a16z - 어떻게 GEO가 검색의 규칙을 바꾸는가 (번역)
이번 콘텐츠는 a16z 의 “How Generative Engine Optimization (GEO) Rewrites the Rules of Search” 콘텐츠를 번역했습니다. 원문의 명확한 표현을 보고싶다면, 링크를 통해 확인해주세요!
우리가 알던 검색의 시대는 끝나가고 있습니다. 그런데 마케터들은… 뭐, 크게 불편해하지는 않는 듯합니다.
20년 넘게 SEO는 온라인 가시성을 확보하기 위한 기본 전략이었습니다. 이 과정에서 키워드 스터핑, 백링크, 콘텐츠 최적화, 감사(audit) 도구와 같은 산업이 생겨났고, 이를 운영하는 전문가와 에이전시도 자리 잡았습니다. 그러나 2025년에 들어서면서 검색은 전통적인 브라우저에서 대규모 언어 모델(LLM) 기반 플랫폼으로 이동하고 있습니다. 애플이 사파리에 Perplexity와 Claude와 같은 AI 네이티브 검색 엔진을 기본 탑재하겠다고 발표하면서, 구글이 쥐고 있던 검색 지배력이 흔들리고 있습니다. 800억 달러(약 100조) 가 넘는 SEO 시장의 기반이 금이 간 것입니다.
이제 새로운 패러다임이 등장하고 있습니다. 페이지랭크(PageRank)가 아니라 언어 모델이 이끄는 패러다임입니다. 우리는 검색의 두 번째 막, 생성 엔진 최적화(Generative Engine Optimization, GEO) 시대로 들어서고 있습니다.
링크 기반에서 언어 모델로
전통적인 검색은 링크 위에 구축되어 있었습니다. GEO는 언어 위에 구축되어 있습니다.
SEO 시대에는 가시성이란 곧 검색 결과 페이지에서 높은 순위를 차지하는 것을 의미했습니다. 페이지 순위는 키워드 매칭, 콘텐츠의 깊이와 폭, 백링크, 사용자 경험과 참여도 등 다양한 요소를 기반으로 사이트를 색인하며 결정되었습니다. 그러나 오늘날에는 GPT-5, Gemini, Claude와 같은 대규모 언어 모델(LLM)이 사람들이 정보를 찾는 인터페이스 역할을 하고 있습니다. 이제 가시성이란 검색 결과 페이지에서 높은 순위를 차지하는 것이 아니라, 답변 자체 속에 직접 등장하는 것을 의미합니다.
답변의 형식이 바뀌면서, 우리가 검색하는 방식도 달라지고 있습니다. AI 네이티브 검색은 인스타그램, 아마존, 시리 등 다양한 플랫폼으로 분화되고 있으며, 각 플랫폼은 서로 다른 모델과 사용자 의도를 기반으로 작동합니다. 쿼리는 길어지고(평균 4단어에서 23단어로), 세션은 깊어지며(평균 6분), 응답은 맥락과 출처에 따라 달라집니다. 전통적인 검색과 달리, LLM은 기억하고, 추론하며, 개인화된 다중 출처 종합 응답을 제공합니다. 이는 콘텐츠가 발견되는 방식과 최적화되어야 하는 방식을 근본적으로 바꾸고 있습니다.
전통적인 SEO는 정밀성과 반복을 보상했지만, 생성 엔진은 잘 조직되어 있고, 해석하기 쉽고, 의미가 밀도 있게 담긴 콘텐츠를 우선시합니다(이는 단순한 키워드 나열이 아닙니다). 예를 들어 “요약하자면(In summary)”과 같은 표현이나 불릿 포인트 형식은 LLM이 콘텐츠를 효과적으로 추출하고 재현하는 데 도움을 줍니다.
또한 LLM 시장은 비즈니스 모델과 인센티브 측면에서도 전통적인 검색 시장과 근본적으로 다릅니다. 기존의 구글 같은 검색 엔진은 광고를 통해 사용자 트래픽을 수익화했고, 사용자는 자신의 데이터와 주의를 대가로 지불했습니다. 반면 대부분의 LLM은 유료 구독 기반으로 운영됩니다. 이러한 구조적 변화는 콘텐츠가 참조되는 방식에도 영향을 미칩니다. 모델 제공자 입장에서는 제3자 콘텐츠를 노출할 유인이 적으며, 이는 오직 사용자 경험을 강화하거나 제품 가치를 높이는 경우에만 이루어집니다. 물론 장기적으로는 LLM 인터페이스 위에 광고 시장이 형성될 가능성도 있지만, 그 규칙, 인센티브, 참여자는 전통적인 검색과는 매우 다르게 보일 것입니다.
한편, LLM 인터페이스에서 가치를 보여주는 하나의 신호는 아웃바운드 클릭의 양입니다. 예를 들어, ChatGPT는 이미 수만 개의 개별 도메인에 상당한 추천 트래픽을 보내고 있습니다.
