구글 첫 공식 AI 검색 최적화 가이드 — AEO·GEO는 결국 SEO다

결론부터 말한다. 구글이 2026년 5월, 처음으로 낸 공식 문서에서 못박은 메시지는 하나다. 사람들이 AEO(답변엔진최적화)·GEO(생성형엔진최적화)라 부르는 것은 결국 SEO라는 것이다. 새로운 기법을 따로 배워야 한다는 불안은 이제 접어 둬도 된다.

이 문서는 "Optimizing your website for generative AI features on Google Search"라는 제목으로 구글 서치 센트럴(개발자용 검색 문서)에 게시됐다. Search Engine Journal, Frase 등 국내외 다수 매체가 곧바로 이를 보도했고, 구글이 AI 검색 최적화를 이렇게 정면으로, 하나의 통합 문서로 다룬 것은 이번이 처음이다.

지금까지는 존 뮬러 같은 구글 담당자의 산발적인 발언이나 커뮤니티 답변에 의존해 AEO·GEO를 추측해야 했다. 이제는 구글이 직접 무엇이 통하고 무엇이 통하지 않는지를 문서로 못박았다는 점에서 이번 가이드는 실무자에게 아주 중요한 기준점이 된다.

이 글에서 먼저 챙겨 갈 핵심만 추리면 이렇다.

• 구글이 2026년 5월 처음 공개한 공식 AI 최적화 가이드의 정체와 핵심 결론
• AI 오버뷰와 AI 모드가 각각 무엇이고 어떻게 다른지
• llms.txt·콘텐츠 청킹 등 구글이 "안 해도 된다"고 못박은 다섯 가지 기법
• RAG(검색증강생성)·쿼리 팬아웃이 실제로 무엇을 의미하는지 쉬운 설명
• 구글이 꼽은 진짜 효과 있는 세 가지 요소와 업종별 적용 예시
• 오늘 바로 확인할 수 있는 실무 체크포인트

조금 더 풀어 말하면, 이 문서가 던지는 질문은 단순하다. "기존에 해 오던 SEO가 AI 검색 시대에도 여전히 유효한가?" 구글의 답은 짧다. "그렇다." 원문에는 "In short, yes"라는 문장이 그대로 담겨 있다.

이 글은 그 결론이 나온 배경, 문서의 실제 내용, 그리고 실무자가 오늘부터 무엇을 하고 무엇을 그만둬야 하는지를 예시 중심으로 정리한다. 어려운 용어는 나오는 자리에서 바로 한 문장으로 풀어 쓰고, 마지막에는 실제로 자주 나오는 질문들을 따로 모아 답한다.

구글이 새로 낸 이 가이드는 정확히 무엇인가?

이 가이드는 구글 서치 센트럴(Google Search Central), 즉 구글이 검색엔진 운영 방침과 기술 문서를 공개하는 개발자용 공간에 실린 공식 안내문이다. 2026년 5월 중순에 게시됐고, AI 오버뷰(AI Overviews)와 AI 모드(AI Mode)라는 구글의 생성형 AI 검색 기능을 위한 최적화 방법을 다룬다.

지금까지 구글은 AI 관련 기능이 나올 때마다 짧은 공지나 도움말 문서로 조금씩만 안내해 왔다. 이번처럼 "AI 최적화"라는 이름을 달고, 하나의 완결된 안내문으로 정리한 것은 처음이다. 그만큼 구글도 이제 AI 검색이 일시적인 실험 단계를 지나 검색 경험의 상수가 됐다고 판단했다는 신호로 읽을 수 있다.

문서의 핵심 문장을 우리말로 옮기면 이렇다.

구글 검색 입장에서 생성형 AI를 위한 최적화는 곧 검색 경험 자체를 위한 최적화이며, 따라서 여전히 SEO다.

이 한 문장 안에 이번 가이드 전체의 논리가 들어 있다. AI 오버뷰와 AI 모드는 완전히 새로운 별개의 시스템이 아니라, 구글이 이미 갖고 있던 색인·순위·품질 시스템 위에서 작동한다는 것이다. 그래서 이 두 기능을 잘 받으려면 결국 그 아래에 깔린 검색 랭킹 시스템에서 잘하는 방법, 즉 SEO를 잘하면 된다는 논리로 이어진다.

지금까지 업계에서는 "AEO 전문가", "GEO 컨설팅"이라는 이름으로 마치 SEO와 완전히 다른 신기술이 필요한 것처럼 마케팅하는 경우가 많았다. 이번 가이드는 그런 흐름에 구글이 직접 선을 그은 문서라는 의미가 크다.

가이드의 구성도 짚어 둘 만하다. 문서는 크게 세 덩어리로 나뉜다. 먼저 AI 오버뷰·AI 모드가 콘텐츠를 가져오는 원리를 설명하고, 이어서 흔히 알려졌지만 효과가 없는 기법들을 하나씩 짚은 뒤, 마지막으로 실제로 효과가 있는 요소를 정리하는 순서다. 이 글도 같은 순서를 따라가며 각 부분을 자세히 풀어 설명한다.

AI 검색은 어떻게 지금까지 왔나?

이번 가이드를 제대로 이해하려면 짧게라도 흐름을 짚어 두는 편이 좋다. AI 오버뷰는 2023년 실험 단계를 거쳐 2024년부터 여러 국가에 순차적으로 확대됐고, 이후 대화형 검색인 AI 모드가 별도로 추가됐다. 2025년에는 두 기능이 국내를 포함해 전 세계로 빠르게 넓어졌다.

이 확산 과정에서 실무자들이 가장 많이 던진 질문은 "그래서 우리가 지금 무엇을 다르게 해야 하느냐"였다. 그런데 정작 구글은 오랫동안 구체적인 최적화 지침을 내놓지 않았고, 그 공백을 마케팅 업계가 다양한 추측성 조언으로 메워 왔다. 이번 2026년 5월 가이드는 그 공백을 처음으로 공식 문서가 메운 사건이라고 볼 수 있다.

정리하면 이렇다. AI 검색 기능 자체는 새롭지만, 그 기능을 준비하는 방법은 새롭지 않다. 이 흐름을 이해하고 나면 이후 설명이 훨씬 자연스럽게 읽힌다.

AI 오버뷰와 AI 모드는 각각 무엇이 다른가?

