← GEO Academy로 돌아가기
GEO 기초

GEO: Generative Engine Optimization 논문 읽기 (1): 생성형 검색에서 가시성이란 무엇인가

KDD 2024 논문 GEO: Generative Engine Optimization을 바탕으로, AI 검색이 전통적 순위 페이지가 아니라 검색·생성·인용이 함께 브랜드 가시성을 결정하는 환경임을 설명합니다.

2026. 07. 25. 게시 5분 읽기
GEO 최적화Generative Engine OptimizationAI 검색 가시성GEO 논문

GEO: Generative Engine Optimization 논문 읽기 (1): 생성형 검색에서 가시성이란 무엇인가

GEO를 처음 들으면 흔히 "AI 검색을 위한 SEO"라고 이해합니다. 그러나 Pranjal Aggarwal, Vishvak Murahari 등이 KDD 2024 논문 *GEO: Generative Engine Optimization*에서 던진 질문은 더 구체적입니다. AI 검색이 여러 출처를 한 답변으로 압축할 때, 콘텐츠 제작자는 무엇을 "보인다"고 정의해야 하는가입니다.

이 글은 특정 문장 고치는 법보다 논문의 출발점을 봅니다. 이 연구의 중요한 가치는 GEO를 마케팅 구호가 아니라 모델링·측정·실험할 수 있는 문제로 다뤘다는 데 있습니다.

논문이 말하는 Generative Engine

논문은 BingChat, Google SGE, Perplexity.ai 같은 시스템을 생성형 엔진으로 추상화합니다. 이 시스템은 파란 링크만 나열하지 않습니다. 먼저 출처를 검색하고, 생성 모델이 정보를 결합한 뒤, 인용 또는 근거를 가진 답변을 사용자에게 제공합니다.

전통 SEO의 질문은 "내 페이지는 몇 위인가"입니다. 생성형 엔진에서 사용자는 종합된 답변을 봅니다. 같은 출처가 답변 첫머리·중간·끝에 나타날 수 있고, 한 문장만 뒷받침하거나 핵심 판단 전체에 기여할 수 있습니다. 순위만으로 GEO를 설명하면 이 차이를 놓칩니다.

GEO가 보는 것은 등장 여부 이상이다

논문은 생성형 답변에서 웹사이트의 visibility, 즉 impression을 GEO의 핵심 목표로 둡니다. 브랜드나 페이지가 AI 검색에 "나왔는가"만으로는 충분하지 않습니다.

적어도 세 가지를 봐야 합니다. 출처에서 온 내용이 답변에 얼마나 들어갔는지, 그 내용이 얼마나 앞에 배치됐는지, 답변의 판단에 실질적으로 영향을 주는지입니다. 답변 끝에 공식 사이트 문장 하나가 약하게 인용되는 일과, 답변 앞에서 공식 내용이 추천의 핵심 근거가 되는 일은 상업적 의미가 다릅니다.

논문이 제시한 두 종류의 가시성 지표

첫째는 객관 지표입니다. 논문은 Word Count로 한 인용 출처가 답변에 기여한 텍스트 양을 측정하고, Position-Adjusted Word Count로 위치를 반영합니다. 같은 30단어라도 답변 앞부분에 있으면 대체로 사용자의 눈에 더 잘 들어온다는 직관입니다.

둘째는 주관 지표입니다. 논문은 G-Eval 방식을 빌려 관련성, 영향력, 독특성, 위치 인식, 수량 인식, 클릭 가능성, 정보 다양성을 모델로 평가합니다. 완벽한 설계는 아니지만, GEO 보고서가 기계적인 글자 수뿐 아니라 출처가 브랜드 이해를 실제로 바꾸는지 판단해야 한다는 점을 보여 줍니다.

기업에 주는 세 가지 시사점

첫째, GEO는 AI에게 브랜드를 강제로 추천시키는 일이 아닙니다. 논문은 블랙박스 환경의 콘텐츠 가시성 최적화를 다루며, 기업이 할 수 있는 일은 공식 사이트·문서·사례·데이터·제3자 근거를 더 잘 검색·인용·통합될 수 있게 만드는 것입니다.

둘째, GEO는 SEO를 버리는 일이 아닙니다. 생성형 엔진도 검색 출처를 사용하며, 논문 실험 역시 검색 결과의 출처를 입력으로 사용합니다. SEO는 출처 후보군에 들어가는 문제의 일부를 해결하고, GEO는 답변에 들어간 뒤 어떻게 표현되는지를 추가로 다룹니다.

셋째, 모니터링에는 고정 질문 세트가 필요합니다. 매번 질문이 다르면 콘텐츠 개선, 플랫폼 변동, 질문 변화, 출처 변화 중 무엇 때문에 결과가 달라졌는지 알기 어렵습니다. 논문이 후속으로 GEO-bench를 만든 이유도 반복 가능한 평가 기준을 만들기 위해서입니다.

첫 번째 읽기의 결론

이 논문에서 기업이 가져갈 것은 "GEO가 몇 퍼센트 올랐다"는 숫자가 아니라, 생성형 엔진을 정의하고 가시성을 정의한 뒤 개선 방법을 논의하는 순서입니다. 먼저 브랜드가 어떤 AI 플랫폼에서 언급되는지, 답변 중 얼마나 많은 부분을 차지하는지, 어디에 등장하는지, 공식·미디어·커뮤니티 중 무엇이 인용되는지, 경쟁사가 더 많은 설명 공간을 얻는지 측정해야 합니다.

GEO Radar는 https://www.georadar.top 에서 고정 질문 세트를 만들어 ChatGPT, Claude, Gemini 같은 글로벌 플랫폼과 Doubao, Tongyi Qianwen, Kimi, DeepSeek, Tencent Yuanbao 같은 중국 플랫폼의 브랜드 언급, 추천 위치, 경쟁사 동시 노출을 관찰하는 데 활용할 수 있습니다. GEO의 첫 단계는 글을 더 많이 쓰는 것이 아니라 "AI가 우리를 보는가"를 재검증 가능한 지표로 쪼개는 일입니다.

이 글의 자료 출처