GEO 사업 기회 6가지와 WICHI의 선택

GEO 시장은 지금 어디에 있는가

GEO(Generative Engine Optimization)는 2024년 ACM SIGKDD에서 학술적으로 정의되었고, 2025년 하반기부터 상용 도구에 VC 자금이 유입되기 시작했다. 2026년 3월 현재, 확인 가능한 GEO 전용 SaaS 펀딩 규모는 누적 $174.5M 이상이다. 시장이 형성되고 있다는 신호는 분명하다.

그러나 시장의 성숙도를 판단하려면 숫자 하나만으로는 부족하다. SEO 산업이 20년에 걸쳐 쌓아올린 생태계—인프라, 분석 도구, 최적화 소프트웨어, 에이전시, 교육 인증, 전문 미디어—를 GEO는 아직 갖추지 못했다. SEMrush의 시가총액이 약 $3B이고, Google Analytics 인증 보유자가 수십만 명이며, Search Engine Journal이 월간 수백만 방문자를 기록하는 현재의 SEO 생태계와 비교하면, GEO는 밸류체인의 1–2단계에서 막 형성이 시작된 상태다.

이 초기성이 기회와 리스크를 동시에 만든다. 기회는 빈 자리가 많다는 것이고, 리스크는 빈 자리 중 어느 것이 실제로 수익을 만들어낼지 아직 검증되지 않았다는 것이다.

timeline
    title GEO 시장 성숙도 타임라인
    2024 : 학술 정의 (ACM SIGKDD)
         : Aggarwal et al. GEO-Bench 제안
    2025 H1 : 초기 도구 등장 (Profound, Peec)
            : VC 관심 시작
    2025 H2 : Series A 라운드 집중
            : 누적 펀딩 $100M 돌파
    2026 Q1 : 10개+ 전용 SaaS 확인
            : 에이전시 GEO 메뉴 추가 시작
            : 교육/인증은 공백
    2027~ : 예측 불가
          : 표준화 vs 파편화 갈림길

이 글에서는 GEO 시장에서 식별 가능한 6가지 사업 기회를 각각의 시장 규모 추정, 경쟁 수준, 진입 장벽, 수익 모델, 수익 도달 시점을 기준으로 분석한다. 그리고 WICHI가 왜 특정 방향을 선택했는지, 그 의사결정 구조를 기록한다.

한 가지 전제를 명시해둔다. 시장 규모 추정은 SEO 시장의 유사 세그먼트를 기준으로 한 간접 추정이며, GEO 시장 자체의 직접적인 조사 데이터는 2026년 3월 기준으로 존재하지 않는다. 따라서 모든 수치에는 불확실성이 내재되어 있으며, 참고 수준으로만 활용해야 한다. 이 글의 핵심은 정확한 시장 크기가 아니라, 6가지 기회의 구조적 차이와 그에 기반한 의사결정 논리를 기록하는 것이다.

분석 프레임워크

6가지 기회를 비교하기 위해 5개 평가 축을 설정한다.

평가 축	정의	측정 기준
시장 규모 (Market Size)	TAM 추정치	SEO 대응 시장 대비 비율 + 독립 추정
경쟁 수준 (Competition)	현재 플레이어 수와 자본 규모	확인 가능한 기업 수, 누적 펀딩
진입 장벽 (Entry Barrier)	기술, 자본, 네트워크 요구 수준	최소 실행 가능 제품(MVP) 구축 비용·기간
수익 모델 (Revenue Model)	매출 발생 구조	구독/건당/리테이너/라이선스
수익 도달 시점 (Time to Revenue)	첫 유료 고객까지 걸리는 기간	제품 출시 → 첫 결제

이 프레임워크는 완벽하지 않다. 시장 규모 추정은 GEO 시장 자체가 정의되고 있는 단계이므로 불확실성이 크다. SEO 시장의 유사 세그먼트를 참조하되, 그 비율이 GEO에 그대로 적용된다고 가정하지는 않는다. 각 추정치에는 근거와 한계를 함께 표기한다.

quadrantChart
    title GEO 사업 기회 포지셔닝 맵
    x-axis "낮은 진입 장벽" --> "높은 진입 장벽"
    y-axis "낮은 확장성" --> "높은 확장성"
    quadrant-1 "높은 진입 장벽 + 높은 확장성"
    quadrant-2 "낮은 진입 장벽 + 높은 확장성"
    quadrant-3 "낮은 진입 장벽 + 낮은 확장성"
    quadrant-4 "높은 진입 장벽 + 낮은 확장성"
    "SaaS 플랫폼": [0.55, 0.80]
    "에이전시": [0.25, 0.30]
    "교육/인증": [0.30, 0.50]
    "데이터 인프라": [0.85, 0.90]
    "버티컬 특화": [0.60, 0.55]
    "GEO + PR": [0.50, 0.45]

6가지 사업 기회 상세 분석

1. GEO SaaS 플랫폼

AI 검색 엔진에서의 브랜드 가시성을 측정하고 추적하는 소프트웨어 서비스다. SEO에서 SEMrush, Ahrefs, Moz가 차지하는 포지션의 GEO 버전이다.

시장 구조

항목	내용
시장 규모 추정	SEO 분석 도구 시장 ~$7B (2025). GEO 전환 비율 5–15% 가정 시 $350M–$1.05B (2028–2030)
현재 경쟁	Profound ($23.5M), Peec AI ($21M), Scrunch AI ($19M), Gumshoe AI ($2M), Writesonic, Otterly 외 5개+
공백	한국어·일본어·중국어 AI 검색 특화 플랫폼 부재
타겟 AI 엔진	글로벌: GPT, Gemini, Perplexity, Claude / 로컬: Naver AI, Clova X, 국내 LLM
수익 모델	SaaS 구독 (월/연 과금). SMB $49–$199/mo, Enterprise $500–$2K/mo
핵심 Moat	AI 응답 데이터 축적량 + 로컬 AI 엔진 커버리지
진입 장벽	중 (API 연동, 데이터 파이프라인, UI/UX 필요. 인프라 규모 경쟁은 아직 아님)
수익 도달 시점	6–12개월 (MVP 출시 → 얼리 어답터 확보 → 유료 전환)
리스크	글로벌 플랫폼의 i18n 확장, AI 엔진 정책 변경, 측정 표준 부재

경쟁 지형

글로벌 GEO SaaS의 현재 플레이어를 펀딩 규모 기준으로 정리하면 다음과 같다.