두 기능을 헷갈려 하는 사람이 많으니 먼저 구분해 두자. AI 오버뷰는 일반 검색 결과 화면 위쪽에 뜨는 요약형 답변이고, AI 모드는 검색창을 아예 대화형 화면으로 바꿔 주는 별도의 검색 방식이다.

AI 오버뷰는 검색어를 입력하면 기존 검색 결과 목록 위에 여러 출처를 종합한 짧은 답변 박스가 함께 뜨는 형태다. 사용자는 이 요약만 보고 넘어갈 수도 있고, 아래로 스크롤해 원래 검색 결과를 확인할 수도 있다. 반면 AI 모드는 사용자가 이 모드를 직접 선택했을 때 열리는 화면으로, 하나의 질문에 답을 받은 뒤 추가로 되묻고 대화를 이어 갈 수 있다.

구분	AI 오버뷰	AI 모드
등장 위치	일반 검색 결과 상단	별도로 진입하는 대화형 화면
사용자 행동	요약을 보고 필요하면 아래로 스크롤	대화하듯 추가 질문을 이어감
인용 출처 수	비교적 적은 수의 출처를 압축 요약	대화가 이어지며 더 다양한 출처 활용
실무 시사점	짧고 명확한 정의·핵심 문장이 중요	연관 질문까지 폭넓게 답하는 구조가 중요

두 기능 모두 뒤에서 작동하는 원리는 같다. 뒤에서 다룰 RAG(검색증강생성)와 쿼리 팬아웃이 두 기능 모두의 기반이다. 다만 노출되는 화면 형태가 다르기 때문에, 콘텐츠를 준비할 때 "이 페이지가 짧은 요약으로도 가치가 전달되는가"와 "이 페이지가 연관 질문까지 이어서 답할 만큼 깊이가 있는가"를 함께 점검해 두는 편이 좋다.

실무 관점에서 조금 더 풀면 이렇다. AI 오버뷰를 겨냥한다면 페이지 상단에 질문에 대한 짧고 명확한 정의문을 먼저 배치하는 것이 유리하다. 사용자가 스크롤하지 않고도 핵심을 파악할 수 있어야 요약에 뽑히기 쉽기 때문이다. 반대로 AI 모드를 겨냥한다면, 정의문 이후에 이어지는 연관 질문에 대한 답변까지 페이지 안에 촘촘히 갖춰 두는 것이 유리하다. 대화가 이어질수록 더 깊은 정보를 요구하기 때문이다.

두 방식을 동시에 만족시키는 가장 쉬운 방법은 이 글처럼 결론을 먼저 짧게 말하고, 그 아래에서 근거와 예시를 차례로 풀어 주는 두괄식 구조를 쓰는 것이다. 이렇게 쓰면 AI 오버뷰는 앞부분만 뽑아 가도 의미가 통하고, AI 모드는 뒷부분까지 참고해 더 깊은 답을 만들 수 있다.

AI 오버뷰 노출과 일반 검색 순위는 어떤 관계인가?

결론부터 말하면, 둘은 완전히 같지 않지만 강하게 연결돼 있다. 순위가 높다고 AI 오버뷰에 반드시 인용되는 것은 아니지만, 순위가 낮은 페이지가 인용될 확률은 훨씬 낮다.

앞서 설명한 RAG 구조를 떠올리면 이해가 쉽다. AI가 답을 만들 때 참고하는 후보군 자체가 일반 검색 색인과 순위 시스템에서 걸러진 결과물이기 때문이다. 즉 1순위 페이지든 5순위 페이지든 일단 상위권에 올라야 후보에 들 수 있고, 그중에서 AI가 "이 문장이 질문에 가장 명확하게 답한다"고 판단한 페이지가 최종적으로 인용된다.

그래서 실무에서는 두 가지를 구분해서 점검하는 것이 좋다. 첫째는 "이 페이지가 관련 검색어에서 상위권에 있는가"라는 기존 SEO 지표이고, 둘째는 "이 페이지 안에 질문에 대한 명확하고 짧은 정답 문장이 있는가"라는 AEO 관점의 지표다. 둘 다 챙겨야 인용될 확률이 올라간다.

순위가 없으면 인용도 없다. AI 오버뷰 대응은 항상 기존 SEO 위에 쌓는 것이지, 그것을 대체하는 것이 아니다.

왜 하필 지금 이런 가이드가 나왔나?

배경은 명확하다. AI 검색이 빠르게 확산되면서 "AI에 최적화하는 법"을 둘러싼 혼란과 과장 마케팅이 동시에 늘었기 때문이다. 실무자 입장에서는 무엇이 진짜 필요한 조치이고 무엇이 불필요한 유행인지 구분하기가 점점 어려워졌다.

2025년부터 AEO, GEO 같은 용어가 마케팅 업계에 빠르게 퍼졌다. 일부 대행사는 "AI 최적화 전용 패키지"라는 이름으로 llms.txt 파일 제작, AI 전용 문장 재작성 같은 서비스를 판매하기도 했다. 문제는 이런 기법의 실제 효과가 검증되지 않은 채 불안 심리를 자극하는 마케팅으로 소비됐다는 점이다.

구분	예시
나쁜 예	"AI 검색 시대, 지금 대응 안 하면 매출이 반토막 납니다"라며 공포를 자극한 뒤, 검증되지 않은 신규 기법을 유료로 판매하는 방식
좋은 예	구글 공식 문서를 근거로 "지금 하고 있는 SEO 기본기 중 무엇이 부족한지"를 먼저 진단하고, 검증된 항목부터 개선하는 방식

구글도 이런 흐름을 인지하고 있었다. 존 뮬러는 이전부터 여러 커뮤니티 답변에서 "llms.txt는 지금 어떤 시스템에도 특별하게 쓰이지 않는다"거나 "콘텐츠를 잘게 쪼갤 필요가 없다"는 취지의 발언을 해 왔다. 이번 가이드는 그런 개별 발언들을 하나의 공식 문서로 통합하고 명문화한 것이라고 볼 수 있다.

동시에 구글은 이번 문서에서 자사 AI 기능이 콘텐츠를 가져오는 방식, 즉 RAG(검색증강생성)와 쿼리 팬아웃이라는 개념을 처음으로 비교적 자세히 설명했다. 왜 이런 원리를 공개했는지는 다음 항목에서 이어서 다룬다.

