17년간 웹을 만들어온 사람으로서, 검색 최적화(SEO)는 늘 일의 일부였다. 키워드를 짜고, 페이지 구조를 잡고, 구글 상위에 올리는 일. 그런데 몇 년 전 광고대행사에서 AI 마케팅을 맡으면서 처음으로 낯선 요청을 받았다. 어느 건강기능식품 브랜드의 콜라겐 제품을 두고, 담당자가 이렇게 말했다. "구글 1위 말고요, ChatGPT한테 콜라겐 추천해달라고 했을 때 우리 제품이 나오게 해주세요."
그 한마디에 판이 바뀌고 있다는 걸 체감했다. 사람들이 더 이상 검색창에 키워드를 넣고 링크를 하나씩 눌러보지 않는다. ChatGPT나 Perplexity에 "콜라겐 뭐가 좋아?"라고 대화하듯 묻고, AI가 정리해준 답을 그대로 받아들인다. 그렇다면 마케팅의 목표도 '검색 1위'에서 'AI 답변 안에 들어가기'로 옮겨가야 한다. 그게 바로 GEO다.
이 글은 GEO가 무엇인지 개념부터, 17년 퍼블리셔이자 광고대행사 AI 마케팅 담당자로서 콜라겐 브랜드 GEO 프로젝트를 직접 굴려보며 알게 된 실전 방법까지 묶어 정리한 것이다. "GEO가 뭐야?"라는 검색은 부쩍 늘었는데 막상 실무 관점에서 제대로 설명한 글이 드물어서, 내가 겪은 그대로 풀어본다.
한 줄 정의 — GEO(생성형 엔진 최적화)는 ChatGPT·Claude·Perplexity 같은 AI가 답변을 만들 때, 내 콘텐츠·브랜드가 그 답변에 인용·언급되도록 만드는 전략이다. 구글 1위를 만드는 게 SEO라면, AI가 내 걸 추천·인용하게 만드는 게 GEO다.
GEO란 무엇인가
GEO는 Generative Engine Optimization, 우리말로 '생성형 엔진 최적화'다. ChatGPT, Google AI Overview, Claude, Perplexity, Gemini 같은 생성형 AI가 사용자 질문에 답할 때, 그 답변 안에 내 브랜드·콘텐츠·정보가 자연스럽게 포함되도록 최적화하는 모든 활동을 뜻한다.
용어 자체는 2023년 학계에서 먼저 정리됐다. 프린스턴대 등 연구진이 발표한 논문 'GEO: Generative Engine Optimization'이 생성형 엔진에 맞춘 콘텐츠 최적화를 처음 체계화했고, 이후 마케팅 업계로 빠르게 퍼졌다. 비슷한 맥락에서 AEO(Answer Engine Optimization, 답변 엔진 최적화)라는 말도 쓰이는데, 큰 틀에서 'AI가 만드는 답변에 노출되기'를 가리킨다는 점은 같다.
쉽게 말하면 이렇다. 예전엔 "콜라겐 추천"을 검색하면 블로그·쇼핑몰 링크가 10개쯤 줄지어 떴고, 사용자가 그중 하나를 골라 클릭했다. 지금은 같은 질문을 AI에 던지면 AI가 "콜라겐은 흡수율을 좌우하는 분자량이 중요하고, 대표적으로 A·B·C 제품이 있으며…"처럼 정리된 문장으로 답한다. 그 문장 안에 내 브랜드가 들어가느냐 마느냐 — 그 자리를 두고 벌어지는 싸움이 GEO다.
내가 GEO를 처음 실감한 순간
프로젝트를 맡고 가장 먼저 한 일은 단순했다. ChatGPT와 Perplexity를 켜고, 소비자가 던질 법한 질문을 그대로 쳐봤다. "콜라겐 추천해줘", "저분자 콜라겐 효과 있어?", "콜라겐 고를 때 뭘 봐야 해?" 같은 것들이다.
결과는 두 가지로 충격이었다. 첫째, AI는 매번 특정 브랜드 몇 개를 반복해서 언급했다. 우연이 아니라, 그 브랜드들의 정보가 웹에 잘 구조화돼 있고 여러 곳에서 일관되게 인용되고 있었기 때문이다. 둘째, 우리 제품은 검색으로는 잘 나왔는데 AI 답변에는 거의 등장하지 않았다. 구글 SEO는 어느 정도 돼 있었지만, 'AI가 읽고 인용하기 좋은 형태'는 아니었던 것이다.
