AI가 브랜드를 추천하게 만드는 법: 토픽 기반 GEO 콘텐츠 전략

AI 추천은 프롬프트가 아니라 콘텐츠가 만듭니다

AI 검색에서 챗GPT나 퍼플렉시티가 특정 브랜드를 추천하는 결정적인 이유는 llms.txt 파일이나 구조화된 헤딩 같은 사이트 안의 잔기술이 아니라, 그 브랜드를 둘러싼 콘텐츠의 총량과 깊이입니다. 프롬프트 하나하나를 노리는 방식은 무너지기 쉽습니다. LLM이 사용자마다 다른 맥락으로 답을 만들기 때문입니다. 그래서 지오랭크는 개별 프롬프트가 아니라 하나의 토픽 전면을 콘텐츠로 덮는 "토픽 기반 GEO"를 권합니다. 이 글은 그 전략의 원리와 6단계 실행법, 그리고 지오랭크가 겪은 시행착오까지 정리했습니다.

목차

• AI 추천은 프롬프트가 아니라 콘텐츠가 만듭니다
• 지오랭크는 토픽 기반 GEO로 무엇을 배웠나?
• 토픽 기반 GEO란 무엇일까?
• 토픽 기반 콘텐츠는 어떻게 쌓을까?
• 토픽 기반 GEO는 정말 효과가 있을까?
• 토픽 기반 GEO 자주 묻는 질문
• 함께 보면 좋은 지오랭크 콘텐츠

지오랭크는 토픽 기반 GEO로 무엇을 배웠나?

지오랭크가 초기에 저지른 가장 큰 실수는 "AI가 자주 던지는 질문" 목록을 뽑아 그 프롬프트마다 짧은 답변 콘텐츠를 찍어낸 것이었습니다. 처음 몇 주는 노출이 잡히는 듯했지만, 두 달이 지나자 순위가 들쭉날쭉해졌습니다. 같은 질문을 다르게 물으면 브랜드가 통째로 사라졌습니다.

한 B2B SaaS 고객사(익명, E사)의 사례가 전환점이었습니다. E사는 경쟁사 대비 도메인 권위도 낮고 백링크도 적었는데, 프롬프트 저격 콘텐츠 40여 개를 만들고도 챗GPT 추천에서 계속 밀렸습니다. 지오랭크는 접근을 바꿔, E사 제품이 등장할 수 있는 모든 맥락(카테고리 비교, 경쟁사 대안, 사용 사례, 페르소나, 페인포인트)을 지도로 그린 뒤 각 맥락을 깊이 있는 콘텐츠로 채웠습니다. 약 4개월 뒤 E사는 챗GPT-퍼플렉시티-구글 AI 개요를 합쳐 하단 퍼널 프롬프트 50여 개에서 언급되기 시작했습니다.

반대로 실패한 사례도 있었습니다. 한 커머스 고객(F사)은 토픽 지도까지는 잘 그렸지만, 콘텐츠를 여전히 "입문자용 개요" 수준으로 얕게 써서 6개월간 추천 점유가 거의 늘지 않았습니다. 같은 토픽이라도 콘텐츠의 깊이가 없으면 LLM이 추천 근거를 못 찾는다는 걸 이때 배웠습니다. 결국 핵심은 개수가 아니라, 실제 상담에서 오갈 법한 구체성이었습니다.

E사와 F사의 차이를 한 문장으로 요약하면 이렇습니다. E사는 "이 제품이 나에게 맞는가"를 고민하는 사람이 마지막에 확인하고 싶어 하는 정보를 콘텐츠로 남겼고, F사는 "이 제품이 무엇인가"를 설명하는 데서 멈췄습니다. AI가 참고하는 콘텐츠는 후자가 아니라 전자입니다. 지오랭크가 여러 프로젝트를 거치며 확인한 건, LLM이 결국 사람 상담원과 비슷하게 움직인다는 점이었습니다. 얕고 일반적인 소개글은 추천의 근거가 되지 못하고, 구체적인 조건과 비교와 한계까지 담은 콘텐츠라야 "이 상황이라면 이 브랜드"라는 연결이 만들어집니다. 그래서 지오랭크는 지금도 신규 고객에게 "프롬프트 몇 개를 잡을까요"가 아니라 "어떤 토픽의 주인이 되고 싶으세요"를 먼저 묻습니다.

