GEO·AEO 뜻과 SEO 차이 — AI 검색에 36번 물어 인용 출처를 세어 봤어요
GEO·AEO 뜻과 SEO 차이, AI 검색에 36번 물어 센 인용 출처(74곳·첫 300자 숫자 68%)와 내 사이트 적용 체크리스트·측정법을 정리했어요.
devBlog
Search 글 모음
기업 기술블로그의 Search 관련 글 53개
[신청 중] AI 제품을 만들 때, 자체 모델과 검색엔진은 언제 필요할까요?
모델 학습부터 검색엔진 고도화까지, 실제 AI 제품을 만드는 과정에서의 고민과 경험을 공유합니다.
AI-DLC 기반 GS SHOP 검색·추천 개발 프로세스 고도화 사례
본 블로그는 GS리테일과 AWS가 공동 작성하였습니다. 검색과 추천, 서로 다른 두 과제를 하나의 개발 방법론으로 풀다 온라인 커머스에서 검색과 추천은 고객 경험을 결정하는 핵심 서비스입니다. 고객이 원하는 상품을 빠르게 찾고, 적절한 상품을 제안하기 위해서는 검색 방식과 추천 모델을 지속적으로 개선해야 합니다. 하지만 실제 운영 환경에서는 새로운 기능을 개발하는 것보다 빠르게 검증하고 반복적으로 개선할 수 있는 […]
구글이 모든 사이트에 공식 AI 가시성 리포트를 열었다. 담긴 숫자는 노출 수 하나뿐이다
8월 31일부로 Search Console의 생성 AI 성과 리포트가 전 세계 모든 사이트에 열렸습니다. 6월 3일 영국에서 시작해 석 달 만입니다. AI Overviews, AI Mode, Discover의 생성 AI 영역에서 우리 URL이 몇 번 표시됐는지가, 처음으로 구글 공식 숫자로 나옵니다. 받은 것부터 정확히 적겠습니다. 노출 수, 페이지, 국가, 기기, 날짜. 시간·일·주·월 단위까지 내려갑니다. 없는 것도 정확히 적겠습니다.… 더
마케팅을 잘하는 브랜드는 ‘이럴 때’ GEO를 점검합니다
신기능을 출시한 A사가 있다고 가정해보겠습니다. A사의 구성원들은 새로운 기능을 소개하기 위해 공식 홈페이지를 개편하고, 블로그 글을 작성했습니다. 이를 통해 고객이 접하게 될 A사의 정보는 이전과 분명히 달라졌습니다. 그렇다면 AI가 A사를 설명하고, 추천하는 방식에는 어떤 변화가 생겼을까요? 검색을 통해 브랜드나 제품 정보를 찾던 고객들이 이제는 정보 탐색에 AI를 활용하고 있습니다. 따라서 AI가 브랜드를 어떻게 인식하고 있는지… 더 보기
AI Agent를 위한 OpenSearch 검색 품질 개선하기 (Part 2)
Rerank와 Weight 튜닝, 그리고 예상과 다른 결과들 1부에서는 Amazon OpenSearch Service와 Amazon Bedrock으로 검색 품질을 측정하는 시스템을 만들었습니다. 이제 측정할 수 있게 됐으니, 고객들은 자연스럽게 “그래서 어떻게 개선하지?” 를 묻게 됩니다. 이번 글에서는 측정 결과를 바탕으로 검색 품질을 실제로 끌어올리는 방법을 다룹니다. 사실 저는 이 테스트를 시작할 때 “검색 성능은 Rerank를 붙이면 당
토스증권 추천과 검색은 어떻게 진화하고 있을까?
일본어 상품 검색 정확도 높이기: Elasticsearch + Kuromoji에서 OpenSearch + Sudachi로
들어가며안녕하세요. LINE Plus에서 통합 커머스 개발을 맡고 있는 김진성입니다.2025년 초, 통합 커머스 프로젝트가 시작되었습니다.서비스가 안정되어 가던 중, 일본 담당자로...
VLM을 이용한 시각적 문서 검색: ColPali와 ColQwen
들어가며 안녕하세요, SK AX 배준호 매니저입니다. 이번 글에서는 질의와 관련된 문서를 찾는 문서 검색(Document Retrieval)에 대한 내용을 다뤄보려고 합니다. 문서 검색은 RAG(Retrieval-A...
