AI 검색 (GEO·AEO) 용어사전
AI가 답변을 만들 때 브랜드가 인용되도록 관리하는 GEO·AEO 관련 용어입니다. AI Overviews, RAG, 엔티티 등 AI 검색 시대의 개념을 정리했습니다.
55개 용어
AEO (답변엔진최적화)
AEO는 검색 서비스가 직접 보여 주는 답변에 콘텐츠가 채택되도록 페이지를 정비하는 작업입니다. 질문에 대한 명확한 답과 근거를 제공하고, 서비스가 답변을 채택하거나 출처를 연결했는지 확인합니다.
AI Mode (AI 모드)
AI Mode는 답변을 읽은 뒤 조건을 더하거나 추가 질문을 할 수 있는 Google의 대화형 검색 기능입니다. 여러 관련 검색의 자료를 종합해 복잡한 질문에 답합니다.
AI Overviews (AI 개요)
AI Overviews는 여러 자료를 종합한 AI 답변과 관련 웹페이지 링크를 Google 검색결과에 보여 주는 기능입니다.
AI 가드레일 (AI Guardrails)
AI 가드레일은 AI가 정해 둔 정책을 벗어나지 않도록 입력, 검색 자료, 도구 호출과 출력을 검사하고, 위험한 요청이나 답변을 수정하거나 차단하는 장치입니다.
AI 가시성 (AI Visibility)
AI 가시성은 생성형 AI 답변에 브랜드와 콘텐츠가 얼마나 자주, 어떤 형태로 등장하는지를 나타냅니다. 브랜드 언급, 출처 인용과 링크 노출을 각각 측정하며, 실제 사이트 방문은 별도 지표로 확인합니다.
AI 검색 (AI Search)
AI 검색은 외부 정보를 찾아 생성형 AI로 답변을 만드는 서비스나 기능입니다. 웹페이지나 연결된 문서에서 찾은 자료를 바탕으로 답변하고 출처 링크를 함께 제공할 수 있습니다.
AI 검색 최적화 (AI Search Optimization)
AI 검색 최적화는 AI가 웹에서 콘텐츠를 찾아 답변에 정확하게 반영하도록 사이트와 콘텐츠를 개선하는 작업입니다. 검색 크롤러의 접근 상태와 본문을 점검하고, 답변의 브랜드 설명과 출처 링크를 확인합니다.
AI 리퍼럴 트래픽 (AI Referral Traffic)
AI 리퍼럴 트래픽은 사람이 ChatGPT, Claude, Gemini, Perplexity 같은 AI 서비스의 링크를 눌러 웹사이트에 들어온 방문입니다. AI의 인용 횟수나 봇의 수집 요청과는 구분됩니다.
AI 슬롭 (AI Slop)
AI 슬롭은 AI로 만든 저품질 글, 이미지와 영상을 낮춰 부르는 말로, 주로 검증과 편집 없이 대량 생산한 콘텐츠를 가리킵니다.
AI 에이전트 (AI Agent)
AI 에이전트는 주어진 목표에 맞춰 작업을 진행하면서 다음 행동과 사용할 도구를 스스로 정하는 AI 시스템입니다.
AI 인용 (AI Citation)
AI 인용은 생성형 AI가 답변의 근거로 웹페이지나 문서를 연결해 보여 주는 방식입니다. 브랜드 이름만 언급하는 것과는 다르며, 출처 링크가 있어도 원문이 답변의 주장을 뒷받침하는지 확인해야 합니다.
AI 크롤러 (AI Crawler)
AI 크롤러는 AI 모델 학습, 검색 색인, 사용자 요청 처리와 안전성 확인 등을 위해 웹페이지에 접근하는 자동화된 봇입니다. 역할과 robots.txt 처리 방침은 봇마다 다릅니다.
ChatGPT search (ChatGPT 검색)
ChatGPT search는 ChatGPT가 웹에서 정보를 찾아 출처 링크와 함께 답하는 기능입니다. 학습 지식만 사용하는 답변과 달리 검색한 웹 자료를 답변에 반영합니다.
Claude 웹 검색 (Claude Web Search)
Claude 웹 검색은 웹에서 자료를 찾아 답변의 근거로 활용하고 인용과 원문 링크를 제공하는 기능입니다.
Gemini Deep Research (제미나이 딥 리서치)
Gemini Deep Research는 조사 계획을 세우고 웹과 선택한 자료를 반복해 검토한 뒤 출처가 있는 보고서를 만드는 기능입니다.
