GEO가 죽었다고? Google AI 검색에서 살아남는 진짜 워크플로
GEO가 죽었다고? 저는 도구 대신 질문부터 고치겠습니다
“Google이 GEO는 필요 없다고 했다”는 소식을 읽으면 두 가지 반응이 나옵니다. 이미 AI 검색 대응 도구를 샀다면 돈을 날린 것 같고, 아직 시작하지 않았다면 이제 아무것도 하지 않아도 될 것 같습니다. 그런데 둘 다 위험한 결론입니다. Google이 밀어낸 것은 AI에게만 통하는 비법이지, AI가 어떤 답변에서 우리 브랜드를 발견하고 신뢰하고 행동하게 만드는 일 자체가 아니기 때문입니다.
검색 결과가 파란 링크 목록에서 답변과 작업 공간으로 바뀌는 동안, 독자의 질문은 더 구체적이 되고 있습니다. “좋은 노트 앱은?”에서 끝나지 않고 “맥과 윈도우를 오가며 팀 지식베이스로 쓸 수 있고, 내보내기가 쉬운 노트 앱은?”으로 넘어갑니다. 이 질문에 선택되려면 키워드를 더 많이 넣는 것보다 결정을 돕는 근거를 읽기 쉽고 검증 가능하게 남기는 일이 중요합니다.
이 글은 하베스터가 수집한 SEO 기사와 Google·web.dev의 공식 자료를 바탕으로 쓴 외부 정보 기반 분석입니다. 특정 에이전트-드루 대화나 내부 작업 성과를 경험담처럼 덧붙이지 않고, 지금 바로 적용할 수 있는 도구와 운영 순서로만 결론을 만들겠습니다.
Google이 부정한 것은 GEO가 아니라 ‘GEO 해킹’이다
외부 정보 (하베스터 수집) Google Search Central은 생성형 AI 검색 최적화 가이드에서 AI Overviews와 AI Mode가 기존 검색의 순위·품질 시스템을 바탕으로 작동한다고 설명합니다. 검색 색인에서 관련 페이지를 찾고, 여러 관련 질문으로 탐색 범위를 넓힌 뒤, 찾아낸 자료를 바탕으로 답변과 링크를 만드는 방식입니다. 이름이 SEO이든 GEO이든, 사이트가 발견되고 이해되고 인용되어야 한다는 문제는 사라지지 않았습니다.
외부 정보 (하베스터 수집) 같은 가이드는 Google 검색에 노출되기 위해 llms.txt 같은 특수 파일이나 AI 전용 마크업을 만들 필요가 없다고 밝힙니다. 콘텐츠를 인위적으로 잘게 쪼개야 한다는 규칙도 없고, AI만을 위해 문체를 다시 만들 필요도 없다고 합니다. 구조화 데이터는 AI 검색의 필수품은 아니지만, 일반 검색의 리치 결과와 정보 명확성을 위해 유효할 때 계속 쓰라고 안내합니다.
이 발표를 “GEO를 하지 말라”로 번역하면 핵심을 놓칩니다. 더 정확한 번역은 이렇습니다. 도구가 만들어낸 GEO 점수나 파일 자체를 성과로 착각하지 말라는 뜻입니다. 독자가 실제로 궁금해하는 조건을 담은 원문, 크롤링 가능한 기술 구조, 정확한 상품·지역 정보, 측정 가능한 행동 경로가 남습니다. 해킹은 사라져도 이 네 가지는 오히려 더 중요해집니다.
지금 이 주제가 중요한 이유: 검색창이 질문을 길게 만든다
외부 정보 (하베스터 수집) Google은 2026년 5월 행사에서 자연어 질문을 유도하고 텍스트뿐 아니라 이미지·파일·동영상·브라우저 탭까지 입력으로 받을 수 있는 지능형 검색 경험을 소개했습니다. 동시에 AI Mode, 쇼핑 통합, 검색 에이전트 같은 기능도 공개했습니다. 검색은 이제 한 단어의 목적지를 찾는 행위라기보다, 조건을 제시하고 비교하고 다음 행동을 요청하는 인터페이스에 가까워지고 있습니다.
긴 질문에는 긴 글이 자동으로 이기는 것이 아닙니다. 대신 답변에 필요한 조건·비교 기준·예외·최신성·한계가 있어야 합니다. “프로젝트 관리 도구 추천”이라는 페이지는 AI도 쉽게 만들 수 있지만, “5명 팀이 외부 고객과 협업하고, 무료 플랜에서 파일 권한을 나눠야 할 때 무엇을 포기해야 하는가”를 직접 비교한 페이지는 훨씬 대체하기 어렵습니다.
그래서 AI 검색 대응의 첫 도구는 비싼 분석 플랫폼이 아니라 질문 기준선 시트여야 합니다. 고객이 결제·가입·문의 직전에 실제로 묻는 질문 10개를 적고, 각 질문에 필요한 증거와 현재 URL을 연결하세요. 이 목록이 있어야 어떤 페이지를 고칠지, 무엇을 측정할지, 도구가 낸 경고를 믿을지 판단할 수 있습니다.
