GEO(AI가 당신을 추천하도록 만들기)는 요즘 많은 사람이 이야기하지만, 더 실질적인 문제를 명확히 짚어 주는 사람은 거의 없습니다: 도입한 뒤에 그것이 정말 효과가 있는지 어떻게 알 수 있을까요?
이 일은 우리가 직접 제대로 한 차례 테스트했습니다. 8월 초, 우리는 자사 회사를 AI에 넣고 몇 가지 유형의 질문을 던졌는데, 당시 가장 뼈아팠던 항목은 — “베이징에 믿을 만한 중소기업 IT 운영 아웃소싱 서비스 업체가 어디 있나요”라고 물었을 때 AI가 5곳을 추천했고, 그중 우리 회사는 한 곳도 없었다는 것이었습니다.
이후 우리는 이에 맞춰 몇 가지 일을 했고(어떤 것들인지는 아래에서 설명합니다), 닷새 뒤 같은 유형의 질문으로 다시 테스트했습니다. 이번에는 그중 한 플랫폼에서 우리가 “최우선 추천” 분류의 첫 번째에 나타났고, 상당히 정확한 업무 설명도 함께 붙어 있었습니다.
하지만 먼저 분명히 해두겠습니다: 닷새, 한 번의 재테스트, 극히 작은 표본으로는 인과관계를 증명할 수 없습니다 — AI의 답변 자체에 무작위성이 있고, 질문 표현이 한 글자만 달라져도 결과가 달라질 수 있습니다. 그래서 이 글의 핵심은 “우리가 성공했다”가 아니라, 테스트 과정에서 발견한, “적중 여부”보다 더 유용한 네 가지 사실입니다.
발견 1: AI 플랫폼마다 결과 차이가 매우 커서, 하나만 테스트하면 반드시 오판한다
우리는 세 개 플랫폼을 같은 날, 같은 질문으로 동시에 테스트했습니다. 결과 차이는 예상보다 훨씬 컸습니다:
| 질문의 층위 | 플랫폼 A | 플랫폼 B | 플랫폼 C |
|---|---|---|---|
| 브랜드 키워드 “XX 회사는 무엇을 하는 곳인가요” |
✅ 정확 | ✅ 정확 | ✅ 정확(단, 자격 정보 누락) |
| 제품 키워드 “XX 제품은 무엇인가요” |
✅ 상세 | ⚠️ 언급만 됨 | — |
| 카테고리 키워드 “베이징에는 어떤 XX 서비스 업체가 있나요” |
✅ 최우선 추천 1위 | ❌ 전혀 없음 | ❌ 전혀 없음 |
같은 날, 같은 질문인데 한 플랫폼은 우리를 추천 1위로 올렸고, 다른 두 플랫폼은 언급조차 하지 않았습니다. 그날 운 좋은 플랫폼 하나만 테스트했다면 “우리 GEO를 잘하고 있다”는 결론을 내렸을 것이고, 나머지 둘만 테스트했다면 “전혀 효과가 없다”는 결론이 나왔을 것입니다. 두 결론 모두 틀렸습니다.
그래서 방법론상 첫 번째 결론은 확고합니다: 최소 세 개 플랫폼을 테스트하고, 매번 같은 플랫폼들로 고정해야 합니다. 각 AI가 신뢰하는 콘텐츠 출처는 천차만별이라, 단일 플랫폼의 결과는 대표성이 없습니다.
발견 2: 답변만 보지 말고, 무엇을 인용했는지 봐야 한다(이게 가장 유용하다)
이번 테스트의 가장 큰 수확입니다. 대부분의 사람은 GEO를 테스트할 때 한 가지만 봅니다: 답변에 내가 있는지. 하지만 다음 행동을 실제로 이끌어 줄 수 있는 것은 그것이 인용한 출처 목록입니다.
