뮬러는 사람들이 결국 이를 악용하고, 특정 시점에 시스템이 이를 감지하면 그동안의 모든 노력이 수포로 돌아간다고 설명했습니다. 그는 검색 엔진과 AI 시스템이 장기적으로 사용자에게 보여주고 싶어 하는 콘텐츠를 만드는 최종 목표에 집중해야 한다고 강조했습니다. 또한 AI로 대량 생산된 콘텐츠와 같은 전술들은 전혀 새로운 것이 아니라고 지적했습니다. 사람들은 항상 어떤 꼼수를 찾아내고 이에 대해 쓰며, 모두가 이를 따라 하다가 결국 시스템이 이를 쉽게 인식하면서 실제 비즈니스에 타격을 주게 된다고 전했습니다.

뮬러는 AI 콘텐츠 대량 생산을 과거의 키워드 반복이나 흰색 배경에 흰색 글씨를 쓰는 꼼수와 비교했습니다. 이러한 기법들은 일시적으로는 작동할지 몰라도 결국에는 실패하게 됩니다. 그는 터무니없는 성과를 약속하는 컨설턴트들에게 의문을 품고 그들이 실제로 무엇을 하고 있는지 파악해야 한다고 조언했습니다. 요약하자면 오늘 통하는 방식이 내일도 통한다는 보장은 없습니다.

영상에서 다뤄진 기타 주요 내용은 다음과 같습니다.

영상에서는 이 밖에도 모바일 우선 전략, 웹사이트의 AI 전용 버전, 미래의 검색 센트럴 이벤트, 그리고 AI가 생성한 치즈를 먹을 것인지에 대한 언급도 포함되었습니다.

• 블루닷 인텔리전스에 프롬프트별 ‘출처순위 - 콘텐츠’ 분석 기능이 추가됐습니다.
• AI 검색과 개별 프롬프트 기준으로 브랜드 및 경쟁사 콘텐츠의 인용 순위를 확인할 수 있습니다.
• 기간·AI 검색·프롬프트·언급 및 인용 단위까지 세분화해 GEO 성과를 분석할 수 있습니다.
• 프롬프트별 콘텐츠 순위 데이터는 CSV로 다운로드해 다른 데이터와 함께 추가 분석할 수 있습니다.
• ‘프롬프트’ 메뉴에서 AI 검색 답변, 브랜드 위치, 콘텐츠 성과 등 GEO 데이터를 종합적으로 확인할 수 있습니다.

각 프롬프트별로 우리 브랜드의 언급이나 인용 성과를 보고 싶은데 방법은 없을까요?

꽤 자주 받았던 질문이자 요청입니다. 이미 블루닷 인텔리전스에서는 각 프롬프트별 인용 도메인은 제공하고 있었습니다. 다만 콘텐츠 단위의 인용 순위는 제공을 못하고 있었죠. 데이터는 가지고 있었지만 이에 대한 수요가 있는지 그 전까진 확인하지 못해서 담지 않았습니다. 10월 28일 기점으로 이제 모든 프롬프트에 '출처순위 - 콘텐츠' 항목을 이용하실 수 있게 됐습니다.

각 프롬프트의 AI 검색별 도메인 및 콘텐츠 출처 순위 분석도 가능

GEO에 대한 관심과 이해도가 높아지면서, 고객들의 분석 요구 사항도 많이 늘어나고 있습니다. 이제 전체적인 성과만큼이나 그들의 이해관계가 집약된 세부 프롬프트별 성과도 꼼꼼하게 챙기는 곳이 많아졌습니다. 때문에 GEO 분석 단위도 더욱 깊어져야만 했습니다.

각 프롬프트별 GEO 성과 측정은 그래서 필수가 됐습니다. 기간-AI검색-프롬프트-개별 언급과 인용까지. GEO를 필요로 하는 고객사들은 아주 세세한 단위까지 성과를 확인하고 싶어했습니다. 프롬프트별 콘텐츠 순위는 이런 배경에서 추가하게 됐습니다.

'A 프롬프트에서 가장 많이 인용되는 경쟁사 콘텐츠가 무엇인가요?'라는 물음이 생기면 곧바로 블루닷 인텔리전스에서 분석해 볼 수 있습니다. 필터를 조정하면, 'A 프롬프트에서 네이버 AI 브리핑에 가장 많이 인용되는 콘텐츠 유형은 무엇인가요?'도 곧장 확인할 수 있습니다.

데이터 다운로드는 기본

블루닷 인텔리전스의 특징 중 하나는 모든 측정 모듈의 원 데이터를 CSV 형태로 다운받을 수 있다는 점입니다. 이번 프롬프트별 콘텐츠 순위 데이터도 다운로드가 가능합니다. 다운로드 받은 데이터를 자주 사용하시는 AI에 요청해서 심화 분석을 시도해 볼 수 있습니다. 다른 데이터와 엮으면 블루닷 인텔리전스가 제공하지 못하는 새로운 인사이트도 발견할 수 있습니다.

이번에 프롬프트별 콘텐츠 순위가 추가되면서 블루닷 인텔리전스의 '프롬프트' 메뉴는 GEO 데이터의 종합 저장소로 커지게 됐습니다. 개별 답변 전문부터 시작해 브랜드의 답변 위치 데이터, 콘텐츠별 성과 데이터까지 GEO로 측정할 수 있는 거의 모든 데이터를 이 메뉴에서 만날 수 있으며 또한 다운로드 받아 추가 분석까지 시도할 수 있습니다.

저희 블루닷에이아이는 블루닷 인텔리전스를 GEO 데이터의 보고로 성장시키면서 동시에 에이전트의 결합을 통해 관련성 높은 데이터에 더 쉽게 접근하고 더 깊은 인사이트를 도출하는 GEO 분석 및 실행 자동화  플랫폼으로 성장시켜 나갈 것입니다.

매월 업데이트되는 블루닷 인텔리전스를 항상 주목해 주시길 부탁드립니다.

AI 검색 엔진 환경에서 브랜드의 인용 점유율을 정밀하게 분석하고 경쟁사의 동향을 실시간으로 추적하는 것은 기업의 디지털 마케팅 전략에 필수적인 요소가 되었습니다. 국내 최초 AI 검색 최적화(GEO 또는 AEO) 플랫폼인 블루닷 인텔리전스는 이러한 요구를 충족시키는 포괄적인 솔루션을 제공하며, AI 검색 시대의 브랜드 가시성 확보를 지원합니다.[1][2][3][4] 이 플랫폼은 주요 AI 검색 엔진 내에서 브랜드가 어떻게 언급되고 인용되는지를 파악하고, 경쟁 우위를 점할 수 있는 실행 전략을 제시합니다.[1][2]

블루닷 인텔리전스: AI 검색 최적화(GEO)의 선두 주자

블루닷 인텔리전스는 생성형 AI 기술 기반의 검색 환경에 특화된 'AI 검색 최적화 분석 및 실행 자동화 엔진'입니다.[1] 전통적인 키워드 중심의 SEO(검색 엔진 최적화)와 달리, AI 검색은 사용자의 의도와 맥락을 기반으로 문서를 검색하고 답변을 생성하므로 기존 방식으로는 대응하기 어렵습니다. 블루닷 인텔리전스는 이러한 패러다임 변화에 맞춰 AI 검색이 선호하는 기술적, 콘텐츠적 개선 방안을 제공하며, 2025년 4월 베타 출시 이후 국내 AI 검색 최적화 분야를 선도하고 있습니다.[1][3][4] 특히 2025년 현재 Google 검색의 49%에서 AI 오버뷰가 등장하고 있으며, ChatGPT는 일일 3억 7천 5백만 건의 검색을 처리하는 등 AI 검색 시장이 급성장하고 있어[3], 이에 대응하는 전문 도구의 중요성이 커지고 있습니다.

브랜드 인용 점유율 정밀 분석

블루닷 인텔리전스는 AI 검색 내 브랜드 및 제품의 가시성을 다각도로 측정합니다. 이를 'AI 가시성' 또는 '브랜드 가시성'이라고 부르며, AI 답변에서 해당 브랜드와 제품이 얼마나 자주 언급되는지(빈도), 어떤 위치에서 언급되는지, 그리고 긍정적 또는 부정적으로 평가되는지 등을 파악할 수 있습니다.[1] 또한, 브랜드 가시성 및 AI 답변의 긍부정 지수를 종합한 'BII(Bluedot Intelligence Index)'를 통해 기업 브랜드의 AI 검색 내 위상을 일 단위로 체크하여 필요한 조치를 즉각적으로 취할 수 있도록 지원합니다. 블루닷 인텔리전스는 가시성과 인용률, 최상단 노출률, 언급 점유율, 인용 점유율 등 총 11종의 데이터를 수집 및 분석하여 AI 검색 최적화에 필요한 거의 모든 세부 지표를 모니터링할 수 있게 합니다.[2]

실시간 경쟁사 인용 추적 및 비교

경[1]쟁사 분석은 AI 검색 환경에서 브랜드의 위치를 파악하고 전략을 수립하는 데 필수적입니다. 블루닷 인텔리전스는 동일 고객 질문(프롬프트) 기반으로 경쟁사 데이터도 함께 수집하여, 경쟁사 대비 브랜드의 위상을 확인하고 대응할 수 있는 데이터를 제공합니다.[2] 이를 통해 경쟁사가 AI 검색 답변 상단을 점유하고 있는지 여부를 판단하고, 자사의 취약점을 한눈에 모니터링하여 실시간으로 경쟁사 대비 전략을 세울 수 있습니다.[1][4]

AI 검색 인용 출처 분석 및 콘텐츠 최적화

AI 검색은 사용자 의도와 맥락에 가장 관련도 높은 문서를 우선적으로 인용합니다. 블루닷 인텔리전스는 AI가 어떤 출처(도메인, 사이트, 미디어)를 주로 활용하는지 분석하여 신뢰도 높은 데이터를 제공함으로써, 집중 관리해야 할 사이트나 미디어를 쉽게 분별할 수 있도록 돕습니다. 또한, 콘텐츠 단위 분석 기능을 통해 특정 콘텐츠가 어떤 AI 검색 엔진에 인용되었는지 즉각적으로 확인하고, 도메인별 필터를 통해 플랫폼 단위의 인용 성과를 정밀하게 추적할 수 있습니다.[5][6] 블루닷 인텔리전스는 작성한 콘텐츠가 AI 검색에서 인용될 확률을 RAG(검색증강생성) 기술 기반으로 추정하는 혁신적인 '콘텐츠 AI 최적화 분석' 기능을 제공하며, AI가 가장 자주 인용하는 최적화 콘텐츠를 자동 생산하여 AI 채널로 실시간 발행하는 '실행 자동화' 기술까지 지원합니다.[2][3]

