Google의 생성형 AI 검색 기능 최적화 공식 가이드

• Google Search의 AI Overviews와 AI Mode 등 생성형 AI 검색 기능이 확대되면서, 웹사이트 소유자를 위한 공식 최적화 모범 사례를 Google Search Central이 공개
• 생성형 AI 검색은 기존 Google Search의 핵심 랭킹 및 품질 시스템에 기반하므로, 기존 SEO 모범 사례가 여전히 유효
• 독창적이고 대체 불가능한 비범용(non-commodity) 콘텐츠 제작이 장기적으로 가장 중요한 전략
• LLMS.txt 파일 생성, 콘텐츠 청킹, AI 전용 재작성 등 온라인에서 유행하는 "AEO/GEO 핵"은 Google Search에서 효과 없음
• AI 에이전트가 웹사이트와 상호작용하는 에이전틱 경험(agentic experiences) 이 새로운 준비 영역으로 부상

생성형 AI 검색에서 SEO의 유효성

• 생성형 AI 기능은 Google Search의 핵심 랭킹 및 품질 시스템에 뿌리를 두고 있어, 기존 SEO 모범 사례가 계속 유효
• Retrieval-Augmented Generation(RAG): 핵심 검색 랭킹 시스템을 활용해 검색 인덱스에서 관련성 높은 최신 웹페이지를 가져온 뒤, 해당 페이지의 구체적 정보를 검토하여 더 신뢰할 수 있는 응답을 생성하고, 응답 내 정보를 뒷받침하는 클릭 가능한 링크를 표시
• Query fan-out: 모델이 사용자의 질의에 대응하기 위해 동시에 관련 쿼리를 여러 개 생성하여 추가 검색 결과를 가져오는 기법
  • 예: "잡초 가득한 잔디 고치는 법" 쿼리 → "최고의 잔디용 제초제", "화학물질 없이 잡초 제거", "잔디 잡초 예방법" 등의 팬아웃 쿼리 생성

기본 SEO 모범 사례의 적용

• 독창적이고 가치 있는 비범용 콘텐츠 제작

  • 독특한 관점 제공이 핵심이며, 직접 경험에 기반한 1인칭 리뷰가 기존 콘텐츠 요약보다 훨씬 효과적
    • 다른 사람이 이미 말했거나 생성형 AI 모델이 쉽게 만들 수 있는 내용을 재활용하지 말 것
  • 비범용 콘텐츠는 일반 상식을 넘어서는 전문가적·경험적 통찰을 제공하는 콘텐츠
    • 범용 콘텐츠 예: "첫 주택 구매자를 위한 7가지 팁"
    • 비범용 콘텐츠 예: "왜 우리는 점검을 포기하고 돈을 아꼈나: 하수관 내부 이야기"
  • 콘텐츠를 사람이 읽기 쉽게 단락, 섹션, 제목으로 구조화
  • 고품질 이미지와 동영상을 텍스트 콘텐츠에 추가하면, 웹페이지 링크 외의 추가 노출 기회 확보 가능
  • 검색 변형마다 별도 콘텐츠를 만들어 랭킹을 조작하려는 시도는 Google의 대규모 콘텐츠 남용 스팸 정책 위반
    • 페이지 수가 많다고 품질이나 관련성이 높아지지 않으며, AI 시스템은 쿼리와 정확히 일치하지 않아도 페이지의 관련성을 이해하는 능력이 더욱 향상됨
  • 생성형 AI 도구로 콘텐츠를 제작할 경우 Search Essentials와 스팸 정책 기준 준수 필요
  • 핵심 원칙: "방문자가 만족하고 유용하다고 느낄 콘텐츠인가?"를 기준으로 판단

