지난 호에서는 AI가 인용하는 콘텐츠의 5가지 공통점, 즉 즉답형·리스트형·정의형·데이터 기반·비교형 구조를 소개해드렸어요. "이런 구조가 인용에 유리하다"는 건 충분히 전해드린 것 같은데요, 막상 키보드 앞에 앉으면 다른 문제가 생기죠. "그래서 이 구조들을 한 편의 글 안에 어떤 순서로, 어떻게 녹여야 하나요?" 그래서 이번 [대외비.]에서는 실제 콘텐츠에 적용하는 실전 기초 설계법를 소개해 보려고 해요.

1️⃣ 1단계 – 키워드를 '질문'으로 바꾸기

설계의 출발점은 우리가 노리는 키워드를 실제 사용자가 AI에게 물어볼 법한 질문 형태로 바꾸는 것이에요. 지난 호에서 봤듯이 AI는 질문을 받으면 그대로 검색하지 않고, '팬아웃 쿼리(Fan-Out Query)'로 여러 개의 세부 질문으로 쪼개서 검색하잖아요. 그래서 우리 콘텐츠도 'ETF 추천' 같은 단순 키워드가 아니라, 그 키워드가 쪼개졌을 때 나올 법한 질문 단위로 설계해야 해요.

이렇게 바꿔보세요

'ETF 추천' (키워드) → "ETF 처음 시작하는데 어떤 상품 골라야 해?" → "ETF랑 개별 주식 중 초보자한테 뭐가 더 나아?" → "ETF 살 때 꼭 확인해야 하는 지표는?"

이 질문들을 직접 뽑기 어렵다면, 구글 검색창에 타겟 키워드를 넣어보세요. 구글의 '사람들이 자주 묻는 질문(PAA)' 영역에 뜨는 질문들은 사람들이 그 주제에 대해 자연어 질문 형태로 검색할 때 어떤 표현을 쓰는지 보여주는 데이터예요. 이게 AI 검색창에 입력하는 질문과 똑같다고 보긴 어렵지만, 공개적으로 접근할 수 있는 자료 중에는 훌륭한 팬아웃 쿼리를 찾아나가는 출발점이 될 수 있어요.

2️⃣ 2단계 – 첫 문장은 '즉답형'으로

질문을 정했으면, 이제 그 질문의 답을 첫 문단에서 바로 보여줄 차례예요. 지난 호에서 소개한 즉답형 구조(Direct Answer)를 실제로 적용하는 단계죠. AI는 단락 단위로 정보를 추출하기 때문에, 핵심 답이 첫 문장에 있는 콘텐츠를 압도적으로 자주 인용해요.

미적용 예시: ETF는 최근 많은 투자자들이 관심을 갖는 금융 상품입니다. 초보자부터 전문가까지 폭넓게 활용되고 있는데요, 어떤 상품을 골라야 할지 아래에서 차근차근 살펴보겠습니다. ETF를 처음 시작할 때는 어떻게 해야 할까요? ETF를 처음 시작한다면 거래량이 많고 순자산 규모가 큰...

적용 예시: ETF를 처음 시작한다면 거래량이 많고 순자산 규모가 큰 대표 지수형 ETF부터 시작하는 것이 안전합니다. 거래가 활발할수록 원하는 가격에 사고팔기 쉽고, 규모가 클수록 상장폐지 위험이 낮기 때문입니다.

미적용 예시는 AI 입장에서 "필요한 답이 곧 나올 것 같은데" 하고 더 읽어야 하는 구조예요. 반면 적용 예시는 첫 문장에 답이 바로 떨어지죠. 섹션을 시작할 때 "독자가 이 부분에서 가장 먼저 알고 싶은 게 뭘까?"를 떠올리고, 그 답을 첫 문장에 짧고 명확하게 배치하면 됩니다.

3️⃣ 3단계 – 본문은 알맞은 구조로 채우기

첫 문장으로 답을 줬다면, 본문은 세부 질문들에 답하는 자리예요. 여기서 지난 호에서 다룬 리스트형·정의형·데이터 기반 구조 등을 자연스럽게 활용해보세요.