지원 AI 검색 엔진 및 데이터 제공

블루닷 인텔리전스는 ChatGPT, Perplexity, 구글 Gemini (Google AI Overviews) 등 주요 AI 검색 엔진에서 브랜드 노출도와 인용 현황을 분석합니다.[3][4] 수집된 AI 답변 데이터는 언제든지 다운로드하여 정성 분석에 활용할 수 있도록 모든 로데이터에 대한 접근권을 제공합니다.[1] 또한, 구글 서치 콘솔(GSC)과 연동하여 실제 웹사이트로 유입된 쿼리(팬아웃된 쿼리)를 분석, 고객 질문을 역추출하여 고객의 의도를 파악하고 콘텐츠 전략을 수립하는 데 도움을 줍니다.[1]

결론: AI 검색 시대의 필수 전략 파트너

블루닷 인텔리전스는 AI 검색 시대에 브랜드가 직면한 새로운 도전을 해결하고, AI 검색 내 가시성과 인용률을 극대화하여 시장 경쟁력을 강화할 수 있는 강력한 솔루션입니다.[2][7] 브랜드 가시성 및 인용 출처를 정밀하게 분석하고, 경쟁사 대비 우위를 확보하며, AI 친화적인 콘텐츠를 최적화하고 발행하는 자동화된 워크플로우를 통해 기업은 AI라는 '머신 고객'을 효율적으로 설득하고 성공적인 디지털[4] 전환을 이룰 수 있습니다.[2][4]

참고 문서

[1] 블루닷 인텔리전스 소개

[2] 블루닷 인텔리전스 - 국내 최초 AI검색최적화 GEO AEO 분석 및 컨설팅 플랫폼

[3] 비교 분석 : AI검색최적화(GEO) 분석 기능이 뛰어난 도구 8가지

[4] 블루닷에이아이, 기업 대상 AI 검색 엔진 최적화 플랫폼 출시 - 와우테일

[5] AI는 어떤 콘텐츠를 인용할까?｜블루닷 인텔리전스 새 기능

[6] 우리 홈페이지 콘텐츠 인용수, AI검색별로 확인하는 법 | 블루닷 인텔리전스 업데이트

[7] Top GEO Consulting Firm in Korea: Why Bluedot Intelligence Leads the AI Search Era

블루닷 인텔리전스로 2026년 10월 19일부터 25일까지 두 엔진의 인용 출처를 추적했습니다. 이 글에서는 그 결과에서 드러난 다섯 가지 차이와, 각 엔진에 맞춰 GEO 전략을 어떻게 나눠야 하는지를 정리합니다.

어떻게 분석했나

대상은 국내 GEO·AI 검색 최적화 솔루션을 찾는 사용자가 실제로 던질 법한 질문 12개(전체 브랜드 미포함)입니다. "AI 검색 최적화 솔루션을 추천해주세요" 같은 짧은 추천 질문부터, 요금제 비교나 국내외 플랫폼을 표로 비교해 달라는 긴 질문까지 포함했습니다. 같은 기간(2026년 10월 19~25일)에 블루닷 인텔리전스를 활용해 두 엔진에 동일한 질문을 반복해 던지고, 답변에 인용된 페이지를 모두 수집했습니다. 네이버 AI 브리핑 수집이 시작된 지 얼마되지 않아 샘플이 다소 적다는 점을 이해해주시기 바랍니다.

두 AI 검색의 출처는 거의 겹치지 않습니다

두 엔진 모두에서 인용된 URL은 5개, 도메인은 전체 142개 중 16개였습니다. 같은 도메인이라도 엔진에 따라 비중이 크게 달랐습니다. 네이버에서 상위권인 국내 블로그와 커뮤니티는 ChatGPT에서 거의 보이지 않았고, ChatGPT 상위권인 해외 GEO 툴 공식 사이트는 네이버에서 한 번도 인용되지 않았습니다.

네이버는 '네이버 안'을, ChatGPT는 '전세계'를 봅니다

네이버 AI 브리핑이 가장 많이 인용한 도메인은 naver.com 자사 콘텐츠 플랫폼이었습니다. 전체 인용의 18%(74회)가 네이버 블로그(51회), 카페(13회), 프리미엄콘텐츠(10회)에서 나왔습니다. 같은 질문에 ChatGPT가 네이버 페이지를 인용한 횟수는 0회입니다.

언어 차이도 뚜렷합니다. 네이버가 인용한 콘텐츠는 99%가 한국어였습니다. ChatGPT는 한국어 콘텐츠가 56%에 그쳤고, 나머지는 해외 GEO 툴의 공식 페이지와 영문 리뷰 기사였습니다. "국내 플랫폼을 추천해 달라"고 물어도 ChatGPT는 글로벌 툴 정보를 함께 가져와 비교 맥락을 만듭니다.

네이버는 국내 마케팅 커뮤니티 게시글도 자주 인용했습니다. 커뮤니티 공지, 웨비나 안내, 정보공유 게시판 글이 공식 블로그 못지않게 출처로 쓰였습니다.

ChatGPT는 '허브 페이지'를 돌려 쓰고, 네이버는 질문마다 새로 찾습니다

ChatGPT에는 여러 질문에 반복해서 쓰이는 페이지가 있었습니다. 한 국내 GEO 업체 비교 글은 12개 질문 중 7개에서, 총 29회 인용됐습니다. 이런 '허브 페이지'는 대부분 "국내 GEO 업체 비교", "TOP 5", "총정리" 같은 비교·리스트형 글이었습니다. ChatGPT에서 2개 이상의 질문에 인용된 URL은 54개였습니다.

네이버는 정반대였습니다. 인용된 URL 134개 중 124개(93%)가 질문 하나에서만 쓰였고, 한 페이지가 가장 많이 인용된 횟수도 12회에 그쳤습니다. 질문에 들어 있는 키워드로 그때그때 검색해 출처를 고르는 구조로 보입니다.

네이버는 키워드만 맞으면 공공 문서도 인용합니다

네이버 AI 브리핑의 출처 목록에는 GEO와 직접 관련이 없어 보이는 문서도 꽤 있었습니다. 2011년 기술표준백서, 대학의 직무교육 운영 현황 엑셀 파일, 정부 지원사업 공급기업 목록 같은 공공기관 첨부파일이 10건 넘게 인용됐습니다.  모두 질문의 의도했던 GEO와 특별한 관계가 없는 문서들이었습니다. ChatGPT의 출처 목록에는 이런 문서가 하나도 없었습니다.

이는 네이버가 문서의 맥락보다 질문 키워드와의 일치를 더 강하게 보고 있다는 신호로 읽힙니다. 거꾸로 말하면, 사용자가 실제로 쓰는 표현을 제목과 본문에 그대로 담은 한국어 콘텐츠가 네이버에서는 비교적 쉽게 출처 자리에 들어갈 수 있습니다.

가격을 물으면, ChatGPT는 공식 요금제 페이지로 갑니다

"GEO 도구들의 요금제와 가격대별 기능 차이"를 묻는 질문에서 두 엔진의 출처가 가장 극명하게 갈렸습니다. ChatGPT는 각 툴의 공식 pricing 페이지 21개를 직접 인용했습니다. 한 해외 툴의 요금제 페이지는 이 질문 하나에서만 13회 인용됐습니다.

네이버 AI 브리핑은 공식 요금제 페이지를 거의 인용하지 않았습니다. 대신 국내 블로그에 올라온 "GEO 솔루션 가격과 기능 비교표" 같은 정리 글을 출처로 삼았습니다. 같은 가격 정보라도, ChatGPT에서는 1차 출처가, 네이버에서는 한국어로 다시 정리된 2차 출처가 선택되는 셈입니다. 1차 출처를 직접 찾지 않다 보니 결과의 정확도가 낮을 수밖에 없었습니다.

AI 검색별로 GEO 전략을 나눠야 하는 이유

한 엔진에서 잘 인용되는 콘텐츠가 다른 엔진에서도 통한다는 보장은 없습니다. 실제로 이번 분석에서 ChatGPT 인용 상위권에 오른 도메인 상당수가 네이버에서는 거의 인용되지 않았고, 그 반대도 마찬가지였습니다. 엔진별로 다음 항목을 점검해 보세요.

ChatGPT에서 인용되려면

• "비교", "TOP N", "총정리"처럼 여러 질문에 공통으로 답할 수 있는 허브형 비교 글을 만들고, 연도와 수치를 정기적으로 갱신합니다.
• 요금제·기능 정보를 담은 공식 pricing 페이지를 크롤러가 읽을 수 있는 형태로 공개합니다.
• 해외 툴과 함께 비교되는 맥락을 염두에 두고, 글로벌 대비 차별점을 명확히 적습니다.

네이버 AI 브리핑에서 인용되려면

• 네이버 블로그, 카페, 프리미엄콘텐츠 등 네이버 내부 채널에도 콘텐츠를 배포합니다.
• 사용자가 실제로 검색하는 표현("AI 검색 최적화 솔루션 추천" 등)을 제목과 본문에 그대로 씁니다.
• 국내 마케팅 커뮤니티에 정보성 글과 행사 소식을 올려 출처 접점을 넓힙니다.
• 가격·기능 정보는 한국어 비교표 형태로 정리해 별도 글로 발행합니다.

AI 검색별로 따로 측정해야 보입니다

같은 질문을 던져도 ChatGPT와 네이버 AI 브리핑은 서로 다른 출처 지도를 그립니다. 한쪽 엔진의 인용 성과만 보고 전체 AI 검색 가시성을 판단하면, 다른 엔진에서 경쟁사가 그 자리를 차지하고 있다는 사실을 놓치게 됩니다.

이번 분석은 일주일, 12개 질문, 한 산업군의 결과입니다. 네이버 AI 브리핑은 이번 주가 첫 측정 기간이라 전주 대비 변화는 아직 볼 수 없습니다. 기간이 쌓이면 두 엔진의 출처가 어떻게 움직이는지 후속 글로 공유하겠습니다.

우리 브랜드가 ChatGPT와 네이버 AI 브리핑에서 각각 어떤 출처로 인용되고 있는지 궁금하다면, 블루닷 인텔리전스에서 엔진별 인용 출처를 바로 확인해 보세요.