기업	펀딩	라운드	핵심 포지셔닝	주요 AI 엔진 커버리지
Exa	$85M	Series B	AI 검색 인프라 (API)	자체 검색 엔진
Bluefish	$24M	Series A	리테일/이커머스 특화	GPT, Gemini, Perplexity
Profound	$23.5M	-	엔터프라이즈 종합	GPT-5.2, AI Overviews
Peec AI	$21M	Series A	멀티 플랫폼 모니터링	ChatGPT, Perplexity, AIO
Scrunch AI	$19M	Series A	브랜드 내러티브 + AXP	복수 엔진
Gumshoe AI	$2M	Pre-seed	미공개	미공개

이 플레이어들의 공통점이 있다. 모두 영어권 시장을 1차 타겟으로 한다. 분석 대상 AI 엔진은 ChatGPT, Gemini, Perplexity, AI Overviews 등 영어 기반이며, 아시아 로컬 AI 검색 엔진을 체계적으로 커버하는 플랫폼은 2026년 3월 기준으로 확인되지 않는다.

주목할 점은 이 기업들의 포지셔닝 전략이 이미 분화되고 있다는 것이다. Exa는 인프라 레이어, Bluefish는 버티컬(이커머스), Profound는 엔터프라이즈 종합, Peec AI는 분석 특화, Scrunch AI는 콘텐츠 전달 최적화(AXP)로 각각 다른 세그먼트를 공략하고 있다. 이는 GEO 시장이 단일한 “GEO 도구”가 아니라, SEO처럼 여러 하위 카테고리로 세분화되고 있음을 보여준다. 이 세분화 패턴은 후발 주자에게 특정 세그먼트에 집중할 수 있는 진입 경로를 제공한다.

기술적 구성 요소

GEO SaaS를 구축하기 위해 필요한 핵심 기술 구성 요소를 정리하면 다음과 같다.

구성 요소	기능	기술 난이도
멀티 AI 엔진 쿼리 실행	복수 AI 엔진에 동일 쿼리를 전송하고 응답 수집	중 (API 연동)
응답 파싱 및 구조화	AI 응답에서 인용 출처, 브랜드 언급, 엔티티 추출	높음 (NLP 필요)
가시성 점수 산출	인용 빈도, 위치, 맥락을 종합한 정량 점수 계산	높음 (방법론 설계)
시계열 데이터 저장	일/주/월 단위 가시성 변화 추적	중 (시계열 DB)
대시보드 시각화	고객용 분석 대시보드 UI	중 (프론트엔드)
경쟁사 벤치마킹	동일 쿼리에 대한 경쟁사 가시성 비교	중 (데이터 수집 확장)
알림 시스템	가시성 급변 시 실시간 알림	낮음–중

이 구성 요소 중 가장 어려운 것은 “가시성 점수 산출”이다. GEO의 측정 표준이 아직 확립되지 않았기 때문에, 각 SaaS가 자체적인 점수 산출 방법론을 개발해야 한다. Aggarwal et al.(2024)의 GEO-Bench가 학술적 기초를 제공하지만, 이를 상용 제품 수준의 점수 체계로 변환하는 것은 별도의 설계가 필요하다.

왜 SaaS인가

SaaS 모델의 구조적 장점은 세 가지다.

첫째, 한계비용(Marginal Cost)이 낮다. 인프라가 구축된 이후, 사용자 한 명이 추가될 때 드는 비용은 서버 비용 증분뿐이다. 컨설팅은 인력에 비례해 비용이 증가하고, 교육은 콘텐츠 제작 비용이 지속적으로 발생한다. SaaS는 고정비 구조다.

둘째, 데이터 네트워크 효과(Data Network Effect)가 작동한다. 사용자가 늘어날수록 추적하는 쿼리와 AI 응답 데이터가 쌓이고, 이 데이터가 분석의 정확도를 높인다. 정확도가 높아지면 더 많은 사용자가 유입되는 선순환이 만들어진다.

셋째, 측정 가능하다(Measurable). GEO Score라는 정량 지표를 중심으로 서비스가 구성된다. 에이전시나 교육은 “이 전략이 효과가 있었다”를 증명하기 어렵다. SaaS는 “이 숫자가 지난달 대비 12% 올랐다”를 대시보드에서 보여줄 수 있다. 측정 가능한 서비스는 고객의 갱신율(Retention Rate)이 높고, 가치 증명이 명확하다.

SaaS의 핵심 가치는 “반복 가능한 측정”이다. 고객이 매월 결제를 갱신하는 이유는 “숫자가 보이기 때문”이다. GEO에서 이 숫자를 제공할 수 있는 유일한 모델이 SaaS다.

2. GEO 에이전시/컨설팅

GEO 전략 수립과 실행을 대행하는 서비스 사업이다. SEO 에이전시가 수천 곳 존재하는 것처럼, GEO 에이전시도 시장이 성숙하면 대규모로 생겨날 수 있다. 다만 현재는 초기 단계다.

시장 구조

항목	내용
시장 규모 추정	글로벌 SEO 에이전시 시장 ~$80B (2025). GEO 전환 초기 1–3% = $800M–$2.4B (2028)
현재 경쟁	GEO 전문 에이전시 수십 곳. Genevate, Intero Digital 외. 기존 SEO 에이전시의 GEO 서비스 추가 급증
수익 모델	월 리테이너. SMB $500–$3K/mo / Mid-market $3K–$10K/mo / Enterprise $10K–$20K/mo
핵심 Moat	케이스 스터디 축적 (산업별 GEO 성과 데이터), 인적 네트워크
진입 장벽	낮음 (GEO 지식 + 영업 능력. 기술 인프라 불필요)
수익 도달 시점	1–3개월 (빠른 편. 첫 고객만 확보하면 즉시 매출 발생)
리스크	SEO 에이전시의 GEO 서비스 확장 속도가 빠름. 차별화 창 좁아짐

에이전시 서비스의 스펙트럼

GEO 에이전시라고 해서 모두 동일한 서비스를 제공하는 것은 아니다. 서비스의 깊이에 따라 세 가지 레벨로 구분할 수 있다.