순위에서 모델 연관성으로
이제 중요한 것은 클릭률(CTR)만이 아니라 참조율(reference rate)입니다. 즉, 모델이 생성한 답변에서 브랜드나 콘텐츠가 얼마나 자주 인용되거나 출처로 사용되는지가 핵심입니다. AI가 만들어내는 결과물이 중심이 되는 세상에서, GEO는 단순히 전통적인 검색 결과에서 어디에 노출되는지를 넘어, 모델이 무엇을 참조할지를 최적화하는 것을 의미합니다. 이러한 변화는 브랜드 가시성과 성과를 정의하고 측정하는 방식을 근본적으로 바꾸고 있습니다.
이미 Profound, Goodie, Daydream과 같은 새로운 플랫폼들이 등장하여, 브랜드가 AI 생성 응답에서 어떻게 나타나는지 분석하고, 모델 출력 전반의 감정을 추적하며, 어떤 퍼블리셔가 모델 행동에 영향을 주는지 파악할 수 있도록 돕고 있습니다. 이들 플랫폼은 브랜드 관련 프롬프트 언어를 반영하도록 모델을 미세 조정하고, 전략적으로 핵심 SEO 키워드를 삽입하며, 대규모 합성 쿼리를 실행하는 방식으로 작동합니다. 그 결과물은 대시보드로 정리되어 마케팅 팀이 가시성, 메시지 일관성, 경쟁사 대비 음성 점유율(share of voice)을 관리할 수 있게 합니다.
캐나다구스(Canada Goose)는 이러한 도구 중 하나를 활용하여 LLM이 브랜드를 어떻게 참조하는지에 대한 인사이트를 얻었습니다. 이는 단순히 제품 특성(보온성, 방수 등)과 같은 키워드만이 아니라 브랜드 인지도 자체에 대한 것이었습니다. 여기서 중요한 교훈은 사용자가 캐나다구스를 어떻게 발견했는가가 아니라, 모델이 자발적으로 브랜드를 언급하는지 여부였으며, 이는 AI 시대에서 ‘비보조 인지도(unaided awareness)’를 보여주는 지표였습니다.
이러한 모니터링은 전통적인 SEO 대시보드만큼이나 중요해지고 있습니다. 예를 들어, Ahrefs의 Brand Radar는 AI Overview 속에서의 브랜드 언급을 추적하여 기업이 생성 엔진에서 어떻게 인식되고 기억되는지를 파악할 수 있도록 돕고 있습니다. Semrush 역시 전용 AI 툴킷을 출시하여, 브랜드가 생성형 플랫폼 전반에서 어떻게 인식되는지를 추적하고, AI 가시성을 높이기 위한 콘텐츠 최적화를 지원하며, LLM 출력에서 새롭게 발생하는 언급에 빠르게 대응할 수 있도록 합니다. 이는 전통적인 SEO 플레이어들이 GEO 시대에 맞춰 적응하고 있음을 보여줍니다.
우리는 이제 새로운 형태의 브랜드 전략이 떠오르는 것을 보고 있습니다. 이는 단순히 대중에게 어떻게 인식되는지를 넘어, 모델 속에서 어떻게 인식되는가까지 고려하는 전략입니다. AI 계층에 어떻게 기록되는지가 새로운 경쟁 우위가 되고 있습니다.
물론 GEO는 아직 실험적인 단계이며, 초기 SEO와 비슷합니다. 주요 모델이 업데이트될 때마다, 우리는 이 시스템들과 최적의 상호작용 방식을 새로 배우거나(혹은 잊어버리거나) 할 위험을 안고 있습니다. 과거 구글의 검색 알고리즘 업데이트가 기업들을 순위 변동에 맞춰 분주하게 만들었던 것처럼, LLM 제공자들도 여전히 모델이 무엇을 인용할지 결정하는 규칙을 조율하고 있습니다. 현재 여러 학파가 등장하고 있습니다. 일부 GEO 전술은 비교적 잘 이해되고 있습니다(예: LLM이 인용하는 소스 문서에 언급되는 것). 그러나 다른 가정들은 여전히 추측에 가깝습니다. 예를 들어, 모델이 저널리즘 콘텐츠를 소셜 미디어 콘텐츠보다 우선시하는지, 혹은 학습 데이터 세트에 따라 선호도가 어떻게 달라지는지 등입니다.
SEO 시대의 교훈
규모가 컸음에도 불구하고 SEO는 독점적인 승자를 만들어내지 못했습니다. Semrush, Ahrefs, Moz, Similarweb과 같이 기업들의 SEO와 키워드 리서치를 도운 도구들은 저마다 성공을 거두었지만, 전체 스택을 장악하거나 인수합병을 통해 성장한 곳(예: Similarweb)조차 전체 시장을 지배하지는 못했습니다. 각 서비스는 백링크 분석, 트래픽 모니터링, 키워드 인텔리전스, 기술적 감사 등 특정 영역을 차지했을 뿐입니다.
