GEO 관련 학술 논문·업계 보고서·전문가 자료 추천 목록

GEO 관련 학술 논문·업계 보고서·전문가 자료 추천 목록

GEO(Generative Engine Optimization, 생성형 엔진 최적화)는 아직 새롭고 자료의 품질이 천차만별인 분야입니다. 탄탄한 학술 연구도 있지만 마케팅을 위해 작성된 근거가 약한 공략 글도 많습니다. 아래에서는 신뢰도와 유형별로 나누어 소개하므로 필요에 맞게 활용할 수 있습니다.

첫째, 기초를 세운 학술 논문(필독)

1. GEO: Generative Engine Optimization(Aggarwal, Murahari et al., Princeton/Georgia Tech, KDD 2024) arxiv.org/abs/2311.09735. 이 분야를 개척한 논문입니다. 여러 출처를 종합하고 대규모 언어 모델로 요약해 사용자 질의에 답하는 생성형 엔진을 새로운 패러다임으로 정식 정의했습니다. GEO-bench를 구축하고 GEO 최적화가 생성형 엔진 답변 내 가시성을 최대 40% 높일 수 있으며 효과가 분야별로 달라짐을 보여 주었습니다. 권위 있는 어조, 통계 데이터 추가, 키워드 채우기, 출처 인용, 인용문 추가, 쉬운 언어, 유창성 개선, 독특한 어휘, 전문 용어 등의 전략을 시험했습니다. 통계 데이터와 인용 추가가 여러 지표에서 가장 안정적이었으며 최적 방법은 위치 가중 단어 수에서 기준선 대비 22%, 주관적 인상에서 37% 향상되었습니다.

2. E-GEO: A Testbed for Generative Engine Optimization in E-Commerce(2025) arxiv.org/abs/2511.20867. 이커머스에 특화된 GEO 연구로, 여러 문장으로 구성된 실제 소비자 제품 질의 7000건 이상을 포함합니다. 흔한 재작성 전략 15가지를 처음으로 대규모 실증 분석하여 분야를 넘어 안정적인 효과를 보이는 범용 GEO 전략 패턴을 발견했습니다. 이커머스와 제품 콘텐츠를 다루는 사람에게 유용한 참고 자료입니다.

3. Manipulating Large Language Models to Increase Product Visibility(Kumar & Lakkaraju, 2024, arxiv 2404.07981) 적대적 관점에서 LLM 출력의 제품 언급을 조작하는 방법을 연구합니다. GEO의 블랙박스 내 경쟁을 이해하는 데 중요한 보완적 관점을 제공합니다.

4. Evaluating Verifiability in Generative Search Engines(Liu et al., Stanford, 2023, arxiv 2304.09848) 생성형 검색 엔진 답변의 검증 가능성과 인용 정확성을 연구합니다. 인용 품질이 왜 중요한지 이해하는 이론적 기반입니다.

둘째, 최신 업계 연구·데이터 보고서(2025~2026)

• Ahrefs의 AI Overviews 클릭률 연구: AI Overview가 나타난 후 자연 검색 첫 번째 결과의 클릭률이 1.41%에서 0.64%로 약 54% 하락했다는 데이터입니다. 정보형 질의는 클릭이 약 34.5% 줄었지만 거래형 질의는 10% 미만 감소했습니다. GEO 투자 우선순위를 판단하는 데 참고할 만한 데이터입니다.
• “How AI Engines Cite the Web: The Six 2026 Studies”(everything-pr.com): 2025년 4월부터 2026년 1월 사이에 발표된 여섯 가지 학술 연구를 종합한 유용한 리뷰입니다. 순위 관련 질의 1516개, 주장·출처 쌍 5.8만 개, 주요 세 플랫폼의 실제 인용 36.6만 건, 뉴스 기사 18.6만 편, 장기 추적 URL 1127개를 다룹니다. AI가 웹페이지를 어떻게 인용하는지에 관한 학술적 근거를 체계적으로 파악하려는 사람에게 적합합니다.
• iPullRank(Mike King)의 연구와 콘텐츠: Mike King은 이 분야의 대표적인 기술 전문가로 인정받으며 Search Engine Land의 “AI Search Marketer of the Year”를 수상했습니다. 그가 제안한 Relevance Engineering 프레임워크는 벡터 임베딩, Query Fan-Out(질의 확장), 문단 단위 검색 등의 구조를 깊이 설명하므로 기술적으로 더 알아보려는 사람에게 적합합니다. ipullrank.com의 AI Search Manual 시리즈와 주간 Rank Report를 참고할 수 있습니다.

셋째, 비판적으로 읽어야 할 자료

시중의 여러 ‘2026 GEO/AI 인용 연구 보고서’는 실제로 GEO 도구 업체나 마케팅 대행사가 발행합니다. ‘LinkedIn 인용률이 두 배’, ‘Reddit이 최다 인용 도메인’ 같은 데이터형 글이 그 예입니다. 결론이 사실인 경우도 많지만 표본과 방법론이 불투명합니다. 본질적으로는 홍보와 고객 확보를 위한 콘텐츠입니다. 답변 우선 구조, 엔터티 권위 구축, 플랫폼 간 낮은 인용 중복률처럼 학술 논문과도 일치하는 큰 흐름은 참고할 수 있습니다. 다만 구체적인 수치는 교차 검증하고 엄밀한 데이터처럼 그대로 인용하지 않는 편이 좋습니다.

넷째, 중국어 자료

• Zhihu에서 ‘GEO 生成式引擎优化’를 검색하면 SEO에서 GEO로의 변화와 실행 방법을 체계적으로 정리한 수준 높은 심층 글을 찾을 수 있습니다(검색어: ‘GEO 生成引擎优化白皮书’).
• Iwish 같은 해외 진출·독립 쇼핑몰 운영 지원 업체가 작성한 GEO 실무 가이드는 Ahrefs 등의 데이터로 AI Overview 인용 출처의 분포를 설명하므로 해외 진출 브랜드가 참고하기에 적합합니다.
• WULIFE GEO Lab은 전용 연구 코너에서 업계 최전선의 논문과 독자적인 GEO 심층 연구를 모읍니다. 산업 동향을 객관적으로 분석하고 전문적인 콘텐츠를 공유합니다.

------

실용적인 제안: 학술 연구나 기술 검증이 목적이라면 arxiv 논문, 특히 초기 GEO 논문과 E-GEO를 먼저 읽으세요. 마케팅이나 콘텐츠 전략 실행이 목적이라면 실제 데이터로 뒷받침되는 iPullRank와 Ahrefs의 업계 연구를 더 추천합니다. 순수한 홍보 목적의 블로그에는 비판적인 시각을 유지하세요.