레벨	서비스 내용	가격대 (월)	요구 역량
Level 1: 진단	AI 검색 가시성 현황 감사(Audit), 경쟁사 벤치마크 리포트	$500–$1.5K	GEO 도구 활용 능력
Level 2: 전략	가시성 감사 + GEO 전략 수립 + 콘텐츠 최적화 가이드	$1.5K–$5K	도메인 전문성 + 콘텐츠 전략
Level 3: 실행	전략 + 콘텐츠 제작/수정 + 지속 모니터링 + 성과 리포팅	$5K–$20K	풀서비스 팀 (전략 + 제작 + 분석)

대부분의 초기 GEO 에이전시는 Level 1에서 시작한다. Level 1은 GEO SaaS 도구의 출력을 해석해서 보고서로 정리하는 수준이므로 진입이 쉽다. 그러나 바로 이 점이 문제다. SaaS 도구가 더 직관적인 대시보드를 제공하면, Level 1 에이전시의 존재 이유가 사라진다. 지속적인 가치를 제공하려면 Level 2 이상으로 올라가야 하며, 이는 인력과 전문성 요구를 급격히 높인다.

구조적 약점

에이전시 모델은 진입은 쉽지만 방어가 어렵다. 이유는 세 가지다.

첫째, 인력 의존적이다. 매출은 컨설턴트 수에 비례한다. 고객이 10배 늘면 인력도 10배에 가까운 규모가 필요하다. 이윤율(Margin)은 일정 수준에서 정체된다.

둘째, 전환 비용(Switching Cost)이 낮다. 고객이 에이전시 A에서 B로 바꾸는 데 드는 비용이 크지 않다. SaaS는 데이터 마이그레이션과 학습 비용 때문에 전환이 어렵지만, 에이전시는 계약 종료 후 다른 곳으로 이동하기 쉽다.

셋째, 기존 SEO 에이전시의 진입 속도가 빠르다. 이미 고객 기반, 영업 채널, 브랜드 인지도를 가진 SEO 에이전시가 “GEO 서비스”를 메뉴에 추가하는 것은 수개월이면 충분하다. 독립 GEO 에이전시가 가진 시간적 우위는 빠르게 소실된다.

비교	SEO 에이전시의 GEO 확장	독립 GEO 에이전시
기존 고객 기반	있음 (업셀 가능)	없음 (신규 확보 필요)
브랜드 인지도	SEO 시장에서 확립됨	제로에서 시작
GEO 전문성	학습 중 (깊이 부족할 수 있음)	높음 (전문 특화)
가격 경쟁력	번들 할인 가능	프리미엄 정당화 필요
확장 속도	빠름 (기존 인프라 활용)	느림 (모든 것을 새로 구축)

에이전시는 “GEO 시장이 존재한다”를 증명하는 데는 유용하지만, 독립 사업으로서의 방어 가능성은 시간이 갈수록 낮아지는 구조다.

3. GEO 교육/자격 인증

GEO 실무 교육과 인증 프로그램을 제공하는 사업이다. SEO 영역에서 Google Analytics 자격증, HubSpot Academy, Moz Academy 등이 오랜 기간에 걸쳐 교육 시장을 형성한 것과 대비된다.

시장 구조

항목	내용
시장 규모 추정	글로벌 디지털 마케팅 교육 시장 ~$12B (2025). GEO 특화 교육은 아직 $0에 가까움
현재 경쟁	공식 GEO 인증 프로그램 = 0. 개별 블로그/유튜브 콘텐츠만 존재
수익 모델	온라인 강의 판매 ($49–$499), 인증 프로그램 ($199–$999), B2B 기업 교육 (건당 $2K–$10K)
핵심 Moat	선점 효과 (First Mover Advantage). 최초의 공인 GEO 인증이 표준이 될 가능성
진입 장벽	낮음 (콘텐츠 제작 능력 + 도메인 전문성)
수익 도달 시점	3–6개월 (콘텐츠 제작 → 플랫폼 등록 → 판매)
리스크	GEO 표준이 확립되지 않아 커리큘럼의 유효 수명이 짧음. 분기별 업데이트 필요

기회와 제약

GEO 교육 시장의 가장 큰 기회는 공백 그 자체다. 2026년 3월 기준, “GEO Certification”으로 검색했을 때 나오는 공인 프로그램은 없다. HubSpot이 SEO Certification을 만들기 전에 먼저 만드는 쪽이 시장을 정의할 수 있다.

그러나 제약도 명확하다.

제약	설명
표준 부재	GEO의 측정 방법론 자체가 아직 학술 단계. “정답”이 없는 상태에서 교육을 설계해야 함
콘텐츠 노후화	AI 엔진의 응답 알고리즘이 수시로 변경됨. 6개월 전 교육 콘텐츠가 이미 부정확할 수 있음
권위 확보 난이도	SEO 교육은 Google이라는 단일 표준이 있음. GEO는 복수 AI 엔진이 각각 다른 방식으로 작동하므로, 누구의 기준이 “정답”인지 불분명
시장 크기 불확실성	GEO를 배우려는 수요자가 충분한 규모로 존재하는지 검증되지 않음

교육 시장의 선점은 매력적이지만, “무엇을 가르쳐야 하는가”가 분기별로 바뀌는 영역에서 교육 사업을 운영하는 것은 콘텐츠 유지보수 비용이 높다.

SEO 교육 시장의 선례

참고할 만한 선례가 있다. SEO 교육 시장은 Google이라는 단일 플랫폼의 알고리즘 업데이트에 따라 커리큘럼이 변경되어 왔다. Penguin, Panda, BERT 등 주요 알고리즘 업데이트마다 교육 콘텐츠가 대량으로 갱신되었고, 이 갱신을 따라가지 못한 교육 프로그램은 도태되었다.

GEO 교육은 이보다 더 복잡한 상황에 놓여 있다. SEO는 Google이라는 하나의 기준이 있었지만, GEO는 ChatGPT, Gemini, Perplexity, Claude, AI Overviews가 각각 다른 응답 생성 로직을 사용한다. 엔진 하나의 업데이트만으로도 교육 콘텐츠 일부가 무효화될 수 있으며, 복수 엔진을 동시에 추적해야 하므로 유지보수 부담이 SEO 교육 대비 수배에 달할 수 있다.

그럼에도 불구하고, 교육 시장이 형성되면 그 파급 효과는 크다. GEO 교육을 받은 마케터가 늘어나면 GEO SaaS 도구에 대한 수요도 함께 늘어나기 때문이다. 교육 시장과 SaaS 시장은 상호 보완적이다. 교육이 수요를 만들고, SaaS가 수요를 충족한다.

4. AI 응답 데이터 인프라

SEO에서 Moz나 Ahrefs가 웹 크롤링 데이터를 인프라로 제공하는 것처럼, AI 엔진의 응답을 체계적으로 수집·정제·제공하는 데이터 인프라 사업이다. GEO 밸류체인의 최하단 레이어에 해당한다.

