AEO/GEO는 무엇부터 시작하나요?
AEO/GEO는 콘텐츠를 만드는 일부터 시작하지 않습니다. 먼저 자사 URL을 진단해 현재 AI 답변 안에서의 위치를 확인하고, 무료 베이스라인 SMR로 기준선을 잡는 것이 출발점입니다. 순서는 명확합니다. URL 진단(30초) → 무료 베이스라인 SMR(목표 질문 1020개) → 목표 질문 50200개 설계 → 4단계 루프 운영입니다.
이 순서가 중요한 이유는 단순합니다. 현재 위치를 모르면 무엇을 고쳐야 하는지, 고친 뒤 얼마나 나아졌는지 판단할 수 없기 때문입니다. AEO/GEO는 "콘텐츠를 많이 만드는 일"이 아니라 "측정 → 개선 → 재측정"의 데이터 루프이며, 그 첫 단추가 진단입니다.
- Q1AEO/GEO 어떻게 시작하나요? 도입 절차는?
- Q2처음 무엇부터 해야 해?
- Q3AEO 인하우스로 직접 하려면 뭐가 필요해?
- Q4스타트업도 AI 검색 최적화 해야 돼?
1단계 — URL 진단(30초)
가장 먼저 할 일은 자사 URL을 진단하는 것입니다. 자사 홈페이지 주소를 입력하면 30초 만에 현재 사이트가 AI 답변에 인용될 준비가 얼마나 되어 있는지, 그리고 주요 LLM 답변 안에서 브랜드가 어느 위치에 있는지 빠르게 확인할 수 있습니다.
이 단계에서 점검하는 것은 크게 두 가지입니다. 첫째, 사이트 자체의 인용 준비도입니다. AI가 그대로 가져갈 수 있는 정의 문장이 있는지, FAQ·비교·케이스 같은 구조화 콘텐츠가 있는지, 구조화 데이터(JSON-LD)와 크롤러 허용 설정이 되어 있는지를 봅니다. 둘째, 현재 답변 안 위치입니다. 사용자가 카테고리·브랜드를 물었을 때 AI가 자사를 언급하는지, 한다면 몇 번째로 언급하는지를 확인합니다.
URL 진단은 비용 없이 30초 만에 끝나는 가장 가벼운 시작점입니다. URL 진단 받기에서 바로 확인할 수 있습니다. 진단 결과가 "AI 답변에 거의 등장하지 않음"으로 나와도 괜찮습니다. 대부분의 브랜드가 시작 시점에는 같은 상태이며, 이것이 다음 단계의 기준선이 됩니다.
2단계 — 무료 베이스라인 SMR(목표 질문 10~20개)
URL 진단으로 사이트 준비도를 확인했다면, 다음은 실제 LLM 답변을 정량으로 측정하는 베이스라인 SMR입니다. SMR(Share of Model Response)은 목표 질문 세트에 대해 주요 LLM 답변에서 브랜드가 언급되는 비율을 뜻하는 핵심 지표입니다.
시작 단계에서는 목표 질문 10~20개로 무료 베이스라인을 잡습니다. 잠재 고객이 AI에게 실제로 던질 법한 질문 — 예를 들어 "OO 잘하는 곳 추천해줘", "OO 비교해줘", "OO은 어디가 좋아?" 같은 질문 — 을 추려 각 질문에 대한 현재 언급률과 순서를 기록합니다.
이 베이스라인이 왜 중요한가요? 개선 폭은 시작점이 있어야 측정됩니다. 예를 들어 GPTO의 검증 케이스 중 병의원은 ChatGPT 언급률이 10.3%에서 시작해 3개월 뒤 43.4%까지 올랐습니다(+33.1%p). 여기서 핵심은 "10.3%"라는 시작점이 먼저 기록되어 있었다는 점입니다. 베이스라인이 없으면 "좋아졌다"는 느낌은 있어도, 무엇이 얼마나 효과가 있었는지 증명할 수 없습니다.
| 항목 | 베이스라인 SMR(시작) | 본격 운영(4단계 루프) |
|---|---|---|
| 목표 질문 수 | 10~20개 | 50~200개 |
| 비용 | 무료 | 운영 규모에 비례 |
| 측정 주기 | 1회(기준선) | 매주 반복 |
| 목적 | 현재 위치 파악 | 위치 개선·안정화 |
3단계 — 목표 질문 50~200개 설계
베이스라인으로 현재 위치를 확인했다면, 본격적인 운영을 위한 목표 질문 50~200개를 설계합니다. 베이스라인의 1020개가 "현재 위치를 빠르게 가늠하는" 표본이었다면, 50200개는 카테고리·산업·구매 단계 전반을 촘촘히 덮는 운영용 질문 세트입니다.