• 여러 항목을 나열해야 할 때 → 리스트형
  "ETF 고를 때 확인할 지표"처럼 서로 다른 정보를 나열할 땐 줄글보다 항목으로 쪼개주세요. 각 항목은 한 문장 이상으로 설명을 붙여야 AI가 맥락을 이해합니다.

• 개념·용어가 나올 때 → 정의형
  "PER이 뭐야?" 같은 질문엔 "A는 B입니다" 형태로 한 문장에 하나의 정의만 담아주세요.

• 주장을 뒷받침해야 할 때 → 데이터 기반
  수치를 쓸 땐 반드시 출처와 조사 시점을 함께 적어주세요.

한 가지 짚고 갈 부분이 있어요. 모든 구조를 억지로 다 넣을 필요는 없습니다. 지난 호에서도 말씀드렸듯이, 중요한 건 모든 구조를 끼워 넣었는가가 아니라 내용을 알맞은 구조로 잘 표현했는가예요. 다만 하나의 글이 여러 세부 질문에 답할 수 있을수록, 그 페이지가 다양한 질문에 걸쳐 반복 인용될 가능성은 높아진다는 점은 기억해두시면 좋아요.

참고로 데이터의 출처가 정부기관, 학술기관, 공신력 있는 조사기관이고 원문 링크까지 함께 제시되면, AI가 더 신뢰할 만한 정보원으로 판단하는 데 도움이 됩니다. 구글이 강조하는 E-E-A-T(경험·전문성·권위·신뢰) 원칙은 구글 AI 개요에서 확인된 흐름인데요, 다른 AI 플랫폼들도 공식 문서는 없지만 비슷한 방향으로 신뢰도를 평가한다고 보는 시각이 일반적입니다.

4️⃣ 4단계 – FAQ로 인용 포인트 늘리기

본문에서 미처 다루지 못한 질문들은 버리지 말고 FAQ로 정리해보세요. AI가 관련 주제의 추가 질문을 처리할 때 같은 페이지를 다시 인용할 가능성이 높아지거든요. 각각의 FAQ 항목이 곧 하나의 인용 포인트가 되는 셈이에요.

작성할 때는 사용자가 실제로 물어볼 법한 질문을 'Q.' 형태로 명확하게 쓰고, 'A.' 답변은 2~3문장 이내로 간결하게 정리하는 게 좋아요. 예를 들어 ETF 콘텐츠라면 본문에 안 넣은 "ETF는 언제 사고팔아야 하나요?", "ETF 세금은 어떻게 되나요?" 같은 질문을 FAQ로 추가할 수 있죠. 이렇게 구성한 FAQ는 AI 검색뿐 아니라 구글의 '사람들이 자주 묻는 질문(PAA)' 영역에 노출될 가능성도 함께 높여줍니다.

5️⃣ 5단계 – 내부 링크와 CTA로 연결하기

마지막은 완성된 글을 우리 사이트의 다른 콘텐츠와 연결하는 단계예요. 두 가지 이유에서 중요해요.

하나는 주제 일관성이에요. (공식적으로 확인된 사실은 아니지만) 특정 주제에 대한 콘텐츠가 여러 페이지에 걸쳐 연결되어 있으면, AI가 그 사이트를 해당 주제에 전문성이 있는 곳으로 평가하는 데 도움이 될 수 있어요.

다른 하나는 전환이에요. GEO의 목적이 인용/노출 그 자체로 끝나는 건 아니잖아요. "관련 콘텐츠 더 보기", "무료로 시작하기", "전문가 상담 신청"처럼 독자가 다음 행동을 이어갈 수 있는 CTA(Call to Action)를 자연스럽게 넣어두면, AI를 통해 들어온 방문이 실제 비즈니스로 이어질 가능성이 생깁니다.

