예산 없는 소상공인의 AEO 첫걸음

예산이 없어도 AEO는 시작할 수 있습니다. 돈이 아니라 '정보의 정리 방식'이 AI 인용을 가른다는 게 핵심이거든요. AI 검색(ChatGPT·Perplexity·구글 AI 개요·네이버 AI 브리핑)은 광고를 많이 한 가게를 답에 넣는 게 아니라, 질문에 가장 또렷하게 답하는 문장을 가진 페이지를 끌어다 인용합니다. 그래서 소상공인에게 AEO는 오히려 공정한 게임입니다. 이 글은 광고비 0원으로, 오늘 당장 한 시간이면 시작할 수 있는 실무 첫걸음을 순서대로 정리했어요. 어려운 말은 전부 일상 비유로 풀어드릴게요.

AEO가 뭔가요? (그리고 왜 돈이 안 드나)

AEO는 Answer Engine Optimization, 답변 엔진 최적화입니다. 예전 SEO가 '검색 결과 목록에서 위로 올라가기'였다면, AEO는 'AI가 만들어주는 답변 안에 내 가게가 인용되기'예요. 손님이 "성수동에서 비건 디저트 잘하는 곳"이라고 ChatGPT에 물으면, AI가 문장으로 답을 써주고 그 안에 가게 이름·링크를 넣어주죠. 거기에 들어가는 게 목표입니다.

왜 돈이 안 드냐면, AI는 '광고비 지불 여부'를 보지 않기 때문이에요. AI는 인터넷에서 글을 읽어와(retrieval) 답을 씁니다. 잘 읽히고, 질문에 직접 답하고, 믿을 만한 근거가 붙은 글이면 동네 빵집이든 대기업이든 똑같이 후보가 됩니다. 즉 AEO의 1차 비용은 '돈'이 아니라 '글을 제대로 쓰는 시간'입니다.

AI가 답을 만드는 3단계 — 이걸 알아야 어디를 고칠지 보인다

AI 검색의 속을 모르면 엉뚱한 곳에 힘을 씁니다. AI 답변의 뼈대는 RAG(검색 → 재정렬 → 생성)라는 구조예요. 2020년 Lewis 등이 제안한 방식(arXiv:2005.11401)으로, AI의 '머릿속 지식(파라메트릭 기억)'에 '바깥에서 찾아온 문서(비파라메트릭 기억)'를 합쳐 답을 만드는 겁니다. 단계별로 보면 이렇습니다.

① 검색(Retrieval) — 후보 글을 긁어온다

AI는 질문과 의미가 비슷한 글 수십 개를 먼저 모읍니다. 여기서 두 가지 검색이 같이 돌아요.

• 키워드 검색(BM25) = 도서관의 단어 색인. "비건"이라는 단어가 들어간 책을 찾아주죠.
• 의미 검색(임베딩, Dense Retrieval) = 주제를 아는 사서. "우유·계란 안 쓴 디저트"라고 물어도 "비건 디저트" 글을 찾아냅니다. 2020년 Karpukhin 등(arXiv:2004.04906)이 보여준 것처럼, 이 의미 검색이 단순 키워드 검색을 능가합니다.

둘을 합친 게 하이브리드 검색입니다. 공개 벤치마크들을 종합하면 recall@10(상위 10개 안에 정답이 들어올 확률)이 의미 검색 단독 약 78%, 키워드 단독 약 65%인데, 둘을 합치면 약 91%까지 올라갑니다. 도서관 색인과 사서를 함께 쓰면 책을 더 잘 찾는 것과 같아요. 소상공인 교훈: 내 글에 손님이 실제로 쓰는 단어(키워드)도 있어야 하고, 주제가 분명(의미)해야 한다. 둘 중 하나만으로는 약합니다.

② 재정렬(Reranking) — 진짜 답이 될 글을 추린다

긁어온 수십 개를 AI가 질문과 나란히 다시 읽으며 순위를 매깁니다(cross-encoder 재정렬). 이 단계에서 점수가 보통 NDCG 기준 +5~15점, 어려운 질문에선 ~20점까지 오릅니다. 비유하면 사서가 후보 책들을 책상에 펴놓고 "이 질문엔 어느 페이지가 진짜 답이지?" 하고 한 권씩 펼쳐보는 거예요. 여기서 살아남으려면 '질문-답이 한 문단 안에 붙어 있는 글'이 유리합니다. 제목 따로, 답 따로 흩어져 있으면 재정렬에서 밀려요.

