AI 검색에 인용됐는데 왜 안 팔릴까? 전환까지 잡는 GEO 전략

AI 검색에 인용됐는데 왜 안 팔릴까? 인용을 넘어 전환을 잡는 GEO 전략

AI 검색에서 브랜드가 인용됐다고 해서 매출이 따라오지는 않습니다. 인용은 AI가 답변 어딘가에 우리 출처를 표시한 상태일 뿐이고, 구매로 이어지려면 그 답변 안에서 실제로 "추천"까지 받아야 하기 때문입니다. 지오랭크가 여러 프로젝트에서 확인한 결론은 분명합니다. 인용률만 쫓는 GEO는 절반의 성과에 그칩니다. 진짜 지렛대는 구매 직전 단계의 하단 퍼널 콘텐츠에 있습니다. 이 글은 인용-추천-전환의 간극을 데이터로 짚고, 전환까지 잡는 GEO 설계법을 정리합니다.

목차

• 인용 순위 1위인데 매출은 그대로였던 이유
• 인용, 추천, 전환은 어떻게 다를까?
• 흔한 GEO 조언 8가지, 어디까지 믿어야 할까?
• BOF 콘텐츠란? AI가 추천하는 하단 퍼널 설계법
• 인용이 전환으로 이어지는지 어떻게 측정할까?
• 자주 묻는 질문
• 함께 보면 좋은 지오랭크 리포트

인용 순위 1위인데 매출은 그대로였던 이유

AI 검색 인용률이 높은데도 문의가 늘지 않는다면, 인용된 페이지가 구매 결정을 돕는 콘텐츠가 아닐 가능성이 큽니다. 지오랭크가 맡았던 국내 B2B SaaS E사가 정확히 그런 경우였습니다. E사는 ChatGPT와 퍼플렉시티에서 해당 카테고리 관련 질문에 꾸준히 인용됐고, 인용 노출만 보면 경쟁사보다 앞섰습니다. 그런데 데모 신청은 몇 달째 제자리였습니다.

원인을 뜯어보니 인용되던 페이지가 대부분 "OO란 무엇인가" 같은 상단 퍼널 설명글이었습니다. AI는 개념을 설명할 때 E사 글을 가져다 썼지만, 정작 "어떤 도구가 좋은가"라는 구매형 질문에서는 E사를 추천 목록에 넣지 않았습니다. 인용은 됐지만 추천은 못 받은 셈입니다.

지오랭크도 처음엔 시행착오를 겪었습니다. 초반 2주 동안 llms.txt 정비와 스키마 보강에 공을 들였는데 인용률 변화는 미미했습니다. 방향을 바꿔 비교, 유스케이스, 대안 검토 같은 하단 퍼널 콘텐츠 22개를 새로 발행하자 흐름이 달라졌습니다. E사 도메인 권위(DA)는 38로 낮았지만, 3개월 뒤 50개 이상의 구매형 쿼리에서 AI가 E사를 추천 후보로 언급하기 시작했고 AI 검색 경유 데모 문의는 월 3건에서 11건으로 늘었습니다. 이 경험이 이 글 전체를 관통하는 GEO 원칙의 출발점입니다.

이 사례가 던지는 교훈은 인용률이 GEO의 목적지가 아니라 중간 지표라는 점입니다. 인용률은 방향을 알려주는 나침반이지, 매출이라는 목적지 그 자체가 아닙니다. 많은 팀이 인용률 그래프가 오르는 것을 보고 GEO가 잘되고 있다고 안심하지만, 그 인용이 구매형 질문에서 나온 것인지 단순 개념 설명에서 나온 것인지를 구분하지 않으면 착시에 빠집니다. 지오랭크가 프로젝트 착수 때 인용된 쿼리를 상단 퍼널과 하단 퍼널로 먼저 분류하는 것도 이 착시를 걷어내기 위해서입니다.