이번 가이드가 나오자 SEO 업계의 반응은 대체로 안도에 가까웠다. 그동안 "AI 검색에 대응하려면 사이트 구조를 전면 개편해야 한다"는 식의 불안한 조언이 많았는데, 구글이 직접 "기존 SEO를 계속 잘하면 된다"고 확인해 준 셈이기 때문이다. 여러 매체는 이번 문서를 "AEO·GEO 마케팅 거품을 걷어 낸 문서"로 평가했다.

물론 모든 반응이 긍정적이지만은 않았다. 일부 실무자들은 "그렇다면 AI 오버뷰에 인용되기 위한 구체적인 방법이 무엇인지는 여전히 모호하다"는 아쉬움을 남기기도 했다. 구글이 무엇을 하지 말라고 했는지는 명확했지만, 무엇을 얼마나 더 해야 하는지에 대한 정량적 기준은 이번에도 제시되지 않았다는 점은 아쉬운 대목이다.

구글은 AEO·GEO를 어떻게 정의하는가?

먼저 용어부터 정리하자. AEO(Answer Engine Optimization, 답변엔진최적화)란 사용자의 질문에 바로 답이 되는 형태로 콘텐츠를 구성하는 방법을 말하고, GEO(Generative Engine Optimization, 생성형엔진최적화)란 AI가 답변을 생성할 때 내 콘텐츠가 인용되도록 준비하는 방법을 뜻한다.

두 용어 모두 나름의 쓸모가 있는 표현이다. 다만 구글이 이번 가이드에서 짚은 것은 "이 두 가지를 SEO와 완전히 별개의, 새로 배워야 하는 기술 체계로 취급하지 말라"는 점이다. AI 기능도 결국 기존 검색 색인과 랭킹 시스템 위에서 돌아가기 때문에, 접근 방식 자체는 SEO와 다르지 않다는 것이 구글의 논리다.

이 관점에서 보면 AEO·GEO는 "SEO의 하위 개념" 혹은 "SEO를 AI 시대에 맞게 설명하는 관점"에 가깝다. 완전히 새로운 기술이 아니라, 기존 SEO 원칙 중에서 AI 검색에 특히 중요한 부분(질문형 구조, 명확한 정의문, 신뢰할 수 있는 출처)에 이름을 붙인 것이라고 이해하면 된다.

관점	핵심 초점	실무에서 하는 일
SEO	검색 결과 전반에서의 순위와 클릭	키워드·기술 최적화·콘텐츠 품질 전반
AEO	질문에 바로 답이 되는 구조	질문형 소제목, 직접 답변 문단, FAQ
GEO	AI 생성 답변에 인용되는 것	신뢰할 수 있는 출처화, 명확한 정의문, 전문성

세 관점 모두 결국 좋은 콘텐츠와 튼튼한 기술 기반이라는 같은 뿌리에서 갈라져 나온 가지라는 점이 이번 가이드의 핵심 메시지다. 세 개념의 차이를 더 폭넓게 비교하고 싶다면 SEO·AEO·GEO의 차이와 대응 전략을 함께 참고하면 좋다.

RAG와 쿼리 팬아웃이란 무엇인가?

핵심만 먼저 말하면, RAG는 "AI가 답을 만들기 전에 검색부터 한다"는 뜻이고, 쿼리 팬아웃은 "질문 하나를 여러 개의 관련 질문으로 넓혀서 동시에 찾아본다"는 뜻이다. 두 개념을 알아야 이번 가이드의 나머지 권고가 왜 그렇게 나왔는지 이해할 수 있다.

RAG(Retrieval-Augmented Generation, 검색증강생성)란 AI가 답변을 만들 때 자기 내부 지식만으로 즉석에서 문장을 지어내지 않고, 먼저 구글 검색 색인에서 관련 있는 실제 페이지들을 찾아온 뒤, 그 내용을 근거로 답을 정리하고 출처 링크까지 붙이는 방식을 말한다. 여기서 색인이란 구글이 전 세계 웹페이지를 미리 읽고 정리해 둔 거대한 데이터베이스를 뜻한다.

즉 AI 오버뷰에 어떤 페이지가 인용되려면, 그 전 단계인 일반 검색 색인에 먼저 들어가 있어야 하고, 관련 검색어에서 랭킹이 괜찮아야 한다. 색인에 없거나 순위가 밀리는 페이지는 애초에 AI가 참고할 후보군에도 오르지 못한다.

쿼리 팬아웃(Query Fan-Out)은 사용자가 검색창에 질문 하나를 입력하면, 구글의 AI 시스템이 그 뒤에서 여러 개의 연관 질문을 동시에 만들어 검색하는 방식을 말한다. 실제 과정을 예로 풀어 보면 이렇다.

1. 사용자가 "홈페이지 제작 비용"이라고 검색한다.
2. 시스템은 눈에 보이지 않게 "홈페이지 제작 기간", "홈페이지 유지관리 비용", "쇼핑몰 제작 비용 차이", "무료 홈페이지와 유료 홈페이지 차이" 같은 연관 질문들을 함께 만들어 낸다.
3. 이 여러 질문에 대한 색인 속 페이지들을 각각 찾아온다.
4. 찾아온 내용을 종합해 하나의 요약 답변으로 재구성하고, 참고한 페이지들을 출처로 표시한다.

구글이 가이드에서 직접 든 예시도 원리가 같다. 누군가 "잔디밭 잡초 없애는 법"을 검색하면, 시스템은 제초제 종류, 재발 방지법, 계절별 관리법 같은 연관 질문까지 함께 찾아본 뒤 답을 종합한다. 하나의 질문 뒤에는 언제나 여러 개의 숨은 질문이 딸려 있다는 것이 쿼리 팬아웃의 핵심이다.

이 원리가 실무에 주는 시사점은 분명하다. 키워드 하나만 콕 집어 최적화하는 방식은 AI 검색 시대에 효과가 줄어든다. 대신 하나의 주제를 둘러싼 연관 질문들을 폭넓게, 깊이 있게 다루는 페이지가 쿼리 팬아웃 과정에서 여러 번 걸릴 확률이 높아진다.

또 하나 기억해야 할 원칙이 있다. 애초에 순위에서 밀려 노출되지 않는 페이지는 AI 응답에도 출처로 등장하지 않는다. 쿼리 팬아웃이 아무리 많은 연관 질문을 만들어도, 그 질문들에서조차 순위에 오르지 못하면 인용될 기회 자체가 없다는 뜻이다.

