검색의 종말, 인용의 시대 — GEO 시대의 콘텐츠 마케팅 전략

마케터로서 오랜 시간 검색엔진과 함께 살아왔습니다. 키워드를 분석하고, 메타태그를 다듬고, 백링크를 쌓는 일이 콘텐츠 마케팅의 기본 문법이었던 시절이 있었습니다. 그런데 최근 흥미로운 현상을 목격하고 있습니다. 소비자들이 더 이상 검색 결과 페이지를 스크롤하지 않습니다. 대신 ChatGPT에게 묻고, Perplexity에게 확인하고, 네이버의 AI가 정리해주는 답변을 그대로 수용합니다. 검색의 시대가 저물고, 인용의 시대가 열리고 있는 것입니다.

링크에서 답변으로, 검색 패러다임의 전환

데이터를 들여다보면 이 변화의 규모가 선명하게 드러납니다. Gartner는 2026년까지 전통적 검색 트래픽이 25% 감소할 것으로 전망했습니다. 실제로 구글 AI Overview가 존재하는 쿼리의 유기적 클릭률은 전년 대비 61% 하락했습니다(Superlines, 2026). 반면 AI 검색을 통한 웹사이트 참조 세션은 같은 기간 527% 증가했습니다.

여기서 주목할 점은 단순한 트래픽 이동이 아닙니다. 사용자 행동의 본질적 변화입니다. 기존 검색에서 사용자는 10개의 링크 중 하나를 선택했습니다. 지금은 AI가 생성한 하나의 답변을 읽고, 거기에 인용된 출처만 선별적으로 방문합니다. AI 검색 세션 중 웹사이트를 아예 방문하지 않는 비율이 약 93%에 달한다는 데이터는 이 전환의 극적인 성격을 보여줍니다.

마셜 맥루한은 1964년에 이미 “미디어는 메시지다”라고 선언한 바 있습니다. SEO 시대의 미디어는 ‘검색 결과 목록’이었고, 사용자는 클릭이라는 행위를 통해 정보에 접근했습니다. GEO 시대의 미디어는 ‘AI의 단일 응답’이며, 사용자는 읽기만으로 정보를 소비합니다. 달라진 것은 기술이 아니라 인지 인터페이스 자체입니다.

GEO라는 새로운 문법

GEO(Generative Engine Optimization)는 AI 생성 엔진의 응답 안에 자사 콘텐츠가 인용되도록 최적화하는 전략입니다. 이 개념을 학술적으로 정립한 것은 Princeton, Georgia Tech, Allen AI, IIT Delhi 공동 연구팀이었습니다. Aggarwal 등이 2024년 ACM SIGKDD에서 발표한 논문은 GEO 전략 적용 시 AI 응답 내 콘텐츠 가시성이 최대 40% 향상될 수 있음을 실증적으로 보여주었습니다.

이 연구에서 특히 인상적이었던 것은 효과적인 전략의 구체성입니다. 통계 데이터를 삽입한 콘텐츠는 가시성이 41% 상승했고, 권위 있는 출처를 명시적으로 인용한 콘텐츠와 전문가 인용구를 포함한 콘텐츠는 28% 이상의 향상을 기록했습니다. 반면 키워드 밀도를 높이는 전통적 SEO 기법은 유의미한 효과를 보이지 않았습니다.

왜 이런 차이가 발생할까요? 인지심리학에서 말하는 인지 유창성(cognitive fluency) 이론이 실마리를 줍니다. 사람은 처리하기 쉬운 정보를 더 신뢰하는 경향이 있습니다. AI 검색엔진 역시 이 원리를 반영합니다. 구조화되고, 데이터로 뒷받침되며, 권위 있는 출처가 명시된 콘텐츠는 AI가 ‘처리하기 쉬운’ 정보입니다. 결국 AI에게 인용되려면 AI의 인지 과정을 이해해야 합니다.

ASIST 2024에서 발표된 Li 등의 연구는 한 발 더 나아갑니다. ChatGPT, Bing Chat, Perplexity 등 AI 검색엔진이 응답을 생성할 때 권위 편향이 작동한다는 것입니다. 학술 기관이나 공신력 있는 미디어에서 온 콘텐츠가 개인 블로그의 동일한 정보보다 인용될 확률이 높습니다. 이는 마케터에게 중요한 시사점을 던집니다. 콘텐츠의 ‘출처로서의 권위’가 새로운 경쟁력이 되었다는 뜻이기 때문입니다.

실무에서의 GEO 전략

이론적 배경을 이해했다면, 실무 현장에서 어떻게 적용할 수 있을까요? 20년간의 마케팅 경험과 최신 연구를 종합하여 핵심 전략을 정리해보겠습니다.

첫째, 답변 우선 구조로 콘텐츠를 설계합니다. AI는 사용자의 질문에 대한 직접적 답변을 우선적으로 추출합니다. 콘텐츠의 첫 40~60단어 안에 핵심 답변을 배치하고, 이후 맥락과 근거를 전개하는 역피라미드 구조가 효과적입니다. 기존 SEO에서 통했던 ‘클릭을 유도하기 위해 답을 뒤로 미루는’ 전략은 GEO 시대에 오히려 역효과를 낳습니다.

둘째, 데이터 밀도를 의식적으로 높입니다. Princeton 연구에 따르면 150~200단어마다 하나의 수치 데이터를 삽입하는 것이 최적의 빈도입니다. 단, 맥락 없는 숫자 나열이 아니라, 논거를 뒷받침하는 구체적 증거로서의 데이터여야 합니다.

