SEO · AEO · GEO, 그리고 델타 지식과 알파 지식

대상: 검색·콘텐츠 담당자  ·  형식: 개념 가이드  ·  2026-07-07

이미지: 데이터를 안에 쌓는 일과 밖으로 공개하는 일은 다른 공정이다. AI 검색이 인용하는 건 진열대에 나온 쪽이다.

AI가 답을 대신 읽어주면, 클릭은 어디로 가나

변화는 숫자로 먼저 드러나지. 미국 성인의 검색 행동을 분석한 퓨리서치 2025년 조사를 보자.

결과 상단에 AI 요약이 뜬 화면에서 이용자가 링크를 클릭한 비율은 8퍼센트였다. 요약이 없던 화면(15퍼센트)의 거의 절반이다.

요약 안에 달린 출처 링크를 누른 경우는 더 적어서, 전체의 1퍼센트에 그쳤다. 요약을 본 뒤 그냥 검색을 접은 비율도 26퍼센트로, 요약이 없을 때(16퍼센트)보다 높았지.

같은 기간 구글의 AI 개요(AI Overviews)는 이미 10억 명 넘게 쓰는 기능이 됐다.

정리하면 이렇다. 답이 화면에서 끝나는 검색이 주류가 되면서, "내 링크가 몇 위냐"만으로는 노출을 설명하지 못하게 됐다.

그래서 개념부터 다시 세워야 한다. 검색 노출은 이제 하나의 층이 아니라, 성격이 다른 세 개의 층으로 나뉘어 움직이거든.

SEO, AEO, GEO: 한 화면 위에 겹친 세 층위

세 약어는 경쟁하는 유행어가 아니다. 각각 다른 엔진, 다른 평가 단위를 최적화하는 작업이라 서로 겹쳐서 돌아가거든.

SEO(검색엔진 최적화)는 가장 오래된 층이다. 검색엔진이 문서를 색인하고 순위로 나열할 때, 그 순위를 끌어올리는 일이지. 평가 단위는 페이지의 등수인 셈이지.

AEO(답변엔진 최적화)는 그 위에 얹힌다. 검색 결과 맨 위의 발췌 답변(피처드 스니펫), 음성 비서의 대답, AI 요약처럼 "링크 대신 직답"이 나가는 자리를 노린다.

평가 단위는 순위가 아니라 발췌로 채택됐는가다. 스니펫은 오가닉 1위보다 위, 이른바 포지션 제로에 뜬다.

GEO(생성엔진 최적화)는 가장 새 층이다. 챗봇이나 AI 검색이 답을 하나로 합성하고 그 근거로 출처 몇 개를 고를 때, 그 인용에 뽑히는 걸 목표로 한다.

이 개념을 처음 정식화한 프린스턴 연구진의 GEO 논문은, 콘텐츠에 통계·인용·출처 신호를 붙이면 생성엔진 노출이 최대 40퍼센트까지 올랐다고 보고한다. 다만 효과는 분야마다 달랐다고 못박았으니, 만능 공식은 아니다.

세 층은 대체 관계가 아니라 포함 관계에 가깝다. 색인도 안 된 페이지는 스니펫에 못 뽑히고, 스니펫에도 못 뜨는 페이지가 생성 답변에 인용될 확률은 더 낮다. 아래층이 무너지면 위층은 시작도 안 된다는 뜻이지.

델타 지식과 알파 지식: 순위를 얻는 것과 인용을 얻는 것

세 층을 관통하는 물음을 하나로 줄이면 이렇게 된다. 검색엔진과 생성엔진은 각각 무엇을 보고 페이지를 고르나. 이걸 두 종류의 지식으로 갈라 보면 선명해진다.

델타 지식은 이미 세상에 공개된 지식 위에 얹는 증분이다. 남들도 아는 사실을 더 나은 타이틀·메타·구조화 데이터로, 더 최신 정보로 깔끔하게 정리한 것. 남이 쓴 교과서를 더 잘 요약한 노트에 가깝다.

