자사몰 운영자를 위한 SEO·AEO·GEO 고도화 백서. 초급(기초 인프라)·중급(AEO/구조화 데이터)·고급(GEO/llms.txt/Agentic Commerce)까지, ChatGPT·Google AI Mode 시대의 실전 체크리스트와 90일 로드맵.
들어가며: 검색이 '링크'에서 '답변'으로, 다시 '에이전트'로 바뀌고 있다
지난 20년간 이커머스 자사몰의 트래픽 전략은 사실상 한 문장으로 요약됐습니다. "구글과 네이버에서 우리 상품 페이지가 위에 뜨게 하라." 이것이 검색 엔진 최적화(SEO)였습니다.
그런데 2023년 이후 검색의 모양 자체가 바뀌었습니다. 사용자는 점점 더 "10개의 파란 링크"를 받는 대신, AI가 정리해 준 하나의 답변을 받습니다. 구글은 검색 결과 상단에 AI Overviews와 AI Mode를 띄우고, 수많은 구매 의사결정이 ChatGPT,, Gemini·Perplexity 같은 생성형 도구 안에서 일어납니다. 그리고 2025년부터는 한 걸음 더 나아가, AI 에이전트가 사용자를 대신해 상품을 비교하고 결제까지 수행하는 Agentic Commerce(에이전트 커머스)가 현실이 되기 시작했습니다.
이 변화는 세 개의 레이어로 쌓입니다.
SEO (Search Engine Optimization) - 검색 엔진이 내 사이트를 발견하고 색인하게 한다.
AEO (Answer Engine Optimization) - 검색, AI가 내 콘텐츠를 답변으로 인용하게 한다.
GEO (Generative Engine Optimization) - 생성형 AI가 내 브랜드를 추천하고 언급하게 한다.
그리고 그 위에 Agentic Commerce - AI 에이전트가 내 자사몰에서 직접 구매를 완료하게 한다 - 가 얹힙니다.
왜 자사몰(D2C)이 마켓플레이스보다 더 시급한가? 쿠팡, 네이버 스마트스토어 같은 마켓플레이스에 입점한 상품은 그 플랫폼의 데이터 구조와 검색 알고리즘에 종속됩니다. 반면 자사몰은 도메인, 콘텐츠, 구조화 데이터, 상품 피드를 직접 통제할 수 있습니다. 이는 곧, AI 검색, 에이전트 시대에 자사몰이 통제권을 가장 크게 가지면서 동시에 가장 빠르게 대응해야 하는 주체라는 뜻입니다.
이 글은 자사몰 운영자, 마케터, 개발자가 초급 → 중급 → 고급 순서로 실제 작업을 적용할 수 있도록 설계된 실전 백서입니다. 각 레벨 끝에 체크리스트를 두었고, 마지막에 90일 통합 로드맵과 FAQ를 붙였습니다.
정확성에 대한 안내 SEO/AEO/GEO와 Agentic Commerce는 2024~2026년 사이 가장 빠르게 변하는 영역 중 하나입니다. 이 글의 사실 진술 중 외부 출처로 확인된 항목은 본문에 〔출처〕로 표기했고, 마지막 "참고 출처" 섹션에 링크를 모았습니다. 표기가 없는 모범사, ·수치는 일반적 업계 관행에 기반한 가이드이며, AI 플랫폼 정책은 수시로 바뀌므로 실제 적용 전 각 플랫폼의 최신 공식 문서를 재확인하시기 바랍니다.
1. 개념 정리: SEO · AEO · GEO · Agentic Commerce
세 약어가 비슷해 보여서 "결국 같은 거 아니냐"는 오해가 흔합니다. 그러나 이들은 대체재가 아니라 레이어입니다. 아래 단계가 무너지면 위 단계도 무너집니다.
SEO — 검색 엔진 최적화
검색 엔진(구글·네이버·빙)이 내 페이지를 크롤링 → 색인 → 랭킹하도록 최적화하는 전통적 영역입니다. 결과물은 검색 결과 페이지(SERP)의 순위입니다. 키워드, 백링크, 사이트 속도, 모바일 대응이 핵심입니다.
