체크check
체크check
🌿 뉴비 파트너
☕ 커피챗 오픈

AI는 우리 브랜드를 어떻게 알고 있을까? — 3개 AI서비스의 답변을 수집·비교하는 GEO 측정 자동화(용평워케이션)

요약

Gemini·Perplexity·Claude, 3개 AI에 질문을 실행해서 답변 수집을 완료했습니다. Codex로 질문 실행과 결과 저장을 자동화하고, 브랜드 언급과 출처를 비교해볼 대시보드 데모를 만들었습니다.

사용한 도구

  • Codex로 수집 스크립트와 결과 화면을 개발

  • Chrome과 CDP, Aside AI 서비스에 질문을 실행
    (답변과 실행 상태는 JSON으로, 확보 가능한 네트워크 기록은 HAR로 저장).

  • Aside는 질문에 대한 답변 수집 보조 수단으로 활용

  • 대시보드 데모와 사례 공유 화면은 HTML·CSS·JavaScript로 구현

배경

저는 지피터스에서 23기, 24기 GEO실험실 스터디를 진행하고 있습니다. GEO 스터디에서 여러 사이트를 살펴보고 개선 방향을 제안하는 과정에서, 반복해서 해야 하는 일이 생겼습니다. 여러 AI 서비스에 같은 질문을 입력하고, 답변에서 브랜드가 언급되는지 확인하고, 출처를 저장한 뒤 결과를 비교하는 작업입니다.

질문 1개를 확인하는 것은 어렵지 않습니다. 하지만 질문 20개를 AI 서비스 3곳에서 확인하면 60번의 실행과 결과 정리가 필요합니다. 게다가 이 작업을 매일 실행해서 질문에 대한 인용이 잘 되고 있는지를 트래킹해야 GEO가 잘 되는지를 추적할 수 있습니다. 사이트를 개선한 뒤 같은 조건으로 다시 측정하려면 이 과정을 반복해야 합니다. 이번 워케이션에서는 이 반복 업무를 안정적으로, 자동적으로 수행할 수 있는 시스템을 만드는 데에 집중했습니다.

대시보드 데모 살펴보기↗ 처음 작성한 워케이션 계획서↗

실제 측정 데이터를 충분히 축적하기에는 이번 작업 기간이 짧아, 사례 공유용 대시보드 데모를 별도로 제공했습니다. 데모의 수치는 샘플 데이터이며, 아래 자동화 실행 화면은 실제 수집 당시의 기록입니다.

GEO에서 측정하려는 것은?

GEO는 Generative Engine Optimization, 생성형 엔진 최적화입니다. AI가 생성하는 답변에서 콘텐츠가 얼마나, 어떻게 드러나는지를 살피고 그 가시성을 높이기 위한 접근입니다. GEO 개념을 제시한 연구에서도 생성형 엔진의 답변 안에서 콘텐츠의 가시성을 다룹니다.

예를 들어 고객이 AI에게 “국내에서 ㅇㅇㅇ를 구매할 수 있는 전문 업체를 추천해줘”라고 질문했다고 생각해볼 수 있습니다. 이때 우리 브랜드가 등장하는지, 어떤 이유로 추천되는지, 공식 사이트가 출처로 인용되는지, 어떤 경쟁 브랜드가 함께 나오는지를 확인하고 싶었습니다.

제가 만들려는 것은 이 과정의 ‘측정과 기록’을 돕는 도구입니다. 질문을 실행하고 답변과 출처를 모아, 브랜드가 어떻게 소개됐는지 검토할 수 있도록 만드는 작업입니다. 이후 사이트를 개선하고 다시 측정하면 같은 질문의 결과를 비교할 기반이 됩니다.

고객 질문 준비→AI 답변 수집→언급·인용 확인→사이트 개선·재측정

이번 사례의 범위는 답변 수집과 결과 확인입니다. AI 답변은 시점과 실행 조건에 따라 달라질 수 있어, 한 번의 결과만으로 개선 효과를 판단하지 않습니다.

