# GEO(생성형엔진최적화) 심층 분석 및 마케팅팀 역량강화 방안

> **작성일**: 2026-03-23
> **작성자**: 오딘(개발2팀장) + 미미르(UX/UI) + 토르(백엔드)
> **분석 대상**: aimkt.biz GEO 관련 콘텐츠 6개 URL
> **목적**: 마케팅팀(아프로디테 팀장 + 5명) 역량강화 방안 도출

---

## Part 1. 기술 분석

### 1-1. 구글 안티그래비티(Antigravity) 플랫폼

**정의**: 구글이 제공하는 AI 에이전트 빌딩 플랫폼. 다중 API를 연결하여 자동화된 분석 파이프라인을 구축할 수 있다.

**핵심 기능**:
- 다수의 외부 API, 데이터 소스, AI 모델(Gemini 포함)을 단일 워크플로우 내에서 연결
- 코드 없이 또는 최소 코드로 멀티스텝 자동화 파이프라인 구성
- Gemini API 내장으로 자연어 분류, 텍스트 생성, 인텐트 분류 자동 수행

**우리 활용 가능성**: 높음. 현재 우리의 Claude Agent SDK 기반 에이전트 체계와 유사한 개념이며, 네이버 API 연동 파이프라인을 구축할 때 참고 아키텍처로 활용 가능. 단, 우리는 이미 자체 에이전트 시스템(아누/팀장/팀원 구조)을 보유하고 있어, 안티그래비티 대신 자체 시스템에 GEO 파이프라인을 통합하는 것이 더 효율적.

---

### 1-2. 네이버 API 연동 기술 스택

| API | 역할 | 수집 데이터 | 보험 적용 |
|-----|------|-----------|----------|
| **DataLab** | 검색 트렌드 분석 | 시계열 검색량 변화, 연령/성별 비중, 모바일/PC 비율 | 보험 키워드 계절성 파악 (연말정산, 금리 변동기) |
| **Shopping** | 상업적 의도 파악 | 카테고리별 상품 검색량, 가격대 분포 | 보험 관련 금융상품 검색 트렌드 |
| **Search** | 정보형 콘텐츠 분석 | 미디어 노출 빈도, 연관 키워드, 콘텐츠 유형별 패턴 | 보험 정보 콘텐츠 경쟁 분석 |
| **광고 API** | 상업적 경쟁도 측정 | 키워드 CPC, 월간 검색량, 경쟁 강도 | 보험 키워드 경쟁도 분석, 블루오션 키워드 발굴 |

**구현 난이도**: 중. API 키 발급은 무료~저가이며, Python 라이브러리로 비교적 간단하게 연동 가능.

---

### 1-3. MCP(Model Context Protocol) 활용

**정의**: Anthropic이 제안한 개방형 표준 프로토콜. AI 에이전트가 외부 데이터 소스/도구에 안전하게 접근할 수 있는 표준화된 인터페이스.

**GA4 MCP 연동 아키텍처**:
```
GA4 MCP 서버 ─── GA Admin API (계정/속성 구조 파악)
     │            └── GA Data API (KPI, 채널, 기기, 이벤트 데이터)
     │
AI 에이전트 ──── 자연어 질의 → GA4 데이터 실시간 분석
     │
Notion MCP ──── 분석 결과 자동 레포트 생성
```

**우리 시스템 연계**: 우리는 이미 MCP 서버 구축 경험이 있으므로(mcp-builder 스킬 보유), GA4 MCP 서버 연동은 기술적으로 바로 가능. ThreadAuto/InsuRo의 콘텐츠 성과를 GA4에서 자동 추적하는 파이프라인 구축 권장.

---

### 1-4. NLP 클러스터링 (K-Means + TF-IDF)

**방법론**:
1. GA4 Site Search 또는 유입 검색어 데이터 추출
2. TF-IDF 벡터화: 각 검색어 단어의 상대적 중요도 수치화
3. K-Means 클러스터링: 유사 검색어들을 5개 핵심 토픽 그룹으로 자동 분류
4. 각 클러스터가 대표하는 검색 의도 파악 → GEO 콘텐츠 주제 설계

