GEO 시작하기 — 첫 30일 체크리스트

GEO를 처음 도입할 때 무엇부터 해야 할지 막막하다면, 첫 30일을 현황 측정·기술 진단·콘텐츠 개선·재측정의 4주차로 나눈 단계별 체크리스트로 정리합니다.

Ethan KohTechnical GEO 에디터발행 2026년 05월 28일

핵심 요약

GEO 도입은 한 번에 끝내는 작업이 아니라 측정→진단→개선→재측정의 순환이며, 첫 30일은 이 순환을 한 바퀴 도는 기간으로 잡는 것이 현실적이다.
1주차는 현황 측정이다. 핵심 질문(프롬프트)을 고정해 ChatGPT·Perplexity 등에 질의하고, 우리 브랜드가 답변에 등장·인용되는 비율을 기준선으로 기록한다.
2주차는 기술 진단이다. SSR 렌더링, 구조화 데이터(스키마), llms.txt, robots.txt의 AI 크롤러 허용 여부를 점검한다. AI가 읽지 못하는 페이지는 인용 후보가 될 수 없다.
3주차는 콘텐츠 구조 개선이다. 핵심 답변을 문서 앞에 배치하고, 출처·통계·정의를 명시해 AI가 인용하기 좋은 형태로 다듬는다.
4주차는 재측정이다. 1주차와 동일한 프롬프트 세트로 다시 측정해 변화를 추세로 확인하고, 다음 30일의 우선순위를 정한다.

GEO를 도입하기로 결정한 팀이 가장 먼저 부딪히는 벽은 "그래서 월요일 아침에 무엇부터 하면 되는가"라는 질문이다. GEO(생성형 검색 최적화)의 개념은 이해했지만, 막상 손에 잡히는 작업 순서가 없으면 회의만 반복되다 끝나기 쉽다. 이 글은 그 첫 한 달을 현황 측정 → 기술 진단 → 콘텐츠 개선 → 재측정의 네 주차로 나눠, 주차별로 무엇을 확인하고 무엇을 손대야 하는지 체크리스트로 정리한다.

핵심 원칙부터 짚는다. GEO는 한 번에 끝나는 캠페인이 아니라 측정으로 시작해 측정으로 닫는 순환이다. 첫 30일의 목표는 가시성을 극적으로 끌어올리는 것이 아니라, 이 순환을 한 바퀴 완주해 다음 달의 우선순위를 감이 아니라 데이터로 정하는 데 있다.

1주차 — 현황 측정: 기준선부터 만든다

문제. 대부분의 팀은 "우리가 ChatGPT 답변에 나오긴 하나"라는 질문에 숫자로 답하지 못한다. 기준선이 없으면 이후 어떤 작업이 효과가 있었는지 영원히 알 수 없다.

행동. 우리 카테고리에서 잠재 고객이 실제로 물을 법한 질문 10~20개를 고정한다. 이 프롬프트 세트를 ChatGPT·Perplexity·Gemini 같은 엔진에 직접 질의하고, 다음 세 가지를 기록한다.

등장 여부: 우리 브랜드가 답변 본문에 언급되는가
인용 여부: 출처 링크로 우리 사이트가 인용되는가
경쟁사 비교: 같은 질문에서 누가 대신 등장하는가

엔진은 같은 질문에도 매번 조금씩 다른 답을 내므로, 프롬프트마다 여러 번 반복해 평균으로 읽어야 한다. 이 방법론의 자세한 설계는 멀티엔진 측정 문서에 정리돼 있다. 첫 주는 도구 없이 손으로 해도 충분하다.

2주차 — 기술 진단: AI가 읽을 수 있는가

원인. 콘텐츠가 아무리 좋아도 AI 크롤러가 페이지를 읽지 못하면 인용 후보에서 자동 탈락한다. 이 점이 GEO와 일반 SEO의 차이를 가장 분명하게 드러내는 지점이다.

영향과 행동. 다음 네 가지를 순서대로 점검한다.