GEO (생성 엔진 최적화)
GEO는 생성형 AI가 콘텐츠를 답변의 근거로 참고하고 브랜드를 정확히 소개하도록 웹 정보를 정비하는 작업입니다. AI 답변의 브랜드 언급, 인용 URL과 설명의 정확성을 확인하며 콘텐츠와 브랜드 정보를 고칩니다.
LLM (대규모 언어 모델)
LLM은 대규모 데이터로 언어의 패턴을 학습한 AI 모델입니다.
LLMO (대규모 언어 모델 최적화)
LLMO는 대규모 언어 모델을 사용하는 AI 서비스가 브랜드와 콘텐츠를 정확히 언급하고 인용하도록 웹 정보를 관리하는 실무 용어입니다. 업계에서 통일된 정의는 없으며 GEO와 상당 부분 겹칩니다.
llms.txt
llms.txt는 LLM과 AI 에이전트가 사이트의 주요 문서를 찾을 수 있도록 소개와 링크를 Markdown 파일로 제공하자는 제안입니다.
MCP (Model Context Protocol)
MCP는 AI 애플리케이션과 외부 데이터, 도구 사이의 공개 연결 규격입니다. 기능 목록을 확인하고 요청과 결과를 주고받는 절차를 정합니다.
Perplexity (퍼플렉시티)
Perplexity는 웹 자료를 검색해 출처 번호와 원문 링크가 포함된 대화형 답변을 제공하는 AI 검색 서비스입니다.
RAG (검색 증강 생성)
RAG는 생성형 AI가 답변할 때 참고하도록 외부 자료를 검색해 제공하는 방식입니다. 모델이 학습하지 않은 최신 정보나 내부 문서도 답변의 근거로 활용할 수 있습니다.
RLHF
RLHF는 사람의 피드백을 보상 신호로 삼아 모델을 강화학습하는 방법입니다. 사람의 지시와 선호에 맞춰 AI를 조정하는 후속 학습 중 하나입니다.
Share of Model (모델 점유율)
Share of Model(모델 점유율)은 정한 질문 표본의 AI 답변에서 비교 대상 브랜드의 전체 언급 횟수 중 우리 브랜드의 언급 횟수가 차지하는 비율입니다.
그라운딩 (Grounding)
그라운딩은 AI가 외부 자료를 근거로 답변하도록 만드는 방법입니다.
네이버 AI 브리핑 (Naver AI Briefing)
네이버 AI 브리핑은 하이퍼클로바X를 바탕으로 검색어에 맞는 답변을 요약하고 참고 출처를 연결하는 검색 기능입니다. 통합검색에서 답변과 원문 링크를 함께 제공합니다.
답변 엔진 (Answer Engine)
답변 엔진은 사용자의 질문에 답을 직접 제시하는 시스템입니다. 축적한 데이터로 값을 계산하거나, 웹에서 찾은 자료를 종합해 답합니다.
데이터 신선도 (Data Freshness)
데이터 신선도는 검색이나 분석 시스템의 데이터가 원본의 최신 변경을 얼마나 잘 반영하는지를 뜻합니다. 원본 수정부터 수집, 색인, 답변 반영까지 시차가 생길 수 있습니다.
리랭커 (Reranker)
리랭커는 1차 검색으로 모은 후보 문서에 점수를 다시 매겨 순서를 정하는 구성 요소입니다.
멀티모달 검색 (Multimodal Search)
멀티모달 검색은 텍스트, 이미지, 음성 등 서로 다른 형식의 정보를 함께 해석해 결과를 찾는 검색 방식입니다. 사진을 올리고 원하는 조건을 글로 덧붙이는 검색이 대표적입니다.
메타데이터 필터링 (Metadata Filtering)
메타데이터 필터링은 문서에 붙인 필드 값으로 검색할 자료의 범위를 좁히는 방법입니다.
벡터 데이터베이스 (Vector Database)
벡터 데이터베이스는 임베딩 벡터를 저장하고 유사도 검색을 처리하는 데이터베이스입니다. 일반적인 조건 검색과 달리 질문 벡터와 가까운 데이터를 찾으며 정확 탐색과 근사 탐색을 모두 쓸 수 있습니다.