이때 깨달았다. GEO는 막연한 개념이 아니라, "AI에게 내 정보를 어떻게 먹일 것인가"라는 아주 구체적인 작업이라는 걸. 그리고 그 출발점은 거창한 기술이 아니라, '소비자가 AI에 실제로 뭘 묻는지'를 직접 쳐보는 데 있다는 것도. 이건 지금도 누구에게나 권하는 GEO의 1단계다. 내 분야의 질문을 AI에 던져보고, 지금 누가 그 답을 차지하고 있는지부터 보는 것이다.
왜 지금 GEO인가
사람들이 정보를 찾는 방식 자체가 바뀌고 있기 때문이다. 생성형 AI 사용은 폭발적으로 늘었다. ChatGPT는 2025년 기준 주간 활성 사용자가 수억 명 규모(약 8억 명 안팎으로 보도된 바 있다)로 알려져 있고, 매일 막대한 양의 질문이 처리된다. 구글도 검색 결과 상단에 AI가 요약한 'AI Overview'를 띄우기 시작했다. (사용자 수·점유율 같은 수치는 빠르게 바뀌니, 의사결정 전엔 최신 자료로 다시 확인하는 게 좋다.)
업계 전망도 같은 방향을 가리킨다. 시장조사기관 가트너는 생성형 AI의 부상으로 전통적인 검색 엔진 사용량이 줄고, 웹사이트로 유입되는 유기적 검색 트래픽도 상당폭 감소할 것으로 전망한 바 있다. 사람들이 링크를 클릭하지 않고 AI 답변에서 바로 정보를 얻는 '제로 클릭'이 늘기 때문이다. 정확한 수치는 기관·시점마다 다르지만, '검색에서 AI 답변으로 무게중심이 이동한다'는 큰 흐름은 분명하다.
콘텐츠로 먹고사는 입장에선 이게 생존의 문제가 된다. 내 글이 구글 2페이지에 묻히는 것과, AI 답변에 한 줄도 인용되지 못하는 것 중 무엇이 더 치명적일까. 점점 후자가 된다. 사용자가 AI 답변만 보고 끝내버리면, 거기 없는 콘텐츠는 존재하지 않는 것과 같아지기 때문이다.
SEO와 GEO, 무엇이 다른가
17년간 SEO를 해온 사람으로서 정리하면, 둘은 목표도 작동 방식도 다르다.
| 구분 | SEO | GEO |
|---|---|---|
| 목표 | 검색 결과(SERP) 상위 노출 | AI 답변 속 인용·언급 |
| 사용자 흐름 | 검색 → 클릭 → 사이트 방문 | 질문 → AI 답변 확인(클릭이 없을 수도) |
| 핵심 질문 | "어디에 노출될 것인가" | "무엇으로 인용될 것인가" |
| 주요 요소 | 키워드, 백링크, 도메인 권위 | 정보의 정확성·구조·인용 가치 |
| 성과 측정 | 검색 순위, 클릭수(CTR) | AI 답변 내 등장·언급 빈도 |
가장 흥미로운 차이는 '권위'를 보는 방식이다. SEO에서는 오래되고 백링크 많은 사이트, 즉 도메인 권위가 절대적이었다. 신생 사이트가 대기업 도메인을 검색 순위로 이기기란 거의 불가능했다. 그런데 AI 엔진은 도메인의 나이나 백링크 수보다 '그 문서가 질문에 정확하고 잘 구조화된 답을 담고 있는가'를 더 본다. 그래서 잘 정리된 개인 블로그 글이, 정작 정보는 부실한 대기업 페이지보다 AI 답변에 인용되는 일이 실제로 벌어진다. 신생 사이트·소규모 브랜드에게는 SEO보다 훨씬 평등한 운동장이 열린 셈이다.
콜라겐 프로젝트에서 이 점이 결정적이었다. 우리는 거대 포털을 검색으로 이길 순 없었지만, '소비자가 궁금해하는 질문에 가장 정확하고 구조적으로 답하는 콘텐츠'를 만드는 건 충분히 가능했다. GEO는 그 빈틈을 파고드는 작업이었다.
AI는 무엇을 보고 인용하는가
실무를 하며 정리한, AI가 콘텐츠를 인용할 때 따지는 것으로 보이는 요소들이다. 공식 알고리즘은 공개되지 않지만, 여러 시도를 통해 경험적으로 좁혀진 패턴이다.