인용, 추천, 전환은 어떻게 다를까?

인용은 AI가 출처를 표시한 상태, 추천은 답변에서 브랜드를 골라 제안한 상태, 전환은 그 제안을 본 사용자가 행동한 상태입니다. 세 단계는 자동으로 이어지지 않습니다. 인용됐다고 추천받는 것도, 추천받았다고 전환되는 것도 아닙니다. GEO 성과가 인용률에서 멈추는 이유가 여기 있습니다.

• 인용(Citation): AI 답변 하단이나 각주에 우리 URL이 출처로 걸린 상태. 사용자는 클릭하지 않을 수도 있습니다.
• 추천(Recommendation): "이런 도구를 고려해보세요"처럼 AI가 답변 본문에서 브랜드를 직접 제안한 상태. 구매 결정에 훨씬 가깝습니다.
• 전환(Conversion): 추천을 접한 사용자가 문의, 가입, 구매로 움직인 상태. GEO의 최종 목표입니다.

지오랭크가 실무에서 우선순위를 두는 3계층 GEO 구조는 아래와 같습니다.

실행 순서는 단순합니다. 첫째, 우리 카테고리에서 AI가 던지는 구매형 질문을 모읍니다. 둘째, 그 질문에 답하는 하단 퍼널 콘텐츠를 자기 도메인에 먼저 채웁니다. 셋째, AI가 이미 인용하는 외부 매체에 브랜드를 끼워 넣습니다. 넷째, 기술 위생은 마지막에 가볍게 처리합니다.

흔한 GEO 조언 8가지, 어디까지 믿어야 할까?

널리 퍼진 GEO 조언 상당수는 인용 확률을 조금 높일 수는 있어도 추천과 전환에는 직접 기여하지 못합니다. Grow and Convert가 5개 산업, 100개 이상의 프롬프트를 분석한 결과 LLM 인용의 86%가 해당 산업에 특화된 도메인에서 나왔고, 범용 사이트 비중은 16%에 그쳤습니다. 포맷이나 태그보다 "무엇을 다루는 도메인인가"가 훨씬 크게 작동한다는 뜻입니다. 흔한 조언을 지오랭크 시각에서 다시 정리하면 이렇습니다.

오해는 마시기 바랍니다. 스키마나 FAQ가 무의미하다는 뜻은 아닙니다. 지오랭크도 구조화 데이터와 질문형 구성을 여전히 활용합니다. 다만 이런 요소는 "쉬우면 하는" 3계층 위생 작업이지, 전환을 만드는 핵심 지렛대가 아니라는 점을 분명히 해야합니다. 한정된 예산을 여기에 먼저 쏟으면 정작 매출을 만드는 하단 퍼널 콘텐츠가 뒤로 밀립니다. 물론 산업과 브랜드 성숙도에 따라 기술 위생의 비중이 더 커질수도 있으니, 일률적으로 무시하라는 얘기는 아닙니다.

BOF 콘텐츠란? AI가 추천하는 하단 퍼널 설계법

BOF(Bottom of Funnel) 콘텐츠는 구매를 코앞에 둔 사용자의 질문에 답하는 하단 퍼널 콘텐츠로, AI 추천을 직접 끌어내는 GEO의 핵심 자산입니다. "OO란 무엇인가"가 상단 퍼널이라면, "A와 B 중 무엇이 나은가", "OO에 쓸 만한 도구는", "OO 도입 시 고려할 점은"이 하단 퍼널입니다. 실제로 하단 퍼널 콘텐츠의 전환율은 상단 퍼널의 약 25배에 달한다는 분석도 있습니다.

지오랭크가 토픽맵을 짤 때 채우는 하단 퍼널 유형은 다음과 같습니다.