시장 구조

항목	내용
시장 규모 추정	SEO 데이터 인프라 시장 (Ahrefs, Moz, Majestic 등) ~$2B. GEO 데이터 인프라 잠재 시장 $500M–$1.5B (2028–2030)
현재 경쟁	Exa ($85M 누적). 그 외 확인 가능한 전용 인프라 기업 없음
수익 모델	API 과금 (호출 건수 또는 데이터 볼륨 기반). Enterprise 연간 라이선스
핵심 Moat	데이터 축적량, 크롤링 인프라 규모, API 안정성
진입 장벽	높음 (대규모 크롤링 인프라, 다중 AI 엔진 API 비용, 데이터 정제 파이프라인)
수익 도달 시점	12–24개월 (인프라 구축 → 데이터 축적 → API 공개 → 고객 확보)
리스크	초기 인프라 투자 $1M+ 필요. AI 엔진의 ToS 변경에 취약. 크롤링 차단 가능성

진입 장벽 분석

데이터 인프라는 6가지 기회 중 진입 장벽이 가장 높다. 필요한 구성 요소를 분해하면 다음과 같다.

구성 요소	요구 사항	비용 추정 (연간)
멀티 AI 엔진 API 호출	GPT, Gemini, Perplexity, Claude 등 복수 엔진 대규모 호출	$100K–$500K+
크롤링 인프라	분산 크롤러, 프록시 인프라, 스케줄링 시스템	$50K–$200K
데이터 정제 파이프라인	NLP 처리, 엔티티 추출, 인용 출처 매핑	$50K–$150K (인건비 포함)
스토리지 및 서빙	대용량 시계열 데이터 저장, 저지연 API 서빙	$30K–$100K
법률/컴플라이언스	AI 엔진 ToS 검토, 데이터 라이선스	$20K–$50K

합산하면 연간 $250K–$1M 수준의 운영 비용이 필요하며, 초기 구축에 최소 6–12개월이 소요된다. VC 펀딩 없이 부트스트래핑하는 팀이 진입하기는 현실적으로 어렵다. Exa가 $85M을 펀딩받은 이유가 여기에 있다.

데이터 인프라는 기술적으로 가장 매력적이고 방어력도 가장 높지만, “돈이 돈을 버는” 구조다. 초기 자본이 없으면 시작할 수 없다.

SEO 데이터 인프라의 성장 경로 참조

SEO 데이터 인프라 시장의 성장 경로는 GEO 데이터 인프라의 미래를 가늠하는 데 참고가 된다.

Moz는 2004년, Ahrefs는 2011년, SEMrush는 2008년에 각각 설립되었다. 세 기업 모두 웹 크롤링 데이터를 핵심 자산으로 쌓았고, 이 데이터 위에 분석 도구를 구축했다. 공통적으로 데이터 축적에 5–7년이 걸렸으며, 이 기간 동안 적자 또는 저수익 상태를 유지했다.

GEO 데이터 인프라도 유사한 경로를 따를 가능성이 높다. 다만 차이점이 있다. SEO 크롤링은 공개 웹을 대상으로 하므로 기술적·법적 장벽이 상대적으로 낮았다. GEO 데이터 수집은 AI 엔진의 API를 호출해야 하므로, 엔진 운영사의 정책 변경에 직접적으로 영향을 받는다. OpenAI가 API 가격을 인상하거나, Perplexity가 대량 호출을 제한하면, 데이터 수집 비용이 즉시 증가한다. 이 의존성 리스크는 SEO 인프라에는 없었던 새로운 변수다.

5. 버티컬 특화 GEO

특정 산업 도메인에 최적화된 GEO 솔루션이다. 범용 GEO 도구가 “모든 산업의 AI 가시성”을 다루는 반면, 버티컬 GEO는 특정 산업의 고유한 AI 응답 패턴을 깊이 파고든다.

시장 구조

항목	내용
시장 규모 추정	버티컬별 상이. 이커머스 GEO ~$200M, 의료 GEO ~$100M, 법률 GEO ~$50M (2028 추정)
현재 경쟁	이커머스: Bluefish ($24M). 의료·법률·금융·여행 = 전용 GEO 솔루션 부재
수익 모델	SaaS 또는 컨설팅. 산업별 프리미엄 가격 (범용 대비 1.5–3x)
핵심 Moat	산업별 AI 응답 패턴 데이터, 도메인 전문성, 규제 이해
진입 장벽	중 (GEO 기술 + 산업 도메인 전문성 동시 필요)
수익 도달 시점	6–12개월 (도메인 특화 MVP → 해당 산업 얼리 어답터 → 유료 전환)
리스크	TAM이 좁음. 범용 플랫폼이 버티컬 기능을 추가할 가능성

산업별 AI 응답 패턴 차이

버티컬 GEO가 유효한 근거는 산업마다 AI의 응답 생성 패턴이 구조적으로 다르다는 점에 있다. Bagga et al.(2025)의 E-GEO 프레임워크는 이커머스 영역에서 AI 응답의 특수성을 실증한 바 있는데, 이 원리는 다른 버티컬에도 적용된다.

산업	AI 응답 특성	주요 인용 출처	GEO 최적화 방향
이커머스	제품 비교, 가격, 리뷰 중심	리뷰 사이트, 비교 플랫폼, 공식 사이트	제품 스펙 구조화, 리뷰 데이터 최적화
의료	학술 근거 강조, 보수적 표현	PubMed, Mayo Clinic, WebMD	학술 인용 확보, 권위 있는 출처 연계
법률	판례 인용, 관할권 구분	법률 데이터베이스, 정부 사이트	판례 기반 콘텐츠, 관할권별 최적화
금융	규제 고지 포함, 과거 실적 면책	금융 뉴스, 규제 기관 사이트	컴플라이언스 충족 콘텐츠, 실적 데이터 구조화
여행	위치 정보, 시즌성, 실시간 가격	여행 리뷰, 예약 플랫폼	위치 엔티티 최적화, 시즌별 콘텐츠

범용 GEO 도구는 이 차이를 “하나의 대시보드”에서 처리하려 한다. 그러나 의료 분야에서 “AI가 학술 논문을 인용하는 패턴”과 이커머스에서 “AI가 리뷰를 인용하는 패턴”은 최적화 전략이 근본적으로 다르다. 이 차이가 버티컬 특화의 존재 이유다.

Bagga et al.(2025)의 E-GEO는 이커머스 영역에서 AI 응답의 제품 추천 패턴, 인용 구조, 가시성 측정법을 별도로 정의한 첫 번째 프레임워크다. 이 접근은 다른 버티컬에도 복제 가능하며, “산업별 GEO 프레임워크”가 향후 표준화될 가능성을 시사한다.

