SEO·AEO 핵심 원리: 검색엔진과 AI는 페이지를 어떻게 고르나

1.1 SEO·AEO·GEO는 무엇을 최적화하나

검색엔진 최적화(SEO, Search Engine Optimization)는 사람들이 정보를 찾는 순간에 내 페이지가 발견되고, 이해되고, 선택되도록 사이트 전체를 정비하는 일입니다. "순위를 올리는 기술"은 그 결과의 일부일 뿐이며, 실제 작업 범위는 기술 구조, 콘텐츠, 외부 평판까지 넓습니다.

"특정 정보를 찾는 사람이 검색엔진과 AI 답변 속에서 내 콘텐츠, 내 서비스, 내 브랜드를 자연스럽게 만날 수 있도록 모든 접점을 정비하는 활동"

2026년에는 이 '접점'에 구글 AI 개요, ChatGPT 검색, 네이버 AI 브리핑 같은 AI 답변이 더해졌습니다. 그래서 이 가이드는 전통적인 SEO와 함께 AI 답변을 겨냥한 AEO·GEO를 한 흐름으로 다룹니다.

웹 최적화의 세 기둥

효과적인 최적화는 기술, 콘텐츠, 외부 신뢰의 세 축이 균형을 이룰 때 작동합니다. 한 축이 크게 부족하면 나머지 두 축을 아무리 잘해도 성과가 제한됩니다.

1.2 AI 검색 대응(AEO·GEO)이란 무엇인가

답변 엔진 최적화(AEO, Answer Engine Optimization)는 AI가 만든 답변 안에서 내 콘텐츠가 근거로 인용되고 내 브랜드가 언급되도록 최적화하는 작업입니다. 국내에서는 'AI 엔진 최적화'라고 부르기도 합니다. 생성형 엔진 최적화(GEO, Generative Engine Optimization)도 같은 목표를 가리키는 말이며, 실무에서는 두 용어가 거의 겹칩니다.

전통적인 검색에서는 이용자가 결과 목록의 링크를 눌러 사이트를 방문했습니다. AI 검색에서는 AI가 여러 출처를 읽고 답변을 직접 써 주기 때문에, 내 페이지는 답변의 근거로 선택되거나, 아예 보이지 않거나 둘 중 하나가 됩니다.

왜 지금 중요한가: 확인된 이용 규모

• ChatGPT: OpenAI(2026-08-31)는 ChatGPT의 주간 활성 이용자가 10억 명을 넘었다고 밝혔습니다.
• 구글 AI 개요·AI 모드: 구글(2026-05-19, Google I/O)에 따르면 AI 개요의 월간 활성 이용자는 25억 명 이상, AI 모드는 월 10억 명 이상입니다. AI 개요는 2024년 12월 5일, AI 모드는 2025년 9월 8일부터 한국어로 제공됩니다(구글 코리아 블로그 2024, 2025).
• 네이버 AI 브리핑: 네이버(2025-03-24)가 발표한 AI 브리핑은 2025년 3월 27일 통합검색에 도입되었고, 네이버(2026-05-28)는 월 3,000만 명이 이용한다고 밝혔습니다.
• 국내 이용률: 과학기술정보통신부·한국지능정보사회진흥원(2026-03-31)의 「2025 인터넷이용실태조사」에서 생성형 AI 서비스를 이용해 본 비율은 44.5%였고, 서비스별로는 ChatGPT가 41.8%로 가장 높았습니다.

AI가 인용하기 좋은 콘텐츠: 연구로 확인된 경향

GEO 개념을 제안한 논문인 Aggarwal 외(KDD 2024)는 1만 개 질의로 구성한 벤치마크(GEO-bench)로 여러 콘텐츠 수정 방법을 실험했습니다. 적절한 최적화로 생성형 엔진 답변 내 가시성을 최대 40%까지 높일 수 있었고, 효과가 가장 큰 방법은 다음 세 가지였습니다.