AEO — 답변 엔진 최적화 (Answer Engine Optimization)
구글의 추천 스니펫(Featured Snippet), 음성 검색, AI Overviews처럼 "하나의 답을 직접 제시"하는 표면에 내 콘텐츠가 채택되도록 최적화하는 영역입니다. 질문-답변 구조, 명확한 정의, 구조화 데이터가 핵심입니다. SEO가 "순위"라면 AEO는 "발췌, 인용"을 노립니다.
GEO — 생성형 엔진 최적화 (Generative Engine Optimization)
ChatGPT, Gemini, Perplexity, Claude 같은 생성형 엔진이 답변을 생성할 때 내 브랜드/콘텐츠를 인용하거나 언급하도록 최적화하는 영역입니다. GEO라는 용어는 2023년 11월 프린스턴대 등 연구진(Aggarwal 외)이 발표한 논문 "GEO: Generative Engine Optimization"에서 학술적으로 처음 정립됐습니다. 이 논문은 적절한 최적화로 생성형 답변 내 가시성을 최대 40%까지 끌어올릴 수 있음을 실험으로 보였고, 흥미롭게도 구조화 데이터보다 '권위 있는 톤, 출처 인용, 통계, 직접 인용 추가' 같은 콘텐츠 수준의 신호가 인용에 더 큰 영향을 줬다고 보고했습니다. 〔출처: arXiv 2311.09735, Princeton〕
Agentic Commerce — 에이전트 커머스
AI 에이전트가 사용자를 대신해 상품을 발견 → 비교 → 장바구니 담기 → 결제까지 수행하는 새로운 거래 모델입니다. 2025년 OpenAI, Stripe의 ACP(Agentic Commerce Protocol), 구글의 AP2(Agent Payments Protocol) 등 개방형 프로토콜이 등장하며 본격화됐습니다. 〔출처: OpenAI, Stripe, Google — 4.4절 참조〕
한눈에 비교
구분 | SEO | AEO | GEO | Agentic Commerce |
|---|---|---|---|---|
목표 | 검색 순위 | 답변 발췌·인용 | 생성형 답변 내 추천·언급 | 에이전트의 자동 구매 |
주 무대 | 구글·네이버 SERP | 스니펫·AI Overviews·음성 | ChatGPT·Gemini·Perplexity | ChatGPT·Gemini 쇼핑, 에이전트 |
노출 형태 | 링크 + 제목/설명 | 직접 답변 박스 | 문장 속 브랜드 언급/인용 | 상품 카드 + 결제 |
핵심 신호 | 키워드·백링크·속도 | 구조화 데이터·QA 구조 | 권위·출처·인용 가능성 | 상품 피드·재고·가격·결제 API |
측정 지표 | 순위·유입·CTR | 스니펫 점유·노출 | AI 인용·브랜드 검색 lift | 에이전트 주문·전환 |
레벨(이 글) | 초급 | 중급 | 고급 | 고급 |
핵심 메시지: GEO가 화제라고 해서 SEO를 버리면 안 됩니다. AI 엔진 대부분은 여전히 검색 인덱스와 웹 크롤링 결과 위에서 작동합니다. 크롤링, 색인이 안 되는 사이트는 AI에도 보이지 않습니다. 기초(SEO)가 곧 고급(GEO)의 전제조건입니다.
2. 초급 — 기반 다지기 (Foundation Layer)
이 레벨의 목표: 검색 엔진과 AI 크롤러가 내 자사몰을 문제없이 읽고 이해하게 만든다.
화려한 GEO 전술을 논하기 전에, 많은 자사몰이 실제로는 기초에서 새고 있습니다. 자바스크립트로만 렌더링돼 크롤러가 상품을 못 읽거나, 상품 설명이 제조사 페이지 복붙이라 중복 콘텐츠로 처리되는 경우가 흔합니다.
2.1 크롤링·색인 기본기
robots.txt: 크롤러 접근 규칙. 결제, 관리자, 장바구니 URL은 차단하되, 상품, 카테고리, 콘텐츠는 절대 막지 마세요. (의외로
Disallow: /한 줄로 사이트 전체를 막아둔 사고가 많습니다.)XML 사이트맵: 모든 상품, 카테고리, 블로그 URL을 담아 검색 엔진에 제출. 상품 수가 많으면 사이트맵 인덱스로 분할.
Canonical 태그: 색상, 사이즈 옵션, 정렬, 필터 파라미터로 URL이 늘어나는 자사몰 특성상 중복 URL의 대표 페이지를 명시해야 색인 낭비와 순위 분산을 막습니다.
