1. Why
검색 결과 상위노출보다 중요한 것은, AI 답변 안의 선택지가 되는 것이었습니다.
검색 환경이 바뀌고 있었습니다.
고객은 더 이상 검색 결과를 하나씩 눌러 비교하지 않습니다. “전담 액상 추천”, “전자담배 순위”, “입호흡 액상 추천”처럼 구매 의도가 높은 질문을 검색하면, Google AI Overview가 먼저 요약 답변을 보여줍니다. 이 영역에 어떤 브랜드가 등장하는지가 고객의 첫 번째 고려군을 결정할 수 있다고 봤습니다.
문제는 네스티가 이 AI Overview 영역에서 거의 보이지 않는다는 점이었습니다. 기존 SEO처럼 검색 순위만 확인해서는 부족했습니다. 우리가 확인해야 할 것은 “검색 결과에 있는가”가 아니라, 고객이 구매 의도 키워드를 검색했을 때 Google AI Overview가 네스티를 선택지로 보여주는가였습니다.
네스티가 뜨지 않았던 당시 Ai overview 상황
구글 Ai 개요에는 전자담배 키워드임에도 네스티가 없었다.
전자담배는 광고 집행이 제한적인 카테고리입니다. 돈을 태워 노출을 사기 어렵다면, 브랜드는 고객이 질문하는 순간에 자연스럽게 발견되어야 합니다.
2. What I Did
SEO 기반 정비부터 AI Overview 모니터링 자동화까지 연결했습니다.
가장 먼저 SEO Foundation을 정비했습니다. AEO와 GEO는 SEO를 대체하는 것이 아니라, SEO 위에 올라가는 발견성 확장 작업이라고 봤습니다. AI가 브랜드를 답변에 포함하려면, 먼저 공식몰과 외부 브랜드 정보가 검색엔진에 정확히 읽혀야 했습니다.
Cafe24 기반 공식몰의 공통 SEO 태그를 정리했습니다. 기존의 키워드 나열식 Title, Description을 줄이고, 구글과 네이버가 읽기 쉬운 문장형 구조로 바꿨습니다. 게시판 페이지별 SEO 태그도 정비했고, robots.txt와 sitemap 제출 상태를 점검했습니다. 브랜드 엔티티 강화를 위해 Wikidata를 생성하고, 나무위키 문서를 보강했으며, Google Business Profile도 고도화했습니다.
그다음에는 전자담배 관련 핵심 키워드 47개를 정리했습니다. 단순 검색량만 본 것이 아니라, 검색량, 난이도, 구매 의도, AI Overview 노출 여부를 함께 관리했습니다. 구글에서 “담배”가 포함된 키워드의 검색량 확인이 제한되는 경우가 있어, 검색량은 BlackKiwi의 네이버 검색량 데이터를 참고해 보수적으로 추정했습니다.
콘텐츠 작성 방식도 바꿨습니다. 기존 콘텐츠가 사람에게만 읽히는 글이었다면, 새 콘텐츠는 사람과 AI가 모두 이해하기 쉬운 구조로 설계했습니다.
작성 원칙은 다음과 같았습니다.
- BLUF: 첫 3줄 안에 질문에 대한 직접 답변 배치
- Structured Data: 표, 리스트, 비교표 중심으로 정보 구조화
- Evidence: 수치, 출처, 실사용 경험 포함
- Entity Consistency: 브랜드명, 제품명, 카테고리 표기 통일
- Anti-Ad Tone: 과한 광고 문구보다 객관적인 비교 가이드 톤 유지
- Update Cycle: 핵심 콘텐츠는 90~180일 주기로 업데이트
콘텐츠 구조는 Hub & Spoke 방식으로 잡았습니다. 커뮤니티, SNS, 리뷰, 핀터레스트 같은 Tier 2 접점에서 브랜드 문맥을 만들고, 정보형 콘텐츠 허브로 모은 뒤, 최종적으로 공식몰 상품/결제 페이지로 연결되게 설계했습니다.
여기서 끝내지 않고, AEO 모니터링 자동화 시스템을 만들었습니다.
기존에는 47개 키워드를 하나씩 구글에 검색하고, AI Overview 영역에 네스티가 나오는지 직접 확인해야 했습니다. 이 방식은 반복 비용이 크고, 기록도 남지 않아 개선 여부를 판단하기 어려웠습니다.
