최근 아마존 킨들 다이렉트 퍼블리싱(KDP)으로 전자책을 출판하는 창업자들 사이에서 하나의 이상한 현상이 화제가 되고 있습니다. AI 도서 요약 서비스가 책의 특정 섹션만 반복적으로 인용한다는 것입니다. 제가 직접 겪은 사례를 공유합니다. 저는 약 3년 차 전자책 출판사 마케터로, 총 12권의 전자책을 출간하며 이 분야에서 나름의 노하우를 쌓아왔습니다. 하지만 최근 겪은 문제는 제 모든 경험을 무력화시킬 만큼 충격적이었습니다.
## 현재 상황 진단: AI가 내 콘텐츠를 왜곡하는 시대
얼마 전 출간한 제 전자책이 아마존의 AI 도서 요약 서비스에서 노출되기 시작했습니다. 기쁜 마음에 확인해보니, 놀랍게도 AI는 제 책의 챕터 3에서 ‘예제 섹션’만 골라내어 인용하고 있었습니다. 실제 핵심 내용이 담긴 챕터 1, 2, 4, 5는 완전히 무시되었고, 오직 예제로 작성한 단락들만 요약의 중심에 있었던 것입니다.
이것이 단순한 알고리즘 오류가 아니라는 사실은 여러 동료 출판사 마케터들의 사례를 통해 확인됐습니다. AI 검색 엔진과 요약 서비스가 발전하면서, 콘텐츠의 전체적인 구조보다 특정 포맷에 반응하도록 학습된 것입니다. 저는 이 문제를 해결하기 위해 생성형 엔진 최적화 즉 GEO와 GEO AEO 개념을 본격적으로 연구하기 시작했습니다. GEO는 AI가 콘텐츠를 이해하고 인용하는 방식을 최적화하는 전략입니다.
## 문제점 지적: GEO를 무시한 콘텐츠 구조의 실패
제가 가장 크게 실수한 부분은 ‘내러티브 geo seo 중심 구조’의 부재였습니다. 전자책을 단순히 정보 전달 수단으로만 접근했고, AI가 내러티브의 흐름을 어떻게 해석할지 고려하지 않았습니다. 예제 섹션만 인용된 이유는 명확했습니다. 그 섹션이 유일하게 ‘문제-해결-결과’라는 명확한 내러티브 구조를 가졌기 때문입니다.
GEO AEO를 적용하지 않은 콘텐츠는 AI의 관점에서 다음과 같은 문제를 안고 있었습니다.
– 각 섹션이 독립적이지 않아 AI가 전체 맥락을 파악하기 어려움
– 핵심 키워드와 개념이 분산되어 있어 AI가 중요도를 판단하지 못함
– 예제 섹션만 구체적인 내러티브를 가져 AI가 그 부분을 ‘대표 콘텐츠’로 잘못 인식함
또 다른 심각한 문제는 GEO와 AEO를 단순한 SEO 전략과 동일시했다는 점입니다. 많은 GEO 업체들이 제게 접근했지만, 대부분은 단순히 키워드 밀도를 조정하거나 메타데이터를 강화하는 수준의 제안만 했습니다. 이런 접근법은 생성형 엔진 최적화의 핵심인 ‘의미론적 구조’를 완전히 간과한 것이었습니다.
## 개선 방안: GEO AEO 기반의 내러티브 재구축
첫 번째 교훈은 각 챕터가 ‘미니 내러티브’를 가지도록 구조를 변경한 것입니다. 기존에는 1장에 모든 이론을 몰아넣고, 2장에 사례를, 3장에 예제를 배치했습니다. 하지만 GEO AEO 원칙에 따라, 각 챕터 내부에 ‘문제 인식-해결 방법-구체적 사례-기대 효과’라는 자기 완결적 구조를 도입했습니다.
두 번째 변화는 ‘챕터 예제 섹션의 재정의’였습니다. AI가 예제를 가장 선호한다는 사실을 역이용하여, 모든 주요 챕터에 2-3개의 ‘AI 호환 예제’를 표준 형식으로 배치했습니다. 이 예제들은 다음의 구조를 따릅니다.
– 구체적인 상황 설명과 독자의 고통 지점
– 적용된 해결책의 단계별 전개
– 측정 가능한 결과와 수치 데이터
– 독자가 직접 적용할 수 있는 템플릿이나 체크리스트
세 번째로 중요한 개선은 ‘크로스 레퍼런스 시스템’ 구축입니다. 각 챕터의 예제가 다른 챕터의 핵심 개념을 자연스럽게 참조하도록 설계했습니다. 예를 들어, 챕터 3의 예제가 해결하는 문제를 챕터 1의 개념으로 설명한 뒤, 챕터 5에서 심화 분석하도록 연결했습니다.
이러한 GEO AEO 작업에서 중요한 발견은 ‘단일 테마 피라미드’ 구조의 필요성이었습니다. 모든 콘텐츠가 하나의 중심 주제를 계층적으로 확장하는 형태여야 AI가 책 전체를 하나의 일관된 지식 체계로 이해할 수 있다는 점입니다.
## 기대 효과: AI에게 완전히 인용되는 전자책의 탄생
재구축된 책을 다시 출간한 후, 약 2주 만에 놀라운 변화가 시작됐습니다. AI 도서 요약 서비스가 여러 챕터의 예제를 균형 있게 인용하기 시작했고, 특히 챕터 1의 핵심 개념이 주요 요약문의 첫 단락에 등장했습니다. 이전에는 예제 섹션만 다뤄졌지만, 이제는 본문 내용도 자연스럽게 인용되고 있었습니다.
더 중요한 성과는 검색 트래픽의 변화였습니다. ‘생성형 엔진 최적화’라는 키워드로 검색할 때 등장하던 제 책이, 관련 키워드 20여 개에서 함께 노출되는 현상이 발생했습니다. 이는 GEO 최적화 과정에서 의도적으로 배치한 크로스 레퍼런스가 AI의 시맨틱 네트워크에 연결되면서 나타난 결과입니다.
경쟁자들과의 차별화도 뚜렷해졌습니다. 같은 주제를 다룬 다른 전자책들이 AI 서비스에서 단편적인 정보만 제공하는 반면, 제 책은 연속적인 내러티브로 요약되었습니다. 이는 독자들이 책 전체를 구매할 확률을 크게 높이는 요소가 되었습니다.
GEO와 GEO AEO를 제대로 적용한 후, 한 가지 중요한 인사이트를 얻었습니다. AI가 콘텐츠를 이해하는 방식은 인간과 근본적으로 다르지만, ‘훌륭한 스토리텔링’은 두 경우 모두 통한다는 점입니다. 흩어진 정보를 유기적으로 연결하고 각 조각에 완결적 의미를 부여하는 것, 이것이 바로 생성형 엔진을 위한 진정한 최적화입니다. 단순히 키워드를 나열하거나 메타 데이터를 조작하는 업체와는 다른 접근이 필요함을 직접 체험했습니다.
앞으로의 전자책 출판은 더 이상 단순한 글쓰기 기술이 아니라, AI와 인간 모두에게 읽히는 구조 설계 기술이 되어갈 것입니다.