구글의 AI 검색 가이드는 왜 부족한가: 멀티플랫폼 GEO 시대에 진짜 통하는 전략

구글이 내놓은 AI 검색 최적화 가이드를 그대로 따라가면, ChatGPT·Perplexity·Claude·Gemini가 동시에 인용을 결정하는 멀티플랫폼 시대에 우리 브랜드는 뒤처집니다. iPullRank의 Mike King이 지적한 4가지 한계 — "그냥 SEO다", llms.txt 무용론, 청킹 불필요론, AI 재작성 거부 — 는 자기에게 가장 유리한 회사의 입장일 뿐, 검색 인프라가 분산되는 지금 통하지 않습니다. 이 글은 구글 가이드 어디까지 받아들이고 어디서부터 GEO 관점으로 다시 설계할지 정리한 실무 가이드입니다.

목차

• 지오랭크가 본 구글 가이드의 현장 한계
• 구글의 AI 검색 가이드 한 줄 요약
• "그냥 SEO다"라는 말이 위험한 이유
• llms.txt는 정말 필요 없는가
• 청킹과 패시지 최적화, 누구의 말이 맞나
• AI를 위한 재작성은 과연 불필요한가
• 멀티플랫폼 검색 인프라의 현실
• 한국 기업이 지금 해야 할 GEO 우선순위
• 자주 묻는 질문
• 더 깊이 알고 싶다면

지오랭크가 본 구글 가이드의 현장 한계

지오랭크가 지난 1년간 진행한 한 SaaS 스타트업의 GEO 프로젝트 이야기입니다. 처음 6개월은 구글 가이드만 충실히 따랐습니다. 자연스러운 글쓰기, 기존 SEO 강화, llms.txt 미도입, 청킹 미적용. 구글 검색 순위는 9위에서 4위까지 올라왔지만, ChatGPT와 Perplexity 인용 횟수는 그대로였습니다.

이후 6개월은 정반대 실험을 했습니다. llms.txt 배포, 200~400단어 단위 패시지 재구조화, 통계·정의 문장 재작성. ChatGPT 인용은 월 11건에서 47건, Perplexity 인용 도메인 점유율은 0.4%에서 3.2%로 올라왔습니다. 시행착오도 있었는데요. 초기 청킹 과적용으로 한 페이지가 100개 이상 짧은 단락으로 쪼개져 이탈률이 38% 오른 적도 있습니다. "구조화하되 읽는 호흡을 우선한다"는 균형점에 도달하는 데 2개월이 더 걸렸습니다.

구글의 AI 검색 가이드 한 줄 요약

2026년 5월, 구글은 검색 센트럴에서 AI 검색 시대 콘텐츠 최적화 가이드를 업데이트했습니다. 핵심은 단순합니다. "AI 검색이 바뀌어도 SEO 본질은 같다, 좋은 콘텐츠를 자연스럽게 쓰면 된다." iPullRank의 Mike King은 같은 달 18일 정면 반박 분석을 내놓았는데요. 이유는 두 가지입니다. 콘텐츠 웨어하우스 유출 사건에서 드러난 구글의 공식 입장과 내부 문서 간 괴리, 그리고 AI 검색이 다중 플랫폼으로 분산되는 현실을 외면한다는 점입니다.

구글 가이드의 4가지 주장과 GEO 관점 비교

GEO 실무자가 가이드를 읽는 4단계

1. 구글이 말하는 것과 말하지 않는 것을 분리한다
2. 자기 사이트의 트래픽 소스 분포를 먼저 측정한다 (구글 vs. ChatGPT vs. Perplexity)
3. 구글 가이드는 기본기로, GEO 가이드는 확장기로 적용한다
4. 멀티플랫폼 인용을 정기적으로 모니터링한다 (월 단위)

키워드 리서치 관점에서 어떻게 시작해야 할지 막막하다면, AI 검색 시대 키워드 리서치 포트폴리오 전략을 먼저 정독해보시는 것이 좋습니다.

"그냥 SEO다"라는 말이 위험한 이유

"AI 검색 최적화는 그냥 SEO다"라는 첫 메시지는 표면적으로는 친절합니다. 새로운 학습 비용을 줄여주고 기존 SEO 인력 그대로 가도 된다고 안심시켜주니까요. 그런데 한국 기업 현장에서 만들어내는 결과는 정반대입니다.