Search Console / Bing Webmaster Tools / 네이버 서치어드바이저 등록: 색인 상태, 커버리지 오류, 검색 쿼리를 보는 무료 필수 도구.
2.2 사이트 아키텍처 & URL 설계
얕은 계층 구조: 홈 → 카테고리 → 상품, 3클릭 이내 도달 원칙.
의미 있는 URL:
/products/wool-knit-cardigan처럼 사람, 기계 모두 읽을 수 있게. 무의미한?id=48213지양.브레드크럼(Breadcrumb): 사용자 내비게이션 + 구조화 데이터(BreadcrumbList) 두 마리 토끼.
내부 링크: 관련 상품, 콘텐츠를 서로 연결해 크롤러가 사이트 구조와 주제 권위를 이해하게 합니다.
2.3 온페이지 SEO 기본
title 태그: 페이지마다 고유하게, 핵심 키워드를 앞쪽에. (예:
울 니트 가디건 - 브랜드명)meta description: 클릭을 유도하는 요약. 순위 신호는 아니지만 CTR에 영향.
헤딩 구조(H1→H2→H3): 페이지당 H1 하나, 논리적 위계. AI가 콘텐츠 구조를 파악하는 핵심 단서.
이미지 alt 텍스트: 모든 상품 이미지에 설명형 alt. 접근성 + 이미지 검색 + 멀티모달 AI 이해에 필수.
2.4 상품 페이지 최적화 (자사몰의 심장)
자사몰 SEO에서 가장 흔하면서 가장 치명적인 실수는 제조사, 도매처 상품 설명을 그대로 복사하는 것입니다. 이는 곧 수백 개 쇼핑몰과 동일한 중복 콘텐츠가 되어 순위에서 밀립니다.
고유한 상품 설명: 소재, 핏, 사용 시나리오, 관리법을 자사 톤으로 직접 작성.
구체적 사양 표: 사이즈, 소재, 원산지, 무게 등을 표로. 이는 후술할 AEO/Agentic Commerce에서 그대로 재사용됩니다.
상품별 FAQ: "세탁기 사용 가능한가요?" 같은 실제 질문. AEO·AI 쇼핑의 직접 재료가 됩니다.
2.5 기술 성능 — Core Web Vitals
구글은 실사용자 경험을 세 지표로 측정하며, 모바일·검색 랭킹과 연결됩니다. 〔출처: web.dev / corewebvitals.io〕
지표 | 측정 대상 | 'Good' 기준 |
|---|---|---|
LCP (Largest Contentful Paint) | 로딩 체감 속도 | 2.5초 미만 |
INP (Interaction to Next Paint) | 반응성 (2024년 3월 FID 대체) | 200ms 미만 |
CLS (Cumulative Layout Shift) | 시각적 안정성(레이아웃 밀림) | 0.1 미만 |
평가는 CrUX(실사용자 데이터) 기준으로 방문자의 75% 이상이 'Good' 이어야 통과로 봅니다. 이미지 최적화(WebP, 지연 로딩), 폰트, 스크립트 최적화, CDN이 기본 처방입니다.
2.6 구조화 데이터 첫걸음 (Schema.org)
구조화 데이터(JSON-LD)는 검색, AI가 페이지 내용을 명시적으로 이해하게 하는 라벨입니다. 초급에서는 세 가지만 확실히!
Organization — 회사명, 로고, 연락처, 소셜. AI가 브랜드 엔티티를 인식하는 기반.
Product — 상품명, 이미지, 브랜드, 설명. (가격·재고는 다음 레벨에서 Offer로 확장)
BreadcrumbList — 사이트 계층 노출.
⚠️ 모든 구조화 데이터는 페이지에 실제로 보이는 정보와 일치해야 합니다. 보이지 않는 정보를 마크업하면 스팸으로 간주될 수 있습니다.
✅ 초급 체크리스트
[ ] robots.txt가 상품·콘텐츠를 막고 있지 않다
[ ] XML 사이트맵 제출 + Search Console/서치어드바이저 등록
[ ] 옵션·필터 URL에 canonical 적용
[ ] 모든 상품에 고유 설명 + 사양 표 + FAQ
[ ] title/meta/H 태그 페이지별 고유
[ ] 모든 이미지 alt 작성
[ ] Core Web Vitals 3종 'Good' (모바일 기준)
[ ] Organization·Product·BreadcrumbList 구조화 데이터 적용
3. 중급 — 답을 주는 사이트 (AEO Layer)
이 레벨의 목표: 검색, AI가 내 콘텐츠를 답변으로 인용하고 발췌하게 만든다.