구분	예시
나쁜 예	"임플란트 비용"이라는 키워드 하나만 반복해서 넣고, 정작 사람들이 함께 궁금해하는 부작용·유지 기간·보험 적용 여부는 다루지 않는 페이지
좋은 예	임플란트 비용을 중심에 두되, 그 주제와 자연스럽게 이어지는 부작용·수명·사후 관리까지 한 페이지 안에서 순서대로 답해 주는 페이지

관련 검색어를 폭넓게 다루는 콘텐츠 구조를 짤 때는 페이지 안에서 주제가 자연스럽게 이어지도록 관련 글끼리 서술형 링크로 연결해 주는 것도 함께 도움이 된다. 하나의 페이지가 모든 질문에 답할 필요는 없고, 서로 연결된 페이지 군집 전체가 하나의 주제를 촘촘히 덮으면 된다.

구글이 "안 해도 된다"고 못박은 다섯 가지 기법은?

이번 가이드에서 가장 실용적인 부분은 여기다. 구글은 그동안 업계에 퍼졌던 "AI 최적화 기법" 중 다섯 가지를 콕 집어 효과가 없거나 불필요하다고 밝혔다. 각각을 표로 정리한다.

흔히 알려진 기법	구글의 실제 입장
llms.txt 파일 제작	특별하게 취급되지 않는다. AI 시스템이 이 파일을 참고해 순위나 인용을 결정하지 않는다
콘텐츠 청킹(잘게 쪼개기)	문단을 인위적으로 잘게 나눌 필요가 없다. 시스템이 긴 글도 문맥째로 이해한다
AI 전용 문장 재작성	"AI가 좋아하는 말투"로 다시 쓸 필요가 없다. 유의어와 자연어 의미를 이미 충분히 이해한다
인위적 브랜드 언급 늘리기	여기저기 가짜로 브랜드명을 노출시키는 방식은 품질 시스템 앞에서 효과가 없다
특수 스키마 마크업 강박	구조화 데이터 자체가 AI 기능을 열어 주는 열쇠는 아니다

여기서 llms.txt란 사이트 소유자가 "우리 사이트의 핵심 정보는 이것"이라고 정리해 두는 텍스트 파일을 말한다. 한때 "이 파일만 만들면 AI가 내 사이트를 더 잘 이해한다"는 기대가 퍼졌지만, 구글은 이번 문서에서 "이 파일이 특별하게 취급된다는 뜻은 아니다"라고 분명히 밝혔다. 이런 오해가 퍼진 이유는 이 파일 형식이 챗봇 개발자 커뮤니티에서 먼저 논의됐고, 검색과는 별개로 일부 AI 서비스가 실험적으로 참고하겠다고 밝힌 적이 있었기 때문이다. 그러나 적어도 구글 검색 기준으로는 효과가 확인되지 않았다.

콘텐츠 청킹 역시 마찬가지다. 한동안 "AI가 읽기 좋게 문단을 인위적으로 짧게 쪼개야 한다"는 조언이 유행했지만, 구글은 "콘텐츠를 작은 조각으로 나눠야 할 필요는 없다"고 못박았다. 다만 이는 "짧은 문단으로 쓰지 말라"는 뜻이 아니라, "억지로 잘게 쪼개는 인위적 가공이 필요하지는 않다"는 뜻으로 읽어야 한다. 사람이 읽기 편한 짧은 문단은 원래도 좋은 글쓰기 습관이다.

구분	예시
나쁜 예	"AI가 좋아한다"는 이유만으로 자연스러운 문장을 억지로 끊어 의미가 어색해지는 글쓰기
좋은 예	원래도 사람이 읽기 편하도록 짧은 문단과 명확한 소제목으로 구성하되, 인위적인 AI 전용 가공은 하지 않는 글쓰기

스키마 마크업에 대한 입장도 눈여겨볼 만하다. 구글은 구조화 데이터가 리치 결과(검색 결과에 별점·가격 등이 함께 뜨는 형태)에는 여전히 유용하지만, AI 기능을 얻기 위한 필수 조건은 아니라고 선을 그었다. 즉 스키마를 아예 쓰지 말라는 뜻이 아니라, "AI 노출을 위해 특수한 스키마를 새로 만들어야 한다"는 오해를 바로잡은 것이다. 스키마 자체는 리치 결과를 얻는 별도의 도구로 계속 관리하되, AI 노출의 필수 조건으로 오해하지 않는 것이 핵심이다.

인위적 브랜드 언급도 도마 위에 올랐다. 일부에서는 "여기저기 커뮤니티나 블로그에 우리 브랜드명을 억지로 노출시키면 AI가 더 자주 언급해 준다"는 식의 접근을 취해 왔는데, 구글은 이런 방식이 품질 중심 시스템 앞에서 효과를 내지 못한다고 밝혔다. 진짜 인용되고 싶다면 억지 언급보다 실질적인 콘텐츠 품질과 신뢰도를 쌓는 편이 낫다는 뜻이다.

그런데도 여전히 남아 있는 오해는 무엇인가?

다섯 가지 외에도 실무 현장에서 자주 듣는 오해가 두 가지 더 있다. 이 가이드의 취지를 벗어난 확대 해석이니 함께 짚어 둔다.

첫째, "AI 검색 시대에는 백링크가 더는 중요하지 않다"는 오해다. 오히려 반대에 가깝다. RAG가 신뢰할 수 있는 출처를 고르는 과정에서, 다른 사이트로부터 자연스럽게 인용되고 언급되는 사이트는 여전히 권위 있는 출처로 평가받을 가능성이 높다. 좋은 백링크는 여전히 신뢰의 핵심 신호 중 하나이며, 숫자를 늘리기보다 품질 중심으로 꾸준히 쌓아 가는 접근이 AI 검색 시대에도 그대로 유효하다.

둘째, "메타 키워드 태그를 AI 전용으로 다시 활용해야 한다"는 오해다. 메타 키워드 태그는 구글이 이미 오래전부터 순위에 전혀 반영하지 않는다고 밝힌 요소이며, 이번 AI 최적화 가이드에서도 이를 부활시켜야 한다는 언급은 전혀 없다. 오래된 오해가 새로운 이름으로 재포장되는 경우이니 주의가 필요하다.

AI 검색 시대라고 해서 갑자기 새로운 요령이 필요한 것이 아니라, 오히려 근거 없는 요령들을 걸러 내는 안목이 더 중요해졌다.

