GEONIQ 산업별 AI 검색 인사이트 리포트

pxd의 GEONIQ(SEO와 GEO를 통합 진단하는 AI 도구, AI를 위한 UI 패턴과 UX 참고)는 도구 소개 이후 업종별 웹사이트를 진단한 Integrated Insight Report 시리즈로 이어지고 있다. 그 첫 사례인 금융권·은행 업종 리포트(KB국민은행·우리은행·하나은행·신한은행·카카오뱅크)는 "이 대출의 금리는?", "누가 가입할 수 있나?"처럼 사용자 질문이 비교적 명확한 금융상품을 AI·검색엔진이 어떤 구조로 수집·평가하는지를 관찰한다. 다수 은행에서 robots.txt 부재·sitemap 미등록·일부 페이지의 크롤링 제약 같은 탐색 기초 요소의 결함이 공통적으로 관찰되었고, 이는 "안정적으로 인식 가능한 정보인가"를 판단하는 전제 조건의 결함으로 작동한다. 금융상품 페이지의 Answerability(질문에 답할 수 있는 구조)도 전반적으로 낮았다 — H1 제목 중복·부재, 금리·조건·자격 정보의 분산 배치, FAQ 구조 부재, 과도하게 긴 문단 중심 설명이 공통 패턴으로 나타났다. 또한 일부 은행 페이지에서 관찰된 LCP 초과는 코어 웹 바이탈과 SEO 같은 성능 지표가 검색엔진 품질 평가 신호일 뿐 아니라, 금융상품처럼 정확성·신뢰성이 중요한 정보 영역에서는 '신뢰 신호'로도 작동한다는 것을 보여준다. 은행별로는 KB국민은행(콘텐츠 구조는 안정적이나 크롤링 제약), 우리은행(콘텐츠 구조는 강점이나 robots·sitemap 부재), 하나은행(H1 중복·sitemap 미흡), 신한은행(robots·sitemap 부재와 LCP 문제 동반), 카카오뱅크(구조화 데이터는 강점이나 robots.txt로 외부 탐색 제한)로 요약됐다. 리포트는 "좋은 콘텐츠보다 답변 가능한 구조가 경쟁력을 만든다"는 문장으로 결론짓는다.

두 번째 사례인 국내 이동통신 3사(SK텔레콤·KT·LG유플러스) 리포트는 요금제가 얼마나 잘 설명돼 있는지가 아니라, AI·검색엔진이 요금제 정보를 어떤 구조로 수집·비교·선택하는지를 관찰하는 데 초점을 둔다. 분석 대상은 ① 모바일 요금제 목록 페이지(AI 후보 수집의 1차 관문), ② 대표·인기 요금제 상세 페이지(후보가 선택·인용될 수 있는지 판단하는 핵심 페이지), ③ 프로모션·이벤트 상세 페이지(특정 시점 노출을 증폭시키는 보조 장치) 세 유형이다.

핵심 발견은 다음과 같다. 요금제 목록 페이지는 요금명·가격·데이터 조건이 UI 중심으로 배치되어 AI가 반복 추출할 구조 신호가 제한적이고, 통신사 간 공통 비교 기준이 구조적으로 고정되어 있지 않으며, 자바스크립트 렌더링 의존도가 높아 초기 HTML에 핵심 정보 노출이 부족하다(이 지점은 CSR과 SSR 렌더링 방식에서 다루는 CSR의 SEO 취약성과 같은 맥락이다). 상세 페이지는 가격·데이터·통화·부가 혜택 정보가 요약되지 않고 분산돼 있고 FAQ·질문답변 구조가 드러나지 않아, AI가 이를 독립적인 정보 단위로 인식하기 어렵다. 리포트는 또한 UI상의 '비교하기 기능'과 AI가 인식하는 '구조적 비교 가능성'은 서로 다른 개념이라고 짚는다 — 비교하기 기능은 사용자의 조작 이후에만 작동하는 UX 기능인 반면, AI는 UI를 거치지 않고 페이지에 드러난 정보 구조 자체로 비교 가능성을 판단하기 때문이다. 이벤트·프로모션 페이지는 노출은 강하지만 짧은 생명주기와 sitemap·canonical 설정 미흡으로 sitemap·내부 링크 구조에서 고립되기 쉽다.