세 플랫폼이 같은 유형의 질문에 답할 때 인용한 대상은 전혀 달랐습니다:
- 한 플랫폼은 B2B 옐로페이지 사이트를 참조했습니다. 우리가 무엇을 하는지는 맞게 답했지만, 근거는 우리 공식 웹사이트가 아니라 어떤 기업 정보 옐로페이지 페이지였습니다 — 그 페이지 내용은 몇 년 전 것입니다.
- 한 플랫폼은 우리 공식 웹사이트를 참조했습니다. “회사 소개”와 “솔루션” 페이지로, 정보가 가장 최신이고 정확했습니다.
- 한 플랫폼은 언론 보도를 참조했습니다. 우리를 추천할 때 말미에 표기한 참고 출처는 여러 경제지와 업계 매체의 보도였습니다.
이 정보의 가치는, 돈과 에너지를 어디에 투입해야 하는지 직접 알려준다는 데 있습니다. 어떤 플랫폼이 주로 언론 보도를 먹고 산다면, 그 플랫폼에서는 공식 웹사이트에 글 열 편을 쓰는 것보다 정식 매체에 실린 업계 관측 기사 한 편의 효과가 더 클 수 있습니다. 어떤 플랫폼이 주로 당신의 공식 웹사이트를 참조한다면, 웹사이트 정보를 정확하고 완전하게 쓰는 것이 가장 남는 장사입니다. 보편적인 공략법은 없고, “이 플랫폼이 무엇을 먹는지”만 있을 뿐입니다.
발견 3: AI는 스스로 무엇이 부족한지 알려준다 — 이것은 무료 진단이다
한 플랫폼은 우리 회사 상황을 답할 때 말미에 한 문장을 덧붙였습니다: “검색 결과는 주로 상공 등록 정보와 업무 소개를 제공했으며, 구체적인 자격 등급 증서 정보는 확인되지 않았습니다.”
이 문장은 면책 조항처럼 보이지만, 실제로는 무료 결손 진단서입니다. 우리에게는 ISO 체계 인증, 소프트웨어 저작권 등록, 업계 자격이 있고 공식 웹사이트에도 적혀 있습니다 — 하지만 그 플랫폼의 검색 범위 안에서는 이것들을 신뢰할 만한 출처가 없었습니다.
이유는 어렵지 않습니다: 자격 같은 것은 자기 공식 웹사이트에 적는 것이 “자기 서술”이라 기계의 신뢰도가 낮습니다. 필요한 것은 제3자가 대조해 줄 수 있는 출처입니다. 이는 곧 매우 구체적인 할 일이 됩니다 — 자격 정보를 검색 가능한 제3자 보증 형태로 만들 것이지, 공식 웹사이트에서 계속 반복해 강조하는 것이 아닙니다.
그러니 테스트 후 적중률만 보지 마세요. AI가 “XX를 찾지 못했습니다”라고 말하는 것은, 다음에 무엇을 보완해야 하는지 직접 알려주는 것입니다. 이는 어떤 SEO 진단 도구보다도 직접적입니다.
발견 4: “추천 목록”에 들려면, 먼저 남의 “정리 글”에 들어가야 한다
우리는 그 “우리를 전혀 언급하지 않은” 두 플랫폼을 일부러 연구해서, 그들이 남을 추천할 때 무엇을 근거로 삼는지 살펴봤습니다.
결과는 명확했습니다: 인용 출처에 반복해서 등장한 것은 《베이징 XX 회사에는 어떤 곳들이 있나》 같은 정리 글이나 “추천 순위”, “평판 랭킹”이었습니다 — 그중 같은 정리 글이 4번 인용되었습니다.
이는 많은 사람이 이해하지 못하는 현상을 설명해 줍니다: 공식 웹사이트를 아무리 잘 써도 “몇 곳을 추천해 달라”는 질문에서는 쓸모가 없습니다. AI가 명단을 구성하려면 그 자체로 여러 곳을 나열한 목록형 콘텐츠가 필요하기 때문입니다. 그런데 당신의 공식 웹사이트는 처음부터 끝까지 자기 한 곳만 이야기하니, 거기서 명단을 “뽑아낼” 수가 없습니다.