드디어 이 소식을 전할 수 있게 됐네요. 그동안 블루닷CMS는 AI검색 시대 가장 매력적인 CMS로 거듭나기 위해 부단히 노력해왔습니다. 특히 최근 3개월 동안은 이 방향으로 기능을 재편하기 위해 여러 실험들을 진행하기도 했습니다. AI검색에 더 잘 발견되고, 이해되고, 인용되도록 하기 위한 필수 기능들을 담기 위해 기획 과정을 거듭해왔습니다. 마침내 여러분들께 적용해 드릴 수 있게 됐습니다.

지금부터 차근차근 무엇이 바뀌는지 상세히 설명을 드리도록 하겠습니다.

대시보드 개편 : GEO 데이터를 분석해 드립니다

가장 큰 변화는 대시보드 디자인(UI)입니다. 아마 처음 개편된 화면을 보게 되면 조금은 당황하실 수도 있을 겁니다. 완전히 달라진 모습을 확인하시게 될 텐데요. 핵심은 '더 나은 발견', '더 많은 데이터'입니다.

그동안 블루닷CMS 사용자들은 저희가 제공하는 다양한 기능들을 쉽게 발견하기 어려웠습니다. 이를 위해 수 차례의 개편을 단행했지만 만족할 만한 피드백을 얻지 못했습니다. 이 부분을 보완하기 위해 아예 메뉴 구조와 대시보드 디자인을 완전히 변경하는 결정을 내렸습니다. 콘텐츠 발행의 성과를 한눈에 확인할 수 있을 뿐 아니라 세부 기능 발견도 수월하게 이뤄지도록 디자인을 바꿨습니다.

'AI 채널 모드'를 통해 GEO 관련 지표도 직접 확인할 수 있도록 추가했습니다. GA4, 블루닷 인텔리전스 연동만 하면 얼마나 많은 AI 크롤러가 들어와서 우리 사이트의 어떤 콘텐츠를 인용하고, 심지어 방문까지 유도하는지 한눈에 파악할 수 있습니다. AI 검색 시대, 인용되지 않는 사이트는 새로운 고객을 만날 기회를 잃어버리게 됩니다.

이제 새로워진 대시보드로 AI검색 시대의 새로운 생존 방식을 발견해 보시기 바랍니다.

에디터 : AI 통합을 더 강화했습니다

콘텐츠를 작성하는 과정에서 AI의 도움을 얻고자 하는 수요는 지속적으로 증가해왔습니다. 블루닷CMS의 기존 파블로나 AI 생성 기능을 활용하는 비율도 계속 늘어왔습니다. 이번 개편에는 콘텐츠 생산을 지원하는 모든 AI를 'AI 어시스턴트'로 통합했습니다. 제목 변경부터, 썸네일 생성, 오타/문법 수정 등 모든 기능을 여기에 다 통합했습니다. 챗봇처럼 대화하면서 필요한 작업을 곧바로 에디터에 반영하실 수 있습니다.

기존 썸네일 생성 기능이었던 '파블로'도 'AI 어시스턴트'로 흡수됐습니다.

사용의 편의성을 높이기 위해 기본 3~4가지 AI 어시스턴트 활용 메뉴를 먼저 제시하는 방식으로 시작해 볼 수 있습니다. 채팅창 왼쪽의 '/' 버튼을 클릭하면 10가지 이상의 AI 지원 기능을 곧바로 확인할 수 있고 실행할 수도 있습니다. 하나하나 직접 요청하고 대화할 필요 없이 한번에 필요한 작업을 완료할 수 있습니다.  

AI 트래픽을 확인하고 크롤러 차단을 관리할 수 있습니다

이제 AI 트래픽 관리도 쉬워집니다. 우리 사이트에 사람이 아닌 AI 크롤러가 얼마나 방문하는지 확인할 수 있습니다. 뿐만 아니래 간단한 설정으로 과도한 트래픽을 유발하는 AI 크롤러를 직접 차단할 수도 있습니다. 사이트 비즈니스 등에 도움이 되지 않는 크롤러는 언제든 막아두실 수 있도록 업데이트했습니다.

기타 업데이트 내역들

이외에 수많은 업데이트가 이번 개편 과정에 포함됐습니다. 대표적으로는 다음과 같습니다.

1. 선물하기 기능 강화

2. 회원 목록 간편 관리

3. 대시보드 속도 최적화

4. 글 목록 내 통계 업데이트  

블루닷CMS 업데이트 일정

이번 업데이트는 10월 22일부터 순차적으로 적용해 드릴 예정입니다. 이주부터 시작해 다음주 안에 모든 블루닷CMS 파트너들이 개편된 기능을 사용할 수 있도록 업데이트 작업을 진행할 계획입니다. 업데이트 과정에 일부 느려지거나 멈추는 상황이 발생할 수도 있으니 이해를 부탁드립니다.

AI검색 시대를 앞서가는 콘텐츠 기업이 되고 싶다면 블루닷CMS를 선택하세요.

네이버 AI 브리핑 분석하는 방법

네이버 AI 브리핑 분석을 사용하는 방식은 기존과 다르지 않습니다. '프로' 플랜으로 업그레이드하시면, 자동으로 집계가 이뤄집니다. 위처럼 필터에 'Naver AI 브리핑'이 별도의 선택 항목으로 표시가 되는데요. 해당 항목만 클릭하면 Naver AI 브리핑' GEO 지표를 별도로 분석할 수 있습니다.

스타터 플랜의 'Naver AI 브리핑' 분석 제공 여부는 현재 내부 검토 중에 있습니다. 10월 분석을 거쳐서 최종적으로 11월에 판단해서 제공 여부를 알려드릴 예정입니다.

블루닷 인텔리전스가 처음 시도하는 UI 스크래핑 방식

현재 블루닷 인텔리전스의 데이터 수집은 해당 AI 검색의 API를 활용합니다. 통제할 수 있는 범위가 넓고, 접근 IP 등의 제약으로부터 자유로워서입니다. 설정에 맞는 가장 정확한 답변 데이터를 수집할 수 있기 때문이기도 합니다.

'Naver AI 브리핑'은 네이버 측이 API를 제공하지 않는 영역입니다. 따라서 불가피하게 UI 스크래핑 방식을 따를 수밖에 없는 상황입니다. 이 방식은 저희 블루닷 인텔리전스가 처음 시도하는 방식입니다. 최대한 정교하게 세팅해서 정확한 답변을 얻어올 수 있도록 노력하고 있습니다. 이러한 노력의 결과로 현재 집계하고 있는 10여개 GEO 지표를 빠짐없이 확인하실 수 있습니다.

네이버 AI탭 답변 수집도 곧 시작합니다

블루닷 인텔리전스는 계속 수요가 늘어나고 있는 네이버 AI 브리핑뿐 아니라 AI탭 답변 데이터도 수집할 계획입니다. 국내 AI 검색 시장에서 네이버 AI 검색의 점유율이 여전히 상당 수준으로 유지되고 있기에 이 점을 충분히 반영하려고 합니다. 뿐만 아니라 Meta AI에 대한 글로벌 분석 요구도 늘어나고 있습니다. 현재 이 데이터 또한 수집하기 위해 탐색 중에 있습니다.

전문적인 GEO 분석 및 컨설팅을 필요로 하시면 블루닷 인텔리전스에 가입하거나 문의해주세요.

뮤즈 등 글로벌 AI 에이전트가 한국 시장에 상륙했을 때 가져올 파급력은 결코 만만치 않다. AI 에이전트가 국내 결제사, 물류·택배망, 중소 쇼핑몰과 결합하기 시작하면, 기존 거대 유통 플랫폼을 거치지 않고도 최저가 구매와 완벽한 배송 조율이 가능해진다.

물론 한국은 네이버, 쿠팡 등 독자적인 검색·쇼핑·결제·물류 생태계를 완벽히 틀어쥔 거대 플랫폼들이 버티고 있다. 하지만 경쟁의 축이 ‘어느 쇼핑몰이 상품을 더 많이 가지고 있느냐’에서 ‘AI가 이용자의 구매 맥락을 얼마나 정확히 읽어내느냐’로 옮겨가면서 기존 커머스 질서에 균열이 생길 수 있다.

To address this challenge, we at BlueDot AI have added a new content generation system powered by our BlueQ model to Bluedot Intelligence. Let us walk you through how it works.

A New Content Recommendation and Generation System: BlueQ Query Fan-Out

Bluedot Intelligence features a Customer Questions menu that imports data on questions customers have actually asked through Google Search Console. Based on this data, the system can infer the real-world questions customers are likely to ask.

By tracking these inferred customer questions, Bluedot Intelligence calculates a risk score. This score takes into account mention rate, top-position mention rate (ranking position), and citation rate. A high risk score indicates that a prompt requires a more urgent response. In other words, it serves as a signal of how urgently content needs to be created.

Prompts with high risk scores can be filtered by time period in the Content Blind Spots section. The challenge, however, is that addressing each prompt individually is not enough. This is because AI search systems generally break down a user's question into multiple sub-queries through a process known as query fan-out.

The number of sub-queries can vary depending on factors such as whether the customer has a paid subscription. Nevertheless, there are typically at least four or five queries that need to be addressed. This means preparing content that covers not only the original question but also at least four or five fan-out queries.

To solve this problem, we at BlueDot AI developed the BlueQ Query Fan-Out model. This proprietary model, available exclusively through BlueDot Intelligence, analyzes and applies patterns observed in ChatGPT's query fan-out behavior. It was developed by collecting and classifying thousands of ChatGPT query fan-out examples gathered over time.

We identified at least five distinct query types:

• Rewriting: Rephrasing the original question
• Entity Comparison: Comparing entities, including competitors
• Recommendations: Searching for recommendations
• Site-Restricted Search: Limiting searches to specific websites
• Language Expansion: Expanding the search across languages

The key takeaway is that addressing a single customer question may require content that covers at least five fan-out queries.

For example, if five prompts are identified as high-risk, this menu helps you see that you may need to create at least 25 pieces of content to address the associated queries. Clicking the Generate Content button also automatically generates draft content for you. Of course, this does not mean you must publish content for every single query.

The process for determining what content to create for GEO can be summarized as follows:

Google Search Console + BlueQ-based prompt design → Risk analysis for each prompt → Identification of BlueQ fan-out queries for each prompt → Automated content generation for each query → Review and publication

Content Is One of the Core Pillars of GEO Strategy

GEO involves providing AI search systems with reliable, high-quality content, supported by the domain authority you have built over time. The importance of content in this process cannot be overstated.