브랜드 멘션 (Brand Mention)
브랜드 멘션은 웹 콘텐츠나 AI 답변에서 회사, 브랜드 또는 제품의 이름을 언급하는 것입니다.
사고 사슬 (Chain of Thought)
사고 사슬은 언어 모델이 답에 이르는 중간 추론 단계입니다. 단계별 풀이 예시를 제시하거나 추론을 유도하는 프롬프팅 기법을 가리키기도 합니다.
에이전틱 검색 (Agentic Search)
에이전틱 검색은 AI가 조사 결과에 맞춰 검색 계획과 다음 행동을 조정하는 검색 방식입니다. 에이전트가 검색어와 자료를 선택하고 근거가 부족하면 다시 조사합니다.
에이전틱 웹 (Agentic Web)
에이전틱 웹은 AI 에이전트가 사용자를 대신해 웹에서 정보를 찾고 실제 작업까지 처리하는 환경입니다.
엔티티 (Entity)
엔티티는 검색 시스템이 하나의 대상으로 식별하는 사람, 장소, 회사, 제품이나 개념입니다. 같은 이름의 다른 대상을 구분하고 대상 사이의 관계를 설명하는 단위입니다.
음성 검색 (Voice Search)
음성 검색은 말로 입력한 검색어로 정보를 찾는 방식입니다. 음성을 문자로 바꾸고 검색 의도를 해석해 링크, 지도, 직접 답변 등을 제공합니다.
임베딩 (Embedding)
임베딩은 텍스트나 이미지 같은 데이터를 숫자 벡터로 표현한 것입니다.
제로클릭 검색 (Zero-click Search)
제로클릭 검색은 검색결과 링크를 클릭하지 않고 끝난 검색입니다. 조사마다 집계 단위와 포함 범위가 다르며 답을 얻었는지나 만족했는지를 직접 나타내지는 않습니다.
지식 그래프 (Knowledge Graph)
지식 그래프는 사람과 회사, 장소, 제품처럼 구별할 수 있는 대상과 그 관계를 연결한 정보 구조입니다.
지식 컷오프 (Knowledge Cutoff)
지식 컷오프는 AI 모델이 학습한 정보의 기준 시점입니다. 웹 검색이나 파일에서 가져온 정보는 이 기준 시점 이후의 내용도 답변에 제공할 수 있습니다.
청킹 (Chunking)
청킹은 RAG 시스템에서 긴 문서를 검색과 임베딩에 쓸 단위로 나누는 전처리 작업입니다. 문서의 길이, 구조와 주제를 기준으로 분할할 수 있습니다.
컨텍스트 엔지니어링 (Context Engineering)
컨텍스트 엔지니어링은 언어 모델에 어떤 정보를 언제 넣을지 정하는 작업입니다. 지침, 대화 기록, 검색 자료와 메모리 등을 선택하고 순서와 갱신 시점을 관리합니다.
컨텍스트 윈도우 (Context Window)
컨텍스트 윈도우는 AI 모델이 한 요청에서 다룰 수 있는 정보의 범위이며 토큰으로 측정합니다. 입력 자료뿐 아니라 생성할 답변과 추론에 필요한 분량도 한도에 포함됩니다.
쿼리 재작성 (Query Rewriting)
쿼리 재작성은 검색 시스템이 사용자의 질문을 자료 검색에 적합한 표현으로 고치는 과정입니다. 오타를 교정하거나 동의어와 대화 맥락을 반영해 검색 질의를 만듭니다.
쿼리 팬아웃 (Query Fan-out)
쿼리 팬아웃은 질문 하나에서 여러 관련 검색어를 만들고 동시에 검색해 답변에 필요한 자료를 모으는 기법입니다.
토큰 (Token)
토큰은 언어 모델이 텍스트를 나눠 처리하는 단위입니다. 입력과 출력의 사용량, 처리 한도를 계산하는 기준이며 같은 문장도 모델의 토크나이저에 따라 토큰 수가 달라집니다.
파인튜닝 (Fine-tuning)
파인튜닝은 이미 학습한 AI 모델을 추가 데이터로 더 학습해 특정 목적에 맞추는 기법입니다. 분류 기준이나 응답 형식, 말투를 일관되게 익히도록 모델을 조정합니다.
프롬프트 (Prompt)
프롬프트는 AI에 원하는 작업과 답변 조건을 전달하는 입력입니다.