기초가 "읽히는 것"이라면, 중급은 "선택받는 것"입니다. 같은 정보라도 발췌하기 좋은 구조로 쓰면 스니펫, AI 답변에 채택될 확률이 크게 올라갑니다.
3.1 검색 의도와 콘텐츠 클러스터 (토픽 권위)
단발성 키워드 글이 아니라 주제 군집(Topic Cluster) 을 만드세요.
필러(Pillar) 페이지: 큰 주제를 포괄하는 핵심 가이드 (예: "겨울 니트 완전 가이드").
클러스터 글: 세부 주제 (소재별·세탁법·코디법)들이 필러를 향해 내부 링크.
이 구조는 검색 엔진과 AI 모두에게 "이 사이트가 이 주제의 권위자"라는 신호를 줍니다. 검색 의도(정보형/탐색형/거래형) 에 맞춰 콘텐츠 유형을 배분하는 것도 핵심입니다.
3.2 구조화 데이터 심화
초급의 Product를 거래, 신뢰 신호로 확장합니다.
Offer / AggregateOffer — 가격, 통화, 재고 상태(InStock/OutOfStock). AI 쇼핑, Agentic Commerce의 직접 입력값.
Review / AggregateRating — 별점, 리뷰 수. 신뢰의 핵심 신호.
FAQPage / QAPage — 질문-답변 구조를 기계가 명시적으로 인식.
HowTo — 사용법, 설치 가이드형 콘텐츠.
⚠️ 정책 변화 주의: 구글은 일부 리치 결과(예: FAQ, HowTo의 일반 사이트 노출)를 축소, 변경해 왔습니다. 구조화 데이터는 "리치 결과 보장 수단"이 아니라 "AI, 검색이 내용을 정확히 이해하게 하는 기반"으로 접근하세요. 노출 여부는 플랫폼 정책에 따라 달라질 수 있습니다.
3.3 발췌 가능한(Snippable) 콘텐츠 작성법
AEO의 핵심 기술입니다. AI는 "바로 떼어 쓸 수 있는 덩어리"를 좋아합니다.
질문형 H2/H3: "히알루론산이 무엇인가요?"처럼 사용자의 실제 질문을 헤딩으로.
직답 우선(Answer-first): 헤딩 바로 아래 2~3문장으로 핵심 답을 먼저, 부연은 그 뒤에.
정의 박스, 표, 번호 목록: 비교, 절차, 스펙은 표/리스트로. 스니펫, AI가 통째로 인용하기 좋음.
명확한 수치와 단위: "약 30% 향상" 같은 모호함보다 구체적 수치 + 맥락.
3.4 E-E-A-T & 신뢰 신호
구글 품질 평가 기준인 경험(Experience)·전문성(Expertise)·권위(Authoritativeness)·신뢰(Trust) 는 AI 인용에도 직결됩니다.
저자 정보: 실명, 약력, 전문성 노출 (특히 건강, 금융 등 민감 분야).
출처 인용: 통계, 주장에 근거 링크. (GEO 연구가 보여주듯 인용 가능성을 높임)
회사 신뢰 정보: 사업자 정보, 연락처, 환불정책, 보안 인증.
최신성: 발행, 수정일 표기, 정기 업데이트.
3.5 상품 피드 & Merchant Center (AI 쇼핑의 관문)
구글 AI Mode/AI Overviews 쇼핑은 Google Merchant Center → Shopping Graph(500억+ 상품 리스팅) 를 읽습니다. 즉, 자사몰 상품이 AI 쇼핑에 노출되려면 상품 피드 위생이 결정적입니다. 〔출처: Google / Shopify, ppc.land〕
GTIN(국제상품번호): AI가 동일 상품을 매칭하는 가장 강한 신호. 누락, 오류 GTIN은 경쟁 상품군에서 탈락 원인.
product_highlight: 핵심 셀링 포인트를 짧은 문장으로. AI Mode 노출에 도움.
product Q&A 속성: 피드에 직접 FAQ를 넣어 대화형 AI 쇼핑에 활용.
변형 속성(color/size/material/age_group/gender): AI Mode가 직접 필터링하는 항목.