1. 출처 인용(Cite Sources): 주장마다 신뢰할 수 있는 출처를 밝히기
2. 인용문 추가(Quotation Addition): 전문가·기관의 발언을 정확히 인용하기
3. 통계 추가(Statistics Addition): 막연한 표현 대신 검증된 수치를 넣기

반대로 키워드를 반복해 채워 넣는 방식(Keyword Stuffing)은 효과가 낮았습니다. 효과는 주제 분야마다 달랐고, 검색 결과 하위권 사이트일수록 개선 폭이 컸습니다. 결론적으로 AI 대응은 기존 SEO를 대체하지 않으며, 탄탄한 SEO 위에 얹는 '인용되기 쉬운 글쓰기'에 가깝습니다.

1.3 SEO와 AEO·GEO: 목표, 차이, 시너지

SEO는 검색 결과 목록에서 선택받는 것을, AEO·GEO는 AI 답변 안에서 근거로 인용되는 것을 목표로 합니다. 목표와 측정 방법은 다르지만 출발점은 같습니다. 두 경우 모두 페이지가 먼저 색인되어 있어야 하고, 질문에 정확하게 답해야 합니다.

측정 환경도 빠르게 바뀌었습니다. 구글은 AI 개요와 AI 모드 노출을 Search Console 실적 보고서의 '웹' 검색 유형에 포함해 집계합니다. 2026년 8월 31일부터는 AI 노출만 따로 보는 생성형 AI 실적 보고서(Google Search Central)가 전 세계 모든 사이트에 제공됩니다. 이 보고서에는 클릭 지표가 없습니다. Microsoft(2026-02-10)는 Copilot 등에서 내 사이트가 인용된 횟수를 보여 주는 AI Performance 보고서를 Bing Webmaster Tools에 공개 미리보기로 추가했습니다. OpenAI 도움말 센터에 따르면 ChatGPT는 참조 링크에 utm_source=chatgpt.com을 자동으로 붙이므로 GA4에서 유입을 구분할 수 있습니다. 측정 방법은 PART 07에서 자세히 다룹니다.

두 채널을 함께 강화하는 원칙

1. 색인 가능성부터 확보하세요. 검색엔진과 AI 검색 모두 색인에 있는 문서만 답변 후보로 씁니다(1.5절 참조).
2. 질문에 바로 답하세요. 각 섹션의 첫 한두 문장에 정의나 결론을 쓰면 스니펫과 AI 인용 모두에 유리합니다.
3. 근거를 밝히세요. 출처, 인용, 검증된 수치는 독자의 신뢰와 AI 인용 가능성을 함께 높입니다.
4. 누가 썼는지 드러내세요. 저자 정보, 운영 회사, 연락처, 수정일은 E-E-A-T의 신뢰 신호입니다.
5. 'AI 전용' 파일이나 마크업에 기대지 마세요. 구글은 생성형 AI 검색 최적화 가이드(2026-05-15)에서 AI 기능에 노출되기 위해 llms.txt 같은 새 파일이나 특별한 마크업을 만들 필요가 없으며, 구글 검색은 이를 사용하지 않는다고 밝혔습니다.

1.4 검색엔진의 동작 원리: 크롤링 → 렌더링 → 색인 → 순위

검색엔진은 페이지를 크롤링(수집) → 렌더링(화면 구성) → 색인(저장·분석) → 순위 결정의 네 단계로 처리합니다. 앞 단계에서 막힌 페이지는 뒤 단계로 넘어가지 못하므로, 문제를 진단할 때도 이 순서대로 확인합니다.

1단계: 크롤링 (Crawling)

크롤링은 검색봇이 링크와 사이트맵을 따라 새 URL과 바뀐 URL을 찾아 내려받는 단계입니다. 구글은 Googlebot, Bing은 bingbot, 네이버는 Yeti라는 이름의 검색 로봇을 사용합니다.