프롬프트 엔지니어링 (Prompt Engineering)
프롬프트 엔지니어링은 AI에 맡길 작업과 조건을 입력으로 구성하고, 결과를 평가해 지시와 자료, 예시를 개선하는 과정입니다.
프롬프트 인젝션 (Prompt Injection)
프롬프트 인젝션은 AI가 입력에 섞인 지시를 따라 원래 의도와 다른 답변이나 행동을 하도록 만드는 공격 또는 그 취약점입니다. 웹페이지와 파일 속 지시도 간접 공격의 통로가 될 수 있습니다.
하이브리드 검색 (Hybrid Search)
하이브리드 검색은 키워드 검색과 벡터 검색의 결과를 결합하는 방식입니다. 정확한 용어를 찾는 검색과 의미가 비슷한 내용을 찾는 검색이 서로 놓친 자료를 보완합니다.
할루시네이션 (Hallucination)
할루시네이션은 생성형 AI가 그럴듯하지만 사실이 아닌 내용을 답하는 오류입니다. 존재하지 않는 출처와 수치를 만들거나, 주어진 자료와 다른 내용을 사실처럼 설명하는 경우가 대표적입니다.
함수 호출 (Function Calling)
함수 호출은 AI 모델이 실행할 함수의 이름과 인자를 구조화된 형식으로 생성하는 기능입니다. 애플리케이션은 이 요청을 받아 외부 기능을 실행하고 결과를 모델에 전달합니다.
전체 용어 목록 (242개)
카테고리를 펼쳐 원하는 용어의 상세 설명으로 바로 이동할 수 있습니다.
- SERP (검색결과 페이지)
- 검색 의도 (Search Intent)
- 검색엔진최적화 (SEO)
- 구글 SEO (Google SEO)
- 구글 검색결과 삭제 (Search Removal)
- 구글 페널티 (Google Penalty)
- 구글봇 (Googlebot)
- 네이버 SEO (Naver SEO)
- 로컬 SEO (Local SEO)
- 롱테일 키워드 (Long-tail Keyword)
- 색인 (Indexing)
- 시맨틱 검색 (Semantic Search)
- 크롤링 (Crawling)
- 키워드 검색량 (Search Volume)
- 키워드 리서치 (Keyword Research)
- 토픽 클러스터 (Topic Cluster)
- 화이트햇과 블랙햇 SEO (White Hat, Black Hat)
- 301 리디렉션 (301 Redirect)
- 302 리다이렉트 (302 Redirect)
- 404 오류 (404 Not Found)
- hreflang
- HTTP 상태 코드 (HTTP Status Code)
- HTTPS
- IndexNow (인덱스나우)
- JavaScript SEO
- robots meta tag (로봇 메타 태그)
- robots.txt
- RSS 피드 (RSS Feed)
- URL 구조 (URL Structure)
- 노인덱스 (noindex)
- 리디렉션 (Redirect)
- 모바일 사용성 (Mobile Usability)
- 모바일 우선 인덱싱 (Mobile-first Indexing)
- 사이트 마이그레이션 (Site Migration)
- 사이트맵 (Sitemap)
- 서브도메인 (Subdomain)
- 소프트 404 (Soft 404)
- 캐노니컬 태그 (Canonical Tag)
- 코어 웹 바이탈 (Core Web Vitals)
- 크롤 버짓 (Crawl Budget)
- 테크니컬 SEO (Technical SEO)
- 페이지 속도 (Page Speed)
- 페이지네이션 (Pagination)
- alt 태그 (Alt Text)
- E-E-A-T
- H1 태그 (H1 Tag)
- H태그 (Heading Tags)
- SEO 글쓰기 (SEO Writing)
- YMYL (Your Money or Your Life)
- 검색 품질 평가자 가이드라인 (Quality Rater Guidelines)
- 동영상 SEO (Video SEO)
- 메타 디스크립션 (Meta Description)
- 씬 콘텐츠 (Thin Content)
- 에버그린 콘텐츠 (Evergreen Content)
- 온페이지 SEO (On-page SEO)
- 이미지 SEO (Image SEO)
- 중복 콘텐츠 (Duplicate Content)
- 콘텐츠 감사 (Content Audit)
- 콘텐츠 리프레시 (Content Refresh)
- 콘텐츠 품질 (Content Quality)
- 키워드 스터핑 (Keyword Stuffing)
- 키워드 카니벌리제이션 (Keyword Cannibalization)
- 타이틀 태그 (Title Tag)