리포트는 통신사별로 SK텔레콤(요금제 다양성은 높으나 공통 비교 기준 부재), KT(요금제 체계는 명확하나 핵심 조건이 여러 위치에 분산), LG유플러스(기술적 안정성은 양호하나 비교 전제 구조 신호 부족)로 요약 인사이트를 제시하고, 요금제 목록·상세·이벤트 페이지 각각에 대한 Quick Wins(공통 비교 기준 명시, 핵심 조건 요약 블록, 반복 가능한 정보 구조, sitemap·canonical 점검 등)를 제안한다. pxdAX 관찰 노트는 이동통신사의 경쟁력이 요금제 상품 수나 프로모션 강도만이 아니라, 요금제 정보가 웹페이지 구조 안에서 AI·검색 환경에 얼마나 명확히 인식·비교되도록 설계되어 있는지에 따라 갈린다고 결론짓는다.

이커머스 플랫폼 편: 상품 묶음 구조와 상세 페이지 신호

이커머스 편(쿠팡·무신사·오늘의집)도 2부작으로 진행됐다. Vol.1은 "어떤 상품이 사용자에게 먼저 보이는가"를 상품 목록·묶음 구조의 문제로 재정의한다. 이커머스 환경에서 상품은 카테고리·랭킹·세일·기획전·추천 영역처럼 항상 '묶음' 단위로 제시되며, 이 묶음이 이미 플랫폼이 "어떤 상품을 전면에 내세울 것인가"를 결정한 결과라는 것이다. AI·검색 환경도 개별 상품 상세 페이지 이전에 이 묶음 구조를 기준으로 후보를 수집한다. 플랫폼별로는 쿠팡(카테고리·기획전 등 다수의 목록 페이지가 외부 진단에서 안정적으로 분석되기 어려운 구조), 무신사(전형적인 세일·랭킹·카테고리 목록 구조이지만 상품 집합의 주제·비교 기준을 나타내는 구조적 신호가 명확하지 않음), 오늘의집(오늘의 딜·기획전처럼 선별 기준과 맥락 정보가 함께 드러나는 묶음 구조로, AI가 상대적으로 해석하기 쉬운 조건)의 차이가 관찰됐다.

Vol.2는 '동일 판매자가 동일 상품을 서로 다른 플랫폼에 등록한 경우'를 비교해, 상품 자체가 아니라 플랫폼별 페이지 구조 차이가 AI 인식에 미치는 영향을 살폈다. 쿠팡은 앱 중심(App-first) 설계와 내부 탐색 흐름 최적화로 외부 GEO(AIEO) 환경에서 상세 페이지 구조 해석이 제한되는 사례로, 무신사는 콘텐츠(설명·이미지·후기)는 충분하지만 가격·옵션·혜택 정보가 구조적으로 반복 추출되기 어려운 사례로, 오늘의집은 상품 정보와 맥락 정보(리뷰·사용 맥락)가 구조적으로 분리돼 있어 AI가 정보 추출·비교에 비교적 안정적인 신호를 얻는 사례로 요약됐다. Vol.1·Vol.2를 통합한 핵심 발견은 상품 노출이 목록 페이지 구조에서 1차로 결정되고, 상세 페이지가 후보 유지·탈락을 가르는 2차 관문으로 작동하며, 콘텐츠의 양보다 정보 단위의 분리와 반복 가능성이 인용·추천 가능성에 더 큰 영향을 미친다는 것이다.

