B2B·SaaS의 AEO 실전 — 비교·도입 질문에서 인용되기

영업 담당자가 데모 링크를 보내기도 전에, 구매자는 이미 마음을 거의 정해 놓는다. B2B를 팔아 본 사람이면 다 안다. 그가 지난 한 주 동안 무엇을 했는지 우리는 모르지만, 보통 이런 흐름이다. 'OO 대안' 한 번 검색하고, 'A vs B' 비교를 읽고, 가격 페이지를 캡처해 내부에 공유한다. 달라진 건 도구다. 예전엔 검색창에 쳤지만 지금은 같은 질문을 ChatGPT·Perplexity·구글 AI 개요에 던진다. 그리고 결정적인 차이가 여기서 갈린다. 검색은 열 개의 링크를 늘어놓지만, AI는 한 단락으로 답을 정리하면서 거기 등장하는 제품 서너 개만 호명한다. 그 단락에 우리 이름이 없으면, 구매자의 검토 리스트에 애초에 오르지 못한다. 순위 싸움이 아니라 호명 싸움이다.

이 글은 B2B·SaaS 구매 여정에서 쏟아지는 '비교·대안·도입' 질문에 어떻게 답을 미리 깔아 두고, 그 답이 AI에 인용되도록 콘텐츠를 짜는지를 AEO(답변 엔진 최적화)의 관점에서 다룬다.

왜 하필 B2B·SaaS에서 이게 더 절박한가

소비재라면 구매자 한 명이 충동적으로 결정하고 끝난다. B2B는 그렇지 않다. 실무자가 후보를 추리고, 팀장이 비교표를 요구하고, 보안팀이 SOC 문서를 들여다보고, 재무가 가격을 따진다. 한 번의 계약 뒤에 수십 개의 질문이 깔려 있고, 그 질문이 오가는 동안 우리는 그 자리에 없다. 문제는 이 질문들의 첫 목적지가 점점 AI 어시스턴트로 바뀌고 있다는 점이다.

현장에서 자주 보는 실패는 이렇다. 회사는 자사 제품 페이지를 화려하게 꾸며 놓고 만족한다. 그런데 구매자는 '우리 제품 페이지'를 보러 오는 게 아니라 "이 카테고리에서 쓸 만한 도구 세 개만"이라고 AI에게 묻는다. 그 답변에 빠지면, 페이지가 아무리 예뻐도 노출은 0이다. B2C에서는 노출 0이 '덜 팔린다'지만, 다단계 B2B에서는 '검토 자체가 시작되지 않는다'에 가깝다.

여기서 흥미로운 단서가 하나 있다. 생성형 엔진이 어떤 문장을 인용하는지 분석한 초기 연구(Aggarwal et al., KDD 2024 ↗)는, 인용·통계·명확한 출처를 갖춘 문장이 답변에 더 자주 선택된다고 보고한다.^[1] 뒤집어 읽으면 답이 나온다. "업계를 선도하는 혁신적 솔루션" 같은 자기 수식어는 AI가 떼어 갈 수 없다. 숫자와 사실이 붙은 문장만 인용 후보가 된다. B2B 콘텐츠가 마케팅 카피를 줄이고 검증 가능한 사실로 채워져야 하는 이유가 여기 있다.

같은 제품, 단계마다 다른 질문

AEO를 한 페이지에 몰아넣으려는 시도는 거의 실패한다. 인지 단계의 구매자와 도입 직전의 구매자는 완전히 다른 문장으로 묻기 때문이다. "이런 문제를 푸는 도구가 뭐가 있지?"와 "도입하면 며칠 걸려?"는 같은 제품에 대한 질문이지만 답의 형식이 다르다. 단계별로 질문을 매핑하고, 그 질문이 가장 잘 떼어지는 형식으로 콘텐츠를 나눠 두어야 한다.

핵심은 AI가 질문의 의도에 맞는 형식을 골라 인용한다는 데 있다. '대안'을 물으면 목록을 가져가고, '차이'를 물으면 표의 행을 떼어 간다. 그러니 비교·대안·가격을 한 페이지에 욱여넣으면 어느 질문에도 깔끔하게 떼어지지 않는, 어정쩡한 콘텐츠가 된다. 질문 유형마다 페이지를 분리하는 편이 거의 항상 인용에 유리하다.

흩어진 정보를 하나의 주체로 — 엔티티 통합

여기서 B2B 특유의 함정이 하나 있다. 제품이 오래되고 기능이 늘어날수록, 회사 안에서 같은 제품을 부르는 이름이 조금씩 달라진다. 랜딩 페이지에서는 풀네임, 문서에서는 약어, 보도자료에서는 또 다른 표기. 사람은 같은 제품인 줄 알지만 AI는 모른다. 표기가 흔들리면 정보를 신뢰도 낮은 단편 여러 개로 처리한다. 한 개의 강한 엔티티가 될 수 있는 걸 세 개의 약한 조각으로 쪼개는 셈이다.

