LLMO는 대규모 언어 모델을 사용하는 AI 서비스가 브랜드를 정확히 설명하고 콘텐츠를 인용하도록 웹 정보를 정비하는 작업입니다. Large Language Model Optimization의 약자입니다. 회사명과 제품 정보 등을 일관되게 정리하고, AI가 이를 어떻게 설명하는지 확인합니다. GEO, AI 검색 최적화와 상당 부분 겹치며 쓰는 업체에 따라 작업 범위가 다릅니다.
LLMO와 GEO의 차이
LLMO를 별도 서비스로 제안하는 업체도 있지만, GEO와 경계를 나누는 공통 기준은 없습니다. 다음처럼 서로 다른 범위로 쓰입니다.
- 넓은 뜻에서는 ChatGPT, Claude, Gemini, Perplexity와 Google의 생성형 검색에서 브랜드가 언급되고 콘텐츠가 인용되도록 하는 모든 작업을 가리킵니다. 이때 LLMO는 GEO, AI 검색 최적화와 거의 같은 말입니다.
- 좁은 뜻에서는 실시간 검색 노출보다 모델이 브랜드를 어떤 회사나 제품으로 이해하고 설명하는지 관리하는 일에 초점을 둡니다. 웹 검색 인용은 GEO가 맡는다고 나누기도 합니다.
따라서 이름만으로 작업 범위를 판단하기는 어렵습니다. 제안서에는 어떤 페이지와 브랜드 정보를 고칠지, 어느 AI 서비스에서 무엇을 측정할지 명시해야 합니다. 특히 모델의 학습 데이터를 직접 바꿀 수 있다는 뜻인지, 공개 웹 정보를 정비한다는 뜻인지 구별할 필요가 있습니다.
브랜드를 잘못 설명하는 원인 찾기
AI가 다른 회사의 제품을 자사 제품처럼 소개하거나 예전 가격으로 설명한다면, 답변에 연결한 출처부터 확인합니다. 공식 사이트 안에 오래된 페이지가 남아 있는지, 회사명이나 제품명이 비슷한 다른 업체와 구별할 정보가 있는지도 살펴봅니다.
- 회사명, 제품명, 서비스 범위와 가격 조건을 공식 사이트에서 일관되게 씁니다.
- 질문에 바로 답할 수 있는 원문을 만들고 적용 조건과 갱신 날짜를 밝힙니다.
- OAI-SearchBot, Claude-SearchBot, PerplexityBot처럼 검색과 관련된 봇의 접근 상태를 확인합니다.
- 대표 질문을 여러 AI 서비스에서 반복 실행해 브랜드 언급, URL 인용과 사실 정확도를 따로 기록합니다.
검색을 사용하는 AI는 뉴스, 리뷰, 데이터베이스 등 외부 자료도 참고할 수 있습니다. 공식 사이트를 고쳐도 오래된 외부 자료를 계속 인용한다면 답변은 바로 달라지지 않을 수 있습니다. 검색을 쓰지 않은 답변과 검색 출처를 제시한 답변도 나눠 기록해야 수정한 웹 정보가 반영됐는지 해석하기 쉽습니다.
모델 자체를 수정하는 작업인가요?
이 글에서 다루는 LLMO는 공개 웹 정보와 AI 답변을 점검하는 마케팅 실무입니다. 모델을 파인튜닝해 사내 분류 성능을 높이는 모델 개발이나, AI에 줄 지시문을 고치는 프롬프트 엔지니어링과는 작업 대상이 다릅니다.
크롤러의 역할도 구별해야 합니다. OpenAI의 GPTBot은 모델 개선에 쓸 콘텐츠 수집을, OAI-SearchBot은 ChatGPT 검색을 위한 수집을 담당합니다. GPTBot을 허용했다고 ChatGPT 검색 노출이 개선되는 것은 아닙니다.
Google은 생성형 검색에도 기존 SEO 원칙을 적용하며, 별도의 AI 전용 파일이나 특수한 글쓰기 형식을 요구하지 않습니다. llms.txt 설정이나 FAQ 개수만으로 AI 인용 여부를 판단할 수는 없습니다.
봇 수집 기록과 AI 답변, 방문 기록의 차이
봇이 페이지를 수집해도 그 페이지를 답변에 쓰지 않을 수 있고, 출처 링크가 나와도 사용자가 클릭하지 않을 수 있습니다. 따라서 다음 항목을 따로 집계합니다.
- 수집: 검색용 봇이나 검색엔진이 페이지를 가져갔는가
- 인용: 답변에 우리 URL이 출처로 나타났는가
- 언급: 링크 없이도 브랜드나 제품명이 나왔는가
- 방문: 사용자가 답변의 링크를 눌러 사이트에 들어왔는가
수집 여부는 서버 로그의 요청과 응답에서, 언급과 인용은 실제 AI 답변에서 확인합니다. 방문은 GA4 등 웹 분석 도구에서 유입 출처를 식별할 수 있는 범위로 측정하고, Google 검색 클릭은 Search Console에서 확인합니다. 이 수치는 서로 더하지 않고 수집 이후 실제 인용이나 방문도 늘었는지 비교합니다.
답변 변화를 비교할 측정 조건
고객이 실제로 물을 만한 질문과 비교할 브랜드를 정합니다. 제품 추천, 가격 비교, 문제 해결처럼 목적이 다른 질문을 포함하고, 다음 조건을 기록하며 같은 질문을 여러 번 실행합니다.
- AI 서비스와 기능 이름
- 웹 검색을 켰는지 여부
- 언어, 지역과 로그인 상태
- 실행 날짜와 반복 횟수
- 브랜드 언급, 추천 순서, URL 인용과 설명의 정확성
ChatGPT search, Claude 웹 검색, Gemini Deep Research, Perplexity는 검색 방법과 출처 표시 방식이 다릅니다. 먼저 서비스별 결과를 비교해야 어디에서 언급이나 인용이 늘었는지 알 수 있습니다. 전체 평균만으로는 특정 서비스의 변화를 놓치기 쉽습니다.
자주 묻는 질문
LLMO와 GEO 중 어떤 표현을 써야 하나요?
둘 다 표준 용어는 아닙니다. 고객이 이해하는 표현을 쓰되, 제안서와 보고서에는 실제 작업과 측정 항목을 적으세요. 예를 들어 브랜드 언급 횟수, 출처로 연결된 URL, AI 답변에서 유입된 방문을 측정한다고 적으면 범위가 분명해집니다.
SEO를 하지 않고 LLMO만 할 수 있나요?
웹 검색을 쓰는 AI가 페이지를 찾고 읽을 수 있어야 하므로 크롤링과 색인, 내부 링크 등 SEO 작업이 겹칩니다. 검색 노출을 막는 문제를 그대로 둔 채 AI 답변만 개선하기는 어렵습니다. SEO 상태를 점검한 뒤 실제 AI 답변에서 어떤 페이지를 참고하는지도 확인합니다.
AI 답변에 한 번 나오면 최적화가 된 건가요?
아닙니다. 같은 질문도 시점과 모델, 검색 여부에 따라 답이 달라질 수 있습니다. 질문군과 조건을 고정하고 여러 번 측정해야 변화를 비교할 수 있습니다.
함께 알아두면 좋은 용어
- GEO: 생성형 답변의 출처와 언급을 고려하는 최적화 실무
- AI 검색 최적화: AI 검색에서 콘텐츠의 발견과 활용을 돕는 작업
- AI 크롤러: 학습이나 검색에 쓸 웹 콘텐츠를 가져가는 봇
- AI 인용: 생성 답변이 출처 URL을 표시하는 방식