콘텐츠 플랫폼·OTT 편: 로그인 장벽과 상세 페이지가 만드는 정보 구조

OTT 편 Vol.1(넷플릭스·티빙·쿠팡플레이)은 AI·검색 엔진이 접근 가능한 범위가 로그인 이전 공개 영역에 한정된다는 전제 아래, 로그인 전 화면을 관찰한다. 세 플랫폼 모두 콘텐츠 카드는 노출되지만 장르·카테고리 기반 탐색 구조는 제공되지 않아 "콘텐츠는 보이지만 탐색되지는 않는" 구조를 보였고, 카드 클릭은 시청이 아니라 회원가입·결제 단계로 연결됐다. 이는 로그인 전 화면이 콘텐츠 탐색을 돕는 목록 페이지가 아니라 구독 유도를 위한 랜딩 화면에 가깝게 설계되어, 장르·카테고리 탐색 구조를 미리 제공하면 서비스 가치를 '미리 소비'하게 되는 구독 모델의 특성이 반영된 결과로 해석된다. 이런 제약 속에서도 AI는 로그인 이후 UI를 탐색하는 대신, 검색엔진에 노출된 개별 콘텐츠 상세 페이지·공개 랜딩 페이지·Top 리스트·플랫폼 외부로 배포된 메타데이터처럼 외부에서 접근 가능한 정보 지점을 조합해 콘텐츠를 인식한다는 점이 확인됐다. 플랫폼별로는 넷플릭스(제한적이나마 랭킹 정보 노출), 티빙(정렬·랭킹 정보 없이 탐색보다 서비스 진입 우선), 쿠팡플레이(인기 콘텐츠·스포츠 영역 일부 노출, 실질 탐색은 로그인 이후로 구분)의 차이가 나타났다.

OTT 편 Vol.2(넷플릭스·티빙·쿠팡플레이)는 Vol.1에서 확인한 "로그인 전에도 콘텐츠 카드·기본 정보가 노출된다"는 관찰을 GEO(AIEO)·SEO 관점에서 해석한다. 핵심 발견은 세 가지다. ① OTT 콘텐츠는 플랫폼 홈이나 로그인 이후 개인화 UI가 아니라 콘텐츠 상세 페이지(URL) 단위로 AI·검색에 인식된다 — "더 글로리 넷플릭스" 같은 검색어에서 플랫폼 홈이 아니라 콘텐츠 상세 페이지가 직접 노출되는 것이 근거다. ② 로그인 장벽은 시청 행위에만 적용되고 정보 인식 단계에는 적용되지 않는다 — 제목·장르·출연진·시놉시스·등급은 비로그인으로 노출되고, 영상 재생·개인화 추천만 로그인 뒤로 제한된다. ③ 메타 태그 구현 방식(넷플릭스·쿠팡플레이는 명시적 메타 태그 미노출, 티빙은 명확히 작성)이 플랫폼마다 달라도 Google 검색 스니펫과 카카오톡 공유 미리보기 결과는 동일하게 정상 노출된다 — 중요한 것은 메타 태그의 가시성이 아니라 AI가 해석 가능한 정보 구조의 존재 여부라는 결론이다.

금융권·자산운용사 편: 인식에서 멈추는 펀드·ETF 상품

자산운용사 편(삼성·미래에셋·KB·한국투자신탁·타임폴리오 5개사)은 3부작으로 진행됐다. Vol.1은 펀드·ETF가 이커머스 상품이나 콘텐츠와 달리 "장기 운용을 전제로 하며 규제·고지 정보와 함께 제시되는" 특성 때문에 AI·검색 환경에서 독립적 객체로 분리되기 어렵다는 점을 짚는다. 메인 페이지는 상품의 '존재 신호'만 제공하고, 펀드·ETF 목록은 상품 집합 이상으로 분해되지 않으며, 상세 페이지조차 수익률·구성 자산 등 설명은 충실하지만 '상품 엔티티'로 참조될 구조는 확인되지 않는다 — 5개 운용사 모두 정도 차이는 있으나 동일한 한계를 보였다.