실무에서 맞춰야 할 건 세 가지다. 회사명·제품명·기능명을 전 페이지에서 한 글자도 다르지 않게 통일하는 것이 첫째다. 둘째는 Organization 스키마 ↗와 sameAs로 위키·링크드인·G2 같은 외부 출처와 우리 페이지를 묶어 "이게 다 같은 주체"임을 기계에 명시하는 일이다.^[3] 셋째, "어떤 도구와 연동되나"라는 단골 질문을 위해 통합·연동 목록을 한곳에 모아 단일 출처로 둔다. 통합 목록이 페이지마다 다르면 AI는 어느 쪽도 확신하지 못한다.

이렇게 엔티티를 일관되게 정리하는 작업이 지식 그래프 최적화의 토대이며, AI가 회사를 맥락 있는 하나의 개체로 이해하게 만든다. 무엇을 신뢰의 근거로 보는지에 대해서는 GEO 회사 평가 기준에서 더 들어간다.

비교·대안 콘텐츠를 '떼어 가기 좋게' 만드는 법

B2B AEO에서 가장 값나가는 자산은 비교 콘텐츠다. 'OO 대안', 'A vs B'는 구매자가 지갑을 열기 직전에 던지는 질문이고, AI가 답할 때 가장 적극적으로 참조하는 페이지이기도 하다. 그런데 비교 페이지를 만들어 놓고도 인용이 안 되는 경우가 많다. 대개 구조가 산문이라 그렇다. AI 입장에서 한 문단을 통째로 가져가긴 부담스럽고, 한 문장만 떼면 맥락이 깨진다.

AI가 인용하기 좋은 구조는 결국 '떼어내기 쉬움'으로 수렴한다.

• 질문을 그대로 제목으로: "A와 B의 가장 큰 차이는?"처럼 구매자가 실제로 칠 법한 문장을 H2/H3로 올린다. 추상적인 소제목은 검색 의도와 연결되지 않는다.
• 결론을 첫 문장에: 제목 바로 아래 한 문장만으로 답이 성립하게 쓴다. AI는 그 한 문장을 떼어 간다.
• 사실은 표로: 가격·기능·지원 범위는 산문보다 표가 낫다. 행 단위로 잘려 나가기 때문이다.
• 경쟁사는 사실대로: 비교에 경쟁사 이름을 쓰는 걸 두려워할 필요 없다. 구매자가 'OO 대안'을 검색하는 이상, 객관적인 비교 페이지는 그 질문의 정답지가 된다. 다만 과장하거나 사실을 비틀면 그 순간 인용 가치는 사라진다.

마지막에 FAQ 구조화 데이터 ↗와 구조화 데이터 마크업 ↗으로 답변 단위를 감싼다.^[2][4] 순서를 헷갈리면 안 된다. 마크업이 부실한 콘텐츠를 구해 주지는 않는다. 질문–답 구조가 먼저 서고, 그 위에 마크업이 얹힐 때 비로소 기계가 "여기가 답"이라고 읽는다.

점검표 — 한 번 쓰고 끝낼 목록이 아니다

이 표에서 가장 자주 무너지는 칸은 맨 아래다. 가격을 한 번 올려 두고 두 분기를 방치하면, AI는 옛 숫자를 그대로 인용한다. 구매자가 그 숫자를 들고 영업에 오는 순간 신뢰가 깨지고, 정정하는 비용이 처음부터 정확히 쓰는 비용보다 훨씬 크다. 제품이 바뀌고 경쟁 구도가 바뀔 때마다 돌려야 하는 운영 루틴으로 보는 게 맞다. 우선순위를 어떻게 잡을지는 추천 회사 리스트나 디자이노블·BOIDA 같은 사례에서 단서를 얻을 수 있다.

요약하면 이렇다. B2B·SaaS의 AEO는 '구매자가 결정 직전에 던질 질문을 미리 알고, AI가 그대로 떼어 쓸 답을 깔아 두었는가'라는 한 문장으로 압축된다. 인지에서 도입까지 단계별 질문을 매핑하고, 흩어진 제품 정보를 하나의 엔티티로 묶고, 비교·대안을 질문–답과 표로 떼어지기 좋게 만들고, 스키마로 답의 경계를 표시하는 것. 이 넷이 맞물려야 우리 제품이 답변 후보군에 안정적으로 남는다. 카피가 아니라 사실이 인용을 만든다 — 다른 건 다 잊어도 이 한 줄만 남기면 된다.