실제 적용 사례로 알아보는 AEO 잘하는 법

AEO를 잘한다는 것은 콘텐츠를 잘 쓴다는 뜻이 아닙니다. 실제 작동은 소스코드 뒤에 숨은 기능들에서 결정됩니다. <head>의 메타 태그, schema.org 기반 JSON-LD 구조화 데이터, sitemap.xml, robots.txt, llms.txt, canonical URL 같은 요소들이 먼저 AI에게 읽힙니다. 대부분의 작성자가 본문만 손본 채 "AEO가 안 걸린다"고 말하는 이유는 여기에 있습니다.

이 글은 지금 여러분이 읽고 있는 이 페이지 자체를 예시로 들어 설명합니다. 화면에 나오는 본문 뒤에서 실제로 어떤 태그와 데이터가 서버에서 전송되고 있는지 그대로 코드로 공개하고, 그것이 어떻게 AI 검색 노출로 이어졌는지 보여드리겠습니다.

AEO와 GEO는 정확히 무엇을 의미할까요

AEO(Answer Engine Optimization)는 질문에 대한 직접 답변을 제공하도록 콘텐츠를 구조화하는 작업입니다. ChatGPT, Perplexity, 음성 검색처럼 "답을 돌려주는" 엔진이 콘텐츠를 인용하거나 요약할 수 있도록 만드는 것이 목표입니다. 핵심 신호는 질문형 제목, Q&A, FAQ 구조화 데이터입니다.

GEO(Generative Engine Optimization)는 Princeton 대학 연구팀이 KDD 2024 학회에서 정식으로 제안한 개념입니다. AI Overviews, Gemini, Claude 같은 생성형 엔진의 답변에 인용 출처로 선택될 가능성을 높이는 작업을 뜻합니다. Princeton 연구는 9가지 기법을 실증했고, 출처 인용과 통계 추가가 각각 AI 가시성을 30~40% 끌어올린다는 결과를 공개했습니다. 반대로 키워드 스터핑은 15%, 짧은 답변 강제는 10% 가시성을 떨어뜨렸습니다.

두 개념은 겹치지만 초점이 다릅니다. AEO는 답변 형식에, GEO는 인용 가능성에 집중합니다. 실무에서는 하나의 파이프라인으로 같이 처리하는 것이 효율적입니다.

SEO와 AEO, GEO는 어떻게 다를까요

세 영역의 대상과 핵심 신호를 정리하면 아래와 같습니다.

구분	최적화 대상	목적	핵심 신호
SEO	Google, Naver, Bing 등 전통 검색 엔진	검색 결과 상위 노출	키워드, 백링크, Core Web Vitals
AEO	ChatGPT, Perplexity, 음성 비서, AI 챗봇	직접 답변으로 인용	FAQ 구조, 질문형 헤딩, 명확한 정의
GEO	AI Overviews, Gemini, Claude 요약 엔진	생성 답변의 출처로 채택	출처 인용, 통계, 구조화 데이터

세 영역은 베이스가 같습니다. AI가 인용하는 출처는 결국 검색 엔진에 잘 인덱싱된 문서입니다. SEO가 부실한 사이트는 AEO와 GEO의 출발점조차 확보하지 못합니다. Neil Patel과 Backlinko의 공통된 결론도 명확합니다. 죽은 것은 나쁜 SEO이지, SEO 자체가 아닙니다. 그래서 실무 우선순위는 SEO → AEO → GEO 순차 진행이 아니라, SEO 기반 위에 AEO·GEO 신호를 동시에 올리는 방식이어야 합니다.

여러분이 보는 본문 뒤에는 무엇이 숨어 있을까요

이 개념이 아직 낯설 수 있습니다. 코드를 직접 들여다본 적이 없는 분들도 따라올 수 있도록, 이 블로그가 실제로 내보내고 있는 코드를 그대로 펼쳐 보여드리겠습니다.

브라우저 화면에 보이는 것은 HTML이 렌더링된 결과물입니다. 그러나 AI 크롤러와 검색 엔진이 먼저 읽는 곳은 <head> 영역입니다. 이 영역에는 제목, 설명, canonical, Open Graph, Twitter Card, 그리고 schema.org 기반 JSON-LD가 들어갑니다. 이 글을 읽는 분들은 전혀 보지 못하지만, 기계에게는 본문보다 먼저 도달하는 텍스트입니다.