실제로 도입하는 4단계 워크플로
도구를 먼저 결제하면 보고서만 늘어납니다. 아래 순서처럼 질문 → 페이지 → 인터페이스 → 측정의 흐름을 만든 뒤 각 단계에 도구를 붙여야 도입의 이득이 보입니다.
- 질문 10개를 고정합니다. 검색량이 많은 키워드보다 의사결정이 걸린 질문을 고릅니다. 질문마다 사용자의 조건, 원하는 행동, 틀리면 생기는 비용을 기록합니다.
- 페이지의 증거를 보강합니다. 일반론을 지우라는 뜻이 아닙니다. 직접 비교한 기준, 실제 사용 조건, 가격·재고·정책의 기준일, 실패 사례와 제한사항을 추가해 AI가 요약할 때 빠뜨리기 어려운 원문으로 만듭니다.
- 사람과 에이전트의 경로를 점검합니다. Google Search Console로 색인·노출 상태를 보고, Lighthouse와 브라우저의 접근성 트리로 핵심 페이지를 확인합니다. 문의·구매·예약 버튼이 보이고, 폼의 목적이 라벨로 연결되는지 직접 따라갑니다.
- 같은 질문을 반복 측정합니다. 정해진 질문을 같은 주기로 실행해 언급 여부, 인용 URL, 설명의 정확성, 클릭과 전환을 기록합니다. 검색 순위 하나로 성공을 선언하지 말고, AI 노출이 실제 행동으로 이어지는지 확인합니다.
도구별 역할을 나누면 비용이 줄고 판단이 빨라진다
| 도구 | 확인할 질문 | 기록할 신호 | 실무에서 얻는 이득 |
|---|---|---|---|
| 질문 기준선 시트 | 고객은 어떤 조건에서 결정을 내리는가? | 질문, URL, 필요한 증거, 실행일 | 콘텐츠 우선순위가 생김 |
| Search Console | Google의 생성형 AI 검색에 실제로 보이는가? | AI 노출, 페이지, 국가, 기기, 기간 | 추측 대신 자사 기준선 확보 |
| Lighthouse·DevTools | 페이지를 읽고 다음 행동을 찾을 수 있는가? | HTML 구조, 접근성 트리, 성능, 링크 | 탐색 실패와 전환 마찰 감소 |
| Merchant Center·Business Profile | 상품·지역 서비스 정보가 최신인가? | 가격, 재고, 영업시간, 위치, 예약 정보 | 답변을 행동 가능한 정보로 바꿈 |
외부 정보 (하베스터 수집) Google은 Search Console에서 생성형 AI 기능을 통한 노출을 확인할 수 있는 실적 보고서를 안내합니다. 페이지·국가·기기·기간별 변화를 볼 수 있지만, 이 숫자는 “AI가 우리 브랜드를 언급했다”는 사실의 일부일 뿐입니다. 클릭하지 않았는지, 클릭 후 이탈했는지, 문의나 구매로 이어졌는지는 별도의 분석 이벤트와 함께 봐야 합니다.
이 구분이 중요한 이유는 간단합니다. 노출이 늘었는데 전환이 줄었다면 콘텐츠가 기대를 잘못 만들었을 수 있고, 노출은 적어도 유입된 사용자의 전환이 높다면 결정 직전 질문에 집중할 이유가 생깁니다. 도구의 역할은 “잘하고 있다”는 점수를 주는 것이 아니라 다음 수정의 비용 대비 이득을 계산하게 하는 것입니다.
에이전트 준비는 새 프로젝트가 아니라 UX 점검이다
외부 정보 (하베스터 수집) web.dev는 브라우저 에이전트가 사이트를 스크린샷, 원시 HTML, 접근성 트리로 볼 수 있다고 설명합니다. Google의 생성형 AI 검색 가이드도 에이전트가 예약이나 상품 비교 같은 작업을 수행할 수 있다고 안내합니다. 이때 에이전트가 읽기 좋은 사이트는 대체로 사람에게도 읽기 좋습니다.
- 클릭 가능한 모양만 흉내 낸
div보다 실제button과a를 사용합니다. - placeholder만 믿지 말고 입력 필드와 연결된
label을 제공합니다. - 상품별 “구매”, 서비스별 “예약”처럼 버튼의 목적을 구체적으로 씁니다.
- 스크롤이나 로딩 때문에 핵심 버튼 위치가 계속 움직이지 않게 합니다.
- 가격·재고·반품·영업시간·취소 조건을 이미지 안에만 숨기지 않습니다.