스키마-피드 일치: 상품 상세페이지의 schema.org Product가 Merchant Center 데이터와 불일치하면 둘 다 강등됩니다. 〔출처: paz.ai, digitalapplied〕
핵심: 과거 쇼핑 광고에서는 입찰 전략으로 부실 데이터를 메울 수 있었지만, AI 쇼핑에서는 상품 데이터 품질 자체가 1차 랭킹 신호입니다. AI Mode는 유료 광고가 아닌 무료 리스팅을 읽습니다.
3.6 리뷰·UGC·멀티모달
리뷰 수집, 노출: 별점, 텍스트 리뷰는 신뢰 신호이자 롱테일 키워드의 보고. 사용자 생성 콘텐츠(UGC)는 자연스러운 표현을 더합니다.
이미지·영상 최적화: 멀티모달 AI는 이미지를 직접 이해합니다. 고품질 이미지 + 설명형 alt + 영상 자막/트랜스크립트.
✅ 중급 체크리스트
[ ] 필러-클러스터 콘텐츠 구조 + 내부 링크
[ ] Offer·Review·FAQ·HowTo 구조화 데이터(보이는 정보와 일치)
[ ] 질문형 헤딩 + 직답 우선 + 표/목록 구조
[ ] 저자·출처·회사 신뢰 정보 + 수정일 표기
[ ] Merchant Center 피드: GTIN·product_highlight·변형 속성·Q&A
[ ] 상품 schema ↔ 피드 데이터 일치
[ ] 리뷰 수집·노출 + 멀티모달(이미지/영상) 최적화
4. 고급 — 생성형·에이전트 시대 (GEO + Agentic Layer)
이 레벨의 목표: LLM이 내 브랜드를 추천, 인용하고, AI 에이전트가 내 자사몰에서 직접 구매를 완료하게 만든다.
여기서부터는 정답이 정해지지 않은 최전선입니다. 빠르게 변하므로, 원칙을 이해하고 실험하는 자세가 중요합니다.
4.1 GEO: 생성형 엔진 최적화
프린스턴 연구(4.1절 앞서 인용)의 핵심 시사점은 명확합니다. 생성형 엔진이 내 콘텐츠를 인용하게 하려면:
출처, 통계, 인용 추가: 구체적 데이터와 출처가 있는 콘텐츠가 더 자주 인용됨.
권위 있는 톤: 단정적이되 근거를 갖춘 서술.
인용 가능한 명료한 문장: AI가 그대로 가져다 쓸 수 있는 자족적(self-contained) 문단.
엔티티 명확화: 브랜드, 제품을 일관된 이름, 설명으로 반복 노출해 AI의 지식 그래프에 각인.
AI 검색 엔진별 특성(2026년 기준, 변동 가능):
ChatGPT(Search/쇼핑): 웹 검색 + 자체 인덱스. 상품은 피드 기반(4.4절).
Google AI Mode / AI Overviews: Gemini 기반, "쿼리 팬아웃(query fan-out)"으로 질문을 세부 주제로 쪼개 검색. 쇼핑은 Shopping Graph 연동. 〔출처: paz.ai, mapmychannel〕
Perplexity: 출처 인용을 전면에 노출 — 인용되면 클릭·신뢰 모두 획득.
Gemini: 구글 생태계, Shopping Graph와 밀착.
GEO에 "마법의 한 방"은 없습니다. 양질의 구조화된 콘텐츠 + 강한 엔티티 신호 + 풍부한 출처가 누적 효과를 냅니다. 결국 좋은 AEO/SEO가 GEO의 토대입니다.
4.2 AI 크롤러 관리 & robots
AI 회사들은 각자의 크롤러로 웹을 수집합니다. robots.txt로 허용/차단을 선택할 수 있습니다.
