AEO · 답변 엔진 최적화
Answer Engine Optimization
AEO이란?
- 구글 발췌·음성비서·챗봇이 '답으로' 채택하게
- 순위 경쟁(SEO)을 넘어 '답 자체'가 되는 것
- 질문형·구조화된 명확한 답이 핵심
AEO를 도입하면 성과를 재는 눈금부터 바뀝니다. 예전에는 검색 순위와 월 유입 수를 봤다면, 이제는 '우리 문장이 답변 화면에 그대로 떠 있느냐'를 셉니다. 클릭 없이도 브랜드가 노출되는 구간이 생기기 때문에, 유입은 줄었는데 상담은 늘어나는 일이 실제로 벌어집니다. 그래서 콘텐츠 한 편의 목표가 '읽히는 것'에서 '인용되는 것'으로 옮겨갑니다.
답변 엔진은 글 전체를 읽어주지 않고 '답이 될 만한 덩어리'만 떼어 갑니다. 질문 유형마다 원하는 형태가 달라서 정의형은 두세 문장짜리 한 덩어리, 비교형은 표, 절차형은 번호 목록이 유리합니다. 핵심은 답이 한 곳에 모여 있는가입니다. 서론 다섯 줄을 지나야 정의가 나오는 글은 후보에서 밀립니다. 여기에 FAQPage·Article 같은 구조화 데이터와 집필자·발행일 표기가 붙으면 기계가 '누가 언제 쓴 답인지'를 판별할 수 있습니다.
SEO는 결과 목록에서의 순위를, AEO는 답변 칸에 뽑히는 것을 다룹니다. 둘은 대체 관계가 아니라 겹칩니다 — 색인조차 안 되는 페이지는 답으로도 뽑히지 않습니다. 생성형 AI 답변 안에 문장으로 녹아드는 쪽을 따로 부르는 말이 GEO이고, AEO는 발췌 답변과 음성 비서까지 아우르는 넓은 쪽입니다.
현장에서 가장 많이 어긋나는 지점은 스키마를 '마법 스위치'로 여기는 것입니다. 본문에 없는 질문을 FAQ 스키마에 넣거나 한 페이지에 질문 스무 개를 욱여넣으면 리치 결과가 통째로 사라지기도 합니다. 또 하나는 답을 다 주면 손해라는 걱정입니다. 정의를 아끼고 '자세한 내용은 자료를 받아보세요'로 막아둔 글은 애초에 인용되지 않아, 그 자리를 경쟁사 문장이 차지합니다. 앞에서 답을 다 주고 판단 기준과 사례로 깊이를 남기는 쪽이 결국 문의를 더 받습니다.
| 구분 | SEO | AEO | GEO |
|---|---|---|---|
| 목표 | 검색 순위 상위 | 발췌·음성 답변 채택 | 생성형 AI 답변에 인용 |
| 대상 | 구글 검색결과 | 구글 답변박스·비서 | ChatGPT·Perplexity 등 |
| 핵심 | 키워드·링크·기술 | 질문형·구조화 답변 | 권위·구조화·인용가능성 |
검색이 '10개의 파란 링크'에서 발췌 답변·음성 비서·AI 답변으로 진화하며, 마케팅 업계에서 'Answer Engine Optimization(AEO)'이라는 개념으로 정립됐습니다. 생성형 AI에 특화된 GEO를 포괄하는 넓은 개념입니다.
가상의 사례로 살펴보겠습니다. 임직원 140명, 연매출 230억 원의 산업안전 교육 전문 A사 이야기입니다. 기술 블로그에 5년간 320편을 쌓아 월 방문 1만 2천을 찍고 있었지만, 상담 신청은 월 6건에서 2년째 제자리였습니다. 마케팅팀 박 팀장이 챗GPT와 퍼플렉시티에 자사 주력 주제 30개를 물어봤더니 A사가 인용된 건 2건, 경쟁 B사는 11건이었습니다.
- 박 팀장이 회의에서 인용 결과를 띄우자 대표가 "우리 글이 더 긴데 왜 안 뽑히냐"고 물었고, 답은 정의가 본문 일곱 번째 줄에 묻혀 있었다는 것이었습니다.
- 콘텐츠 담당 김 대리가 조회수 상위 40편의 제목을 '중대재해처벌법 교육 의무란?'처럼 질문형으로 바꾸고, 첫 문단을 두 문장 정의로 새로 썼습니다.
- 영업팀 이 과장이 6개월간 실제로 받은 고객 질문 62개를 엑셀로 넘겨줬고, 그중 38개를 본문에 답이 실제로 적혀 있는 FAQ로만 추려 페이지를 만들었습니다.
- 개발팀 협조로 40편에 FAQPage·Article 스키마를 넣고 집필자 이력과 개정일을 노출했으며, 근거 법령 조항을 문장 바로 아래에 달았습니다.
- 5개월 뒤 AI 답변 인용은 2건에서 14건, 발췌 답변 노출은 9개 키워드로 늘었습니다. 유입은 8% 줄었지만 상담 신청은 월 6건에서 17건이 됐습니다.