알파 지식은 세상에 아직 없는 독점·원본 정보다. 자사만 가진 실측 데이터, 직접 겪은 1차 경험 같은 것.

예를 들면 검색광고 API로 뽑은 실측 클릭·전환, 여러 달치 일별 검색량 시계열, 직접 크롤한 검색 노출 이력이 여기 든다. 이건 남이 복제할 수 없어서, AI가 인용하려면 그 원천을 거칠 수밖에 없지.

검색엔진은 잘 갖춘 델타(기본기)만으로도 순위를 준다. 생성엔진이 인용할 이유를 만드는 건 알파(원본)다.

여기서 갈린다. 검색엔진은 델타만 잘 갖춰도 순위를 준다. 반면 생성엔진은 "왜 하필 이 출처를 인용하나"에 답을 요구하고, 그 답이 알파다.

한 가지는 정직하게 짚자. 델타 지식·알파 지식은 표준 학술 용어가 아니라, GEO 실무 담론에서 개념을 가르려고 쓰는 프레임이다.

그리고 구조화 데이터를 붙였다고 AI가 자동으로 인용해 주지도 않거든. 오히려 구글은 AI 개요·AI 모드에 별도 마크업이 필요 없다고 명시한다. "색인되고 스니펫으로 노출될 자격이 있는 페이지"가 조건일 뿐이다.

그러니 델타는 감점을 막는 필요조건, 알파는 인용을 부르는 변별 요인으로 읽는 게 맞다. 기본기를 갖추되, 승부는 남이 못 가진 원본에서 난다.

온페이지 기본기, 델타의 실체는 무엇인가

델타를 손에 잡히게 풀면 온페이지 기본기가 된다. 네 가지가 기둥이지.

첫째, 타이틀의 형태소 커버리지다. 검색어를 잘게 쪼개 하나의 타이틀이 여러 검색 변형에 걸리게 짜는 것.

"인터넷 가입", "인터넷 설치", "인터넷 사은품"이 한 페이지 제목에 자연스럽게 담기면, 그만큼 매칭 폭이 넓어진다.

둘째, 페이지별 고유 메타 설명이다. 여러 페이지가 같은 메타를 복붙하면 클릭을 부르는 후킹도 사라지고 중복 신호만 쌓인다. 페이지마다 다른 한 줄이 필요하다.

셋째, OG(공유 미리보기) 분리다. 카톡·SNS에 뜨는 제목·설명은 검색용 타이틀과 목적이 달라서, 따로 쓰는 편이 낫다.

넷째, 구조화 데이터(JSON-LD)다. 빵부스러기(BreadcrumbList, 페이지 위치를 보여주는 이동 경로)나 자주 묻는 질문(FAQPage)을 기계가 읽을 형식으로 붙인다.

국내라면 네이버 서치어드바이저도 이런 구조화 데이터를 지원한다.

설계(시트·기획서)와 반영(라이브 HTML)은 다른 공정이다. 델타를 다 했다고 말하려면 시트가 아니라 배포된 페이지를 열어 봐야 한다.

함정 하나: 구조화 데이터는 화면에 보이는 내용만 마크업해야 한다. 구글은 보이지 않는 내용을 마크업하지 말라고 못박는다. 화면에 없는 FAQ를 JSON-LD에만 넣으면, 문법이 맞아도 리치 결과에서 빠지거나 스팸으로 판정돼 수동 조치를 받을 수 있다.

함정 둘: 설계와 반영은 다른 공정이다. 시트나 기획서에 타이틀·메타·구조화 데이터를 다 적어도, 개발팀이 사이트에 배포하기 전까지 라이브 HTML엔 아무것도 안 뜬다. 델타 완성 여부는 설계 문서가 아니라 배포된 페이지의 소스를 열어 확인해야 한다.