이번에 만든 것: 답변 수집 자동화와 대시보드

장기적으로는 사이트 주소를 입력하면 질문 구성부터 측정, 비교, 리포트까지 이어지는 서비스를 생각하고 있습니다. 워케이션 계획서에도 반복 측정을 제품으로 만들겠다는 방향을 담았습니다.

이번 사례에서는 반복 수집을 위한 자동화 실험과 결과를 살펴보는 대시보드 데모에 초점을 맞췄습니다. 개발할 단위마다 무엇을 확인할 것인지 정했습니다.

개발 단위

확인할 내용

수집

질문이 실행됐는지, 답변과 실행 상태를 확보했는지

데이터 처리

저장된 기록에서 질문·답변·출처를 구분할 수 있는지

판정

본문 언급과 인용을 구분하고 근거가 부족한 상태를 표시하는지

대시보드

질문별 결과와 근거를 살펴보는 흐름이 이해되는지

독립적으로 테스트하면서 개발하기

개발 단위를 나눌 때의 기준은 각 부분의 입력과 결과를 따로 확인할 수 있는가였습니다. 수집 스크립트는 실행 기록을 남기고, 데이터 처리 부분은 저장된 기록을 읽고, 대시보드는 정리된 결과를 보여주는 역할로 나눴습니다.

이 구조에서는 새로운 데이터를 수집하는 동안에도 기존 기록으로 처리 로직을 개발할 수 있습니다. 화면은 준비된 데이터로 사용 흐름을 검토할 수 있습니다. 작은 수정을 확인하기 위해 매번 실제 AI 서비스에 질문을 다시 보내는 부담도 줄어듭니다.

문제가 생겼을 때도 수집에 실패한 것인지, 데이터를 잘못 읽은 것인지, 화면에서 잘못 표시한 것인지 구분할 수 있습니다. 테스트와 개발을 병행하기 위해 각 작업의 범위와 상태를 태스크 단위로 관리하고 있습니다.

Codex로 개발하고, 반복 실행은 스크립트가 맡도록

Codex는 브라우저에서 하던 작업을 스크립트로 옮기고, 수집 기록을 처리하고, 결과 화면을 만드는 개발 과정에 활용했습니다. 기대한 동작과 실제 실행 결과를 함께 확인하며 수정하는 방식입니다.

반복 실행 단계에서는 스크립트가 정해진 순서로 질문을 입력하고 결과를 저장하도록 구성했습니다. 매번 AI 에이전트가 화면을 해석해 다음 클릭을 결정하는 과정을 줄이고, 반복할 절차를 코드로 옮기는 접근입니다.

브라우저 연결에는 CDP를 활용했습니다. 코드에서 Chrome을 제어하고 동작을 관찰할 수 있는 연결 방식입니다. 로그인 상태를 사용하는 전용 브라우저 환경에서 질문을 실행하는 방식으로 수집했습니다.

질문 목록을 준비하고 → 전용 Chrome에서 실행하고 → 답변과 실행 상태를 저장하고 → 확보한 결과를 검토합니다.

별도 머신에서 수집을 실행하고 대시보드에 결과를 전달하는 구성도 확장 방향으로 두고 있습니다. 이번 공개 데모는 수집 시스템과 분리해, 결과 화면과 메뉴 흐름을 확인할 수 있도록 제작했습니다.

시행착오: 답변 수집과 근거 확보는 달랐습니다

초기 실험에서는 화면의 답변을 읽을 수 있었지만, 사용하던 브라우저 연결 방식이 네트워크 기록 내보내기까지 지원하지 않았습니다. 질문 10개의 답변과 보고서를 확보했지만, 네트워크 기록인 HAR 파일은 4개만 확보했습니다. 나머지 6개는 수집 상태를 따로 남겼습니다.

이 경험 이후에는 파일이 저장됐는지와 함께, 어떤 자료를 확보했고 그 자료로 어디까지 확인할 수 있는지를 구분하게 됐습니다.

