GEO·AEO 용어집 — 핵심 용어 정의 모음

GEO 용어와 AEO 뜻을 한 곳에 정리한 용어집. GEO·AEO·SEO·LLM·생성형 엔진·인용·엔티티·구조화 데이터·llms.txt·AI Overviews·RAG·할루시네이션·Anti-GEO를 1~2문장으로 짧고 분명하게 정의한다.

Mia HanContent·AEO 에디터발행 2026년 05월 21일

핵심 요약

GEO는 생성형 엔진이 합성한 답변 안에 인용·언급되도록 콘텐츠를 최적화하는 작업이고, AEO는 발췌형 단일 답변(스니펫·음성)에 선택되도록 하는 작업이다.
SEO는 검색 결과의 순위, AEO는 추출형 답변의 발췌, GEO는 생성형 답변의 인용을 노린다. 세 용어는 대체가 아니라 등장 순서가 다른 누적 계보다.
인용·엔티티·구조화 데이터·llms.txt는 'AI가 콘텐츠를 읽고 신뢰하고 인용하기 쉽게' 만드는 토대 용어로, GEO·AEO 실무의 핵심 어휘다.
RAG는 외부 문서를 검색해 답변에 반영하는 구조이고, 할루시네이션은 근거 없는 사실을 그럴듯하게 생성하는 오류다. 둘 다 인용 가능한 콘텐츠가 왜 중요한지를 설명한다.
Anti-GEO는 가시성을 깎아먹는 역효과 패턴을 뜻하며, 키워드 남용·근거 없는 과장·구조 없는 장문 등이 여기에 해당한다.

생성형 검색을 공부하다 보면 GEO·AEO·LLM·RAG·llms.txt처럼 약어가 한꺼번에 쏟아진다. "GEO 용어를 한 번에 정리해 달라", "AEO 뜻이 정확히 뭐냐"는 질문이 끊이지 않는 이유는, 비슷해 보이는 용어들이 무대와 목적에 따라 미묘하게 갈라지기 때문이다. 이 글은 그 핵심 용어를 1~2문장으로 짧고 분명하게 정의한 용어집이다. 개념끼리 어떻게 연결되는지는 GEO란 무엇인가와 AEO란 무엇인가에서, 계보 전체는 AEO·GEO·SEO 용어 계보에서 이어 볼 수 있다.

무대를 가리키는 용어 — GEO·AEO·SEO

가장 자주 혼동되는 세 약어다. 셋의 차이는 콘텐츠가 보여지는 무대에 있다. 검색 결과가 '링크 목록 → 발췌 답변 → 합성 답변'으로 진화하면서, 각 무대를 겨냥하는 최적화 개념이 차례로 더해졌다.

SEO(Search Engine Optimization, 검색 엔진 최적화): 검색 엔진이 만드는 결과 페이지에서 더 높은 순위에 노출되도록 하는 작업. 가장 오래되고 범위가 넓다.
AEO(Answer Engine Optimization, 답변 엔진 최적화): 강조 스니펫·음성 비서처럼 기존 문서에서 한 조각을 발췌해 단일 답변으로 보여주는 흐름에 선택되도록 하는 작업.
GEO(Generative Engine Optimization, 생성형 검색 최적화): ChatGPT·Perplexity·AI Overviews처럼 여러 출처를 종합해 문장을 새로 생성하는 답변에 인용·언급되도록 하는 작업. GEO를 정식화한 논문은 인용·통계·출처를 더하면 생성 답변 내 가시성이 최대 40%까지 높아질 수 있다고 보고했다.^[1]

원인은 검색 인터페이스의 변화이고, 영향은 한 콘텐츠가 세 무대에 동시에 노출된다는 점이다. 그래서 토대는 공유하되 측정 지표만 무대별로 나누는 것이 합리적이다.

엔진과 기술을 가리키는 용어 — LLM·생성형 엔진·RAG·할루시네이션

GEO·AEO가 상대하는 '엔진'이 어떻게 작동하는지를 이해하려면 다음 용어가 필요하다.

