비즈니스·마케팅

LLMO

마케팅·검색 분야에서 쓰이는 Large Language Model Optimization(거대 언어 모델 최적화)의 약자로, ChatGPT·Perplexity 같은 AI 답변에 자신의 브랜드·콘텐츠가 인용되도록 만드는 마케팅 기법입니다.

쉬운 풀이

SEO가 "구글 검색 결과 첫 페이지 상위 노출"이 목표였다면, LLMO는 "ChatGPT가 답할 때 우리 회사 이름을 출처로 끼워 넣게 만들기"가 목표예요. 시험 답안지에 우리 자료가 인용되는 학생을 만드는 작업과 비슷합니다. 동아리 발표 자료를 만들 때 친구가 자료를 인용해 주면 우리 동아리 이름이 알려지듯, AI가 답변할 때 우리 콘텐츠를 인용해야 사용자에게 브랜드가 노출되는 시대가 됐어요. 검색을 안 하고 곧장 AI에게 묻는 사람이 늘면서, "검색 1위"의 가치가 "AI 답변 안 인용"으로 빠르게 옮겨가는 중입니다.

한 줄 비유

RFP 심사위원 책상에 우리 회사 자료가 표준 참고문헌으로 끼워지는 일.

활용 예시

Case 1

arXiv GEO 논문 — 9개 전술 중 5개로 가시성 유의미 상승

Princeton·조지아공대 연구진은 8개 도메인·10,000개 쿼리로 구성된 GEO-bench 벤치마크를 만들어 9가지 콘텐츠 최적화 전술을 시험했습니다.^[1] 인용·통계·외부 출처 추가 등 5개 전술이 통계적으로 유의미했고, 도메인에 따라 생성형 엔진 답변 내 가시성이 평균 30~40% 상승했습니다. 블랙박스 모델 안에서 콘텐츠가 출처로 채택되는 비율을 어떻게 끌어올릴지 처음으로 체계화한 연구로, 이후 모든 LLMO 매뉴얼이 이 9개 전술을 기준점으로 삼고 있습니다.

Case 2

카페24 — 'llms.txt' 도입으로 글로벌 K-브랜드 AI 노출 강화

글로벌 이커머스 플랫폼 카페24는 2025년 12월 SEO 서비스에 'llms.txt' 자동 생성·최적화 기능을 도입했습니다.^[3] AI 검색엔진이 쇼핑몰 구조·정책·상품 카탈로그·브랜드 스토리를 구조화된 형식으로 읽어가도록 돕는 파일입니다. 배경에는 2024년 미국 구글 검색의 58.5%가 외부 사이트 클릭 없이 결과 페이지에서 종료된다는 다토스(Datos) 데이터가 깔려 있고, 카페24는 이를 "운영자가 별도 작업 없이 K-브랜드 글로벌 노출을 확보하는 방어 장치"로 정의했습니다.

Case 3

베인앤컴퍼니 — AI 답변 의존 검색 80%, 검색 트래픽 15~25% 감소

베인앤컴퍼니는 2025년 보도자료에서 검색 사용자의 약 80%가 적어도 40% 이상 AI 요약 답변에 의존하고, 전체 검색의 약 60%가 외부 사이트 클릭 없이 종료된다고 발표했습니다.^[4] 같은 기간 기존 검색 채널의 자사 사이트 유입 트래픽은 평균 15~25% 줄었습니다. 신용카드·호텔·전자제품·의류 같은 주요 카테고리에서는 시장 1위 브랜드조차 일부 AI 답변에서 출처로 누락되는 사례가 관측됐습니다. 시장 1위 브랜드도 LLMO를 따로 챙겨야 하는 이유입니다.