Vol.2는 '왜 인식되지 않는가'가 아니라 '선택이 어디까지 진행되다 멈추는가'를 선택 후보 인식 → 비교 → 검증의 3단계 흐름으로 관찰한다. 펀드·ETF는 SEO 관점에서는 노출되지만 GEO(AIEO) 환경에서는 비교·검증 대상으로 진입하기 전 단계에서 선택 시도 자체가 시작되지 않거나(한국투자신탁·타임폴리오), 선택 후보로는 인식되지만 비교 단계로 확장되지 않고 멈춘다(삼성·미래에셋·KB). 브랜드 신뢰와 SEO 신호는 선택이 종료되는 시점을 늦출 뿐, GEO(AIEO) 선택(인용)을 만드는 조건은 아니다.

Vol.3은 사람의 비교 구조와 AI·검색의 비교 구조 사이의 근본적 차이를 정리한다. 사람은 총보수(TER)·AUM·거래량·괴리율·추적오차·기간별 수익률 등을 종합해 유사 상품(예: 반도체·AI 테마 ETF)을 비교하지만, 이 지표들은 대부분 단일 상품 페이지 안에 완결된 채 다른 상품과의 관계가 웹 구조상 명시되지 않는다. 그 결과 실제 투자 판단의 비교·선택은 자산운용사 웹이 아니라 증권사 HTS·MTS나 금융 포털의 ETF 비교 화면 같은 외부 정보 환경에서 완결되는 경향을 보인다. 3부작 전체의 결론은 "선택은 기준을 더한다고 만들어지지 않으며, 관계가 드러나고 흐름이 이어질 때 비로소 시작된다"는 것이다.

여행·숙박 플랫폼 편: 후보 집합과 비교 구조의 부재

여행·숙박 편(네이버 여행·야놀자·여기어때)도 동일하게 3부작으로 진행됐다. Vol.1은 숙소가 단일 상품이 아니라 객실 유형·일정·인원이 결합된 상태에서만 예약 가능한 '상품 단위'로 정의된다고 전제하고, 세 플랫폼 모두 Product schema가 없거나 Hotel·장소 단위로만 구조화돼 있어 객실·일정·인원 조합이 독립 상품으로 분리 표현되지 않는다는 점, 숙소 간 비교 정렬 구조나 대체 선택지 연결이 형성되지 않는다는 점, 가격·재고 같은 변동 정보의 기준 시점이 구조적으로 명시되지 않는다는 점을 공통 한계로 짚는다.

Vol.2는 '선택 시도 → 비교 형성 → 검증·확정'의 흐름으로 관찰한다. 일정·인원·지역·가격 조건 기반 선택 시도 자체는 세 플랫폼 모두 문제없이 발생하지만, 숙소 목록에 비교 기준이 명시적으로 정렬되지 않고 유사 숙소·대체 선택지로의 연결이 약해 비교 단계에서 흐름이 제한된다. 상세 페이지 진입 이후에는 다른 후보와의 연결이 약화되어 단일 숙소 정보 소비 구조로 완결되며, 그 결과 선택은 플랫폼 내부가 아니라 여러 페이지를 반복 이동하거나 별도 비교 앱·개인 메모를 활용하는 사용자의 외부 판단 과정에서 완결된다.

Vol.3은 선택이 이어지기 위한 세 가지 구조적 조건을 제시한다. ① 후보 집합 구조 — 동일 지역·일정·인원 조건으로 숙소가 단순 나열이 아니라 비교 가능한 집합으로 묶여야 한다. ② 비교 기준 구조 — 가격·평점·위치·예약 가능 여부가 동일 기준 위에서 정렬 가능한 형태로 표현돼야 한다. ③ 흐름 유지 구조 — 하나의 숙소를 확인한 뒤에도 유사 숙소 연결, 동일 조건 기반 후보 이동, 이전 후보 집합으로의 복귀 흐름이 유지돼야 한다. 세 조건 모두 정보의 양이 아니라 구조의 문제이며, "선택이 이어지는 구조를 만드는 일"이 다음 과제로 제시된다.

