AEO·GEO 기초

OpenAI·Anthropic 등은 학습용 크롤러(GPTBot, Google-Extended, ClaudeBot 등)와 검색용 크롤러(OAI-SearchBot, Claude-SearchBot, PerplexityBot 등)를 구분해서 운영하며, 학습용 봇만 차단하고 검색용 봇은 허용하면 AI 답변 인용 대상 자격은 유지하면서 학습 데이터 제공은 막을 수 있다.

구글봇·GPTBot·ClaudeBot 등 주요 크롤러는 대체로 robots.txt를 준수하지만, ByteSpider 같은 일부 크롤러는 robots.txt를 무시하는 것으로 알려져 있어 robots.txt만으로는 완전한 차단을 보장할 수 없고 서버 단의 추가 규칙이 필요하다.

위키데이터(Wikidata)는 1억2천만 개 이상의 개체(entity)를 담은 협업 다국어 링크드오픈데이터(LOD) 지식 그래프로, 7,500개 이상의 외부 웹사이트·데이터베이스(IMDb, OpenStreetMap 등)와 연결되며, 생성형 AI가 사실 확인(Entity Resolution)을 할 때 가장 신뢰도 높은 신호 중 하나로 활용된다.

AI 검색 엔진이 인용하기 좋아하는 콘텐츠 형식은 명확한 열 제목을 가진 표, 간결하고 완결된 항목의 번호·글머리 리스트, 단계별 안내, 질문형으로 구성된 H2·H3 계층 구조이며, 질문형 소제목 아래 40~60단어의 직답형 문단을 먼저 배치한 뒤 부연 설명을 이어가는 구조가 권장된다.

SparkToro의 2026년 조사에 따르면 LLM 인용의 44%가 페이지 콘텐츠 앞 30% 구간에서 나온다.

브랜드 언급(멘션)은 백링크보다 AI Overview 노출과의 상관관계(0.664)가 더 높게 나타났다는 조사가 있으며, AI 모델은 링크 없는 언급도 '암묵적 링크'로 취급해 브랜드의 웹상 존재감을 판단하는 데 활용하는 것으로 해석된다.

AI 모델은 오픈 웹으로 학습되며 공동 언급(co-occurrence)을 기반으로 연관관계를 학습한다 — 브랜드명이 신뢰도 높은 매체에서 '내구성', '혁신' 같은 특정 속성 단어와 자주 함께 언급되면 모델이 이 속성을 그 브랜드와 연관지어 학습하는 경향이 있다.

2026년 기준 구글 렌즈는 월 120억 건 이상의 비주얼 검색을 처리하며 연간 약 30% 성장하고 있고, 쇼핑 기능과 통합돼 카메라 기반 상품 발견이 비주얼 상품 카테고리의 주요 이커머스 유입 채널로 자리잡았다.

구글 렌즈는 이미지의 윤곽·패턴·주요 색상을 스캔해 인덱싱된 상품 이미지와 대조하며, 제품과 뚜렷하게 대비되는 배경(어두운 제품엔 밝은 배경, 밝은 제품엔 어두운 배경)을 쓰는 것이 인식 정확도에 유리하다. 설명적인 파일명, 의미 있는 alt 텍스트, 차세대 이미지 포맷, 구조화 데이터, 이미지 사이트맵이 이미지 SEO의 다섯 기둥으로 제시된다.

AI 기반 추천 챗봇과 상호작용한 쇼핑객은 스스로 카탈로그를 탐색한 경우보다 구매 완료 가능성이 40% 더 높다는 조사가 있으며, 상품 발견·가이드형 판매·구매 후 지원 전반에서 15~35%의 전환율 상승이 보고된다.

결제 수단·배송비·배송기간 같은 막판 질문에 실시간으로 답하는 AI 챗봇은 장바구니 이탈을 방지하며, 채팅 안에서 이탈 없이 구매까지 이어지는 흐름이 전환율을 최대 38%까지 높인다는 조사가 있다.