버티컬 특화의 전략적 딜레마

버티컬 특화에는 고유한 딜레마가 있다. 깊이 파고들수록 TAM이 줄어든다는 점이다. “의료 GEO”의 시장 규모는 “범용 GEO”보다 필연적으로 작다. 그러나 깊이에서 오는 프리미엄 가격과 높은 고객 리텐션이 작은 TAM을 보상할 수 있다.

실제로 Bluefish가 이커머스 GEO에 특화해서 $24M을 펀딩받은 사례는, VC들도 버티컬 전략의 유효성을 인정한다는 증거다. 이커머스는 AI 검색의 영향을 가장 직접적으로 받는 산업이므로 첫 번째 버티컬로 적합했다. 그러나 의료, 법률, 금융 등의 버티컬은 이커머스보다 규제가 복잡하고, AI 응답의 정확성에 대한 요구 수준이 높다. 이는 진입 장벽을 높이는 동시에, 진입에 성공한 경우 더 강한 Moat를 형성할 수 있다는 것을 의미한다.

범용 SaaS로 시작한 후 데이터를 보고 가장 수요가 높은 버티컬로 확장하는 전략과, 처음부터 하나의 버티컬에 올인하는 전략 중 어느 것이 유리한지는 아직 결론이 나지 않았다. 다만 소규모 팀이라면, 범용으로 시작해서 초기 고객 데이터를 바탕으로 자연스럽게 수요가 집중되는 버티컬을 식별하는 접근이 리스크가 낮다.

6. GEO + PR/커뮤니케이션 융합

AI 검색 엔진이 제3자 출처(뉴스, 리뷰, 위키, 포럼)를 신뢰 가능한 인용원으로 선호하는 경향을 활용해, PR·미디어 노출과 GEO를 결합하는 사업이다.

시장 구조

항목	내용
시장 규모 추정	글로벌 디지털 PR 시장 ~$20B. GEO 융합 세그먼트 $500M–$1B (2028 추정)
현재 경쟁	Genevate, Intero Digital 등 초기 플레이어. PR 에이전시의 GEO 인식은 아직 낮음
수익 모델	PR 에이전시 모델 (월 리테이너 $3K–$15K) + GEO 성과 측정 리포트
핵심 Moat	미디어 네트워크, PR-GEO 연계 데이터, 인용 인과 분석 능력
진입 장벽	중 (PR 네트워크 + GEO 기술 이해 동시 필요)
수익 도달 시점	3–6개월 (기존 PR 역량 보유 시) / 12개월+ (신규 진입 시)
리스크	PR → GEO 인용 인과 증명 어려움. “이 기사가 AI 응답의 이 인용으로 이어졌다”를 입증하기 어려움

인용 선호도 구조

Chen et al.(2025)의 연구에 따르면, AI 검색 엔진은 브랜드 자사 채널(공식 웹사이트, 기업 블로그)보다 제3자 미디어(뉴스, 리뷰, 포럼)를 출처로 선호하는 경향이 있다. 이는 PR과 GEO를 결합하는 논리적 근거가 된다.

출처 유형	AI 인용 선호도	SEO 효과	GEO 효과
자사 공식 웹사이트	중	높음 (직접 순위)	중 (인용되지만 선호되지 않음)
뉴스/미디어 기사	높음	중 (백링크)	높음 (신뢰 출처로 인용)
리뷰 플랫폼	높음	중	높음 (특히 이커머스)
학술 논문/보고서	높음	낮음	높음 (특히 의료/기술)
위키피디아	매우 높음	낮음 (nofollow)	매우 높음
소셜 미디어	낮음	낮음	낮음–중 (플랫폼에 따라 상이)

이 구조는 GEO 관점에서 PR의 가치를 재정의한다. SEO에서 PR의 가치는 주로 “백링크 획득”이었다. GEO에서 PR의 가치는 “AI가 신뢰하는 출처에 브랜드가 언급되는 것” 자체가 된다. 관점의 전환이 필요한 영역이다.

그러나 현재 시점에서 가장 큰 난제는 **인과 증명(Attribution)**이다. “이 미디어 노출이 AI 응답의 이 인용으로 이어졌다”는 인과를 정량적으로 증명하는 방법론이 아직 확립되지 않았다. 상관관계는 보여줄 수 있지만, 인과관계는 증명하기 어렵다. 이 한계가 해소되지 않으면, GEO + PR 사업은 “느낌적으로는 효과가 있는 것 같다”를 벗어나기 어렵다.

GEO + PR의 현실적 실행 구조

인과 증명의 어려움에도 불구하고, GEO + PR 사업이 실행되는 방식은 다음과 같다. 먼저 특정 브랜드에 대해 AI 검색 엔진이 인용하는 출처를 모니터링한다. 인용되는 출처가 부족하거나 부정적인 경우, 해당 브랜드에 대한 긍정적 언급이 포함된 미디어 기사, 전문가 리뷰, 산업 보고서를 생산하거나 노출시킨다. 일정 기간 후 AI 응답에서의 인용 변화를 측정한다.

이 과정에서 “미디어 기사 게재 후 AI 인용이 증가했다”는 시간적 선후 관계는 보여줄 수 있다. 그러나 “미디어 기사 때문에 AI 인용이 증가했다”는 인과는 증명하기 어렵다. 같은 시점에 다른 요인(경쟁사의 부정적 뉴스, AI 엔진의 알고리즘 변경 등)이 작용했을 수 있기 때문이다. 이 attribution 문제는 사실 전통적인 PR 산업에서도 완전히 해결되지 않은 문제이며, GEO에서는 더 복잡해진다.

GEO + PR은 장기적으로 성장 잠재력이 있는 영역이지만, 2026년 현재 시점에서 독립 사업으로 추진하기에는 측정 인프라가 부족하다. GEO SaaS 도구가 충분히 발전하여 PR 활동과 AI 인용 변화 간의 상관관계를 자동으로 추적할 수 있게 되면, 이 영역의 사업 모델이 더 선명해질 것이다.

