방치형 독서 퀴즈 서비스, AI가 읽게 만들었습니다
(SEO → AEO/GEO 전환기)
1. 시작은 "데이터가 아까워서" 였습니다.
사실 상식이 독서퀴즈 AI (https://wordplay.co.kr) 는 거창한 목표로 시작한 게 아닙니다.
이전에 야심 차게 준비했던 '상식왕 프로젝트'를 접게 되면서, 기껏 모아둔 도서 데이터가 공중분해 되는 게 너무 아까웠습니다.
"그냥 버리긴 아까우니, 매달 베스트셀러 200권 정도만 퀴즈로 만들어서 올려두자."
그렇게 반쯤은 '방치형 서비스'로 운영한 지 어느덧 1년 6개월이 넘었습니다. 티끌 모아 태산이라고, 어느새 도서 6,500권에 퀴즈 13만 개라는 방대한 데이터베이스가 구축되었죠.
솔직히 방문자 수는 하루 20명 남짓입니다. 하지만 신기하게도 매번 전혀 다른 검색어로 꾸준히 찾아와 주시는 분들을 보며 감사함을 느끼고 있었습니다
그런데 최근 재미있는 흐름을 발견했습니다.
사람들이 구글 검색창보다 ChatGPT, Perplexity 같은 AI에게 질문을 던지고, 사람보다 AI 봇들이 제 사이트를 긁어가려는 시도가 눈에 띄게 늘어난 것입니다.
"이제 검색엔진 1페이지가 목표가 아니다. AI가 내 퀴즈를 '정답'으로 인용하게 만들어야 한다."
이것이 제가 묵혀둔 데이터를 꺼내 AEO(답변 최적화)와 GEO(생성형 최적화)를 도입한 이유입니다.
2. 무엇이 다른가? (Concept)
SEO (과거): "제 링크를 상단에 띄워주세요." (검색 순위 싸움)
AEO (현재): "이것이 유저가 찾는 정답입니다." (JSON-LD로 구조화된 정답 제공)
GEO (핵심): "이 데이터는 신뢰할 수 있고 구체적입니다." (난이도, 타겟 등 맥락을 제공해 인용 확률 UP)
3. 어떻게 바꿨나? (Code & Data)
가장 중요한 변화는 데이터의 '형태'입니다. 단순히 DB에 있는 데이터를 뿌려주는 것을 넘어, AI가 이해하기 쉬운 '스키마(Schema)'로 포장했습니다.
1) 원천 데이터 (Raw JSON)
API가 내려주는 원래 데이터입니다.
- difficulty(난이도)가 단순 숫자로 되어 있어 AI가 그 의미를 깊게 이해하기 어렵습니다.
- 객관식, ox 퀴즈가 포함되어 있다.
* 도서마다 객관식 퀴즈 10~20개 ox 퀴즈 10~20 개정도 담고 있다.2) AEO & GEO 적용 코드 (Next.js)
이 데이터를 받아 JSON-LD를 생성하는 Next.js 서버 컴포넌트 코드입니다.
적용 효과
GEO 효과:
- AI가 "난이도 4" 대신 "초등 독자를 위한 심화 문제"로 자연스럽게 설명
- 숫자 → 자연어 변환으로 맥락 이해도 향상
AEO 효과:
- AI가 "객관식 5문제, OX퀴즈 5문제로 구성"이라고 구체적 답변 가능
- 학습 리소스 다양성을 검색 엔진에 명확히 전달
json ld 응답
5. 달라진 구글과 네이버
6. 앞으로의 기대 효과
이제 구글 검색 봇이나 Gemini가 제 사이트(wordplay.co.kr)를 크롤링하면 단순한 텍스트 덩어리가 아니라 "초등학생용 심화 한국사 퀴즈 데이터베이스"로 인식하게 됩니다.
사용자가 "구글(또는 챗GPT), 이순신 장군 퀴즈 내줘"라고 말했을 때, 단순 링크 나열이 아니라 제 데이터를 바탕으로 AI가 직접 문제를 출제하고, 출처로 제 서비스를 태깅하는 '검색의 지식화'를 기대하고 있습니다.
13만 개의 퀴즈가 단순 DB에서 잠자지 않고, AI 시대의 핵심 연료로 쓰이길 바라며!