그렇다면 무엇을 해야 하나? 진짜 효과 있는 세 가지

다섯 가지 유행 기법을 걷어 낸 자리에, 구글은 실제로 효과가 있다고 확인한 세 가지를 남겨 두었다. 비상품화 콘텐츠, 기술적 위생, 정확한 비즈니스 정보다.

첫째는 비상품화 콘텐츠(non-commodity content)다. 여기서 비상품화란 "어디서나 볼 수 있는 뻔한 내용이 아니라, 이 사이트에서만 얻을 수 있는 내용"이라는 뜻이다. 직접 겪은 경험, 자체적으로 모은 데이터, 전문가의 실제 관점이 담긴 콘텐츠를 말한다.

이 개념은 이미 구글이 오래전부터 강조해 온 E-E-A-T(경험·전문성·권위성·신뢰성)와 정확히 맞닿아 있다. 즉 AI 검색 시대라고 해서 새로운 신뢰 기준이 생긴 것이 아니라, 기존 신뢰 기준이 그대로 이어진다는 뜻이다. 구체적인 조건은 E-E-A-T란 무엇인가에서 자세히 다뤘다.

구분	예시
나쁜 예	다른 사이트 내용을 요약만 해서 그대로 옮겨 놓은, 어디서나 볼 수 있는 일반론 콘텐츠
좋은 예	직접 시공하거나 상담한 사례, 실제 수치, 현장에서만 알 수 있는 디테일이 담긴 콘텐츠

구글이 가이드에서 직접 든 대조 예시를 우리말로 옮기면 이렇다. "생애 첫 주택 구매자를 위한 7가지 팁"처럼 어디서나 찾을 수 있는 일반론 제목과, "우리가 왜 점검을 생략하고 비용을 아꼈는가"처럼 실제로 겪은 결정과 그 이유가 담긴 제목을 나란히 놓고 비교했다. 전자는 누가 써도 비슷한 글이 되지만, 후자는 그 사람이 아니면 쓸 수 없는 글이다.

해외 매체가 소개한 사례도 이 원칙을 뒷받침한다. 한 소규모 병원이 일반적인 시술 안내 대신 실제 진료 경험과 구체적인 회복 사례 중심으로 콘텐츠를 개편한 뒤, 몇 달 사이 방문 상담 건수가 눈에 띄게 늘었다고 보도된 바 있다. 다만 이는 개별 사례이자 해외 보도 내용이므로, 모든 사이트에 동일한 결과를 보장하는 것은 아니라는 점을 감안해서 참고해야 한다.

둘째는 기술적 위생(technical hygiene)이다. 색인이 잘 되고, 크롤링(검색엔진 로봇이 페이지를 읽어 가는 과정)이 막히지 않고, 페이지 속도가 빠르고, 모바일에서도 잘 보이는 상태를 말한다. AI가 아무리 좋은 콘텐츠를 찾고 싶어도, 애초에 색인에 없거나 접근이 막힌 페이지는 후보에 오를 수조차 없다.

속도와 사용자 경험을 가르는 핵심 지표는 코어 웹 바이탈 가이드에서 다뤘다. 이 지표들이 좋아지면 일반 검색 순위뿐 아니라 AI 검색의 후보군에 오를 확률도 함께 올라간다. 크롤링이 막히는 원인이나 색인 여부는 구글 서치 콘솔에서 정기적으로 확인하는 습관을 들이는 것이 좋다.

셋째는 정확한 비즈니스 정보다. 쇼핑몰이라면 머천트 센터(Merchant Center)에 등록한 상품 정보(가격·재고·이미지)를 최신 상태로 유지하는 것, 지역 사업자라면 구글 비즈니스 프로필(영업시간·주소·전화번호 등 지도 검색에 쓰이는 정보)을 정확하게 관리하는 것을 말한다.

구분	예시
나쁜 예	구글 비즈니스 프로필의 영업시간이 실제와 다르거나, 몇 년 전 전화번호가 그대로 남아 있는 경우
좋은 예	영업시간·주소·연락처·최신 사진을 주기적으로 업데이트하고, 상품 재고와 가격을 실시간에 가깝게 관리하는 경우

로컬 비즈니스와 이커머스는 무엇을 더 챙겨야 하나?

이번 가이드에서 눈에 띄는 점 하나는, 일반적인 콘텐츠 조언에 그치지 않고 지역 사업자와 쇼핑몰을 위한 항목을 따로 짚었다는 것이다. 다른 업종보다 이 두 분야는 "정보의 정확성" 자체가 곧 노출과 직결된다.

지역 사업자라면 구글 비즈니스 프로필에서 상호명·주소·전화번호가 웹사이트에 적힌 정보와 정확히 일치해야 한다. 이 세 가지 정보가 여러 채널에서 다르게 적혀 있으면, 구글이 어느 정보를 신뢰해야 할지 판단하기 어려워진다. 지역 사업자가 준비해야 할 세부 항목은 지역 SEO 완벽 가이드에서 단계별로 정리해 두었다.

쇼핑몰이라면 머천트 센터에 등록한 상품 데이터 피드가 얼마나 자주, 정확하게 갱신되는지가 중요하다. 품절된 상품이 여전히 판매 중으로 표시되거나, 가격이 실제 결제 화면과 다르면 AI가 이를 신뢰할 수 있는 정보로 인용하기 어렵다.

• 로컬 비즈니스 체크: 상호·주소·전화번호 일치, 영업시간 최신화, 실제 매장 사진 주기적 등록
• 이커머스 체크: 재고·가격 실시간 반영, 상품 이미지 품질, 리뷰와 평점의 정확한 표시

이 두 분야가 특히 강조된 이유는 간단하다. 정보가 틀리면 사용자가 직접적인 피해(헛걸음, 잘못된 결제)를 볼 수 있는 영역이기 때문이다. 콘텐츠의 품질을 평가하기 어려운 부분과 달리, 영업시간이나 재고 같은 정보는 "맞다/틀리다"를 명확히 확인할 수 있어 구글이 특히 엄격하게 본다.

관리 주체가 여러 곳으로 나뉘어 있을 때 오류가 특히 자주 발생한다. 예를 들어 홈페이지에는 새 영업시간을 반영했지만 구글 비즈니스 프로필은 그대로 두거나, 쇼핑몰 관리자 화면에서는 품절 처리했지만 머천트 센터 피드는 갱신되지 않는 경우다. 정보를 한 곳에서 수정하면 나머지 채널도 함께 갱신되는 절차를 만들어 두는 것이 근본적인 해결책이다.