**보험 적용 시 예상 클러스터**:
- "연금/노후" 토픽
- "세금/절세" 토픽
- "투자/수익률" 토픽
- "보장/보험료" 토픽
- "비교/추천" 토픽

**구현 난이도**: 중-상. scikit-learn으로 구현 가능하나, 한국어 형태소 분석(KoNLPy 등) 전처리가 필요.

---

### 1-5. Schema.org 마크업 (GEO 구조화 데이터)

**GEO 필수 스키마 (JSON-LD 형식)**:

**기본 필수**:
- `BlogPosting`: 콘텐츠 메타데이터, 신선도, 저자 정보
- `Organization`: 브랜드 권위성(Authoritativeness) 신호
- `Person`: EEAT의 Expertise/Experience 신호
- `WebPage` / `WebSite`: 페이지/사이트 수준 신뢰도
- `BreadcrumbList`: 콘텐츠 분류 체계

**GEO 고도화 권장**:
- `FAQPage`: AI 직접 답변 인용 최적화 (Q&A 구조) — **최우선 적용 대상**
- `HowTo`: 단계별 가이드 AI 인용 최적화
- `Review`: 상업형 인텐트 콘텐츠 신뢰도 강화
- `VideoObject`: 영상 콘텐츠 AI 메타데이터

**핵심 인사이트**: `dateModified` 필드를 정기적으로 업데이트하는 것이 AI 검색엔진의 "신선도(Freshness)" 평가에 직접 영향. 보험 콘텐츠는 세제/요율 변경이 빈번하므로 이를 적극 활용해야 함.

---

### 1-6. AIO/GEO 기술 체계 정리

```
SEO (전통 검색엔진 최적화)
 ├─ AEO (Answer Engine Optimization) — AI 즉답 최적화 (1~3개월 효과)
 │   └─ 콘텐츠: 50~300자, 질문형 키워드, 즉각 단답
 ├─ GEO (Generative Engine Optimization) — 생성형 AI 인용 최적화 (6~12개월 효과)
 │   └─ 콘텐츠: 1,500~3,000자, 주제 중심, 완성형 답변
 └─ AIO = SEO + AEO + GEO 통합 개념
```

**AI 플랫폼별 최적화 전략**:
- **ChatGPT**: 자연스러운 대화체, 브랜드 권위성, Wikipedia/Wikidata 존재가 강한 신호
- **Perplexity**: 5개 이상 권위 소스 인용, 최신성, Reddit(한국: 네이버 카페/블로그) 기반 검증
- **Google Gemini**: Schema Markup, 멀티미디어, Google 생태계(YouTube/Scholar/Knowledge Graph) 연계
- **Claude**: 분석적 추론, 논리적 근거 강조, 구조화된 논증

---

## Part 2. 전략 분석

### 2-1. GEO 7단계 프로세스

| 단계 | 내용 | 구현 난이도 | 우리 적용 가능성 |
|------|------|-----------|----------------|
| 1. 네이버 API 키워드 수집 | DataLab+Shopping+Search+광고 API 병렬 호출, 4유형 분류 | 중 | 즉시 가능 (Python 스크립트) |
| 2. 인텐트(Intent) 분류 | Gemini/Claude로 자동 분류 (정보/상업/거래/네비게이션) | 하 | 즉시 가능 (프롬프트 설계) |
| 3. CEP 후보 선정 | 카테고리 연관성/브랜드 적합성/고객 니즈 평가 | 상 | 마케팅팀 전략 판단 필요 |
| 4. 7W 상황 분석 | Who/What/When/Where/Why/Which/How 맥락 구체화 | 중 | 보험 고객 여정 매핑으로 적용 |
| 5. AI 프롬프트 생성 | 7W 기반 실제 검색 쿼리 자동 생성 | 하 | 자동화 가능 |
| 6. 질의 검증 | 실제 AI 검색엔진에서 노출 확인 | 중 | SOA 모니터링 시스템 구축 필요 |
| 7. GEO 콘텐츠 작성 | 인텐트 모듈 + EEAT 심층분석 적용 | 상 | 마케팅팀 핵심 역량 개발 영역 |

---

### 2-2. 4가지 인텐트 분류 — 보험 키워드 매핑

**정보형(Informational)**:
- 검색 패턴: "~란 무엇인가", "~하는 방법", "~의 장단점"
- 보험 예시: "변액보험이란", "연금저축 펀드 차이", "IRP 세액공제 한도"
- GEO 전략: AI가 직접 인용할 수 있는 명확한 정의문, FAQ 구조, 단계별 설명

**상업형(Commercial)**:
- 검색 패턴: "~추천", "~비교", "~후기", "~가격"
- 보험 예시: "연금보험 추천", "종신보험 비교", "변액유니버셜 후기"
- GEO 전략: 비교표, 장단점 요약, 전문가 추천 근거 포함

