생성형 AI 검색 확산과 오가닉 트래픽의 감소

생성형 AI 검색 엔진의 등장은 사용자가 원하는 정보를 검색 결과 페이지 내에서 즉각적으로 요약해 제공함으로써 디지털 마케팅 환경에 상당한 변화를 불러일으키고 있습니다. 이용자가 검색 엔진이 생성한 직접적인 답변을 확인함에 따라, 정보를 제공하는 원본 웹사이트나 콘텐츠 출처로 이동하는 트래픽은 자연스럽게 감소하는 추세입니다.

이러한 변화에 대응하여 웹사이트와 브랜드 운영자들은 AI 답변 내에서 자사의 브랜드 및 콘텐츠 가시성을 확보하기 위한 방안으로 생성형 엔진 최적화(GEO, Generative Engine Optimization)를 적극적으로 도입하기 시작했습니다.

기존 GEO 방식의 한계: 콘텐츠 품질 저하와 소비자 회의론

정보시스템협회 저널(Journal of the Association for Information Systems)에 게재된 논문 '책임 있는 생성형 엔진 최적화: 신뢰성 있는 텍스트 생성을 통한 LLM 순위 최적화(Responsible Generative Engine Optimization: Optimizing LLM Rankings via Trustworthy Text Generation)'에 따르면, 기존의 많은 GEO 방법론은 적대적(adversarial) 변경 방식에 크게 의존하고 있습니다.

연구진은 기존의 적대적 최적화 방식이 다음과 같은 문제를 야기할 수 있다고 지적합니다.

  • 콘텐츠 품질의 저하: 대형언어모델(LLM)의 출력 순위를 인위적으로 조작하려는 과정에서 문맥의 일관성이 떨어지거나 텍스트의 본래 품질이 훼손될 위험이 있습니다.
  • 소비자 신뢰 하락: 조작된 텍스트나 인위적인 키워드 삽입 패턴이 드러날 경우, 콘텐츠를 소비하는 사용자 사이에서 브랜드와 정보에 대한 회의적 시각이 커질 수 있습니다.

신뢰성 기반의 텍스트 생성: '책임 있는 GEO'의 필요성

논문은 단순히 LLM 검색 알고리즘을 우회하거나 순위를 인위적으로 끌어올리는 방식을 벗어나, 신뢰할 수 있는 텍스트 생성(Trustworthy Text Generation)을 통해 LLM 응답 내 순위를 최적화하는 '책임 있는 GEO(Responsible GEO)' 접근법을 대안으로 제시합니다.

신뢰 기반의 접근법은 검색 모델을 겨냥한 적대적 변경 대신, 정보의 정확성과 가치를 유지하면서 AI 시스템이 긍정적으로 인식하고 인용할 수 있는 신뢰성 높은 텍스트를 구조화하는 데 초점을 맞춥니다. 이는 검색 가시성을 회복하면서도 브랜드 신뢰도와 사용자 만족도를 동시에 보호하는 지속 가능한 최적화 전략의 기반이 될 수 있습니다.

AI 검색 생태계와 지속 가능한 최적화 과제

생성형 검색 환경에서 AI 모델이 신뢰할 수 있는 출처를 판별하고 이를 사용자에게 요약·인용하는 기준이 점차 고도화됨에 따라, 단기적인 랭킹 조작형 기법은 점차 효용성을 잃고 브랜드에 부정적인 영향을 미칠 가능성이 있습니다.

결과적으로 GEO를 집행하는 마케터와 콘텐츠 제작자들은 AI 모델의 동작 원리를 이해하는 것과 더불어 정보의 신뢰성과 완성도를 유지하는 전략적 균형을 마련해야 하는 과제를 안게 되었습니다.