점검 항목	무엇을 확인하나	빠르게 확인하는 법
SSR 렌더링	JS 없이도 본문 텍스트가 HTML에 담기는가	브라우저에서 JS를 끄거나 페이지 소스 보기로 본문 노출 확인
구조화 데이터	Organization·FAQ 등 스키마가 적용됐는가^[2]	Google 리치 결과 테스트로 검증
llms.txt	LLM에 핵심 문서를 안내하는 llms.txt가 있는가^[3]	도메인 루트 /llms.txt 접속
robots의 AI 봇 허용	GPTBot 등 AI 크롤러가 차단돼 있지 않은가^[5]	robots.txt에서 봇별 Disallow 확인

특히 robots.txt는 의도치 않게 AI 크롤러를 막아두는 경우가 흔하다. 구글 크롤러 문서와 OpenAI 봇 문서를 참고해 차단 정책을 확인한다.^[4] 페이지 로딩 속도가 크롤링·렌더링에 영향을 줄 수 있으므로 Core Web Vitals도 함께 본다.^[6] 기술 영역의 전체 그림은 기술 GEO·콘텐츠 GEO 프레임워크에서 다룬다.

3주차 — 콘텐츠 구조 개선: 인용되기 좋게 다듬는다

기술 진단으로 "읽힐 수 있는" 상태를 만들었다면, 이제 "인용하고 싶은" 콘텐츠로 손본다. 생성형 엔진은 답을 합성할 때, 질문에 곧장 답하고 근거가 명확한 문단을 선호한다.

답변 우선 배치: 핵심 결론을 문단 맨 앞에 둔다. 서론이 길면 엔진이 요약하기 전에 묻혀버린다.
출처·통계 명시: 주장에 출처와 수치를 붙인다. GEO 논문은 인용·통계·출처 추가가 생성 답변 내 가시성을 최대 40%까지 높일 수 있다고 보고했다.^[1]
정의·비교의 구조화: 정의는 명확한 한 문장으로, 비교는 표로 정리한다. 구조화된 정보가 추출되기 쉽다.
FAQ 형식 활용: 질문-답변 쌍은 FAQPage 스키마와 자연스럽게 맞물려, 엔진이 질문 의도에 맞춰 인용하기 좋다.

문서 단위로 어떤 요소를 넣어야 하는지는 AI가 인용하는 콘텐츠 구조에 체크리스트로 정리돼 있다. 3주차에는 신규 글을 양산하기보다, 1주차 측정에서 경쟁사에 밀린 질문에 해당하는 기존 페이지 두세 개를 골라 집중적으로 고치는 편이 효과를 빨리 확인하기 좋다.

4주차 — 재측정: 변화를 추세로 읽는다

행동. 1주차에 쓴 것과 완전히 동일한 프롬프트 세트로 다시 측정한다. 프롬프트나 측정 조건이 바뀌면 변화가 작업의 효과인지 측정 방식의 차이인지 구분할 수 없다.

비교 항목	1주차(기준선)	4주차(재측정)	해석
등장률	기록값	재측정값	콘텐츠 개선 반영 여부
인용률	기록값	재측정값	기술 진단 효과 가늠
경쟁사 격차	기록값	재측정값	다음 달 우선순위 도출

한 가지 주의할 점은, 엔진의 인덱스와 모델은 수시로 갱신되므로 30일 안에 변화가 다 반영되지 않을 수 있다는 것이다. 따라서 4주차 수치는 합격/불합격을 가르는 시험 점수가 아니라, 다음 30일의 방향을 정하는 추세의 첫 점으로 읽어야 한다. 국내에서 이런 측정·개선 순환을 다루는 사례로는 BOIDA를 참고할 수 있고, 글로벌 지형은 2026 GEO·AEO 지형에 정리돼 있다.

정리

GEO의 첫 30일은 화려한 성과를 내는 기간이 아니라, 이후 모든 작업의 토대가 되는 순환을 한 바퀴 완주하는 기간이다. 1주차에 동일한 프롬프트 세트로 기준선을 만들고, 2주차에 AI가 읽을 수 있는 기술 상태를 확보하고, 3주차에 인용되기 좋은 콘텐츠로 핵심 페이지를 다듬은 뒤, 4주차에 같은 기준으로 재측정해 변화를 추세로 확인한다. 이 네 단계를 데이터와 함께 한 번 돌고 나면, 두 번째 달부터는 감이 아니라 측정값에 근거해 무엇을 더 할지 결정할 수 있다. 시작점이 막막하다면, 측정부터 손대는 것이 가장 안전한 첫걸음이다.

