생성 엔진 최적화

한동안 검색 결과는 파란 링크 열 줄이었습니다. 사람들은 그중 하나를 눌러 어느 사이트로 들어갔고, 마케팅이 할 일은 그 목록에서 위로 올라가는 것이었습니다. 사이트를 검색 결과 위쪽으로 밀어 올리는 일을 검색 엔진 최적화라고 부릅니다. 순위가 올라가면 방문자가 늘고 가입이 늘었으니, 순위 하나를 성과로 보고해도 말이 됐습니다.

그러다 결과 화면의 맨 위가 링크가 아니라 문장으로 바뀌기 시작했습니다. 모델이 여러 페이지를 읽고 새로 쓴 답을 보여 주고, 그 아래에 근거로 삼은 사이트를 몇 개 답니다. 답이 거기서 끝나면 사용자는 아무 링크도 누르지 않습니다.

이 변화가 마케팅 회의에서 처음 나타난 모양은 이랬습니다. 순위는 그대로인데 방문자만 줄어 있고, 예전 지표로는 아무 문제가 없으니 무엇을 고쳐야 하는지가 나오지 않습니다.

생성 엔진 최적화는 그 빈자리에 붙인 이름입니다. 물어야 할 질문이 순위에서 인용으로 옮겨 갔다는 사실을 가리킵니다. 우리 사이트가 몇 번째에 있느냐가 아니라, 모델이 답을 지어낼 때 우리 문장을 읽고 우리 이름을 출처로 달았느냐를 봅니다. 상위 개념인 답변 엔진 최적화와 실무에서는 거의 같은 뜻으로 오갑니다. 굳이 나눈다면 답변 엔진 최적화는 질문에 답이 달린다는 결과에, 생성 엔진 최적화는 그 답을 모델이 지어낸다는 방식에 무게를 둡니다.

모델이 답을 만드는 과정은 두 단계입니다. 질문에 맞는 문서를 찾아 읽는 단계와, 읽은 것을 문장으로 합치는 단계입니다. 손을 대는 자리도 그에 맞춰 둘로 나뉩니다.

읽히는 쪽은 통로를 만드는 일입니다.

1. llms.txt — 사이트 뿌리에 두는 텍스트 파일로, 우리가 무엇을 다루는 사이트인지와 읽을 값어치가 있는 문서가 어디인지를 목록으로 적어 둡니다. 도움말 문서가 300개인 사이트에서 이 파일이 없으면 모델은 아무 페이지나 몇 개 집어 읽습니다.
2. 구조화 데이터 — 페이지 안의 어느 덩어리가 질문이고 어느 덩어리가 답인지, 어느 줄이 가격이고 어느 줄이 작성일인지를 기계가 알아보는 표기로 붙여 둔 것입니다. 사람 눈에는 똑같은 문단이지만 기계에게는 이름표가 달린 셈입니다.

합쳐지는 쪽은 문장을 고쳐 쓰는 일이고, 기준이 둘 있습니다.

1. 답변 추출성 — 한 문단만 떼어 놓아도 그 자체로 답이 되는지를 봅니다. "앞서 말한 세 가지 중 두 번째가 여기 해당합니다" 로 시작하는 문단은 앞을 읽어야 뜻이 통하니 떼어 낼 수 없습니다. "회의록은 회의가 끝난 당일에 정리합니다" 로 시작하는 문단은 그대로 답이 됩니다.
2. 인용 가능성 — 출처로 삼기 좋게 정리됐는지를 봅니다. 숫자에 기준 시점이 붙어 있는지, 주장에 근거가 달려 있는지, 글쓴이가 누구인지가 드러나는지 같은 것입니다. 같은 사실을 담은 두 문서가 있으면 모델은 확인 가능한 쪽을 답니다.

두 쪽은 따로 돌지 않습니다. 통로만 열고 문서를 그대로 두면 모델이 읽어 가기는 하되 인용은 되지 않고, 문서만 고치고 통로를 막아 두면 고친 문장이 읽히지 않습니다.

