이어지는 것은 아닙니다. 오히려 배송 지연, 품절, 취소, 고객 불만 등의 비용이 발생할 수 있습니다. 따라서 GEO의 KPI도 앞으로는 다음처럼 확장될 필요가 있습니다.

AI Visibility

→ Demand

→ Conversion

→ Fulfillment

→ Customer Experience

→ Profitability

즉, AI에서 잘 보이는 것과 AI를 통해 수익을 내는 것은 서로 다른 문제입니다. 논문이 말하는 핵심은 바로 이것입니다.

GEO의 경제적 가치는 기업이 AI가 유도한 수요를 얼마나 안정적으로 실행할 수 있는가에 따라 달라집니다.

GEO 전략은 ‘정보의 양’보다 ‘검증 가능한 정보’에 초점을 맞춰야

논문의 마지막 확장 모델에서는 플랫폼이 GEO 신호를 모두 동일하게 평가하지 않는 상황을 분석합니다. 기업의 verifiable retail quality, 즉 검증 가능한 소매 품질과 운영 신뢰도를 고려해 GEO 효과를 차등적으로 적용하는 방식입니다. 예를 들어 다음과 같은 정보가 신뢰 신호가 될 수 있습니다.

• 상품 정보의 정확성
• SKU 데이터의 완전성
• 재고 정확도
• 배송 신뢰성
• 취소율
• 품절률
• 정시 배송
• 반품 처리
• 고객 서비스
• 리뷰의 신뢰성

이런 정보가 충분하다면 GEO 활동이 단순한 콘텐츠 조작이 아니라 실제 제품과 서비스의 품질을 설명하는 수단이 될 수 있습니다. 반대로 검증하기 어려운 콘텐츠를 대량으로 생산하는 방식의 GEO에는 플랫폼이 낮은 가중치를 줄 수 있다는 것이 논문의 접근입니다. 여기서 GEO의 방향성이 조금 더 선명해집니다.

• 과거의 SEO : “검색엔진이 좋아하는 콘텐츠를 만든다.”
• 앞으로의 GEO : “AI가 검증하고 이해할 수 있는 기업 정보를 만든다.”

그리고 더 나아가면, “실제로 좋은 제품·서비스를 제공하고, 그것을 AI가 확인할 수 있도록 만든다.” 라는 방향으로 발전할 가능성이 있습니다.

플랫폼 입장에서는 ‘답변 UI’ 자체가 GEO 경쟁의 규칙이 됩니다

이 논문은 기업뿐만 아니라 AI 플랫폼의 역할도 중요하게 봅니다. 예를 들어 AI가 하나의 제품만 추천하는 구조와 3~5개의 제품을 비교해 주는 구조는 기업의 GEO 투자 유인을 완전히 다르게 만들 수 있습니다. 논문의 two-tier answer interface 확장에서는 1순위 추천 제품과 2순위 제품이 모두 의미 있게 노출될 경우, 1위와 2위 사이의 ‘gap’이 줄어들어 공격적인 GEO 투자 유인이 낮아질 수 있음을 보여줍니다. 따라서 AI 플랫폼이 선택할 수 있는 방법도 있습니다.

• 하나의 제품만 강조하기
• 여러 제품을 비교하기
• 1순위와 대안 제품을 함께 제시하기
• 출처를 보여주기
• 제품별 장단점을 함께 표시하기
• 검증 가능한 품질 신호에 더 높은 가중치를 주기

즉, AI의 답변 구조 자체가 GEO 시장의 경쟁 규칙이 됩니다. GEO는 기업이 AI를 ‘공략’하는 문제인 동시에, AI 플랫폼이 어떤 기업의 정보를 어떤 방식으로 사용자에게 전달할 것인지 결정하는 플랫폼 거버넌스의 문제이기도 합니다.

성숙한 GEO 전략은 ‘AI가 잘 설명할 수 있는 기업’으로 이동

이 논문을 GEO 실무 관점에서 한 문장으로 정리하면 다음과 같습니다.

GEO는 콘텐츠 최적화가 아니라 기업의 정보를 AI가 발견하고, 이해하고, 검증하고, 추천할 수 있는 상태로 만드는 작업입니다.

따라서 기업이 앞으로 점검해야 할 영역도 달라집니다.

① Product Data : 상품명, 사양, 가격, 속성, SKU 정보가 정확하고 구조화되어 있는가?

② Evidence : 상품의 장점과 품질을 뒷받침할 수 있는 리뷰·자료·외부 근거가 존재하는가?