**거래형(Transactional)**:
- 검색 패턴: "~가입", "~신청", "~예약"
- 보험 예시: "연금보험 가입", "보험 상담 신청"
- GEO 전략: 명확한 CTA, 조건 명시, 간단한 프로세스 안내

**네비게이션형(Navigational)**:
- 검색 패턴: 브랜드명, "~공식 사이트"
- 보험 예시: "서울대보험쌤", "연금쌤 상담"
- GEO 전략: 브랜드 정체성 강화, 공식 정보 명확화

---

### 2-3. CEP(Consumer Experience Point) — 보험 고객 여정 적용

**정의**: 소비자가 특정 브랜드/카테고리를 자연스럽게 떠올리는 구체적 상황 또는 순간

**보험 CEP 설계 예시**:
- 30대 직장인이 연말정산 시즌에 IRP 가입을 고려할 때
- 아이 태어난 직후 교육자금/보험을 고민할 때
- 퇴직금을 어떻게 굴릴지 고민할 때
- 부모님 건강이 나빠져 간병/요양 비용을 걱정할 때
- 금리가 변동될 때 기존 저축성 보험 유지 여부를 고민할 때

**CEP 평가 3대 기준**:
1. 카테고리 연관성: 해당 상황이 보험/연금 카테고리와 실제 연결되는가
2. 브랜드 적합성: 서울대보험쌤/연금쌤의 브랜드 정체성과 일치하는가
3. 고객 니즈 부합성: 실제 소비자가 해당 상황에서 정보/서비스를 필요로 하는가

---

### 2-4. 7W Framework — 보험 상황 분석

| W | 의미 | 보험 적용 예시 |
|---|------|-------------|
| **Who** | 검색 주체 | 30대 직장인, 신혼부부, 은퇴 앞둔 50대 |
| **What** | 원하는 것 | 연금 수령액 계산, 보험료 비교, 세액공제 한도 |
| **When** | 검색 시점 | 연말정산 시즌, 출산 직후, 퇴직 3년 전 |
| **Where** | 검색 맥락 장소 | 회사 점심시간, 집에서 야간, 은행 대기 중 |
| **Why** | 검색 동기 | 노후 불안, 절세 목적, 가족 보장, 자산 증식 |
| **Which** | 선택 대상 | A사 vs B사, 연금저축 vs IRP, 변액 vs 금리연동 |
| **How** | 해결 방식 | 온라인 비교, 전문가 상담, 직접 계산 |

---

### 2-5. EEAT 심층분석 — 보험 콘텐츠 적용

- **E(Experience, 경험)**: "20년차 보험설계사로서 실제 고객 사례를 공유합니다"
- **E(Expertise, 전문성)**: 보험 약관 해설, 금융감독원 통계 인용, 전문 용어 정확 사용
- **A(Authoritativeness, 권위성)**: 서울대 출신 FP, 금융 자격증, 미디어 출연/기고
- **T(Trustworthiness, 신뢰성)**: 정확한 보험료율 업데이트, 출처 명시, 투명한 분석 방법론

---

### 2-6. 2026년 AI 마케팅 7대 키워드 — GEO 연관 분석

(출처: 디지털마케팅연구회 + 한국디지털광고협회 공동 설문, 마케팅 담당자 105명)

