AI 검색 최적화 (GEO) 뉴스

ChatGPT나 Perplexity 같은 AI 검색 엔진에 인용되기 위해서는 QAE 패턴과 FAQPage 스키마를 활용한 구조화된 콘텐츠 작성이 핵심입니다. 구체적인 수치, 전문가의 경험(E-E-A-T), 그리고 IndexNow를 통한 빠른 색인 유도가 새로운 SEO의 표준이 될 것입니다.

이 글은 AEO(Answer Engine Optimization)와 GEO(Generative Engine Optimization)가 결국 동일한 전략임을 주장하며, 혼란스러운 용어 대신 명확한 AEO를 사용할 것을 권장합니다. 핵심은 AI 검색 엔진이 정보를 추출하기 쉽도록 콘텐츠를 청크 단위로 최적화하고 신뢰성을 확보하는 것입니다.

구글이 이미지 검색 25주년을 기념하여 사용자 관심사에 기반한 맞춤형 이미지 갤러리와 'Collections' 기능을 강화합니다. 특히 AI Overviews에 생성형 AI 모델을 통합하여, 사용자의 검색 쿼리에 따라 즉석에서 새로운 이미지를 생성해 보여주는 기능이 추가될 예정입니다.

구글은 AI Overviews에 Nano Banana 모델을 활용한 이미지 생성 기능을 추가하여 텍나 프롬프트를 통한 맞춤형 이미지 제작 및 비교 기능을 제공합니다. 또한, 구글 이미지 홈을 실시간 업데이트되는 개인화된 브라우징 갤러리 형태로 재설계하여 사용자 취향에 맞는 이미지 발견 경험을 강화할 예정입니다.

구글 이미지가 사용자가 검색어를 입력하기 전에도 관심사에 맞춘 이미지를 추천하는 갤러리 형태의 새로운 홈페이지를 도입합니다. 또한, Google Search의 AI Overviews 내에서 'Nano Banana 2 Lite' 모델을 활용해 사용자의 요청에 따라 이미지를 직접 생성할 수 있는 기능도 함께 추가될 예정입니다.

구글 이미지는 2멀티모달 기술을 활용하여 사용자 맞춤형 이미지 갤러리와 AI Overviews 내에서의 이미지 생성 기능을 새롭게 도입합니다. 이는 지난 25년간의 시각 검색 혁신을 집약한 것으로, 검색의 패러다임이 텍스트 기반의 정보 찾기에서 시각적 콘텐츠의 발견과 창조로 확장되고 있음을 보여줍니다.

구글 이미지가 단순 검색 엔진에서 벗어나 사용자 맞춤형 갤러리와 컬렉션 기능을 갖춘 발견 중심의 플랫폼으로 재설계됩니다. 또한, AI Overviews에 생성형 AI 모델을 통합하여 사용자가 텍스트 프롬프트만으로 즉석에서 새로운 이미지를 만들 수 있는 기능도 추가됩니다.

구글은 최신 Nano Banana AI 모델을 통해 Google Search의 AI Overviews 내에서 직접 이미지를 생성할 수 있는 기능을 도입합니다. 이 업데이트는 텍스트 프롬프트를 고품질 이미지로 변환하며, 향후 몇 주 내에 영어권 지역부터 순차적으로 적용될 예정입니다.

구글의 세 가지 AI 모델은 브랜드 가시성 측면에서 일평균 8%포인트의 격차를 보이며, 각 모델이 선호하는 정보 소스 또한 상이합니다. Gemini는 에디토리얼 콘텐츠에 의존하는 반면, AI Overviews와 AI Mode는 Reddit이나 YouTube 같은 사용자 생성 콘텐츠(UGC)를 주로 활용합니다.

AI 검색 엔진은 전통적인 페이지 랭킹 방식 대신 웹상의 다양한 데이터를 바탕으로 브랜드에 대한 확률적 모델을 구축하여 추천 여부를 결정합니다. 따라서 기업은 발견 가능성, 명확성, 권위, 신뢰라는 네 가지 레이어를 중심으로 일관된 브랜드 인식을 심어주는 전략이 필요합니다.