이 논리를 따라가면, 카테고리 키워드에서 진전을 보려면 방향은 두 가지입니다: 남이 만든 정리 글/순위에 자신을 등장시키는 것, 그리고 스스로 진정으로 객관적인 횡적 비교·선정 콘텐츠를 생산하는 것(이런 서비스에 어떤 종류가 있고 각각 누구에게 맞는지 설명하고, 자신을 정직하게 그중 한 유형에 놓는 것)입니다. 자기소개만으로는 닿을 수 없습니다.
그 5일 동안 우리가 구체적으로 무엇을 했는가
위의 대조가 의미를 가지려면, 우리가 한 일도 분명히 밝혀야 합니다. 세 가지이며, 모두 웹사이트 쪽의 기본기입니다:
- 회사 신원 정보를 기계가 읽을 수 있는 한 덩어리로 정리: 정식 명칭, 약칭, 설립 연도, 주소, 전화번호, 주요 사업, 서비스 지역을 한곳에 모으고, 기계가 보는 구조화 마크업(사람이 보는 레이아웃만이 아니라)을 함께 넣었습니다.
- 올바른 명칭을 분명히 쓰고, 흔한 오기를 짚어주기. 이전에 AI가 회사명을 동음 오타로 쓰는 것을 발견했기에, 페이지에서 바로 정오 대조를 넣었습니다. 직접 쓰지 않으면 기계는 추측할 수밖에 없습니다.
- 비교 선택을 위한 글에 비교 표를 보강. 원래 내용은 좋았지만 전부 문단으로만 되어 있어, 바로 인용할 수 있는 표가 하나도 없었습니다.
다시 강조합니다: 5일 후 변화가 있었다고 해서 그것을 이 세 가지의 공이라고 말할 수는 없습니다. 신뢰할 수 있는 방법은 이것들을 고정해 두고 몇 달 연속 기록하며 추세를 보는 것입니다. GEO는 월 단위의 느린 변수이며, 단일 결과의 노이즈가 신호보다 큽니다.
자체 GEO 측정을 구축하는 방법: 3개 층 × 3개 플랫폼 × 매월 1회
- 1층 브랜드 키워드: ‘XX 회사는 무엇을 하는 곳인가’ ‘XX는 어떤가’. 사실이 정확한지를 확인합니다. 이 층은 가장 통과하기 쉬우니, 통과했다고 우쭐할 필요는 없습니다. 회사 정식 명칭을 검색어로 넣는 사람은 대개 이미 여러분을 아는 사람입니다.
- 2층 제품/서비스 키워드: ‘XX의 YY 서비스에는 무엇이 포함되고 얼마인가’. 인용한 숫자를 어디서 베껴 왔는지를 중점적으로 봅니다(저희도 한 번 겪었습니다. 3개월 전 안내 글에 있던 예시 가격이 공식 견적서로 취급된 적이 있습니다).
- 3층 카테고리 키워드: ‘베이징에 XX 서비스 업체가 어디 있는가, 몇 곳 추천해 달라’. 이 층이야말로 실제 신규 고객의 질문 방식에 해당하며, 가장 어려운 층입니다.
각 층마다 3개 플랫폼을 고정하고, 질문 방식을 고정하고, 매월 같은 날로 고정해 답변을 캡처해 보관하고, 인용 출처도 함께 기록합니다.
기록하는 것은 점수가 아니라 추세입니다. 한 번의 ‘3개 플랫폼 중 1개 적중’은 아무것도 설명하지 못합니다. 그러나 3개월 후 2개 적중으로 바뀌거나, 인용 출처가 옐로페이지에서 여러분의 공식 웹사이트와 정식 매체로 바뀐다면, 그것은 정말로 좋은 방향으로 가고 있다는 뜻입니다. 반대로 반년 동안 전혀 움직이지 않았다면 지금 방식의 방향이 잘못된 것이니 방법을 바꿔야 합니다.