GEO 우수 사례 검증: BEST 5 사이트 실측 (Vol.1·Vol.2)

업종별 진단과 별개로, GEONIQ은 온라인에서 "GEO(생성형 엔진 최적화)가 잘된 국내 사이트"로 소개된 5곳(신한금융 인사이트·KB Think·카카오뱅크 블로그·이랜드 E:KI HOW·SK브로드밴드 블로그)을 직접 진단해 인상과 실제 상태가 얼마나 일치하는지를 검증하는 별도 시리즈를 시작했다. 소개 글이 짚은 강점(질문형 제목, 핵심 요약, 실제 검색 질문 반영, 명확한 소제목 등)이 좋은 참고 요소라는 점은 인정하면서도, "좋은 요소가 몇 가지 보인다"는 인상만으로 사이트 전체를 우수 사례라 부를 수 있는지를 반박이 아닌 검증 과제로 삼았다는 점이 특징이다.

Vol.1은 사이트별 허브 페이지 1개와 상세 콘텐츠 5개씩, 총 30페이지를 기술 최적화·콘텐츠 품질·성능 및 사용자 경험·콘텐츠 신뢰성·보안 및 정책 준수 다섯 영역에서 GEONIQ의 SEO·GEO 통합 점수로 진단했다(자동진단만으로 판단하기 어려운 저자 전문성·서버 상태·보안 정책 등은 비교 근거에서 제외). 결과는 사이트마다 강점이 나타나는 영역이 서로 달랐다: KB Think(허브·상세 통합점수 모두 80점대로 가장 고르게 안정적, 기술 최적화 93.6점)와 카카오뱅크 블로그(상세 평균 82.8점, 기술 최적화 94.0점, 사용자 경험 100점)는 기술·콘텐츠 구조가 함께 양호했고, SK브로드밴드 블로그(콘텐츠 품질 84.6점, 사용자 경험 100점)는 질문형 콘텐츠와 성능이 강점이었다. 반면 신한금융 인사이트(상세 통합점수 평균 71.0점)는 전문적인 금융 주제를 다룬다는 강점에도 페이지 전체의 기술적 최적화 상태는 이를 따라가지 못했고, 이랜드 E:KI HOW는 콘텐츠 품질(85.4점)과 기술 최적화(60.0점)·사용자 경험(77점) 사이의 격차가 가장 크게 나타났다. 핵심 결론은 "콘텐츠 품질이 높다"와 "사이트 전반의 GEO 준비 상태가 높다"가 같은 의미가 아니라는 것, 그리고 페이지 구조가 좋다는 것과 실제로 AI가 그 콘텐츠를 출처로 인용한다는 것은 별개의 문제라는 것이다 — 이 인용 여부는 동일 시리즈의 후속 편(ChatGPT·Gemini·Perplexity 실측)에서 다뤄진다.

Vol.2는 이 다섯 사이트를 대상으로 실제 AI 답변에서 얼마나 출처로 선택되는지를 실측했다. 사이트별로 실제 다루는 콘텐츠 주제를 바탕으로 질문 6개씩을 구성하고 ChatGPT·Gemini·Perplexity 3개 플랫폼에 각 한 차례씩 질의해 총 30개 질문·90개 답변을 확인했다(사이트별 결과는 18개 답변 기준, 질문 무작위 추출이나 반복 측정이 아닌 탐색적 측정이라는 한계를 명시). 대상 사이트가 답변 출처에 한 번 이상 포함되면 '인용 응답'으로, 동일 답변 내 같은 도메인의 서로 다른 URL은 '누적 인용'으로 별도 집계했다. 전체 90개 답변 중 24개(27%)에서 대상 사이트가 인용됐고, 사이트별 인용 응답률은 KB Think 44%(8/18), 신한금융 인사이트 28%(5/18), SK브로드밴드 블로그 28%(5/18), 카카오뱅크 블로그 17%(3/18), 이랜드 E:KI HOW 17%(3/18)였다. 플랫폼별로는 Gemini 40%(12/30), Perplexity 30%(9/30), ChatGPT 10%(3/30)로 편차가 컸는데, 전체 출처 URL 수 자체가 ChatGPT 70건·Gemini 360건·Perplexity 421건으로 플랫폼마다 크게 달라 이를 AI 플랫폼의 우열로 해석할 수는 없다고 짚는다.

