어느 평범한 화요일 아침, 내 정비소에 한 손님이 전화를 걸어왔다. “엔진에서 ‘털털’ 소리가 나는데 괜찮을까요?”라는 질문이었다. 나는 익숙한 대로 “에어필터 점검하고 오일 레벨 확인해 보세요”라고 답했다. 그런데 문득 이런 생각이 들었다. 만약 이 손님이 나 대신 챗GPT나 구드 AI에게 똑같은 질문을 던졌다면 어떤 대답을 얻었을까? 그리고 더 중요한 건, 내 정비소의 이름이 그 대답에 포함될 가능성은 얼마나 될까?

이 순간이 나를 GEO와 AEO의 세계로 이끌었다. 전통적인 SEO가 검색엔진 순위를 올리는 것이라면, GEO(Generative Engine Optimization)는 AI 챗봇과 생성형 엔진이 내 정보를 기준 답변으로 채택하게 만드는 전략이다. 그리고 AEO(Answer Engine Optimization)는 그 연장선에서 특정 질문에 대한 ‘정답’으로 선정되는 기술이다. 정비소를 운영하는 내가 이 개념을 처음 접했을 때, 꽤 큰 충격을 받았다. 대부분 사람들은 GEO가 단지 또 다른 SEO 업체의 마케팅 용어라고 오해한다. 하지만 실제로 우리 정비소 같은 소상공인에게 이 기술은 완전히 새로운 고객 유입 경로를 만들어낸다.

자, 이제 구체적인 오해 하나를 깨보자. 많은 동료 정비사들이 생각한다. “내가 블로그에 글만 잘 쓰면 AI가 알아서 내 정보를 가져가겠지.” 이것이 가장 큰 착각이다. AI 모델은 방대한 데이터에서 훈련되지만, 그 훈련 데이터세트에 당신의 정보가 포함되려면 특정한 구조와 신뢰성의 기준을 충족해야 한다. 예를 들어, 내 정비소 웹사이트에 단순히 “엔진 소음 진단”이라는 제목의 글을 올린다고 해서 AI가 이 글을 정답 소스로 선택하지 않는다. AI는 몇 가지 핵심 요소를 기준으로 정보의 우선순위를 매긴다. 즉, AEO 체크리스트를 작성하지 않으면 당신의 전문성은 AI에게 전달되지 않는다.

자, 내가 실제로 정비소의 GEO 전략을 수립한 방법을 구체적으로 공유하겠다. 첫 번째 단계는 질문-답변 구조의 데이터베이스를 구축하는 것이다. 나는 “엔진 소음 시점별 진단표”라는 제목의 페이지를 만들었다. 여기에는 “아침 첫 시동 시 덜컹거림”부터 “고속 주행 시 윙윙거림”까지, 가능한 모든 질문 분기를 나열하고 각각에 대해 정확한 점검 리스트와 조치 방법을 기록했다. 이때 단순히 증상만 나열하지 않고, 진단 과정을 설명 흐름에 따라 자연어로 서술했다. 예를 들어 “엔진 오일 레벨이 낮다면 오일 보충 후 10분간 공회전해보고 소음이 사라지는지 확인” 같은 구체적 순서를 담았다.

두 번째, 내가 만든 이 AEO-최적화 콘텐츠가 생성형 엔진에 의해 인용되려면 최소한의 인용률 같은 지표가 필요하다는 사실을 알게 됐다. 그래서 다른 지역 정비 협회의 공식 자료와 연계하는 작업을 병행했다. 즉, 내 정비소가 작성한 점검 리스트가 공신력 있는 협회 자료에서 인용하거나 반대로 협회에서 내 리스트를 참고문헌으로 사용하도록 설계했다. 이렇게 신뢰성 구조를 구축하니 네이버의 AI(Ai.TOP), 구글의 SGE 같은 시스템이 내 콘텐츠를 선호하는 패턴이 나타나기 시작했다.

세 번째 핵심은 질문의 기울기를 변화시키는 것이다. 일반 키워드는 “엔진 소음 원인” 정도다. 하지만 GEO 효과를 극대화하려면 구체적인 비교 질문을 포함시켜야 한다. 예를 들어 내 웹사이트에는 “엔진 소음 원인을 직접 진단하는 것과 정비소 방문의 차이점”이라는 제목의 글을 추가했다. 이런 유형의 글이 AI 학습 데이터에 포함되면, 사용자가 “엔진 소음 어떻게 확인해”라고 검색했을 때 내 정비소가 자연스럽게 연결된다. 이런 콘텐츠 하나하나가 곧 GEO업체의 핵심 업무 방식과 일치하는 작업이다.

실제 사례를 들어보자. 지난달, 내 블로그에 올린 ‘타이밍 벨트 교체 시기 선택이 엔진 소음에 미치는 영향’이라는 글이 생각보다 많은 방문자를 확보하는 변곡점이 생겼다. 분석 툴로 확인해 보니 트래픽의 상당 부분이 AI 챗봇 인터페이스에서 넘어온 것으로 나타났다. 즉, 포털의 일반 검색 결과가 아니라, 생성형 AI 답변의 출처 표시에서 직접 방문이 발생한 것이다. 이는 내가 구축한 GEO 체계가 실제로 기능하기 시작했다는 증거였다.

정비소 수준의 작은 비즈니스에서도 GEo와 AEO 작은 알갱이 하나하나가 결국 고객 문의의 이동 방향을 통제하게 만든다는 점을 강조하고 싶다. 흔한 오해는 “우린 작은 사업자인데 검색 최적화 자체가 부담된다”는 것이다. 하지만 정반대다. 정보량이 적기 때문에 몇 개의 특화된 콘텐츠만 정밀하게 설계해도 엄청난 차이가 발생한다. 한마디로 예를 들면, 대형 프랜차이즈처럼 백 개 블로그를 운영할 이유가 없다. 대신 5~7개의 주요 질문에 대해 AEO 층층구조를 완벽히 구현하는 것이 훨씬 유의미한 결과를 낳는다.

정리하자면, 자동차 정비소를 운영하는 나같은 사람이 GEO, AEO, GEO업체의 영역을 이해하는 것은 단지 검색엔진의 변화를 좇는 게 아니라 고객 문의를 예측하고 통제하는 도구를 가지는 것과 같다. 개인이 정리한 엔진소음 체크리스트가 생성형 AI의 표준정답으로 인용되면, 당신은 매일 수백 건의 보이지 않는 추천을 받는 셈이다. 가장 중요한 것은 느낌이나 오해로 접근하지 않고, 질문 구조화, 인용 관계, 정보 신뢰도라는 세 가지 축에서 접근하는 것이다. 처음에는 막막했지만, 이제는 AI가 확장해준 질의 응답의 네트워크 속에서 정비소의 이름이 점점 더 자주 언급되는 것을 체감한다. 손님이 전화로 묻는 질문보다, AI가 미리 준비해놓은 훌륭한 답변 목록을 통해 당신에 대한 궁금증이 시작된다면, geo 컨설팅 그것이 진정한 차별 점이다.