• 명확한 기술 구조 구축 및 유지

  • 생성형 AI 기능에 표시되려면 페이지가 인덱싱되어 있고 스니펫 표시 자격을 갖춰야 함
  • 크롤링 모범 사례 준수 필수이며, 생성형 AI 모델은 공개적으로 접근 가능한 크롤링 가능 콘텐츠를 사용하여 패턴을 학습하고 관련성 높은 응답 제공
    • 대규모·빈번 업데이트 사이트는 크롤 예산 최적화 가이드 참고
  • 시맨틱 HTML은 완벽할 필요는 없으나 가능한 한 사용을 권장하며, 특히 스크린 리더 등 접근성에 도움
  • JavaScript 사용 시 JavaScript SEO 모범 사례를 따라야 하며, JavaScript 프레임워크 기반 사이트의 SEO는 일반적으로 더 복잡
  • 모든 디바이스에서의 표시, 지연 시간 감소, 메인 콘텐츠 구분 등 좋은 페이지 경험 제공 필요
  • 중복 콘텐츠 감소로 사용자 경험 개선 및 크롤링 리소스 낭비 방지

• 로컬 비즈니스 및 이커머스 최적화

  • 생성형 AI 응답에 제품 목록, 제품 정보, 로컬 비즈니스 정보 포함 가능
  • Merchant Center(피드 포함)와 Google Business Profiles 활용 시 AI 응답 및 기타 Google Search 결과에서의 가시성 향상

생성형 AI 검색에 대한 오해 바로잡기

• Answer Engine Optimization(AEO)이나 Generative Engine Optimization(GEO) 같은 용어가 온라인에서 흔하지만, 많은 "핵" 전략이 실제 Google Search 작동 방식과 무관
• LLMS.txt 파일 및 특수 마크업: 생성형 AI 검색에 나타나기 위해 새로운 머신 리더블 파일, AI 텍스트 파일, 마크업, Markdown을 만들 필요 없음
  • Google이 HTML 외 다양한 파일을 발견·크롤링·인덱싱할 수 있지만, 그것이 특별한 취급을 의미하지는 않음
• 콘텐츠 "청킹": AI가 더 잘 이해하도록 콘텐츠를 작은 조각으로 나눌 필요 없음
  • Google 시스템은 한 페이지의 여러 주제의 뉘앙스를 이해하고 사용자에게 관련 부분을 표시 가능
  • 이상적인 페이지 길이는 없으며, 대상 독자와 주제에 맞게 구성할 것
• AI 시스템 전용 콘텐츠 재작성: AI 시스템은 동의어와 일반적 의미를 이해할 수 있어, 롱테일 키워드를 모두 포함하거나 모든 검색 변형을 캡처할 필요 없음
• 부정 "멘션" 획득: 웹 전반의 부정 멘션 추구는 효과적이지 않으며, 핵심 랭킹 시스템은 고품질 콘텐츠에 초점을 맞추고 별도 시스템이 스팸을 차단
• 구조화된 데이터 과도 집중: 생성형 AI 검색에 구조화된 데이터는 필수가 아니며 특별한 schema.org 마크업 추가 불필요
  • 다만 전체 SEO 전략의 일부로 리치 결과 자격을 위해 계속 사용하는 것은 권장

에이전틱 경험 탐색

• AI 에이전트는 예약이나 제품 사양 비교 등 사용자 대신 작업을 수행하는 자율 시스템
• 브라우저 에이전트는 스크린샷 같은 시각적 렌더링 분석, DOM 구조 검사, 접근성 트리 해석 등을 통해 웹사이트 데이터를 수집
• 에이전트 친화적 웹사이트 모범 사례 가이드를 통해 현재 브라우저 에이전트에 대한 준비 가능
• Universal Commerce Protocol(UCP) 같은 프로토콜이 등장하여 Search 에이전트의 기능 확장 예정

다음 단계: 중점을 둬야 할 것들

• 많은 콘텐츠가 명시적 SEO 없이도 생성형 AI 경험을 포함한 Google Search에서 성과를 내고 있으며, 가이드의 모든 항목을 완수할 필요 없음
• 기본 SEO 모범 사례를 생성형 AI 검색에 계속 적용: 명확한 기술 구조 구축과 독창적이고 가치 있는 콘텐츠 생성이 기반
• 유용하고 신뢰할 수 있는 사람 중심의 비범용 콘텐츠 개발에 집중
• "AEO/GEO 핵" 대신 효과적인 SEO 전략을 우선시할 것
• 브라우저 에이전트, 새 프로토콜 등 에이전틱 경험의 최신 동향을 지속 파악할 것