안녕하세요, 주식회사 Webharu 대표이사 구리타입니다. 일본 미야기현 시오가마시에서 웹사이트를 만들고 있습니다.
중소기업의 LLMO 대응은 전문 업체에 맡기기 전에 직접 할 수 있는 일이 대부분입니다. 소제목 바로 뒤에 결론을 쓰기, 용어를 한 문장으로 정의하기, FAQ를 구조화 데이터로 만들기, llms.txt 설치하기. 모두 비용이 들지 않고, 좋은 SEO의 연장선 위에 있습니다.
저희는 광고비 제로로 SEO와 AI 검색만으로 고객을 모아 온 회사입니다. 이 글에서는 LLMO라는 말을 정리하는 것부터, 자사 사이트에서 실제로 하고 있는 방안 8가지, llms.txt 작성법, 효과를 재는 법까지 쓰겠습니다.
이 글의 요점
- LLMO(생성형 AI 최적화)란?
- LLMO란 ChatGPT나 Google의 AI Overviews 등 생성형 AI가 답변을 만들 때 자사의 정보를 인용·참조하도록 하기 위한 최적화를 말하며, 결론 먼저 쓰기·한 문장 정의·FAQ의 구조화 데이터·llms.txt 등 SEO의 연장에 있는 방안이 중심입니다.
목차
LLMO 대응이란 | 중소기업이 먼저 알아 둘 것
LLMO란, ChatGPT 같은 생성형 AI가 답변을 만들 때 자사의 정보를 인용·참조하도록 하기 위한 최적화를 말합니다. SEO를 대체하는 것이 아닙니다. 특별한 뒷길이 있는 것도 아니고, 결론을 먼저 쓰기·정의를 한 문장으로 만들기·구조화하기라는 눈에 띄지 않는 축적이 중심입니다.
검색의 입구는 Google 검색뿐 아니라 생성형 AI와의 대화로도 넓어졌습니다. ChatGPT에 검색 기능이 붙고, Google의 검색 결과에는 AI Overviews가 나오고, Perplexity 같은 생성형 AI 검색도 자리를 잡았습니다. 문의로 이어지는 입구가 “검색 결과 목록”에서 “AI와의 대화”로 옮겨 간다면, 거기에 비치지 않는 것은 중소기업에게 기회 손실로 직결됩니다.
LLMO·AIO·GEO·AEO의 차이
솔직히 말하면 이 4가지 용어에 업계 표준의 통일된 정의는 아직 없습니다. 새로운 시장에 여러 회사가 각자의 호칭을 들고 들어와 있는 것이 실정에 가깝습니다. 대략적인 경향은 다음과 같습니다.
| 호칭 | 주로 가리키는 범위 | 비고 |
|---|---|---|
| LLMO(Large Language Model Optimization) | ChatGPT·Claude·Perplexity·AI Overviews 등 LLM 기반의 답변에 인용되기 위한 최적화 | 일본에서 널리 쓰이는 호칭. 이 글은 이 말을 축으로 삼습니다 |
| AIO(AI Optimization) | 검색에 한정하지 않고 챗봇이나 추천 AI도 포함한 AI 전반으로부터의 유입·인용 최적화 | 일본에서의 인지도가 높고, 다소 넓은 뜻으로 쓰이기 쉽습니다 |
| GEO(Generative Engine Optimization) | 생성형 AI 검색 엔진에서의 인용 획득 | 해외에서 주류. 실무상 LLMO와 거의 같은 뜻으로 쓰이는 경우가 많습니다 |
| AEO(Answer Engine Optimization) | 강조 스니펫이나 음성 어시스턴트 등 “답변 영역”에의 직접 게재 | GEO와 역할을 나눠 이야기되기도 하지만, 방안은 크게 겹칩니다 |
검색하는 쪽은 “ChatGPT로 알아본다”와 “Google 검색으로 알아본다”를 그렇게 의식해서 나눠 쓰지 않습니다. 가장 빨리 답해 주는 창구를 그때그때 고를 뿐입니다. 그러니 만드는 쪽도 호칭보다 “AI에게 정보원으로 선택되는 것”이라는 목적이 공통이라는 것을 알아 두면 충분합니다. 저희 용어집에서도 “LLMO / GEO”를 “생성형 AI 최적화”로 묶고 있습니다.