• 발견 경로: 다른 페이지의 링크, XML 사이트맵, 검색엔진 도구의 URL 제출이 주된 경로입니다. 어디에서도 링크되지 않은 '고아 페이지'는 발견이 늦어집니다.
• 크롤링 한도(Crawl Budget): 서버 응답 속도와 사이트 규모에 따라 검색봇이 가져가는 양이 달라집니다. 주로 페이지 수가 매우 많은 대형 사이트에서 문제가 됩니다.
• robots.txt는 크롤링만 제어합니다. 차단된 URL도 다른 곳에서 링크되면 내용 없이 색인될 수 있습니다. 검색 결과에서 빼려면 noindex를 쓰고, 검색봇이 그 태그를 읽을 수 있도록 크롤링은 허용해야 합니다.
• IndexNow: 변경된 URL을 검색엔진에 즉시 알리는 프로토콜입니다. 네이버는 2023년 7월 25일부터 지원하며 Bing도 참여합니다. 공식 참여 엔진 목록에 구글은 없습니다.

2단계: 렌더링 (Rendering)

렌더링은 내려받은 HTML에 CSS와 자바스크립트를 실행해 실제 사용자가 보는 화면을 만드는 단계입니다. 구글은 최신 크롬 기반 렌더러로 자바스크립트를 실행하지만, 렌더링은 크롤링보다 늦게 처리될 수 있습니다.

모든 검색봇과 AI 크롤러가 구글처럼 자바스크립트를 실행한다고 가정해서는 안 됩니다. 본문 텍스트, 제목, 내부 링크는 서버가 보내는 초기 HTML에 담는 것(서버 사이드 렌더링 또는 정적 생성)이 가장 안전합니다. 구체적인 구현은 PART 05 기술적 SEO에서 다룹니다.

3단계: 색인 (Indexing)

색인은 렌더링된 내용을 분석해 검색엔진의 데이터베이스에 저장하는 단계입니다. 색인에 들어간 페이지만 검색 결과와 AI 답변의 후보가 됩니다.

• 페이지의 주제, 언어, 지역, 이미지·동영상, 구조화 데이터, 다른 페이지와의 연결 관계를 분석합니다.
• 비슷한 페이지가 여러 개면 하나를 대표 URL(canonical)로 고르고 나머지는 대표 URL에 묶습니다.
• 크롤링되었다고 모두 색인되지는 않습니다. 내용이 빈약하거나 중복되면 Search Console에 '크롤링됨 - 현재 색인이 생성되지 않음' 같은 상태로 남습니다.

4단계: 순위 결정 (Ranking)

순위 결정은 검색어가 입력되는 순간, 색인된 문서 가운데 가장 유용한 결과를 골라 순서대로 보여 주는 단계입니다. 검색엔진은 수많은 신호를 조합하며, 대표적인 축은 다음과 같습니다.

• 관련성(Relevance): 페이지 내용이 검색 의도와 얼마나 맞는가
• 품질과 신뢰(Quality): 정보가 정확하고, 출처가 믿을 만하며, 다른 곳에서도 인정받는가
• 사용성(Usability): 모바일 대응, 로딩 속도, 방해 요소 없는 화면
• 맥락(Context): 이용자의 위치, 언어, 기기, 검색 시점

1.5 AI 검색은 출처를 어떻게 고르나: 검색 → 발췌 → 종합

AI 검색은 ① 검색 색인에서 질문과 관련된 문서를 찾고, ② 그중 질문에 직접 답하는 문단을 골라, ③ 여러 출처를 종합해 인용 링크가 달린 답변을 씁니다. 이처럼 검색 결과를 근거로 답변을 생성하는 방식을 검색 증강 생성(RAG, Retrieval-Augmented Generation)이라고 합니다.

1. 검색(Retrieval): 질문을 하나 이상의 검색어로 바꿔 색인에서 후보 문서를 찾습니다. 구글(2025-05-20)은 AI 모드가 질문을 하위 주제로 나눠 여러 검색을 동시에 실행하는 '쿼리 팬아웃(query fan-out)' 방식을 쓴다고 설명합니다.
2. 발췌(Selection): 후보 문서에서 질문에 가장 직접적으로 답하는 문단과 문장을 고릅니다. 정의, 수치, 단계, 비교처럼 떼어 내도 뜻이 통하는 문단이 선택되기 쉽습니다.
3. 종합(Synthesis): 여러 출처의 내용을 합쳐 자연어 답변을 쓰고 근거 링크를 붙입니다. Pew Research Center(2025)가 2025년 3월 미국 이용자 900명의 브라우징 데이터를 분석한 결과, 구글 AI 요약의 88%가 3개 이상의 출처를 인용했고 가장 많이 인용된 출처는 위키백과, 유튜브, 레딧이었습니다.