대부분의 블로그 운영자가 본문만 손보고 "AEO가 안 걸린다"고 말하는 이유는 간단합니다. <head>가 비어 있거나, JSON-LD가 없거나, canonical이 틀렸거나, sitemap에 제대로 등록되지 않았기 때문입니다. 보이는 글을 잘 쓰는 것만으로는 AI가 이 페이지의 정체를 파악하지 못합니다. AI는 본문보다 메타데이터에서 신뢰 신호를 먼저 찾습니다.

이 글은 그 모든 기능들이 빠짐없이 세팅된 상태로 배포됐습니다. 이제 하나씩 꺼내 보여드리겠습니다.

`<head>` 태그에 들어가는 메타 태그 내용들은 어떤 역할을 할까요

HTML 태그가 어렵게 느껴질 수 있습니다. 초보자 입장에서 바로 이해할 수 있도록, 지금 이 글이 실제로 브라우저로 내보내고 있는 태그를 그대로 공개하고 각 줄이 하는 일을 풀어 설명하겠습니다.

브라우저에서 이 페이지 소스를 열면 <head> 안에 아래와 같은 태그가 출력됩니다. Next.js App Router의 generateMetadata()가 frontmatter를 읽어 자동 생성합니다.

<title>실제 적용 사례로 알아보는 AEO 잘하는 법</title>
<meta name="description" content="AEO는 본문이 아니라 소스코드 뒤에 숨은 schema.org 구조화 데이터, 메타 태그, sitemap, llms.txt, canonical URL에서 결정됩니다. 이 글 자체에 실제로 적용된 기능들을 코드로 공개합니다." />
<meta name="keywords" content="AI, SEO, 데이터 분석, 퍼포먼스마케팅" />
<link rel="canonical" href="https://www.digitalmarketer.co.kr/insights/aeo-geo-practical-setting-case" />

<meta property="og:type" content="article" />
<meta property="og:title" content="실제 적용 사례로 알아보는 AEO 잘하는 법" />
<meta property="og:description" content="이 글 자체가 AEO 적용 사례입니다. 소스코드 뒤에 숨은 JSON-LD, 메타 태그, sitemap, llms.txt를 눈에 보이게 공개합니다." />
<meta property="og:url" content="https://www.digitalmarketer.co.kr/insights/aeo-geo-practical-setting-case" />
<meta property="og:image" content="https://www.digitalmarketer.co.kr/og/aeo-geo-practical-setting-case.png" />

<meta name="twitter:card" content="summary_large_image" />
<meta name="twitter:title" content="실제 적용 사례로 알아보는 AEO 잘하는 법" />
<meta name="twitter:description" content="이 글 자체가 AEO 적용 사례입니다." />
<meta name="twitter:image" content="https://www.digitalmarketer.co.kr/og/aeo-geo-practical-setting-case.png" />

각 태그의 역할은 다음과 같이 명확하게 나뉩니다.

<title>과 <meta name="description">: 검색 결과에 노출되는 스니펫의 기본 소스로, 클릭 여부를 결정하는 첫인상 텍스트입니다.
<meta name="keywords">: 현재 구글은 가중치를 거의 두지 않지만, Naver 검색과 일부 AI 크롤러는 여전히 주제 분류 힌트로 활용합니다.
<link rel="canonical">: 중복 콘텐츠 신호를 한 URL에 고정시켜 인덱싱 혼선을 막습니다. 같은 글이 여러 경로로 접근 가능할 때 필수입니다.
og:* 태그: 링크를 SNS에 공유했을 때 카드 형태로 미리보기를 만들어 줍니다. Facebook, LinkedIn, 카카오톡, 슬랙 등이 이 태그를 읽습니다.
twitter:* 태그: X(구 Twitter) 전용 미리보기 규약으로, summary_large_image 타입을 쓰면 큰 이미지 카드가 노출됩니다.

AI 검색 엔진도 이 태그들을 페이지 정체성의 1차 신호로 받아들입니다.

여기서 흔히 실수하는 지점이 있습니다. metaTitle과 ogTitle을 동일하게 두면 소셜 공유에 최적화된 문구를 만들 기회를 놓칩니다. 검색 결과용 제목은 키워드 중심, 소셜용 제목은 감정·맥락 중심으로 분리해야 두 채널 모두에서 클릭률이 올라갑니다.

schema.org 구조화된 데이터가 AEO에 어떤 정보를 제공할까요

JSON-LD라는 단어 자체가 처음 듣는 개념일 수 있습니다. 쉽게 말해 페이지가 AI와 검색 엔진에게 자기 정체를 알려주는 표준 자기소개 양식입니다. 개념으로만 설명하면 와닿지 않을 수 있어, 지금 이 글이 실제로 내보내고 있는 자기소개를 그대로 보여드리겠습니다.