6가지 기회 종합 비교

정량 비교

기회	시장 규모 추정 (2028)	진입 장벽	확장성	방어 가능성	수익 도달 시점	측정 용이성
SaaS 플랫폼	$350M–$1.05B	중	높음	데이터 Moat	6–12개월	높음
에이전시/컨설팅	$800M–$2.4B	낮음	낮음	케이스 스터디	1–3개월	중
교육/인증	추정 어려움	낮음	중	선점 효과	3–6개월	낮음
데이터 인프라	$500M–$1.5B	높음	높음	인프라 규모	12–24개월	높음
버티컬 특화	$50M–$200M (per vertical)	중	중	도메인 전문성	6–12개월	중
GEO + PR	$500M–$1B	중	중	미디어 네트워크	3–12개월	낮음

팀 유형별 적합도

모든 기회가 모든 팀에 적합한 것은 아니다. 팀의 규모, 자본, 기술력, 도메인 전문성에 따라 적합한 기회가 다르다.

팀 유형	최적 기회	차선 기회	비적합
부트스트랩 1–3인 기술팀	SaaS (니치 시장)	버티컬 특화	데이터 인프라
VC 펀딩 기술 스타트업	데이터 인프라, SaaS (범용)	버티컬 특화	에이전시
SEO 에이전시 전환	에이전시 (GEO 추가)	GEO + PR	SaaS (기술 부족 시)
마케팅/PR 전문가	GEO + PR	에이전시	데이터 인프라
교육/콘텐츠 전문가	교육/인증	에이전시	데이터 인프라
산업 도메인 전문가	버티컬 특화	에이전시	데이터 인프라

WICHI의 선택: SaaS + 아시아 시장

WICHI는 6가지 기회 중 1번, SaaS 플랫폼을 선택했다. 타겟 시장은 한국을 시작으로 한 아시아 시장이다. 이 섹션에서는 “왜 SaaS인가”와 “왜 아시아인가”를 분리해서 기록한다.

의사결정 구조

flowchart TD
    A["6가지 GEO 사업 기회"] --> B{"팀 구성: 소규모<br/>자본: 부트스트랩"}

    B --> C{"진입 장벽 필터<br/>높음 = 제외"}
    C -->|제외| D["데이터 인프라<br/>❌ 초기 자본 $1M+"]

    C -->|통과| E{"확장성 필터<br/>낮음 = 보조로"}
    E -->|보조| F["에이전시<br/>↳ 보조 채널"]
    E -->|보조| G["교육/인증<br/>↳ 보조 채널"]

    E -->|통과| H{"측정 가능성 필터"}
    H -->|낮음| I["GEO + PR<br/>❌ 인과 증명 어려움"]

    H -->|통과| J{"시장 차별화 필터"}
    J --> K["SaaS 플랫폼<br/>✅ 로컬 시장 공백"]
    J --> L["버티컬 특화<br/>△ TAM 제한"]

    K --> M["최종 선택:<br/>SaaS + 아시아 시장"]

    style M fill:#2563eb,color:#fff,stroke-width:2px
    style D fill:#fee2e2,stroke:#ef4444
    style I fill:#fee2e2,stroke:#ef4444
    style F fill:#fef3c7,stroke:#f59e0b
    style G fill:#fef3c7,stroke:#f59e0b
    style L fill:#fef3c7,stroke:#f59e0b

왜 SaaS인가: 세 가지 기준

의사결정에 적용한 기준은 세 가지다. 측정 가능성(Measurability), 확장성(Scalability), 방어 가능성(Defensibility).

기준 1: 측정 가능성

SaaS는 GEO Score라는 정량 지표를 중심으로 서비스가 구성된다. 고객에게 “이 숫자가 지난달 대비 올랐다/내렸다”를 대시보드에서 보여줄 수 있다.

에이전시는 “우리가 이 전략을 실행한 결과 이 정도 효과가 있었다”를 보고서로 증명해야 한다. 교육은 “이 과정을 수료하면 GEO 역량이 올라간다”를 증명하기가 더 어렵다. GEO + PR은 “이 PR 활동이 AI 인용으로 이어졌다”는 인과 자체를 증명하기 어렵다.

모델	측정 가능한 것	증명하기 어려운 것
SaaS	GEO Score 변화, 인용 빈도, SOV	Score → 매출 인과
에이전시	실행한 작업량	작업 → 성과 인과
교육	수료 인원, 만족도	교육 → 실무 역량 향상
GEO + PR	미디어 노출량	PR → AI 인용 인과

측정 가능한 서비스는 두 가지 구조적 장점이 있다. 첫째, 고객의 갱신율이 높다. “숫자가 보이는” 서비스를 해지하는 것은 “숫자가 안 보이는” 서비스를 해지하는 것보다 심리적 비용이 크다. 둘째, 업셀이 쉽다. “더 많은 키워드를 추적하고 싶으면 상위 플랜으로”라는 자연스러운 업셀 경로가 존재한다.

기준 2: 확장성

모델	고객 10x 시 필요 자원	한계비용 구조
SaaS	서버 비용 증분	낮음 (인프라 확장만)
에이전시	인력 ~10x	높음 (인력 비례)
교육	콘텐츠 업데이트 + 플랫폼 유지	중간 (규모의 경제 일부 존재)
데이터 인프라	인프라 규모 확대	낮음–중간

SaaS는 인프라가 구축된 이후, 사용자 한 명이 추가될 때 드는 비용이 서버 비용 증분뿐이다. 100번째 고객과 1,000번째 고객에게 제공하는 서비스가 동일하다. 에이전시는 인력에 비례해 비용이 증가하며, 100번째 고객을 담당할 컨설턴트를 별도로 고용해야 한다.

부트스트래핑 팀에게 확장성은 “언젠가 매출이 인력 수를 초과할 수 있는가”의 문제다. 에이전시 모델에서는 이윤율이 일정 수준에서 정체된다. SaaS 모델에서는 고정비를 넘어서는 시점부터 이윤율이 급격히 개선된다.

기준 3: 방어 가능성

SaaS의 방어 가능성은 데이터 축적에서 나온다. 사용자가 플랫폼을 사용할수록 쿼리별 AI 응답 데이터, 시계열 가시성 변화, 경쟁사 벤치마크 데이터가 축적된다. 이 데이터는 시간이 지날수록 가치가 높아지는 자산이며, 후발 주자가 동일한 양의 데이터를 축적하려면 동일한 시간이 필요하다.