However, recent Google spam updates and its content guidelines suggest that Google is placing greater emphasis on the value and quality of content, including how it is created. Google has notably introduced effort as a factor in evaluating content quality, highlighting the importance of the human work invested in content creation.

We believe that reviewing, refining, and enriching the drafts suggested by BlueDot Intelligence will help you achieve better GEO results.

Make GEO monitoring and execution easier with BlueDot Intelligence.

If you need help managing your GEO strategy, feel free to visit Bluedot Intelligence anytime.

국내 이커머스 브랜드는 네이버 스마트스토어와 쿠팡을, 해외 브랜드는 아마존을 주요 판매 채널로 활용하는 경우가 많습니다. 이들 플랫폼은 이미 고객 트래픽과 구매 의도, 리뷰, 결제 및 배송 인프라를 확보하고 있습니다. 브랜드가 직접 고객을 유치하는 것보다 기존 플랫폼을 활용하는 편이 효율적인 경우도 많습니다.

그렇다면 AI 검색과 에이전틱 커머스가 확산되는 시대에도 외부 플랫폼에 집중하는 전략은 충분할까요?

이 질문에 답하려면 상품을 판매하는 채널과 AI가 상품 정보를 탐색하는 경로를 구분해야 합니다. 상품이 네이버 쇼핑이나 아마존에서 판매된다는 사실이 AI 검색이 해당 상품 페이지를 직접 수집하고 활용할 수 있다는 뜻은 아니기 때문입니다.

특히 ChatGPT의 쿼리 팬아웃(Query Fan-out)에서 브랜드 공식 웹사이트를 대상으로 한 검색이 반복적으로 관찰된다는 Ahrefs의 최근 연구 결과는 주목할 만합니다. 여기에 네이버 쇼핑과 아마존의 robots.txt에서 확인되는 AI 크롤러 접근 제한까지 고려하면, 브랜드가 직접 관리하는 자사몰의 전략적 가치를 새롭게 평가할 필요가 있습니다.

자사몰이 모든 판매를 담당해야 한다는 의미는 아닙니다. 오히려 외부 플랫폼을 주요 판매 채널로 유지하면서도, 브랜드가 공식 상품 정보와 전문 콘텐츠를 직접 관리할 수 있는 기반을 확보해야 한다는 의미입니다.

ChatGPT는 쿼리 팬아웃에서 브랜드 공식 사이트를 얼마나 자주 검색할까

이 논의에 중요한 근거를 제공하는 자료가 Ahrefs의 연구입니다. Ahrefs는 2026년 8~9월에 수집한 6,660만 건의 ChatGPT 응답과 1,500만 건의 팬아웃 쿼리를 분석해 ChatGPT가 정보를 탐색하는 방식을 살펴봤습니다.

연구에서 특히 주목할 만한 결과는 다음과 같습니다.

• 분석한 전체 ChatGPT 응답 중 웹 검색이 발생한 비율은 14.4%였습니다.
• 웹 검색이 발생한 응답에서는 평균 약 1.6개의 팬아웃 쿼리가 수행됐습니다.
• 전체 팬아웃 쿼리의 6.8%에 site: 연산자가 포함되어 특정 웹사이트를 대상으로 한 검색이 이루어졌습니다.
• 가장 많이 검색된 약 160개 도메인을 분석했을 때, site: 검색의 75.9%가 브랜드 공식 사이트를 대상으로 했습니다.
• 영어 팬아웃 쿼리에서 'official'이라는 단어의 비중은 2026년 8월 10.1%에서 9월 13.1%로 증가했습니다.

여기서 75.9%라는 수치는 모든 팬아웃 쿼리의 75.9%가 브랜드 사이트를 검색했다는 뜻이 아닙니다. 특정 사이트를 대상으로 한 검색 가운데 가장 많이 검색된 도메인들을 분석했을 때 브랜드 공식 사이트가 큰 비중을 차지했다는 의미입니다. 또한 해당 연구는 특정 모델과 기간, 수집 환경을 대상으로 했으므로 모든 ChatGPT 사용자와 모든 질문에 동일하게 적용되는 결과로 볼 수는 없습니다.

그럼에도 이 결과는 중요한 시사점을 제공합니다. ChatGPT가 웹 검색을 수행할 때 외부 리뷰나 종합 정보 사이트만 찾는 것이 아니라, 브랜드가 직접 관리하는 공식 웹사이트를 대상으로 상품 정보를 확인하는 검색도 수행한다는 것입니다. 예를 들어 사용자가 특정 제품의 가격, 규격, 성분 또는 공식 정책을 질문한다면, 브랜드의 공식 웹사이트가 이러한 정보를 확인할 수 있는 출처가 될 수 있습니다.

Ahrefs는 별도의 2만 건 규모 미국 프롬프트 분석에서도 가격, 제품 특징, 기업 정보에 관한 사실 질문에서는 공식 출처가 인용에 중요한 역할을 했다고 보고했습니다. 반면 제품 간 비교 질문에서는 공식 웹사이트의 인용 비중이 상대적으로 낮아졌습니다. 이는 공식 정보와 외부 리뷰·비교 콘텐츠가 서로 다른 역할을 할 수 있음을 보여줍니다.

따라서 브랜드가 주목해야 할 것은 단순히 AI에 노출되는 빈도만이 아닙니다. AI가 어떤 질문에서 공식 사이트를 탐색하고, 어떤 정보를 확인하며, 최종 답변에서 어떤 출처를 활용하는지 이해하는 것이 중요합니다.

네이버 쇼핑과 아마존의 AI 크롤러 접근 제한이 중요한 이유

브랜드 공식 사이트가 AI의 정보 탐색 과정에서 중요한 역할을 할 수 있다면, 반대로 대형 마켓플레이스의 상품 페이지를 AI가 직접 수집할 수 있는지도 살펴봐야 합니다.

앞서 확인한 네이버 쇼핑의 robots.txt에는 OAI-SearchBot, GPTBot, meta-externalagent, PerplexityBot, Claude-SearchBot 등 여러 AI 관련 크롤러에 대해 Disallow: / 규칙이 명시되어 있습니다. 아마존의 robots.txt에도 OAI-SearchBot, GPTBot, ChatGPT-User, meta-externalagent, Claude-SearchBot 등 다수의 크롤러에 대해 사이트 전체 경로의 접근을 제한하는 규칙이 포함되어 있습니다. 이러한 규칙이 실제 해당 사이트에 적용되고 크롤러가 이를 준수한다면, 해당 크롤러는 마켓플레이스의 페이지를 직접 수집하는 데 제약을 받습니다.

물론 여기서 몇 가지 구분이 필요합니다. GPTBot은 모델 학습과 관련된 크롤러이고, OAI-SearchBot은 ChatGPT 검색 노출과 관련된 크롤러입니다. 두 크롤러의 차단은 의미가 다릅니다. 또한 robots.txt는 크롤링 요청을 제한하는 규칙이지, 모든 외부 데이터 접근을 기술적으로 차단하는 장치는 아닙니다.

AI 검색은 다른 웹페이지나 검색 색인, 제휴 상품 피드, 별도의 API 등을 통해서도 상품 정보를 확보할 수 있습니다. 따라서 마켓플레이스의 AI 크롤러 차단이 해당 플랫폼에 등록된 모든 상품 정보를 AI에서 사라지게 만든다고 볼 수는 없습니다. 그럼에도 브랜드 입장에서는 중요한 문제가 발생할 수 있습니다. 브랜드가 네이버 쇼핑이나 아마존에 상세한 상품 정보를 등록했더라도, 특정 AI 검색 크롤러가 해당 페이지에 직접 접근하지 못한다면 그 정보가 해당 크롤러의 직접적인 탐색 경로를 통해 활용되기 어려울 수 있습니다.

이때 브랜드 공식 자사몰은 AI가 접근할 수 있는 별도의 정보 출처가 될 수 있습니다. 브랜드가 직접 관리하는 웹사이트에서 필요한 크롤러의 접근을 허용하고, 상품 정보와 전문 콘텐츠를 명확하게 제공한다면 외부 플랫폼에만 의존하지 않는 정보 제공 경로를 확보할 수 있기 때문입니다.

자사몰은 AI의 우선 검색 대상이 아니라, 브랜드가 통제할 수 있는 공식 정보 출처

자사몰의 중요성을 과장하지 않는 것도 중요합니다. ChatGPT가 site:brand.com 상품명 형태의 검색을 수행한다고 해서 모든 상황에서 자사몰을 다른 사이트보다 우선한다는 뜻은 아닙니다. 자사몰의 크롤링을 허용한다고 해서 반드시 검색 결과에 포함되거나 최종 답변에 인용되는 것도 아닙니다. 하지만 Ahrefs의 연구와 실제 쿼리 팬아웃 관찰을 함께 고려하면, 브랜드 공식 사이트를 정보 탐색의 중요한 대상으로 관리할 이유는 충분합니다.

특히 자사몰은 브랜드가 직접 통제할 수 있는 정보의 범위가 넓다는 점에서 의미가 있습니다.

화장품 브랜드를 예로 들어보겠습니다. 네이버 쇼핑에는 판매 가격, 리뷰, 구매 혜택 등 구매 결정에 필요한 정보가 풍부하게 축적될 수 있습니다. 반면 공식 자사몰에는 전성분, 제형, 사용법, 제품 간 차이, 공식적인 주의사항, 제품 개발 배경 등 브랜드가 직접 관리하는 정보가 더 상세하게 제공될 수 있습니다.

AI가 가격을 비교하는 질문에 답할 때는 판매처의 상품 정보와 리뷰가 유용할 수 있습니다. 반대로 특정 성분의 함량이나 제품의 사용 조건, 공식적인 제품 사양을 확인하는 질문에서는 브랜드가 제공하는 공식 정보가 중요할 수 있습니다.

이처럼 자사몰은 모든 상품 정보를 독점하는 공간이 아니라, 브랜드가 정확하고 신뢰할 수 있는 공식 정보를 제공하는 기반입니다.

자사몰의 전략적 가치는 AI가 무조건 자사몰을 먼저 검색한다는 데 있는 것이 아니라, AI가 브랜드의 상품 정보를 확인할 수 있도록 브랜드가 직접 관리하는 공식 출처를 확보한다는 데 있습니다.

에이전틱 커머스 시대에는 상품 정보와 판매 경로를 함께 관리해야

Meta의 Muse와 같은 AI 에이전트가 쇼핑 영역으로 확장되면 상품을 발견하는 경로와 실제 구매가 이루어지는 경로가 더욱 다양해질 수 있습니다.

