- LLMO란?
- LLMO란 ChatGPT 등 대규모 언어 모델(LLM)이 자사 사이트의 정보를 인용·참조하도록 하기 위한 최적화 방안을 말합니다. AIO·GEO라고 불리기도 합니다.
안녕하세요, 마사토입니다. 2026년 7월에 자사 사이트를 AI로 전면 리뉴얼하면서, 블로그 전체에 “AI 검색 대응(LLMO)”을 한꺼번에 구현했습니다. 이 글에서는 실제로 한 방안 전부와 현재의 리얼한 숫자를 숨기지 않고 공개합니다.
✓이 글의 내용
- ChatGPT 경유 유입의 실제 숫자(연간 19만 노출 블로그의 경우)
- LLM에 인용되기 위해 구현한 방안 전부
- GA4로 AI 경유 유입을 측정하는 방법
먼저 결론부터 씁니다. “늘릴 수 있다”고는 아직 단언할 수 없습니다. 연간 19만 노출의 블로그에서도 AI 경유 유입은 월 약 12세션. 이것이 2026년 7월 시점의 솔직한 현재 위치입니다. 다만 LLM에 인용되기 위한 준비는 전부 끝냈습니다. 이 글은 그 구현 기록과, 앞으로 효과를 측정하기 위한 방법을 정리한 것입니다.
현재의 베이스라인 | AI 경유는 월 12세션
먼저 숫자부터. GA4에서 참조 소스를 보면 저희 블로그의 AI 경유 유입은 월 약 12세션. 그 대부분이 ChatGPT입니다.
비교로 일반 검색을 봅니다. Search Console의 최근 92일에서 “webflow”라는 빅 키워드로 평균 3.9위·681클릭/15,084노출. 검색 유입과 비교하면 AI 경유는 아직 오차 같은 규모입니다.
그럼 무시해도 되느냐 하면, 저는 그렇게 생각하지 않습니다. 이유는 2가지입니다.
- AI 검색은 “인용되는 쪽”과 “인용되지 않는 쪽”으로 갈라집니다. 자리 다툼은 빠를수록 유리하다는 것이 제 판단입니다
- AI에 답을 묻고 나서 오는 사람은 이미 과제가 뚜렷합니다. 수는 적어도 밀도 높은 유입이 될 수 있습니다
게다가 AI가 답변 안에서 사이트를 소개해도 링크가 클릭되지 않으면 GA4에는 1세션도 남지 않습니다. 즉 “12세션”은 빙산의 일각일 수도 있고, 이것이 전부일 수도 있습니다. 그래서 먼저 준비해 두고, 측정할 수 있는 상태를 만들기로 했습니다.
LLMO 방안: LLM에 인용되기 위해 한 것 전부
2026년 7월, 자사 블로그 63개 글에 대해 일괄로 구현했습니다(글별 구현 내용은 AIO 실측 리포트 #1·구현편에 상세히 있습니다). 사이트 자체도 AI(Claude Code)로 7일간 전면 리뉴얼한 직후였고, 그 흐름에서의 구현입니다.
llms.txt
사이트 루트에 두는, AI용 사이트 안내 텍스트입니다. “이 사이트에 무엇이 있는가”를 LLM이 읽기 쉬운 Markdown으로 정리해 두는 것으로, 리뉴얼 때 sitemap·구조화 데이터와 함께 정비했습니다.
솔직히 말하면 llms.txt는 주요 AI 기업이 공식 지원을 명언한 사양이 아닙니다(2026년 7월 시점에 제가 조사한 범위에서는). 다만 만드는 비용이 거의 제로이므로 “넣지 않을 이유가 없는” 항목이라고 보고 있습니다.
FAQPage 구조화 데이터
63개 글 전부에 FAQ를 추가하고, FAQPage의 JSON-LD를 자동 생성하는 구조로 만들었습니다. 글마다 손으로 쓰는 것이 아니라, 글 데이터에 구조화 필드를 갖게 하고 템플릿 쪽에서 “화면에 보이는 FAQ”와 “구조화 데이터”를 동시에 내보내는 설계입니다.
포인트는 보이는 콘텐츠와 구조화 데이터를 반드시 일치시키는 것. 구조화 데이터만 넣고 본문에는 없는 상태는 Google의 가이드라인에서도 인정되지 않습니다.
한 문장 정의(키 텀)
각 글의 주요 용어에 “◯◯란 ◯◯입니다.”라는 완결된 한 문장 정의를 붙였습니다. LLM은 답변을 조립할 때 그대로 인용할 수 있는 자기 완결적 한 문장을 잘 집는다고 일반적으로 알려져 있습니다. 사람 독자에게도 글 앞부분에서 용어의 뜻을 알 수 있는 것은 그냥 친절합니다.
요점 박스와 Speakable
글 첫머리에 요점을 몇 줄로 정리한 박스를 두고, Speakable 구조화 데이터도 붙였습니다. 요점 박스는 “글을 다 읽지 않아도 답을 알 수 있는” 형태, 즉 AI가 그대로 뽑아 갈 수 있는 형태로 만들기 위한 것입니다.