특히 로컬 AI 엔진(Naver AI, Clova X 등)의 응답 데이터는 글로벌 플랫폼이 체계적으로 수집하지 않고 있는 영역이다. 이 데이터를 먼저 축적하면, 글로벌 플랫폼이 한국 시장에 진입하더라도 데이터 격차를 빠르게 따라잡기 어렵다.

flowchart LR
    A["사용자 증가"] --> B["쿼리/응답 데이터 축적"]
    B --> C["분석 정확도 향상"]
    C --> D["사용자 만족도 증가"]
    D --> E["리텐션 + 신규 유입"]
    E --> A

    B --> F["시계열 데이터 깊이"]
    F --> G["후발 주자와의 데이터 격차"]
    G --> H["방어 Moat 강화"]

    style A fill:#dbeafe,stroke:#2563eb
    style H fill:#dcfce7,stroke:#16a34a

왜 아시아인가: 시장 공백 분석

SaaS를 선택한 후의 다음 질문은 “어느 시장을 타겟으로 할 것인가”다. WICHI는 한국을 시작점으로, 일본과 동남아 시장으로의 확장을 계획하고 있다.

글로벌 GEO SaaS의 지역별 경쟁 밀도

지역	확인된 GEO SaaS 수	주요 플레이어	경쟁 밀도
미국	8+	Profound, Exa, Bluefish, Scrunch, Gumshoe	매우 높음
유럽	3+	Peec AI (독일), Otterly 외	높음
한국	0 (전용 플랫폼 기준)	-	공백
일본	0	-	공백
중국	비공개 (확인 어려움)	-	불명
동남아	0	-	공백

미국과 유럽 시장은 이미 $170M 이상의 VC 자금이 투입된 상태다. 이 시장에 부트스트래핑 팀이 진입해 Profound나 Peec AI와 직접 경쟁하는 것은 비현실적이다. 자본 규모, 인력, 브랜드 인지도에서 모두 열위에 있기 때문이다.

반면 아시아 시장, 특히 한국과 일본은 세 가지 구조적 차이가 있다.

차이 1: 로컬 AI 검색 엔진의 존재

미국에서 AI 검색은 ChatGPT, Perplexity, Google AI Overviews가 지배한다. 한국에서는 이들에 더해 Naver AI 검색, Clova X 등 자국 AI 엔진이 독자적인 위치를 차지한다. 일본도 유사한 구조다.

이 로컬 엔진들은 영어와 다른 응답 생성 패턴을 보인다. 한국어 쿼리에 대한 Naver AI의 응답과 동일 쿼리에 대한 ChatGPT의 영어 응답은 인용 출처 구성, 응답 구조, 엔티티 인식 방식이 다르다. 글로벌 GEO 플랫폼은 이 차이를 추적하도록 설계되지 않았다.

비교 항목	글로벌 AI 엔진 (GPT, Gemini)	한국 로컬 AI 엔진 (Naver AI, Clova X)
주요 인용 출처	영어 웹, Wikipedia, Reddit	네이버 블로그, 지식iN, 한국어 뉴스
응답 언어	영어 (한국어 질의 시에도 영어 소스 혼합)	한국어 소스 우선
엔티티 인식	영어 기반 엔티티 우선	한국어 엔티티 (예: 브랜드명 한글 표기)
인용 구조	인라인 인용 + 하단 출처 목록	엔진별 상이 (표준화 안 됨)
데이터 접근성	API 공개 (유료)	제한적 또는 비공개

차이 2: 언어 장벽이 진입 장벽이 된다

글로벌 GEO 플랫폼이 한국·일본 시장에 진입하려면 세 가지를 해결해야 한다.

1. 한국어/일본어 AI 응답의 NLP 처리: 형태소 분석, 엔티티 추출, 감성 분석이 영어와 다른 언어 모델을 요구한다
2. 로컬 AI 엔진 API 연동: Naver AI, Clova X 등의 API 접근은 글로벌 서비스와 다른 인증·과금 체계를 따른다
3. 현지 시장 이해: 한국에서 “GEO가 필요하다”고 느끼는 기업이 어떤 산업에 있고, 어떤 가격대에 구매하는지에 대한 시장 지식

이 세 가지를 동시에 해결하는 것은 글로벌 플랫폼에게 우선순위가 높지 않다. 영어권 시장만으로도 충분한 TAM이 존재하기 때문이다. Profound가 한국어 지원을 로드맵에 올리는 것과, 실제로 한국 시장에 최적화된 제품을 출시하는 것 사이에는 12–24개월의 시간 차가 존재할 수 있다. 이 시간 차가 로컬 플레이어의 기회다.

이 패턴은 SaaS 역사에서 반복적으로 관찰된다. Salesforce가 미국 시장에서 CRM을 장악한 후에도, 일본에서는 Sansan이 명함 관리 기반 CRM으로 독자적인 시장을 형성했다. SEMrush가 글로벌 SEO 도구 시장을 지배하는 상황에서도, 한국에서는 에이스카운터, 네이버 서치어드바이저 등 로컬 도구가 고유한 역할을 하고 있다. 글로벌 SaaS의 현지화(Localization)는 단순 번역이 아닌, 현지 플랫폼 생태계, 사용자 행동 패턴, 규제 환경에 대한 깊은 이해를 요구하며, 이는 현지 팀이 구조적으로 유리한 영역이다.

차이 3: 미국/유럽 대비 낮은 경쟁 밀도

지표	미국 GEO SaaS 시장	한국 GEO SaaS 시장
전용 플레이어 수	8+	0
VC 투입 자본	$170M+	$0
에이전시의 GEO 서비스	수십 곳 이상	수 곳 미만
GEO 관련 콘텐츠 (블로그/미디어)	풍부	극소
고객의 GEO 인식 수준	초기 얼리 어답터	인식 초기 단계

한국 시장의 경쟁 밀도가 낮다는 것은 양면적이다. 장점은 시장을 선점할 수 있다는 것이고, 단점은 시장 자체의 수요가 아직 형성 중이라는 것이다. “경쟁자가 없다”는 것이 “시장이 없다”는 의미일 수도 있다. 이 리스크를 인지한 상태에서의 선택이다.

다만 한국 시장에서 GEO 수요가 발현될 구조적 조건은 갖춰지고 있다. 첫째, 네이버가 AI 검색을 본격적으로 도입하면서, 기존 네이버 SEO에 투자하던 한국 기업들이 “AI 검색에서의 가시성”에 관심을 갖기 시작했다. 둘째, 글로벌 AI 검색(ChatGPT, Perplexity)을 활용하는 한국 사용자가 빠르게 증가하면서, 한국어 콘텐츠가 글로벌 AI 검색에서 어떻게 다뤄지는지에 대한 기업의 관심이 높아지고 있다. 셋째, SEO 에이전시들이 GEO를 서비스 메뉴에 추가하기 시작했으나, 측정 도구가 없어 실질적인 서비스를 제공하기 어려운 상태다. 이 “도구 공백”이 SaaS 수요의 직접적인 동인이 될 수 있다.