Vol.1의 진단 점수와 Vol.2의 실제 인용 응답률은 순서가 일치하지 않았다 — 카카오뱅크(상세 통합점수 평균 82.8점)와 이랜드(콘텐츠 품질 평균 85.4점)는 진단 점수가 높은데도 인용은 각각 18개 중 3개에 그쳤고, 반대로 신한금융(상세 통합점수 평균 71.0점)은 진단 점수가 상대적으로 낮은데도 5개가 인용됐다. 다만 사이트 5개·질문당 1회 측정이라는 표본 크기상 이를 통계적 상관·인과관계로 확대 해석해서는 안 된다는 점을 리포트는 반복해서 강조한다. 인용 실측과 별개로 사실관계 점검에서도 시사점이 나왔는데, SK브로드밴드의 한 요금제 페이지는 절감률을 '약 43%'로 표기했지만 제시된 두 금액 차이로 계산하면 실제로는 약 8.3%였고, 다른 프로모션 페이지는 종료일이 지난 뒤에도 안내 문구가 그대로 남아 있었다 — 이는 특정 사이트의 품질 문제로 확대 해석할 것이 아니라, 가격·혜택처럼 자주 바뀌는 콘텐츠는 적용 기간과 최종 검토일을 함께 관리해야 한다는 운영상의 시사점으로 제시된다.

Vol.1·Vol.2를 종합해 리포트는 GEO에서 확인해야 할 다섯 가지를 제시한다 — ① 발견할 수 있는가(크롤링·내부 연결), ② 이해할 수 있는가(구조화된 결론과 근거), ③ 확인할 수 있는가(작성 주체·기준일·출처), ④ 최신 상태인가(가격·정책의 적용 기간 관리), ⑤ 실제로 선택되는가(AI 답변 인용까지 지속 확인). llms.txt 부재나 특정 스키마 미적용 자체만으로 GEO 성과를 단정할 수 없으며, 구조화 데이터는 AI 인용을 보장하는 조건이 아니라 이해를 돕는 보조 수단이라는 것이 결론이다. 이 결론은 GEONIQ이 페이지 진단에서 그치지 않고 AI 검색 가시성·브랜드 인식/인용 변화를 지속 측정하는 KPI 분석으로 서비스를 확장하는 근거가 된다 — 진단·실측·개선·성과 추적을 하나의 흐름으로 연결한다는 것이다.

GEONIQ은 이 검증 시리즈와 함께, URL 하나로 콘텐츠의 SEO·GEO 상태를 무료로 진단해볼 수 있는 온보딩 미션 이벤트(신규 회원 대상 무료 진단 미션, 신규·기존 회원 대상 채널 공유 미션)를 운영하며 진단 도구 자체의 체험 저변을 넓히고 있다.