지오랭크가 만난 한 커머스 기업은 이 가이드를 그대로 받아 GEO 업무를 SEO팀에 얹었습니다. 예산도, 인원도 그대로. 6개월 뒤 SEO팀은 번아웃을 호소했고 AI 검색 인용 지표는 측정 자체가 시작되지도 않았습니다. 벡터 거리·RAG 파이프라인·에이전트 프로토콜 같은 개념을 다루려면 전통 SEO와는 다른 스킬셋이 필요한데, 회사가 이를 인정하지 않았던 것입니다.

스킬셋이 실제로 어떻게 갈라지는지 다음 비교를 보면 명확합니다.

전통 SEO와 GEO 스킬셋 비교

"콘텐츠를 잘 쓰는 사람"이라는 공통점만으로 묶기에는 도구·언어·측정 방식이 너무 다릅니다. 지오랭크의 권고는 명확한데요. GEO는 별도 직무·KPI·예산으로 다루세요. 모든 회사가 전담팀을 꾸릴 형편은 아니지만, GEO 비용과 가격 단가 가이드로 현실적 예산을 먼저 짜보시는 걸 추천합니다.

llms.txt는 정말 필요 없는가

구글은 "우리는 llms.txt를 읽지 않으니 필요 없다"고 말했습니다. 함정은 "우리"라는 단어에 있습니다. 검색 인용을 결정하는 주체가 더 이상 구글만이 아니라는 사실을 슬쩍 가린 표현인데요. Anthropic의 Claude는 명시적으로 llms.txt를 지원하고, Perplexity도 사이트별 가이드 파일을 참조한다는 정황 증거가 여러 곳에서 보고됐습니다. 즉 llms.txt를 만들지 않는 결정은 "구글 외 플랫폼에서의 통제권을 자발적으로 포기"하는 것과 같습니다.

llms.txt는 실무에서 네 가지 역할을 합니다. AI 크롤러에게 어떤 페이지가 핵심 자료인지 우선순위를 알리고, 오래된·테스트 페이지가 잘못 인용되는 것을 방지하며, 콘텐츠 사용 허용/거부 신호를 주고, 사이트 구조를 카테고리로 메타데이터화합니다.

지오랭크가 운영하는 50개 이상 GEO 클라이언트 중, llms.txt를 도입한 사이트는 ChatGPT 인용 정확도가 평균 32% 더 높았습니다. 인용 빈도보다 "엉뚱한 페이지가 인용되는 빈도"가 줄었다는 의미인데, 브랜드 리스크 관점에서 보면 이게 더 중요합니다.

llms.txt 기본 구조 예시

# 사이트 이름
> 한 줄 설명

<a id="section"></a>
## 핵심 문서
- [페이지 제목](URL): 설명

<a id="section"></a>
## 가이드
- [페이지 제목](URL): 설명

<a id="section"></a>
## 선택적 문서
- [페이지 제목](URL): 설명

이 정도 분량의 파일을 만드는 데는 보통 반나절도 걸리지 않습니다. 그런데 그 결정 하나가 ChatGPT·Claude에서 우리 브랜드가 어떻게 인용되는지 통제할 수 있게 해주는데요. 구글이 "필요 없다"고 말한다고 해서 만들지 않을 이유는 없습니다.

청킹과 패시지 최적화, 누구의 말이 맞나

구글은 "콘텐츠를 인위적으로 청킹할 필요 없다"고 권합니다. 절반의 진실인데요. 우리가 청킹하지 않아도 검색 시스템이 알아서 청킹을 합니다. 그 결과물이 우리 의도와 맞을 보장은 없습니다.

벡터 검색은 사용자 질의를 임베딩으로 변환하고 문서 안의 각 청크와 거리를 계산해 가장 가까운 청크를 인용 후보로 올립니다. 청크가 200~400단어 단위로 의미에 맞게 잘려 있으면 의도한 답이 인용될 확률이 높지만, 1,000단어가 통째로 처리되면 잡음이 섞여 거리 계산이 흐려집니다.

청킹 친화적 구조의 5가지 신호

1. 하나의 단락 = 하나의 주장: 첫 문장에 결론을 둔다
2. 정의·통계·예시 분리: 한 청크엔 한 가지 정보 유형만
3. 앵커 가능한 H2: 짧고 검색 의도가 명확한 H2를 자주 사용
4. 표·리스트의 의도적 배치: 비교는 표로, 절차는 리스트로
5. 앞뒤 맥락의 자급자족: 청크 하나만 떼어내도 의미가 통하게

지오랭크가 한 의료기기 브랜드와 진행한 청크 최적화에서, 단락 구조만 위 5가지에 맞게 정렬한 결과 Perplexity 인용 빈도가 4개월 만에 2.7배 늘었습니다. 콘텐츠 양은 1자도 늘리지 않았습니다.