여기서 가장 중요한 결론은 단순합니다. AI 검색이 사용하는 색인에 내 페이지가 없으면, 아무리 좋은 글이라도 인용될 수 없습니다. 따라서 각 서비스가 어떤 색인과 크롤러를 쓰는지 알아야 합니다.

서비스별 근거 색인과 크롤러

구글은 공식 문서 「AI features and your website」에서 AI 개요·AI 모드의 근거 링크가 되려면 페이지가 색인되어 있고 스니펫과 함께 검색에 표시될 수 있어야 하며, 그 밖의 별도 기술 요건은 없다고 안내합니다. 각 크롤러의 공식 설명은 OpenAI, Anthropic, Perplexity, Google 문서에서 확인할 수 있습니다.

AI 검색이 SEO와 다른 점

• 순위보다 문단: 결과 목록의 순위가 아니라, 답변에 쓸 만한 문단이 있는지가 인용을 좌우합니다. 그래서 각 섹션을 답변 우선(answer-first)으로 쓰는 것이 중요합니다.
• 대화형 질문: 이용자는 짧은 키워드 대신 조건이 붙은 긴 문장으로 묻고, 이어서 후속 질문을 합니다. 질문형 키워드 조사는 PART 02에서 다룹니다.
• 브랜드 언급: 링크가 없어도 답변 속에서 브랜드가 추천·비교 대상으로 언급되는 것 자체가 성과입니다. 인용되는 콘텐츠 설계는 PART 04에서 다룹니다.

1.6 검색 의도(Search Intent) 분류와 이해

검색 의도는 사람이 그 검색어로 실제로 얻고 싶은 것이 무엇인지를 뜻합니다. 검색엔진은 의도에 맞는 형식의 페이지를 우선 보여 주기 때문에, 의도와 어긋난 페이지는 품질이 좋아도 상위에 오르기 어렵습니다. 검색 의도는 보통 네 가지로 나눕니다.

AI 검색에서는 같은 의도가 더 긴 문장으로 표현됩니다. "무선청소기 추천"은 "원룸에 사는데 반려묘 털 청소용으로 30만 원 이하 무선청소기 추천해 줘"처럼 조건이 붙고, 답변을 본 뒤 "그중 소음이 가장 작은 건?" 같은 후속 질문이 이어집니다. 이런 조건과 후속 질문까지 미리 답해 두는 페이지가 AI 답변에 쓰이기 좋습니다.

1.7 E-E-A-T: 경험, 전문성, 권위성, 신뢰성

E-E-A-T는 경험(Experience), 전문성(Expertise), 권위성(Authoritativeness), 신뢰성(Trustworthiness)의 약자입니다. 구글이 검색 품질 평가자에게 제공하는 「검색 품질 평가자 가이드라인(Search Quality Rater Guidelines)」에서 페이지 품질을 판단할 때 쓰는 틀이며, 그중 가장 중요한 요소는 신뢰(Trust)입니다. 나머지 세 요소는 신뢰를 뒷받침하는 역할을 합니다.

원래 E-A-T였던 이 틀에는 2022년 12월 '경험'이 더해졌습니다. 직접 써 보고, 가 보고, 겪어 본 사람이 쓴 콘텐츠를 구분하려는 취지입니다.

경험 (Experience)

작성자가 주제를 직접 겪어 보았는지를 봅니다. 제품을 써 보고, 장소에 가 보고, 절차를 직접 밟아 본 흔적이 경험 신호입니다.