핵심 내용

  • GEONIQ Integrated Insight Report: GEONIQ의 진단 기준으로 업종별 웹사이트의 구조·콘텐츠·기술적 탐색 요소를 종합 분석하는 리포트 시리즈, 금융권·은행 업종 편이 첫 사례이며 이동통신 3사 편이 두 번째
  • 은행 업종: robots.txt·sitemap 등 탐색 기초 요소의 결함이 공통적으로 관찰되고, 금융상품 페이지의 Answerability(질문에 답할 수 있는 구조)가 전반적으로 낮음, 성능 지표(LCP)는 금융 정보의 신뢰 신호로도 작동 — "좋은 콘텐츠보다 답변 가능한 구조가 경쟁력을 만든다"
  • 분석 대상 3유형(통신 3사 편): 요금제 목록 페이지(후보 수집 관문) · 대표 요금제 상세 페이지(선택·인용 판단) · 프로모션 페이지(노출 증폭 보조)
  • AI·검색 환경은 콘텐츠 양·마케팅 문구보다 비교·정렬이 가능한 구조 자체를 우선 탐색
  • 통신 3사 공통 한계: 공통 비교 기준 미고정, 자바스크립트 렌더링 의존으로 초기 HTML 정보 노출 부족, sitemap·canonical 설정 미흡
  • UI 비교 기능 ≠ AI 구조적 비교 가능성 — 비교하기 버튼은 사용자 조작 후에만 작동하지만 AI는 UI 없이 페이지 구조로 비교 가능성을 판단
  • 이벤트·프로모션 페이지는 노출은 강하나 짧은 생명주기와 낮은 Answerability로 지속 참조되기 어려움
  • Quick Wins: 목록 페이지 공통 비교 기준 구조화, 상세 페이지 핵심 조건 요약 블록, 정보 반복 가능한 구조화, sitemap·canonical 점검
  • 이커머스: 상품은 목록·기획전 등 '묶음' 단위로 먼저 인식되고(Vol.1), 상세 페이지는 동일 상품이라도 플랫폼별 구조 차이에 따라 GEO(AIEO) 인식 결과가 달라지는 2차 관문으로 작동(Vol.2)
  • 콘텐츠 플랫폼·OTT: 로그인 전 화면은 콘텐츠는 보이되 탐색은 안 되는 구독 유도 랜딩 구조이며(Vol.1), 콘텐츠는 플랫폼 홈이 아니라 URL 단위 상세 페이지로 인식되고 로그인 장벽은 시청 행위에만 적용되고 정보 인식 단계에는 적용되지 않음(Vol.2)
  • 자산운용사: 펀드·ETF는 규제·고지 정보와 결합된 특성상 상품 엔티티로 분리되기 어려워 선택은 인식 단계(Vol.1)·비교 단계(Vol.2)에서 반복적으로 멈추고, 실제 비교·선택은 HTS·MTS 등 외부 정보 환경에서 완결(Vol.3)
  • 여행·숙박: 숙소는 객실·일정·인원이 결합돼야 상품이 되는 특성상 후보 집합·비교 기준·흐름 유지 구조(Vol.3)가 형성되지 않으면 정보는 충분해도 선택은 플랫폼 밖에서 완결
  • 업종을 막론하고 반복되는 패턴: 정보의 양 부족이 아니라 '선택 가능한 구조'의 부재가 GEO(AIEO) 환경에서 선택(인용)을 가로막는 공통 원인
  • GEO 우수 사례 검증(Vol.1): 온라인에서 소개된 국내 GEO 우수 사이트 5곳을 30페이지 실측 — 콘텐츠 품질이 높다고 사이트 전반의 GEO 준비 상태(기술·성능)까지 높은 것은 아니며, 사이트마다 강점 영역이 서로 다름
  • GEO 우수 사례 검증(Vol.2): 같은 5개 사이트로 ChatGPT·Gemini·Perplexity 90개 답변을 실측한 결과 인용 응답률 27%(24/90) — 진단 점수 순서와 인용 응답률 순서가 일치하지 않아, 페이지 진단과 실제 AI 인용은 별개 확인이 필요한 문제임을 확인
  • GEONIQ 온보딩 미션 이벤트: URL 무료 진단·채널 공유 미션으로 진단 도구 체험 저변 확대

관련 개념

출처

최종 업데이트: 2026-09-07 | 출처 15개