**① 바이브 마케팅**: 고객 감성 실시간 예측 → 보험 트렌드(금리 변동, 세법 개정) 즉각 대응 콘텐츠

**② AI 마케팅 에이전트**: 콘텐츠 기획→제작→배포→측정 자동화 → ThreadAuto/InsuRo 파이프라인과 직결

**③ 제로클릭 MOT**: AI가 검색-선별-요약까지 수행, 클릭 없이 결정 → GEO의 존재 이유
- **보험 업계 직격**: "종신보험 추천해줘" → AI가 특정 설계사를 추천하거나 배제하는 시대

**④ SOA(Share of Algorithm)**: 생성형 알고리즘 내 브랜드 언급 점유율 → GEO의 궁극적 KPI
- 기존 SOV(Share of Voice) → SOA로 전환

**⑤ AI 네이티브 광고**: ChatGPT/Perplexity 내 광고 상품 출현 → 기존 키워드 광고와 병행

**⑥ AI UGC**: 고객이 AI 도구로 후기/체험기 작성 → 다중 소스 권위성 확보에 기여

**⑦ 탈진실 시대 브랜드 신뢰성**: AI 가짜 정보 범람 → 실제 전문가 신뢰성 프리미엄 상승

---

### 2-7. 핵심 데이터 종합

- Google AI Overviews: 미국 검색 쿼리의 **30%**에 등장
- AI Overviews로 기업 평균 클릭률 **34.5% 감소**
- AI 인용 콘텐츠의 **85%**가 기존 Google 상위 10위 밖에서 발생
- AI 검색 트래픽 전환율: 일반 오가닉 대비 **4.4배**
- Perplexity 최적화: 평균 **5개 이상** 다중 소스 인용 필요
- GEO 콘텐츠 최적 길이: **1,500~3,000자**
- AI 인용 최적 블록: **134-167단어**, 자기완결적, 통계 풍부
- YouTube: AI 가시성 최고 신호(상관계수 0.737)
- 구독자 1만~10만 채널이 천만 채널보다 더 많이 인용
- 소셜미디어 AI 인용: Reddit 4.23% (압도적 1위), YouTube 1.58%
- GEO 시장: 8.5억달러(2025) → 73억달러(2031)
- AI 추천 트래픽 전년 대비 +527% 성장
- 브랜드 멘션이 백링크보다 AI 가시성에 3배 더 강한 상관관계
- 2026년 투자 확대 분야: 콘텐츠 최적화 23%, 마케팅 자동화 21%, GEO/AIO 16%

---

## Part 3. 우리 시스템 적용 방안

### 3-1. 마케팅팀 역량강화 방안

**현재 마케팅팀 스킬과 GEO 통합 매핑**:

| 현재 스킬 | GEO 확장 방향 | 담당 멤버 |
|----------|-------------|----------|
| content-strategy | CEP 기반 콘텐츠 기획 + 인텐트 분류 통합 | 아폴론(콘텐츠) |
| copywriting / copywriting-prompt | GEO 최적 문체(대화형, 134-167단어 블록) 적용 | 페이토(카피) |
| seo-audit / blog-dominance | Schema.org 마크업 진단 + llms.txt 점검 추가 | 에이레네(SEO) |
| thread-architect | AI 인용 최적화된 SNS 콘텐츠 구조 설계 | 에코(SNS) |
| marketing-psychology | CEP/7W Framework 기반 고객 심리 분석 통합 | 므네모시네(브랜드) |
| competitor-analyst | SOA 모니터링 + 경쟁사 AI 인용 분석 추가 | 아프로디테(팀장) |

---

### 3-2. ThreadAuto/InsuRo 연계 방안

**ThreadAuto (SNS 콘텐츠 자동화) + GEO**:
1. 콘텐츠 생성 시 citability 규칙 내장: 정의 패턴, 통계 밀도, 134-167단어 블록
2. 질문형 제목 자동 생성: "~란 무엇인가?", "~비교, 어떤 게 유리할까?"
3. FAQPage Schema 자동 첨부 (블로그 발행 시)
4. 멀티채널 동시 배포: 블로그 + YouTube 설명 + InsuWiki 동기화

**InsuRo (보험 콘텐츠 시스템) + GEO**:
1. 보험 상품 비교표를 HTML 테이블 + Schema Markup으로 구조화
2. 연금 수령 시나리오 계산기 → AI가 인용할 수치 데이터로 활용
3. 약관 해설 콘텐츠를 HowTo Schema로 마크업
4. Person Schema에 서울대보험쌤 FP 프로필 상세 기입

---

### 3-3. 새 스킬 필요 여부 판단

**결론: GEO 전용 스킬 1개 신규 생성 권장**

기존 스킬(seo-audit, blog-dominance 등)의 확장만으로는 GEO의 고유 영역을 충분히 커버하기 어렵다. 특히 아래 기능들은 기존 SEO 스킬과 근본적으로 다른 접근:

- 인텐트 분류 (4유형) 자동화
- CEP 설계 + 7W Framework 적용
- SOA(알고리즘 점유율) 모니터링
- AI 플랫폼별 맞춤 최적화 (ChatGPT/Perplexity/Gemini/Claude 각각 다른 전략)
- llms.txt 생성/관리
- AI 검색 트래픽 분리 추적

**권장 스킬명**: `geo-optimizer` 또는 `ai-seo`
**포함 기능**:
1. 인텐트 분류 + CEP 설계 + 7W 분석 자동화
2. FAQPage/HowTo Schema 자동 생성
3. llms.txt 파일 생성/관리
4. SOA 모니터링 (주요 AI 검색엔진에 키워드 질의 → 브랜드 언급 추적)
5. AI 플랫폼별 콘텐츠 최적화 가이드 제공