적용 방법: 직접 촬영한 사진, 사용 기간과 조건, 겪은 문제와 해결 과정을 구체적으로 쓰세요. 예: "원룸(20㎡)에서 두 달간 매일 써 보니 배터리가 약 25분 지속됐고, 카펫 모드에서는 소음이 커졌습니다."

전문성 (Expertise)

작성자나 사이트가 그 분야의 지식과 기술을 갖추었는지를 봅니다. 건강, 법률, 세무처럼 잘못된 정보가 피해로 이어지는 주제일수록 요구 수준이 높습니다.

적용 방법: 저자 소개에 자격과 경력을 밝히고, 전문 영역 밖의 글은 전문가 감수를 받으세요. 예: 종합소득세 안내 글에 "세무사 ○○○ 감수"와 감수일을 표시합니다.

권위성 (Authoritativeness)

그 분야에서 믿고 찾아가는 출처로 인정받는지를 봅니다. 권위는 스스로 주장해서 생기지 않고, 다른 전문가, 기관, 언론이 인용하고 언급할 때 쌓입니다.

적용 방법: 직접 조사한 데이터나 사례를 공개해 인용할 이유를 만들고, 업계 매체 기고와 인터뷰로 외부 언급을 늘리세요. 외부 평판 전략은 PART 06에서 다룹니다.

신뢰성 (Trustworthiness)

사이트와 콘텐츠가 정확하고, 정직하고, 안전한지를 봅니다. 네 요소의 중심이며, 다른 요소가 뛰어나도 신뢰할 수 없으면 좋은 평가를 받을 수 없습니다.

적용 방법: 운영 회사, 사업자 정보, 연락처, 개인정보처리방침을 공개하고 HTTPS를 적용하세요. 광고·제휴 관계는 명확히 표시하고, 오류는 고친 뒤 수정일을 남기세요.

YMYL 주제는 기준이 더 엄격합니다

구글은 건강, 재정적 안정, 안전, 사회의 안녕에 큰 영향을 줄 수 있는 주제를 YMYL(Your Money or Your Life)이라고 부르고, 이런 주제에서는 E-E-A-T가 강한 콘텐츠에 더 큰 비중을 둔다고 설명합니다. 병원, 법률, 세무, 금융, 보험 사이트라면 전문가 저자·감수, 근거 출처, 수정 이력 표시를 기본으로 갖추세요.

1.8 구글과 네이버는 어떻게 다른가

구글은 웹 전체의 문서를 색인해 한 줄의 결과 목록으로 순위를 매기는 반면, 네이버는 블로그·카페·지식iN·플레이스·쇼핑 같은 자사 서비스 콘텐츠와 외부 웹문서를 영역별로 나눠 보여 주는 통합검색 구조가 특징입니다. 그래서 같은 검색어라도 두 검색엔진에서 이기는 방법이 다릅니다.

네이버 AI 브리핑과 AI탭

네이버 AI 브리핑은 통합검색 상단에 요약 답변과 출처 링크를 보여 주는 기능으로, 공식형·멀티출처형, 숏텐츠형, 플레이스형, 쇼핑형 등 여러 형태가 있습니다. 네이버(2026-06-26)는 대화형으로 쇼핑·플레이스·예약까지 이어지는 AI탭을 모든 이용자에게 정식 출시했습니다. 또 네이버(2026-05-28)는 2026년 6월부터 AI 브리핑 인용 횟수를 기준으로 매월 약 3,000명의 창작자를 '네이버 메이트'로 선정한다고 밝혀, AI 브리핑 인용이 창작자 보상과도 연결되었습니다.

한국 검색 점유율: 출처마다 다릅니다

한국의 검색엔진 점유율은 어느 기관의 데이터를 보느냐에 따라 1위가 바뀝니다. 두 기관 모두 각자의 표본 사이트에 들어온 검색 유입을 집계할 뿐 실제 검색 횟수 점유율이 아니므로, 수치를 인용할 때는 반드시 출처를 밝혀야 합니다.