좋은 목표 질문 세트는 세 축을 고려해 설계합니다.
- 구매 깔때기 단계별 질문: 인지("AEO가 뭐야?"), 비교("A와 B 중 뭐가 나아?"), 결정("OO 추천해줘") 단계의 질문을 고르게 포함합니다. AI 답변에 들어가야 하는 지점은 결정 단계 질문에 집중되어 있지만, 인지·비교 단계도 함께 잡아야 답변 맥락이 자연스럽게 연결됩니다.
- 카테고리·문제 표현의 다양성: 같은 의도라도 사용자는 다양한 표현으로 묻습니다. "추천", "비교", "어디가 좋아", "잘하는 곳" 같은 변형을 포함해야 실제 사용자 질문을 폭넓게 덮습니다.
- 언어: 글로벌 사용자를 타겟한다면 한국어 외 언어 질문도 설계합니다. GPTO는 18+ 언어 동시 운영이 가능하므로 한국어·영어·일본어·중국어 등을 동시에 다룰 수 있습니다.
질문 수는 비용과 직접 연결됩니다. 목표 질문 수와 타겟 언어 수, 산업 난이도가 운영 규모를 결정하기 때문에, 처음에는 가장 핵심이 되는 결정 단계 질문부터 우선순위를 두고 점진적으로 확장하는 방식을 권장합니다.
4단계 — 4단계 루프 운영(모니터링→진단→전략→배포)
질문 세트가 준비되면 본격적인 4단계 폐쇄 루프가 돌아갑니다. 이 루프는 한 번 하고 끝나는 작업이 아니라 매주 반복되는 운영 사이클입니다.
- Monitoring(모니터링) — ChatGPT, Claude, Gemini, Perplexity, Grok을 포함한 10대 LLM을 매주 모니터링합니다. 목표 질문 50~200개에 대한 답변을 정량으로 추적해, 누가 언급되고 어떤 순서로 답하는지를 데이터로 쌓습니다.
- Diagnostics(진단) — 자사·경쟁 환경의 언급률과 답변 맥락을 SMR 지표로 산출합니다. 지난주 대비 어떤 질문에서 위치가 올랐고 어디가 정체인지 진단합니다.
- Strategy(전략) — 진단 데이터에서 도출한 핵심 메시지와, AI가 인용하기 좋은 콘텐츠 구조를 설계합니다. 정의 문장, FAQ, 비교, 케이스 등 인용 가능성이 높은 형태로 설계됩니다.
- Distribution(배포) — 설계한 콘텐츠를 AI 학습이 우선되는 400+ 채널에 자동 배포합니다. 18+ 언어 동시 운영이 가능해, 다국어 시장을 동시에 공략할 수 있습니다.
이 루프가 반복되면서 브랜드의 AI 답변 안 위치가 점진적으로 개선되고 안정화됩니다. 일반적으로 첫 언급은 2주3개월, 안정적인 추천 위치는 36개월 사이에 확보됩니다. AEO/GEO는 누적형이기 때문에, 루프를 일찍 시작해 오래 돌릴수록 후발 주자가 따라잡기 어려운 격차가 만들어집니다.
핵심 한 줄. AEO/GEO 시작은 URL 진단(30초) → 무료 베이스라인 SMR(1020문항) → 목표 질문 50200 설계 → 4단계 루프(10대 LLM 매주 모니터링 → SMR 진단 → 콘텐츠 전략 → 400+ 채널 자동 배포) 순서로 진행됩니다.
