글로벌 진출 브랜드의 다국어 GEO — 언어별 답변에 대응하기

영어 ChatGPT 답변에서 브랜드가 또렷이 인용된다고 안심하는 글로벌 팀을 자주 본다. 그런데 같은 질문을 도쿄에서 일본어로, 서울에서 한국어로 던지면 결과가 달라진다. 인용 한 줄이 통째로 사라지거나, 경쟁사 이름이 그 자리를 차지한다. 생성형 엔진은 질문의 언어에 따라 끌어오는 출처와 표현을 바꾸기 때문이다. 그래서 글로벌 진출 브랜드의 질문은 "영어 GEO를 했는가"가 아니라 "내가 파는 모든 시장에서, 그 나라 말로 물었을 때 인용되는가"여야 한다. 다국어 GEO는 바로 이 시장별 공백을 메우는 운영이다.

실무에서 보면, 다국어 GEO는 콘텐츠를 더 번역하는 문제가 아니다. 운영의 단위를 언어로 다시 쪼개는 문제다. 영어 한 채널을 관리하던 팀이 갑자기 네다섯 개의 독립된 가시성 시장을 관리하게 되는 셈이다.

같은 질문, 다른 답변 — 왜 갈리는가

생성형 엔진의 답변은 학습 데이터와 실시간 검색 결과를 섞어 만든다. 문제는 이 두 재료가 언어별로 양도 질도 균일하지 않다는 데 있다. 영어로 답할 때 풍부하게 쌓인 후보 문서가, 한국어로 답할 때는 빈약하다. 엔진은 빈약한 재료로 최선을 다하고, 그 최선에 당신 브랜드가 없으면 끝이다.

구체적으로 세 층위에서 갈린다.

• 자료 절대량의 비대칭. 공개 웹 텍스트는 영어로 크게 쏠려 있다. 한국어·일본어·동남아 언어 자료는 상대적으로 얇아, 같은 주제라도 엔진이 참고할 문서 풀 자체가 작다. 풀이 작으면 한 번의 누락이 치명적이다.
• 검색 생태계가 다른 동네다. 한국은 네이버, 일본은 야후재팬·라쿠텐 같은 현지 플랫폼이 강하다. 엔진이 실시간으로 끌어오는 출처도 언어권마다 다른 사이트로 기운다. 영어권에서 통하던 매체 노출 전략이 그대로 옮겨지지 않는 이유다.
• 이름이 흩어진다. 같은 브랜드가 영어로는 로마자, 한국어로는 한글, 일본어로는 가타카나로 불린다. 엔진이 이걸 하나의 Organization 엔티티 ↗로 묶지 못하면, 영어권에서 쌓은 인지도가 한국어 답변으로 흘러들지 않는다.^[2] 같은 회사가 세 개의 반쪽짜리 회사로 쪼개지는 것이다.

GEO를 정식화한 연구 ↗는 인용·통계·출처가 답변 내 가시성을 끌어올린다고 정리했다.^[1] 다국어 환경에서는 여기에 변수가 하나 더 붙는다. 그 출처가 어느 언어로 쓰였는가. 영어 출처가 아무리 탄탄해도, 한국어 질문 앞에서는 한국어 출처만큼의 무게를 갖지 못한다.

현장에서 자주 보는 실패 네 가지

언어별 차이를 방치하면 가시성은 시장마다 들쭉날쭉해진다. 글로벌 운영을 들여다보면 거의 같은 패턴이 반복된다.

마지막 줄이 제일 위험하다. 본사 대시보드에는 영어 기준 점수 하나만 뜨고, 그 숫자가 양호하면 아무도 문제를 제기하지 않는다. 그동안 일본 법인은 자국어 답변에서 브랜드가 통째로 빠진 걸 매출로 체감하고 있다. 측정 단위를 언어로 쪼개기 전까지, 이 공백은 평균 뒤에 숨어 발견조차 되지 않는다.