상품화된 콘텐츠를 비상품화 콘텐츠로 함께 고쳐 볼까?

개념을 알아도 실제로 어떻게 고쳐야 할지 감이 안 잡힐 수 있으니, 실제 사례 하나를 단계별로 고쳐 본다. 예로 든 것은 인테리어 시공 업체의 "화장실 리모델링" 소개 페이지다.

처음 콘텐츠는 이랬다. "화장실 리모델링은 타일, 위생 도기, 조명을 새로 시공하는 공사입니다. 저희는 전문적인 시공으로 만족스러운 결과를 드립니다." 문제가 한눈에 보인다.

• 어디서나 볼 수 있는 정의문이다. 화장실 리모델링이 무엇인지는 검색만 해도 나오는 정보라 차별점이 없다.
• 직접 겪은 경험이 없다. "전문적인 시공"이라는 말은 모든 업체가 쓰는 표현이라 근거가 되지 못한다.
• 구체적인 수치나 사례가 없다. 비용이나 기간에 대한 감이 전혀 오지 않는다.

이제 순서대로 고쳐 본다.

1. 실제 경험한 수치를 넣는다. "3.3제곱미터 기준 화장실 리모델링은 통상 5일에서 7일이 걸리며, 타일 철거 후 방수층 상태에 따라 하루 정도 늘어날 수 있습니다."
2. 현장에서만 알 수 있는 디테일을 더한다. "특히 오래된 아파트는 배관 위치가 도면과 다른 경우가 많아, 착공 전 반드시 배관 위치를 먼저 확인합니다."
3. 판단 기준을 함께 제공한다. "타일은 폭이 좁은 줄눈보다 넓은 줄눈이 곰팡이 관리에 유리해, 습기가 많은 욕실에는 넓은 줄눈을 권장합니다."

세 조각을 이으면, 어디서나 볼 수 있는 정의문이 이 업체만 쓸 수 있는 구체적인 콘텐츠로 바뀐다. 이런 콘텐츠는 AI가 요약하기도 좋고, 사람이 읽어도 신뢰가 간다.

"이 문장을 경쟁 업체 이름으로 바꿔도 말이 되는가?" 그대로 말이 된다면 아직 상품화된 콘텐츠에 머물러 있는 것이다.

업종별로 어떻게 적용해야 하나?

같은 원칙이라도 업종마다 구체적으로 무엇을 해야 하는지는 다르다. 몇 가지 업종을 예로 들어 본다.

치과(병원)

한 줄 요약: 일반적인 시술 설명 대신, 실제 임상 경험과 정확한 진료 정보를 담는다.

구분	예시
나쁜 예	다른 병원 홈페이지와 거의 같은 문장으로 "임플란트란 무엇인가"만 설명
좋은 예	실제 진료 사례와 원장의 임상 경험, 정확한 진료 시간과 상담 절차까지 함께 안내

병원은 특히 YMYL(돈과 삶에 큰 영향을 주는 분야)에 해당해 신뢰 신호가 더욱 중요하다. 원장의 실제 경력과 진료 방식이 구체적으로 드러날수록 AI 시스템도, 사람도 더 신뢰한다.

홈페이지 제작사

한 줄 요약: 뻔한 서비스 소개 대신, 실제 제작 사례와 구체적인 프로세스를 보여 준다.

구분	예시
나쁜 예	"최고의 웹 솔루션을 제공합니다" 같은 어디서나 쓰는 문구
좋은 예	실제 진행한 프로젝트의 기획부터 배포까지 과정, 실제 성과 수치를 구체적으로 공개

쇼핑몰

한 줄 요약: 머천트 센터 데이터를 최신 상태로 관리하고, 상품 상세 페이지에 실사용 후기를 담는다.

구분	예시
나쁜 예	상품 이미지 하나에 스펙만 나열하고, 재고·가격 정보가 며칠째 갱신되지 않음
좋은 예	실제 구매자 후기와 사용 장면 이미지, 실시간에 가까운 재고·가격 정보

카페·동네 매장

한 줄 요약: 구글 비즈니스 프로필 정보를 정확히 채우고, 실제 매장 사진을 자주 올린다.

구분	예시
나쁜 예	영업시간이 실제와 다르고, 몇 년 전 사진만 남아 있는 프로필
좋은 예	정확한 영업시간과 최근 촬영한 매장·메뉴 사진이 꾸준히 올라오는 프로필

세무·회계 사무소

한 줄 요약: 일반적인 세무 상식 나열 대신, 실제 상담 사례와 구체적인 절세 포인트를 담는다.

구분	예시
나쁜 예	"세무 업무를 정확하고 신속하게 처리합니다" 같은 추상적 소개만 반복
좋은 예	업종별로 자주 놓치는 공제 항목, 실제 상담에서 나온 질문과 답을 구체적으로 정리

영어학원

한 줄 요약: 추상적인 교육 철학 대신, 실제 커리큘럼과 레벨테스트 절차를 구체적으로 안내한다.

구분	예시
나쁜 예	"즐겁게 배우는 영어"처럼 어느 학원에나 붙는 구호만 반복
좋은 예	레벨테스트 방식, 반 편성 기준, 실제 학습 결과 사례를 구체적으로 공개

업종은 달라도 원리는 같다. "이 사이트에서만 얻을 수 있는 진짜 정보"를 "기술적으로 문제없는 상태"로 "정확하게" 보여 주는 것이 AI 검색 시대에도 변하지 않는 원칙이다.

에이전틱 AI, 앞으로는 무엇이 달라지나?

이번 가이드는 현재 상황에 대한 안내에 그치지 않고, 짧게나마 앞으로의 방향도 언급했다. 바로 에이전틱 경험(agentic experiences)이다. 이는 AI가 단순히 정보를 답해 주는 것을 넘어, 사용자를 대신해 예약이나 구매 같은 실제 행동까지 처리해 주는 방식을 말한다.

예를 들어 지금은 AI에게 "근처 미용실 추천해 줘"라고 물으면 정보만 받지만, 앞으로는 AI가 그 자리에서 예약까지 진행해 주는 흐름으로 발전할 수 있다는 것이다. 다만 구글은 이 부분을 아직 초기 단계로 소개했을 뿐, 구체적인 최적화 방법까지 제시하지는 않았다.