고객이 AI에게 상품을 추천받더라도 실제 구매는 외부 마켓플레이스에서 이루어질 수 있습니다. 반대로 AI 서비스가 별도의 상품 카탈로그나 제휴 인프라를 통해 상품을 제공하고 구매를 연결할 수도 있습니다. 자사몰의 중요성을 모든 구매를 자사몰로 유도해야 한다는 주장으로 연결할 필요는 없습니다. 오히려 다음과 같이 역할을 구분하는 편이 현실적입니다.

• 외부 플랫폼은 판매와 구매 전환을 담당합니다. 네이버 쇼핑, 쿠팡, 아마존 등은 고객 유입과 상품 비교, 리뷰, 결제 및 배송 인프라를 제공하는 중요한 판매 채널입니다.
• 자사몰은 공식 정보와 브랜드 콘텐츠를 관리합니다. 브랜드가 직접 상품 정보를 정비하고, 제품의 특징과 사용 조건을 설명하며, 고객이 궁금해하는 질문에 답할 수 있는 공간입니다.
• AI 및 커머스 연동은 정보와 거래를 연결합니다. 웹 검색 크롤링뿐 아니라 상품 피드, API, 제휴 카탈로그 등 각 서비스가 지원하는 경로를 확인해야 합니다.

이 세 가지는 서로 경쟁하는 선택지가 아닙니다. 브랜드는 외부 플랫폼의 판매 효율성을 유지하면서도 공식 정보와 상품 데이터의 관리 기반을 별도로 확보할 수 있습니다. 물론 자사몰에서의 구매 비중을 높이는 효과도 기대할 수 있습니다.

GEO 전략은 자사몰을 만드는 데서 끝나지 않습니다

자사몰을 운영하고 AI 크롤러의 접근을 허용하는 것만으로 GEO가 완성되지는 않습니다. 실제로 AI가 정보를 탐색하고 이해할 수 있도록 기술적 접근성과 콘텐츠 품질을 함께 관리해야 합니다.

첫째, 크롤링 접근성을 확인해야 합니다. robots.txt에서 필요한 검색 크롤러의 접근이 허용되어 있는지 확인하고, 서버나 CDN, 보안 설정이 별도로 접근을 차단하고 있지는 않은지 점검할 필요가 있습니다.

둘째, 상품 정보를 구조화해야 합니다. 상품명, 가격, 규격, 성분, 재고, 배송 및 반품 정책 등 핵심 정보를 명확하고 일관되게 관리해야 합니다. 구조화 데이터가 적용되어 있다면 실제 페이지의 정보와 일치하는지도 확인해야 합니다.

셋째, 공식 콘텐츠를 강화해야 합니다. 제품 간 비교, 사용 가이드, FAQ, 기술적 사양, 구매 전 확인 사항 등을 제공하면 고객의 의사결정을 돕고 AI가 상품을 이해하는 데 필요한 정보를 확보할 수 있습니다.

넷째, 상품 데이터의 연동 경로를 점검해야 합니다. AI 쇼핑 서비스가 별도의 상품 카탈로그나 API를 활용한다면 웹페이지 최적화만으로는 충분하지 않을 수 있습니다. 각 서비스에서 이용 가능한 공식 상품 피드와 연동 방식도 검토해야 합니다.

다섯째, 실제 검색과 인용을 측정해야 합니다. 쿼리 팬아웃에서 공식 도메인이 얼마나 자주 등장하는지, 실제 검색 결과에 상품 페이지가 포함되는지, 최종 답변에서 인용되는지 등을 구분해서 관찰해야 합니다. 이를 통해 크롤러 접근 허용이 실제 AI 검색 활용으로 이어지는지 평가할 수 있습니다.

결론: 외부 플랫폼의 시대에도 자사몰은 필요합니다

Meta의 Muse와 에이전틱 커머스의 발전은 고객이 상품을 발견하고 구매하는 과정에서 AI가 수행하는 역할이 커질 수 있음을 보여줍니다. Ahrefs의 쿼리 팬아웃 연구는 ChatGPT가 특정 사이트를 대상으로 검색할 때 브랜드 공식 사이트를 중요한 탐색 대상으로 삼는 경우가 적지 않음을 보여줍니다. 한편 네이버 쇼핑과 아마존의 robots.txt에 나타난 AI 크롤러 접근 제한은 외부 플랫폼에 상품 정보를 등록하는 것만으로 모든 AI 검색 경로를 완전히 확보했다고 볼 수 없다는 점을 시사합니다.

이를 종합하면 자사몰의 전략적 가치를 다시 생각해 볼 필요가 있습니다.

물론 모든 브랜드가 자사몰을 가장 큰 매출 채널로 키워야 하는 것은 아닙니다. 외부 플랫폼은 앞으로도 고객 도달과 구매 전환에 중요한 역할을 할 것입니다. AI가 외부 플랫폼의 상품 데이터를 활용하는 경로도 계속 존재할 수 있습니다. 다만 그들이 그들의 커머스 플랫폼을 폐쇄적으로 운영할 경우 글로벌 AI Agent 기반의 구매는 어려워질 순 있습니다.

외부 플랫폼에 대한 판매 의존도와 브랜드가 공식 정보를 직접 관리하는 것은 별개의 문제입니다. 브랜드가 상품 정보와 전문 콘텐츠를 직접 관리하고, AI 검색 크롤러가 접근할 수 있는 환경을 구축하며, 필요한 경우 상품 카탈로그와 API를 통해 데이터를 제공한다면 AI 시대에 대응할 수 있는 자사만의 정보 기반을 확보할 수 있습니다.

AI 시대에 자사몰이 중요한 이유는 모든 고객을 자사몰에서 구매하게 만들기 위해서가 아닙니다. 외부 플랫폼에 대한 의존도를 낮추고, 고객이 어떤 플랫폼에서 상품을 발견하고 구매하더라도, 브랜드가 자신의 상품과 가치를 AI가 이해하고 활용할 수 있는 형태로 제공할 수 있어야 하기 때문입니다.

이것이 GEO와 에이전틱 커머스 시대에 자사몰을 단순한 판매 채널이 아니라 브랜드의 공식 정보 자산으로 바라봐야 하는 이유입니다.

오늘부터 Plus, Pro, Business 및 Enterprise 플랜의 채팅 탭에서 전 세계적으로 서비스가 시작되며, 내일부터는 Free 및 Go 플랜으로 확대됩니다. Enterprise 플랜의 서비스 이용 가능 여부는 워크스페이스 관리자 설정에 따라 달라집니다. Plus, Pro, Business 및 Enterprise 버전은 GPT-6 Sol을 사용하고, Free 및 Go 버전은 GPT-6 Luna를 사용합니다. 지능형 사용자 인터페이스(Intelligent UI)는 Instant부터 Extra High 추론 수준까지 사용할 수 있습니다. Pro 추론 옵션은 GPT-6 Astra를 계속 사용하며 지능형 사용자 인터페이스를 지원하지 않습니다. Work 및 Codex에 사용되는 모델은 이번 릴리스에서 변경되지 않습니다. 자격 요건을 충족하는 비즈니스 워크스페이스의 경우, 워크스페이스 접근 권한 및 지원되는 클라이언트에 따라 GPT-6 Sol 기반의 GPT-6 기능이 채팅에 순차적으로 도입될 예정입니다.

기본 모델 변경은 인용하는 출처의 변화를 반드시 수반합니다. 그래서 늘 주시할 필요가 있습니다.

저희는 저희 블루닷 인텔리전스가 속한 GEO SaaS 분야 데이터를 꾸준히 수집하고 있는데요. 여기서 어떤 변화가 있었는지 확인을 해봤습니다. 분석 방법은 다음과 같습니다.

• 프롬프트 : 비브랜드 프롬프트 12건(GEO SaaS 산업 한정)
• 분석 기간 : 전기(10월 5일~8일), 당기(10월 9일~12일)
• 대상 AI 검색 : ChatGPT
• 핵심 데이터 : 기간 동안의 인용수

특징 1 : 해외 사이트 인용이 증가했다

기간이 짧아서 유의미하다고 할 순 없을 겁니다. 다만 흐름 자체는 이해할 필요가 있을 듯 보입니다. 위 차트에서 보다시피 국내 사이트 인용이 일부 줄었습니다. 이를 해외 사이트가 메웠습니다. 쿼리 팬아웃 시에 ChatGPT는 언어 확장하는 경우가 빈번했는데요. 이번엔 그 정도가 좀더 높아진 것으로 보입니다.

특징 2  : 인용 도메인 수가 줄었다

인용 횟수는 늘었는데요. 전체 인용 도메인 수는 줄었습니다. 이는 특정 상위 도메인 인용 쏠림이 강화됐다는 의미입니다. ChatGPT가 모델을 업데이트 하면서 신뢰도 높은 사이트에 인용 비중이 좀더 높이고 있다는 흔적으로 읽힙니다. 위 지표에서 보시다시피 HHI 지수가 512에서 582로 높아졌는데요. 이는 그만큼 상위 도메인 인용에 집중됐다는 의미로 해석해 볼 수 있습니다.

특징 3: 롱테일 도메인이 줄었다

1건이라도 인용된 도메인수는 변경 전 64개에서 변경 뒤 51개로  13개 도메인이 줄었습니다. 다시 말해, 롱테일이 줄었다라고 말씀드릴 수 있습니다. 줄어든 만큼 상위 도메인 인용으로 대체된 것으로 볼 수 있습니다.  

함의는?

기본 모델 변경은 인용 출처의 변화를 초래합니다. 하지만 모든 산업이 동일한 영향을 받는 것은 아닙니다. 이 데이터는 GEO SaaS 산업에 한정된 결과입니다. 다른 산업에도 동일한 특징이 발견됐다고 보기는 어렵습니다. 다만, ChatGPT의 기본 모델 변경 뒤 여러분들의 사이트가 어떤 변화를 겪고 있는지는 직접 체크해 보실 것을 권해드립니다. GEO와 관련해 애써 노력한 결과가 헛수고가 될 수도 있어서입니다.

이 문제를 해결하기 위해 저희 블루닷에이아이는 '블루닷 인텔리전스'에 BlueQ 모델에 바탕한 콘텐츠 생성 시스템을 이번에 추가했습니다. 먼저 프로세스를 간단하게 설명드리도록 하겠습니다.