AI는 어떻게 인용원을 고르는가
각 회사는 구체적인 선정 기준을 공개하지 않았습니다. 다음은 공개된 구조와, 일반적으로 “경향이 있다”고 이야기되는 범위를 정리한 것입니다.
생성형 AI 검색의 대부분은 “검색 엔진으로 후보 페이지를 찾는다 → 내용을 가져온다 → 요약해 답변을 만든다”는 흐름을 토대로 한다고 설명됩니다. Google의 AI Overviews는 자사의 검색 인덱스를, ChatGPT 검색과 Copilot은 주로 Bing 계열의 인덱스를 쓴다고 일반적으로 이해됩니다. 즉 먼저 검색 엔진에 잡히는 것이 생성형 AI에 잡히는 전제가 되는 경우가 많다는 뜻입니다.
또 하나, 생성형 AI는 페이지를 통째로 인용하는 것이 아니라 일부분만 잘라내 답변에 쓰는 경우가 많습니다. 근거가 되는 한 문장이 떨어진 곳에 묻혀 있으면 잡히기 어렵습니다. “이 단락만 잘려 나와도 뜻이 통하는가?”라는 시각으로 쓰는 것이 실무에서 효과적입니다.
인용되기 쉬운 페이지의 특징으로 자주 꼽히는 것은 다음 5가지입니다.
- 명확한 한 문장 정의가 있다
- 결론이 먼저 쓰여 있다
- 소제목·글머리 기호·표로 구조화되어 있다
- 실측 데이터나 실제 경험 같은 1차 정보가 있다
- 저자나 운영자가 명확하고 실적을 확인할 수 있다
이것은 Google이 오랫동안 중시해 온 E-E-A-T(경험·전문성·권위성·신뢰성)와 거의 겹칩니다. LLMO는 SEO에서 좋다고 여겨져 온 것을 한층 더 철저히 하는 이야기로 이해하면 알기 쉽습니다.
중소기업이 직접 할 수 있는 LLMO 대응 8가지
특별한 도구 없이 시작할 수 있는 것부터 나열했습니다. 효과 측정이 아직 어려운 분야이므로, 비용을 들이지 않고 할 수 있는 것을 우선했습니다.
1. 질문형 소제목 바로 뒤에 결론을 한 문장으로 쓴다
“◯◯란?”, “◯◯의 시세는?” 같은 소제목을 세웠다면, 바로 뒤의 한 문장으로 결론을 잘라 말합니다. 생성형 AI는 질문과 답이 가까이 있는 페이지를 요약에 쓰기 쉽다고 여겨집니다. 배경부터 쓰기 시작하지 말고, 첫 문장에서 답한 뒤 이유와 구체적인 예를 잇는 순서입니다.
2. 용어의 한 문장 정의를 준비한다
전문 용어나 자사 서비스의 이름에 “◯◯란 ~을 말합니다”라는 60~120자 정도의 한 문장 정의를 준비합니다. 긴 설명 속에 묻히지 않게 독립된 한 문장으로 두는 것이 요령입니다. 저희 블로그에서는 글마다 이 한 문장 정의를 구조화 데이터로도 갖게 하고 있습니다.
3. FAQ를 준비해 구조화 데이터로 만든다
독자가 가질 법한 질문과 답을 FAQ로 정리하고, FAQPage의 구조화 데이터(JSON-LD)로 마크업합니다. 질문과 답이 한 세트로 기계가 읽을 수 있는 형태가 되므로, 생성형 AI에도 검색 엔진의 답변 영역에도 잡히기 쉬워집니다.
4. 요점을 글머리 기호나 표로 정리한다
문장만으로 설명을 이어 가는 것보다, 요점을 글머리 기호나 표로 정리하는 쪽이 생성형 AI가 정보를 추출하기 쉽습니다. 글 첫머리에 요점 박스를 두는 것도 같은 생각입니다.
5. llms.txt를 설치한다
AI를 위해 사이트의 구성과 주요 페이지를 안내하는 텍스트 파일입니다. 작성법은 다음 장에서 자사의 실제 파일로 설명합니다.