답변 생성 중의 기록과 완료 후 기록도 차이가 있었습니다. 정보가 여러 시점에 나뉘어 들어오거나, 수집 시점에 따라 답변 본문의 범위가 달라질 수 있습니다. 서로 다른 기록을 질문 중심의 공통 형식으로 정리하고 중복을 처리하는 설계가 필요했습니다.

분석에서는 출처 목록에 있는 것, 본문에 브랜드가 언급된 것, 특정 페이지가 직접 인용된 것을 구분했습니다. 연결 근거가 부족한 항목은 ‘미매핑’이나 ‘확인 불가’로 남기는 원칙을 정했습니다. 다만 아래에서 설명하듯 기존 보고서의 모든 표시와 집계에 이 원칙이 적용된 것은 아닙니다.

이렇게 해야 수집 실패를 브랜드 미노출로 해석하거나, 출처 목록에 있다는 이유만으로 직접 인용됐다고 판단하는 일을 줄일 수 있습니다.

실제 수집 과정

실제 CDP 실험을 진행하고, 스크립트를 통해 수집한 45회의 기록입니다.

완료

제한

실패

전체 시도

35회

6회

4회

45회

‘완료’는 수집 절차에서 답변을 얻고 제한 응답으로 분류되지 않은 상태이며, 모든 답변의 정확성 검수나 대시보드 연결까지 마쳤다는 뜻은 아닙니다. ‘제한’은 서비스 제한 응답으로 분류된 경우, ‘실패’는 전송·수집 등의 처리 중 오류가 기록된 경우입니다. GEO 개선 효과나 플랫폼의 우열을 뜻하지 않습니다. 답변을 확보하지 못한 경우를 정상적으로 수집된 답변과 구분해 남긴 것이 이번 실험에서 중요한 부분입니다.

실제 고객 질문을 넣어보니, 질문에 따라 결과가 달랐습니다

수집 도구가 동작하는지 확인한 뒤에는 실제 업체를 대상으로 질문을 더 실행해봤습니다. 대상은 머신비전 검사 시스템과 AI 솔루션·컨설팅을 제공하는 호연지재(Hovision)입니다. 공식 사이트에서 사업 영역을 확인하고, 고객이 업체를 찾을 때 물어볼 만한 상황으로 질문을 작성했습니다.

2026년 9월 21일, ChatGPT의 비로그인 웹 환경에서 브랜드를 넣지 않은 질문 4개와 브랜드·공식 도메인을 명시한 질문 1개를 각각 새 대화로 실행했습니다. 같은 전용 Chrome 세션에서 순차적으로 질문했고, 결과가 마음에 들지 않는다는 이유로 다시 생성하지 않았습니다. 이 5건은 앞의 멀티플랫폼 45회 실험과 별도로 진행한 추가 확인입니다.

브랜드를 넣지 않은 질문 4개의 관찰 결과

고객이 찾는 것

호연지재 언급

답변에 나온 후보

하네스·단자 검사와 이력 저장을 함께 상담할 업체 3곳

없음

이프, 머신앤비전, KEYENCE KOREA

오배선·단자 미삽입 검사 장비나 적용 사례가 있는 국내 전문업체 5곳

있음 · 첫 번째 후보

호연지재, 티오에스, 테스트론, 제이엠아이, 루타스

다품종 소량생산용 맞춤형 머신비전 장비 업체 5곳

없음

트윔, 라온피플, 이프, 넥스캠, 비투에스

제조업 AI 진단·PoC·교육을 도와줄 업체 5곳

없음

한국생산성본부, 몬드리안AI, KMAC, LG CNS, 포스코DX

호연지재가 등장한 질문의 원문은 다음과 같습니다. 브랜드와 도메인은 넣지 않았지만, 공식 사이트에서 확인한 하네스 검사라는 구체적인 분야에 맞춰 작성한 질문입니다.

