GEO 연구 45건을 모아보니, 뭐가 진짜 효과가 있을까?

GEO 연구 45건을 한데 모아보면 결론은 생각보다 단순하다. 이미 AI가 답변 후보로 뽑은 글의 순서를 바꾸는 효과는 반복해서 확인됐다. 하지만 처음부터 AI 답변 후보에 들어가게 만드는 방법이 안정적으로 효과가 있다고 확인된 연구는 아직 없다.

연구가 45건이나 쌓였는데, 결론은 뭘까?

2023년 11월부터 2026년 7월까지 저널, 학회, 프리프린트를 합쳐 GEO 연구 45건이 나왔다. 정식 심사를 거친 연구는 약 22건이고, 프리프린트는 약 18건이다. 나머지는 워크숍 발표나 발표 예정 연구다.

연구마다 실험 규모도 크게 달랐다. 사용자 인터뷰형 연구는 최소 21명에서 시작했고, 상업용 감시형 연구는 질의 55,393건까지 다뤘다. 반복 실험형 연구에서는 시행 횟수가 252,000회에 달했다.

중요한 점은 연구가 많아졌다고 해서 GEO의 모든 방법이 검증된 것은 아니라는 것이다. 오히려 연구 결과가 서로 다른 이유를 찾아보는 것이 이번 종합의 핵심이다.

왜 어떤 연구는 효과가 있고, 어떤 연구는 없을까?

가장 널리 알려진 실험에서는 상대 이득이 41%로 나타났다. PAWC 지표가 19.3에서 27.2로 올라간 결과다.

그런데 여기에는 중요한 조건이 붙는다. 해당 문서가 처음부터 AI가 답변 후보로 고른 다섯 개 문서 가운데 하나였다는 조건이다.

뒤이어 나온 재현 검증에서는 결과가 달랐다. 54개 방법과 도메인 조합을 다시 실험했을 때 통계적으로 유의한 조합은 3개뿐이었고, 질의응답형 질문에서는 0개였다.

두 연구가 서로 다른 결과를 낸 이유 가운데 하나는 무엇을 측정했는지가 달랐기 때문이다. 이미 답변 후보로 뽑힌 글의 위치를 바꾸는 것과, 애초에 검색·선별 단계에서 답변 후보가 되는 것은 같은 문제가 아니다.

AI가 우리 가게 정보를 처음부터 찾게 만드는 방법도 밝혀졌을까?

아직 그렇다고 보기 어렵다. 서베이는 GEO 과정을 9단계로 나눠서 살펴본다.

질문이 AI를 부르는 활성화부터 시작해 크롤링·색인, 검색, 재랭킹·문맥 배치, 인용·생성, 돋보임, 사실 흡수, 충실도, 사용자 반응까지 이어진다.

이 가운데 반복해서 재현된 효과는 재랭킹·문맥 배치와 인용·돋보임 단계에서 확인됐다. 반면 크롤링·색인과 검색 단계에서 GEO 방법이 원인으로 작용해 결과를 바꾼다는 것은 입증되지 않았다.

클릭이나 전환 같은 실제 고객 행동으로 이어지는지도 마찬가지다. 해당 단계까지 연결한 인과 연구는 거의 없다.

따라서 AI 답변에 노출되는 것과 실제 고객 행동이 일어나는 것은 따로 봐야 한다. 현재 연구만으로는 둘 사이를 바로 연결할 근거가 부족하다.

같은 질문을 여러 번 하면 결과가 왜 달라질까?

AI 검색 결과 자체가 항상 같지 않기 때문이다. 한 연구에서는 Bing Chat과 퍼플렉시티의 도메인 중복률이 26%에 그쳤다. 672건의 질의를 비교한 결과다.

AI 개요와 일반 구글 검색을 두 달 동안 추적한 연구에서는 중복률이 각각 18%와 45%로 나타났다. 구글, AI 개요, 제미나이의 URL 단위 자카드 유사도도 0.11~0.18에 머물렀다.

하루 단위로 같은 질문을 반복한 연구에서는 자카드 유사도가 0.34~0.42였다. 온도 설정을 바꾸면 결정의 9~28%가 달라지기도 했다.

그래서 한 번 검색해서 우리 가게가 보였는지만 확인하면 결과를 단정하기 어렵다. 연구 저자는 질문 하나를 최소 7~8회 반복해서 측정할 것을 권장한다.

그럼 지금 확인할 수 있는 것은 무엇일까?

현재 연구에서 가장 분명하게 확인된 것은 이미 답변 후보가 된 콘텐츠가 AI 답변 안에서 어떻게 배치되고 인용되는지를 바꾸는 효과다. 반대로 검색 후보가 되는 앞단과 고객의 클릭·전환으로 이어지는 뒷단은 아직 연구가 부족하다.

특히 한국의 동네 사장님 입장에서는 한 가지 한계도 봐야 한다. 이번에 모인 45건 대부분이 영어권 엔진과 영어 질의를 대상으로 했고, 한국어 질의와 국내 엔진 조합을 다룬 연구는 포함되지 않았다.

앞으로는 크롤링·색인부터 최종 생성까지 이어지는 과정, 사실이 AI 답변에 실제로 반영되는 과정, 사용자 시선과 반응, 다국어·다지역 차이, 엔진 업데이트에 따른 변화 등을 더 살펴봐야 한다.

여러 사업자가 동시에 최적화할 때의 균형과 무결성 인증 기준도 남은 과제다. 무엇보다 AI에서 잘 보이는 것이 실제 클릭과 전환으로 이어지는지를 확인하는 연구가 필요하다.

지금 단계에서 GEO를 한마디로 정리하면 이렇다. 효과가 전혀 없는 것도 아니지만, AI가 우리 가게를 처음부터 찾아서 답변에 넣게 만드는 방법까지 검증됐다고 말할 단계도 아니다.

같이 읽을 글

• GEO는 이제 뭐가 진짜 통하는 걸까?
• GEO는 정말 글만 잘 고치면 될까?
• 홈페이지가 인용됐는데 왜 답변에는 안 나올까?
• 챗GPT에 한 번 물어보고 가게가 없다고 해도 될까?

자료 출처

• Optimizing Visibility in Generative Engines: A Critical Survey of Generative Engine Optimization (2023–2026)(arXiv 초록, 2026.7.15 제출)
• 위 논문 전문 HTML판(arXiv, 2026.7)
• GEO survey: foundational gains hold only in controlled conditions(authorityon.ai 요약, 2026.7)
• Position: Generative Engine Optimization Creates Underexamined Risks(관련 거버넌스 논문, arXiv 2606.12439)
• E-GEO: A Testbed for Generative Engine Optimization in E-Commerce(관련 실험 논문, arXiv 2511.20867)