# GEO 최적화로 블로그 CTR 8.9% 올린 방법: 57개 포스트 실험 회고

> 출처: https://retn.kr/blog/geo-growth-loop-retention-inc-260316/ · 수정 2026-03-16 · 리텐션 주식회사

리텐션 주식회사가 57개 포스트를 GEO 기준으로 진단하고 47개를 개선해 CTR 8.9% 상승을 만든 운영 루프와 다음 실험 설계를 공개합니다.

## TLDR

- 리텐션 주식회사는 **전문가 조언을 실행으로 옮기기 → 빠른 실험 → 전수 진단 → 대량 개선 → 측정 → 규칙화**의 6단계 루프로 콘텐츠를 운영했습니다.
- 시작은 1089MEDIA CMO 정상원님과의 대화였고, 아이디어를 **30분 안에 첫 구현**으로 옮기면서 실행 리드타임을 크게 줄였습니다.
- 기존 **57개 포스트**를 같은 GEO 기준으로 진단했더니 평균이 **28.7/100**으로 나왔고, 어디를 먼저 고쳐야 할지 우선순위가 선명해졌습니다.
- **47개 Treatment / 3개 Control**로 나눠 개선하자 Treatment 평균은 **46.8점(+63%)**까지 올라갔고 분포는 **33.0~62.8**로 이동했습니다.
- Search Console MCP와 GA4 MCP를 함께 보니 CTR은 **5.69% → 6.19%(+8.9%)**, Treatment는 **+43%**, Control은 **-10%**로 갈렸습니다.
- AI 검색 성과는 아직 확인되지 않았습니다. 현재 리텐션 주식회사는 **AI Overview 노출 0건, ChatGPT/Perplexity 추천 유입 0건**이며, 다음 사이클에서 AI 인용률을 별도 KPI로 측정할 계획입니다.

## 1. 전문가의 한마디가 30분 만에 실행으로 바뀐 이야기

이번 루프의 핵심은 단순합니다. 좋은 아이디어를 오래 논의하지 않고, **30분 안에 실험 가능한 형태로 바꾸는 것**입니다. 리텐션 주식회사는 이 속도를 기준으로 콘텐츠 실험을 시작했습니다.

시작은 실제로도 간단했습니다. 1089MEDIA CMO 정상원님과 대화한 뒤, 게스트 포스팅 제안을 받은 시점부터 초기 구현까지 걸린 시간은 **30분**이었습니다. 이 첫 콘텐츠는 "글 1개 발행"이 아니라 E-E-A-T 강화 실험의 기준점 역할을 했고, 이후 57개 포스트 전수 진단으로 확장할 수 있는 출발선이 됐습니다. 결국 초반에 확보한 것은 **외부 전문가 1명 + 내부 실행 1팀**이라는 최소 단위였고, 이 구조가 루프를 굴리는 엔진이 됐습니다.

관련해서 게스트 포스팅 기반 E-E-A-T 강화 방식은 [이 글](/blog/guest-posting-eeat-seo-boost/)에서 먼저 다뤘습니다.

## 2. 57개 포스트를 진단했더니 평균 28.7점이었습니다

GEO 최적화는 느낌으로 하면 방향을 잃고, 전수 진단으로 하면 우선순위가 보입니다. 리텐션 주식회사는 기존 블로그 **57개 포스트**를 같은 기준으로 점수화해 "어디부터 고치면 성과가 나는지"를 먼저 확인했습니다.

결과는 예상보다 낮았습니다. 초기 평균은 **28.7/100**이었고, 여러 포스트가 AI 인용에 불리한 구조를 갖고 있었습니다. 특히 Answer-First 부재, 통계 밀도 부족, 한국어 문맥에서 어색한 영어식 서술이 반복되면서 인용 가능한 문단 품질이 떨어졌습니다. 분포를 보면 하위권 포스트가 평균을 끌어내리는 구조였고, 즉시 손댈 수 있는 대상은 **57개 중 47개(82.5%)**로 확인됐습니다. 이 단계에서 중요한 질문은 "잘 쓴 글인가"보다 "AI가 인용하기 쉬운 글인가"였습니다.

AI 검색 트래픽과 GEO 전략 차이는 [이 분석 글](/blog/chatbot-traffic-vs-google-search-geo-strategy/)도 함께 보시면 흐름이 더 명확합니다.