자동차 부품 공장에서 와이어 하네스의 오배선과 단자 미삽입을 육안으로 검사하고 있어. 이 검사를 자동화할 수 있는 국내 전문업체 5곳을 찾아줘. 실제 하네스 검사 장비나 적용 사례가 공식 홈페이지에 있는 업체를 우선하고, 업체별 근거 링크와 상담 시 확인할 점을 알려줘.

이 답변에서는 호연지재가 첫 번째 상담 후보로 소개됐습니다. 하네스 오배선 검사 시스템과 4카메라 시스템, 미삽입·설삽 검사 적용 영상이 근거로 제시됐고, Hovision 출처 표시도 확인했습니다. 이 결과는 화면에서 읽은 답변 텍스트로 보관했습니다. 추천 문단이 잘 보이는 스크린샷과 해당 출처의 정확한 링크 주소는 확보하지 못했으므로, 여기에는 텍스트로 확인한 관찰 결과로 기록합니다.

다른 세 질문에서는 호연지재가 나오지 않았습니다. 따라서 이 실험에서 말할 수 있는 것은 “이번에 실행한 서로 다른 비브랜드 질문 4개 중 1개에서 호연지재가 등장했다”는 사실입니다. 일반적인 노출률이나 사이트 개선의 효과를 뜻하지 않습니다. 질문의 범위뿐 아니라 추천 업체 수와 요구한 조건도 달라, 어떤 조건이 결과에 영향을 줬는지 따로 판단하려면 같은 조건으로 추가 측정이 필요합니다.

브랜드를 직접 물어본 결과는 따로 봤습니다

별도의 새 대화에서는 “호연지재 Hovision은 어떤 업체야?”라고 묻고 공식 도메인도 함께 제공했습니다. ChatGPT는 머신비전·하네스 검사와 AI/AX 서비스, 대상 고객, 상담 방식과 준비 사항을 설명했습니다. 답변의 출처 버튼을 열어 공식 회사소개 페이지로 연결되는 것도 확인했습니다.

이 결과는 브랜드를 지정했을 때 어떤 설명과 출처가 나오는지를 확인한 것입니다. 브랜드 없는 질문에서 자연스럽게 추천된 사례로 집계하지 않았습니다.

여기서도 답변 확보와 증거 확보는 별개였습니다. 답변 5개는 모두 저장했지만 HAR는 수집하지 못했습니다. 캡처 일부는 지도나 다른 업체 설명 구간을 보여줘, 호연지재가 추천됐다는 이미지 증거로 사용하지 않았습니다. 이후에는 다음 질문으로 넘어가기 전에 질문, 추천 문단, 출처가 실제 캡처에 들어왔는지 확인하는 단계를 추가해야겠다는 점을 배웠습니다.

답변 한 건을 원문과 대조해봤습니다

수집한 답변을 믿고 사용하려면 질문, 답변, 판정의 근거를 함께 확인할 수 있어야 합니다. 앞서 소개한 호연지재 브랜드 질문을 한 건의 예로 정리했습니다. 이 사례에서 확인한 범위는 답변 저장과 원문 대조까지입니다. 공개 대시보드에 이 실제 결과가 연결된 것은 아닙니다.

호연지재 브랜드 질문 한 건의 확인 기록

항목

실제 기록

질문

호연지재 Hovision은 어떤 업체야? 공식 사이트 https://hovision.co.kr 에서 확인할 수 있는 주요 서비스, 대상 고객, 진행 방식과 문의 전 확인할 내용을 정리하고 출처 링크를 제시해줘. 확인되지 않는 내용은 추정하지 말아줘.

실행 환경·시각

ChatGPT 웹, 비로그인 새 대화. 2026년 9월 21일 02:02:10~02:02:38 KST. 모델명은 확인하지 못했습니다.

저장한 답변

머신비전 검사 시스템, 하네스 검사, AI/AX 컨설팅 등을 설명한 답변 텍스트와 화면을 저장했습니다.

본문 언급

답변 첫 문장에 ‘호연지재(HOVISION)’가 등장합니다. 질문에 포함된 이름이 아니라 답변 본문을 기준으로 확인했습니다.