AI Agent를 위한 OpenSearch 검색 품질 평가하기 (Part 1)
요즘 RAG(Retrieval-Augmented Generation) 기반 AI Agent를 구축하는 프로젝트가 정말 많습니다. 사내 문서를 검색해 답하는 어시스턴트, 고객 문의를 처리하는 봇, 방대한 기술 문서에서 근거를 찾아주는 에이전트까지. 그런데 이런 프로젝트를 지원하다 보면 거의 같은 질문을 드리게 됩니다. “검색 품질은 어떻게 측정하고 계신가요?” 돌아오는 답은 대개 비슷합니다. “체감상 좋아진 것 같아요.” “몇 개 돌려봤는데 괜찮
통합 검색 임베딩 모델 개발기: 9개 태스크를 고르게 학습시키기
우리 팀만의 vLLM 플러그인 만들기 1편 - 검색 AI 모델 서빙 성능 극대화하기
네이버 플레이스 AI MLOps는 지난 1년간 검색과 추천에 사용하는 스코어링 모델의 서빙 구조를 vLLM 기반으로 전환했습니다. 이 글에서는 사내 Engineering Day에서 발표한 내용을 바탕으로, 모델 서빙 경로를 최적화해 성능을 높인 과정을 소개합니다. 먼저 결과부터 살펴보겠습니다. 0.6B 재순위화(reranking) 모델을 Hugging Face Transformer.encode로 서빙했을 때 처리량은 63.85 QPS였습니다.
AI채팅 구축 사례: 725만 건 설계 자료를 AI로 검색하다, 서영엔지니어링
도로와 철도, 항만을 설계하는 엔지니어링 회사에게 설계 자료는 오랜 기간 축적된 핵심 자산입니다. 그러나 자료가 많아질수록 필요한 정보를 적시에...
통합 검색 임베딩 모델 개발기: 디자인 검색을 하나의 표현 공간으로 묶기
근거 있는 GEO 전략을 세우는 가장 쉬운 방법
검색 결과의 상위에 노출되는 것은 디지털 마케팅의 오랜 숙제였습니다. 기업들은 검색 순위와 같은 데이터를 측정하며 SEO 전략을 개선해 나갔습니다. 성과를 수치로 확인할 수 있었기에, 이를 바탕으로 다음 전략을 세우는 것입니다. 그러나 이제 사용자들은 검색 순위가 높은 브랜드보다 AI가 추천한 브랜드를 선택합니다. 문제는 AI의 답변을 ‘검색 순위’처럼 명확한 기준으로 측정하기 어렵다는 점입니다. 하지만 측정할 수 없는… 더 보기 »근거 있는
Amazon OpenSearch 3.3 업그레이드로 미리캔버스의 검색 성능 개선
부제: derived source와 Lucene 10.3으로 stored fields 병목을 해소하고, 무중단·안전 롤백 전략으로 메이저 버전을 올린 이야기 본 게시글은 미리디의 김민석, 최시온, 이동진, 김백규님과 함께 작성하였습니다. 미리디의 미리캔버스 소개 미리캔버스는 “누구나 쉽게, 함께 만드는 디자인”을 지향하는 실시간 협업 디자인 플랫폼입니다. 프레젠테이션, SNS 카드뉴스, 유튜브 썸네일, 포스터까지 다양한 시각 콘텐츠를 브라우저에
AI 검색 최적화, 이제 데이터로 검증하세요!
AI 검색 최적화, 어떻게 검증하고 있나요? 우리는 검색창이 아닌 ChatGPT에게 질문을 던지는 시대에 살고있습니다. ‘AI 검색 최적화’의 중요성이 대두된 것도 이 때문입니다. ‘GEO(Generative Engine Optimization)’라고도 불리는 이 기술은 AI가 우리 사이트의 콘텐츠를 이해해 답변에 활용하도록 만듭니다. 하지만 GEO 개선 작업이 곧 AI 검색 최적화로 이어지는 것은 아닙니다. 따라서 AI가 실제로 우리 사이트를
“따뜻한 색감의 소재 찾아줘” — 자연어로 광고 소재 검색하기
1. 들어가며 인스타그램을 보다보면 나오는 화려한 광고들은 누가 만들까요? 대 AI 시대에도 광고 소재는 여전히 많은 전문가들의 손을 거쳐 제작되고, 또 수명이 다하면 사라집니다. 그렇기 때문에 마케팅 에이전시에서도, 인하우스 마케팅 부서에서도, 주기적으로 레퍼런스를 찾기 위해 반복적으로 아까운 시간을 보내게 됩니다. LEVER Xpert AI팀은 간단한 질의로 마케터의 상황에 필요한 광고 소재 이미지를 찾을 수 있는 소재 검색을 구현함으로써
페이지 1 / 3 (총 53개)