• 카테고리 페이지: "OO 솔루션"처럼 제품군 전체를 정의하고 우리를 그 안에 위치시키는 글
• 비교 콘텐츠: "A vs B", "OO 대안" 형태. 구매형 쿼리 중 전환율이 가장 높은 축에 속합니다.
• 유스케이스: 특정 업종, 특정 상황에서 어떻게 쓰이는지 구체적으로 보여주는 글
• 페르소나, 페인포인트: 누가 어떤 문제 때문에 찾는지를 정면으로 다루는 글

핵심은 "제품 중심"입니다. 중립적인 설명만 늘어놓는 글은 AI가 개념 설명에는 인용해도 추천 목록에는 넣지 않습니다. 우리 제품이 어떤 문제를 어떻게 푸는지 구체적인 사실로 적어야 AI가 추천 근거로 삼습니다. 지오랭크는 이 지점에서 내부 전문가 인터뷰로 얻은 "오리지널리티 조각", 즉 외부 필자가 검색만으로는 쓸 수 없는 구체 정보를 콘텐츠에 심습니다. 이 작업이 GEO 성과를 가르는 실질적인 차이를 만듭니다.

한 가지 반가운 사실은, 잘 만든 하단 퍼널 콘텐츠는 전통 SEO에서 구글 상위에 오르는 동시에 AI 검색 추천에도 자연스럽게 노출된다는 점입니다. 도메인 권위가 40 미만이어도 50개 이상의 하단 퍼널 쿼리에서 AI에 추천되는 사례가 보고됩니다. GEO와 SEO를 따로 굴리지 않고 하나의 자산으로 설계하는 것이 지오랭크가 말하는 "프라이오리티 GEO"입니다.

토픽맵을 짤 때 한 가지 더 챙길 것은 커버리지의 완결성입니다. 카테고리, 비교, 유스케이스 중 어느 하나가 비어 있으면 AI는 그 빈 구간의 질문에서 경쟁사를 추천합니다. 지오랭크는 구매 여정을 따라 질문 지도를 그린 뒤 빈칸부터 메우는 방식으로 GEO 콘텐츠를 배치합니다. 완결된 토픽맵은 AI가 어떤 각도로 물어도 우리를 후보에서 빼기 어렵게 만드는, 가장 방어력 높은 GEO 자산입니다. 한 편의 대박 글보다 여러 편이 한 주제를 촘촘히 감싸는 구조가 추천 확률을 더 크게 끌어올립니다.

인용이 전환으로 이어지는지 어떻게 측정할까?

인용은 완벽히 추적되지 않지만, 여러 신호의 추세를 함께 보면 전환 기여를 충분히 판단할 수 있습니다. AI 검색은 클릭 없이 답변 안에서 끝나는 경우가 많아 단일 지표로는 잡히지 않습니다. 지오랭크는 하나의 완벽한 숫자를 좇는 대신, 아래 신호들의 방향성을 교차로 읽습니다.

• 토픽별, 플랫폼별 추천율: 구매형 쿼리에서 우리가 추천 목록에 드는 비율. 인용률과 분리해 따로 측정합니다.
• GA4 리퍼럴 유입: AI 플랫폼발 유입은 과소 집계되지만 추세 파악에는 유효합니다.
• 직접 유입 증가: AI 답변에서 브랜드를 접한 뒤 검색창에 브랜드명을 직접 치는 흐름.
• 문의 시 출처 질문: "어떻게 알게 되셨나요"를 받아 AI 검색 기여를 정성적으로 확인합니다.

수치의 무게를 보여주는 근거도 쌓이고 있습니다. 앞서 언급한 산업 특화 도메인 인용 86% 대 범용 16%의 격차, 하단 퍼널의 상단 퍼널 대비 약 25배 전환율, 그리고 Bing 전용 노출이 더해주는 인용은 8% 안팎에 그친다는 실측치가 대표적입니다. 또한 지오랭크 자체 프로젝트에서는, 특정 카테고리에서 도메인 토픽 권위를 끌어올리자 AI 인용 중복률이 27%에서 약 50%로 올랐습니다. 인용의 양이 아니라 "어떤 주제의 권위를 우리가 쥐고 있는가"가 추천과 전환을 좌우한다는 신호입니다.