6. 저자와 운영자를 명시한다
누가 쓴 글인지, 운영자는 누구인지, 실적은 무엇인지를 명시합니다. 프로필 페이지나 회사 소개로의 링크, 실명과 실적의 공개입니다. 익명으로 근거가 얇은 글보다, 쓴 사람의 실적을 확인할 수 있는 글이 인용의 토대로서 유리합니다.
7. Bing에도 사이트를 등록한다
ChatGPT 검색은 Bing 계열의 인덱스를 쓴다고 일반적으로 이해되므로, Google뿐 아니라 Bing Webmaster Tools에도 등록해 두면 안심입니다. 설정은 10분도 걸리지 않습니다.
8. 1차 정보를 가진다
실측 데이터, 자사의 실패담, 구체적인 사례. 다른 사이트의 복사로는 낼 수 없는 1차 정보를 가지는 것이 장기적으로 가장 강한 방안입니다. 비슷한 글 중에서 인용할 때, 독자적인 숫자나 경험이 있는 글이 선택되기 쉽기 때문입니다. 반대로 “LLMO 대응”이라는 이름으로 내용이 얇은 글을 AI에게 대량 생산시키는 방식은 본말전도입니다. 구조를 정비하는 것과 내용을 얇게 하는 것은 별개의 이야기입니다.
llms.txt 작성법 | webharu.com의 실제 구성
llms.txt는 사이트 루트에 두는 Markdown 형식의 텍스트 파일입니다. llmstxt.org에서 제안하는 형식에 따라, AI에게 “이 사이트에 무엇이 있는가”를 안내합니다.
webharu.com의 llms.txt는 2026년 10월 기준 164줄입니다. 구성은 다음과 같습니다.
- 첫 줄: “# Web春(株式会社Web春 / Webharu)”처럼 회사명만 씁니다
- 두 번째 단: “>”로 시작하는 요약을 1단락. 어떤 회사인지, 소재지, 주요 서비스와 요금의 하한
- “## 서비스” “## 자사 제품” “## 회사 정보” “## 가이드·도구” “## 기술 블로그” “## 제작 실적”으로 구분
- 각 줄은 “- [페이지명](URL): 설명”. 설명에는 요금이나 특징처럼 그대로 답이 되는 사실을 씁니다
운용에서 중요한 것은 2가지입니다. 하나는 손으로 쓰지 않고 데이터로 만드는 것입니다. 저희는 글이나 실적을 추가할 때마다 빌드 안에서 llms.txt를 다시 만듭니다. 또 하나는 공개 전에 검사하는 것입니다. llms.txt에 쓴 모든 URL이 실재하는지, 301 리다이렉트 출처가 아닌지를 기계로 확인하고, 하나라도 벗어나면 공개를 멈춥니다. AI가 읽는 안내에 오래된 URL이나 오래된 요금이 남아 있으면, AI가 그대로 오래된 정보로 답해 버리기 때문입니다.
llms.txt의 효과는 아직 모릅니다
솔직히 쓰면, llms.txt는 주요 AI 기업이 공식 지원을 명언한 사양이 아닙니다. 저도 llms.txt만 넣어서 유입이 늘었다고 말할 수 있는 숫자는 가지고 있지 않습니다. 다만 만드는 수고는 거의 제로입니다. 넣지 않을 이유가 없으니 넣고 있다는 것이 진짜 이유입니다.
LLMO 대응의 효과를 재는 법
LLMO의 효과 측정은 SEO만큼 확립되어 있지 않습니다. 현실적으로 할 수 있는 것은 다음 3가지입니다.
GA4로 AI 경유 유입을 본다
GA4의 “세션 소스”에서 chatgpt.com·perplexity.ai 등으로부터의 유입을 좁혀 봅니다. 자사 사이트에서는 AI 경유 유입이 2026년 8월 17세션에서 9월은 61세션으로 늘었습니다(그중 ChatGPT가 54). 방법과 월별 추이는 ChatGPT 유입을 GA4로 실측한 글에 썼습니다.
Search Console은 간접적인 힌트로 삼는다
Search Console에서는 AI Overviews 경유의 노출을 일반 검색 결과와 나눠 볼 수 없습니다. 대신 회사명이나 제품명의 지명 검색이 늘고 있는지를 봅니다. AI의 답변으로 회사명을 알고 나서 검색으로 확인하러 오는 사람이 있기 때문입니다.