크롤러(예) | 용도 |
|---|---|
| 모델 학습용 수집 |
| ChatGPT 검색 노출용 |
| Gemini/AI 학습 제어(검색 색인과 별개) |
| 수집 |
| Perplexity 검색 |
트레이드오프: 학습용 수집을 막으면 콘텐츠 보호가 되지만, 검색·답변 노출용 크롤러까지 막으면 AI 답변에서 사라질 수 있습니다. 자사몰 대부분은 "검색/답변 노출 크롤러는 허용"이 합리적입니다. 차단 정책은 비즈니스 가치(노출 vs 보호)에 따라 결정하세요. 〔크롤러 이름·정책은 각 사 공식 문서 재확인 권장〕
4.3 llms.txt — 무엇이고, 솔직히 효과가 있나
사용자 요청에 따라 이 섹션은 실제 적용 예시(데이터라이즈)까지 상세히 다룹니다.
llms.txt란? 사이트 루트(/llms.txt)에 두는 마크다운 파일로, LLM이 사이트의 핵심 정보를 빠르게 파악하도록 큐레이션한 "AI용 목차"입니다. 2024년 9월 3일, Answer.AI, fast.ai 공동창업자 Jeremy Howard가 제안했습니다. 배경은 "LLM의 컨텍스트 윈도우는 작고, HTML을 LLM 친화 텍스트로 변환하는 일은 번거롭고 오류가 많다"는 문제의식입니다. 〔출처: llmstxt.org, Medium〕
형식(스펙 요약):
즉 # 제목 + > 요약 + ## 섹션별 큐레이션 링크 목록으로 구성됩니다. 별도로 llms-full.txt(전체 본문 버전)를 두기도 합니다.
⚠️ 솔직한 현실: llms.txt는 사실상의 표준으로 채택되지 않았습니다. 구글은 공식적으로 지원하지 않으며(2025년 Gary Illyes, John Mueller가 명확히 부정), 2025년 6월 Mueller는 "현재 어떤 AI 시스템도 llms.txt를 읽지 않으며, 서버 로그를 보면 자명하다"고 했습니다. 2025년 12월 구글 개발자 문서에 잠깐 등장했다가 같은 날 삭제됐습니다. 즉, "llms.txt를 두면 AI 노출이 보장된다"는 주장은 근거가 없습니다. 〔출처: Search Engine Roundtable, ppc.land, Medium(Spriestersbach)〕
그럼 왜 작성하나? (현실적 가치)
- 비용이 거의 0: 한 번 만들면 유지 부담이 적음.
- 미래 옵션 가치: 표준이 채택될 경우 선점.
- 내부, 생태계 활용: 자사 AI 챗봇, 파트너, 일부 AI 개발 도구는 이미 참고. 사이트 정보의 "정제된 단일 출처"로 유용.
- 부수효과: llms.txt를 만들며 핵심 페이지, 메시지를 정리하는 과정 자체가 정보 아키텍처를 다듬는 계기.
결론: llms.txt는 "해두면 좋은 저비용 보험"이지 "필수 성장 레버"가 아닙니다. 4.1~4.2의 GEO·크롤러 정책이 훨씬 우선순위가 높습니다.
실제 적용 예시 — 데이터라이즈 llms.txt
데이터라이즈는 https://www.datarize.ai/llms.txt 에 다음과 같이 적용하고 있습니다.
이 예시에서 배울 점
1. 첫 블록quote 요약이 핵심 — AI가 "이 회사가 무엇인가"를 한 문단에 파악. 정량 성과·시장·고객 규모를 압축.
2. 섹션 위계가 명확 — Product / Customer Stories / Reports / Blog / Optional. AI가 의도별로 링크를 고르기 쉬움.
3. 각 링크에 한 줄 설명 — 단순 URL 나열이 아니라 "무엇을 다루는 페이지인지"를 명시.
4. 대표 글 큐레이션 — 200+ 블로그 전부가 아니라 핵심만 골라 노출(LLM 컨텍스트 절약).
. Optional 섹션 — 우선순위 낮은 메타 정보(거점·인증·sitemap)는 따로.
자사몰을 위한 llms.txt 작성 단계
1. 한 문단 회사, 스토어 요약(무엇을 파는가 + 차별점 + 신뢰 신호).
2. 핵심 카테고리/베스트셀러 컬렉션 링크 + 한 줄 설명.
3. 배송·반품·사이즈 가이드 등 자주 묻는 정책 페이지.
4. 대표 콘텐츠(가이드, 룩북) 큐레이션.
5. /llms.txt로 루트에 배포, sitemap·robots와 함께 관리.
4.4 측정과 어트리뷰션 — "제로클릭" 시대의 KPI
AI 답변·에이전트 환경의 가장 큰 난제는 측정입니다. 사용자가 AI 답변만 보고 클릭하지 않는 "제로클릭"이 늘기 때문입니다.