셋째, E-E-A-T를 콘텐츠 안에 녹입니다. 구글이 강조해온 경험(Experience), 전문성(Expertise), 권위성(Authoritativeness), 신뢰성(Trustworthiness)은 GEO 시대에 더욱 중요해졌습니다. 저자의 실무 경험, 해당 분야에서의 이력, 검증 가능한 출처 명시가 AI의 인용 결정에 직접적 영향을 미칩니다.

실제로 몇 년 전 B2C 스타트업에서 콘텐츠 마케팅을 담당하던 시절, 블로그를 신규 개설하고 SEO 키워드 분석에 기반한 콘텐츠를 체계적으로 생산한 적이 있습니다. 당시 핵심 키워드별 포스팅을 직접 기획하고, 인스타그램과 페이스북을 병행 운영하면서 문의 건수를 약 3배 이상 끌어올렸습니다. 돌이켜보면 그 성공의 본질은 키워드 자체가 아니라, 각 포스트가 독자의 질문에 대한 명확한 답변을 담고 있었다는 점이었습니다. 지금의 GEO 전략도 결국 같은 원리입니다. 다만 답변을 읽는 주체가 사람에서 AI로 확장되었을 뿐입니다.

한국 시장의 특수성, 네이버와 카카오의 AI 전환

글로벌 GEO 전략을 한국 시장에 그대로 적용하기엔 무리가 있습니다. 한국은 구글보다 네이버가 지배하는 특수한 검색 생태계를 가지고 있고, 이 생태계가 지금 근본적으로 재편되고 있기 때문입니다.

네이버는 ‘에이전트 N’이라는 이름으로 검색, 쇼핑, 지도를 연계한 멀티모달 AI 에이전트를 순차 출시하고 있습니다. 사용자의 맥락을 이해하고 능동적으로 답변을 생성하는 이 시스템은 기존 네이버 블로그 최적화의 규칙을 완전히 바꿀 가능성이 높습니다. 카카오 역시 ‘카나나’를 통해 카카오톡 내에서 대화형 AI 파트너를 구현하고 있습니다. 대화 맥락을 분석해 선제적으로 정보를 제공하는 방식입니다.

한국 마케터에게 이는 이중의 과제를 의미합니다. 글로벌 AI 검색(ChatGPT, Perplexity)에 대한 GEO 전략과 함께, 네이버 생태계에 최적화된 한국형 GEO 전략을 별도로 수립해야 합니다. 네이버 지식iN, 블로그, 쇼핑 데이터와의 구조화된 연동, 카카오 대화형 맥락에 맞는 콘텐츠 설계가 새로운 실무 영역으로 부상하고 있습니다.

K-뷰티 이커머스 브랜드에서 네이버 SEO 바이럴 전략을 운영했던 경험이 떠오릅니다. 당시 USP 도출과 브랜드 메시지 전략을 수립하고, 네이버 검색 최적화와 인플루언서 협업을 병행하면서 브랜드 인지도와 판매 전환율을 동시에 개선할 수 있었습니다. 그때의 핵심 교훈은 네이버라는 플랫폼의 고유한 알고리즘 문법을 이해하는 것이었는데, AI 전환 이후에도 이 원칙은 변하지 않을 것입니다. 다만 그 문법이 키워드 중심에서 맥락과 권위 중심으로 이동하고 있을 뿐입니다.

인용되는 콘텐츠, 잊히는 콘텐츠

미셸 푸코는 “지식은 권력을 낳고, 권력은 지식을 재형성한다”고 말한 바 있습니다. AI 검색 시대에 이 통찰은 놀라울 만큼 정확하게 작동합니다. AI가 어떤 콘텐츠를 ‘사실’로 선택하여 인용하느냐는 중립적 알고리즘의 산물이 아닙니다. 데이터 밀도, 출처의 권위, 구조의 명확성이라는 새로운 권력 관계의 산물입니다.

결국 GEO는 단순한 기술적 최적화가 아닙니다. 콘텐츠가 디지털 생태계에서 어떤 위치를 점할 것인가에 대한 전략적 선택입니다. AI에게 인용되는 콘텐츠와 검색 결과 저편으로 사라지는 콘텐츠 사이의 간극은 앞으로 더 벌어질 것입니다.

마케터로서 우리가 던져야 할 질문은 명확합니다. “우리의 콘텐츠는 AI가 신뢰할 만한 출처인가?” 이 질문에 자신 있게 답할 수 있다면, 검색의 패러다임이 어떻게 바뀌든 콘텐츠의 가치는 살아남을 것입니다. 20년간의 경험이 하나의 결론을 가리키고 있다면, 그것은 미디어가 바뀌어도 본질은 바뀌지 않는다는 것입니다. 좋은 콘텐츠는 언제나 발견됩니다. 다만 발견의 방식이 달라졌을 뿐입니다.

참고 자료

• Aggarwal, P. et al. (2024). “GEO: Generative Engine Optimization.” ACM SIGKDD Conference on Knowledge Discovery and Data Mining. arXiv:2311.09735
• Li, Y. et al. (2024). “Generative AI Search Engines as Arbiters of Public Knowledge: An Audit of Bias and Authority.” ASIST 2024. DOI:10.1002/pra2.1021
• Foucault, M. (1980). Power/Knowledge: Selected Interviews and Other Writings 1972-1977. Pantheon Books.
• McLuhan, M. (1964). Understanding Media: The Extensions of Man. McGraw-Hill.
• Gartner (2024). “Gartner Predicts Search Engine Volume Will Drop 25% by 2026.” Gartner Newsroom.
• Superlines.io (2026). “AI Search Statistics 2026: 60+ Data Points on Visibility, Citations, and Traffic.”