## 3. 47개를 먼저 고치고 3개는 그대로 뒀습니다

모든 글을 한 번에 수정하면 "왜 좋아졌는지"를 설명하기 어렵습니다. 리텐션 주식회사는 **Treatment 47개 / Control 3개**로 나눠 개선 효과를 추적 가능한 구조로 만들었습니다.

개선 결과도 분명했습니다. Treatment 그룹 평균 GEO 점수는 **28.7점에서 46.8점으로 상승**했고, 상대 개선율은 **+63%**였습니다. 분포는 **최저 33.0, 최고 62.8**로 이동해 최소 품질선이 올라갔습니다. 같은 기간 Control 그룹은 구조를 바꾸지 않아 하락 구간을 관찰하는 기준이 됐고, 덕분에 성과 변화를 계절성이나 외부 트래픽이 아니라 "실제 콘텐츠 품질 변화"로 분리해 해석할 수 있었습니다.

## 4. 한국어 블로그에 영어 문장이 박혀 있었습니다

영어 GEO 패턴을 한국어 본문에 그대로 넣으면 점수는 잠깐 좋아 보일 수 있어도, 독자가 읽기 불편해집니다. 리텐션 주식회사는 이 문제를 **6개 포스트**에서 확인했고 문장 패턴을 한국어 인용 문법으로 교체했습니다.

문제 패턴은 크게 3가지였습니다. 영어권 인용 문장 직역형, 영어권 사전식 정의문, 영어 슬라이드형 소제목이었고 모두 한국어 독자 맥락과 충돌했습니다. 보정 작업은 **6개 포스트 전량 교체(100%)**로 진행했고, 해당 문단을 한국어 자연도와 인용 명확도를 함께 높이는 방향으로 다시 썼습니다.

개선 전: 글로벌 리포트에서 검색 감소가 예측된다고 합니다.
개선 후: Gartner(2024)에 따르면 전통 검색 볼륨은 감소할 전망입니다.

개선 전: iROAS는 광고가 만든 매출을 뜻합니다.
개선 후: Incremental ROAS(iROAS)는 광고가 없었다면 발생하지 않았을 매출만 측정하는 지표입니다.

개선 전: 모델 1
개선 후: 모델 1: 이미 있는 바퀴를 다시 만들지 않기

## 5. 잘 되는 문장 공식을 팀의 기본 규칙으로 만들었습니다

한 번 잘된 방식이 다음 글에서도 재현되려면, 개인 감각이 아니라 팀 규칙으로 남아야 합니다. 리텐션 주식회사는 개선 과정에서 검증된 문장 규칙과 체크리스트를 기반으로, 글쓰기 프로세스에 한국어 규칙을 시스템화하고 작성-검수-발행 단계를 표준화했습니다.

이 경험에서 규칙화된 핵심은 4가지였습니다. 첫째, H2 시작 2문장 내 Answer-First 적용, 둘째, 섹션별 통계 **2개 이상** 유지, 셋째, FAQ **5개 이상** 유지, 넷째, 한국어 인용 패턴 우선 적용입니다. 이 4가지를 고정하니 편집자별 편차가 줄었고, 신규 글도 기존 글과 같은 품질 기준으로 운영할 수 있었습니다.

## 6. CTR 8.9% 상승, 그룹 성과가 분리됐습니다

콘텐츠 개선은 조회수 하나만 보면 오해하기 쉽습니다. 그래서 리텐션 주식회사는 Search Console MCP와 GA4 MCP를 연결해, 검색 반응(CTR)과 그룹 성과 차이를 함께 확인했습니다.

전체 CTR은 **5.69%에서 6.19%로 상승**했고 증가율은 **+8.9%**였습니다. 같은 기간 Treatment 성과는 **+43%**, Control은 **-10%**로 반대로 움직여 외부 변수만으로 설명하기 어려운 차이가 확인됐습니다. 운영 모수도 **47개 vs 3개**로 나눠져 있었기 때문에 개선 적용 여부에 따른 신호 분리가 가능했습니다. 즉, 중요한 건 "점수 상승" 자체가 아니라 "성과 지표가 그룹별로 다르게 움직였는지"를 확인한 점입니다.