ChatGPT나 Perplexity에 직접 물어본다
가장 손쉬운 방법은 자사의 제품명이나 서비스명, 노리는 질문을 ChatGPT나 Perplexity에 직접 물어보는 것입니다. 추천하는 방법은 자사와 관련된 질문을 3개 정해서(“지역명+업종 추천”, “서비스명의 평판”, “회사명 그 자체” 등), 매달 같은 문장으로 묻고, 답변에 회사명이 나왔는지를 표에 남겨 가는 것입니다. 수치가 되지는 않아도 변화의 방향은 좇을 수 있습니다.
중소기업이 LLMO 대응에서 빠지기 쉬운 오해
SEO를 그만두고 LLMO만 하면 된다는 것은 반대입니다
많은 생성형 AI는 검색 엔진의 토대 위에서 움직입니다. SEO의 기초가 되어 있지 않은 사이트가 LLMO만 대응해도 효과는 제한적입니다. 검색에서 상위에 있는 것은 AI에게 잡힐 모수를 늘리는 것과 같은 의미를 가집니다.
구조화 데이터를 넣으면 인용되는 것은 아닙니다
구조화 데이터는 AI가 내용을 이해하는 데 도움을 줄 뿐입니다. 지도를 건네도 내용이 없는 곳으로는 사람을 부를 수 없는 것과 같습니다.
한 번 하면 끝나는 것이 아닙니다
생성형 AI의 구조도, 각 회사의 검색 알고리즘도 계속 바뀌고 있습니다. 정기적으로 재점검한다는 전제로 임하는 일입니다.
“LLMO 대응 가능합니다”라고 단언하는 업체는 한 번 의심해 본다
방안을 8가지나 써 놓고 하는 말이지만, “이것이 정답”이라는 것은 아직 누구도 모릅니다. 그래서 단언하며 파는 회사는 한 번 의심해 보는 편이 좋다고 생각합니다. 신기하게도 그 회사의 이름을 AI에게 물어봐도 나오지 않는 경우가 흔합니다. AI 검색에서 인용시키는 방법을 파는 회사가 AI에게 인용되지 않는 것입니다. 판단법은 간단합니다. 그 회사의 이름을 ChatGPT에 물어보세요.
당사의 실천 | 자사 사이트의 LLMO 대응과 실측
“ChatGPT로 알아보고 왔습니다”라는 상담이 오고 있습니다
실제로 “ChatGPT로 알아보고 왔습니다”라는 분께 상담을 받은 적이 있습니다. 물어보니 “Webflow로 일본에서 가장 좋은 곳이 어디인가” 같은 식으로 물어봤다고 합니다. AI에게 회사 선택을 상담하고, 거기서 진짜 문의가 생기고 있다. 체감으로 확실히 일어나고 있습니다.
다만 솔직히 쓰면, 자사가 어떤 질문으로 얼마나 인용되고 있는지는 아직 체계적으로 재지 못하고 있습니다. GA4로 보이는 AI 경유 유입은 늘고 있지만, “AI의 답변에 이름이 나왔는데 클릭되지 않은 몫”은 숫자에 나오지 않기 때문입니다. 여기는 앞으로의 과제입니다.
자사 사이트에서 하고 있는 구현
2026년 7월에 자사 사이트를 AI로 다시 만들었을 때, 구조화 데이터와 llms.txt를 처음부터 기본 구성에 넣었습니다. 경위는 홈페이지를 AI로 리뉴얼한 7일간의 기록에 썼습니다. 같은 달에 블로그 63개 글에 요점 박스·FAQ·한 문장 정의를 일괄로 넣어, 자사 채점으로 평균 47.8점에서 97.3점이 되었습니다. AI로 만든 사이트 전체의 검색 실측은 AI로 만든 사이트는 SEO에 약한지 검증한 글에 정리했습니다.
아직 하지 못한 것도 있습니다
효과가 있다고 알려져 있지만 아직 손대지 못한 것도 있습니다. Quora(미국판 네이버 지식iN 같은 Q&A 서비스)나 Reddit에서 실제 질의응답을 쌓으면 인용되기 쉬워진다는 이야기입니다. 정말로 효과가 있는지는 저 자신도 아직 판단하지 못했습니다.