실제로 이런 방향은 이미 조금씩 현실화되고 있다. 구글은 2026년 5월, 비즈니스 에이전트(Business Agent for Leads)라는 새로운 광고 형태를 공개했다. AI 모드 안에서 소비자가 광고에 직접 질문을 던지면, 그 자리에서 답을 받고 문의 양식까지 자동으로 채워지는 방식이다. 아직 교육·자동차·부동산 등 일부 업종에서 시험 운영되는 단계이고, 유료 광고 상품이라 이번 가이드가 다룬 일반 검색(오가닉) 노출과는 별개의 영역이다. 다만 AI가 정보 전달을 넘어 실제 행동까지 이어주는 방향이라는 점에서 같은 흐름 위에 있다.

실무자 입장에서 지금 당장 할 일은 없다. 다만 예약·주문 시스템이 있는 사업자라면, 정확하고 구조화된 예약 정보(가능한 시간, 가격, 절차)를 사이트에 명확히 갖춰 두는 것이 장기적으로 이런 흐름에도 자연스럽게 대비하는 방법이 될 수 있다.

사내에서는 역할별로 무엇을 나눠 맡아야 하나?

이번 가이드의 내용을 실제 업무에 반영하려면 한 사람이 다 떠안기보다 역할을 나누는 편이 효율적이다. 작은 조직이라도 아래 세 관점으로 나눠 점검하면 빠뜨리는 부분이 줄어든다.

• 콘텐츠 담당자: 페이지마다 이 사이트만의 경험과 근거가 담겨 있는지, 질문형 소제목과 직접 답변 구조로 쓰여 있는지 점검한다.
• 개발·기술 담당자: 크롤링 차단, 느린 로딩, 모바일 깨짐 같은 기술적 문제가 없는지 정기적으로 점검한다.
• 운영·마케팅 담당자: 구글 비즈니스 프로필, 머천트 센터 같은 비즈니스 정보가 항상 최신 상태로 유지되는지 확인한다.

1인 사업자나 작은 팀이라면 이 세 역할을 한 사람이 순서대로 돌아가며 점검해도 된다. 중요한 것은 분업 여부가 아니라, 세 관점을 빠짐없이 정기적으로 확인하는 습관이다.

예를 들어 매달 첫째 주에는 콘텐츠 담당자가 방문자가 많은 페이지 다섯 개를 골라 "이 사이트만의 근거가 담겼는가"를 점검하고, 둘째 주에는 기술 담당자가 서치 콘솔에서 오류 페이지와 속도 지표를 확인하고, 셋째 주에는 운영 담당자가 비즈니스 정보 최신화를 점검하는 식으로 월간 루틴을 나눠 돌리면 부담 없이 꾸준히 관리할 수 있다.

주차	담당	점검 내용
1주차	콘텐츠	인기 페이지의 경험·근거 보강 여부
2주차	기술	서치 콘솔 오류·속도 지표 확인
3주차	운영	비즈니스 프로필·상품 피드 최신화
4주차	전체	세 항목을 종합해 다음 달 우선순위 정리

이렇게 루틴을 나눠 두면 "AI 검색 대응"이라는 막연한 과제가 매달 반복 가능한 구체적인 업무로 바뀐다.

오늘 당장 점검할 실무 체크포인트는?

바쁜 실무자를 위해 오늘 바로 확인할 수 있는 항목만 추려 정리한다.

• 콘텐츠 점검: 우리 페이지가 경쟁사와 다른, 직접 경험한 내용을 담고 있는가
• 색인 점검: 구글 서치 콘솔에서 주요 페이지가 색인에 정상적으로 잡혀 있는가
• 속도 점검: 코어 웹 바이탈 지표(LCP·INP·CLS)가 양호한 범위에 있는가
• 모바일 점검: 모바일 화면에서 글자가 잘리거나 버튼이 눌리지 않는 부분은 없는가
• 비즈니스 정보 점검: 구글 비즈니스 프로필·머천트 센터 정보가 최신 상태인가
• 연관 질문 점검: 핵심 페이지가 관련 질문들까지 함께 답하고 있는가
• 불필요한 작업 점검: llms.txt 제작이나 AI 전용 문장 재작성에 시간을 쓰고 있지는 않은가

이 체크리스트에서 하나라도 "아니오"가 나온다면, 새로운 AI 기법을 찾기 전에 그 항목부터 먼저 고치는 것이 순서다.

구글이 아직 명확히 답하지 않은 것은 무엇인가?

이번 가이드가 유용한 만큼, 채워지지 않은 빈자리도 있다는 점을 짚어 둘 필요가 있다. 실무자라면 이 빈자리를 알고 있어야 "이 가이드만 따르면 끝"이라는 착각에 빠지지 않는다.

첫째, 정량적 기준이 없다. "속도가 얼마나 빨라야 하는지", "얼마나 자주 비즈니스 정보를 갱신해야 하는지" 같은 구체적인 수치는 제시되지 않았다. 코어 웹 바이탈처럼 이미 공개된 지표를 참고하는 수밖에 없다.

둘째, 업종별 세부 가이드가 없다. 병원, 법률, 쇼핑몰처럼 성격이 크게 다른 업종에 대해 각각 다른 기준을 제시하지는 않았다. 이 글에서 다룬 업종별 예시는 구글의 일반 원칙을 실무 감각으로 풀어낸 응용일 뿐, 구글이 직접 못박은 내용은 아니라는 점을 구분해서 이해해야 한다.

셋째, 인용 확률을 높이는 직접적인 방법이 없다. 구글은 "무엇을 하지 말아야 하는지"는 분명히 밝혔지만, "이렇게 하면 인용 확률이 몇 퍼센트 올라간다"는 식의 보장은 어디에도 없다. AI 오버뷰의 인용 로직은 여전히 구글 내부의 복잡한 판단 과정에 맡겨져 있다.

이 가이드는 "무엇이 헛수고인지" 가려내는 나침반이지, "이렇게 하면 반드시 인용된다"는 지도는 아니다.

이 가이드는 모든 AI 검색에 적용되나?

아니다. 이 가이드는 구글의 AI 오버뷰·AI 모드에만 해당하는 내용이다. 챗GPT, 퍼플렉시티 같은 다른 AI 검색·답변 서비스는 저마다 다른 방식으로 콘텐츠를 가져오고, 다른 기준으로 출처를 고른다.

예를 들어 어떤 서비스는 특정 커뮤니티나 리뷰 사이트를 더 신뢰할 수 있고, 또 다른 서비스는 실시간 웹 검색 결과를 다르게 가중치를 둘 수 있다. 그래서 구글이 "필요 없다"고 말한 기법이 다른 플랫폼에서까지 전혀 의미가 없다고 단정할 수는 없다.