<head> 안쪽에는 세 종류의 JSON-LD가 심어져 있습니다. 실제 페이지 소스에 출력되는 형태입니다.

Article 스키마

{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "실제 적용 사례로 알아보는 AEO 잘하는 법",
  "description": "이 글을 읽는 분들 대부분은 화면에 보이는 본문만 글이라고 생각합니다. 그러나 AEO와 GEO는 소스코드 뒤에 숨은 기능들에서 결정됩니다.",
  "image": "https://www.digitalmarketer.co.kr/og/aeo-geo-practical-setting-case.png",
  "datePublished": "2026-04-21T11:10:00.000Z",
  "dateModified": "2026-04-21T11:10:00.000Z",
  "author": {
    "@type": "Person",
    "name": "준이아빠",
    "url": "https://www.digitalmarketer.co.kr/about"
  },
  "publisher": {
    "@type": "Organization",
    "name": "준이아빠블로그",
    "logo": { "@type": "ImageObject", "url": "https://www.digitalmarketer.co.kr/favicon.ico" }
  },
  "mainEntityOfPage": {
    "@type": "WebPage",
    "@id": "https://www.digitalmarketer.co.kr/insights/aeo-geo-practical-setting-case"
  },
  "keywords": "AI, SEO, 데이터 분석, 퍼포먼스마케팅"
}

Article 스키마는 Google Search Central이 AI Overviews 인용 후보를 판별할 때 사용하는 핵심 신호입니다. author, datePublished, publisher 필드가 비어 있으면 E-E-A-T(경험·전문성·권위·신뢰) 판단 근거가 사라집니다.

BreadcrumbList 스키마

{
  "@context": "https://schema.org",
  "@type": "BreadcrumbList",
  "itemListElement": [
    { "@type": "ListItem", "position": 1, "name": "Home", "item": "https://www.digitalmarketer.co.kr/" },
    { "@type": "ListItem", "position": 2, "name": "Insights", "item": "https://www.digitalmarketer.co.kr/insights" },
    { "@type": "ListItem", "position": 3, "name": "실제 적용 사례로 알아보는 AEO 잘하는 법", "item": "https://www.digitalmarketer.co.kr/insights/aeo-geo-practical-setting-case" }
  ]
}

이 스키마는 검색 결과 스니펫에 경로 표시(Home › Insights › 글 제목)를 만들어 CTR을 올리는 장치이자, AI가 사이트 계층 구조를 이해하는 지도 역할을 합니다.

FAQPage 스키마 (자동 추출)

이 블로그의 핵심 자동화는 여기에 있습니다. src/app/insights/[slug]/page.tsx:83-128의 extractFaqPairs() 함수는 빌드 타임에 본문을 파싱하여 물음표로 끝나는 H2를 질문으로, 다음 단락을 답변으로 묶습니다. 2개 이상 Q&A가 추출되면 FAQPage JSON-LD가 자동으로 발행됩니다.

{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "AEO와 GEO는 정확히 무엇을 의미할까요?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "AEO(Answer Engine Optimization)는 질문에 대한 직접 답변을 제공하도록 콘텐츠를 구조화하는 작업입니다. ChatGPT, Perplexity, 음성 검색처럼 답을 돌려주는 엔진이 콘텐츠를 인용하거나 요약할 수 있도록 만드는 것이 목표입니다."
      }
    },
    {
      "@type": "Question",
      "name": "SEO와 AEO, GEO는 어떻게 다를까요?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "SEO는 전통 검색 엔진, AEO는 답변 엔진, GEO는 생성형 엔진을 대상으로 합니다. 세 영역은 베이스가 같으며 SEO 기반 위에 AEO·GEO를 동시에 올리는 방식이 맞습니다."
      }
    }
  ]
}

이 글에는 지금 H2가 9개 있고 전부 물음표로 끝납니다. 따라서 9개 Q&A가 FAQPage JSON-LD로 자동 발행됩니다. 작성자는 H2 종결 톤만 통일하면 구조화 데이터가 따라오는 구조입니다.

sitemap.xml과 robots.txt는 어떻게 신호를 줄까요

sitemap과 robots.txt라는 용어가 생소하실 수 있습니다. 개념을 글로 설명하는 것보다 실제 파일 내용을 먼저 보여드리는 편이 이해가 훨씬 빠릅니다.