- 질문에 대한 직접적 답: 빙빙 돌리지 않고 질문에 곧장 답하는 문장. AI는 '이 문서가 그 질문의 답을 갖고 있는가'를 본다.
- 구조의 명확성: 소제목·목록·표로 정리돼 정보가 어디 있는지 분명한 글. AI는 문서를 잘게 쪼개 처리하므로 구조가 곧 가독성이다.
- 구체성과 출처: "많다"가 아니라 "약 8억", 막연한 주장이 아니라 출처가 붙은 사실. 검증 가능한 정보일수록 인용 가치가 높다.
- 일관성: 같은 브랜드·정보가 여러 곳에서 모순 없이 반복되면 AI는 그걸 더 신뢰한다.
- 최신성: 오래된 정보보다 갱신된 정보. 특히 빠르게 변하는 분야일수록 날짜가 중요하다.
핵심은, 이 모든 게 결국 '사람이 읽기에도 좋은 글'의 조건과 거의 같다는 점이다. AI를 속이는 별도의 기술이 아니라, 좋은 콘텐츠를 AI가 읽기 좋은 형태로 다듬는 일에 가깝다. 이게 GEO의 가장 중요한 본질이고, 뒤에서 다시 강조하겠다.
실전 1 — 질문-답변 구조로 짜라
AI는 명확한 Q&A를 좋아한다. 사용자의 질문과 그에 대한 답이 짝지어진 형태일수록 인용하기 쉽기 때문이다. 그래서 콜라겐 콘텐츠를 다시 짤 때 가장 먼저 한 게 소제목을 질문형으로 바꾸는 것이었다.
"제품 특징" 같은 밋밋한 소제목 대신 "저분자 콜라겐이 정말 흡수가 잘 되나요?", "콜라겐은 언제 먹어야 효과적인가요?"처럼 소비자가 실제로 던지는 질문을 그대로 소제목으로 썼다. 그리고 그 바로 아래에 핵심 답을 한두 문장으로 먼저 제시했다. AI가 '질문 → 답' 쌍을 그대로 가져가기 좋은 형태다.
여기에 더해 FAQ 섹션을 별도로 강화했다. 자주 묻는 질문 10개 안팎을 모아 각각 간결한 답을 달았다. 사람에게도 유용하지만, AI 입장에선 '질문-답 데이터셋'을 통째로 떠먹여주는 것과 같다. 지금 이 글에도 하단에 FAQ가 붙어 있는데, 같은 이유다.
실전 2 — 문단을 독립적으로 완결시켜라
두 번째 원칙은 각 문단이 그 자체로 완결된 정보를 담게 하는 것이다. AI는 문서를 통째로 읽기보다 문단·청크 단위로 잘라서 정보를 추출한다. 그래서 "앞에서 말한 그것"처럼 앞 문단에 의존하는 문장은 떼어놓으면 의미가 무너져 인용되기 어렵다.
실무에서는 글을 다 쓴 뒤, 각 문단을 따로 떼어내 "이 문단만 봐도 말이 되나?"를 점검했다. 핵심 정보는 대명사 대신 주어를 명시하고, 한 문단에 하나의 완결된 메시지를 담는다. 약간 반복적으로 느껴질 수 있지만, AI에게는 이렇게 자기완결적인 문단이 훨씬 친절하다. 사람이 중간부터 읽어도 이해되는 글이 좋은 글인 것과 같은 이치다.
실전 3 — 구체적 데이터와 1차 출처를 붙여라
AI는 검증 가능한 사실을 선호한다. 그래서 콘텐츠에 구체적 수치와 출처를 의식적으로 넣었다. "흡수가 잘 된다"가 아니라 분자량 수치를, "많은 사람이 찾는다"가 아니라 가능한 한 근거 있는 데이터를 인용하는 식이다.
특히 건강기능식품처럼 신뢰가 중요한(이른바 YMYL) 분야에서는 출처가 곧 인용 가치다. 공식 기관 자료, 객관적 데이터를 명시하면 AI가 '이 문서는 근거가 있다'고 판단할 여지가 커진다. 반대로 출처 없는 단정은 AI도 사람도 신뢰하지 않는다. 이 원칙은 분야를 막론하고 통한다. 막연한 형용사를 숫자와 출처로 바꾸는 것만으로 콘텐츠의 인용 가치가 올라간다.
