🤖 GEO, AEO, LEO: LLM 시대의 검색 최적화 전략 (AI SEO)
우리 회사에서는 LLM을 포함해서 여러 AI 서비스 활용을 적극적으로 권장하는 편이다. 그래서 웬만하면 회사의 지원을 받아서 AI 서비스를 쓸 수가 있다.
지금 운영 중인 서비스의 SEO도 계속해서 잘 되어서 구글에 노출이 많이 되고 있다.
이런 배경에서 최근에 팀내에서 이제 슬슬 AI쪽으로도 검색 최적화를 해보는 것이 어떠냐고 이야기가 나왔다.
그런데 SEO 말고 LLM 답변에 우리 서비스의 콘텐츠를 잘 노출시키려면 어떻게 해야 할까?
전통적인 SEO는 구조화된 데이터와 metadata 등 이미 뭘 어떻게 세팅하는 것이 좋을지, 각 검색엔진의 봇이 어떤 데이터를 잘 읽어가는지 등을 분석한 전략이 이미 존재한다. 하지만 LLM이 널리 쓰이기 시작한 지도 얼마 되지 않은 시점에서 그에 맞춘 전략이 있을까?
그래서 우선 GEO, AEO, LEO에 대한 리서치부터 시작해서 프론트엔드 개발자로서 어떤 부분을 할 수 있을지 알아보고 정리해본다.
1. GEO, AEO, LEO란?
전통적인 SEO와 달리, GEO, AEO, LEO는 생성형 AI 모델(LLM)의 답변 결과에 내 콘텐츠가 채택되도록 최적화하는 새로운 접근 방식이다. AI가 정보를 추출하고 요약하는 방식에 직접적인 영향을 미친다.
-
GEO (Generative Engine Optimization, 생성 엔진 최적화):
- 목표: LLM이 질문에 답변할 때 내 콘텐츠를 주요 출처(Source)나 인용(Citation)으로 선택하도록 최적화하는 포괄적 전략이다.
- 특징: AI가 문맥을 정확히 이해하고 사실(Fact)을 쉽게 추출할 수 있도록 콘텐츠를 구조화하는 데 초점을 맞춘다.
-
AEO (Answer Engine Optimization, 답변 엔진 최적화):
- 목표: AI 검색 결과(Answer Box, Snippet 등)에서 내 콘텐츠가 직접적인 답변으로 사용되도록 최적화함.
- 특징: 질문-답변 형식(
Q&A), 명확한 정의, 수치 정보 등 AI가 '한 번에' 답변으로 사용할 수 있는 형태로 콘텐츠를 작성하는 것에 주력한다.
-
LEO (Large Language Model Engine Optimization, 대규모 언어 모델 엔진 최적화):
- 목표: LLM 자체의 학습 데이터 또는 추론 과정에 긍정적인 영향을 미쳐 장기적으로 모델의 답변 경향을 유리하게 만드는 전략이다.
- 특징: 신뢰도 높은 전문 자료로 인정받고, 구조화된 데이터를 지속적으로 제공하여 LLM의 정보원으로 자리매김하는 것이 목표임.
2. SEO의 관련성
GEO, AEO, LEO는 전통적인 SEO의 연장선이자 발전 형태이다.
| 최적화 유형 | 대상 (누구에게 최적화하는가?) | 목적 (무엇을 얻고자 하는가?) | 역할 |
|---|---|---|---|
| SEO | 검색 엔진의 크롤러/인덱서 | 검색 결과 순위(Ranking) 상승 | 입구(Entry): 콘텐츠 노출 |
| GEO/AEO/LEO | LLM (AI 모델) | AI 답변에서 출처/답변으로 채택 | 출구(Output): 콘텐츠 소비 |
- SEO가 탄탄해야 콘텐츠가 검색 결과 상위에 노출될 수 있고, 그 콘텐츠가 GEO/AEO 전략을 통해 AI 답변으로 소비되는 구조이다.
3. 프론트엔드 개발자가 GEO, AEO, LEO를 하기 위한 방법들
프론트엔드 개발자는 AI가 웹 콘텐츠를 더 잘 이해하고 효율적으로 추출할 수 있도록 구조적 기반을 다지는 역할을 해야 한다.
📄 LEO/GEO 전략: 콘텐츠 구조화 및 신뢰도 확보
LLM이 정확하고 신뢰할 수 있는 정보로 콘텐츠를 인식하도록 만드는 기반 작업이다.
- 시맨틱 HTML 5 사용:
h1부터h6,<article>,<section>등의 태그를 의미에 맞게 정확히 사용하여 AI가 페이지의 계층 구조와 중요도를 쉽게 파악할 수 있게 한다. - Schema.org 마크업 적용 (Structured Data):
- JSON-LD 형태로
Article,FAQPage,HowTo등의 스키마를 명시적으로 페이지에 추가해야 한다. - 이는 AI가 콘텐츠의 객체와 관계를 명확하게 이해하는 데 결정적인 역할을 하며, AI 답변의 근거 자료로 채택될 확률을 높인다.
- JSON-LD 형태로
❓ AEO 전략: 명확한 답변 제공 및 UI 최적화
AI가 질문에 대해 즉각적인 답변을 찾기 쉽도록 콘텐츠를 구성하는 작업이다.
- 질문-답변 형식 최적화: 자주 묻는 질문(FAQ) 섹션 등을 명확하게 구성하고, 질문을
<h2>태그, 답변을 단락(p) 태그로 명확히 분리해야 함. - 핵심 정보 요약: 페이지 상단이나 주요 섹션 시작 부분에 명확한 정의, 요약된 결과, 핵심 수치 등을 볼드체나 목록 형태로 제공해야 한다. AI가 스크롤 없이 핵심을 추출하도록 돕는다.
- UI/UX 기반의 정보 전달: AI는 좋은 사용자 경험을 가진 페이지를 신뢰도 높은 출처로 판단하는 경향이 있음. 빠르고 접근성 높은(Accessible) UI를 구축해야 한다.
🚀 전체 전략: 로딩 속도 및 기술적 성능
LLM과 AI 검색 시스템은 로딩 속도가 빠르고 안정적인 콘텐츠를 선호한다.
- Core Web Vitals 준수: LCP(Largest Contentful Paint), INP(Interaction to Next Paint), CLS(Cumulative Layout Shift) 지표를 최상으로 유지해야 한다. 빠른 로딩 속도는 AI가 크롤링 및 인덱싱할 때 긍정적인 신호를 준다.
- 메타데이터의 정확성:
title,description등 기본 메타 태그를 명확하게 작성하고, 특히 Open Graph (OG)나 Twitter Card 메타 태그를 정확히 구현하여 콘텐츠 공유 시 AI가 문맥을 파악하기 쉽게 해야 함.
요약하자면, 프론트엔드 개발자는 시맨틱한 구조와 구조화된 데이터를 제공하여 AI가 콘텐츠를 쉽게 이해하고 신뢰할 수 있도록 기술적 환경을 만들어 주어야 하는 것이다.
마무리
GEO, LEO, AEO는 아직까지 확실한 정답은 없는 것 같다.
SEO의 연장선으로 생각한다면 프론트엔드 개발자 입장에서는 기존에 하던 것처럼 시맨틱 태그를 잘 사용하고, 메타데이터와 구조화된 데이터를 잘 적용하면 되는 정도인 것 같다.
오히려 콘텐츠의 파워가 더 필요한 상황이지 않나 하는 생각이 더 드는데, 이쪽이나 저쪽이나 인력 부족만 어떻게 해결된다면 좋지 않을ㄲ..ㅏ...