## 7. AI 검색 영향은 아직 0이며, 다음 사이클에서 별도 측정 체계를 구축합니다

리텐션 주식회사는 GEO 개선 성과를 확인했지만 AI 검색 인용 성과는 아직 확인하지 못했습니다. 현재 기준으로 리텐션 주식회사는 **Google AI Overview 노출 0건, ChatGPT 및 Perplexity 추천 유입 0건**이며, AI 검색 기여도는 아직 "미측정"이 아니라 "미발생"에 가깝게 판단하고 있습니다.

SEOmator(2026)에 따르면 AI 추천 유입은 일반 유기 검색보다 전환율이 **23배** 높고, 같은 보고서에서 Google AI Overviews는 월 **20억 사용자 규모**에 도달했으며 전체 검색의 **25%**에 나타나는 것으로 제시됩니다. Seer Interactive(2025)에 따르면 AI Overview에 인용된 페이지는 유기 CTR이 **+35%** 높게 나타났고, DemandSage(2026)에 따르면 ChatGPT 주간 활성 사용자는 **8억~10억 명** 구간으로 보고됩니다. 다만 The Digital Bloom(2026)에 따르면 AI 추천 유입의 **70.6%**가 GA4에서 direct로 잘못 분류될 수 있어, 현재 0으로 보이는 값 자체도 계측 오류 가능성을 함께 검토해야 합니다.

리텐션 주식회사는 다음 사이클에서 아래 4가지를 실행할 예정입니다.

1. GA4 어트리뷰션 규칙을 보강해 direct 트래픽 중 AI 추천 유입 후보를 재분류하고 월별 추세를 분리 측정합니다.
1. ChatGPT와 Perplexity에서 핵심 키워드 수동 점검을 운영해 브랜드 언급 및 출처 표기 여부를 주간 단위로 기록합니다.
1. `llms.txt`와 `llms-full.txt`를 제출하고 크롤러 접근 로그를 확인해 AI 크롤러 발견 가능성을 높입니다.
1. 다음 실험 사이클부터는 CTR, 클릭, 노출과 함께 AI 인용률을 공식 KPI로 병행 측정합니다.

## 8. 실험 설계를 다시 한다면 Treatment를 50%로 잡았을 것입니다

리텐션 주식회사는 이번 실험에서 개선 속도를 우선해 **47개 Treatment / 3개 Control** 구조를 선택했지만, 인과 추론 관점에서는 불균형이 컸습니다. 실험 설계를 다시 한다면 Treatment를 50%로 잡고, **25~28개 Treatment / 25~28개 Control**로 맞추는 구성이 통계적 유의성을 확보하는 데 더 유리했을 것입니다.

실험을 돌아보면 현재 구조는 방향성 신호를 빠르게 얻는 데는 유효했지만, 엄밀한 인과 검증에는 한계가 있었습니다. 50% 홀드아웃을 유지했다면 전체 개선 속도는 느려질 수 있어도, 성과 변화가 개입 효과인지 외부 요인인지 더 명확히 증명할 수 있었을 것입니다. 이번 회고의 결론은 명확합니다. **Impact measurement에 무게를 둔다면 hold-out group은 최소 30% 이상**으로 설계해야 합니다.

## 9. 한 번의 실험이 다음 실험을 자동으로 여는 구조

리텐션 주식회사의 루프는 전문가의 조언에서 시작해 GEO 최적화와 성과 측정으로 닫히는 완결형 사이클입니다. 이 구조의 장점은 "한 번 잘해보자"가 아니라, 다음 실험이 자동으로 시작되는 운영 습관을 만든다는 점입니다.

1회차에서 확보한 숫자는 **57개 진단, 47개 개선, 6개 한국어 보정, CTR +8.9%**였습니다. 그리고 루프의 종료 조건은 "발행 완료"가 아니라 "측정 완료 후 규칙 업데이트"까지입니다. 실제로 1회차 종료 시점에 글쓰기 규칙이 업데이트됐고, 다음 배치 글은 처음부터 같은 기준으로 작성됩니다. 결과적으로 이 루프는 실행 속도 **30분**, 개선 폭 **+63%**, 측정 분리 **Treatment +43% vs Control -10%**를 한 체계로 연결한 운영 사례가 됐습니다.

## 고려사항

이 방식은 빠르게 성과를 내지만, 실험 설계와 문체 규칙이 없으면 오히려 품질이 흔들릴 수 있습니다. 특히 한국어 콘텐츠에서 영어식 인용 문장을 무비판적으로 도입하면 독자 경험이 저하되고, 반대로 한국어 규칙만 고집해 수치 근거가 약해지면 AI 인용 가능성이 낮아집니다.