실전 4 — 구조화 데이터(스키마)를 심어라
여기서부터는 17년 퍼블리셔로서의 영역이다. 스키마 마크업(구조화 데이터)은 검색엔진과 AI에게 '이 페이지가 무엇에 관한 것인지'를 기계가 읽는 언어로 알려주는 표식이다. FAQPage, Article, HowTo, Product 같은 스키마를 JSON-LD 형태로 페이지에 심으면, AI가 콘텐츠 구조를 훨씬 정확하게 이해한다.
예를 들어 FAQ 콘텐츠에 FAQPage 스키마를 붙이면, 어디까지가 질문이고 어디부터가 답인지를 기계가 명확히 인식한다. 제품 페이지엔 Product·Review 스키마로 가격·평점·후기를 구조화하고, 저자 정보엔 Person 스키마로 누가 썼는지를 명시한다. 사람 눈엔 안 보이지만, AI에게는 콘텐츠를 해석하는 지도 역할을 한다.
실무 팁 하나. 스키마는 거창하게 시작할 필요 없다. Article + FAQPage + BreadcrumbList 세 가지만 제대로 넣어도 대부분의 콘텐츠는 기본기를 갖춘다. 구글 검색 센트럴 문서에 각 스키마의 표준 형식이 정리돼 있으니 그대로 따르면 되고, 마크업이 올바른지는 구글의 리치 결과 테스트 도구로 검증할 수 있다. 코드를 다룰 줄 모른다면, 요즘 CMS·플러그인 상당수가 스키마를 자동 생성해주니 그것부터 켜면 된다.
실전 5 — 권위·신뢰 신호(E-E-A-T)를 쌓아라
AI는 '누가 쓴 정보인가'도 본다. 구글이 콘텐츠 품질 기준으로 강조하는 E-E-A-T(경험·전문성·권위·신뢰성)는 GEO에서도 그대로 통한다. AI는 신뢰할 만한 출처의 정보를 우선 인용하려는 경향이 있기 때문이다.
구체적으로는 이런 것들이다. 저자가 누구인지 명시하고(익명 글보다 실명·이력이 있는 글), 해당 분야의 실제 경험을 담고(이 글에 내 프로젝트 경험을 넣는 이유다), 출처와 근거로 전문성을 뒷받침하는 것이다. 콜라겐 프로젝트에서도 제품 설명을 객관적 정보와 전문가 관점으로 보강하고, 콘텐츠마다 작성 주체를 분명히 했다. '믿을 만한 곳이 말하는 정보'라는 신호를 쌓는 작업이다.
개인 블로거도 이건 충분히 할 수 있다. 자기 분야의 진짜 경험을 1인칭으로 쓰고, 프로필에 이력을 밝히고, 주장에 출처를 다는 것. 거대 기관이 아니어도 '이 사람은 이 주제를 실제로 안다'는 신호는 만들 수 있고, AI는 그걸 읽는다.
실전 6 — 브랜드 정보를 일관되게 관리하라
마지막은 일관성이다. AI는 한 곳이 아니라 웹 전반에서 정보를 수집해 학습·참조한다. 그래서 내 브랜드·정보가 여러 플랫폼에서 모순 없이 일관되게 존재할수록 AI가 신뢰하고 인용하기 쉬워진다.
실무에서는 제품명·핵심 정보·설명을 자사몰, 외부 채널, 콘텐츠 전반에서 동일하게 맞췄다. 한 곳에선 'A 제품', 다른 곳에선 다른 이름으로 부르면 AI 입장에선 같은 대상인지 헷갈린다. 명칭과 핵심 메시지를 통일하고, 가능한 한 여러 신뢰도 높은 채널에 일관된 정보를 노출하는 게 GEO의 토대가 된다. 개인이라면 블로그·SNS·프로필에서 자신을 소개하는 방식과 핵심 정보를 통일하는 것부터 시작하면 된다.
콜라겐 프로젝트에서 통한 것 vs 안 통한 것
방법론을 적용하며 배운 것을, 구체적 수치 대신 인사이트로 정리한다. (성과 지표는 클라이언트 자산이라 수치는 밝히지 않는다.)