③ 생성(Generation) — 추린 글로 답을 쓴다

AI는 최종으로 추린 글 몇 개를 보고 답 문장을 만듭니다. 그런데 여기 함정이 있어요. 2023년 Liu 등의 'Lost in the Middle' 연구(arXiv:2307.03172)에 따르면, AI는 긴 맥락의 중간에 있는 정보를 잘 놓칩니다(U자형 성능). 앞과 끝은 잘 보는데 가운데는 흐릿하게 읽어요. 회의에서 맨 처음과 맨 끝 발언만 기억나는 것과 똑같습니다. 그래서 핵심 정보(가게명·위치·핵심 강점·결론)는 글 앞쪽과 끝에 배치해야 AI가 인용할 확률이 올라갑니다.

예산 0원 첫걸음 — 오늘 할 수 있는 7가지

이제 실전입니다. 비용이 드는 항목은 하나도 없어요. 위에서 본 단계 순서대로, 그냥 따라 하시면 됩니다.

1. AI 크롤러가 내 사이트에 들어오게 문을 열어둔다

AI가 인용하려면 먼저 내 글을 '읽을 수' 있어야 합니다. 사이트의 robots.txt 파일에서 AI 크롤러를 막고 있으면, 아무리 좋은 글도 후보에 못 들어가요. 식당 문을 잠가놓고 손님이 안 온다고 하는 격입니다. 주요 AI 크롤러를 허용하세요.

# robots.txt — AI 크롤러 허용 예시
User-agent: GPTBot          # OpenAI
Allow: /
User-agent: OAI-SearchBot   # ChatGPT 검색
Allow: /
User-agent: PerplexityBot   # Perplexity
Allow: /
User-agent: ClaudeBot       # Anthropic
Allow: /
User-agent: anthropic-ai
Allow: /
User-agent: Google-Extended # 구글 AI
Allow: /

네이버 블로그·스마트스토어처럼 직접 robots.txt를 못 만지는 플랫폼이라면, 이 항목은 건너뛰고 아래 콘텐츠 항목에 집중하세요(이유는 뒤 네이버 섹션에서).

2. 직답 문장으로 시작한다 (가장 큰 차이를 만드는 한 줄)

AI는 '질문에 곧장 답하는 문장'을 좋아합니다. 글 첫 문장이 분위기 잡는 인사말이면 인용하기 어렵고, 첫 문장이 곧 답이면 그대로 따다 쓰기 좋아요.

• ❌ 약한 예: "안녕하세요, 저희 가게는 2015년부터 한자리를 지켜온 정성 가득한 빵집입니다."
• ✅ 강한 예: "성수동에서 우유·계란을 쓰지 않는 비건 크루아상을 파는 곳은 △△베이커리입니다. 매일 오전 10시부터 소량 생산하며, 주말은 예약을 받습니다."

강한 예는 '어디', '무엇', '언제'가 첫 문단에 다 들어 있죠. AI가 "성수동 비건 크루아상" 질문에 그대로 인용할 수 있는 형태입니다.

3. 손님이 진짜 묻는 질문을 제목으로 만든다

키워드를 우겨넣지 말고, 손님의 자연어 질문을 그대로 소제목(<h2>)으로 쓰세요. AI 검색은 대화형 질문으로 들어오니까요.

• ❌ 약한 예: "메뉴 안내 / 가격표"
• ✅ 강한 예: "비건 손님도 먹을 수 있는 메뉴가 있나요?" "포장·예약은 어떻게 하나요?" "주차 가능한가요?"

그리고 각 질문 바로 아래에 2~4문장으로 답을 붙이세요. 질문과 답이 붙어 있어야 재정렬 단계에서 살아남습니다(위 ② 참고).

4. 구체적인 숫자·근거·인용을 넣는다 (효과가 측정된 항목)

이건 느낌이 아니라 연구로 확인된 방법입니다. 2023년 Aggarwal 등의 GEO 연구(arXiv:2311.09735, KDD 2024)에서 통계 수치, 출처 인용, 직접 인용문을 추가하면 생성 엔진에서의 가시성이 특정 조건에서 최대 약 40%까지 올랐습니다. 막연한 자랑 대신 검증 가능한 사실을 넣으라는 거예요.

• ❌ 약한 예: "우리 원두는 정말 신선하고 최고급입니다."
• ✅ 강한 예: "매주 화요일 로스팅해 로스팅 후 7일 이내 원두만 판매합니다. 에티오피아 예가체프 G1 싱글 오리진을 사용하며, 한 잔당 원두 18g을 씁니다."