새로운 콘텐츠 제안 및 생성 시스템 : BlueQ 쿼리 팬아웃

블루닷 인텔리전스에는 '고객 질문' 메뉴가 있습니다. 구글 서치 콘솔을 통해 고객들이 직접 질문한 데이터를 가져옵니다. 그리고 이걸 바탕으로 고객이 질문했을 것으로 보이는 '실제 질문'을 추정할 수 있습니다.

추정된 실제 고객 질문을 추적하면 블루닷 인텔리전스는 '위험도'를 계산하게 되죠. 언급률과 최상단 언급률(위치값), 인용률을 종합해서 판단하게 됩니다. 위험도가 높다는 건 그만큼 빨리 대응할 필요가 있다는 걸 의미합니다. 콘텐츠 제작의 시급성을 보여주는 시그널이라고 할 수 있습니다.

위험도가 높은 프롬프트는 '콘텐츠 사각지대'에서 기간별로 추려낼 수 있습니다. 문제는 그 하나의 프롬프트만 대응해서는 안된다는 겁니다. 기본적으로 모든 AI 검색은 사용자의 질문을 '쿼리 팬아웃' 형태로 하위 쿼리로 검색을 시도하기 때문입니다. 고객의 유료 가입 여부 등에 따라 쪼개지는 쿼리 개수는 다를 수 있습니다. 그럼에도 대응해야 할 쿼리는 최소 4~5개 정도는 됩니다. 즉 4~5개의 팬아웃된 쿼리까지 대응하는 콘텐츠를 준비해야 한다는 거죠.

저희 블루닷에이아이는 이 문제를 해결하기 위해 'BlueQ 쿼리 팬아웃' 모델을 개발했습니다. BlueQ 쿼리 팬아웃은 ChatGPT의 쿼리 팬아웃 유형을 분석해 적용한 블루닷 인텔리전스만의 쿼리 팬아웃 모델입니다. 그동안 수집한 ChatGPT의 쿼리 팬아웃 데이터를 수 천건을 수집해 유형을 나눈 결과라고 할 수 있습니다. 최소 5개 유형으로 구분했습니다. '재표현'(Rewriting), 엔티티 비교(경쟁사 비교). 추천, 사이트 제한 검색, 언어 확장입니다. 하나의 고객 질문에 대응하기 위해서는 적어도 5개 팬아웃된 쿼리에 대응하는 콘텐츠를 만들어야 한다는 메시지입니다.

예를 들어, 5개의 프롬프트가 높은 위험도를 지닌 것으로 확인이 됐다면, 적어도 25개의 대응 콘텐츠를 제작해야 할 수도 있다는 걸 이 메뉴를 통해서 확인하실 수 있게 되는 겁니다. 콘텐츠 생성 버튼을 클릭하면 자동으로 초안을 생성해주기까지 합니다. 물론 모든 대응 콘텐츠를 작성해야 한다는 의미는 아닙니다.

GEO를 위해 어떤 콘텐츠를 제작해야 할까를 판단하는 프로세스를 정리하면 다음과 같습니다.

구글 서치 콘솔 + BlueQ 기반 프롬프트 설계 → 프롬프트별 위험도 분석 → 프롬프트별 BlueQ 팬아웃 쿼리 확인 → 각 쿼리별 콘텐츠 자동 생성 → 감수 및 발행

GEO 전략 핵심 중 하나는 콘텐츠

GEO는 축적된 '도메인 권위도'를 바탕으로 AI 검색에 신뢰할 수 있는 고품질의 콘텐츠를 공급하는 행위입니다. 그만큼 콘텐츠의 중요성은 아무리 강조해도 지나치지 않습니다. 하지만 최근 구글의 스팸 업데이트, 기타 콘텐츠 가이드라인 제안 등을 살펴보면, AI만으로 생성된 콘텐츠를 점차 저평하기 시작하고 있습니다. 대표적으로 구글은 'Effort' 요소를 콘텐츠 가치 평가 기준으로 추가했는데요. 콘텐츠 제작에 들이는 인간의 노력도 그만큼 필요하다는 걸 알려주고 있습니다.

저희 블루닷 인텔리전스가 제안한 초안을 바탕으로 검수와 보강을 거치게 된다면 여러분들의 GEO 지표는 더 나은 결과로 되돌아 오게 될 것이라고 생각합니다. 블루닷 인텔리전스를 통해 GEO 대응과 실행을 더 간편하게 즐겨보시기 바랍니다.

GEO 관리가 필요하다면 언제든 저희 블루닷 인텔리전스의 문을 두드려 주세요.

GEO와 관련해 자주 받는 질문이 있습니다. '같은 콘텐츠를 여러 채널에 동일하게 복사 및 배포를 하면 GEO 성과가 좋아질까요?'입니다. 여기에 대한 답변을 드리기 위해 영상을 만들었습니다.

동일한 콘텐츠를 여러 내·외부 사이트에 복사해 게시해도 AI 검색의 언급과 인용이 반드시 늘지는 않습니다. 오히려 콘텐츠가 신디케이션이나 인위적 권위 구축으로 판단되면 인용에서 제외될 수 있습니다. 다만 초기엔 GEO 개선 효과를 부분적으로 경험할 수는 있을 겁니다. 중요한 건 출처의 개수가 아니라 출처 간 독립성과 대표성입니다.

• 왜 중요하냐면: AI 검색은 같은 내용이 반복됐는지, 서로 독립적인 출처가 이를 뒷받침하는지를 구분합니다. 복제된 글 여러 개는 다수의 검증이 아니라 하나의 콘텐츠가 반복된 것으로 해석될 가능성이 큽니다.

• 귀속 문제: 유사한 글을 여러 사이트에 게시하면 AI가 자사 원문 대신 외부 복사본을 대표 출처로 선택할 수 있습니다. 이 경우 자사 사이트는 인용과 트래픽을 모두 놓칠 수 있습니다.

• 권장 구조: 자사 사이트에는 가장 완전하고 최신인 단일 대표 페이지를 운영하는 것이 좋습니다. 작성자, 작성일, 근거 자료, 구조화된 정보를 명확히 제시해야 합니다.

• 다음 단계는: 외부에는 동일한 문장을 복제하기보다 언론 보도, 데이터 인용, 전문가 평가, 실제 사용자 경험 등 독립적인 신호를 쌓아야 합니다. AI 검색에서 중요한 것은 콘텐츠의 반복이 아니라 신뢰할 수 있는 다중 출처의 합의입니다.

참고 문헌

• Göktaş, İ. (2026). Manufactured authority in generative engine optimization: Cross-market evidence and two operational metrics (MAI and VLS) (Preprint). Zenodo.
• Hussain, B. (2026).The AI citation gap: How brand demand, authority, and knowledge panels decide which of 1,000 US personal injury law firms AI assistants cite (SSRN Working Paper No. 7247178). SSRN.
• Gao, Q., Su, Z., Hou, Y., Kumar, A., & Palkhouski, L. (2026).CHASE: How content ecosystems are reshaped when ranking is the only target (Working Paper). University of California, Berkeley & Zhejiang University. https://github.com/kaiagaoo/CHASE

블루닷 인텔리전스로 GEO를 시작하세요 : https://bi.bluedot.so/

생성형 AI가 검색의 새로운 접점으로 자리 잡으면서 SEO의 경쟁 방식도 달라지고 있습니다. 과거에는 검색 결과에서 몇 위에 노출되는지가 핵심이었다면, 이제는 ChatGPT, Gemini, Google AI Overviews, Google AI Mode와 같은 AI 검색 환경에서 어떤 브랜드가 답변에 언급되고, 어떤 웹페이지가 출처로 인용되는지가 중요한 문제가 되고 있습니다.

최근 발표된 Behzad Hussain의 워킹페이퍼 'The AI Citation Gap: How Brand Demand, Authority, and Knowledge Panels Decide Which of 1,000 US Personal Injury Law Firms AI Assistants Cite'는 이러한 변화를 데이터로 살펴본 연구입니다. 연구자는 미국 개인상해법(Personal Injury) 분야의 상위 1,000개 로펌을 대상으로 ChatGPT, Gemini, Google AI Overview, Google AI Mode에서 나타나는 브랜드 언급과 인용을 분석했습니다.

이 연구가 GEO(Generative Engine Optimization)에 주는 가장 중요한 시사점은 GEO를 단순한 콘텐츠 최적화 작업으로 이해해서는 안 된다는 것입니다. 연구 결과를 보면 AI가 특정 브랜드나 기업을 답변에 포함시키기 위해서는 먼저 해당 브랜드와 웹페이지가 검색·검색 인프라에서 충분히 발견되고 신뢰받을 수 있어야 하며, 그 위에 브랜드 수요와 다양한 외부 출처가 결합되는 구조가 나타납니다.

GEO의 출발점은 콘텐츠가 아니라 ‘검색될 수 있는 권위’

GEO에 대해 이야기할 때 흔히 AI가 이해하기 쉬운 콘텐츠를 만드는 것부터 생각하게 됩니다. 질문에 직접 답하는 콘텐츠를 만들고, 통계나 인용을 넣고, 구조화 데이터를 적용하며, FAQ를 구성하는 방식 등이 대표적입니다. 물론 이러한 콘텐츠 요소도 중요할 수 있습니다. 실제로 이 논문이 검토한 기존 GEO 연구에서도 통계, 인용구, 출처와 같은 권위성을 나타내는 콘텐츠 요소를 추가하는 방식이 생성형 답변에서의 가시성을 높일 수 있다는 결과가 소개됩니다.

그러나 이번 연구에서 더 강하게 나타난 것은 콘텐츠 자체의 최적화보다 도메인 권위도(Domain Authority)였습니다. 994개 로펌을 대상으로 분석했을 때 도메인 권위도와 AI 언급량의 상관계수는 0.80으로 나타났으며, 권위도 상위 10%에 해당하는 로펌의 AI 언급량 중앙값은 148회였던 반면 하위 10%는 4회에 그쳤습니다. 이는 GEO를 다음과 같은 구조로 이해할 필요가 있음을 보여줍니다.

• 웹 권위 → 검색·검색결과에서의 발견 → AI의 검색·검색 후보군 진입 → AI 답변에서의 언급·인용

논문 역시 이러한 결과를 바탕으로 AEO나 GEO가 기존 SEO를 대체하는 별도의 영역이라기보다는, 기존 검색 권위 위에 추가되는 ‘Citation Conversion Layer’에 가깝다고 해석합니다. 따라서 GEO를 시작할 때 가장 먼저 확인해야 할 질문은 “AI가 좋아할 만한 콘텐츠를 충분히 만들었는가?”가 아니라 “AI가 우리 콘텐츠를 발견하고 참고할 만큼 웹상에서 충분한 권위를 확보하고 있는가?”가 될 필요가 있습니다.