정리하면 GEO 측정의 축은 클릭 수에서 추천율과 전환 기여로 이동해야 합니다. 완벽한 어트리뷰션은 어렵지만, 여러 신호의 추세를 꾸준히 보는 팀이 결국 예산을 지킬수 있습니다. 지오랭크가 착수 보고에서 인용률과 함께 추천율, 유입, 문의 기여를 나란히 놓는 이유입니다.

한 가지 덧붙이면, 이 측정 체계는 한 번 세팅하고 끝나는 것이 아니라 분기 단위로 다시 손봐야 합니다. AI 플랫폼이 답변을 구성하는 방식과 인용 소스를 고르는 기준이 계속 바뀌기 때문입니다. 지난 분기에 추천받던 쿼리에서 이번 분기에 밀려났다면, 원인이 콘텐츠 노후인지 경쟁사의 신규 콘텐츠인지 플랫폼 알고리즘 변화인지를 나눠 봐야 합니다. 결국 GEO는 한 번의 최적화가 아니라 인용에서 추천으로, 추천에서 전환으로 이어지는 흐름을 계속 다듬는 운영에 가깝습니다. 인용률에서 멈추지 않고 전환까지 설계하는 GEO가 필요할 때 지오랭크의 데이터 기반 접근이 하나의 참고점이 될 수 있습니다.

자주 묻는 질문

인용률이 높은데 왜 매출이 안 늘까요?

인용은 AI가 출처를 표시한 상태일 뿐, 답변 안에서 브랜드를 추천받은 상태가 아니기 때문입니다. 인용되는 페이지가 개념 설명 위주라면 구매형 질문에서는 추천 목록에 들지 못합니다. 비교, 유스케이스 같은 하단 퍼널 콘텐츠를 보강해야 추천과 전환으로 이어집니다.

llms.txt나 스키마는 하지 말라는 뜻인가요?

아닙니다. 무의미하다는 게 아니라 우선순위가 낮다는 뜻입니다. 스키마와 llms.txt는 쉬우면 처리하는 3계층 위생 작업입니다. 다만 한정된 예산을 여기에 먼저 쓰면 전환을 만드는 하단 퍼널 콘텐츠가 뒤로 밀리니, 순서를 뒤집지 마세요.

도메인 권위(DA)가 낮아도 AI에 추천될 수 있나요?

가능합니다. 도메인 권위가 40 미만이어도 50개 이상의 하단 퍼널 쿼리에서 AI에 추천된 사례가 있습니다. 관건은 전체 권위 점수보다 특정 주제에서의 토픽 권위와 제품 중심 콘텐츠의 구체성입니다.

BOF 콘텐츠는 어디부터 만들어야 하나요?

우리 카테고리에서 AI가 던지는 구매형 질문을 먼저 모으세요. 그다음 "A vs B" 비교와 업종별 유스케이스처럼 전환율 높은 유형부터 자기 도메인에 채웁니다. 내부 전문가 인터뷰로 외부 필자가 못 쓰는 구체 정보를 심는 것이 차별화의 핵심입니다.

함께 보면 좋은 지오랭크 리포트

• AI가 처음 추천한 브랜드가 왜 이기는지 궁금하시다면? AI가 처음 추천한 브랜드가 이깁니다: AI 검색 기본효과 GEO 전략
• 인용을 전환 기여로 바꿔 측정하는 법이 궁금하시다면? AI Mode 트래픽의 실체: 10만 명 데이터로 본 AI 검색 유입과 GEO 대응
• 브랜드가 어떤 토픽의 주인이 돼야 하는지 궁금하시다면? AI 검색에서 브랜드가 밀리는 이유: LLM 엔티티 갭과 토픽 오너십 전략