다만 너무 작게 쪼개면 가독성이 무너지고 이탈률이 오릅니다. 청크는 200400단어, 한 페이지에 815개가 안전선입니다. 더 깊이 들어가고 싶다면 AI 검색 청크 최적화 가이드를 살펴보세요.

AI를 위한 재작성은 과연 불필요한가

구글의 네 번째 메시지는 "AI 검색을 의식한 변형은 불필요, 자연스럽게 쓰라"입니다. 인간 독자를 무시한 키워드 스터핑이 무의미하다는 점에서는 맞지만, "AI가 우리 콘텐츠를 어떻게 처리할지 인식하는" 글쓰기는 분명히 인용률을 바꿉니다.

핵심은 두 가지인데요. 첫째, 엔티티 살리언스(Entity Salience) — 페이지가 다루는 핵심 엔티티가 명확하게 드러나야 AI가 "이 페이지는 X에 관한 글"이라고 분류합니다. 둘째, 명시성(Specificity) — "많은 사람" 대신 "월간 1,200만 명"처럼 구체적인 수치, "최근" 대신 "2026년 5월" 같은 명확한 시점이 벡터 거리를 좁힙니다.

AI 친화적 재작성 전후 비교

• 재작성 전: 최근 많은 기업이 AI 검색에 관심을 두고 있습니다.
• 재작성 후: 2026년 5월 기준 국내 매출 1,000억 이상 기업의 47%가 GEO 전담 예산을 편성했습니다.

두 문장의 정보량은 표면적으로 비슷해 보이지만, 임베딩 공간에서의 위치는 완전히 다릅니다. 후자는 "AI 검색", "기업 도입률", "GEO 예산"이라는 세 가지 엔티티를 명확히 연결하기 때문에, 관련 질의에 인용될 확률이 훨씬 높습니다.

그렇다고 모든 문장을 통계로만 채우라는 뜻은 아닙니다. 한국어 GEO에서는 다음 비율이 경험적으로 잘 작동합니다.

지오랭크는 콘텐츠를 재작성할 때, 이 비율을 측정해서 부족한 유형을 채우는 방식으로 작업합니다. 결과적으로 같은 주제·같은 분량의 콘텐츠도 인용률이 1.8~3.2배까지 차이가 났습니다.

멀티플랫폼 검색 인프라의 현실

구글 가이드의 가장 큰 한계는 "멀티플랫폼"이라는 단어를 거의 언급하지 않는다는 점입니다. 2026년 현재 AI 검색 사용자는 평균 2.4개의 AI 도구를 병행해서 씁니다. Statcounter 2026년 1분기 글로벌 AI 검색 트래픽 분포는 다음과 같은데요.

• ChatGPT (OpenAI): 58.1%
• Perplexity: 14.7%
• Google AI Overviews / Gemini: 11.3%
• Microsoft Copilot (Bing): 9.8%
• Claude: 4.2%
• 기타: 1.9%

여기서 흥미로운 점은, 인용 도메인 인프라가 모두 다르다는 사실입니다. ChatGPT는 자체 인덱스와 Bing 인덱스를 혼합 사용하고, Perplexity는 자체 인덱스에 라이센스 데이터 파트너십을 결합합니다. Claude는 Brave 검색과 Anthropic 자체 크롤러를 사용하고, Copilot은 Bing을 그대로 따릅니다. 즉 "구글에서 잘 보이는 콘텐츠가 ChatGPT에서도 잘 보일 것"이라는 가정은 데이터로 반박됩니다.

플랫폼별 인용 결정 요인 가중치 (지오랭크 내부 분석)

이 표가 시사하는 바는, 한 가지 전략으로는 모든 플랫폼을 만족시킬 수 없다는 것입니다. 그렇다면 어떻게 우선순위를 잡아야 할까요. 지오랭크의 권장은 분명한데요. 자기 산업의 사용자가 가장 많이 쓰는 두 플랫폼을 골라 80% 자원을 집중하고, 나머지 플랫폼에는 20% 보완 작업만 진행하는 것입니다. 이커머스라면 ChatGPT+Perplexity, 전문직 서비스라면 ChatGPT+Claude, 글로벌 B2B라면 Perplexity+Copilot 조합이 자주 추천됩니다.

여러 플랫폼이 동시에 묻는 시대의 콘텐츠 설계는 에이전틱 RAG 시대의 GEO 가이드에서 더 구체적으로 다뤘습니다.