- 토픽 권위 (Topical Authority)
- FAQ 구조화 데이터 (FAQPage)
- Google Discover (구글 디스커버)
- JSON-LD 구조화 데이터 (JSON-LD, 제이슨 엘디)
- Q&A 구조화 데이터 (QAPage, 질문답변 스키마)
- RDFa (알디에프에이, 링크드 데이터 마크업)
- TV 시리즈 구조화 데이터 (TVSeries, 드라마 스키마)
- 공유숙박 구조화 데이터 (VacationRental, 단기 임대 숙소 스키마)
- 관련 질문 (People Also Ask)
- 구조화 데이터 (Structured Data)
- 구조화 데이터 직접 조치 (Structured Data Manual Action, 스키마 수동 조치)
- 동영상 구조화 데이터 (VideoObject, 비디오 스키마)
- 레시피 구조화 데이터 (Recipe, 요리 스키마)
- 리뷰 구조화 데이터 (Review, 리뷰 스키마)
- 리치 결과 (Rich Results)
- 리치 결과 테스트 (Rich Results Test, 구조화 데이터 테스트)
- 마이크로데이터 (Microdata, HTML 구조화 데이터)
- 말하기 구조화 데이터 (Speakable, 음성 읽기 스키마)
- 멤버십 프로그램 구조화 데이터 (MemberProgram, 포인트 멤버십 스키마)
- 반품 정책 구조화 데이터 (MerchantReturnPolicy, 반품 스키마)
- 배송 정책 구조화 데이터 (ShippingService, 배송 스키마)
- 브레드크럼 (Breadcrumb)
- 사이트 연관채널 (sameAs, 연관 채널 마크업)
- 사이트 이름 (Site Name)
- 사이트링크 (Sitelinks)
- 상품 구조화 데이터 (Product, 제품 스키마)
- 상품 옵션 구조화 데이터 (ProductGroup, 옵션 스키마)
- 소프트웨어 구조화 데이터 (SoftwareApplication, 앱 스키마)
- 수학 문제 풀이 구조화 데이터 (MathSolver, 수학 풀이 스키마)
- 스니펫 (Snippet)
- 스키마 마크업 (Schema Markup)
- 스키마 마크업 검사기 (Schema Markup Validator, 스키마 검사 도구)
- 스키마닷오알지 (Schema.org, 스키마 어휘)
- 식당 구조화 데이터 (Restaurant, 음식점 스키마)
- 영화 구조화 데이터 (Movie, 영화 스키마)
- 오픈그래프 (Open Graph)
- 이미지 라이선스 메타데이터 (ImageObject, 이미지 저작권 정보)
- 이벤트 구조화 데이터 (Event, 행사 스키마)
- 제품 스니펫 (Product Snippet, 상품 리치 결과)
- 조직 구조화 데이터 (Organization, 회사 스키마)
- 주소 구조화 데이터 (PostalAddress, 주소 스키마)
- 지식 패널 (Knowledge Panel)
- 지역 비즈니스 구조화 데이터 (LocalBusiness, 로컬 비즈니스 스키마)
- 채용정보 구조화 데이터 (JobPosting, 채용공고 스키마)
- 추천 스니펫 (Featured Snippet)
- 캐러셀 구조화 데이터 (ItemList, 리스트아이템 스키마)
- 파비콘 (Favicon)
- 판매 조건 구조화 데이터 (Offer, 오퍼 스키마)
- 판매자 등록정보 (Merchant Listing, 쇼핑 구조화 데이터)
- 페이월 콘텐츠 구조화 데이터 (CreativeWork, 유료 콘텐츠 스키마)
- 평점 구조화 데이터 (AggregateRating, 별점 스키마)
- 프로필 페이지 구조화 데이터 (ProfilePage, 프로필 스키마)
- 하우투 구조화 데이터 (HowTo, 단계별 안내 스키마)
- AEO (답변엔진최적화)
- AI Mode (AI 모드)
- AI Overviews (AI 개요)
- AI 가드레일 (AI Guardrails)
- AI 가시성 (AI Visibility)
- AI 검색 (AI Search)
- AI 검색 최적화 (AI Search Optimization)
- AI 리퍼럴 트래픽 (AI Referral Traffic)
- AI 슬롭 (AI Slop)
- AI 에이전트 (AI Agent)
- AI 인용 (AI Citation)
- AI 크롤러 (AI Crawler)
- ChatGPT search (ChatGPT 검색)
- Claude 웹 검색 (Claude Web Search)
- Gemini Deep Research (제미나이 딥 리서치)