통한 것. 소비자의 진짜 질문에 정확히 답하는 FAQ를 두텁게 쌓고, 문단을 자기완결적으로 다듬고, 스키마로 구조를 명확히 한 콘텐츠는 시간이 지나며 AI 답변에서 점차 더 자주 언급되는 방향으로 움직였다. 특히 '비교'와 '선택 기준' 같은, 소비자가 결정을 앞두고 던지는 질문에 충실히 답한 콘텐츠가 인용되기 좋았다.
안 통한 것. 반대로 키워드만 잔뜩 욱여넣거나, 알맹이 없이 분량만 늘린 글은 AI가 거의 거들떠보지 않았다. 옛날 SEO식 꼼수 — 키워드 도배, 얇은 양산 콘텐츠 — 는 GEO에서 더 빨리 무력화된다. AI는 '정보의 밀도'를 보지 '키워드 빈도'를 보지 않기 때문이다. 화려한 마케팅 문구보다, 담백하고 정확한 정보가 이겼다.
한 가지 더. GEO는 즉효약이 아니다. 검색 순위처럼 하루아침에 바뀌지 않고, 정확한 정보가 웹에 쌓이고 AI가 그걸 반영하기까지 시간이 걸린다. 그래서 단기 캠페인보다, 좋은 정보를 꾸준히 축적하는 장기전으로 접근해야 한다.
그럼 SEO는 끝났나 — 병행 전략
아니다. 여기서 오해하면 안 된다. GEO는 SEO를 대체하는 게 아니라 함께 가는 전략이다. 구글 검색팀에서도 GEO·AEO를 완전히 새로운 규칙이 아니라, SEO가 새로운 검색 환경에서 작동하는 방식을 다르게 부르는 것에 가깝다고 본다.
'사람들이 궁금한 걸 찾는다'는 검색의 본질은 그대로다. 좋은 콘텐츠를 잘 구조화한다는 원칙도 같다. 다만 그 결과물이 '링크 목록'에서 'AI 답변'으로 바뀌었을 뿐이다. 게다가 AI도 결국 웹에 색인된 콘텐츠를 참조하므로, 기본적인 SEO(색인·구조·속도)가 돼 있어야 GEO도 작동한다. 그래서 탄탄한 SEO 기반 위에 GEO를 얹는 것이 정답이다. 둘은 경쟁이 아니라 위아래로 쌓이는 관계다.
GEO 성과는 어떻게 확인하나
SEO는 검색 순위라는 명확한 지표가 있지만, GEO는 측정이 더 까다롭다. 그래도 확인하는 방법은 있다.
- 직접 질문해보기: 가장 기본이자 확실한 방법. 소비자가 던질 질문을 ChatGPT·Perplexity·Gemini에 주기적으로 쳐보고, 내 브랜드·콘텐츠가 언급되는지, 어떻게 언급되는지를 기록한다. 일종의 수동 모니터링이다.
- 인용·출처 표시 확인: Perplexity처럼 출처를 표기하는 AI에서는 내 페이지가 출처로 걸리는지 직접 볼 수 있다.
- AI 경유 유입 추적: 분석 도구에서 ChatGPT·Perplexity 등 AI 서비스를 통해 들어온 방문(리퍼러)을 따로 본다. AI 답변에 링크가 걸려 유입되는 흐름을 가늠할 수 있다.
- 전용 모니터링 도구: 최근 GEO 노출을 추적해주는 도구들도 등장하고 있다. 다만 분야가 초기라 도구마다 정확도 편차가 있으니, 결국 직접 질문해보는 1차 점검을 병행하는 게 좋다.
완벽한 단일 지표는 아직 없다. 그래서 나는 '직접 물어보고 기록하기'를 가장 신뢰한다. 손이 가지만, 내 콘텐츠가 AI 답변에서 어떤 대접을 받는지 가장 정확하게 보여주는 방법이다.
흔한 오해 4가지
- "GEO는 무슨 비밀 기술이다" → X. AI를 속이는 마법이 아니라, 좋은 콘텐츠를 AI가 읽기 좋게 다듬는 일이다. 본질은 정보의 질이다.
- "SEO는 이제 필요 없다" → X. AI도 웹 콘텐츠를 참조하므로 기본 SEO 위에 GEO가 얹힌다. 둘은 보완 관계다.
- "키워드만 많이 넣으면 된다" → X. 키워드 도배는 GEO에서 더 빨리 무력화된다. AI는 빈도가 아니라 밀도와 정확성을 본다.
- "대기업·유명 사이트만 인용된다" → X. AI는 도메인 권위보다 정보의 질·구조를 봐, 잘 만든 신생 콘텐츠가 인용되는 일이 흔하다. 오히려 기회다.