결국 제가 읽고 싶은 글이 아니면 의미가 없습니다
글의 방침으로는 짧게 정리해서 갱신 빈도를 올리는 것을 의식하고 있습니다. 편수는 하루 1편, 많아도 5편 정도가 딱 좋다고 생각합니다. AI는 새롭고 간결한 문장을 우선하는 경향이 있다고 알려져 있으므로, 거기에 그대로 맞추는 형태입니다.
다만 양을 내는 것 자체가 목적은 아닙니다. 읽기 쉬운 것은 당연하고, 그것이 체험담일 것, 실제 목소리일 것을 중요하게 보고 있습니다. AI로 생성만 한 글에는 거의 의미가 없다고 생각합니다.
이유는 단순합니다. 제가 읽고 싶지 않기 때문입니다.
AI에게 인용되기 위한 대책을 파고들면 결국 “사람이 읽고 좋았다고 생각하는 글을 쓴다”로 돌아옵니다. LLMO라는 말이 새로울 뿐, 해야 할 일은 그렇게 새롭지 않습니다. 그것이 지금으로서는 솔직한 결론입니다.
저희의 AI 사이트 제작은 구조화 데이터와 llms.txt를 포함한 SEO·AI 검색 정비가 표준으로 들어갑니다. LLMO를 의식한 글을 계속 늘리고 싶다면, 대표가 전부 직접 편집하는 기사 제작 운용도 있습니다. “우리 사이트는 AI에게 인용되는 상태인가”를 확인하고 싶은 분은 문의 폼으로 연락해 주세요. 실측의 계속은 뉴스레터(메일은 일본어)에서 먼저 공개합니다.
제작 실적
자주 묻는 질문
중소기업은 LLMO 대응을 업체에 맡겨야 하나요?
먼저 직접 할 수 있는 것부터 시작하세요. 소제목 바로 뒤에 결론을 쓰기, 용어의 한 문장 정의 준비하기, FAQ를 구조화 데이터로 만들기, llms.txt 설치하기, 이 4가지는 비용이 들지 않습니다. 업체를 고른다면 그 회사명을 ChatGPT에 물어 나오는지 확인해 보세요.
LLMO 대응은 무엇부터 시작해야 하나요?
기존 글의 소제목 바로 뒤에 결론을 한 문장으로 쓰는 것부터입니다. 다음으로 전문 용어나 서비스명의 한 문장 정의, FAQ와 FAQPage 구조화 데이터입니다. 모두 이미 있는 글에 더하기만 하면 되고 추가 비용은 들지 않습니다.
llms.txt는 어떻게 작성하면 되나요?
첫 줄에 회사명, 다음으로 “>”로 시작하는 요약을 1단락, 그 뒤에 “## 서비스” 같은 소제목으로 나누어 “- [페이지명](URL): 설명”을 1줄 1페이지로 나열합니다. webharu.com의 llms.txt는 이 형태로 164줄입니다(2026년 10월 기준).
llms.txt에 효과가 있나요?
효과는 아직 증명되지 않았습니다. 주요 AI 기업이 공식 지원을 명언한 사양이 아니기 때문입니다. 다만 만드는 수고가 거의 제로이므로 자사 사이트에는 넣어 두었습니다.
LLMO 대응의 효과는 어떻게 측정하나요?
GA4의 “세션 소스”에서 chatgpt.com 등으로부터의 유입을 봅니다. 자사 사이트에서는 2026년 8월 17세션이 9월에는 61세션이 되었습니다. 클릭되지 않은 인용은 측정할 수 없으므로 지명 검색 추이와 AI에 직접 묻기로 보완합니다.
SEO와 LLMO의 차이는 무엇인가요?
SEO는 검색 결과의 순위를 올리는 방법이고, LLMO는 생성형 AI의 답변에 인용되기 위한 방법입니다. 많은 생성형 AI가 검색 엔진의 인덱스를 토대로 하고 있으므로, LLMO는 SEO를 대체하는 것이 아니라 그 연장에 있습니다.