실제로 리텐션 주식회사는 최소 관리 단위를 **월 1회 전수 점검**, **분기 1회 규칙 개정**으로 잡고 운영하고 있습니다. 또한 Control 수가 너무 작으면 해석 오차가 커질 수 있으므로 현재 **3개**인 대조군은 다음 사이클에서 확대 검토가 필요합니다. 마지막으로 CTR 상승만으로 매출 임팩트를 단정하지 않기 위해, 다음 사이클부터는 전환 지표와 리드 품질 점검을 함께 연결하는 것이 안전합니다.

## 자주 묻는 질문 (FAQ)

### Q1. GEO 점수는 몇 점부터 실무에서 의미가 있나요?

리텐션 주식회사 기준으로는 한국어 콘텐츠에서 **33점 이상**부터 최소 실행 가능 구간으로 보고, **45점 이상**부터 안정 구간으로 운영합니다. 이번 사이클에서도 개선 후 평균이 **46.8점**으로 올라오면서 실험군 성과가 **+43%**로 분리됐습니다.

### Q2. 왜 57개 전체를 다 고치지 않고 47개만 Treatment로 운영했나요?

전량 동시 수정은 효과 검증이 어려워서입니다. **47개 Treatment**와 **3개 Control**을 분리하면 개선 적용 여부에 따른 성과 차이를 확인할 수 있고, 이번에는 CTR **+8.9%** 및 그룹 간 방향성 차이로 그 효과를 추적할 수 있었습니다. 다만 다음 사이클에서는 50% 홀드아웃에 가깝게 재설계해 인과 검증 강도를 높일 예정입니다.

### Q3. 한국어 글에서 영어 용어는 완전히 배제해야 하나요?

완전 배제가 아니라 "첫 언급 병기 + 이후 한국어 우선"이 효율적입니다. 실제로 문제였던 것은 용어 자체가 아니라 영어식 직역 문장 패턴이었고, 리텐션 주식회사는 **6개 포스트** 보정으로 해당 문제를 줄였습니다.

### Q4. 이 루프를 작은 팀도 운영할 수 있나요?

가능합니다. 리텐션 주식회사도 첫 시작은 외부 전문가 **1명**, 내부 실행 **소수 인력**, 초기 구현 **30분**으로 출발했습니다. 핵심은 인력 규모보다 측정-개선-규칙화 순서를 지키는 운영 습관입니다.

### Q5. 다음 사이클에서 가장 먼저 개선할 항목은 무엇인가요?

Control 확장과 AI 인용 측정 체계 구축이 우선입니다. 현재 Control이 **3개**라 통계적 해석 여지가 제한적이고, AI 유입은 계측상 0으로 보여도 The Digital Bloom(2026)에 따르면 direct 오분류 가능성이 **70.6%**까지 보고되어 재측정이 필요하기 때문입니다.

### Q6. AI 검색 유입이 아직 0이면 GEO 투자를 줄여야 하나요?

줄이기보다 계측 정교화를 먼저 진행하시는 것이 맞습니다. SEOmator(2026)에 따르면 AI 추천 유입 전환율은 **23배** 높고, Seer Interactive(2025)에 따르면 AI Overview 인용 시 유기 CTR은 **+35%** 높게 나타나 초기 구간에서는 측정 체계 보강이 우선입니다.

## 다음 단계

### 직접 시작하기

- 전문가 신호가 들어오면 24시간이 아니라 **30분 내 실험 버전**으로 전환해 보세요.
- 기존 글은 전수 측정 후 Treatment/Control로 나눠 개선 우선순위를 잡으세요.
- 한국어 콘텐츠는 영어형 패턴을 그대로 쓰지 말고 한국어 인용 규칙으로 통일하세요.

### 전문가와 함께하기

리텐션 주식회사처럼 GEO 기반 콘텐츠 성장 루프를 설계하고 싶으시다면, 현재 콘텐츠 자산 기준으로 우선순위를 바로 잡아드리겠습니다.

📅 **[30분 무료 상담 예약](https://tidycal.com/simgyusup/30m?utm_source=blog&utm_medium=cta&utm_campaign=geo-growth-loop-260316)**

리텐션 주식회사 — 데이터 기반 스타트업 그로스 컨설팅