자주 묻는 질문

Q.GEO는 무엇부터 시작해야 하나요?

측정부터 시작하는 것이 안전합니다. 기준선이 없으면 어떤 작업이 효과가 있었는지 판단할 수 없기 때문입니다. 핵심 질문 몇 개를 고정해 ChatGPT·Perplexity 같은 엔진에 질의하고, 우리 브랜드가 답변에 얼마나 등장·인용되는지를 먼저 기록한 뒤 기술 진단과 콘텐츠 개선으로 넘어갑니다.

Q.첫 30일 안에 가시성이 오르나요?

올라갈 수도, 변화가 없을 수도 있습니다. 엔진의 인덱스 갱신 주기와 크롤링 시점에 따라 반영이 늦어질 수 있기 때문입니다. 첫 30일의 목표는 순위 상승 자체보다, 측정·진단·개선·재측정의 순환을 한 바퀴 돌려 다음 작업의 우선순위를 데이터로 정하는 데 있습니다.

Q.기술 진단에서 가장 먼저 볼 것은 무엇인가요?

AI 크롤러가 페이지를 읽을 수 있는지입니다. JavaScript로만 렌더링되는 페이지(SSR 미적용)나 robots.txt가 AI 크롤러를 차단한 경우, 콘텐츠가 아무리 좋아도 인용 후보가 되지 못합니다. 그다음으로 구조화 데이터와 llms.txt를 점검합니다.

Q.llms.txt는 반드시 필요한가요?

필수 표준은 아닙니다. llms.txt는 사이트가 LLM에게 핵심 문서를 안내하기 위해 제안된 형식이며, 모든 엔진이 이를 따른다고 보장되지는 않습니다. 다만 도입 비용이 낮고, 사이트 구조를 정리하는 계기가 되므로 첫 30일 안에 시도해볼 만합니다.

Q.도구 없이 수동으로도 측정할 수 있나요?

가능합니다. 첫 30일에는 프롬프트 10~20개를 정해 손으로 엔진에 질의하고 결과를 기록하는 것으로 충분합니다. 다만 엔진별·반복 측정과 점유율 집계를 꾸준히 하려면 AI 가시성 모니터링 도구가 작업을 줄여줍니다.

출처 및 참고 자료

[1] ↑GEO: Generative Engine Optimization (Aggarwal et al.) — arXiv
[2] ↑Structured data — Google Search Central — Google
[3] ↑llms.txt 제안 (llmstxt.org) — Answer.AI
[4] ↑Overview of Google crawlers — Google
[5] ↑GPTBot 및 OpenAI 봇 문서 — OpenAI
[6] ↑Core Web Vitals — web.dev

Tech GEO + Content GEO — 진단과 생성을 잇는 두 축 방법론GEO를 기술 진단축(Technical GEO)과 콘텐츠 생성축(Content GEO)으로 나눠 설명하는 프레임워크입니다. 두 축이 각각 무엇을 점검·실행하는지, 어떻게 연결되는지를 비교표와 함께 정리합니다.
AI 답변에 인용되는 콘텐츠 구조 — 추출 가능한 글쓰기AI가 인용하는 글은 '읽기 좋은 글'과 다릅니다. 인용 단위 분할, 핵심 답변 앞 배치, 질문-답변 구조, 표·목록·정의로 추출 가능성을 높이는 콘텐츠 구조를 GEO 논문 근거와 실전 체크표로 정리합니다.
멀티엔진 측정 — ChatGPT·Gemini·Perplexity·Claude 가시성 측정 방법론엔진마다 답변이 다른 이유와 단일 엔진 측정의 함정, 그리고 프롬프트 세트·반복·점유율로 AI 가시성을 측정하는 멀티엔진 GEO 방법론을 정리합니다.

이 문서는 2026년 05월 28일에 마지막으로 편집되었습니다. WikiAP의 콘텐츠는 공개된 출처를 근거로 작성되며, 정확성을 위해 지속적으로 갱신됩니다.