공식 출처

답변의 Hovision 출처 버튼을 열어 hovision.co.kr/about으로 연결되는 것을 확인했습니다. 답변의 모든 문장과 출처를 대조한 것은 아닙니다.

보완한 단계

초기 자동 추출값이 비어 있어, 같은 시점에 저장한 화면 텍스트의 ‘ChatGPT의 말:’ 이후 내용으로 답변을 보완했습니다. 출처 주소는 버튼을 별도로 열어 확인했습니다.

확보하지 못한 것

HAR와 실제 대시보드 연결은 확보하지 못했습니다. 브랜드를 지정한 질문이므로 자연 추천 성과에도 포함하지 않았습니다.

이 과정에서 화면에 답변이 보이는 것과 자동 수집기에 답변이 들어오는 것은 다르다는 점을 확인했습니다. 당시 게스트 화면의 구조가 수집기에 지정한 답변 영역과 맞지 않아 빈 값이 나왔습니다. 빈 값을 그대로 분석했다면 브랜드가 나오지 않았다고 잘못 해석할 수 있었습니다. 저장해둔 화면 텍스트가 있어 답변을 복원하고 판정을 다시 확인할 수 있었습니다.

자동 판정에서 실제로 보완할 부분

피드백을 반영하며 기존 보고서와 저장 파일도 다시 대조했습니다. 아래는 확인한 오류와 증거의 한계입니다. 10~20개 답변을 사람이 독립적으로 평가한 정확도 검증 결과는 아닙니다.

확인한 사례

기록에서 드러난 문제

본문에서의 해석과 보완 방향

호연지재 브랜드 질문

화면에는 답변이 있지만 초기 자동 추출값은 비어 있었습니다.

저장된 화면 텍스트로 답변을 보완했습니다. 추출 실패와 브랜드 미언급을 구분해야 합니다.

호연지재 비브랜드 질문 03

답변 텍스트에는 브랜드와 출처 표시가 있지만, 정확한 출처 주소를 확보하지 못했습니다.

본문 언급은 확인했습니다. 특정 공식 페이지의 직접 인용까지 확인했다고 쓰지는 않았습니다.

Perplexity 토크 측정 질문

전송 완료를 확인하지 못해 실패했고 답변도 비어 있었지만, 보고서에는 브랜드 언급과 공식 도메인 인용이 모두 ‘아니오’로 표시됐습니다.

미노출의 증거로 사용할 수 없습니다. 실행 상태를 먼저 확인해 ‘확인 불가’로 표시하도록 집계·화면을 수정할 필요가 있습니다.

따라서 현재의 결과표를 그대로 노출 성과표로 사용하기에는 보완이 필요합니다. 답변을 정상적으로 확보했는지 먼저 확인하고, 그다음에 본문 언급과 출처를 판단하는 순서가 필요합니다. 실패 건의 표시 문제를 발견한 것과 시스템 수정을 완료한 것은 구분해 기록합니다.

지금 업무에 활용한 범위와 아직 남은 일

현재 기록에서 확인할 수 있는 활용은 수집 결과를 검토하고 수집 방식을 보완한 단계입니다. 빈 답변을 저장된 화면 텍스트로 보완했고, 브랜드를 직접 물어본 결과는 비브랜드 추천 결과와 나눠 정리했습니다. 추천 문단이 담기지 않은 캡처는 해당 브랜드가 추천됐다는 이미지 증거로 사용하지 않았습니다.

같은 질문 묶음을 다른 날 다시 실행한 비교나, 결과를 바탕으로 사이트를 수정한 뒤 재측정한 기록은 아직 이 사례에 없습니다. 수작업 대비 절감 시간도 같은 조건으로 측정하지 않았습니다. 다음 단계에서는 한 질문의 수집 결과를 대시보드에 연결하고, 같은 질문·서비스·검색 조건을 기록해 날짜별로 비교하려고 합니다.

대시보드는 무엇을 보여주도록 만들었나?

