Ethan Smith 인터뷰 기반 정리
- AEO (Answer Engine Optimization): 답변 엔진 최적화
- GEO (Generative Engine Optimization): 생성형 엔진 최적화
두 용어는 본질적으로 동일한 개념을 지칭합니다. 다만, 전문가(Ethan Smith)는 'GEO'의 'Generative(생성형)'라는 단어가 이미지나 비디오 생성까지 포함하는 광범위한 의미를 내포하므로, LLM(거대 언어 모델)이 텍스트로 된 '답변'을 제공하는 과정에 집중한다는 의미에서 **AEO(Answer Engine Optimization)**라는 용어를 더 선호합니다.
AEO는 ChatGPT, Claude, Gemini, Perplexity와 같은 LLM 기반의 검색 서비스(답변 엔진)에서 내 브랜드나 제품이 **답변(Answer)**으로 추천되도록 최적화하는 과정입니다.
이 과정은 주로 RAG(검색 증강 생성, Retrieval Augmented Generation) 기술과 관련이 있습니다:
- LLM은 사용자 질문에 답하기 위해 실시간으로 검색을 수행 (Retrieval)
- 검색된 여러 출처(Citations)를 요약하여 답변을 생성 (Generation)
따라서 AEO의 목표는 LLM이 참고하는 '인용 출처(Citations)'에 내 콘텐츠가 최대한 많이 포함되게 하는 것입니다.
| 구분 | 기존 SEO (Google Search) | AEO (ChatGPT, Perplexity 등) |
|---|---|---|
| 승리 조건 | 검색 결과 페이지(SERP)에서 **1위(파란색 링크)**를 차지하는 것이 핵심 | 인용된 출처들 사이에서 **최대한 많이 언급(Frequency)**되는 것이 핵심. 단순히 1위 출처에 있는 것만으로는 부족하며, 여러 출처가 공통적으로 내 브랜드를 언급해야 답변에 포함될 확률이 높음 |
| 진입 장벽 | 도메인 권위(Domain Authority)가 필요하므로 초기 스타트업이 성과를 내기까지 수년이 걸릴 수 있음 | 즉각적인 성과가 가능. 오늘 레딧(Reddit) 스레드나 유튜브 비디오, 블로그에 언급되면 내일 바로 답변에 노출될 수 있어 초기 기업도 승산이 있음 |
| 검색어(Tail) | 평균 검색어 길이는 약 6단어 수준 | 평균 질문 길이가 약 25단어로 훨씬 길고 구체적. 꼬리(Long-tail)가 훨씬 길고 대화형 질문이 많음 |
| 트래픽 및 전환 | 트래픽 양은 많지만 전환율은 상대적으로 낮음 | 트래픽 양은 검색보다 적지만, 사용자가 대화를 통해 의도를 구체화했기 때문에 전환율이 훨씬 높음 (Webflow 사례: 구글 대비 6배 높은 전환율) |
기본적인 SEO(키워드에 맞는 랜딩 페이지 생성)는 AEO에서도 여전히 유효합니다. 검색량이 많은 키워드에 대한 랜딩 페이지를 만드는 것이 기본입니다.
- 각 페이지는 수천 개의 질문을 타겟팅해야 함
- 사용자가 물어볼 수 있는 **후속 질문(Follow-up questions)**까지 예상하여 페이지 내에서 답변해야 함
- 답변하지 않은 질문은 노출되지 않음
사용자는 기능, 통합, 사용 사례 등 매우 구체적인 질문을 합니다. 이를 위해:
- 헬프 센터를 서브도메인이 아닌 **서브디렉토리(Subdirectory)**로 이동
- 관련 문서 간 내부 링크(Internal linking) 강화
LLM이 신뢰하는 출처(Citations)에 내 브랜드가 등장해야 합니다.
- 비디오 플랫폼은 LLM이 자주 인용하는 소스
- B2B 기업의 경우 경쟁이 적은 구체적인 키워드(예: 'AI 결제 처리 API')에 대한 영상 제작이 효과적
레딧은 AEO에서 가장 중요한 채널 중 하나입니다.