5. 정보를 '한입 크기'로 잘라 맥락을 붙인다

AI는 긴 글을 통째로 읽지 않고 조각(청크)으로 나눠 읽습니다. 그런데 조각만 떼어놓으면 "이게 어느 가게 얘기지?" 하고 길을 잃어요. Anthropic의 2024년 Contextual Retrieval 연구에서, 각 조각 앞에 짧은 맥락 한 줄을 붙였더니 검색 실패율이 35% 줄었고(5.7%→3.7%), 키워드 검색을 합치니 49%, 재정렬까지 더하니 67%까지 줄었습니다. 비유하면 서류 한 장 한 장에 '○○가게 / 영업시간 항목'이라는 라벨을 붙여두는 것과 같아요.

소상공인 버전: 각 문단을 "△△베이커리는 ~"처럼 주어를 분명히 시작하세요. "저희는", "여기는" 같은 대명사로 시작한 문단은 조각으로 떼어지면 미아가 됩니다.

6. 구조화 데이터를 단다 (무료 도구로 가능)

가게 정보를 기계가 읽기 쉬운 형태(schema.org 구조화 데이터)로 달면 AI가 가게명·주소·영업시간·메뉴를 정확히 집어갑니다. 코딩을 몰라도 무료 생성기로 JSON-LD를 만들어 페이지에 붙일 수 있어요.

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Bakery",
  "name": "△△베이커리",
  "address": "서울 성동구 성수동 ...",
  "openingHours": "Tu-Su 10:00-19:00",
  "servesCuisine": "비건 디저트"
}
</script>

FAQ 페이지라면 FAQPage 스키마를 쓰면 질문-답 쌍이 그대로 AI에 전달됩니다.

7. 네이버를 따로 공략한다 (한국 소상공인 필수)

여기가 한국만의 핵심입니다. 네이버는 외부 AI 크롤러를 막기 때문에, 글로벌 AI(ChatGPT 등)는 네이버 블로그 대신 나무위키·위키백과·티스토리를 우회로 인용하는 경향이 있어요. 반대로 네이버 자체 AI(AI 브리핑·AI탭)는 네이버 안의 콘텐츠를 봅니다. 그래서 두 세계를 모두 챙겨야 합니다.

네이버 AI 브리핑(검색 결과 요약)은 통합검색 쿼리의 20% 이상에 이미 적용되고 있고, 2026년 4월 기준 인용이 월 약 3.558억 건에 이릅니다. 그리고 한 표본 분석(272건)에서 인용 출처의 약 58%가 블로그였고, 인용의 약 49%는 검색 상위 10위 밖에서 나왔습니다. 즉 1위가 아니어도 잘 쓴 블로그 글이면 AI 답변에 인용될 수 있다는 뜻이라, 소상공인에게 희망적입니다.

네이버 알고리즘(C-Rank: 출처 신뢰·전문성, D.I.A.+: 문서 의도)이 좋아하는 콘텐츠 5원칙은 이렇습니다.

참고로 네이버 큐:(Cue:)와 클로바X는 2026년 4월 9일 종료되고, AI탭이 2026년 6월 25~26일 전체 정식 출시되며 대화형·에이전틱 검색으로 전환되었습니다. 창작자 보상 프로그램 '네이버 메이트'도 있어(기본 월 30만 원, 분야 1위는 월 1,000만 원 수준) 꾸준한 블로그 운영의 보상이 커졌습니다.

엔진마다 성향이 다르다 — 어디부터 노릴까

광고비가 없을수록 '한 군데를 제대로' 노리는 게 효율적입니다. 엔진마다 인용 취향이 다르거든요. 대규모 인용 분석을 보면 ChatGPT와 Perplexity가 같은 도메인을 인용하는 비율은 약 11%에 불과하고, 인용의 약 90%가 엔진마다 다릅니다. 한 우물만 파면 안 되지만, 시작점은 고를 수 있어요.

• ChatGPT: 위키백과(약 47.9%)·커뮤니티 출처를 잘 봄. 위키성 정보·정리된 글에 강함.
• Perplexity: 실시간·인라인 인용. Reddit(약 46.7%) 같은 커뮤니티 비중 큼.
• 구글 AI(Gemini): 구글 색인 + E-E-A-T(경험·전문성·권위·신뢰). 기존 SEO 자산이 그대로 힘이 됨.
• Claude: 근거 약한 콘텐츠를 보수적으로 걸러냄. 출처가 분명한 글에 유리.
• 네이버 AI: 한국 소상공인이라면 1순위. 위 7번 항목.

추천 시작 순서(예산 0원): ① 네이버(국내 손님) → ② 구글 AI(기존 사이트가 있으면 SEO가 그대로 자산) → ③ ChatGPT/Perplexity(잘 정리된 FAQ·소개 글로).

측정 — '한 번 검색해 봤더니 나오더라'를 믿지 마세요

여기서 초보가 가장 많이 실수합니다. AI 답변은 같은 질문에도 매번 흔들립니다. 온도(temperature)를 0으로 고정해도 GPU 연산·배치 처리 때문에 결과가 변해요. 한 실험에서 2,350억 파라미터 모델에 같은 질문을 1,000번 했더니 80가지 다른 출력이 나왔습니다. 그래서 '오늘 한 번 검색해서 우리 가게가 나왔다/안 나왔다'는 노이즈일 뿐입니다.

제대로 보려면 같은 질문을 여러 번, 여러 날 반복해서 '인용되는 비율'로 봐야 합니다(다중 실행 + 신뢰구간). 그리고 'AI 프롬프트 검색량' 같은 데이터는 실측이 거의 불가능해 패널 모델링 추정치라는 점도 알아두세요. Conductor도 "신뢰할 수 없는 검색량 데이터는 없는 것보다 나쁘다"고 지적합니다. 숫자에 휘둘리지 말고, 추세로 보세요.

측정 지표로 자주 쓰는 게 SOV(Share of Voice), 즉 '내 카테고리 AI 답변 중 우리 브랜드가 언급된 비율'입니다. 단, 어떤 질문 세트를 쓰느냐가 결과를 좌우하고, 가시성은 결국 매출·문의(결과)를 설명하는 2차 지표라는 점을 기억하세요. 가시성 자체가 목적이 아니라 손님이 오는 게 목적입니다.

한 시간 실전 체크리스트

• ☐ robots.txt에서 AI 크롤러 허용(직접 만질 수 있는 사이트인 경우)
• ☐ 가장 중요한 페이지 첫 문장을 '직답'으로 교체
• ☐ 손님이 실제로 묻는 질문 5개를 소제목으로, 바로 아래 2~4문장 답
• ☐ 막연한 형용사를 구체 숫자·근거로 교체(로스팅 주기, 원두 산지 등)
• ☐ 문단을 '가게명 주어'로 시작해 미아 방지
• ☐ 핵심 정보는 맨 앞·맨 끝에 배치
• ☐ 무료 생성기로 schema.org JSON-LD 달기
• ☐ 네이버 블로그: 직접 경험 사진 + 질문형 제목 + 최신 정보
• ☐ 같은 질문을 여러 번/며칠 반복해 인용 추세 기록

Citeon은 이 원리를 제품에 담았다

위 체크리스트를 직접 다 해보려면 시간이 듭니다. 특히 '내가 지금 어디가 약한지', '경쟁 가게는 왜 인용되는지', '내 노력이 실제로 인용으로 이어지는지'는 혼자 측정하기 어렵죠. Citeon은 바로 이 지점을 돕습니다.

• 사이트 진단 엔진: 내 URL을 넣으면 SEO·AEO·GEO 관점에서 약한 곳과 한국어 처방을 짚어줍니다. 위 7가지 중 무엇부터 손볼지 우선순위가 나와요.
• 4엔진 인용 측정(SOV): ChatGPT·Gemini·Perplexity·Claude에서 우리 브랜드가 실제로 얼마나 인용되는지 비율로 봅니다. '한 번 검색'의 노이즈가 아니라 추세로요.
• 경쟁사 역추적: 같은 질문에 인용되는 경쟁 가게가 무엇을 잘했는지 거꾸로 분석해 따라잡을 포인트를 알려줍니다.
• 주간 모니터링: 글을 고친 뒤 인용이 늘었는지 매주 추이로 확인합니다.

예산이 없다면 무료 진단(₩0)부터 시작하세요. 내 사이트가 AI 검색에서 지금 어디쯤 있는지, 무엇부터 고치면 좋을지 분석·처방 리포트를 받아볼 수 있습니다. citeon.cloud에서 무료 AI 가시성 진단 받기

자주 묻는 질문(FAQ)

참고자료

• Lewis 등(2020), Retrieval-Augmented Generation — RAG 원전
• Karpukhin 등(2020), Dense Passage Retrieval
• Liu 등(2023), Lost in the Middle
• Aggarwal 등(2023), GEO: Generative Engine Optimization (KDD 2024)
• Anthropic(2024), Introducing Contextual Retrieval
• Conductor, Debunking AI Prompt Volume