토픽 기반 GEO란 무엇일까?

토픽 기반 GEO는 "LLM이 우리 제품을 추천하는 데 필요한 모든 것을 가르치는 콘텐츠의 집합"을 만드는 전략입니다. 프롬프트 한 개를 노리는 대신, 그 제품이 추천될 수 있는 토픽 전면을 콘텐츠로 덮는 방식이죠. AI 검색은 사용자 맥락에 따라 답이 달라지기 때문에, 특정 질문 하나를 맞추는 것보다 토픽 전체의 밀도를 높이는 편이 훨씬 안정적입니다.

전통 SEO와 토픽 기반 GEO를 비교하면 차이가 분명해집니다.

토픽 기반 GEO를 시작하는 이용 방법은 다음 순서를 따릅니다.

1. 제품이 추천될 수 있는 토픽을 카테고리-경쟁사-사용사례-페르소나-페인포인트로 나눠 지도화합니다.
2. 영업-지원-제품 팀을 인터뷰해 실제 고객 언어와 차별점을 콘텐츠 재료로 확보합니다.
3. 입문 수준이 아니라 "상담 깊이"의 콘텐츠를 씁니다.
4. "베스트 카테고리", "경쟁사 대안" 같은 하단 퍼널 키워드를 함께 노립니다.
5. 문제-해결 서사를 담은 사례 콘텐츠로 LLM이 유사 질문과 연결하게 돕습니다.
6. 프롬프트 단위가 아니라 토픽 단위로 가시성을 추적합니다.

이 여섯 가지를 한꺼번에 완벽히 할 필요는 없습니다. 지오랭크가 권하는 방식은, 가장 전환이 급한 토픽 한두 개를 먼저 골라 그 안을 깊게 파고, 성과가 확인되면 인접토픽으로 넓혀가는 것입니다. 처음부터 모든 토픽을 얕게 건드리면 어느 것도 추천 근거가 되지 못합니다. 좁게 시작해 깊게 파고, 그 다음에 넓히는 순서가 콘텐츠 자원을 가장 효율적으로 쓰는 길입니다.

토픽 기반 콘텐츠는 어떻게 쌓을까?

토픽 기반 콘텐츠의 뼈대는 "우리 제품이 등장할 법한 대화를 전부 상상하고, 그 대화마다 답이 되는 콘텐츠를 미리 깔아 두는 것"입니다. 아래 6단계를 순서대로 밟으면 됩니다.

첫째, 토픽 지도를 넓게 그립니다. 카테고리(우리가 속한 제품군), 경쟁사(대안으로 거론되는 브랜드), 사용 사례(고객이 실제로 푸는 문제), 페르소나(누가 쓰는가), 페인포인트(무엇이 아픈가)를 축으로 삼아 콘텐츠가 필요한 칸을 채웁니다. 이 지도가 부실하면 이후 콘텐츠가 아무리 좋아도 커버리지에 구멍이 남습니다.

둘째, 고객 접점 팀을 인터뷰합니다. 영업이 실제로 듣는 반론, 지원팀에 가장 많이 들어오는 질문, 제품팀이 아는 숨은 기능은 검색으로는 안 나오는 1차 자료입니다. 이 재료가 콘텐츠의 구체성을 만듭니다.

셋째, "판매 깊이"로 씁니다. AI 검색 시대의 콘텐츠는 초보자 눈높이가 아니라, 이미 문제를 아는 사람이 마지막 결정을 내릴 때 필요한 깊이여야 합니다. 상세 기능 설명, 스크린샷, 구체적 시나리오가 들어가야 LLM이 추천 근거를 확보합니다.

넷째, 하단 퍼널 키워드를 함께 잡습니다. "베스트 OO", "OO 대안", "OO vs OO" 같은 질의는 구매 직전 검색이라 AI 추천 전환율이 높습니다. 전통 검색 순위와 AI 추천이 이 지점에서 겹칩니다.

다섯째, 사례 콘텐츠를 쌓습니다. 특정 고객이 어떤 문제를 어떻게 풀었는지를 서사로 남기면, LLM은 비슷한 상황의 사용자 질문에 그 사례를 끌어옵니다.