ChatGPT와 Gemini 등 AI 어시스턴트의 답변에 자사 브랜드가 포함되도록 하는 AEO(Answer Engine Optimization)의 중요성을 설명하며, 이를 자동화할 수 있는 도구인 Letaido의 활용법을 다룹니다. 특히 유망한 프롬프트를 발굴하고 플랫폼별 점유율(Share of Voice)을 측정하는 구체적인 워크플로우를 제안합니다.

CleanTechnica는 인플레이션에 따른 운영 비용 증가와 AI 검색 엔진이 기존 미디어 트래픽을 잠식하는 현상, 소셜 미디어의 정보 왜곡 문제를 언급하며 독자들에게 후원금 증액을 요청했습니다. 이들은 페이월(Paywall) 도입 대신 자발적 후원을 통해 고품질 오리지널 콘텐츠 제작 환경을 유지하고자 합니다.

구글은 Merchant Center에 AI 검색 성과 보고서를 도입하고, OpenAI는 ChatGPT 광고 관리자에 매출 기여도 및 ROAS 지표를 추가했습니다. 이는 검색 결과가 단순 링크 나열에서 AI 기반의 답변 및 추천 형태로 진화함에 따라 광고주들의 측정 기준이 근본적으로 변화하고 있음을 보여줍니다.

최근 연구에 따르면 트래픽은 1기대 이하로 낮더라도 독자 애착도가 1.7배 높은 니치 매체가 브랜드 인지도 구축에 더 유리합니다. 이는 AI 검색 엔진이 브랜드의 신뢰도를 판단할 때 단순 트래픽이 아닌, 맥락 있는 언급과 엔티티 권위를 중시하기 때문입니다.

최근 구글 AI 모드는 외부 사이트 링크 대신 구글 비즈니스 프로필과 제품 지식 패널 등 자사 데이터를 직접 인용하는 비중을 8.4배 늘렸습니다. 이로 인해 로컬 서비스와 제품 비교형 이커머스 분야에서는 사용자가 브랜드 홈페이지를 방문하지 않고 구글 카드 내에서 정보를 소비하는 '제로 클릭' 현상이 심화되고 있습니다.

AI 검색 엔진은 신뢰도 높은 소스를 기반으로 답변을 생성하기 때문에, 과거의 부정적인 기사가 검색 순위에서 밀려나더라도 AI 답변의 주요 근거로 재등장할 수 있습니다. 따라서 기존의 콘텐츠 억제 방식에서 벗어나, 인용 가능한 양질의 새로운 출처를 구축하고 선제적으로 대응하는 전략이 필요합니다.

구글 머천트 센터가 AI 모드 및 AI 개요 내 제품 성과를 분석하는 'AI 성능 인사이트' 리포트를 미국에서 베타 테스트 중입니다. 이 리포트는 브랜드의 점유율(SOV), 쿼리 빈도, 검색 유형 등을 제공하여 대화형 쇼핑 환경에서의 가시성을 평가하고 제품 데이터를 최적화하도록 돕습니다.

구글은 Gemini 모델을 활용해 검색 결과 상단에 AI가 생성한 요약을 제공하는 'AI Overviews'를 본격 도입했습니다. 이는 사용자에게 빠른 답변을 제공하지만, 제로 클릭 검색을 유기적으로 유도하여 기존 웹사이트의 방문자 수를 감소시킬 위험이 있습니다.

구글의 AI 검색 도입으로 정보성 콘텐츠의 클릭률이 급감함에 따라, 기존의 키워드 중심 SEO에서 벗어나 AI가 인용할 만한 가치가 있는 신뢰도 높은 정보를 제공하는 전략으로 전환해야 합니다. 이를 위해 직접적인 답변 구조화, 독자적 데이터 활용, 스키마 마크업 강화 및 E-E-A-T 구축이 핵심입니다.

구글은 AI 검색(AI Overviews) 시대에 광고 경쟁력을 유지하기 위해 Broad Match와 Performance Max 등 기존 AI 도구의 중요성을 재확인했으며, 사용자 의도와 AI 응답을 모두 고려하는 고도화된 매칭 방식을 설명했습니다. 또한, 전통적인 기여 모델이 놓치는 장기적 전환 가치를 측정하기 위한 새로운 예측 지표인 QFC를 소개하며 광고 성과 측정의 범위를 확장하고 있습니다.