한국 기업이 지금 해야 할 GEO 우선순위

한국 시장 현실에 맞춘 우선순위는 세 가지입니다. 첫째, 구글 SEO는 여전히 기본 인프라인데요. 네이버 점유율이 높아도 GEO 관점에서는 구글이 결정적입니다. ChatGPT·Claude·Perplexity 모두 구글 인덱싱 콘텐츠를 직간접 참조하니까요. 둘째, llms.txt와 패시지 구조화는 비용 대비 효과가 가장 큽니다. 셋째, 한국어 엔티티 정렬은 영어보다 까다롭습니다. 띄어쓰기·줄임말·외래어 표기 차이가 임베딩 거리에 영향을 줍니다.

한국 기업 GEO 90일 우선순위 로드맵

구글 가이드를 비판하지만, 그 가이드를 완전히 무시하라는 뜻은 아닙니다. 구글 가이드는 "최소한"이고, GEO 가이드는 "필요한 만큼"입니다. 한국 시장에서의 자세한 트래킹 방법은 AI 검색 성과 측정 완전 가이드를 참고해보세요.

자주 묻는 질문

구글 가이드를 그냥 무시해도 되나요?

무시하라는 뜻이 아닙니다. 구글 가이드는 검색 가시성의 최소 요건을 정리한 문서로 충실히 따르되, AI 검색 인용을 별도 목표로 두고 GEO 작업을 추가로 진행해야 한다는 의미입니다. 구글 가이드는 베이스라인, GEO는 확장 레이어로 이해하시면 됩니다.

llms.txt를 만들면 구글 검색에 부정적 영향이 있나요?

지금까지 확인된 사례 중에서는 부정적 영향이 보고되지 않았습니다. 구글이 llms.txt를 읽지 않을 뿐, 페널티를 주는 신호로 사용하는 것은 아니라는 입장을 명확히 밝혔습니다. 다만 잘못된 형식의 llms.txt가 다른 메타 파일을 덮어쓰지 않는지 배포 전 점검하는 것은 필요합니다.

청킹은 어떤 도구로 측정하나요?

오픈소스 도구로는 LangChain의 텍스트 스플리터를 직접 돌려보는 방법이 가장 직관적입니다. 상용 도구로는 GEO 전용 분석 솔루션들이 청크별 임베딩 거리를 시각화해주는 기능을 제공합니다. 지오랭크는 자체 청크 인덱서를 운영합니다.

"AI를 위한 글쓰기"가 결국 자연스러움을 해치지 않나요?

이 우려는 정당합니다. 그래서 지오랭크가 권하는 비율(정의 15%·통계 20%·사례 30%·설명 30%·의견 5%)을 지키는 것이 중요합니다. 모든 문장을 통계로 채우면 인용률은 오를지 몰라도 인간 독자가 떠납니다. 균형이 핵심입니다.

한국어 GEO에서 가장 흔한 실수는 무엇인가요?

세 가지가 가장 자주 나옵니다. 첫째, 띄어쓰기 변형을 통일하지 않고 본문에 혼용. 둘째, 외래어 표기(예: 챗GPT vs ChatGPT)를 한 페이지 안에서 섞어 씀. 셋째, 결론 문장을 단락 마지막에만 배치해 청크 인용 시 결론이 잘림. 이 세 가지만 정리해도 인용률이 눈에 띄게 올라갑니다.

더 깊이 알고 싶다면

구글 가이드 너머의 멀티플랫폼 GEO를 본격적으로 시작하려는 분들께 추천드리는 지오랭크의 가이드들입니다.

• AI 검색이 우리 브랜드를 어떻게 인식하게 만드는지 궁금하다면? — AI 검색 엔티티 최적화 완전 가이드
• ChatGPT가 여러 번 쪼개 묻는 시대의 콘텐츠 설계가 궁금하다면? — 에이전틱 RAG 시대의 GEO 가이드
• 패시지 단위 인용을 노리는 구조화가 궁금하다면? — AI 검색 청크 최적화 가이드
• GEO 성과를 어떤 지표로 추적해야 할지 막막하다면? — AI 검색 성과 측정 완전 가이드
• SEO와 GEO의 차이가 정확히 무엇인지 정리하고 싶다면? — SEO vs GEO 차이 완전 정리

지오랭크는 구글 한 곳이 아니라 ChatGPT·Perplexity·Claude·Gemini 모두에서 인용되는 콘텐츠를 만드는 일을 합니다.

참조논문

• GEO: Generative Engine Optimization
• Structural Feature Engineering for Generative Engine Optimization: How Content Structure Shapes Citation Behavior
• Diagnosing and Repairing Citation Failures in Generative Engine Optimization