LLM 최적화의 플랫폼별 차별화 전략 필요성

주장과거 검색 엔진 최적화(SEO) 시대에는 구글의 가이드라인이 빙 등 다른 검색 엔진에도 통용되는 보편성을 보였습니다. 그러나 거대언어모델(LLM) 시대에는 이러한 범용성이 존재하지 않으며, 하나의 플랫폼에 맞춘 최적화가 다른 플랫폼에서는 효과를 내지 못할 가능성이 큽니다.

팩트과거 SEO의 범용성은 20년간 검색 엔진 기업들이 협력하여 구축한 공통 표준 덕분에 가능했습니다. 2006년 사이트맵 프로토콜 공동 지원과 2011년 스키마 오알지(Schema.org) 설립이 대표적인 사례입니다.

교차검증구글은 자사 생성형 AI 기능 최적화가 SEO의 연장선에 있다고 주장합니다. 하지만 이는 구글 검색에만 국한된 이야기이며, 챗GPT나 클로드, 퍼플렉시티 등 타 LLM 서비스에는 적용되지 않는 한계가 있습니다.

팩트LLM 서비스들은 학습 데이터부터 차이를 보입니다. 오픈AI는 뉴스 코프, 레딧 등과 수천만 달러 규모의 라이선스 계약을 맺었으나, 구글이나 앤스로픽이 사용하는 데이터셋은 이와 완전히 일치하지 않습니다.

팩트데이터셋의 차이는 크롤러 인프라의 차이로 이어집니다. 오픈AI는 GPT봇을, 앤스로픽은 클로드봇을, 구글은 구글 익스텐디드를 각각 별도로 운영하며 각 서비스마다 요구하는 규칙이 다릅니다.

팩트크롤러 인프라가 다르게 운영됨에 따라 검색 결과 추출 방식도 플랫폼마다 큰 차이를 보입니다. 챗GPT는 빙의 인덱스를 주로 활용하지만, 퍼플렉시티는 베스파 기반 파이프라인을 사용하며 클로드는 브레이브 서치를 검색 파트너로 활용합니다.

주장모델의 정렬 방식인 얼라인먼트 과정은 SEO에는 없던 새로운 변수입니다. 오픈AI의 인간 피드백 기반 강화학습(RLHF)과 앤스로픽의 헌법적 AI(Constitutional AI)는 동일한 정보를 입력해도 완전히 다른 답변을 생성하게 만듭니다.

팩트LLM 최적화를 위해 제안된 llms.txt 파일은 주요 플랫폼에서 외면받고 있습니다. 구글의 존 뮬러는 이를 과거의 메타 키워드 태그와 비교하며 지원 계획이 없음을 분명히 했습니다.

교차검증과거의 성공적인 표준화 모델은 기업들이 공동으로 규칙을 만들고 강제했기에 가능했습니다. 반면 llms.txt는 특정 연구자가 제안하고 도구 업체들이 수용했을 뿐, 정작 플랫폼 기업들의 합의가 없었기에 표준으로 자리 잡지 못했습니다.

출처서치 엔진 저널(Search Engine Journal)의 'LLM Guidance Doesnt Transfer The Way SEO Guidance Did' 기사를 교차 검증했습니다.