용어	한 줄 정의
LLM(Large Language Model, 거대 언어 모델)	방대한 텍스트로 학습해 다음 단어를 예측하며 문장을 생성하는 모델. ChatGPT·Claude·Gemini의 핵심 엔진이다.
생성형 엔진(Generative Engine)	LLM을 기반으로 검색·합성을 결합해 사용자 질문에 합성 답변을 내놓는 시스템. Perplexity·AI Overviews가 대표적이다.
AI Overviews	Google 검색 결과 상단에 노출되는 AI 생성 요약 답변. 여러 출처를 종합해 문장과 인용 링크를 함께 제시한다.
RAG(Retrieval-Augmented Generation)	모델이 답하기 전에 외부 문서를 검색해 그 내용을 근거로 답변을 생성하는 구조. 최신·전문 정보를 반영하고 인용을 붙이는 데 쓰인다.
할루시네이션(Hallucination)	모델이 근거 없는 사실을 그럴듯하게 생성하는 오류. 검증 가능한 출처가 부족할 때 발생 가능성이 높아진다.

이 표의 RAG와 할루시네이션이 GEO 실무와 직결된다. RAG는 외부 문서를 끌어오므로 인용 가능한 콘텐츠가 있어야 답변에 반영되고, 할루시네이션은 명확한 출처를 배치할수록 줄어든다. 즉 '인용 가능성'은 가시성과 정확성 양쪽에 동시에 작용한다.

콘텐츠 토대를 가리키는 용어 — 인용·엔티티·구조화 데이터·llms.txt

생성형 엔진이 콘텐츠를 읽고, 신뢰하고, 인용하기 쉽게 만드는 토대 용어들이다.

인용(Citation): 생성 답변이 특정 출처를 근거로 표시하거나 링크로 제시하는 것. GEO의 핵심 성과 지표이며, 통계·출처·전문가 인용이 있는 콘텐츠가 유리하다.
엔티티(Entity): 사람·회사·제품처럼 식별 가능한 개체. 엔진이 브랜드를 하나의 일관된 개체로 인식하면 관련 질의에서 언급될 확률이 높아진다. Organization 스키마로 엔티티 정보를 기계가 읽게 만들 수 있다.^[4]
구조화 데이터(Structured Data): JSON-LD 같은 마크업으로 콘텐츠의 의미를 명시하는 것.^[2] 검색 엔진의 순위·발췌 판단과 생성 엔진의 인용 모두에 기여한다. FAQPage 마크업이 대표적이다.^[3]
llms.txt: 사이트가 LLM에게 핵심 콘텐츠와 위치를 정리해 안내하자는 제안 형식.^[5] 접근을 통제하는 robots.txt와 달리, '무엇을 우선 읽으면 좋은지'를 알려주는 데 초점이 있다.
추출가능성(Extractability): 콘텐츠에서 의미 단위를 떼어내도 말이 되는 정도. 핵심 정의를 앞에 두고 질문–답변·원인–영향으로 모듈화하면 발췌(AEO)와 인용(GEO) 모두에 강해진다.

크롤러와 역효과를 가리키는 용어 — 봇·Google-Extended·Anti-GEO

마지막으로, 엔진이 콘텐츠에 접근하는 통로와 피해야 할 패턴에 관한 용어다.

용어	한 줄 정의
AI 봇(GPTBot 등)	OpenAI 등 AI 사업자가 학습·검색용으로 운영하는 크롤러. robots.txt로 허용·차단을 설정한다.
Google-Extended	Google이 생성형 AI 학습 반영 여부를 사이트가 제어하도록 제공하는 크롤러 제어 토큰.^[6] 일반 검색 색인과 분리해 설정한다.
Anti-GEO	가시성을 오히려 떨어뜨리는 역효과 패턴. 키워드 남용, 근거 없는 과장, 구조 없는 장문, 출처 없는 주장 등이 해당한다.

봇 접근을 차단하면 콘텐츠가 학습·검색 대상에서 빠질 수 있으므로, 노출을 원한다면 접근 정책을 의식적으로 설계해야 한다. Anti-GEO는 그 반대 방향의 함정으로, '많이 쓰면 유리하다'는 오해가 부르는 역효과를 경계하라는 뜻이다.