GEO를 위해서는 기존 SEO의 권위 구축을 계속해야 합니다

연구 결과를 보면 AI 언급량과 관련된 주요 신호에는 도메인 권위도뿐만 아니라 자연검색 트래픽, referring domains, backlinks 등이 함께 포함되어 있습니다.

구체적으로 전체 AI 언급량과의 상관관계는 도메인 권위도 0.80, 유기적 트래픽 0.77, referring domains 0.71, backlinks 0.66으로 나타났습니다. 반면 브랜드 검색량은 0.44, Schema Completeness는 0.20 수준이었습니다. 즉, GEO를 한다는 이유로 기존 SEO의 링크 구축이나 디지털 PR, 전문 매체 노출 등을 뒤로 미룰 필요가 없습니다. 오히려 이 연구의 결과만 놓고 보면 이러한 활동이 AI 검색 시대에도 여전히 중요한 기반 작업이라고 볼 수 있습니다.

논문은 특히 referring domain 확보, 디지털 PR, 기존의 오프페이지 SEO 활동을 과거의 SEO 전략으로 치부해서는 안 된다고 강조합니다. AI가 정보를 생성하기 전에 먼저 웹에서 후보 정보를 검색하기 때문에, 검색 단계에서 높은 권위를 가진 페이지가 AI의 인용 후보가 될 가능성이 높아진다는 것입니다. 따라서 GEO 전략을 수립할 때는 콘텐츠 제작 예산만 별도로 생각하기보다 SEO Authority를 구축하는 활동과 GEO를 하나의 연결된 투자로 보는 관점이 필요합니다.

브랜드 검색량도 GEO의 중요한 자산

이번 연구에서 두 번째로 주목할 만한 결과는 Brand Demand, 즉 브랜드 검색 수요입니다. 브랜드 검색량과 AI 언급량 사이에는 양의 관계가 나타났으며, 특히 중요한 것은 도메인 권위도를 통제한 이후에도 브랜드 검색량이 AI 언급량과 유의미한 관계를 유지했다는 점입니다. 다변량 분석에서 Authority의 표준화 계수는 0.73이었고, Brand Demand는 0.13으로 나타났습니다.

논문에서는 다른 변수들을 통제했을 때 브랜드 검색 수요가 두 배가 되면 예상 AI 언급량이 약 5% 증가하는 것으로 분석했습니다. 또한 이러한 브랜드 검색 수요와 AI 언급량의 관계는 ChatGPT, Gemini, AI Overview, AI Mode 모두에서 나타났습니다.

여기서 중요한 점은 브랜드 검색을 단순한 브랜딩 지표로만 볼 필요가 없다는 것입니다. 연구의 해석을 따르면 브랜드에 대한 검색 수요가 형성되면 검색 시스템이 해당 브랜드를 하나의 독립적인 엔티티로 인식하고 관련 정보를 검색할 가능성이 높아지며, 이것이 다시 AI 답변에서의 가시성과 연결될 수 있습니다. 따라서 GEO 전략에서는 특정 키워드에 대한 검색 노출뿐 아니라 사람들이 브랜드 자체를 검색하도록 만드는 활동도 함께 고려할 필요가 있습니다. 예를 들어 브랜드 캠페인, 전문가 콘텐츠, PR, 오프라인 활동, 업계 커뮤니티 활동 등이 단순히 브랜드 인지도를 높이는 데 그치지 않고 브랜드 검색 수요로 연결된다면, 이러한 활동은 SEO와 GEO 모두에 영향을 줄 가능성이 있습니다.

AI가 우리 브랜드를 설명할 때 ‘남의 사이트’만 참고하게 두지 마세요

이 논문에서 GEO 관점에서 특히 흥미로운 개념은 인용매개율, Citation Intermediation Ratio(CIR)입니다. CIR은 쉽게 말해 AI가 특정 브랜드를 언급할 때 그 근거가 되는 인용 페이지가 자사 사이트에 있는지, 아니면 외부 사이트에 있는지를 측정하는 지표입니다. 논문에서는 CIR을 1 - own-site citation share로 정의합니다. CIR이 높을수록 AI가 해당 기업을 설명할 때 외부 사이트에 더 의존한다는 의미입니다.

그 결과는 상당히 인상적입니다. 954개 로펌의 AI citation source를 분석한 결과, 중앙값 CIR은 0.72로 나타났습니다. 즉 전형적인 로펌의 AI citation footprint 중 약 72%가 자사 도메인이 아닌 외부 도메인에 존재했습니다.

전체 citation source의 평균 구성도 흥미롭습니다. 자사 웹사이트가 26.7%, 법률 디렉토리가 24.3%, 소셜·비디오 플랫폼이 5.9%, 레퍼런스 사이트가 2.6%, 기타 웹이 40.5%였습니다. 이 결과는 GEO에서 단순히 “우리 브랜드가 AI 답변에 등장하는가?”만 확인해서는 부족하다는 점을 보여줍니다. 더 중요한 질문은 “AI가 우리 브랜드를 설명할 때 어떤 웹페이지를 근거로 사용하고 있는가?”입니다.

그래서 ‘Owned Content’가 중요

예를 들어 어떤 기업에 대해 AI가 답변하면서 해당 기업의 서비스, 전문성, 대표자, 성과 등을 설명한다고 가정해 보겠습니다. 그런데 AI가 참고하는 자료가 모두 뉴스 기사, 디렉터리, 리뷰 사이트 등에 있다면 해당 기업은 AI 검색에서 자신에 대한 서술권을 상당 부분 외부에 의존하게 됩니다.

반대로 자사 웹사이트에 충분한 정보와 근거가 축적되어 있다면 AI가 해당 기업을 설명할 때 사용할 수 있는 Owned Citation Surface를 확보할 수 있습니다. 따라서 자사 웹사이트에는 단순한 회사 소개 페이지뿐 아니라 다음과 같은 콘텐츠 자산을 구축하는 것이 중요합니다.

• 전문가 및 저자 프로필
• 기업 및 브랜드의 상세 정보
• 제품·서비스별 전문 콘텐츠
• 독자적인 연구와 통계
• 고객 사례와 프로젝트 사례
• 전문 분야별 근거 자료
• 수상·인증·자격 정보
• 언론 보도 및 외부 평가
• 출처와 참고문헌이 명확한 전문 콘텐츠

논문에서도 전문가 소개, 사례 결과, 전문 분야별 증거 페이지, 자사 도메인의 언론 보도 등을 구축해 검색 시스템이 자사 사이트를 직접적인 인용 후보로 선택할 수 있도록 하는 것을 권장합니다. GEO 콘텐츠 전략은 단순히 “AI가 읽기 좋은 글”을 많이 생산하는 것에서 벗어나 “AI가 우리 브랜드를 설명할 때 직접 참고할 수 있는 원천 자료를 구축하는 것”으로 확장될 필요가 있습니다.

외부 사이트를 소홀히 해서도 안 됩니다

여기에서 한 가지 중요한 균형점이 필요합니다. AI가 자사 웹사이트를 인용하도록 만드는 것이 중요하다고 해서 외부 사이트의 중요성이 줄어드는 것은 아닙니다. 오히려 이번 연구에서는 외부 사이트가 AI citation에서 매우 큰 비중을 차지하고 있는 것으로 나타났습니다.

특히 개인상해법 분야에서는 법률 디렉터리가 AI citation의 약 24~25%를 지속적으로 차지했습니다. 연구에서는 SuperLawyers, Justia, Avvo, Martindale, FindLaw, Lawyers.com, Yelp 등과 같은 디렉터리 및 리뷰 사이트를 별도의 citation surface로 분류했습니다. GEO에서는 Owned Surface와 Rented Surface를 함께 관리하는 전략이 필요합니다.

Owned Surface에는 공식 웹사이트, 블로그, 연구자료, 전문가 프로필 등이 포함되고, Rented Surface에는 업계 디렉터리, 언론, 리뷰 사이트, 소셜미디어, 동영상 플랫폼 등이 포함될 수 있습니다.

논문이 제안하는 Citation Surface Optimization(CSO) 역시 바로 이러한 관점에서 출발합니다. AI가 우리 브랜드를 어디에서 발견하고 어디를 인용하는지 파악하고, 자사와 외부의 다양한 citation surface를 의도적으로 관리하자는 접근입니다.

GEO 성과는 AI마다 따로 측정해야

또 하나 중요한 발견은 AI 검색 서비스 간에 상당한 공통점이 있으면서도 분명한 차이가 존재한다는 것입니다. 이번 연구에서는 ChatGPT, Gemini, Google AI Overview, Google AI Mode의 네 가지 환경을 분석했습니다. 기업별 AI 언급량을 비교했을 때 네 서비스 간 상관관계는 0.70~0.88로 나타나 전반적으로 어떤 기업이 중요한 기업인지에 대해서는 상당한 공통점이 있었습니다.

하지만 특정 서비스에서 보인다고 해서 다른 AI 서비스에서도 자동으로 보이는 것은 아니었습니다. 연구에서는 Google 계열 AI에서는 한 번이라도 언급됐지만 ChatGPT에서는 한 번도 언급되지 않은 로펌이 126개였으며, 반대의 경우는 14개에 불과했습니다. 따라서 GEO 성과를 하나의 “AI Visibility Score”로만 관리하는 것은 충분하지 않을 수 있습니다. 즉, “AI에 나오느냐”보다 “어떤 AI에서, 어떤 질문에, 어떤 페이지가 인용되느냐”를 측정하는 것이 중요합니다.

Knowledge Panel이 있다고 해서 AI Citation이 자동으로 늘어나는 것은 아닙니다

이번 연구에서 예상과 다른 결과를 보여준 부분도 있습니다. Person Entity Panel은 AI citation과 사실상 관계가 없는 것으로 나타났습니다. 또한 Google Business Panel이 충분히 구축된 기업은 오히려 AI 언급량이 낮은 경향을 보였습니다. Business Panel이 의미 있는 수준으로 구축된 기업의 AI 언급량 중앙값은 19회였고, 그렇지 않은 기업은 36회였습니다. 다른 요인을 통제한 분석에서도 Business Panel의 계수는 음(-)의 방향으로 나타났습니다.

