AI 검색 최적화(GEO, AEO) 시대, 리테일 마케팅의 판도 바뀐다

생성형 AI 기술의 고도화가 소비자들의 정보 탐색 방식을 근본적으로 재편하면서, 전통적인 키워드 검색에 의존하던 리테일 및 패션 업계의 디지털 마케팅 파이프라인이 거대한 전환점을 맞이했다. AI가 사용자의 질문 의도를 직접 해석해 최적의 정답을 즉시 요약·제공하는 환경이 안착됨에 따라, 단순한 웹사이트 방문을 유도하던 ‘클릭 중심’ 패러다임은 빠르게 수명을 다하고 있다.

인크로스데이터랩의 ‘2025 I AM REPORT’에 따르면, 정보 탐색 시 생성형 AI 서비스를 주로 활용하는 비율은 전년 대비 315%나 급증했다. 실제로 한국 사용자의 정보 탐색 플랫폼 순위를 보면 2024년 11위(6%)에 머물렀던 생성형 AI 기반 서비스가 2025년 들어 챗GPT(19%, 4위)와 제미나이(5.9%, 13위)로 세분화되며 상위권으로 치고 올라왔다. 동기간 네이버의 주 이용 점유율은 64.2%에서 60.2%로, 유튜브는 51.2%에서 37.4%로 하락하며 검색 시장 내 독점적 지위가 약화되는 추세를 보였다.

오픈서베이의 최근 3개월 검색 서비스 이용 조사(2025년 12월 기준)에서도 구글이 17.2%로 2위, 챗GPT가 7.2%로 4위에 올랐으며, 제미나이는 2.6%로 6위까지 상승해 인공지능 플랫폼의 검색 시장 침투가 본격화되었음을 입증했다. 구글 알파벳 CEO 순다르 피차이는 “AI 오버뷰(AI Overview)의 월간 활성 사용자가 15억 명에서 불과 2개월 만에 20억 명을 돌파했다”고 발표하기도 했다.

이러한 검색 트렌드의 변화는 웹사이트 방문 유입 감소로 이어지고 있다. AI 오버뷰가 검색 결과 화면에 활성화될 경우 기존 웹사이트의 클릭률(CTR)은 61% 감소하고, 유료 광고 클릭률 역시 68% 하락하는 반면, 페이지를 클릭하지 않고 답변만 확인한 뒤 이탈하는 ‘제로클릭’ 비율은 83% 폭증한다. 나아가 Previsible.io 보고서에 따르면 AI 유입 세션은 동일 기간 1만 7,076건에서 10만 7,100건으로 527% 급증했다.

따라서 브랜드 마케터들에게는 구글 AI 오버뷰나 네이버 AI 브리핑 영역에 브랜드 노출을 확보하거나, 챗GPT·제미나이 등 AI 엔진의 추천 답변으로 채택되는 ‘생성형 AI 검색 최적화(GEO/AEO, Generative Engine Optimization / Answer Engine Optimization)’ 전략이 필수 과제로 부상했다.

[AI 검색 알고리즘 채택을 위한 콘텐츠 요건]
-전문적인 문체 및 수치 제시: 정량적 통계 데이터와 신뢰성 있는 인용구 활용 시 AI 가시성이 25.2% 상승함.
-E-E-A-T 요소 반영: 실제 사용 경험, 성분 분석, 수상 내역, 임상 데이터 등 신뢰 지표 포함.
-AI 친화적 문서 구조: 두괄식 요약, 볼드체 강조, 표·리스트 정리, Q&A 형태 매칭.
-기술적 세팅: 스키마 마크업 및 robots.txt, llms.txt 최적화를 통한 크롤링 지원.

