생성 엔진 최적화(generative engine optimization, GEO)는 생성형 AI 시스템(예: 챗봇, AI 기반 검색 요약)이 콘텐츠를 더 자주 표면화하거나 인용하도록 웹 콘텐츠를 구성하는 기법이다. 실무자들은 이를 전통적인 검색 엔진 최적화의 후속 또는 보완 분야로 간주한다. 이 용어는 2023년 학계와 산업계 연구자들이 공동 작성한 연구 논문에서 공식화되었으며, 해당 연구는 AI 생성 답변 내에서 출처의 가시성을 높이는 콘텐츠 특성을 벤치마킹했다. 이후 Perplexity와 같은 제품과 주요 검색 엔진의 AI 답변 기능이 링크 목록 대신 생성된 응답 내부에서 출처를 직접 인용하기 시작하면서 GEO의 상업적 활용이 확대되었다.
검색 엔진 최적화가 사용자가 클릭하는 링크 목록에서의 순위를 목표로 하는 반면, GEO는 사용자가 클릭을 넘어서지 않을 수 있는 AI 생성 답변 내에서 인용문으로 선택되거나 인용되거나 요약되는 것을 목표로 한다.
기법
GEO 실무자들은 모델이 쉽게 추출하고 인용할 수 있는 명확한 통계, 직접 인용문, 구조화된 사실을 추가하는 것을 강조한다. GEO 연구에 따르면 구체적이고 인용 가능한 진술이 포함된 콘텐츠는 생성형 답변 시스템에서 불균형적으로 선호되는 것으로 나타났다. 또한 전통적인 크롤러와 AI 전용 수집기가 콘텐츠를 안정적으로 파싱할 수 있도록 기술적 크롤링 용이성을 개선하고 깔끔하고 잡음이 적은 페이지 구조를 제공하는 것도 중요하다. 여기에는 llms.txt와 같은 규칙도 포함된다. 지식 그래프와 시맨틱 웹 관행에서 유래한 주제 권위 구축과 구조화 마크업은 AI 시스템이 인용 출처를 선택할 때 권위성을 중시하는 경향이 있어 여전히 유효하다. 주요 AI 어시스턴트 전반에서 인용 빈도를 모니터링하는 것도 기존 검색 순위 추적과는 다른 새로운 분석 범주로 부상했다.
검색과의 관계 및 비판
GEO는 자연어 처리와 시맨틱 검색 연구 및 마케팅 실무의 교차점에 위치한다. 그 부상은 사람들이 정보에 접근하는 방식이 순위가 매겨진 링크를 클릭하는 방식에서 대규모 언어 모델이 생성한 종합 답변을 읽는 방식으로 전환되는 더 큰 흐름을 반영한다. 출판사들은 AI 답변 엔진이 콘텐츠에 의존하면서도 추천 트래픽을 감소시키는 현상에 대해 우려를 제기했으며, 이는 보상과 출처 표시에 관한 분쟁으로 이어졌다. 비판자들은 또한 GEO의 광범위한 확산이 인간 독자에게 유용한 콘텐츠를 제공하기보다 모델의 인용 선호도에 맞춰진 콘텐츠를 생산할 위험을 경고한다. 이러한 역학은 알고리즘이 아닌 수용자를 위해 설계된 콘텐츠 대신 알고리즘을 위해 설계된 콘텐츠로 웹이 넘쳐나는 AI 슬롭이라는 광범위한 문제와 연결된다는 시각도 있다.