다만 이 결과를 “Business Panel을 구축하면 안 된다”는 의미로 해석해서는 안 됩니다. 논문 역시 이를 패널 자체가 AI 노출에 불리한 요인이라기보다, Local/Maps 영역에서 발견되는 기업과 Open Web에서 검색되는 기업 사이의 ‘surface substitution’ 현상일 가능성으로 해석합니다. 또한 연구 설계상 인과관계를 증명한 것이 아니라는 점도 명시하고 있습니다. Knowledge Panel이나 Business Panel은 각각의 목적에 맞게 관리하되, 이러한 패널의 존재 자체를 GEO 성과와 동일시하지 않는 것이 중요합니다.

GEO 콘텐츠는 어떤 방향으로 만들어야 할까

이번 연구가 직접적으로 “어떤 콘텐츠 포맷이 가장 높은 AI citation을 만든다”고 실험한 것은 아닙니다. 따라서 특정 콘텐츠 형식을 무조건적인 GEO 공식으로 제시하기보다는, 연구에서 확인된 Retrieval과 Authority의 구조에 맞춰 콘텐츠를 설계하는 것이 적절합니다.

가장 중요한 것은 AI가 참고할 수 있는 구체적인 사실과 근거를 제공하는 것입니다. 기업이나 브랜드가 무엇을 하는지뿐만 아니라 어떤 전문성을 가지고 있는지, 어떤 데이터를 보유하고 있는지, 어떤 사례를 수행했는지, 누가 해당 내용을 작성했는지 등을 명확하게 제시할 필요가 있습니다.

예를 들어 다음과 같은 콘텐츠가 하나의 방향이 될 수 있습니다.

• 원천 데이터를 제공하는 콘텐츠에서는 직접 조사하거나 분석한 데이터를 제시하고, 데이터의 수집 방법과 기준을 함께 설명하는 것이 좋습니다.
• 전문가 콘텐츠에서는 작성자의 이름과 전문성, 경력, 자격 등을 명확히 제시하고 콘텐츠에서 어떤 역할을 담당했는지 보여주는 것이 좋습니다.
• 사례 콘텐츠에서는 단순히 “성공적인 프로젝트였습니다”라고 설명하기보다 문제, 접근 방법, 결과, 수치 등 구체적인 근거를 제공하는 것이 중요합니다.
• 전문 정보 콘텐츠에서는 주장과 근거를 구분하고, 참고한 연구나 자료를 명시해 AI가 해당 내용을 하나의 검증 가능한 정보로 이해할 수 있도록 만드는 것이 좋습니다.

다만 이러한 콘텐츠 요소들이 이번 연구에서 Domain Authority보다 더 강력한 AI citation 요인으로 입증된 것은 아닙니다. 연구에서 Schema Completeness의 AI 언급량과의 상관관계는 0.20 수준이었으며, 연구 자체도 Authority가 AI citation을 설명하는 가장 강한 신호라는 점을 강조합니다.

GEO KPI도 기존 SEO와 달라져야 합니다

기존 SEO에서는 일반적으로 검색순위 → 노출 → 클릭 → 전환의 흐름을 측정합니다. 하지만 생성형 검색에서는 그 앞에 새로운 단계가 추가됩니다.

• 검색·검색 후보군 → AI 언급 → Citation → 브랜드 검색 → 클릭 → 전환

따라서 GEO를 운영한다면 다음과 같은 지표를 별도로 관리해 볼 수 있습니다.

AI Mention Rate : 특정 질문군에서 브랜드가 AI 답변에 얼마나 자주 등장하는지를 측정합니다.

Citation Rate : 브랜드가 언급된 답변 가운데 자사 또는 특정 페이지가 실제 출처로 인용되는 비율을 확인합니다.

Citation Surface : AI가 브랜드를 설명할 때 어떤 사이트를 사용하는지 구분합니다. 자사 웹사이트, 뉴스 및 미디어, 업계 디렉터리, 리뷰 플랫폼, 소셜미디어, 동영상 플랫폼, 기타 웹사이트

Citation Intermediation Ratio : AI citation 중 외부 사이트가 차지하는 비중을 추적합니다.

Assistant Coverage : ChatGPT, Gemini, AI Overview, AI Mode 등 주요 AI 환경에서 브랜드가 얼마나 폭넓게 발견되는지 확인합니다.

이렇게 보면 GEO의 목표를 단순히 “AI에 많이 등장하기”로 정의하는 것보다 “AI가 우리 브랜드를 신뢰할 수 있는 정보로 발견하고, 가능하면 우리가 직접 관리하는 원천 페이지를 인용하도록 만드는 것”으로 구체화할 수 있습니다.

‘GEO를 하면 매출이 오른다’는 연구로 읽어서는 안 됩니다

이 부분은 특히 중요합니다. 이번 연구가 측정한 것은 AI Mention과 Citation입니다. 따라서 이 연구만으로 GEO → 트래픽 증가 → 리드 증가 → 매출 증가라는 인과관계를 확인했다고 볼 수는 없습니다. 논문 역시 한계점에서 “Mentions are not clicks or cases”라고 명시하고 있습니다. AI 답변에서 브랜드가 언급됐다는 사실은 실제 사용자가 클릭하거나 문의하거나 계약을 체결했다는 의미가 아닙니다. 또한 연구 자체가 횡단면적 관찰 연구이기 때문에 인과관계를 주장하지 않는다고 설명합니다.

따라서 이 논문의 가장 적절한 활용법은 GEO가 매출을 직접적으로 증가시킨다는 증거로 사용하는 것이 아니라, AI 검색에서 브랜드와 콘텐츠가 어떤 조건에서 발견되고 인용되는지를 이해하는 자료로 활용하는 것입니다.

논문을 바탕으로 정리한 GEO 실무 체크리스트

결국 이 연구가 GEO 실무자에게 주는 메시지를 정리하면 다음과 같습니다.

① 먼저 웹 권위를 점검해야 합니다 : 우리 사이트의 Domain Authority와 referring domains는 어느 정도인지, 업계에서 우리 브랜드를 언급하는 신뢰할 만한 사이트가 충분한지 확인할 필요가 있습니다.

② 브랜드 검색 수요를 키워야 합니다 : 사람들이 특정 제품이나 서비스를 검색할 때뿐만 아니라 브랜드 이름 자체를 검색하는지를 살펴볼 필요가 있습니다.

③ AI가 직접 인용할 수 있는 자사 콘텐츠를 구축해야 합니다 : 전문가 프로필, 연구자료, 사례 연구, 원천 데이터, 전문 분야별 페이지 등 우리 브랜드를 설명하는 1차적인 정보 자산을 충분히 확보하는 것이 중요합니다.

④ 외부 Citation Surface도 관리해야 합니다 : 업계 디렉터리, 리뷰 사이트, 뉴스, 전문 미디어, 소셜미디어 등에서 우리 브랜드에 대한 정보가 어떻게 형성되어 있는지 확인해야 합니다.

⑤ AI별로 GEO 성과를 측정해야 합니다 : ChatGPT에서 잘 노출된다는 이유만으로 전체 AI 검색에서 잘 노출된다고 판단해서는 안 됩니다. ChatGPT, Gemini, Google AI Overview, Google AI Mode를 각각 확인하는 방식이 필요합니다.

⑥ ‘언급’과 ‘인용’을 구분해야 합니다 : AI가 우리 브랜드를 언급했다는 것과 우리 웹페이지를 실제 출처로 인용했다는 것은 다른 지표입니다.

⑦ Citation의 소유권도 관리해야 합니다 : 외부 사이트의 인용이 많다고 무조건 나쁜 것은 아니지만, 장기적으로는 AI가 우리 브랜드를 설명할 때 참고할 수 있는 자사 원천 콘텐츠의 비중을 높이는 것도 중요한 과제가 될 수 있습니다.

GEO의 핵심은 ‘AI가 신뢰할 수 있는 브랜드’를 만드는 것

'The AI Citation Gap'이 GEO에 주는 가장 중요한 메시지는 GEO를 콘텐츠 작성 기술로만 바라봐서는 안 된다는 것입니다. 이번 연구에서 가장 강하게 나타난 신호는 Domain Authority였고, 그 다음으로 중요한 통제 가능한 신호는 Brand Demand였습니다. 또한 AI citation의 상당 부분이 자사 웹사이트가 아닌 디렉터리, 미디어, 기타 외부 사이트에서 발생하고 있었습니다.

따라서 GEO 전략은 다음과 같이 확장해서 생각할 필요가 있습니다.

SEO Authority + Brand Demand + Entity/Expertise + Owned Content + Third-party Citations + AI별 측정

결국 생성형 검색 시대의 경쟁은 단순히 “누가 AI가 좋아하는 글을 더 많이 만드는가”의 경쟁이 아닙니다.

“AI가 누구를 중요한 정보원으로 발견하고, 누구를 답변에 포함하며, 그 답변을 뒷받침하기 위해 어떤 출처를 선택하는가”의 경쟁에 가깝습니다. 그리고 이 연구는 그 과정에서 기존 SEO의 권위가 여전히 중요하며, 브랜드 수요가 추가적인 신호로 작용하고, 자사와 외부의 다양한 Citation Surface를 함께 관리해야 한다는 점을 보여줍니다.

다만 이 연구는 2026년 8월 미국 개인상해법 시장의 1,000개 도메인을 대상으로 한 관찰 연구이며, 하나의 상용 플랫폼이 추적한 쿼리를 기반으로 했습니다. 따라서 한국 시장이나 다른 산업에서 동일한 수치가 그대로 재현된다고 볼 수는 없습니다. 연구자가 지적하듯 AI 답변은 실행 시점에 따라 변동할 수 있고, 이번 연구는 실제 AI 사용자의 전체 대화를 측정한 것도 아닙니다.

그럼에도 불구하고 GEO를 바라보는 관점에서는 상당히 중요한 시사점을 제공합니다.

GEO의 질문은 이제 “AI에게 어떤 콘텐츠를 보여줄 것인가?”에서 “AI가 우리 브랜드를 신뢰할 만한 정보원으로 발견하도록 무엇을 구축해야 하는가?”로 바뀌고 있습니다.

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.

14일 AI 기반 미디어 설루션 개발 기업 블루닷에이아이가 공개한 검색 AI 출처 분석 결과에 연합뉴스는 인용 수 378건, 인용률 32.7%를 기록했다.

국내 언론사 가운데 인용 수와 인용률 모두 가장 높은 수준이다. 한 종합일간지와 경제지가 각각 인용 수 263건(인용률 26.8%), 인용 수 255건(25.5%)으로 뒤를 이었다.