AI가 선택하는 브랜드 콘텐츠의 기술적·구조적 특징은?
AI 검색 엔진은 단순한 키워드 반복이 아닌, 콘텐츠의 신뢰도와 전문성, 그리고 머신이 읽기 쉬운 구조(Machine Readable)를 갖춘 데이터를 우선적으로 학습하고 인용한다. 프린스턴 대학교 연구진의 GEO 논문에 의하면 설득력 있고 전문적인 문체는 LLM 인용 가능성을 21.3% 높이고, 정량적 수치·통계 데이터와 신뢰할 수 있는 출처·인용구를 포함한 콘텐츠는 AI 가시성을 25.2% 향상시킨다.

구글의 검색 품질 가이드라인인 E-E-A-T(경험·전문성·권위성·신뢰성) 원칙도 GEO에 똑같이 적용된다. 직접 경험한 실제 리뷰(Experience), 성분이나 수치 기반의 전문 정보(Expertise), 공식 인증 및 수상 경력(Authoritativeness), 임상 결과 및 재구매율 데이터(Trustworthiness)가 명시된 콘텐츠가 추천 알고리즘의 선택을 받는다.

시각적 구조 측면에서는 두괄식 요약, 볼드체 강조, 목록 및 표 활용, 출처 링크 명시, 그리고 소비자의 예상 질문과 정확히 매칭되는 FAQ 구조가 핵심이다. 기술적으로는 스키마 마크업(Schema Markup) 적용, robots.txt 및 llms.txt 최적화를 통해 AI 크롤러가 자사 데이터를 효율적으로 수집할 수 있도록 가공해야 한다.

한편 GEO 마케팅의 성과 측정을 위해서는 AI 답변 내 우리 브랜드의 점유율을 뜻하는 SOV(Share of Voice), 전체 AI 생성 답변 중 우리 브랜드가 언급된 비율인 SOA(Share of Answer), 추천 목록 내 노출 순위, 출처 인용 빈도, 그리고 AI의 묘사 톤앤매너를 수치화한 감성 점수를 핵심 지표(KPI)로 관리해야 한다.

관심사 기반 숏폼 알고리즘과 GEO의 연계 방안은?
AI 시대의 브랜드 홍보는 숏폼 콘텐츠 알고리즘에 대한 철저한 이해와 결합되어야 한다. 기존 소셜 미디어가 팔로워 중심의 관계 기반 노출이었다면, 틱톡·릴스·쇼츠 등의 숏폼 시스템은 철저히 시청자의 관심사(Interest) 기반으로 동작한다.

Forbes 및 GhostShorts 분석에 따르면 쇼츠 조회수의 83%는 비구독자로부터 발생한다. 알고리즘은 신규 영상 업로드 시 200~500명의 초기 테스트 그룹에 먼저 노출시킨 후, 완독률과 참여도(좋아요·댓글·저장·공유)에 따라 1,000~5,000명 대, 최종적으로 수십만에서 수백만 명 단위의 폭발적 확산 단계로 추천 범위를 넓힌다.

따라서 소규모 크리에이터나 브랜드 계정도 완독률(Audience Retention)과 저항 없는 시청(Non-Skip)을 유도하는 콘텐츠 구조를 갖추면 대형 계정 못지않은 파급력을 확보할 수 있다. 이미지 중심의 감성적인 무드보다는 소비자의 TPO, 특정 착장 고민, 상황별 문제 해결을 제시하는 ‘해결형 콘텐츠’가 알고리즘 노출 및 AI 학습 데이터 수집에 훨씬 유리하다.

AI 검색 최적화는 단발성 이벤트나 무리한 전용 예산 투입보다는, 기존에 수행하던 언론 홍보, 인플루언서 마케팅, 커뮤니티 소통 과정에 구조적·기술적 최적화를 자연스럽게 이식하는 실용적인 접근이 필요하다. 소비자의 니즈를 명확히 정의하고 이에 화답하는 완결성 높은 콘텐츠를 다각도로 축적할 때, 브랜드는 다가오는 AI 검색 생태계에서 확실한 주도권을 쥘 것으로 전망된다.