- 전략: 스팸 봇을 사용하지 말고, 실명과 소속을 밝힌 실제 직원이 유용한 정보를 담은 댓글을 다는 것이 효과적
- LLM은 레딧을 신뢰할 수 있는 인간의 의견으로 간주하여 높은 가중치를 부여
- Tier 1: Dotdash(Investopedia 등), Forbes와 같은 대형 미디어
- Tier 2: 일반 블로그
- 자금 여유가 있다면 Forbes Advisor 같은 곳에 비용을 지불하고 '최고의 제품' 리스트에 오르는 것이 확실한 방법
경쟁사의 유료 검색어(Paid Search) 데이터를 가져와 ChatGPT에게 **"이 키워드들을 질문 형태로 바꿔줘"**라고 요청하여 타겟 질문을 확보
확보한 질문들을 AEO 트래킹 툴(Answer Tracker)에 입력하여 현재 내 브랜드가 얼마나 답변에 노출되고 있는지(Share of Voice) 파악
해당 질문들에 대해 현재 어떤 소스들(유튜브, 레딧, 포브스 등)이 인용되고 있는지 분석
- 많이 노출되는 유형(리스트형 기사, 툴 페이지 등)에 맞춰 랜딩 페이지 제작
- 유튜브 영상 업로드
- 레딧 스레드에 답변 달기
- 제휴 미디어에 비용 집행
- 대조군(Control) vs 실험군(Test): 질문을 두 그룹으로 나누어, 한 그룹에는 최적화 작업을 수행하고 다른 그룹은 그대로 둠
- 몇 주 후 트래킹 툴을 통해 순위나 노출 빈도가 상승했는지 확인
- AEO 정보는 부정확한 경우가 많으므로 직접 실험하여 검증하는 것이 필수
| 지표 | 설명 |
|---|---|
| Share of Voice (SOV, 답변 점유율) | 가장 핵심적인 지표. 사용자가 질문을 조금씩 다르게 하거나(변형 질문), 동일한 질문을 여러 번 반복했을 때 내 브랜드가 답변에 등장하는 비율 |
| 평균 순위 (Average Rank) | 답변에 인용된 출처 목록 중 내 브랜드가 평균적으로 몇 번째에 위치하는지 측정 |
| 전환율 (Conversion Rate) | AEO 트래픽은 사용자의 의도가 매우 구체적이므로 전환율이 높음. 일반 검색 트래픽과 구분하여 측정 필요 |
| 직접 트래픽 및 브랜드 검색량 | 사용자가 LLM 답변을 보고 클릭하는 대신, 새 탭을 열어 브랜드명을 직접 검색하거나 도메인을 입력하는 경우가 많음. AEO 활동 후 브랜드 검색량의 변화 모니터링 필요 |
- B2B의 어려움: B2B 답변에는 클릭 가능한 링크가 없는 경우가 많아 '추천 트래픽(Referral Traffic)'만으로는 성과를 파악하기 어려움
- 해결책: **"우리를 어떻게 알게 되었나요?"**와 같은 가입 후 설문조사(Post-conversion survey)를 통해 데이터 수집
- 실험군 vs 대조군 설정: 질문 100~200개를 선정하여 절반은 최적화 작업을 수행하고(실험군), 절반은 그대로 둔 뒤(대조군) 몇 주 후 Share of Voice 변화를 비교
- 전환율: LLM(ChatGPT 등)을 통해 유입된 트래픽의 전환율이 구글 검색 트래픽 대비 6배(6x) 더 높음
- 가입 비중: 현재 전체 가입자의 약 **8%**가 LLM 채널을 통해 유입
- 성공 전략: 기존 SEO(랜딩 페이지)와 더불어 유튜브 비디오 제작, 레딧(Reddit) 내 커뮤니티 답변 활동을 병행하여 인용률 향상
- 초기 성장: AI 등장 이전부터 레딧(Reddit) 활용
- 스팸성 홍보가 아니라, 실제 사용자의 문제를 해결해주는 진정성 있는 답변을 통해 성장
- 현재 AEO의 핵심 전략(진정성 있는 레딧 활동)과 일치
AEO 시장은 아직 초기 단계라 '절대적인' 툴은 없습니다.
