마케팅 업계에 새로운 약어가 등장했습니다. GEO(Generative Engine Optimization), 생성형 엔진 최적화. ChatGPT, Perplexity, Gemini 같은 생성형 AI 엔진에 내 브랜드가 잘 노출되도록 최적화한다는 개념입니다.
그 실행 수단 중 하나로 llms.txt라는 파일 형식이 각광받고 있습니다. 웹사이트 루트 디렉토리에 텍스트 파일 하나만 올려두면, LLM(대규모 언어 모델)이 이를 읽고 브랜드 정보를 더 정확하게 이해한다는 논리입니다.
그런데 최근 Search Engine Journal에 흥미롭고도 불편한 실험 결과가 공개되었습니다. 바로 cats.txt 실험입니다.
llms.txt가 실제로 AI 노출에 효과가 있다는 주장을 뒷받침하는 대표적인 논거 네 가지가 있습니다. 그런데 이 논거들을 그대로 적용하면, 고양이에 대한 내용을 담은 cats.txt 파일도 똑같이 "효과 있다"는 결론이 나온다는 것입니다.
"그 논거 자체가 어떤 파일에든 갖다 붙일 수 있는 구조라면, 그건 근거가 아니라 설명일 뿐이다."
이게 왜 심각한 문제냐면, 현재 시중에서 판매되는 GEO 전술 중 상당수가 바로 이런 방식의 '증거'를 근거로 제시되고 있기 때문입니다. 인과관계가 아닌 상관관계, 혹은 아예 인과관계조차 불분명한 데이터를 근거로 "AI 노출이 늘었다"고 주장하는 방식입니다.
점성술이 "화성이 저기 있으니 오늘 운이 안 좋다"고 말하는 것과 구조적으로 다를 바 없다는 것이 해당 아티클의 핵심 비판입니다.
AI 검색 시대를 이해하려면, 먼저 기존 검색과 AI 답변형 검색의 본질적 차이를 파악해야 합니다.
| 구분 | 기존 검색 (네이버·구글) | AI 답변형 검색 (ChatGPT·AI 브리핑) |
|---|---|---|
| 노출 방식 | 링크 목록 제공 | 답변 내 브랜드 직접 언급 |
| 최적화 기준 | 키워드, 백링크, 체류시간 | 공개되지 않음 (모델마다 상이) |
| 측정 가능성 | 순위, 클릭수, CTR 측정 가능 | 언급 여부만 확인, 인과 분석 불가 |
| 사용자 행동 | 검색 → 클릭 → 사이트 방문 | 질문 → 답변 수용 → 추가 검색 또는 구매 |
기존 SEO는 구글의 알고리즘 업데이트, 네이버의 노출 기준 등이 어느 정도 공개되어 있어 A/B 테스트와 데이터 분석이 가능했습니다. 하지만 LLM이 어떤 기준으로 어떤 소스를 참조하는지는 공개되지 않았고, 모델마다 다르며, 버전이 바뀔 때마다 달라집니다.
"ChatGPT에서 우리 브랜드가 언급됐습니다"는 분명 브랜드 노출입니다. 하지만 그게 llms.txt 파일 때문인지, 원래 쌓여 있던 콘텐츠 자산 때문인지, 아니면 그냥 우연인지는 현재 기술 수준으로는 거의 구분이 불가능합니다.
⚠️ 그 상태에서 "GEO 세팅했더니 AI 노출이 늘었다"는 주장을 액면 그대로 믿고 예산을 집행하는 것은, 냉정하게 말하면 고양이 파일 올려놓고 같은 결과가 나왔을 때와 구분이 안 됩니다.
그건 또 다른 극단입니다. AI 검색 엔진이 브랜드 정보를 어떻게 처리하는지에 대한 연구는 계속 진행 중이고, 일부 방향성은 실무적으로 유효합니다.
이러한 방향성은 기존 SEO와도 겹치는 기본기이면서, GEO 관점에서도 논리적으로 설명이 됩니다. 다만, "이 특정 파일을 올리면 된다", "이 특정 포맷을 맞추면 AI가 더 잘 읽는다"는 식의 즉각적이고 구체적인 주장일수록, 그 근거를 꼼꼼히 들여다볼 필요가 있습니다.
그 근거가 cats.txt로도 설명이 되는 구조라면, 지금 사려는 건 서비스가 아니라 그럴듯한 설명일 가능성이 높습니다.
로그통은 검증 불가능한 '마법의 파일'이 아니라, 측정 가능하고 설명 가능한 방식으로 AI 검색 시대에 대응합니다.
ChatGPT, 네이버 AI 브리핑, Perplexity 등 주요 AI 검색 엔진에서 브랜드가 어떻게 언급되고 있는지 현황을 진단합니다. 단순히 "노출됐다/안됐다"가 아니라, 어떤 맥락에서 어떤 정보가 인용되는지를 파악하여 개선 방향을 도출합니다.
AI가 답변을 생성할 때 참조하기 좋은 구조로 웹사이트를 개선합니다. 명확한 FAQ 섹션, 구조화된 데이터 마크업, 브랜드 핵심 정보의 일관된 표기 등 기술적 기반을 다지는 작업입니다. 파일 하나 올리는 것이 아니라, 사이트 전체의 정보 구조를 최적화합니다.
여기서 로그통의 핵심 역량이 연결됩니다. AI 검색 엔진은 웹에 존재하는 콘텐츠를 학습하고 인용합니다. 네이버 공식 인플루언서 블로그, 유튜브 크리에이터의 리뷰 영상, 신뢰도 높은 매체의 기사—이 모든 것이 AI가 참조하는 소스가 됩니다.
"인플루언서 콘텐츠는 AI 답변의 인용 출처가 됩니다. 신뢰도 높은 크리에이터가 작성한 양질의 콘텐츠가 많을수록, AI가 브랜드를 올바르게 이해하고 추천할 확률이 높아집니다."
로그통은 유튜브, 인스타그램, 블로그, 틱톡, 샤오홍슈까지 5개 플랫폼을 동시에 운영합니다. 파편화된 대행 구조가 아니라, 단일 창구에서 모든 채널의 콘텐츠를 통합 관리하기 때문에 브랜드 메시지의 일관성을 유지하면서 AI가 참조할 수 있는 양질의 콘텐츠 자산을 체계적으로 구축할 수 있습니다.
GEO든 인플루언서 마케팅이든, 핵심은 같습니다. 효과를 주장하는 논리가 cats.txt에도 똑같이 적용될 수 있다면, 그건 근거가 아닙니다.
로그통은 11만 명 규모의 크리에이터 DB를 기반으로, 단순히 "바이럴이 됐다"가 아니라 왜 됐는지, 어떤 조건에서 성과가 나왔는지를 데이터로 설명할 수 있는 구조를 갖추고 있습니다.
AI 검색 시대, 점성술 같은 마케팅이 아닌 측정 가능한 전략이 필요하다면, 데이터로 이야기하는 파트너 로그통과 함께하십시오.
The cats.txt experiment revealed a critical flaw in GEO (Generative Engine Optimization) evidence: if the same logic used to prove llms.txt effectiveness can equally apply to a file about cats, that logic isn't valid evidence—it's correlation mistaken for causation. While AI search optimization is a legitimate field, marketers must distinguish between data-driven strategies and astrology-like claims. Logtong approaches the AI search era with measurable tactics: AI search presence diagnosis, structured website optimization, and building quality content assets through a network of 65,000+ YouTube creators and 18,900+ Naver official influencers. These influencer contents become citation sources for AI answers, creating a virtuous cycle between traditional influencer marketing and AI search visibility.