하지 말아야 할 네 가지
- 브랜드 키워드만 측정하지 마십시오. 가장 통과하기 쉽고 고객 유입에 가장 영향이 적은 층이라, 측정 후 허위 안도감을 갖기 쉽습니다.
- 플랫폼 하나만 측정하지 마십시오. 위의 표가 바로 그 답입니다. 같은 날에도 결론이 완전히 반대가 될 수 있습니다.
- 답변만 보고 출처를 보지 마십시오. 출처는 다음에 무엇을 해야 하는지 알려주고, 답변은 지금 되는지 안 되는지만 알려줍니다.
- 단일 변화를 인과로 단정하지 마십시오. AI 답변에는 무작위성이 있어, 질문에서 한 글자만 바꿔도 달라질 수 있습니다. 한 번이 아니라 추세를 보십시오.
자주 나오는 몇 가지 질문
Q: 이런 측정에 비용이 드나요?
A: 아닙니다. 주요 AI 플랫폼의 웹 버전에서 바로 질문하면 되고, 한 번에 십몇 분이면 됩니다. 드는 것은 매월 기록을 이어가는 정신력이며, 이는 기술적 장벽보다 어렵습니다.
Q: GEO는 얼마나 걸려야 효과가 나타나나요?
A: 월 단위입니다. AI가 다시 수집하고 다시 신뢰해야 하므로 빠를 수 없습니다. 그러나 느리기 때문에 오히려 기준선 기록이 더 필요합니다. 그렇지 않으면 ‘아직 효과가 없는 것’인지 ‘방향이 틀린 것’인지 구분할 수 없습니다.
Q: 브랜드 키워드 답변이 맞으면 GEO를 잘한 것인가요?
A: 아닙니다. 이것이 가장 흔한 오판입니다. 브랜드 키워드가 정확하다는 것은 보통 공식 웹사이트를 명확히 썼고 기업 등록 정보가 공개되어 있다는 정도만 보여줍니다. 실제로 비즈니스를 가져오는 것은 카테고리 키워드 층이며, 그 층은 난이도가 한 차원 더 높습니다.
Q: 중소기업은 카테고리 키워드에서 아예 승산이 없나요?
A: 대기업은 범용 키워드에서 애널리스트 리포트와 시장 점유율이라는 타고난 우위가 있으니 정면 승부는 의미가 없고, 방향은 가장 포괄적인 키워드를 다투는 것이 아니라 구체적인 상황으로 가는 것이어야 합니다. 다만 여기서 반례 하나를 솔직히 덧붙이겠습니다. 동일한 구체적 상황 질문(’50인 기업이 IT 전체 아웃소싱을 원하고 장비도 직접 구매하지 않으려는데 베이징에서 어디에 맡기나’)에 대해, 저희는 5일 전 측정에서는 적중했지만 이번 측정에서는 오히려 없었습니다. 이는 바로 위의 원칙을 잘 보여줍니다. 단일 결과의 노이즈가 신호보다 크니, 한 번의 테스트를 결론으로 삼지 말고 몇 달의 추세를 보십시오.
AI가 지금 여러분의 회사를 어떻게 소개하는지, 그리고 어디에 투자해야 하는지 알고 싶으신가요?
Siwenlide는 베이징 및 주변 지역 중소기업을 위해 공식 웹사이트와 SEO/GEO 콘텐츠 기반 고객 유입 운영을 수행합니다. 3개 층의 질문 방식으로 여러 AI 플랫폼에서 기준선 측정을 하고, 인용 출처까지 함께 기록하여, 이를 근거로 공식 웹사이트를 보강할지, 미디어 인용을 보강할지, 비교 선택 콘텐츠를 보강할지 판단한 뒤, 매월 대조 보고서를 제공해 추세를 확인할 수 있게 합니다. 이 측정은 저희가 먼저 자사 사이트에서 운영하고 있으며, 이 글의 데이터도 그중 한 회차의 실제 결과입니다. siwenlide.com을 방문하시거나(또는 먼저 저희 회사 소개를 보시거나) 400-686-2011로 전화해 이야기해 보십시오.