③ Policy : 배송·교환·반품·보증 조건을 AI가 명확하게 이해할 수 있는가?

④ Availability : AI가 추천한 상품이 실제로 구매 가능한가?

⑤ Fulfillment : 추천으로 주문이 증가했을 때 배송과 고객 서비스를 감당할 수 있는가?

⑥ Consistency : 웹사이트·마켓플레이스·상품 피드·리뷰 등 여러 채널의 정보가 서로 일치하는가?

⑦ AI Visibility : 실제로 생성형 AI의 답변에서 브랜드·제품이 어떻게 언급되고 있는가?

이렇게 보면 GEO는 SEO 조직 하나가 담당하는 프로젝트가 아니라 마케팅·콘텐츠·상품·데이터·SCM·CS가 연결된 전사적 정보 인프라 문제에 가까워집니다.

이 논문의 결과를 ‘모든 GEO는 낭비다’라고 해석해서는 안 됩니다

여기에는 중요한 전제가 있습니다. 이 논문은 Hotelling duopoly를 기반으로 한 이론적 분석 모델입니다. GEO가 제품의 본질적인 품질을 높이는 것이 아니라, 주로 AI 답변에서의 가시성을 높이는 것으로 모델링합니다. 논문 자체도 이러한 가정을 분명히 밝히고 있으며, 실제 플랫폼 데이터를 이용한 실증 연구는 아닙니다. 또한 저자들은 향후 실제 답변 노출 로그, 상품 메타데이터, 가격, 거래 데이터, 물류 성과 등을 결합한 실증 검증이 필요하다고 제시합니다. 따라서 이 논문의 메시지는 “GEO를 하지 말라”가 아닙니다. 오히려 반대에 가깝습니다.

어떤 GEO가 실제 가치를 만들어내는지 구분해야 한다는 것입니다.

• 상품 정보를 정확하게 만드는 GEO,
• 배송 정보를 투명하게 만드는 GEO,
• 제품 비교에 필요한 정보를 구조화하는 GEO,
• 신뢰할 수 있는 리뷰와 근거를 제공하는 GEO는 소비자의 의사결정을 도울 수 있습니다.

반면 경쟁사가 콘텐츠를 늘렸기 때문에 우리도 의미 없는 콘텐츠를 더 많이 만들어야 하는 식의 GEO는 상대적인 가시성을 크게 바꾸지 못하면서 비용만 증가시킬 가능성이 있습니다.

GEO의 다음 경쟁은 ‘콘텐츠 생산력’이 아니라 ‘정보 신뢰성과 실행력’

이 논문이 GEO에 던지는 가장 중요한 함의는 AI 가시성을 독립적인 마케팅 지표로 보지 말아야 한다는 것입니다. 생성형 AI가 소비자의 검색과 구매 여정을 중간에서 매개하기 시작하면, AI가 어떤 기업을 답변에 포함시키느냐가 곧 수요가 어디로 이동하는가와 연결됩니다. 그리고 수요가 이동하면 가격이 달라지고, 주문량이 달라지고, 물류 부담이 달라지고, 고객 경험이 달라집니다. 따라서 GEO는 다음과 같은 하나의 선순환 구조로 바라볼 필요가 있습니다.

정확한 정보 → 높은 AI 가독성 → AI 답변 내 가시성 → 수요 유입 → 안정적인 배송·서비스 → 실제 고객 경험 → 신뢰할 수 있는 품질 신호 → 다시 AI 가시성 강화

결국 앞으로의 GEO 경쟁에서 중요한 질문은

“우리 브랜드가 AI에 얼마나 많이 언급되는가?”

에서 끝나지 않을 것입니다. 더 중요한 질문은,

“AI가 우리 브랜드를 추천했을 때, 그 추천을 뒷받침할 수 있는 정보가 있는가?”

그리고

“AI가 만들어낸 수요를 실제 고객 경험으로 전환할 수 있는가?”

가 될 것입니다. 이러한 관점에서 GEO는 SEO의 새로운 버전이라기보다, AI가 기업과 소비자 사이에서 ‘수요를 배분하는 시대’에 등장한 새로운 디지털 경쟁 인프라라고 보는 편이 이 논문의 핵심을 더 잘 보여줍니다.

GEO의 목표는 AI에게 더 많이 보이는 것이 아니라, AI가 소비자에게 추천할 만큼 명확하고 신뢰할 수 있는 기업이 되는 것입니다.