다만 구글이 여전히 국내에서 가장 큰 검색 트래픽을 차지하고 있고, AI 오버뷰의 데이터가 구글 색인에서 나온다는 점을 고려하면, 이번 가이드가 제시한 방향(기본기 강화)은 다른 플랫폼에도 크게 어긋나지 않는 안전한 전략이라고 볼 수 있다. GEO 전반의 개념과 대응 전략은 GEO 생성형엔진최적화 가이드에서 더 폭넓게 다뤘다.

실무에서는 이렇게 정리하면 편하다. 구글을 기준으로 기본기를 탄탄히 다지고, 그 위에서 각 플랫폼의 개별 특성(챗GPT의 대화 맥락, 퍼플렉시티의 출처 표시 방식 등)을 조금씩 더 얹는 방식이다. 기준이 되는 뿌리는 같고, 가지만 플랫폼마다 다르게 뻗는다고 생각하면 이해가 쉽다.

자주 묻는 질문

AEO·GEO 전문가를 따로 고용해야 하나?

꼭 그럴 필요는 없다. 구글이 이번 가이드에서 강조한 것은 결국 기존 SEO 담당자나 대행사가 잘하고 있던 기본기, 즉 콘텐츠 품질과 기술적 완성도다. 이미 SEO를 제대로 하고 있다면 별도의 AEO 전담 인력 없이도 대부분의 원칙을 따라갈 수 있다. 다만 질문형 콘텐츠 구조나 연관 질문 설계처럼 세부 관점을 더 정교하게 다듬고 싶다면, 기존 SEO 담당자에게 이번 가이드를 학습 자료로 제공하는 정도면 충분하다.

llms.txt는 이제 아예 만들 필요가 없나?

구글 검색 기준으로는 그렇다. 다만 다른 AI 서비스나 향후 표준이 바뀔 가능성까지 완전히 배제할 수는 없으므로, 시간과 예산이 남는다면 부수적으로 만들어 둘 수는 있다. 다만 이것을 핵심 우선순위로 삼을 필요는 없다는 것이 구글의 입장이다.

기존 SEO만 잘하면 AI 검색에도 무조건 노출되나?

노출 확률이 높아지는 것이지 보장되는 것은 아니다. AI 오버뷰는 여러 출처를 종합해 요약하는 방식이라, 순위가 높아도 인용되지 않을 수 있다. 다만 색인에 없거나 순위가 낮은 페이지보다는 훨씬 유리한 위치에 서게 된다. 인용 여부는 결국 "질문에 가장 명확하고 신뢰할 수 있게 답하는 페이지가 어디인가"라는 상대적인 비교로 결정되므로, 경쟁 페이지보다 한 걸음 더 구체적으로 답하는 것이 실질적인 차별점이 된다.

이 가이드가 네이버 검색에도 그대로 적용되나?

아니다. 이 문서는 구글 검색 생태계를 기준으로 쓰였다. 네이버는 자체 AI 브리핑과 별도의 랭킹 로직을 갖고 있어, 세부 대응 방식은 다르게 접근해야 한다. 다만 "가짜 정보나 인위적 언급보다 실제 경험이 담긴 콘텐츠가 유리하다"는 큰 방향은 여러 검색 플랫폼에서 공통으로 통하는 원칙이다.

스키마 마크업은 그럼 아예 필요 없는 건가?

필요 없다는 뜻은 아니다. 스키마는 여전히 리치 결과(별점·가격 등이 검색 결과에 함께 표시되는 것)를 얻는 데 유용하다. 구글이 부정한 것은 "AI 노출만을 위해 특수한 스키마를 새로 만들어야 한다"는 오해이지, 스키마 자체의 가치가 아니다.

이미 있는 콘텐츠를 전부 다시 써야 하나?

전면 재작성보다 우선순위 점검이 먼저다. 기존 콘텐츠 중 방문자가 많은 페이지부터 "비상품화 콘텐츠"인지, 즉 이 사이트만의 경험과 근거가 담겨 있는지 점검하고, 부족한 부분만 보강하는 편이 효율적이다.

AI 오버뷰에 인용되면 오히려 클릭이 줄어들지 않나?

그런 우려가 있는 것은 사실이다. 요약만 보고 원문을 클릭하지 않는 사용자도 분명 존재한다. 다만 요약에 인용되는 것 자체가 "구글이 신뢰하는 출처"라는 신호로 작용하기 때문에, 브랜드 인지도와 장기적인 신뢰 축적 측면에서는 여전히 이점이 있다. 클릭률 변화가 걱정된다면 서치 콘솔에서 AI 관련 노출 데이터를 주기적으로 확인하는 습관을 들이는 것이 좋다.

소규모 사업자도 이 가이드를 신경 써야 하나?

오히려 소규모 사업자일수록 챙기기 쉬운 내용이다. 대기업처럼 방대한 콘텐츠를 새로 만들 필요 없이, 실제 현장 경험과 정확한 비즈니스 정보만 꾸준히 관리해도 충분히 효과를 볼 수 있는 원칙이기 때문이다.

마무리

구글의 이번 공식 가이드는 화려한 신기술을 요구하지 않는다. 오히려 흔들리던 SEO 기본기를 다시 붙잡으라는 신호에 가깝다. 진짜 경험이 담긴 콘텐츠, 문제없이 잘 돌아가는 사이트, 정확한 비즈니스 정보라는 세 축은 앞으로도 오래 유효할 원칙이다.

결국 이번 가이드가 실무자에게 준 가장 큰 선물은 새로운 할 일 목록이 아니라, 하지 않아도 될 일의 목록이다. 불안한 마음에 여기저기 손대기보다, 이 글에서 정리한 체크포인트부터 순서대로 짚어 나가는 것이 가장 빠른 길이다.

이런 원칙을 하나하나 우리 사이트에 적용하는 일은 혼자 판단하기 쉽지 않을 수 있습니다. 이루웹은 SEO 기본기부터 AI 검색 대응까지 함께 점검해 드리고 있으니, SEO 최적화 홈페이지 제작이나 전체 서비스를 살펴보시고 편하게 상담을 요청해 주시면 현재 사이트의 상태를 함께 진단해 드리겠습니다. 이번 가이드가 짚은 방향을 우리 사이트에 맞게 하나씩 함께 다듬어 가겠습니다.