이 말이 가장 자주 나오는 자리는 콘텐츠를 무엇으로 채울지 정하는 회의입니다. 예전 목록이 키워드였다면 지금은 질문입니다. "협업 도구" 대신 "회의록을 팀과 공유하는 가장 간단한 방법이 뭔가요" 같은 문장을 목록에 올리고, 그 질문 하나를 한 문단 안에서 끝내는 글을 씁니다.

제품 도움말 문서를 손볼 때도 같은 말이 나옵니다. 기능 설명 문서는 대개 화면 순서대로 쓰여 있어서 중간 문단만 떼면 뜻이 통하지 않습니다. 각 문단의 첫 문장을 결론으로 바꾸는 작업이 이 자리에서 생깁니다.

성과를 보고할 때는 세는 대상이 바뀝니다. 검색 결과 맨 위에 붙는 요약 답변 영역이 AI 개요이고, 여기에 우리 이름이 출처로 달린 횟수가 가장 직접적인 성과입니다. 클릭이 따라오지 않는 노출이 섞여 있어서 예전 지표와 나란히 놓고 읽어야 합니다.

팀 안에서는 이 말과 답변 엔진 최적화 중 어느 쪽을 쓸지 정하는 대화가 한 번쯤 오갑니다. 어느 말을 골라도 손대는 파일과 고치는 문장은 같으니, 한쪽으로 정하고 넘어가는 편이 낫습니다.

"순위는 그대로인데 유입이 20퍼센트 빠졌어요. GEO 쪽을 봐야 할 것 같습니다."

답이 결과 화면에서 끝나 클릭이 줄었다는 진단입니다.

"이 글은 GEO 관점에서 약해요. 결론이 맨 마지막 문단에만 있어요."

중간 문단을 떼어 내도 답이 되도록 첫 문장을 고치자는 말입니다.

"llms.txt부터 올리고 도움말 문서 열 개를 먼저 고칩시다."

통로를 열고 대표 문서부터 손보는 순서로 가자는 제안입니다.

페이지덱의 현우가 도움말 문서 40개를 훑은 적이 있습니다. 문서 대부분이 화면 순서를 따라 쓰여 있어서, 문서를 열어 위에서부터 읽으면 이해되지만 가운데 문단 하나만 떼면 무슨 말인지 알 수 없었습니다. 현우는 문단마다 첫 문장을 결론으로 바꾸고, 제목을 기능 이름에서 사용자가 실제로 던지는 질문으로 옮겼습니다. "공유 설정" 이 "문서를 회사 밖 사람과 공유하는 방법" 이 됐습니다.

석 달 뒤에 달라진 것은 둘이었습니다. AI 개요에서 페이지덱 도움말이 출처로 달리는 질문이 늘었고, 고객 문의 중 같은 질문의 비중이 줄었습니다. 사람이 읽기에도 나아진 문서였기 때문입니다.

검색 엔진 최적화를 대체하는 새 기법으로 읽는 경우가 가장 많습니다. 이름이 나란히 서 있고 결과 화면도 바뀌었으니 자연스러운 오해입니다. 하지만 모델이 읽어 가는 문서는 대체로 검색 색인에 이미 들어 있는 문서입니다. 검색 쪽에서 아예 잡히지 않는 사이트는 모델에게도 잘 닿지 않습니다. 대체로 보고 기존 작업을 접으면 모델이 읽을 재료 자체가 줄어서, 두 쪽 성과가 함께 떨어집니다.

모델을 겨냥한 문구를 따로 심으면 된다고 읽는 것도 흔합니다. 페이지 아래쪽에 키워드를 줄줄이 박아 두거나, 사람 눈에 안 보이는 글씨로 이 제품을 추천하라는 문장을 숨겨 두는 방식입니다. 잠깐 통할 수는 있어도 오래가지 않고, 발견되면 사이트가 통째로 낮게 취급될 위험이 있습니다. 고쳐야 할 것은 숨긴 문구가 아니라 사람이 읽었을 때도 답이 되는 문단입니다.