실제 측정 데이터를 충분히 축적하기에는 이번 작업 기간이 짧아, 사례 공유용 대시보드 데모를 별도로 제공했습니다. 샘플 데이터로 질문별 브랜드 언급과 사이트 인용, 답변 상세를 살펴보는 흐름을 체험할 수 있습니다.

먼저 ‘고객 질문과 노출’ 화면에서 어떤 질문에 브랜드가 등장하는지 확인합니다. 브랜드 언급과 사이트 인용은 별도 항목으로 표시했습니다. 질문을 선택하면 답변과 인용 출처를 함께 살펴보도록 구성했습니다.

대시보드 데모 직접 살펴보기 ↗

공개 데모에는 실제 수집 시스템이 연결되어 있지 않습니다. 대시보드의 수치는 실제 실험 결과나 개선 성과로 해석하지 않도록 구분했습니다.

질문 두 개로 작게 시작하는 방법

다른 브랜드에서도 같은 확인 과정을 시작할 수 있도록, 업체명을 넣지 않는 질문과 브랜드를 직접 묻는 질문을 나눴습니다. 아래 대괄호만 자신의 업종과 브랜드로 바꾸면 됩니다. 수집 자동화를 설치하는 안내가 아니라, 브라우저에서 수동으로 확인해볼 최소 절차입니다.

1. 브랜드 없는 질문과 브랜드 질문을 나눕니다

[구체적인 업무 문제]를 해결하려고 해. [제품·서비스]를 제공하는 국내 업체 3곳을 추천하고, 공식 홈페이지에서 확인되는 서비스와 상담 전에 준비할 내용을 근거 링크와 함께 정리해줘.

[브랜드명]은 어떤 업체야? 공식 사이트 [도메인]에서 확인되는 주요 서비스, 대상 고객, 진행 방식과 문의 전 확인할 내용을 정리하고 출처 링크를 제시해줘. 확인되지 않는 내용은 추정하지 말아줘.

2. 각각 새 대화에서 실행하고 근거를 저장합니다

서비스명, 실행 시각, 로그인 여부, 확인 가능한 모델·검색 설정을 기록합니다. 각 질문을 새 대화에서 한 번씩 실행하고, 질문 원문과 답변 전체를 저장합니다. 출처 버튼은 실제로 열어 주소를 남기고, 질문·답변·출처가 캡처에 들어갔는지도 확인합니다. 재시도했다면 이전 실패 기록과 재시도 횟수를 함께 남깁니다.

3. 결과와 수집 상태를 따로 적습니다

기록할 항목

작성 기준

질문 유형

브랜드 없음 / 브랜드 지정

수집 상태

답변 확보 / 서비스 제한 / 실패. 부분 답변이면 그 범위를 별도로 기록

본문 언급

있음 / 없음 / 확인 불가. 질문 문장과 출처 목록은 답변 본문과 구분

출처

실제로 연 주소와 연결된 답변 위치. 주소를 확인하지 못했다면 ‘주소 미확인’

검토·후속 조치

원문과 대조한 내용, 발견한 오류, 다음에 확인할 항목

답변이 비어 있다면 미노출로 기록하기 전에 전송 여부, 생성 완료 여부, 로그인·사용량 제한, 답변 추출 범위를 확인합니다. 이후 다른 날 비교할 때는 질문 문구와 요청 업체 수를 유지하고, 환경이 달라진 항목을 함께 기록합니다. 결과가 달라져도 곧바로 사이트 개선 효과로 해석하지 않습니다.

이번에 남긴 결과와 다음 개발 범위

이번 사례에서 보여줄 결과는 실제 수집 실험의 실행 기록, 독립적인 개발·검증을 위한 작업 구조, 그리고 결과를 확인하는 대시보드 데모입니다.

반복 질문을 실행하고 결과를 저장하는 흐름을 테스트했고, 확보한 기록은 이후 데이터 처리 로직을 개선할 때도 다시 사용할 수 있게 남겼습니다. 대시보드는 사용자에게 어떤 순서로 결과를 보여줄지 검토하는 결과물로 만들었습니다.