그래서 Google Sheets, Python, Playwright를 연결했습니다.
Google Sheets의 [MASTER] 타겟 키워드 DB에 47개 키워드를 정리하고, Python 스크립트가 키워드를 순회하며 구글 검색을 실행하도록 만들었습니다. Playwright로 실제 브라우저를 열어 Google AI Overview 영역과 검색 결과 본문을 확인하고, “네스티” 또는 “NASTY”가 포함되어 있는지 검사했습니다. 결과는 [Log] AEO 트래킹 히스토리 시트에 누적되도록 설계했습니다.
단순히 “노출 / 미노출”만 기록하지 않았습니다. 노출 위치와 강도에 따라 비즈니스 임팩트가 다르기 때문에 0, 1, 3, 5점으로 점수화했습니다.
- 0점: 미노출
- 1점: 하단 출처 또는 간접 노출
- 3점: AI Overview 본문에 브랜드 직접 언급
- 5점: 최상단 추천, 강조 노출, 리스트형 추천 등 강한 노출
점수 간격을 0, 1, 3, 5로 벌린 이유는 단순 노출과 추천형 노출의 임팩트가 다르기 때문입니다. 하단 출처에 잡히는 것과 AI 답변 본문에서 브랜드가 직접 언급되는 것은 같은 1단계 차이가 아니라고 판단했습니다.
GEO 모니터링도 별도로 자동화했습니다. AI 모델이 브랜드를 어떻게 인식하는지 보기 위해 매주 20개의 전략 프롬프트를 ChatGPT, Gemini 등에 수동으로 질문하고 답변을 정리하는 것은 지속 가능하지 않았습니다. 또한 일반 웹이나 앱 환경에서 질문하면 개인화 맥락이 섞일 수 있어 객관적인 비교가 어려웠습니다.
3. Result
Google AI Overview 기준 47개 키워드 중 18개에서 네스티 노출을 만들었습니다.
2026년 3월부터 6월까지 전자담배 관련 핵심 키워드 47개를 기준으로 Google AI Overview 노출 여부를 추적했습니다. 그 결과 18개 키워드에서 네스티가 AI Overview 영역에 노출되는 것을 확인했습니다. 타겟 키워드 기준 약 38% 커버리지입니다.
현재 내부 AEO 모니터링 기준으로, 특정 전자담배 관련 키워드를 구글에 검색했을 때 AI Overview 영역에서 네스티가 월 약 5만 회 노출되고 있습니다.
- Gemini·Perplexity 기준 AI 답변 내 브랜드 언급 사례 확보
ChatGPT는 정책상 특정 카테고리에서 브랜드 직접 추천을 제한하는 경향이 있었기 때문에, 실제 모니터링은 한국 사용자가 많이 쓰는 Gemini와 Perplexity를 중심으로 진행했습니다.
객관성을 위해 시크릿 모드와 비로그인 환경에서 동일 질문을 반복 체크했고, 주요 구매 의도 질문에서 NASTY가 추천 브랜드 또는 비교 대상에 포함되는 사례를 확인했습니다.
4. 배운 점
GEO/AEO작업은 SEO 작업 토대 위에 세워야하는 것은 맞지만, SEO 최적화 작업은 방향이 다르다는것을 배웠습니다. 정확한 키워드 타겟을 하고 글작업을 하는 SEO와는 다르게, 특정 검색 엔진 봇, 예를들어 구글봇 같은 경우에는 해당 키워드나 문맥 관련하여 인터넷 전체에 퍼져있는 맥락을 참조하여 AI overview를 생성한다는 점을 알게 되었습니다.
그 증거로 ‘편의점 전자담배 추천’ 같은 키워드가 있었습니다. 네스티 전자담배는 편의점에는 팔지 않지만 팔고 있다고 노출이 되고 있는 것이지요.
처음 이 작업이 필요하다고 생각이 되었을때, 대행사와 협업을 고려했습니다. 하지만 필요 이상의 비용에 직접 진행을 하게 되었는데, 그때 든 생각은 어차피 AEO/GEO 최적화 작업은 마케팅에서 가장 최근에 대두된 개념이고 대행사가 그렇게 많은 실험과 데이터가 없을 거라는 예상이었습니다.
구글 공식 가이드라인을 보며 가이드와 가설을 정립했고, 다행히 길지 않은 시간 안에 최적화를 성공해본 경험을 쌓게 되었습니다.