여섯째, 토픽 단위로 측정합니다. 프롬프트 하나의 순위에 일희일비하지 말고, 하나의 토픽에서 우리가 몇 퍼센트의 대화에 등장하는지를 봐야 합니다. 단일 브랜드 가시성 숫자 하나로 뭉뚱그리면 어느 토픽이 강하고 어느 토픽이 비어 있는지 보이지 않습니다. 토픽별로 쪼개서 봐야 다음에 어떤 콘텐츠를 채울지가 명확해집니다.

이 여섯 단계에서 지오랭크가 가장 강조하는 건 두세 번째, 즉 인터뷰와 판매 깊이입니다. 대부분의 브랜드는 토픽 지도까지는 어렵지 않게 그리지만, 정작 콘텐츠를 쓸 때 다시 검색으로 조사한 일반론으로 되돌아갑니다. 그러면 경쟁사 콘텐츠와 구분되지 않고, LLM도 굳이 우리를 고를 이유가 없습니다. 반면 영업 통화에서 실제로 오간 반론, 지원 티켓에 반복해서 올라오는 불만, 제품팀만 아는 설정값 같은 1차 정보는 어디에도 없는 콘텐츠를 만듭니다. 이런 콘텐츠가 쌓일수록 AI는 우리 브랜드를 특정 상황의 정답으로 인식하기 시작합니다.

각 단계에 드는 노력과 효과를 비교하면 우선순위를 잡기 쉽습니다.

토픽 기반 GEO는 정말 효과가 있을까?

토픽 기반 GEO의 효과는 "얼마나 많은 콘텐츠를 찍었나"가 아니라 "얼마나 깊고 넓게 토픽을 덮었나"에서 갈립니다. 지오랭크가 1년간 관측한 데이터에서도 이 패턴은 반복됐습니다.

앞서 언급한 E사는 도메인 권위 80 이상, 백링크 수천 개, 업력 수십 년의 대형 경쟁사들과 겨뤘습니다. 온사이트 잔기술로는 이길 수 없는 조건이었죠. 그런데 하단 퍼널 프롬프트 50여 개에서 언급을 확보한 동력은 링크가 아니라, 사용자 페인포인트에 정확히 대응하는 깊은 콘텐츠였습니다. 지오랭크 내부 집계로는 토픽 커버리지를 60% 이상 채운 고객군이 30% 미만 고객군보다 AI 추천 등장 빈도가 평균 2.4배 높았습니다.

또 다른 고객(엔터프라이즈 혁신관리 SW, 익명 G사)은 아이디어 크라우드소싱, 검증, 기술 스카우팅 등 여러 사용 사례별로 콘텐츠를 쌓아, SEO 트래픽과 AI 검색 가시성을 동시에 끌어올렸습니다. 한 토픽에 콘텐츠가 3~5개 이상 누적됐을 때부터 AI 추천 인용이 눈에 띄게 붙기 시작한 것도 공통된 관찰입니다.

숫자로만 보면 오해하기 쉬운 지점도 있습니다. 콘텐츠를 100개 찍은 브랜드가 20개 쓴 브랜드보다 무조건 유리한 게 아닙니다. 지오랭크가 본 데이터에서 추천 빈도를 가른 변수는 콘텐츠 "개수"가 아니라, 하나의 토픽 안에서 서로 다른 각도를 몇 개나 촘촘히 메웠는지였습니다. 예를 들어 같은 제품이라도 "가격 비교", "도입 절차", "경쟁사 대안", "실패 사례", "규제 대응"처럼 각도를 나눠 콘텐츠를 쌓은 쪽이, 같은 주제를 살짝 바꿔가며 반복한 쪽보다 훨씬 넓은 질문에 걸렸습니다. AI 검색은 표현이 조금만 달라져도 다른 콘텐츠를 참고하기 때문입니다.