비슷한 자동화를 시작한다면 먼저 반복 업무 하나를 정하고 입력과 결과를 저장해보면 좋겠습니다. 이후 수집·처리·화면을 나누고, 각 단계가 제대로 동작했는지 확인할 기준을 정하면 작은 단위로 개발과 테스트를 이어갈 수 있습니다.

다음 개발 범위는 별도 실행 환경에서의 반복 수집과 결과 전달, 측정 이력 비교입니다. 이번에 정리한 개발 단위와 실행 기록을 기준으로 연결해나갈 계획입니다.

번외 - 버킷랩 GEO Check

여기서 번외로 하나 더 만들어봤습니다. AI 답변에서 브랜드가 어떻게 등장하는지 측정하다 보니, 그 전에 “우리 사이트는 검색엔진과 AI가 읽기 좋게 준비돼 있을까?”를 직접 확인할 도구도 필요했습니다.

저로 인해 GEO에 관심을 가지게 된 워케이션 멤버들이 GEO 진단을 쉽게 할 수 있도록 만든 것이기도 합니다.

그렇게 시작한 것이 ‘버킷랩 GEO Check’입니다. 사이트 주소를 입력하면 공개 페이지의 기본 설정을 살펴보고, 발견한 문제를 하나씩 확인하면서 정밀 진단까지 이어갈 수 있는 셀프 체크 도구입니다.

마무리

시작은 Codex와 나눈 “주소 하나로 1페이지 GEO 진단을 제공하려면 어떻게 해야 할까?”라는 대화였습니다. 여기서 단계별로 직접 확인하는 화면을 구상하고, 자동으로 검사할 항목과 사람이 판단할 항목을 나눴습니다. 대기열과 완료 알림까지 포함한 초기 설계를 마크다운 문서로 정리해 별도 프로젝트에 넘겼고, 새 세션에서 개발을 이어갔습니다. 개발하면서 현재 버전의 흐름은 URL 기본 검사와 브라우저 기반 AI 정밀 진단을 연결하는 방식으로 구체화했습니다.

기본 검사에서는 서버가 페이지의 제목과 설명, 검색 차단 설정, 대표 주소, 본문 구조, 공유 이미지와 구조화 데이터를 읽습니다. 결과에는 정상·개선 필요·확인 불가 상태와 실제 확인한 값을 함께 보여주고, 관련 검사 도구로 이동하는 링크도 붙였습니다. 여기서 신경 쓴 부분은 설정이 있다는 사실과 내용이 적절하다는 판단을 구분하는 것입니다. 예를 들어 제목이 존재하는지는 자동으로 확인할 수 있지만, 그 제목이 서비스를 명확하게 설명하는지는 실제 내용을 더 살펴봐야 합니다.

그래서 기본 검사 결과를 담은 정밀 진단 프롬프트를 복사할 수 있게 만들었습니다. 사용자는 이를 브라우저를 사용할 수 있는 AI에 전달해 실제 페이지와 화면을 확인하고, 제목·첫 문단·신뢰 근거의 개선안을 담은 HTML 리포트를 만들도록 요청할 수 있습니다. 기본 점검에서 발견한 내용을 다음 진단의 입력으로 이어주는 방식입니다. 이 도구가 제공하려는 것은 AI 노출을 보장하는 점수가 아니라, 내 사이트에서 무엇을 확인했고 무엇부터 고치면 좋을지 스스로 살펴볼 수 있는 출발점입니다.

이번 글에서는 GEO Check의 입력 화면과 안내 메시지, 검사 흐름을 소개했습니다. 실제 진단 결과 한 건을 대상 페이지와 대조한 기록이나 수정 전후 결과는 아직 제시하지 못했습니다. 사이트의 준비 상태를 점검하는 결과와 AI 답변에서 노출이 늘어난 결과는 별도로 확인할 계획입니다.

4
3개의 답글
지피터스 뉴스레터

이번 주 AI, 딱 쓸 것만

매주 월요일 오후,
읽고 바로 써먹을 AI 소식만