네이버에서 사이트가 뜨는 자리는 딱 둘뿐이다

국내 검색을 다룬다면 네이버의 화면 구조를 따로 알아야 한다. 구글과 결이 다르거든. 네이버 검색 결과에서 외부 사이트가 자기 페이지로 뜰 수 있는 자리는 사실상 둘뿐이다. 오가닉 웹문서(웹사이트) 영역과 광고.

블로그·카페·지식iN 같은 영역은 트래픽이 커 보여도 네이버 자사 UGC(이용자 생성 콘텐츠) 플랫폼이라, 외부 사이트가 그 자리로 들어갈 수 없지. 사이트 SEO의 전장은 오가닉 웹문서 영역 하나로 좁혀진다.

또 하나, 순위가 곧 화면 위치가 아니다. 웹문서 영역에서 1위여도, 그 위를 쇼핑·플레이스·AI브리핑 같은 비오가닉 블록이 차지하면 SEO 콘텐츠는 스크롤 한참 아래로 밀린다.

그래서 네이버 타겟이면 웹문서 승산과 함께, 그 키워드의 최상단을 어떤 블록이 쥐고 있는지부터 봐야 한다.

노출 이전에: 크롤러가 들어올 수 있어야 한다

델타든 알파든, 그 앞에 놓인 전제가 하나 있다. 검색·AI 크롤러가 페이지에 들어올 수 있어야 한다는 것. 구글도 색인되고 스니펫으로 노출될 자격이 있는 페이지라야 AI 개요의 지원 링크로 뜬다고 못박는다.

그런데 사이트가 통째로 색인 차단(noindex)이나 robots 차단 상태면, 이 자격 자체가 0이 된다. 게다가 이런 차단은 검색 로봇만 막는 게 아니다.

GPTBot·PerplexityBot·ClaudeBot 같은 AI 크롤러도 함께 막힌다. 출시 전 사이트가 pre-launch 게이트를 걸어 둔 경우가 대표적이지.

색인·크롤이 막히면 델타와 알파를 아무리 갖춰도 노출은 0이다. 로봇 세 대는 검색·AI 크롤러가 문 앞에서 튕겨 나가는 상태를 뜻한다.

그래서 노출 작업의 첫 점검은 콘텐츠가 아니라 접근성이지. robots.txt가 무엇을 막고 있나, 페이지에 noindex가 붙어 있진 않나, 사이트맵은 제출됐나, AI 크롤러를 의도적으로 열고 있나.

이 게이트가 닫혀 있으면, 그 뒤의 모든 델타·알파 작업은 "게이트가 열리는 날 즉시 인덱싱되도록 하는 사전 준비"일 뿐 당장의 순위로는 이어지지 않는다.

1회 스냅샷은 추적이 아니다: SERP 추적기의 3요소

노출을 관리하려면 시간에 따른 변화를 봐야 한다. 여기서 흔한 착각이 하나 있다. 검색 결과 화면(SERP)을 한 번 크롤해 시트에 적는 스크립트를, 매주 도는 "추적기"라고 부르는 것.

추적이 되려면 세 가지가 있어야 한다. 첫째 날짜 파티션 저장(크롤 결과를 날짜별 폴더에 따로 보존), 둘째 이력 적재(값을 덮어쓰지 않고 계속 append), 셋째 자동 스케줄(사람 손 없이 주기 실행).

이 3종이 없으면 그건 추적기가 아니라, 특정 날짜에 찍은 스냅샷 한 장이지.

코드로 보면 차이가 분명하지. 코드처럼 보여도 겁먹을 것 없이, 왼쪽 주석만 읽으면 된다.