다만 한계도 분명합니다. 토픽 기반 GEO는 즉효약이 아니라 2~6개월이 걸리는 누적 게임입니다. 콘텐츠 depth가 부족하면 아무리 많은 토픽을 건드려도 추천으로 이어지지 않고, 반대로 depth만 있고 커버리지가 좁으면 특정 질문에만 반응합니다. 지오랭크의 경우 depth와 커버리지 중 하나만 있는 프로젝트는대부분 6개월 안에 성과가 정체됐습니다. 결국 콘텐츠의 넓이와 깊이를 동시에 밀어야 한다는 뜻입니다. llms.txt나 헤딩 구조 같은 기술 요소가 무의미한 건 아니지만, 그것만으로 추천이 만들어진다는 기대는 접는 편이 낫습니다. 기술은 콘텐츠가 잘 읽히도록 돕는 조미료일 뿐, 재료 자체는 아닙니다.

지오랭크가 이 글에서 전하고 싶은 결론은 단순합니다. AI 검색에서 브랜드를 추천받고 싶다면, 사이트 설정을 만지기 전에 먼저 "우리가 어떤 토픽의 주인인가"를 콘텐츠로 증명해야 합니다. 그 증명이 쌓이는 순간부터 AI는 사용자 질문에 우리를 자연스럽게 끌어옵니다. 지오랭크는 바로 그 토픽별 콘텐츠 설계와 측정을 함께 돕고 있습니다.

토픽 기반 GEO 자주 묻는 질문

토픽 기반 GEO와 기존 GEO는 무엇이 다른가요?

기존 GEO 논의가 개별 프롬프트나 사이트 내 기술 요소(llms.txt, 스키마 등)에 집중했다면, 토픽 기반 GEO는 하나의 토픽 전면을 깊고 넓은 콘텐츠로 덮는 전략입니다. LLM이 사용자마다 다른 맥락으로 답하기 때문에, 질문 하나가 아니라 토픽 전체의 밀도를 높이는 게 핵심입니다.

콘텐츠가 몇 개나 있어야 효과가 나나요?

정해진 숫자는 없지만, 지오랭크 관측으로는 한 토픽에 3~5개 이상의 깊은 콘텐츠가 누적됐을 때부터 AI 추천 인용이 눈에 띄게 붙었습니다. 다만 얕은 콘텐츠 10개보다 깊은 콘텐츠 3개가 낫습니다. 개수보다 depth와 구체성이 우선입니다.

llms.txt 같은 기술 세팅은 안 해도 되나요?

해서 나쁠 건 없지만, 그것만으로 AI 추천이 만들어지지는 않습니다. LLM은 브랜드를 사용자 페인포인트와 연결할 근거를 콘텐츠에서 찾습니다. 기술 세팅은 보조 수단이고, 중심은 언제나 콘텐츠의 넓이와 깊이입니다.

성과는 어떻게 측정하나요?

프롬프트 하나의 순위가 아니라 토픽 단위 가시성으로 봐야 합니다. 특정 토픽과 관련된 여러 질문 중 우리가 몇 퍼센트의 대화에 등장하는지를 추적하는 방식입니다. 단일 브랜드 가시성 퍼센트 하나로 뭉뚱그리면 어느 토픽이 약한지 보이지 않습니다.

작은 브랜드도 대형 경쟁사를 이길 수 있나요?

가능합니다. 도메인 권위나 백링크가 부족해도, 사용자 페인포인트에 정확히 대응하는 깊은 콘텐츠를 토픽 전면에 깔면 하단 퍼널 프롬프트에서 대형 브랜드를 제칠 수 있습니다. 실제로 지오랭크는 권위 80 이상 경쟁사들 사이에서 소규모 브랜드가 50여 개 프롬프트에 등장한 사례를 확인했습니다.

함께 보면 좋은 지오랭크 콘텐츠

• AI가 브랜드를 추천은 하는데 정작 판매로 안 이어지는 이유가 궁금하시다면? AI 검색에 인용됐는데 왜 안 팔릴까? 전환까지 잡는 GEO 전략
• 우리 브랜드가 특정 토픽의 주인으로 인식되게 만드는 원리가 궁금하시다면? AI 검색에서 브랜드가 밀리는 이유: LLM 엔티티 갭과 토픽 오너십 전략
• AI 검색이 콘텐츠를 어떤 단계로 거르는지 그 내부 원리가 궁금하시다면? 에이전틱 RAG란? AI 검색이 콘텐츠를 5번 거르는 원리와 GEO 전략