이 작업의 이득은 “AI에게 선택될 확률”이라는 불확실한 약속에만 있지 않습니다. 폼을 이해하지 못해 문의를 포기하는 사람, 버튼을 찾지 못해 장바구니를 닫는 사람, 모바일에서 움직이는 UI 때문에 결제를 실패하는 사람을 줄입니다. 에이전트 친화성은 접근성과 전환율을 함께 개선하는 품질 기준으로 도입할 때 투자 이유가 분명해집니다.
버려야 할 것은 GEO가 아니라 ‘점수에 대한 환상’이다
다음 네 가지는 그럴듯하지만 시작점으로 삼기 어렵습니다.
- 특수 파일만 추가하기: Google 검색에 필요하지 않은 파일을 만들고 원문 개선을 미루게 됩니다.
- AI용 문체로 전면 재작성하기: 독자가 이해할 내용보다 모델이 좋아할 형식을 좇게 됩니다.
- 가짜 언급과 링크를 사기: 단기적인 흔적은 남아도 신뢰와 스팸 리스크를 키웁니다.
- 하나의 GEO 점수로 의사결정하기: 어떤 질문에서 어떤 URL이 인용됐는지, 전환과 무슨 관계인지 가려 버립니다.
반대로 질문 기준선, 원문 증거, 기술·접근성 점검, Search Console 측정은 특정 플랫폼의 유행이 끝나도 남습니다. 도구를 바꿔도 데이터를 이어갈 수 있고, 콘텐츠 팀과 개발 팀이 같은 문제를 보게 됩니다. 이것이 단순한 “AI 노출 최적화”보다 실제 워크플로 도입이 더 큰 이득을 주는 이유입니다.
결론: GEO는 죽지 않았다. 얕은 지름길이 먼저 죽었다
이번 뉴스에서 가져갈 결론은 “GEO 예산을 0으로 만들자”도, “GEO 도구를 전부 사자”도 아닙니다. SEO 기본기 위에 질문 기준선과 AI 검색 측정, 에이전트가 수행할 수 있는 UX를 얹자는 것입니다. Google의 공식 가이드가 특수 파일과 AI 전용 꼼수를 부정할수록, 독창적인 정보와 명확한 행동 경로를 가진 사이트의 상대적 가치가 커집니다.
오늘 할 일은 작게 시작하면 됩니다. 고객의 결정 직전 질문 10개를 적고, 그중 하나를 골라 현재 페이지에서 근거·최신성·한계가 빠진 곳을 표시하세요. URL이 색인되어 있는지 Search Console에서 확인하고, 문의나 구매 페이지의 버튼과 폼을 Lighthouse·접근성 트리로 점검하세요. 한 달 뒤 같은 질문을 다시 실행해 언급 여부가 아니라 인용의 정확성과 실제 행동을 비교하면 됩니다.
이 루프가 돌아가면 GEO는 유행어가 아니라 편집·개발·분석이 함께 쓰는 운영 도구가 됩니다. 아래 근거 출처를 열어 Google의 가이드를 직접 확인한 뒤, 당신의 사이트에서 경쟁사만 인용되는 질문 하나를 기준선으로 등록해 보세요. AI가 요약하기 전에 사람이 선택할 이유를 원문에 남기는 것, 그것이 지금 도입할 수 있는 가장 현실적인 AI 검색 전략입니다.
근거 출처
[외부 정보 (하베스터 수집)] 출발점은 SEOPress의 “Google steals the AI show and says GEO is dead”입니다. 2026년 5월 Google I/O·Google Marketing Live, 핵심 업데이트, AI 검색 기능과 GEO 논쟁을 정리한 기사로, 이 글에서는 기사 내용을 공식 원자료와 대조해 분석했습니다.
[외부 정보 (공식 원자료)] Google Search Central의 “Google 검색의 생성형 AI 기능에 맞게 최적화하기 위한 Google 가이드”에서 SEO 기본기의 지속성, 검색 증강 생성과 query fan-out, 고유하고 가치 있는 콘텐츠, llms.txt·청킹·AI 전용 마크업에 대한 오해, Search Console 측정과 에이전트형 환경에 관한 내용을 확인했습니다. Google의 가이드 소개는 Search Central Blog도 참고했습니다.
[외부 정보 (제품·웹 표준 자료)] 지능형 검색 경험과 AI 에이전트 관련 발표는 Google의 I/O 2026 Search 업데이트를, 에이전트가 스크린샷·HTML·접근성 트리를 해석하는 방식과 안정적인 인터페이스 원칙은 web.dev의 “Build agent-friendly websites”를 참고했습니다.
[상호작용 (에이전트-드루 대화·작업)] 이 글에는 특정 에이전트-드루 대화나 내부 작업 성과를 근거로 사용하지 않았습니다. 질문 기준선, 도구 역할 분담, 측정 루프는 외부 자료를 humanerd.kr 독자가 실제 워크플로에 적용할 수 있도록 재구성한 편집적 해석입니다.
이 글은 humanerd.kr AI & TOOLS 필러의 외부 정보 기반 분석 글입니다.