- 별도의 툴을 사기보다 ChatGPT 자체를 활용
- 경쟁사가 입찰하고 있는 유료 검색 키워드(Paid Search Data)를 가져와서 ChatGPT에게 "이 키워드들을 사람들이 물어볼 만한 질문 형태로 변환해줘"라고 요청
- 현재 시중에 약 60여 개의 답변 추적 툴이 존재
- 기본적으로 키워드 추적 툴과 기능이 유사(Commodity)
- 가장 저렴하면서 필요한 기능을 갖춘 툴 선택 권장
- 내 브랜드가 답변에 노출되는 빈도(Share of Voice) 추적에 사용
- 툴보다는 실험 설계가 중요
- 질문 리스트를 관리하고 실험군/대조군 성과를 비교할 수 있는 스프레드시트나 내부 관리 시스템 필요
| LLM | 구글과의 중복도 | 특징 |
|---|---|---|
| ChatGPT | 약 35% | 구글 검색 결과와 인용 출처 중복도가 낮음. 구글 상위 노출이 ChatGPT 노출을 보장하지 않음 |
| Perplexity | 약 70% | 구글 검색 결과와 인용 출처가 상당히 일치. Perplexity 최적화는 구글 SEO와 유사 |
- 레딧(Reddit)과 같은 커뮤니티 소스에 대한 신뢰도가 매우 높음
- 스팸 봇을 쓰지 말고, 직원이 실명으로 유용한 정보를 제공하는 '진정성 있는 레딧 활동' 필수
- Tech Radar 같은 전문 매체가 효과적
- 특정 틈새 주제(예: 'AI 결제 처리 API')를 다루는 유튜브/Vimeo 비디오가 인용될 확률이 높음
- 쇼핑 카드(Shopping Card) 형태로 노출되며 클릭 발생
- 리뷰 수, 리치 스니펫(Rich Snippet) 관리가 중요
- '최고의 제품' 등을 다루는 매체(Glamour, Cosmopolitan 등)에 언급되는 것이 중요
- 100% AI로만 생성한 콘텐츠는 장기적으로 효과가 없음
- 구글과 LLM은 **'정보 획득(Information Gain)'과 '독창성'**을 중요하게 여김
- 서로의 콘텐츠를 베끼는 AI 생성물은 걸러질 가능성이 높음
- AI의 도움을 받되 인간이 편집하고 전문성을 더한 'AI 보조(AI-assisted)' 콘텐츠 지향
- B2B: 클릭 가능한 링크가 적어 브랜드 인지도를 높이는 데 집중
- 이커머스(B2C): 클릭 가능한 쇼핑 카드가 제공되므로 리치 스니펫(Rich Snippet)이나 리뷰 수 관리가 중요
- SEO 팀에게 AEO 업무를 맡기되
- 비디오 제작이나 커뮤니티(레딧) 대응을 위해 마케팅/커뮤니티 담당자와 협업 필요
구글의 'AI Overview'와 LLM의 '실시간 검색(RAG)' 기능이 서로 닮아가며 결국 단일한 검색 경험으로 수렴할 것으로 전망
- 사용자는 "이 툴이 A 기능과 통합되나요?" 같은 구체적인 질문(Long-tail)을 많이 함
- 헬프 센터를 서브디렉토리로 이동시키고
- 롱테일 질문에 답하는 문서를 대량으로 확보하는 것이 차기 트렌드
- 미래의 AI는 단순 답변을 넘어 "샌프란시스코 여행 일정을 짜고 예약까지 해줘"와 같은 행동을 수행하는 **'자율 에이전트(Autonomous Agents)'**로 진화
- 사용자의 개입 없이 AI가 대신 의사결정을 내리는 단계가 오면
- 이 에이전트가 내 서비스를 선택하도록 최적화하는 것이 중요
- AI로 생성한 콘텐츠를 다시 AI가 학습하는 구조는 결국 품질 저하(Model Collapse) 초래
- 100% AI 자동 생성 콘텐츠는 장기적으로 실패
- 인간의 전문성이 가미된 'AI 보조(AI-assisted)' 콘텐츠만이 살아남을 것
AEO는 "LLM이 신뢰하는 다양한 출처(비디오, 커뮤니티, 권위 있는 미디어)에서 내 브랜드가 긍정적으로, 그리고 자주 언급되도록 만드는 전략"입니다.
- 타겟 질문 리스트 확보 (ChatGPT로 키워드 → 질문 변환)
- Answer Tracker로 현재 Share of Voice 측정
- 인용 출처 분석 (어떤 유형의 콘텐츠가 인용되는지)
- 온사이트: 질문 중심 랜딩 페이지 + 헬프 센터 최적화
- 오프사이트: 유튜브 영상 + 레딧 진정성 있는 활동 + 제휴 미디어
- 실험군/대조군으로 성과 검증
- 가입 후 설문조사로 AEO 채널 기여도 측정
🔥 7일 한정 특가:
99,000원→ 29,000원