• 인터넷트렌드(2026년 8월): 국내 표본 사이트 기준 검색 유입 점유율은 네이버 67.40%, 구글 26.38%였습니다.
• StatCounter(2026년 8월): 한국 전체 플랫폼 기준으로 구글 46.49%, 네이버 43.80%였습니다.
• 주의: 일부 기사에 나온 '네이버 81.34%'는 2026년 5월 24일(일요일) 하루치 인터넷트렌드 수치이며, 같은 기관의 2026년 5월 월평균은 66.87%였습니다.

AI 유입도 한쪽으로 쏠려 있습니다. 인터넷트렌드의 AI 플랫폼 유입 통계(2026년 8월)를 보면, AI 플랫폼에서 국내 표본 사이트로 들어온 유입 가운데 chatgpt.com이 72.76%, gemini.google.com이 22.47%를 차지했습니다. 저희의 권장은 분명합니다. 한국 사업자는 구글과 네이버 중 하나를 고를 수 없으며, 두 검색엔진과 그 위에서 동작하는 AI 답변을 함께 관리해야 합니다.

1.9 검색엔진 정책과 스팸 기준

구글은 「스팸 정책(Spam policies for Google web search)」으로 순위를 조작하려는 행위를 정의하고, 위반한 사이트는 알고리즘으로 순위를 낮추거나 수동 조치(Manual Action)로 검색에서 제외합니다. 이 정책을 이해하면 불필요한 제재를 피하고 오래가는 전략을 세울 수 있습니다.

명시적으로 금지되는 대표 행위

• 링크 스팸: 순위 목적의 링크 구매·판매, 과도한 상호 링크 교환, 자동화 도구로 만든 링크. 광고·협찬 링크에는 rel="sponsored" 또는 rel="nofollow"를 달아야 합니다.
• 클로킹과 숨긴 텍스트: 검색봇과 이용자에게 다른 내용을 보여 주거나, 배경색과 같은 글자로 키워드를 숨기는 행위
• 대규모 콘텐츠 악용(Scaled content abuse): 이용자에게 도움이 되지 않는 페이지를 순위 조작 목적으로 대량 생산하는 행위. AI로 만들었는지, 사람이 만들었는지와 관계없이 적용됩니다.
• 사이트 평판 악용과 만료 도메인 악용: 신뢰도 높은 사이트에 무관한 제3자 콘텐츠를 얹거나, 만료 도메인을 사들여 순위 조작에 쓰는 행위
• 뒤로 가기 버튼 하이재킹(Back button hijacking): 구글(2026-04-13)이 새로 추가한 정책으로, 이용자가 뒤로 가기를 눌러도 원래 페이지로 돌아가지 못하게 막는 행위입니다. 2026년 6월 15일부터 적용되었습니다.

AI 생성 콘텐츠와 AI 답변에 대한 입장

구글은 AI로 만든 콘텐츠 자체를 금지하지 않습니다. 문제 삼는 것은 도구가 아니라 목적과 품질입니다. 순위 조작을 위해 가치 없는 페이지를 대량으로 찍어 내면 스팸이고, 사람이 검토하고 경험과 근거를 더한 유용한 콘텐츠는 허용됩니다. 구글은 2026년 5월 15일 스팸 정책이 검색의 생성형 AI 응답에도 적용된다고 명확히 했습니다.

검색 순위 시스템은 계속 갱신됩니다. Google 검색 상태 대시보드에 따르면 2026년 9월 28일 현재 '2026년 9월 스팸 업데이트'(9월 24일 시작)가 진행 중입니다. 업데이트별 대응은 PART 10에서 다룹니다.

1.10 화이트햇, 블랙햇, 그레이햇의 구분

화이트햇(White Hat)은 검색엔진 정책을 지키며 이용자 가치로 순위를 얻는 방식이고, 블랙햇(Black Hat)은 정책을 의도적으로 어겨 단기 순위를 노리는 방식입니다. 그레이햇(Grey Hat)은 그 경계에 있다고 여겨지는 기법이지만, 실제로는 상당수가 이미 스팸 정책에 명시되어 있습니다.

PART 1 정리

학습자별 점검 사항