YUSA용어와 근거
GEO·AEO·SEO는 무엇이 다른가요?
셋 다 “검색에서 잘 보이게 하는 일”이지만, 노출되는 자리가 다릅니다. 아래에 세 용어의 정의와, 효과의 근거가 있는 항목과 없는 항목을 정리했습니다.
세 용어의 정의
| 용어 | 풀이 | 노출되는 곳 |
|---|---|---|
| SEO | Search Engine Optimization 검색 엔진 최적화 |
검색 결과 목록에서의 순위 |
| AEO | Answer Engine Optimization 답변 엔진 최적화 |
질문에 대한 직답 자리 (요약·발췌·음성) |
| GEO | Generative Engine Optimization 생성형 엔진 최적화 |
AI가 생성한 답변 문장과 그 출처 |
GEO라는 개념은 프린스턴대 등 연구진의 논문 「GEO: Generative Engine Optimization」(Aggarwal 외, KDD 2024)에서 처음 체계적으로 정리되었습니다.
효과의 근거가 있는 항목은 무엇인가요?
공개된 대규모 관측과 실험 결과를 바탕으로 정한 진단 우선순위입니다. YUSA는 이 순서대로 진단합니다.
- 제3자 언급 — 브랜드가 다른 사이트에서 언급된 양. AI 인용과의 상관관계가 가장 큽니다.
- 크롤 가능성 — AI 크롤러가 본문을 읽을 수 있는가. 되는지 안 되는지로 갈리며, 가장 쉽게 확인할 수 있습니다.
- 인용 가능한 본문 — 답변에 그대로 옮길 수 있는 사실·수치·정의가 페이지에 있는가.
- 표기 일관성 — 같은 대상이 여러 이름으로 흩어져 있지 않은가.
- 구조화 데이터 — 정보를 정확히 전달하기 위한 기본 요건. 인용을 직접 늘려 주지는 않습니다.
근거 — 제3자 언급: Ahrefs, 브랜드 7만 5천 개 분석(2025-05). 브랜드 웹 언급량과 구글 AI 개요 노출의 상관계수가 0.664로 분석 요인 중 가장 높았습니다. 크롤 가능성: Vercel·MERJ 분석(2024-12). GPTBot·ClaudeBot·PerplexityBot 등 주요 AI 크롤러는 자바스크립트를 실행하지 않습니다. 구조화 데이터: 아래 Ahrefs 대조 실험을 참고하세요.
근거가 약한데 자주 제안되는 것들
- “스키마를 넣으면 AI 인용이 오른다” — 스키마를 추가한 1,885개 페이지를 대조군과 비교한 실험에서 AI 인용 증가가 확인되지 않았습니다(Ahrefs, 2026-05).
- “llms.txt를 만들면 AI가 읽어 간다” — 약 30만 개 도메인을 분석한 조사에서 AI 인용 빈도와 뚜렷한 관계가 나타나지 않았습니다(SE Ranking 조사, Search Engine Journal, 2025-11).
- “한 번 측정해서 점수를 매긴다” — 같은 질의도 실행마다 답이 달라집니다. 한 번 측정한 결과로 순위를 매기는 것은 무리입니다(SparkToro·Gumshoe 조사, 2026-01).
YUSA가 이 항목들을 진단에서 어떻게 다루는지는 측정 방식에 적어 두었습니다.
자주 묻는 질문
GEO가 정확히 무엇인가요?
GEO(Generative Engine Optimization, 생성형 엔진 최적화)는 ChatGPT·Gemini 같은 생성형 AI가 만든 답변 안에 특정 브랜드나 사이트가 인용되도록 만드는 작업입니다. 검색 결과 목록의 순위가 아니라 답변 문장 안의 자리를 다룹니다.
AEO와 GEO는 어떻게 다른가요?
AEO(Answer Engine Optimization, 답변 엔진 최적화)는 질문에 대한 직답을 페이지에 마련해 두는 쪽에 가깝고, GEO는 생성형 엔진이 답을 만들 때 근거로 쓰이도록 만드는 쪽에 가깝습니다. 실무에서는 겹치는 부분이 많아 함께 다룹니다.
SEO를 이미 하고 있는데 중복되지 않나요?
겹치는 항목이 있지만 목표가 다릅니다. SEO는 검색 결과 목록의 순위를, GEO는 AI 답변 안의 등장 여부를 봅니다. 검색 순위가 높은 페이지가 AI 답변에서는 빠지는 경우가 실제로 관측됩니다.
구조화 데이터(JSON-LD)만 넣으면 AI에 인용되나요?
그렇지 않습니다. 스키마를 추가한 1,885개 페이지를 대조군과 비교한 실험(Ahrefs, 2026)에서도 AI 답변 인용은 의미 있게 늘지 않았습니다. 구조화 데이터는 정보를 정확히 전달하기 위한 요건일 뿐, 그 자체로 인용을 늘려 주지는 않습니다.
llms.txt 파일을 만들면 도움이 되나요?
약 30만 개 도메인을 분석한 조사(SE Ranking, 2025)에서 llms.txt 도입과 AI 답변 인용 빈도 사이에 뚜렷한 관계가 나타나지 않았습니다. YUSA는 이 항목을 점수에 넣지 않습니다.
무엇이 실제로 인용에 영향을 주나요?
브랜드 7만 5천 개를 분석한 상관 연구(Ahrefs, 2025)에서 AI 노출과 가장 관련이 컸던 것은 다른 사이트에서의 브랜드 언급량입니다. YUSA는 여기에 더해 크롤 가능성과 인용할 수 있는 본문 텍스트를 차례로 진단합니다.
홈페이지 주소만 보내 주세요. 1영업일 안에 회신드립니다.