Blog
블로그
전체 글 4페이지예요.
글 10편
한국 SEO는 미국과 뭐가 다를까: 네이버·구글·AI 검색 3채널 전략
한국 검색 시장은 네이버·구글·AI 검색이 공존하는 3채널 구조예요. 네이버 SEO와 구글 SEO의 차이, 리소스가 적으면 뭐부터 할지, 하나의 콘텐츠로 네이버와 구글을 동시에 잡을 수 있는지 정리했어요.
인텐트 기반 키워드 리서치 6단계: 검색 의도 4가지와 롱테일 기준
인텐트 기반 키워드 리서치는 정보형·탐색형·상업적 조사형·거래형 검색 의도 4가지를 먼저 분류하는 방식이에요. 검색량 기준과 의도 기준의 차이, 검색량 낮은 롱테일 키워드를 잡을지, 6단계 진행법을 정리했어요.
키워드 확장 방향을 정하는 5가지 시그널: 검색량·난이도 너머의 기준
검색량과 난이도만으로 키워드를 고르면 부족해요. 구매자 근접성·성과 갭·주제 깊이·AI 인용 가능성·검색 현실성 5가지 시그널로 확장 후보를 평가하고 우선순위를 정하는 법이에요.
AI에게 인용되는 콘텐츠 만드는 법: 인용 확률을 높이는 실전 7단계
AI가 콘텐츠를 인용하게 만들려면 정의 문장, 구조화 데이터, 인라인 인용, 신뢰 신호를 순서대로 갖춰야 해요. 어떤 콘텐츠부터 AI 인용 최적화를 할지, 발행했는데 인용이 안 될 때, 인용 확률을 높이는 팁이에요.
SAGEO Arena: 본문만 고치면 검색에서 빠진다, 제목·메타 필드가 먼저
검색·재랭킹·생성 전체 파이프라인에서 GEO 전략을 재평가한 SAGEO Arena예요. AI 검색에서 제목·메타 같은 구조 필드가 본문보다 중요한 이유, 재랭킹 병목에서 살아남는 문서 작성법을 정리했어요.
LLM 분류 오류 줄이기: 계층적 분류로 검색 의도·콘텐츠를 나누는 실전 패턴
구체적 카테고리는 AI가 판단하고 추상적 상위 개념은 코드가 매핑하면 LLM 오분류를 크게 줄일 수 있어요. AI에게 추상 카테고리를 직접 맡기면 실패하는 이유, 검색 의도 분류를 어디에 맡길지 정리했어요.
GEO 데이터 AI 에이전트 설계 원칙: 구조화 도구 호출, 되돌릴 수 없는 작업 막기
GEO 데이터를 다루는 AI 에이전트를 설계할 때 지키는 원칙이에요. 텍스트 파싱과 구조화 도구 호출의 차이, 되돌릴 수 없는 작업을 막는 법, 평가 없이 배포하면 위험한 이유를 정리했어요.
쿼리 팬아웃이란? AI가 질문 하나를 여러 검색으로 쪼개는 방식을 직접 관찰하기
쿼리 팬아웃은 AI가 질문 하나를 여러 하위 검색으로 확장해 답을 만드는 방식이에요. 어떤 질문에서 팬아웃이 더 깊게 일어나는지, 직접 관찰하는 법, 언어와 지역에 따라 어떻게 달라지는지 정리했어요.
오픈 웨이트 모델 vs API 모델: Hermes로 도메인 특화 모델 소유하기
모델을 빌리는 대신 소유하는 단계예요. 오픈 웨이트 모델을 쓰는 이유, API 모델과의 선택 기준, Nous Research Hermes(4.3)의 특징과 함수 호출 표준, 도메인 특화 모델용 데이터를 모으는 플라이휠을 정리했어요.
서치 콘솔 AI 리포트만으로 GEO 성과를 측정할 수 있을까
Search Console의 AI 리포트는 GEO 측정의 출발점이지 완성된 대시보드는 아니에요. 서치 콘솔 데이터에서 볼 수 있는 것과 부족한 신호, AI 노출 제어와 학습 제한의 차이, 한국 사이트 운영자의 시작법이에요.