- GEO (생성 엔진 최적화)
- LLM (대규모 언어 모델)
- LLMO (대규모 언어 모델 최적화)
- llms.txt
- MCP (Model Context Protocol)
- Perplexity (퍼플렉시티)
- RAG (검색 증강 생성)
- RLHF
- Share of Model (모델 점유율)
- 그라운딩 (Grounding)
- 네이버 AI 브리핑 (Naver AI Briefing)
- 답변 엔진 (Answer Engine)
- 데이터 신선도 (Data Freshness)
- 리랭커 (Reranker)
- 멀티모달 검색 (Multimodal Search)
- 메타데이터 필터링 (Metadata Filtering)
- 벡터 데이터베이스 (Vector Database)
- 브랜드 멘션 (Brand Mention)
- 사고 사슬 (Chain of Thought)
- 에이전틱 검색 (Agentic Search)
- 에이전틱 웹 (Agentic Web)
- 엔티티 (Entity)
- 음성 검색 (Voice Search)
- 임베딩 (Embedding)
- 제로클릭 검색 (Zero-click Search)
- 지식 그래프 (Knowledge Graph)
- 지식 컷오프 (Knowledge Cutoff)
- 청킹 (Chunking)
- 컨텍스트 엔지니어링 (Context Engineering)
- 컨텍스트 윈도우 (Context Window)
- 쿼리 재작성 (Query Rewriting)
- 쿼리 팬아웃 (Query Fan-out)
- 토큰 (Token)
- 파인튜닝 (Fine-tuning)
- 프롬프트 (Prompt)
- 프롬프트 엔지니어링 (Prompt Engineering)
- 프롬프트 인젝션 (Prompt Injection)
- 하이브리드 검색 (Hybrid Search)
- 할루시네이션 (Hallucination)
- 함수 호출 (Function Calling)
- BERT
- CDN (Content Delivery Network)
- PBN (Private Blog Network)
- SEO 스플릿 테스팅 (SEO Split Testing)
- TF-IDF
- TLD (최상위 도메인)
- 검색 가시성 (Search Visibility)
- 검색 점유율 (Share of Search)
- 게스트 포스팅 (Guest Posting)
- 구글 코어 업데이트 (Google Core Update)
- 구글 허밍버드 (Google Hummingbird)
- 기생 SEO (Parasite SEO)
- 깨진 링크 (Broken Link)
- 네거티브 SEO (Negative SEO)
- 도어웨이 페이지 (Doorway Page)
- 랜딩 페이지 (Landing Page)
- 랭크브레인 (RankBrain)
- 랭킹 팩터 (Ranking Factor)
- 로그 파일 분석 (Log File Analysis)
- 로컬 인용 (Local Citation)
- 링크 거부 (Disavow)
- 링크 리클레이밍 (Link Reclamation)
- 링크 스팸 (Link Spam)
- 버티컬 검색 (Vertical Search)
- 브랜드 키워드 (Branded Keyword)
- 사용자 생성 콘텐츠 (UGC)
- 사이트 아키텍처 (Site Architecture)
- 서버 사이드 렌더링 (SSR)
- 시맨틱 SEO (Semantic SEO)
- 에이전틱 RAG (Agentic RAG)
- 엣지 SEO (Edge SEO)
- 외부 링크 (Outbound Link)
- 이커머스 SEO (E-commerce SEO)
- 인덱서빌리티 (Indexability)
- 인덱스 블로트 (Index Bloat)
- 인터내셔널 SEO (International SEO)
- 정보 이득 (Information Gain)
- 체류 시간 (Dwell Time)
- 콘텐츠 갭 분석 (Content Gap Analysis)
- 콘텐츠 신선도 (Content Freshness)
- 크롤 깊이 (Crawl Depth)
- 크롤러빌리티 (Crawlability)
- 클로킹 (Cloaking)
- 키워드 밀도 (Keyword Density)
- 패싯 내비게이션 (Faceted Navigation)
- 페이지랭크 (PageRank)
- 포고 스티킹 (Pogo-sticking)
- 프로그래매틱 SEO (Programmatic SEO)
- 헬프풀 콘텐츠 업데이트 (Helpful Content Update)