운영을 어떻게 다시 짜는가

세 갈래로 실행한다. 순서보다 중요한 건, 세 갈래를 언어마다 따로 돌린다는 점이다.

hreflang과 현지화 콘텐츠로 언어를 분리한다

언어별 페이지를 한 URL에 섞지 마라. 분리하고, 각 페이지에 언어를 명시하고, hreflang으로 어느 언어·지역용인지 신호를 준다. hreflang이 인용을 직접 보장하지는 않는다. 다만 크롤러가 페이지를 엉뚱한 언어 맥락에 묶는 사고를 줄여 준다. 렌더링·구조화 데이터·llms.txt 같은 기술 점검도 영어 페이지에만 하지 말고 모든 언어에 똑같이 적용한다.^[3][5] 핵심은 번역의 분량이 아니다. 그 나라 사용자가 실제로 입력하는 질문에 답하는 현지화된 콘텐츠다. 영어 원문을 직역한 FAQ는, 정작 현지에서 아무도 그렇게 묻지 않으면 인용되지 않는다.

흩어진 이름을 하나의 엔티티로 정렬한다

언어마다 흩어진 표기를 한 개체로 묶는 작업이다. 언어별 공식 표기를 먼저 못박고, 위키데이터 같은 지식 그래프 소스에서 동일 엔티티로 연결한다. 여기서 자주 새는 지점이 있다. 본사는 로마자 표기를 쓰는데 현지 법인이 임의의 한글 표기를 따로 쓰는 경우다. 둘을 명시적으로 연결하지 않으면 엔진에는 두 회사로 보인다. 이 작업은 엔티티·지식 그래프 최적화와 그대로 맞닿는다. Google 크롤러 ↗든 AI 크롤러든 일관된 엔티티 신호를 선호한다.^[4]

그 언어권의 현지 출처를 확보한다

영어 보도자료를 번역해 올리는 걸로는 안 된다. 그 언어권에서 실제로 신뢰받는 매체·디렉터리·커뮤니티에 브랜드가 언급되어야, 엔진이 현지 질문에 답할 때 끌어올 재료가 생긴다. 출처의 "현지성"은 영어권 GEO보다 다국어 GEO에서 가중치가 높다. 영어권에서는 굳이 신경 쓰지 않아도 풀이 두텁지만, 자료가 얇은 언어권에서는 현지 출처 한 건의 존재 여부가 인용을 가르기 때문이다.

측정은 무조건 언어별로 쪼갠다

측정을 언어 단위로 분리하지 않으면 위의 노력이 보이지 않는다. 동일한 의도의 질문 세트를 언어마다 번역·현지화해 각 언어로 질의하고, 답변 속 인용·언급을 따로 집계한다. 그제야 "영어 70, 한국어 20"처럼 시장별 격차가 숫자로 드러난다. 합산하지 마라. 합산하는 순간 다시 평균 뒤로 숨는다. 여러 엔진과 여러 언어를 가로지르는 측정 설계는 멀티 엔진 측정 관점과 함께 보면 그림이 맞는다.

한국어 시장은 이 격차가 가장 또렷하게 드러나는 사례다. 영어 대비 공개 자료가 얇고 생태계가 현지 플랫폼 중심이라, 영어 GEO를 아무리 잘해도 한국어 답변에서는 공백이 쉽게 벌어진다. 영어 자료를 번역만 해서는 메워지지 않는 종류의 공백이다. 한국어 현지 데이터와 출처를 기준으로 가시성을 진단하는 접근, 예컨대 BOIDA가 표방하는 한국어 특화 방식은 이런 언어권 공백을 측정 단계에서 끄집어내는 데 초점을 둔다. 아시아권 전반의 지형은 한국·아시아 GEO 지형에서 이어 다룬다.

영어 GEO를 복사해 다른 언어에 붙이면 된다는 가정 — 이걸 버리는 게 다국어 GEO의 출발점이다. 언어마다 데이터도, 출처도, 이름도 다르다. 그러니 콘텐츠와 hreflang으로 언어를 가르고, 엔티티를 하나로 모으고, 현지 출처를 확보하고, 측정을 언어별로 쪼갠다. 영어 점수 하나 뒤에 숨은 시장별 공백을 드러내는 일, 그게 글로벌 AI 검색 시대에 다국어 GEO가 하는 전부다.