검색 엔진과 AI 크롤러가 사이트를 처음 방문하면 robots.txt를 읽고, 허용된 범위 안에서 sitemap.xml을 따라 페이지를 탐색합니다. 두 파일이 엉망이면 아무리 본문이 좋아도 인덱싱이 늦어집니다.

이 사이트의 robots.ts가 생성하는 실제 규칙입니다.

User-agent: *
Allow: /
Disallow: /_next/static/media/

Sitemap: https://www.digitalmarketer.co.kr/sitemap/0.xml
Sitemap: https://www.digitalmarketer.co.kr/sitemap/1.xml

여기서 핵심 포인트는 두 가지입니다. 첫째, AI 크롤러를 막지 않습니다. GPTBot, PerplexityBot, ClaudeBot 등을 Disallow로 차단하는 사이트는 GEO 후보에서 자동 제외됩니다. 둘째, sitemap을 두 벌로 분리했습니다. 인사이트(0.xml)와 클래스·태그(1.xml)를 나누면 크롤러가 카테고리별로 업데이트를 효율적으로 따라갑니다.

sitemap 0.xml 안에서 이 글은 이렇게 등록되어 있습니다.

<url>
  <loc>https://www.digitalmarketer.co.kr/insights/aeo-geo-practical-setting-case</loc>
  <lastmod>2026-04-21T11:10:00.000Z</lastmod>
  <changefreq>weekly</changefreq>
  <priority>0.8</priority>
</url>

priority와 changefreq 값은 사이트 구조에 맞춰 차등 부여했습니다. 홈 1.0, 인사이트 리스트 0.9, 개별 인사이트 0.8, 코스 0.8, 개별 클래스 0.7, 태그 0.5. 모든 URL을 기본값 0.5로 둔 sitemap은 크롤 예산 측면에서 손해입니다. 우선순위 차등은 인덱싱 속도에 직접적인 영향을 미치는 신호입니다.

llms.txt는 왜 필요하고 어떻게 작동할까요

llms.txt는 AI 검색 시대에 새로 등장한 개념이라 초보자 입장에서 낯설 수 있습니다. 이 블로그에 실제 배포된 파일을 발췌해, 어떤 형식이고 무엇을 담고 있는지부터 먼저 확인해 보시겠습니다.

llms.txt는 2024년 말부터 확산된 비공식 규약으로, 생성형 AI 크롤러가 사이트의 정체성과 주요 URL을 빠르게 파악할 수 있도록 돕는 파일입니다. OpenAI, Anthropic, Perplexity가 존중하는 것으로 알려져 있고, 루트(/llms.txt)에 배포하는 방식이 표준입니다.

이 사이트의 public/llms.txt에서 발췌한 내용입니다.

# 준이아빠블로그 — AI-Enhanced Tech Wiki

> https://www.digitalmarketer.co.kr

디지털 마케팅, AI, 데이터 분석 전문가의 인사이트를 담는 지식 아카이브입니다.
마케팅을 데이터로 설명하고, AI로 확장하는 실무 콘텐츠를 제공합니다.

## 핵심 전문 분야

- GA4 분석 및 마케팅 데이터 추적
- Generative Engine Optimization (GEO), AEO
- AI/LLM 활용 마케팅 자동화 (Claude Code, Gemini)
- 퍼포먼스 마케팅 전략 (Meta 광고, Google 광고)

## 주요 콘텐츠

- [AEO/GEO 시대 검색 트래픽 팩트체크](...)
- [AI Overviews가 CTR에 미치는 영향](...)
- [Claude Code로 블로그 만들기](...)

핵심은 세 가지입니다. 사이트 목적을 한 줄로 요약, 전문 분야를 불릿으로 명시, 주요 콘텐츠 URL을 목록으로 제공. 이 세 요소만 갖춰도 AI 크롤러는 사이트의 주제 권위를 판단할 1차 자료를 확보합니다. llms.txt가 없는 사이트는 AI에게 "이 사이트가 무엇을 다루는지"를 본문 수백 개를 읽어내야 파악할 수 있게 만듭니다. 진입 장벽을 일부러 높이는 셈입니다.