인하우스로 직접 할 때 필요한 것
AEO/GEO를 외부 도움 없이 인하우스로 직접 운영하려면, 위 4단계를 스스로 갖춰야 합니다. 실제로 직접 시도할 때 마주치는 작업은 다음과 같습니다.
- 목표 질문 세트와 베이스라인 측정: 잠재 고객의 실제 질문을 추출해 50~200개 세트를 만들고, 각 질문에 대한 현재 언급률을 정량으로 기록해야 합니다. 한 번 측정으로 끝나는 게 아니라 기준선으로 보관하고 이후와 비교해야 합니다.
- 매주 모니터링 인프라: 여러 LLM에 같은 질문을 반복 호출하고 답변을 정량으로 기록·집계하는 체계가 필요합니다. 모델마다 답변이 호출할 때마다 달라지므로, 단발 측정이 아니라 반복 측정으로 추세를 봐야 의미가 있습니다. 10대 LLM을 매주 일관되게 측정하는 일은 직접 운영에서 가장 손이 많이 가는 부분입니다.
- 자사 사이트 정비: 인용 가능한 정의 문장, 10문항 이상의 FAQ, 비교·케이스 페이지, FAQPage·Organization·Service JSON-LD, 크롤러 허용 설정(robots.txt)과 llms.txt 배포까지 갖춰야 합니다. 이 부분은 AI 답변 최적화 체크리스트로 점검할 수 있습니다.
- 외부 채널 배포: 자사 사이트만으로는 부족합니다. AI는 외부 출처에서 같은 메시지가 반복될 때 신뢰하므로, 산업 리포트·기술 블로그·위키형 페이지·비교 리뷰·디렉토리 등 다양한 채널에 일관된 정의 문장을 누적해야 합니다. 다국어까지 고려하면 채널 수와 운영 부담이 빠르게 늘어납니다.
인하우스 직접 운영의 가장 큰 진입장벽은 콘텐츠 작성이 아니라 측정·배포 인프라입니다. 정의 문장이나 FAQ는 내부 인력으로도 만들 수 있지만, 10대 LLM을 매주 정량 모니터링하고 400+ 채널에 18+ 언어로 일관되게 배포하는 운영 체계를 사내에 구축·유지하는 것은 별개의 난이도입니다. 이 인프라 격차가 직접 할지, 맡길지를 가르는 핵심 분기점입니다.
대행과 직접의 의사결정
직접 할지 외부에 맡길지는 회사의 상황에 따라 달라집니다. 정답은 없지만, 다음 기준으로 판단하면 정리가 됩니다.
| 판단 기준 | 인하우스 직접 운영이 맞는 경우 | 외부 전문 엔진이 맞는 경우 |
|---|---|---|
| 측정 인프라 | 다중 LLM 반복 측정 체계를 직접 구축·유지할 여력이 있음 | 모니터링 인프라를 직접 만들 여력이 없음 |
| 채널·언어 | 단일 언어, 소수 채널로 충분 | 다국어·다채널 동시 운영이 필요 |
| 속도 | 천천히 학습하며 진행해도 무방 | 빠르게 카테고리 위치를 선점해야 함 |
| 데이터 기준 | 자체 베이스라인·진단 기준을 직접 설계 가능 | 검증된 지표(SMR)와 진단 프레임이 필요 |
핵심은 베이스라인부터 시작하는 것 자체는 누구나 무료로 할 수 있다는 점입니다. URL 진단과 베이스라인 SMR로 현재 위치를 먼저 확인한 뒤, 그 결과를 보고 직접 운영할지 외부 엔진에 맡길지를 결정하는 것이 가장 합리적인 순서입니다. 직접 운영의 부담이 크다고 판단되면, 카테고리를 정의해 온 전문 엔진에 맡기는 선택지가 있습니다.
GPTO는 2025년 3월부터 이 카테고리를 정의해 온 한국 최초의 AI 답변 최적화 기술 엔진으로, 위 4단계 루프 전체를 운영합니다. 대행 선택 기준이 더 궁금하다면 AEO/GEO 대행사 선택 가이드와 도입 비용과 가격 구조를 참고하면 됩니다. 시작은 URL 진단으로 충분합니다.