개인·소규모 브랜드를 위한 GEO 시작 체크리스트
거창한 예산 없이 오늘부터 해볼 수 있는 순서다.
- 내 분야의 질문을 ChatGPT·Perplexity에 직접 쳐보고, 지금 누가 그 답을 차지하는지 확인했는가?
- 소제목을 질문형으로 바꾸고, 답을 문단 앞에 먼저 제시했는가?
- FAQ 섹션(질문 10개 안팎)을 넣었는가?
- 각 문단이 독립적으로 완결되는지 점검했는가?
- 막연한 형용사를 구체적 수치·출처로 바꿨는가?
- Article·FAQPage·BreadcrumbList 스키마를 넣었는가?
- 저자(나)의 경험과 이력을 드러냈는가?
- 여러 채널에서 브랜드·정보를 일관되게 맞췄는가?
한 번 더 — GEO도 결국 '좋은 콘텐츠'다
GEO를 무슨 마법 기술로 오해하면 안 된다. 콜라겐 프로젝트를 끝내고 가장 또렷하게 남은 결론은 이거였다. AI가 인용하고 싶어 하는 콘텐츠는, 결국 정확하고 잘 정리됐고 실제로 도움이 되는 글이라는 것. 꼼수로 AI를 속이려는 시도는 오래 못 간다. 사람에게 좋은 콘텐츠가 AI에게도 좋은 콘텐츠라는 게 GEO의 본질이다.
그러니 GEO 시대의 전략은 의외로 단순하다 — 진짜 가치 있는 정보를, AI가 읽기 좋은 구조로, 일관되게 쌓는 것. 17년간 웹을 만들며 배운 '좋은 콘텐츠가 결국 이긴다'는 원칙이, AI 시대에 형태만 바꿔 다시 통하고 있는 셈이다. 거대 자본이 없어도, 자기 분야를 진짜 아는 사람이 정직하게 정리한 콘텐츠라면 AI 답변에서 거대 기업과 나란히 설 수 있다. 그게 이 변화의 가장 반가운 지점이다.
정리
- GEO = 생성형 AI가 답변할 때 내 콘텐츠를 인용·언급하게 만드는 최적화 (용어는 2023년 학계서 정리)
- SEO는 'SERP 노출', GEO는 'AI 답변 속 인용' — "어디에" vs "무엇으로"
- AI는 도메인 권위보다 정보의 질·구조를 봐 → 신생 사이트·개인에 평등한 기회
- 실전 6가지: 질문-답변 구조 / 문단 독립 완결 / 구체적 데이터·출처 / 스키마 / E-E-A-T / 브랜드 일관성
- 통한 것: 정확한 정보·구조·FAQ / 안 통한 것: 키워드 도배·양산 콘텐츠
- GEO는 즉효약이 아닌 장기전, SEO를 대체가 아닌 보완
- 성과는 'AI에 직접 물어보고 기록'이 가장 확실한 1차 점검
- 본질은 '사람에게 좋은 콘텐츠 = AI에게 좋은 콘텐츠'
이 글은 2026년 기준 일반 정보이며, 사용자 수·점유율·도구 등 수치와 환경은 빠르게 변합니다. 의사결정 전에는 최신 자료로 다시 확인하시길 권합니다. 또 AI 엔진의 작동 방식은 비공개라, 본문의 인용 요인은 실무를 통한 경험적 정리임을 밝힙니다.
AI 검색 시대는 이미 시작됐고, 콘텐츠로 수익을 내는 사람에게 GEO는 선택이 아니라 필수가 되고 있다. 블로그·유튜브 같은 부업도 이제 'AI에 인용되는 콘텐츠'를 만드는 게 경쟁력이다. AI를 활용한 부업 전반이 궁금하다면 AI로 돈 버는 현실적인 방법을, 블로그 수익화 규모는 애드센스 수익 계산기로 그려보면 좋다.
참고 자료
- GEO: Generative Engine Optimization (arXiv, 2023) — GEO 개념을 체계화한 원논문
- 가트너(Gartner) — 생성형 AI에 따른 검색 트래픽 변화 전망
- 구글 검색 센트럴(Google Search Central) — 구조화 데이터·스키마 표준, AI 시대 검색 가이드
- 구글 리치 결과 테스트 — 스키마 마크업 검증 도구