이 세팅들이 서치콘솔 수치에서 어떻게 드러날까요

오늘 기준 구글 서치콘솔의 노출·클릭 추이 그래프입니다. 짙은 선이 노출, 밝은 선이 클릭입니다.

곡선의 흐름은 다음과 같습니다.

구간	상태	2월 초 대비
2월 3일 ~ 2월 17일	노출·클릭 모두 0에 가까움	기준선
2월 24일 ~ 3월 3일	상승 시작	뚜렷한 증가
3월 10일 ~ 3월 17일	1차 피크	수십 배 증가
3월 21일 ~ 3월 31일	일시 하락	1차 피크 대비 70% 감소
4월 7일 ~ 4월 14일	재상승	3월 피크 수준 회복
4월 19일 ~ 4월 21일	전 구간 최고점	3월 중순 피크 대비 약 2배, 3월 말 골 대비 약 5~7배

상승은 일회성 이벤트가 아니라 계단식 구조입니다. 2월 말 FAQPage 자동 스키마 도입 직후 1차 상승, 3월 말 일시 하락 이후 sitemap priority 조정과 llms.txt 배포가 반영된 4월 둘째 주부터 재상승. 세팅을 한 번에 몰아서 한 것이 아니라 구간마다 기능을 하나씩 추가했고, 추가할 때마다 곡선이 계단을 밟듯 올라왔습니다. 같은 본문을 쓰더라도 보이지 않는 기능들이 붙느냐 붙지 않느냐에 따라 결과가 이렇게 갈립니다.

Conductor의 2026 AEO/GEO 벤치마크 리포트도 같은 방향을 가리킵니다. AI에 인용되는 상위 10개 브랜드는 관련 답변의 18%에 등장하지만 미최적화 브랜드는 3%에 불과합니다. 약 6배 차이입니다. 인용된 브랜드의 오가닉 클릭은 35% 더 높고, 유료 클릭은 91% 더 높다는 수치도 같은 보고서에 있습니다. 인용 자체가 트래픽을 만드는 구조입니다.

오늘부터 이 글처럼 세팅하려면 어떻게 할까요

비용 대비 효과가 높은 순서로 정리합니다.

H2를 질문형으로 바꾸세요. 가장 비용이 낮고 효과가 즉각적입니다. 기존 글의 H2만 손봐도 1~2주 안에 서치콘솔 노출이 움직이기 시작합니다.
<head> 메타 태그를 완비하세요. <title>, description, canonical, og:*, twitter:*를 빠뜨린 페이지는 검색 엔진과 AI 양쪽에서 불이익을 받습니다.
FAQPage·Article·BreadcrumbList JSON-LD를 페이지 템플릿에 심으세요. 질문형 H2가 준비되어 있다면 자동 추출 로직은 20줄 안쪽으로 구현됩니다.
sitemap.xml의 priority와 changefreq를 실제 업데이트 주기에 맞추세요. 모든 URL이 0.5로 나가는 기본 설정은 크롤 예산 관점에서 손해입니다.
robots.txt에서 AI 크롤러를 막지 말고, 루트에 llms.txt를 배포하세요. GEO의 입장권에 해당하는 두 파일입니다.

이 다섯 단계는 누적입니다. 하나씩 쌓을수록 다음 단계의 효과가 더 크게 나타납니다. 본문을 잘 쓰려는 노력은 그 다음 순서에 옵니다. 보이지 않는 기능들부터 맞춰 두면, 같은 본문이 AI에게 다른 신호로 읽힙니다.

3줄 요약:

AEO는 본문이 아니라 소스코드 뒤에 숨은 기능들에서 결정됩니다. <head> 메타 태그, schema.org JSON-LD, sitemap, robots.txt, llms.txt, canonical URL이 AI에게 가장 먼저 읽히는 텍스트입니다.
이 글에는 Article·BreadcrumbList·FAQPage JSON-LD 세 종이 자동 발행되고 있고, H2를 질문형으로만 통일하면 FAQPage가 빌드 타임에 자동으로 붙는 구조로 설계되어 있습니다.
2월 초 거의 0이었던 서치콘솔 노출·클릭이 4월 중순 최고점까지 계단식으로 상승한 패턴은, FAQPage 스키마 도입 → sitemap priority 조정 → llms.txt 배포 순서로 붙인 기능들이 곡선에 그대로 반영된 결과입니다.

Sources: