[Part 01] 3-Layer GEO Architecture: SEO 기반에서 설계하는 기업의 GEO 실행 전략

3-Layer GEO Architecture로 보는 AI Search 최적화의 출발점

AI Search의 확산은 단순히 새로운 검색 인터페이스가 등장했다는 것 이상의 변화를 만들고 있습니다. 기존 Search에서는 사용자가 여러 검색 결과를 탐색하고, 정보를 비교하고, 스스로 답을 구성했습니다. 반면 AI Search에서는 정보의 탐색과 선별, 종합의 상당 부분이 시스템 내부에서 이루어집니다.

그 결과 검색 최적화에서 다루어야 할 문제 역시 달라지고 있습니다. 기존의 핵심 질문이 “우리의 콘텐츠가 검색 결과에서 발견될 수 있는가?” 였다면 이제는 그 이후까지 살펴봐야 합니다.

어떤 정보가 검색 후보가 되는가.
어떤 정보가 신뢰할 수 있는 근거로 선택되는가.
그리고 어떤 정보가 최종 답변에 활용되고 출처로 연결되는가.

GEO(Generative Engine Optimization)에 대한 논의가 빠르게 증가하는 이유도 여기에 있습니다. Schema, Entity, Query Fan-out, Passage Optimization, Freshness, Brand Mentions, Structured Data 등 다양한 실행 방법이 제시되고 있고, 새로운 AI 플랫폼과 기능이 등장할 때마다 또 다른 최적화 방법이 추가되고 있습니다.

하지만 GEO를 하나의 독립적인 최적화 영역으로 발전시키기 위해서는 개별 Tactic보다 먼저 해결해야 할 질문이 있다고 생각합니다. “생성형 검색 환경에서 기업의 정보는 어떤 과정을 거쳐 발견되고, 평가되고, 근거로 선택되며, 최종 답변에 활용되는가?”

현재 GEO라고 불리는 실행 방법들은 서로 독립적으로 존재하지 않습니다. 기술적 접근성은 정보가 검색 후보가 되는 조건과 관련되어 있고, 콘텐츠의 관련성과 검증 가능성은 근거 선택과 연결됩니다. 정보의 구조와 최신성, 신뢰성은 AI가 정보를 이해하고 활용하는 과정과 관련됩니다.

여기에 각 AI 플랫폼이 사용하는 Search Infrastructure, Retrieval 방식, Data Source와 Citation 방식의 차이가 더해집니다. 즉, GEO는 하나의 새로운 최적화 기법이라기보다 AI가 답을 구성하는 Information Flow의 서로 다른 지점을 다루는 문제의 집합 에 가깝습니다.

저희는 Search Seoul 2026에서 바로 이 문제를 3-Layer GEO Architecture라는 구조로 제안했습니다.

핵심 요약: 기업의 GEO 최적화는 무엇부터 시작해야 할까?

ARTIENCE는 GEO의 실행 영역을 다음 세 개의 Layer로 구분합니다.

SEO Fundamentals
→ Common GEO
→ Platform-Level GEO

먼저 AI Search가 기업의 정보를 발견하고, 접근하고, 이해할 수 있는 기반을 확보합니다. 그다음에는 발견된 정보가 질문에 적합하고, 검증 가능하며, 신뢰할 수 있는 Evidence로 활용될 수 있는 상태를 만들어야 합니다. 마지막으로 이러한 공통 기반 위에서 ChatGPT, Google AI Search, Perplexity 등 비즈니스에 중요한 플랫폼별 Retrieval과 Source Selection, Citation 특성을 고려합니다.

실행 원칙을 한 문장으로 정리하면 다음과 같습니다.

Fundamentals First. Common Next. Platform-Level Last.

3-Layer GEO Architecture란 무엇인가?

3-Layer GEO Architecture는 AI Search 환경에서 기업이 GEO의 실행 영역과 우선순위를 SEO Fundamentals, Common GEO, Platform-Level GEO의 세 단계로 구조화한 ARTIENCE의 실행 Framework입니다.

여기서 한 가지는 분명히 할 필요가 있습니다. 3-Layer GEO Architecture는 ChatGPT, Gemini, Perplexity와 같은 AI 플랫폼의 실제 내부 알고리즘을 설명하기 위한 기술 모델이 아닙니다. 플랫폼마다 내부 메커니즘은 다르고 상당 부분은 공개되어 있지 않습니다.이 Framework의 목적은 다른 곳에 있습니다.

빠르게 변화하는 AI Search 환경에서 기업이 무엇을 최적화해야 하고, 어떤 순서로 실행해야 하는지를 판단하기 위한 Core Execution Architecture를 만드는 것. 개별 Tactic을 계속 추가하는 대신, 새로운 방법이 등장했을 때 그것이 전체 AI Search 과정의 어디에 해당하며 어떤 문제를 해결하는지를 판단할 수 있는 구조를 만드는 것입니다.

Layer 1. SEO Fundamentals

AI가 활용하기 전에 먼저 발견하고 접근할 수 있어야 한다

첫 번째 Layer는 SEO Fundamentals입니다.

AI Search의 사용자 경험은 크게 달라졌지만, 웹의 정보를 탐색하고 활용하기 위한 기본적인 조건까지 사라진 것은 아닙니다.기업의 콘텐츠가 AI Search의 정보 Source로 활용되기 위해서는 먼저 검색 및 Retrieval 시스템이 해당 정보를 발견하고, 접근하고, 처리하고, 무엇에 관한 정보인지 이해할 수 있는 기반이 필요합니다.

대표적으로 다음 영역이 포함됩니다.

Discoverability
Crawlability
Rendering
Accessibility
Internal Linking
Entity Understanding

이것들은 새로운 GEO 기술이 아닙니다. 오랫동안 SEO에서 다루어온 기본적인 문제입니다.그렇다면 AI Search 시대에도 SEO Fundamentals가 중요한 이유는 무엇일까요?

Google의 생성형 Search 역시 SEO Fundamentals에서 출발한다

Google은 2026년 공개한 생성형 AI Search 공식 가이드에서 기존 SEO best practices가 AI Overviews와 AI Mode에서도 여전히 foundational하다고 명확하게 설명하고 있습니다. Google의 생성형 Search 기능은 기존 Core Search Ranking과 Quality System을 기반으로 하며, Search Index의 최신·관련 웹페이지를 Retrieval해 답변을 Grounding하는 RAG(Retrieval-Augmented Generation)를 활용합니다. 또한 복잡한 질문에서는 여러 관련 검색을 동시에 수행하는 Query Fan-out 기법도 사용할 수 있습니다.

AI Overviews와 AI Mode에서 Supporting Link 후보가 되기 위해서도 기본적으로 해당 페이지가 Google Search에 Index되어 있고 Search Result에서 Snippet을 표시할 수 있는 조건을 갖춰야 합니다. Google은 별도의 AI 전용 Schema나 특수한 machine-readable file이 필요하지 않다고도 설명합니다.

이 점은 중요한 의미를 갖습니다.

AI Search가 등장했다고 해서 기존 검색의 기술적 기반이 사라진 것이 아니라, 그 기반 위에 Retrieval과 Answer Generation이라는 새로운 단계가 추가되고 있는 것에 가깝습니다.

ChatGPT Search에서도 Crawlability는 여전히 중요한 출발점이다

OpenAI 역시 웹사이트가 ChatGPT Search에서 발견되고 요약·인용될 수 있도록 하려면 AI-SearchBot의 접근을 차단하지 않는 것이 중요하다고 공식적으로 안내하고 있습니다. 물론 이를 모든 AI Search 플랫폼에 동일하게 적용되는 절대적인 규칙으로 이해해서는 안 됩니다.

OpenAI는 제3자 Search Provider나 다른 페이지의 Crawling을 통해 URL을 발견할 수도 있다고 설명하고 있습니다. 따라서 SEO Fundamentals를 “이것만 충족하면 AI에 노출된다”라는 조건으로 이해하는 것은 잘못입니다.

더 정확한 정의는 다음과 같습니다.

SEO Fundamentals는 AI Search에서의 노출을 보장하는 조건이 아니라, 웹 기반 Search와 Retrieval 시스템이 기업의 정보를 안정적으로 발견하고 활용할 수 있도록 만드는 Infrastructure Layer다.

좋은 콘텐츠를 가지고 있어도 발견되지 못하면 평가받기 어렵습니다. 접근하기 어렵다면 활용 가능성도 낮아집니다. 중요한 정보가 JavaScript나 Interface 뒤에 가려져 제대로 Rendering되지 않는다면 Search System이 처리하는 데 제약이 생길 수 있습니다. 내부 링크가 부족해 Orphan Page가 된다면 Discovery 자체가 어려워질 수 있습니다.

그리고 어떤 기업, 제품, 인물, 개념에 관한 정보인지 명확하게 이해되지 않는다면 다른 정보와 연결하고 재사용하는 것도 어려워질 수 있습니다. 이것이 GEO 시대에도 Technical SEO, Information Architecture, Internal Linking, Entity Understanding을 여전히 중요하게 봐야 하는 이유입니다.

SEO는 GEO의 대체 대상이 아니라 첫 번째 Layer다

AI Search가 등장한 이후 “SEO가 GEO로 대체되는가?”라는 질문이 자주 등장합니다. 저희의 관점은 조금 다릅니다. Google 역시 자사의 생성형 Search 관점에서는 GEO/AEO를 별개의 완전히 새로운 Optimization Discipline으로 보기보다 Search Experience를 최적화하는 연속선상에서 바라보고 있습니다. Google은 기존 SEO best practices가 생성형 AI Search에서도 계속 중요하다고 명시합니다.

하지만 동시에 AI Search는 전통적인 Search보다 더 넓은 문제를 만듭니다. 검색되는 것만으로는 충분하지 않기 때문입니다. 검색 후보가 된 정보들 중에서 어떤 정보가 특정 질문에 더 적합한지, 어떤 Claim이 검증 가능한지, 어떤 Source를 신뢰할 수 있는지, 그리고 어떤 정보가 최종 답변을 뒷받침하는 Evidence로 활용되는지를 함께 고려해야 합니다.

따라서 저희는 SEO와 GEO의 관계를 다음과 같이 보고 있습니다. SEO는 GEO의 대체 대상이 아니라, GEO Architecture의 첫 번째 Layer입니다. SEO만으로 GEO가 완성되지는 않습니다. 그러나 강한 GEO는 여전히 강한 SEO Fundamentals에서 시작합니다.

그렇다면 SEO Fundamentals 다음에는 무엇이 필요한가?

여기에서 더 중요한 질문이 시작됩니다. 발견되는 것과 선택되는 것은 같은 문제일까요? 그렇지 않습니다. 웹페이지가 Crawl되고 Index되었다고 해서 반드시 AI 답변의 Grounding Source가 되는 것은 아닙니다. Search Candidate가 되었다고 해서 특정 질문에 대한 Evidence로 선택되는 것도 아닙니다.

결국 다음 단계에서는 이런 질문을 해야 합니다.

• 사용자의 질문과 우리의 정보가 얼마나 직접적으로 연결되어 있는가?
• 주장에 검증 가능한 Evidence가 있는가?
• 필요한 정보를 명확하게 추출하고 이해할 수 있는가?
• 정보가 최신이고 다른 Source와 일관적인가?
• 그리고 이 정보를 제공하는 Source를 신뢰할 수 있는가?

저희는 이러한 플랫폼 공통의 문제를 Common GEO라고 정의합니다. 그리고 기업의 정보가 AI 답변의 근거로 활용될 수 있을 만큼 관련성, 검증 가능성, 구조, 최신성, 신뢰성을 갖춘 상태를 Evidence Readiness라는 관점에서 바라보고 있습니다.

여기서 GEO의 관리 범위는 Website Content를 넘어가기 시작합니다. AI가 활용할 수 있는 Evidence는 반드시 기업의 Website 안에만 존재하지 않기 때문입니다.

3-Layer GEO Architecture가 제안하는 실행 순서

3-Layer Architecture의 목적은 GEO Tactic을 새로운 이름으로 분류하는 데 있지 않습니다. 핵심은 실행의 순서를 만드는 것입니다.

1. SEO Fundamentals

먼저 기업의 정보가 AI Search의 Information Supply Chain에 진입할 수 있는 기술적 기반을 확보합니다.

2. Common GEO

다음으로 발견된 정보가 질문에 적합하고, 검증 가능하며, 신뢰할 수 있는 Evidence가 될 수 있도록 정보의 품질과 구조를 개선합니다.

3. Platform-Level GEO

마지막으로 비즈니스에 중요한 AI 플랫폼의 Search Infrastructure, Retrieval, Source Selection, Citation 특성을 분석하고 플랫폼 수준의 차이를 최적화합니다.

따라서 GEO 전략의 출발점은 “ChatGPT에서 어떻게 노출될 것인가?” 또는 “Perplexity에서 어떻게 인용될 것인가?” 가 아닐 수 있습니다.

그보다 먼저 물어야 할 질문은 이것입니다.

“우리의 정보는 AI Search가 발견하고 활용할 수 있는 기반을 갖추고 있는가?”

그리고 그 다음 질문은

“발견된 우리의 정보는 왜 수많은 후보 중 신뢰할 수 있는 Evidence로 선택되어야 하는가?”

입니다.

이 순서를 이해하면 GEO는 훨씬 덜 복잡해집니다.

Fundamentals First.
Common Next.
Platform-Level Last.

저희가 3-Layer GEO Architecture를 통해 제안하는 가장 기본적인 실행 원칙입니다.

다음 글: 발견을 넘어 Evidence로

이번 글에서는 3-Layer GEO Architecture의 전체 구조와 첫 번째 Layer인 SEO Fundamentals를 살펴봤습니다. 하지만 GEO의 실제 경쟁은 Discovery 이후에 더 본격적으로 시작될 가능성이 있습니다.

다음 글에서는 두 번째 Layer인 Common GEO를 중심으로 다음 질문을 살펴보겠습니다. AI는 어떤 정보를 신뢰할 수 있는 Evidence로 활용할 수 있는가? 

그리고 여기에서 한 단계 더 나아가 기업의 GEO 전략이 왜 Website Content만으로는 충분하지 않은지,

Evidence Readiness
→ Distributed Evidence System
→ Evidence Integrity

라는 개념을 통해 살펴보겠습니다.

About This Framework

ARTIENCE 3-Layer GEO Architecture v1.0

3-Layer GEO Architecture는 Google, OpenAI 등 주요 AI Search 플랫폼이 공개한 공식 자료와 기존 Search 원칙을 바탕으로 ARTIENCE가 기업의 GEO 실행 영역과 우선순위를 SEO Fundamentals, Common GEO, Platform-Level GEO의 세 Layer로 구조화한 Framework입니다. 이는 특정 플랫폼이 공식적으로 사용하는 내부 Architecture나 Ranking Factor를 의미하지 않으며, 특정 실행 방법이 AI Search에서의 노출 또는 Citation을 보장한다는 의미도 아닙니다.

Methodology

본 Framework는 Search Seoul 2026 발표 준비 과정에서 주요 AI Search 플랫폼의 공식 문서와 공개된 Search·Retrieval 관련 정보를 검토하고, ARTIENCE가 축적해온 SEO 및 Search Consulting 경험을 바탕으로 기업의 GEO 실행 관점에서 구조화했습니다. AI Search 환경과 각 플랫폼의 공개 정보 변화에 따라 Framework 역시 지속적으로 검토·업데이트할 예정입니다.

References

[1] Google Search Central
Optimizing your website for generative AI features on Google Search, 2026.

[2] Google Search Central
AI features and your website.

[3] OpenAI Help Center
Publishers and Developers – FAQ, updated 2026.