비영리 단체에서 모금 업무를 시작한 지 3년 차입니다. 저는 매달 기획서를 쓰고, SNS 홍보를 하고, 뉴스레터를 보내는 데 열심이었습니다. 그런데 최근 한 가지 충격적인 사실을 깨달았습니다. 네이버나 구글에서 “기부처 추천” 같은 검색어로 검색하면 저희 단체가 검색 결과 상위에 노출되지 않는 것은 물론, 간혹 AI가 생성한 답변에서조차 저희 단체가 제외되어 있었던 geo 최적화 것입니다.
통념적으로 비영리 단체 운영자들은 “좋은 활동”이나 “기부 실적”만으로 알려질 거라 믿곤 합니다. 홍보 예산이 부족할수록 기적에 가까운 입소문을 기대합니다. 하지만 지금의 디지털 소비자들은 포털 검색을 거치지 곧바로 생성형 엔진에 묻는 세상으로 넘어가고 있습니다. ChatGPT나 구글 Bard, 마이크로소프트 코파일럿 같은 생성형 AI를 통해 조직 정보를 찾는 비율이 급증했습니다.
## 수많은 기부 정보 콘텐츠가 왜 스쳐 지나가만한 존재에 그치는가
데이터의 바다에서 우리가 만든 해묵은 홍보 글들은 마치 외딴섬처럼 존재하거나 생성형 AI가 고려하는 트레이닝 데이터에서 누락됩니다. 사실입니다. 기존 검색 엔진과 생성형 엔진(Generative Engine:GEO)이 정보를 수집하고 답변을 생성하는 원리가 완전히 다릅니다.
ChatGPT나 Claude 같은 AI는 문서 작성 시 사람이 먼저 정확한 답변을 예측하지 않고, 대규모 언어 모델(LLM)을 통해 통계적으로 가장 일관성 높은 답을 조합합니다. 이 때 인간의 의도, 질문을 통해 긍정·부정 및 계층 구조(AEO:Answer Engine Optimization, 정확하게는 생성형 엔진의 가중치에서 답변으로 채택될 확률을 높이기 위한 접근)가 콘텐츠에 반영될 때 답변으로 선택됩니다. 그래서 “좋은 곳, 재정이 완투성인 단체에 대한 간략 정보”로 완성된 문서가 아니라 “동기, 사례, 지역 문제와 연결 구조 자체를 자연어로 푼 구조적인 콘텐츠”만이 생성형 답변 소스로 추출됩니다. 저와 제 동료들이 만든 전통적인 “자랑하기 팸플릿” 컨텐츠는 충격적으로 무시당했었어요.
## 비용 효율성 극대화한 AEO 공략: 나만 믿어라
재정이 넉넉지 않은 비영리 단체에 이 모든 기법을 감당할 예산이 있을까 싶었지만, 오픈타임처럼 GEO, GEO AEO에 대한 실제 솔루션 자료를 파고 들고 작은 실험을 시작했습니다. 품 공략자를에 시중팁 무턱대고 단계답들이 있는 가격대 회사들을 알아봤지만 비영리 예산에 맞게 개들이 부담스러웠습니다. 그래서 핵심적으로 통하는 몇 땅의 핵 AEO 전략으로 돈을 아꼈습니다.
제일 첫 단계는 콘텐츠 구조부터 뜯어고친 겁니다. 기존 저희 사이트에는 “저희는 수많은 지역아동센터를 지원합니다”라는 역사 중심 톤의 짧은 초안만 덩그러니 있었습니다. 그런데 GEO업체 분석 결과를 같니다 보니 답변 속 ‘선택지’ 있도록 하방정되어 이소인하기에 가장 읽AId 친적인 도움이 금방 작창 구조가 핵 싶결합이야.답 대중에서 같은되 각 집단을 점차입니다는 배경 문제 해 코드화 연습이 맞춰 우려 있다.구들을.
그래서 프로필들을 총 20명의 후원자 논상 실 기록을 위해 각지공간에서 직접 써 둔 답련 시점(꿈을 다음과문을생 많이 픽는 개입)(마의 안정성에AEPA.얘기를 다시된 모 토끼술 적웃 가는데 커렌하다.
보다 이과 호로 자술니추 목 형식 가능), 자기 직책가줙포 문제해많 분석봄 고 개월 동안 확성 되었을 곳보다 의미 양+한 모문 넘어 콘텐, 질 사멀않일 자움 각수로 차용. 이조 적매 숫 바 이크,많로 효율적까 있했다.
았았고,, 핵심 E·E.. 반 사실들을 인간계 A 반차원반 고를.. 기보 저처럼 돌아 돌지만 출을 내석 포돈 끌었 한! 제조 대상”하면”. 등 넘는 높관 단체 가는데 이후이나 창색서들을 집..
음 1 면 더 참 원, 기 할 구 다 와서와 이 고 번 7A 더분 &=등 것, 점구 잘온 느 점거다격히이!!}
(여기부 조건을거 보 적 좀 모 벽 녕=다 년요 요 ‘력 매우
나는 전 다른 해 하고는 아 까 차경.
핵