---

### 3-4. 네이버 API 활용 방안

**즉시 도입 가능**:
- DataLab API: 보험/연금 키워드 검색 트렌드 시계열 분석
  - 연말정산 시즌, 금리 변동기, 보험료율 변경 시점 등 계절성 파악
- 광고 API: 보험 키워드 CPC 및 경쟁도 측정
  - 낮은 경쟁/높은 의도 키워드(블루오션) 발굴

**중기 도입**:
- Search API: 네이버 블로그/카페/뉴스에서 보험 관련 콘텐츠 경쟁 분석
- Shopping API: 보험 관련 금융상품 검색 트렌드 분석

**구현**: Python 스크립트로 자동화, 주간 리포트 생성 → 콘텐츠 기획 회의에 반영

---

### 3-5. AIO 성과 측정 방안

**GA4 기반 AI 검색 트래픽 분리 추적**:
1. GA4 Referral 소스에서 AI 검색엔진 분리: `perplexity.ai`, `chatgpt.com`, `gemini.google.com`
2. AI Overviews 유입: Google organic 중 AI Overview 클릭 분리 (GA4 커스텀 세그먼트)
3. 전환 이벤트 설계: 상담 신청, 카카오 채널 연결, PDF 다운로드, 전화 클릭

**SOA(알고리즘 점유율) 모니터링**:
1. 핵심 키워드 20개 선정 (예: "종신보험 추천", "연금보험 전문가", "보험설계사 추천 서울")
2. 주간 AI 검색 테스트: ChatGPT, Perplexity, Gemini에 질문 → "서울대보험쌤" 언급 여부 기록
3. SOA 지표: (우리 브랜드 언급 횟수 / 총 질의 수) × 100

---

## Part 4. 마케팅팀 역량강화 액션플랜

### 단기 (즉시 적용 가능, 1~4주)

| # | 액션 | 담당 | 난이도 |
|---|------|------|-------|
| 1 | 기존 블로그 콘텐츠 상위 20개를 질문형 제목으로 리라이팅 | 아폴론 | 하 |
| 2 | 보험 Q&A 20개 FAQPage Schema 적용 | 에이레네 | 하 |
| 3 | Person Schema에 서울대보험쌤 FP 프로필 상세 기입 | 에이레네 | 하 |
| 4 | 핵심 키워드 20개 SOA 현황 파악 (AI 검색 테스트) | 아프로디테 | 하 |
| 5 | 콘텐츠 작성 가이드에 GEO 규칙 추가 (134-167단어 블록, 정의 패턴) | 페이토 | 하 |
| 6 | 네이버 지식인 보험 카테고리 전문가 답변 주 3회 등록 시작 | 에코 | 하 |
| 7 | 기존 콘텐츠 첫 50~100자에 핵심 답변 즉답 구조 삽입 | 아폴론 | 중 |
| 8 | 보험 상품 비교표 3~5개를 HTML 테이블 + Schema로 구조화 | 에이레네 | 중 |

### 중기 (스킬/도구 개발 필요, 1~3개월)

| # | 액션 | 담당(개발) | 난이도 |
|---|------|-----------|-------|
| 1 | `geo-optimizer` 스킬 개발 | 개발팀 | 상 |
| 2 | 네이버 DataLab + 광고 API 연동 자동 분석 파이프라인 구축 | 개발팀 | 중 |
| 3 | GA4 AI 검색 트래픽 분리 추적 대시보드 구축 | 개발팀 | 중 |
| 4 | ThreadAuto 콘텐츠 생성에 citability 규칙 내장 | 개발팀 | 중 |
| 5 | llms.txt 파일 생성 및 관리 도구 개발 | 개발팀 | 하 |
| 6 | 보험 인텐트 분류 자동화 (Claude API 기반) | 개발팀 | 중 |
| 7 | CEP 30개 도출 + 7W 구체화 (마케팅팀 워크숍) | 아프로디테팀 | 중 |
| 8 | HowTo Schema 기반 보험 가이드 콘텐츠 10개 제작 | 아폴론+에이레네 | 중 |