정리

GEO·AEO 용어집의 핵심은 무대·엔진·토대·접근이라는 네 묶음으로 어휘를 나눠 보는 것이다. GEO·AEO·SEO는 콘텐츠가 보이는 무대를 가리키고, LLM·생성형 엔진·RAG·할루시네이션은 그 무대를 운영하는 엔진의 작동을, 인용·엔티티·구조화 데이터·llms.txt·추출가능성은 인용되기 쉬운 콘텐츠의 토대를, 봇·Google-Extended·Anti-GEO는 접근 통로와 역효과를 설명한다. AEO 뜻을 한마디로 줄이면 '발췌형 답변에 선택되기'이고, GEO는 '생성형 답변에 인용되기'다. 용어를 이렇게 묶어 두면 새로운 도구나 개념이 등장해도 어느 칸에 들어가는지 빠르게 분류할 수 있다.

자주 묻는 질문

Q.GEO와 AEO의 차이를 한 문장으로 말하면?

GEO는 ChatGPT·Perplexity처럼 여러 출처를 종합해 문장을 새로 생성하는 답변에 인용되도록 하는 작업이고, AEO는 강조 스니펫·음성 비서처럼 기존 문서에서 한 조각을 발췌해 보여주는 단일 답변에 선택되도록 하는 작업입니다. 무대가 '생성형 합성 답변'이냐 '추출형 단일 답변'이냐가 핵심 차이입니다.

Q.llms.txt는 robots.txt와 같은 건가요?

역할이 다릅니다. robots.txt는 크롤러의 접근 허용·차단을 지시하는 표준이고, llms.txt는 사이트가 LLM에게 핵심 콘텐츠와 그 위치를 정리해 제시하자는 제안 형식입니다. llms.txt는 접근 통제가 아니라 '무엇을 우선 읽으면 좋은지'를 안내하는 데 초점이 있습니다.

Q.구조화 데이터가 GEO에도 도움이 되나요?

도움이 됩니다. JSON-LD 같은 구조화 데이터는 검색 엔진이 의미를 이해해 순위·발췌를 판단하는 데 쓰이고, 명확하게 구조화된 사실은 생성형 엔진이 인용하기에도 유리합니다. 특히 FAQPage·Organization 마크업은 질문–답변과 엔티티 정보를 기계가 읽기 쉬운 형태로 노출시킵니다.

Q.할루시네이션과 GEO는 무슨 관계인가요?

할루시네이션은 LLM이 근거 없는 내용을 그럴듯하게 생성하는 오류입니다. 인용 가능한 명확한 출처와 사실을 콘텐츠에 배치하면, 엔진이 추측 대신 검증된 근거를 참조할 가능성이 높아져 잘못된 인용을 줄이는 데 기여합니다. GEO가 '인용 가능성'을 강조하는 이유 중 하나입니다.

Q.Anti-GEO는 무엇을 피하라는 뜻인가요?

가시성을 오히려 떨어뜨리는 역효과 패턴을 가리킵니다. 키워드 반복 남용, 근거 없는 과장, 구조 없이 늘어진 장문, 출처 없는 주장 등이 대표적입니다. 생성형 엔진은 신뢰도와 추출가능성을 함께 보기 때문에, 이런 패턴은 인용 확률을 낮춥니다.

출처 및 참고 자료

GEO란 무엇인가 — 생성형 검색 최적화의 정의와 SEO와의 차이GEO(생성형 검색 최적화)는 ChatGPT·Perplexity 같은 생성형 엔진의 답변에 콘텐츠가 인용되도록 만드는 전략입니다. 정의, SEO와의 차이, 작동 원리를 정리합니다.
AEO란 무엇인가 — 답변 엔진 최적화와 GEO의 관계AEO(답변 엔진 최적화)는 검색이 '답변'을 돌려주는 시대의 최적화 개념입니다. 정의, GEO와의 관계, 실무 적용법을 구조화 데이터·FAQ 관점에서 정리합니다.
AEO·GEO·SEO 용어 계보 완전 정리 — 무엇이 겹치고 어디서 갈라지나SEO, AEO, GEO는 등장 순서가 다른 검색 최적화 용어다. AEO vs GEO 차이와 AEO GEO SEO 차이를 정의·무대·성공 신호·실행까지 한 페이지에서 비교표로 완결한다.

이 문서는 2026년 05월 21일에 마지막으로 편집되었습니다. WikiAP의 콘텐츠는 공개된 출처를 근거로 작성되며, 정확성을 위해 지속적으로 갱신됩니다.