AI 리퍼럴 추적: GA4에서 chatgpt.com, perplexity.ai, gemini 등 리퍼러를 채널로 분리. 서버 로그에서 AI 크롤러 트래픽 모니터링.
브랜드 검색 lift: AI 노출의 간접 효과는 브랜드명 검색량 증가로 나타나는 경우가 많음 — Search Console, 검색 트렌드로 추적.
AI 인용 점유율 측정: 핵심 질의를 ChatGPT, Perplexity 등에 정기적으로 던져 내 브랜드 인용 여부를 수기/도구로 모니터링(rank tracking의 AI 버전).
KPI 재정의: "세션 수"만이 아니라 답변 점유, 인용, 브랜드 인지, 에이전트 주문을 함께 보는 대시보드로 전환.
데이터라이즈 같은 CRM, 애널리틱스 도구를 쓰는 자사몰은, 유입 경로가 불투명해질수록 퍼스트파티 행동 데이터(온사이트 행동·구매·리텐션) 의 가치가 더 커집니다. AI가 첫 접점을 가져가더라도, 방문 이후의 전환, 재구매를 자사 데이터로 끌어올리는 역량이 차별점이 됩니다.
✅ 고급 체크리스트
[ ] GEO: 출처, 통계, 인용 가능한 자족적 문단 + 엔티티 일관성
[ ] AI 크롤러 정책(robots) 의도적으로 결정(노출 vs 보호)
[ ] llms.txt 작성, 배포(현실적 기대치로) — 데이터라이즈 예시 참고
[ ] Agentic 대비: 피드 위생 + 재고, 가격 실시간 + 정책 구조화
[ ] 결제/체크아웃 플랫폼의 에이전트 커머스 지원 현황 모니터링
[ ] AI 리퍼럴, 브랜드 검색 lift, AI 인용 점유 측정 체계
5. 통합 실행 로드맵 (90일)
기간 | 초급(SEO) | 중급(AEO) | 고급(GEO/Agentic) |
|---|---|---|---|
0–30일 | robots·sitemap·canonical 정비, Search Console 등록, Core Web Vitals 진단, 상품 고유 설명 착수 | 상품 schema(Offer/Review) 적용, Merchant Center 피드 GTIN 정비 | AI 크롤러 정책 결정, AI 리퍼럴 추적 세팅 |
31–60일 | 사이트 구조·내부 링크 개선, 이미지 alt 일괄 보강 | 필러-클러스터 콘텐츠 1세트, 질문형 헤딩·직답 구조 적용, FAQ schema | llms.txt 작성·배포, 핵심 질의 AI 인용 모니터링 시작 |
61–90일 | 기술 부채 정리(속도·중복) | E-E-A-T 강화, 리뷰 수집 자동화, product Q&A 피드 | 피드 실시간 동기화·정책 구조화, 에이전트 커머스 플랫폼 지원 점검, KPI 대시보드 재정의 |
우선순위 원칙: 기초가 새는데 GEO부터 손대지 마세요. 크롤링·색인(초급) → 피드·구조화 데이터(중급) → 생성형·에이전트(고급) 순서가 ROI가 가장 높습니다.
6. 자주 묻는 질문 (FAQ)
이 FAQ 자체가 AEO 실습입니다 — 질문형 헤딩 + 직답 우선 구조에 주목하세요.
Q. 이제 SEO는 끝나고 GEO만 하면 되나요? 아니요. 대부분의 AI 엔진은 여전히 검색 인덱스·웹 크롤링 위에서 작동합니다. 색인이 안 되면 AI에도 안 보입니다. SEO는 GEO의 전제조건입니다.
Q. llms.txt는 꼭 만들어야 하나요? 필수는 아닙니다. 2026년 현재 구글·주요 AI는 공식 지원하지 않습니다. 비용이 낮으니 "미래 대비 보험"으로 만들 가치는 있지만, GEO·피드 품질보다 우선순위가 낮습니다.
Q. 소규모 자사몰도 Agentic Commerce를 준비해야 하나요? 당장 결제 프로토콜을 직접 구현할 필요는 없습니다. 하지만 상품 피드 위생(정확한 GTIN·재고·가격) 은 지금 당장 해야 하는 일이며, 이것이 AI 쇼핑·에이전트 노출의 공통 입력값입니다. Shopify·카페24 등 플랫폼을 쓴다면 해당 플랫폼의 지원에 올라타는 것이 현실적입니다.