Case 4

맥킨지 — AI 답변 출처 중 자사 사이트 비중 5~10% 분석

맥킨지는 2025년 「New front door to the internet」 보고서에서 AI 검색이 답변을 합성할 때 브랜드 자체 사이트는 전체 출처의 5~10%만 차지하고, 나머지 90% 이상은 제휴 사이트·UGC·언론·디렉터리에서 끌어온다고 분석했습니다.^[5] 자사 블로그만 손보던 SEO 시대와 달리, 외부 인용·언급·구조화 데이터가 함께 움직여야 하며, 보고서는 2028년 미국 매출의 약 7,500억 달러가 AI 검색 경로를 거쳐 흐를 것으로 추정했습니다. PR·CRM·고객지원 글까지 LLMO 관점으로 재편집해야 한다는 권고입니다.

오늘 바로 해보기

ChatGPT·Perplexity·Gemini에 자사 업종 핵심 질문 10개를 던지고, 자사 인용 여부와 경쟁사 노출을 표로 기록합니다.
사이트 루트에 llms.txt를 만들어 핵심 문서 URL과 한 줄 요약을 정리하고, AI 크롤러가 읽어갈 진입점을 마련합니다.
주요 페이지에 출처가 명시된 통계·인용문·외부 권위 자료를 1개 이상 보강합니다 (GEO 논문에서 효과가 검증된 전술).
위키피디아·G2·업종 디렉터리 등 AI가 자주 참조하는 제3자 출처에 자사 정보가 최신인지 점검·갱신합니다.
월 1회 동일 프롬프트로 AI 답변에 자사 인용 빈도를 재측정해 인용률 추이를 KPI로 잡습니다.

한계와 진화

LLMO는 아직 표준 지표가 합의되지 않은 영역입니다. GEO 논문이 인용 정확도·인용 회수율·노출 점수를 제안했지만^[1], 생성형 엔진마다 답변이 달라지고 같은 질문에도 매번 다른 출처가 노출됩니다. 베인앤컴퍼니는 신용카드·호텔·전자제품·의류 같은 주요 카테고리에서 1위 브랜드조차 답변에서 누락되는 사례를 보고했고^[4], 측정 방법에 따라 결과가 크게 흔들립니다. SEO처럼 깔끔한 트래픽·매출 숫자로 단기 ROI를 추적하기는 현재 시점에서는 어렵고, 보는 시각에 따라 "AI 답변 내 노출 횟수"를 새 KPI로 잡거나 "권위 누적"을 장기 목표로 두는 절충안이 권장됩니다. 또한 LLMO·GEO·AEO 용어가 겹쳐 내부 보고에서 혼선이 생기기 쉬워, 보통 LLM 학습·검색 단계 전반을 LLMO, 생성형 엔진 가시성을 GEO, 답변 슬롯 진입을 AEO로 구분해 쓰면 무리가 없습니다.^[2]

진화 방향은 두 갈래입니다.

llms.txt 같은 AI 친화 구조화 파일이 사실상 표준으로 굳어가고 있고, 카페24·O'Reilly·Anthropic 같은 대형 플랫폼이 선제 도입했습니다.^[3]
모니터링 도구가 빠르게 성숙 중입니다. Profound는 ChatGPT·Perplexity·구글 AI Overviews 전반에서 일일 약 500만 건의 인용을 분석한다고 밝혔고^[2], Ahrefs Brand Radar·Semrush 등도 AI 답변 내 브랜드 노출률을 실시간 추적하는 기능을 출시했습니다. 퓨리서치센터에 따르면 2025년 미국 성인 34%가 ChatGPT를 써봤고 30세 미만은 58%에 달해^[6], 사용자 저변이 넓어질수록 LLMO는 선택 채널이 아니라 기본 채널로 자리잡는 흐름입니다.

이 용어와의 관계

유사 개념
AI Search같은 비즈니스·마케팅 갈래에서 자주 함께 등장하는 개념입니다.
유사 개념
ChatGPT Search같은 비즈니스·마케팅 갈래에서 자주 함께 등장하는 개념입니다.
유사 개념
Recommender System같은 비즈니스·마케팅 갈래에서 자주 함께 등장하는 개념입니다.