# 스냅샷: 덮어쓰기 · 날짜 없음 · 캐시 재사용
save(f"raw/serp/{keyword}.html")            # 매번 같은 파일 덮어씀
CRAWL_DATE = "2026-05-28"                    # 날짜 하드코딩
fetch(keyword, use_cache=True)              # 재실행해도 옛날 것 재사용

# 추적기: 날짜 파티션 · 이력 append · 스케줄
save(f"raw/serp/{today}/{keyword}.html")    # 1) 날짜별 폴더에 보존
history.append(today, keyword, area, rank)  # 2) 이력을 계속 쌓음
rank = position or ""                       # 3) 미노출은 0이 아니라 빈칸
# run_weekly 를 작업 스케줄러에 등록          #    주기 자동 실행

마지막 줄의 데이터 설계도 눈여겨보자. 순위는 숫자로 적되, 노출이 안 된 자리는 0이 아니라 빈칸으로 둔다. 0을 넣으면 나중에 평균·추세를 낼 때 "1위보다 좋은 0위"처럼 계산돼 지표가 오염되기 때문이다.

한 가지 더, SERP 파싱은 조용히 깨진다. 네이버가 결과 블록의 HTML 마커를 바꾸면, 스크립트는 오류 없이 그냥 "그 블록 없음"으로 잘못 읽는다.

그래서 주기적으로 라이브 HTML을 열어 마커가 여전히 유효한지 헬스체크를 돌려야 한다.

날짜 파티션·이력 적재·자동 스케줄 3종이 갖춰져야 시계열이 생긴다. 그래야 순위 변화와 신규 진입이 데이터로 잡힌다.

그래서 무엇부터 하나: 적용 순서

개념을 실무 순서로 옮겨 보자. 그 전에 이 글 전체를 관통한 구분 하나를 다시 박아 두자.

데이터를 쌓는 것(분석)과 그것을 인용 가능한 콘텐츠로 공개하는 것(퍼블리싱)은 완전히 다른 작업이다.

하나는 안으로 캐고, 하나는 밖으로 내보낸다. 알파 원천을 아무리 모아도 공개 콘텐츠로 나가지 않으면 GEO에선 없는 것과 같다.

같은 원본 데이터라도 안으로 캐는 분석과 밖으로 내보내는 퍼블리싱은 다른 작업이다. GEO의 알파 레버는 후자에서 생긴다.

그래도 하나만 남긴다면, 이 문장이다.

검색엔진은 잘 쓴 문서에 순위를 준다. 생성엔진은 자기가 인용할 원본에만 이름을 남긴다.

근거·출처

• GEO 정의·생성엔진 가시성 최대 40퍼센트 향상: Aggarwal 외, GEO: Generative Engine Optimization (arXiv:2311.09735)
• AI 요약 시 링크 클릭 8퍼센트 대 15퍼센트, 요약 내 링크 1퍼센트, 이탈 26퍼센트: Pew Research Center, 2025-07-22
• AI 개요·AI 모드에 특별 마크업 불필요, 색인·스니펫 자격이 조건: Google Search Central, AI Features and Your Website
• 구조화 데이터는 보이는 콘텐츠만 마크업(위반 시 스팸): Google Search Central, Structured Data General Guidelines
• 구글 AI 개요 10억 사용자 규모: Google, Expanding AI Overviews and introducing AI Mode
• 네이버 구조화 데이터(BreadcrumbList·FAQ 등) 지원: 네이버 서치어드바이저 공식 가이드

델타 지식·알파 지식은 GEO 실무 담론에서 개념을 가르려고 쓰는 프레임이며 표준 학술 용어는 아니다. 네이버 SERP 블록 구조·최상단 우선순위는 모바일 검색 HTML을 크롤해 관찰한 실무 지식으로, 네이버 공식 문서로 전부 확정된 내용은 아니다(서치어드바이저 공식 가이드 페이지는 이번에 직접 열람하지 못해 구조화 데이터 지원 여부만 교차확인했다). 40퍼센트·클릭률 수치는 위 1차 출처 값이고, 검색광고 데이터 규모 같은 예시는 일반화한 것이다.