Q. AI 트래픽은 어떻게 측정하나요? GA4에서 AI 리퍼러를 채널로 분리하고, 브랜드 검색량 변화(Search Console), 핵심 질의의 AI 인용 여부를 정기 모니터링하세요. 제로클릭 환경에서는 퍼스트파티 행동 데이터의 가치가 커집니다.
Q. 구조화 데이터만 잘 넣으면 AI가 인용하나요? 도움은 되지만 충분조건은 아닙니다. GEO 연구에 따르면 권위 있는 톤·출처·통계 같은 콘텐츠 신호가 인용에 더 크게 작용했습니다. 구조화 데이터(특히 상품·피드)는 AI 쇼핑에서 별도로 매우 중요합니다.
Q. AI 크롤러를 막으면 콘텐츠가 보호되나요? 학습용 크롤러는 막을 수 있지만, 검색·답변 노출용 크롤러까지 막으면 AI 답변에서 사라질 위험이 있습니다. 노출 가치와 보호 필요성을 저울질해 의도적으로 결정하세요.
마치며
검색의 무게중심은 "링크 → 답변 → 에이전트"로 이동하고 있습니다. 하지만 좋은 소식은, 이 모든 레이어의 토대가 결국 하나로 수렴한다는 점입니다 — 정확하고 구조화된, 신뢰할 수 있는 자사몰 데이터와 콘텐츠. 기초 SEO를 탄탄히 한 자사몰이 AEO에 유리하고, AEO를 잘한 곳이 GEO에 유리하며, 피드와 데이터를 정비한 곳이 Agentic Commerce에 가장 먼저 올라탑니다.
지금 시작할 한 가지를 고른다면: 상품 데이터와 콘텐츠의 품질·구조·신뢰도를 높이는 것입니다. 이것이 검색이든 AI든 에이전트든, 모든 시대를 관통하는 단 하나의 레버입니다.
AI가 첫 접점을 가져갈수록, 방문 이후의 전환·재구매·리텐션을 퍼스트파티 데이터로 끌어올리는 역량이 자사몰의 진짜 해자가 됩니다. 데이터라이즈는 자사몰의 행동 데이터를 분석해 카카오·LINE·이메일·온사이트 채널에서 개인화 캠페인을 자동화함으로써, 어떤 경로로 들어온 고객이든 그 가치를 최대화하도록 돕습니다. AI 검색 시대의 마케팅 인프라가 궁금하다면 데이터라이즈와 GEO/AEO 가이드를 참고하세요.
참고 출처 (References)
본문에서 〔출처〕로 표기한 사실 진술의 근거입니다. AI 플랫폼 정책은 수시로 바뀌므로 적용 전 최신 공식 문서를 재확인하세요.
GEO 정의·연구: Aggarwal et al., "GEO: Generative Engine Optimization", arXiv 2311.09735 (Princeton 외, 2023.11) — https://arxiv.org/abs/2311.09735
Agentic Commerce Protocol(ACP): OpenAI "Buy it in ChatGPT" — https://openai.com/index/buy-it-in-chatgpt/ · Stripe — https://stripe.com/blog/developing-an-open-standard-for-agentic-commerce · GitHub agentic-commerce-protocol
ChatGPT 머천트/피드: https://chatgpt.com/merchants/ · Azoma "ChatGPT Instant Checkout" · CNBC(2026-03-24) OpenAI 쇼핑 개편 보도
AP2 / x402 / 프로토콜 비교: Orium "Agentic Payments Explained" · Grid Dynamics "Agentic Payments AP2 vs ACP"
Google AI Mode·Merchant Center·Shopping Graph: paz.ai, ppc.land "8 Merchant Center attributes for AI Mode", mapmychannel, digitalapplied
llms.txt 제안·현황: llmstxt.org(Jeremy Howard, 2024.9.3) · Search Engine Roundtable "Google does not endorse llms.txt" · ppc.land "llms.txt adoption stalls" · Medium(Kai Spriestersbach)
Core Web Vitals(LCP/INP/CLS, INP의 FID 대체 2024.3): web.dev / corewebvitals.io
데이터라이즈 llms.txt 실제 적용 예시: https://www.datarize.ai/llms.txt
함께 보면 좋은 컨텐츠
매주 발행되는 데이터라이즈 뉴스레터