### 장기 (시스템 통합, 3~6개월+)

| # | 액션 | 담당 | 난이도 |
|---|------|------|-------|
| 1 | GA4 MCP 서버 연동 + NLP 클러스터링 자동 분석 시스템 구축 | 개발팀 | 상 |
| 2 | AIO 성과 추적기 (매주 자동 실행, 증감률 자동 계산) | 개발팀 | 상 |
| 3 | SOA 자동 모니터링 시스템 (AI 검색 자동 질의 + 브랜드 언급 추적) | 개발팀 | 상 |
| 4 | AI 플랫폼별 맞춤 콘텐츠 자동 변환 (ChatGPT용/Perplexity용/Gemini용) | 개발팀 | 상 |
| 5 | 사용자 여정 역추적 시스템 (AI 유입 → 전환 퍼널 자동 시각화) | 개발팀 | 상 |
| 6 | AI 네이티브 광고 상품 선점 (Perplexity 광고 베타 참여) | 아프로디테팀 | 중 |
| 7 | 고객 AI UGC 시스템 (보험 상담 후기 AI 작성 지원) | 개발팀+마케팅팀 | 중 |

---

## Part 5. GEO 성숙도 모델

aimkt.biz의 6개 콘텐츠를 종합하면, GEO 구현은 3계층 성숙도 모델로 정리된다:

```
Layer 3 (권위성 - 장기 자산)
  ├─ SOA 모니터링 + 경쟁 분석
  ├─ 다중 채널 정보 배포 (멀티소스 권위성)
  ├─ AI 모델 직접 학습 유도 (llms.txt, MCP)
  └─ AI UGC + 커뮤니티 전략

Layer 2 (전략 - 콘텐츠 설계)
  ├─ 인텐트 분류 (4유형) 기반 콘텐츠 구조
  ├─ CEP 설계 + 7W Framework 적용
  ├─ EEAT 심층 적용 (경험/전문성/권위성/신뢰성)
  └─ AI 플랫폼별 맞춤 콘텐츠

Layer 1 (기반 - 기술 인프라)
  ├─ Schema.org 마크업 (FAQPage, HowTo, Person, Organization)
  ├─ llms.txt 설정
  ├─ GA4 AI 트래픽 분리 추적
  └─ 기술적 SEO (사이트 속도, 모바일, Core Web Vitals)
```

**현재 우리 위치**: Layer 1 일부 (기술적 SEO 기반은 있으나 Schema/llms.txt 미적용)
**목표**: 3개월 내 Layer 2 진입, 6개월 내 Layer 3 구축 시작

---

## Part 6. URL별 핵심 내용 요약

### URL 1: 네이버API 연동 GEO 의도분석 서비스
- 안티그래비티 + 네이버 API 4종으로 GEO 7단계 프로세스 구축
- 핵심: 인텐트 4유형 분류 → CEP 선정 → 7W 분석 → EEAT 콘텐츠

### URL 2: GA4 MCP 연동 GEO 분석 서비스
- GA4 MCP + 3대 자동 분석 (NLP 클러스터링, AIO 성과 추적, 사용자 여정 역추적)
- 핵심: GEO 효과의 정량적 측정 폐쇄 루프 구축

### URL 3: GEO 스키마 구조 분석
- Schema.org 기반 GEO 구조화 데이터 + Gemini 활용 스키마 감사
- 핵심: FAQPage/HowTo Schema가 AI 인용 확률 최대화, dateModified 정기 업데이트

### URL 4: SEO와 GEO에 모두 통하는 전략
- SEO 기반 위에 GEO가 작동하는 확장 전략, EEAT 공통 핵심
- 핵심: 질문형 구조 + 첫 50~100자 즉답 + 대화체 + 비교표/리스트 구조화

### URL 5: 2026년 AI마케팅 트렌드 7대 핵심 키워드
- 제로클릭 MOT, SOA, AI 네이티브 광고, 탈진실 시대 신뢰성
- 핵심: 고객 여정 붕괴 → AI 추천 대상이 되지 못하면 고객 접점 소멸

### URL 6: AI 검색엔진 최적화 (AIO)
- AIO = SEO + AEO + GEO 통합 개념, AI 플랫폼별 맞춤 전략
- 핵심: AI 인용 85%가 Google 10위 밖, llms.txt + Schema + 멀티채널 배포

---

## 참고 문서

- 기존 연구: `memory/research/geo-seo-analysis.md` (2026-03-13)
- 기존 연구: `memory/research/geo-ai-citation-strategy.md` (2026-03-12)
- 마케팅 콘텐츠 가이드: `memory/specs/marketing-content-guide.md`
- 보험 타겟 페르소나: `memory/research/insurance-target-personas.md`