SEO는 항상 분절적이었습니다. 업무는 에이전시, 사내 팀, 프리랜서 운영자들 사이에 분산되었고, 데이터는 복잡하며 순위는 검증이 아닌 추론에 의존했습니다. 구글이 알고리즘의 열쇠를 쥐고 있었지만, 어떤 벤더도 인터페이스를 통제하지는 못했습니다. 전성기에도 가장 큰 SEO 플레이어들은 어디까지나 도구 제공자에 불과했습니다. 그들은 사용자 참여, 데이터 통제, 네트워크 효과를 확보하지 못했기 때문에 SEO 활동이 집중되는 허브가 될 수 없었습니다.
클릭스트림 데이터(사용자가 웹사이트를 탐색하며 클릭하는 링크 기록)는 실제 사용자 행동을 가장 명확하게 보여주는 창이라고 할 수 있습니다. 그러나 역사적으로 이 데이터는 접근이 극도로 어려웠습니다. ISP, SDK, 브라우저 확장 프로그램, 데이터 브로커 뒤에 잠겨 있었기 때문에, 깊은 인프라나 특권적 접근 권한 없이는 정확하고 확장 가능한 인사이트를 구축하는 것이 사실상 불가능했습니다.
GEO는 이 상황을 바꿉니다.
AI 도구에서 언급 받는 법: GEO 도구의 등장
이것은 단순히 툴의 변화가 아니라 플랫폼 기회입니다. 가장 주목받는 GEO 기업들은 단순히 측정에 그치지 않을 것입니다. 그들은 수십억 건의 암묵적 프롬프트로부터 학습하며, 자체 모델을 미세 조정할 것입니다. 단순히 LLM의 행동을 관찰하는 데 그치지 않고, 그것을 형성하는 차별화된 기술을 통해 인사이트 → 크리에이티브 입력 → 피드백 → 반복의 루프를 소유하게 될 것입니다. 또한 클릭스트림 데이터를 확보하고, 퍼스트파티·서드파티 데이터를 결합하는 방법도 찾아낼 것입니다.
GEO에서 성공하는 플랫폼은 단순히 브랜드 분석을 넘어, 실행할 수 있는 인프라를 제공하게 될 것입니다. 실시간으로 캠페인을 생성하고, 모델의 기억에 최적화하며, LLM의 행동이 변할 때마다 매일 반복적으로 개선하는 시스템을 구축할 것입니다. 이 시스템은 곧 운영 체계가 됩니다.
이는 단순한 가시성을 넘어 훨씬 더 넓은 기회를 열어줍니다. GEO가 브랜드가 AI 응답 속에서 참조되도록 보장하는 방법이라면, 동시에 브랜드가 AI 계층과 지속적인 관계를 관리하는 방법이기도 합니다. GEO는 LLM과 상호작용하기 위한 기록 시스템(system of record)이 되어, 브랜드가 생성형 플랫폼 전반에서 존재감, 성과, 결과를 추적할 수 있게 합니다. 이 계층을 소유하는 것은 곧 그 뒤에 있는 예산을 소유하는 것과 같습니다.
여기서 독점적 잠재력이 나옵니다. 단순히 인사이트를 제공하는 것이 아니라 채널 자체가 되는 것입니다. SEO가 분산되고 데이터 인접적(data-adjacent)인 시장이었다면, GEO는 그 반대일 수 있습니다. 즉, 중앙집중화되고, API 기반이며, 브랜드의 워크플로우에 직접 내장되는 형태입니다. GEO 자체만 놓고 보아도 검색 행태 변화 속에서 가장 명확한 진입 지점이지만, 궁극적으로 GEO는 퍼포먼스 마케팅 전반으로 확장되는 발판(wedge)이 됩니다. GEO를 가능하게 하는 브랜드 가이드라인과 사용자 데이터에 대한 이해는 곧 성장 마케팅에도 힘을 실어줄 수 있습니다. 이렇게 소프트웨어 제품이 여러 채널을 테스트하고, 반복하며, 최적화할 수 있을 때 큰 사업이 만들어집니다. AI는 결국 자율적인 마케터를 가능하게 합니다.
타이밍은 매우 중요합니다. 검색은 이제 막 변화를 시작했지만, 광고 예산은 빠르게 움직입니다. 특히 차익(arbitrage)이 존재할 때는 더욱 그렇습니다. 2000년대에는 그것이 구글 애즈 였고, 2010년대에는 페이스북의 타켓 광고 였습니다. 이제 2025년에는 LLM과, 브랜드의 콘텐츠가 모델에 어떻게 흡수되고 참조되는지를 안내하는 플랫폼이 그 자리를 차지하고 있습니다. 다시 말해, GEO는 모델의 기억 속에 들어가기 위한 경쟁입니다.
AI가 상거래와 검색의 첫 관문이 되는 세상에서, 마케터들에게 던져지는 질문은 단 하나입니다.
“AI 모델은 당신을 기억할 것인가?”
인사이트를 받아보세요 👇