토대 정비도 동시에 했다
방안과 동시에 글의 품질 자체도 한꺼번에 손봤습니다.
- 오탈자·표기 흔들림 교정: 450건 이상
- 내용이 중복되던 글의 통합: 301 리다이렉트 3개
- 자사 채점 기준의 AIO 대응도: 평균 47.8점→97.3점
채점은 자체 기준(요점·FAQ·정의 등의 유무를 점수화한 것)이므로 어디까지나 사내 지표입니다. 다만 구현 전 평균 47.8점이라는 숫자 그대로, AI 검색 대응은 거의 손대지 않은 상태에서의 출발이었습니다.
가장 효과가 큰 것은 1차 정보라고 생각한다
여기까지 구조 이야기를 해 왔지만, 제가 가장 중요하다고 보는 것은 1차 정보, 즉 자신의 경험과 숫자입니다.
저희 블로그에는 “address 최악”이라는 검색으로 평균 1.7위·162클릭(92일간)을 얻고 있는 글이 있습니다. 실제로 써 보고 느낀 것을 솔직히 쓴 것뿐인 글입니다. 검색 엔진에서도 AI에서도 “실제로 해 본 사람의 이야기”는 대체할 수 없습니다. LLMO의 테크닉은 인용할 가치가 있는 알맹이가 있어야 비로소 작동한다는 것이 제 입장입니다.
효과 측정 | GA4로 AI 경유 유입을 보는 방법
방안을 해도 측정할 수 없으면 의미가 없으므로, 측정법도 써 둡니다.
- GA4의 “탐색”에서 자유 형식 리포트를 만든다
- 측정기준에 “세션 소스”를 추가한다
- 필터에서 정규식을 써서 chatgpt|perplexity|copilot|gemini처럼 AI 계열 도메인을 한꺼번에 잡는다
ChatGPT 경유 클릭은 소스가 chatgpt.com으로 기록됩니다(링크에 utm_source=chatgpt.com이 붙는 경우가 많습니다). 저희의 “월 약 12세션”도 이 방법으로 낸 숫자입니다.
주의점은 이 방법으로는 “제로 클릭 인용”을 측정할 수 없다는 것. AI가 답변 안에서 사이트명이나 내용을 소개해도 클릭되지 않으면 숫자에 나오지 않습니다. 그래서 AI 경유 세션과 함께, 사명이나 서비스명으로의 지명 검색 추이도 봐 두는 것을 권합니다.
그래서, ChatGPT 경유 유입은 늘릴 수 있는가
솔직히 아직 모릅니다. 구현이 끝난 것이 2026년 7월이므로, 효과가 숫자로 나오는 것은 이제부터입니다.
다만 확실히 말할 수 있는 것이 하나 있습니다. “측정할 수 있는 상태로 준비를 끝냈다”는 것입니다. 늘면 무엇이 효과가 있었는지 검증할 수 있고, 늘지 않으면 “월 19만 노출의 블로그에서 LLMO를 풀 구현해도 AI 유입은 늘지 않았다”는 1차 정보가 됩니다. 어느 쪽으로 굴러도 글이 됩니다.
이 실험의 경과는 뉴스레터 연재 “AI로 블로그를 키우는 공개 실험”에서 먼저 보고해 갑니다. 다음이 궁금한 분은 뉴스레터(메일은 일본어)로 오세요. 자사 사이트의 AI 검색 대응을 상담하고 싶은 분은 무료 상담에서 물어보세요.
자주 묻는 질문
ChatGPT 경유 유입은 GA4에서 어떻게 확인할 수 있나요?
“탐색”의 자유 형식 리포트에서 “세션 소스”를 측정기준으로 삼고, chatgpt|perplexity|copilot|gemini 같은 정규식으로 필터링합니다. ChatGPT 경유 클릭은 소스가 chatgpt.com으로 기록됩니다.
llms.txt를 설치하면 AI로부터의 유입이 늘어나나요?
효과는 보장되지 않습니다. 주요 AI 기업이 공식 지원을 명언한 사양은 아니지만, 설치 비용이 거의 제로이므로 넣어 둘 가치는 있다고 봅니다.
AI 검색 대응(LLMO)에서 가장 먼저 해야 할 것은 무엇인가요?
1차 정보(자신의 경험과 숫자)를 쓰는 것입니다. FAQ나 구조화 데이터 같은 형식 면의 방안은, 인용할 가치가 있는 알맹이가 있어야 비로소 작동합니다.
AI 경유 유입은 실제로 얼마나 있나요?
월 19만 노출의 Webharu 블로그에서 약 12세션/월입니다(2026년 7월 시점). 대부분이 ChatGPT 경유이고, 검색 유입과 비교하면 아직 작은 규모입니다. 다만 AI가 답변 안에서 소개해도 클릭되지 않는 “제로 클릭”은 이 숫자에 포함되지 않습니다.