설계대로 글을 발행했다고 끝이 아니에요. 별도의 도구 없이도 AI가 내 콘텐츠를 인용하고 있는지 직접 확인할 수 있어요. 다만 발행하자마자 확인하면 안 돼요. AI 검색엔진이 콘텐츠를 크롤링하고 인용에 반영하기까지 시간이 걸리거든요. 보통 발행 후 최소 2주, 길면 4주 정도 지난 뒤에 측정해보는 것을 권장합니다. 반영에는 시차가 있을 수 있어서 이를 고려해보시는 게 좋습니다.¹

1️⃣ 타겟 질문을 직접 넣어보기

ChatGPT, Gemini, Perplexity 등에 내 콘텐츠의 타깃 질문을 입력해보세요. AI가 지금 그 질문에 어떤 내용으로 답하고 있는지 살펴보면, 그 주제에서 AI가 '필수'라고 판단하는 내용이 뭔지 알 수 있어요. 내 글이 그 내용을 빠짐없이 담고 있는지, 그리고 거기에 더해 나만의 데이터나 비교 기준 같은 차별점이 있는지 점검하면 됩니다.

2️⃣ 인용된 경쟁 콘텐츠의 구조를 역분석해보기

AI 답변의 출처(Sources) 목록을 보면 지금 어떤 콘텐츠가 인용되고 있는지 확인할 수 있어요. 그 콘텐츠에서 정의형 문장이 인용됐는지, 리스트가 인용됐는지 뜯어보면 AI가 그 주제에서 어떤 형식을 선호하는지 거꾸로 학습할 수 있죠. 이걸 다음 콘텐츠 초안이나 수정이 가능한 기존 발행분을 나란히 놓고 비교해서, 빠진 구조가 있으면 보완하는 거예요.

지금까지 본 5단계를 한눈에 정리하면 이렇습니다.

AI 검색에 인용되는 콘텐츠를 만드는 건 단기간에 성과가 나는 일이 아니에요. AI가 우리 콘텐츠를 인식하고 인용하기까지 시간이 필요하고, 경쟁 환경도 계속 바뀌고 있죠. 처음부터 완벽한 글을 만들려고 애쓸 필요는 없어요. 이미 발행해둔 콘텐츠 중 트래픽이 높은 글 하나를 골라, 오늘 소개한 구조를 하나씩 적용해보는 것만으로도 충분한 출발이 됩니다.

기억할 핵심은 이거예요. AI 검색 인용은 이미 무엇을 원하는지 아는 사용자에게, 답변의 형태로 직접 도달하는 것이라는 점. 단순히 검색 결과 목록에 노출되는 것과는 다르죠. 의도가 명확한 사용자에게 닿기 때문에, 전환 가능성이 높은 유입을 기대해볼 수 있어요.

다음 [대외비.]에서도 GEO 이야기를 이어가려고 해요. 특히 "AI 검색은 결국 대형 브랜드만 유리한 거 아니야?"라는 질문, 그리고 그 안에서 중소·신생 브랜드가 비집고 들어갈 틈이 있는지를 데이터로 짚어볼 예정입니다.

그리고 [대외비.]를 발행하고 있는 TMCK에서도 생성형 AI 검색에 대응하는 GEO 서비스를 운영하고 있어요. 단순한 분석에 그치지 않고 AI가 인용하는 모든 인용 환경을 파악하고 AI 가시성을 개선할 수 있도록 분석부터 실행까지, 통합 GEO 솔루션을 제공하고 있어요. GEO 전략이 막막했다면 TMCK와 함께 AI 검색에 대응해보세요.

* TMCK의 GEO 전략이 더 궁금하시다면 여기를 눌러 문의를 남겨주세요! 😊

📚[대외비.] 뉴스레터 5월호와 함께한 자료의 출처

[1] freeCodeCamp, How to Measure Your AI Citation Rate Across ChatGPT, Perplexity, and Claude, 2026년 4월, 링크

* 본문에 등장한 ETF 관련 예시는 이해를 돕기 위한 가상의 설명이며, 특정 상품의 투자 권유가 아닙니다.