“경쟁자가 없는 시장”은 두 가지 의미를 가진다. 아무도 발견하지 못한 기회이거나, 아무도 원하지 않는 시장이다. 구분하는 유일한 방법은 직접 들어가서 확인하는 것이다.

선택하지 않은 것들

무엇을 선택했는지만큼, 무엇을 선택하지 않았고 왜인지를 기록하는 것이 중요하다.

기회	선택하지 않은 이유	향후 가능성
에이전시/컨설팅	인력 비례 확장 구조. 방어 어려움	SaaS의 보조 채널로 활용 가능
교육/인증	표준 부재로 콘텐츠 유효 수명 짧음	SaaS 데이터 기반 교육 콘텐츠 파생 가능
데이터 인프라	초기 자본 $1M+ 필요. 부트스트래핑 불가	장기적으로 SaaS 데이터가 인프라로 전환 가능
버티컬 특화	TAM 제한. 범용 플랫폼으로 시작 후 버티컬 기능 추가가 더 합리적	특정 산업 고객이 집중될 경우 버티컬 피벗 가능
GEO + PR	인과 증명 어려움. 기술팀에게 PR 네트워크는 비교우위가 아님	파트너십으로 연계 가능

에이전시와 교육은 “하지 않는 것”이 아니라 “메인이 아닌 것”이다. SaaS를 운영하면서 축적되는 데이터와 인사이트가 컨설팅과 교육 콘텐츠의 원재료가 된다. 그러나 비즈니스의 초점은 플랫폼에 둔다. 에이전시와 교육이 매출에 기여하더라도, 플랫폼의 MRR(Monthly Recurring Revenue)이 핵심 지표다.

flowchart TD
    A["SaaS 플랫폼<br/>(핵심 비즈니스)"] --> B["AI 응답 데이터 축적"]
    B --> C["분석 인사이트 생성"]

    C --> D["컨설팅 서비스<br/>(보조 채널 1)"]
    C --> E["교육 콘텐츠<br/>(보조 채널 2)"]
    C --> F["산업 리포트<br/>(보조 채널 3)"]

    D --> G["케이스 스터디 → SaaS 마케팅 자산"]
    E --> H["교육생 → SaaS 잠재 고객"]
    F --> I["리포트 다운로드 → 리드 생성"]

    G --> A
    H --> A
    I --> A

    style A fill:#2563eb,color:#fff,stroke-width:2px
    style D fill:#fef3c7,stroke:#f59e0b
    style E fill:#fef3c7,stroke:#f59e0b
    style F fill:#fef3c7,stroke:#f59e0b

리스크와 전제 조건

이 선택이 유효하려면 몇 가지 전제가 충족되어야 한다. 전제가 틀릴 경우의 대응도 함께 기록한다.

전제	충족되지 않을 경우	대응
한국 기업의 GEO 수요가 2026–2027년에 발현된다	시장이 SEO에 머무르고 GEO로 전환하지 않음	영어권 SMB 시장으로 피벗. 로컬 특화는 유지하되 타겟 고객군 변경
글로벌 플랫폼의 한국어 지원이 12개월 이상 지연된다	Profound나 Peec가 빠르게 한국어를 추가함	로컬 AI 엔진(Naver AI, Clova X) 커버리지를 차별화 포인트로 강화
AI 엔진의 응답 구조가 현재와 유사한 형태를 유지한다	AI 엔진이 인용 없는 응답으로 전환하거나, 구조가 근본적으로 변경됨	피벗 필요. 이 경우 GEO 시장 전체가 재정의됨
부트스트래핑으로 PMF(Product-Market Fit) 도달이 가능하다	자본 부족으로 제품 개발이 지연됨	엔젤/시드 펀딩 탐색 또는 에이전시 매출로 자금 보충

가장 큰 리스크는 세 번째, AI 엔진의 응답 구조 자체가 바뀌는 경우다. 이 리스크는 WICHI만의 리스크가 아니라 GEO 시장 전체의 리스크이며, $174.5M을 투자받은 기업들도 동일하게 노출되어 있다. 통제 불가능한 리스크이므로 헷지가 아닌 모니터링으로 대응한다.

리스크를 유형별로 분류하면 다음과 같다.

리스크 유형	통제 가능성	대응 방식	모니터링 빈도
시장 리스크 (수요 미발현)	부분 통제 (교육·콘텐츠로 수요 환기 가능)	얼리 어답터 확보 후 확산	월간
경쟁 리스크 (글로벌 플랫폼 진입)	통제 불가	로컬 데이터 Moat 강화	분기별
기술 리스크 (AI 엔진 구조 변경)	통제 불가	모니터링 + 빠른 피벗	주간
자본 리스크 (개발 지연)	부분 통제	에이전시 매출 보충 또는 펀딩	월간
규제 리스크 (데이터 수집 제한)	통제 불가	합법적 범위 내 운영 + 법률 검토	분기별

이 중 기술 리스크의 구체적 시나리오를 좀 더 살펴볼 필요가 있다. AI 엔진의 응답 구조가 바뀌는 방향은 몇 가지로 예상할 수 있다. 첫째, AI 엔진이 인용 출처를 아예 제거하는 시나리오. 이 경우 GEO의 핵심 측정 대상이 사라지므로, GEO 시장 전체가 재정의된다. 그러나 현재의 추세는 반대다. 법적·윤리적 압력으로 AI 엔진들은 오히려 출처 인용을 강화하는 방향으로 움직이고 있다. 둘째, AI 엔진이 독자적인 “브랜드 프로필” 시스템을 도입하는 시나리오. 이 경우 GEO는 “AI 엔진의 브랜드 프로필을 최적화하는 것”으로 전환되며, SaaS 도구의 역할도 달라진다. 셋째, AI 검색이 특정 엔진에 집중되는 시나리오. 현재는 복수 엔진이 경쟁하고 있지만, 하나의 엔진이 시장을 지배하면 GEO의 복잡성이 줄어드는 대신 해당 엔진에 대한 의존도가 높아진다.

어떤 시나리오가 현실화되든, GEO SaaS의 핵심 가치인 “AI 검색에서의 브랜드 가시성을 측정하고 관리하는 것”에 대한 수요는 유지될 가능성이 높다. 구현 방식이 바뀔 수 있지만, 문제 자체가 사라지지는 않는다.

정리

GEO 시장은 2026년 현재, SEO 산업의 2005–2008년에 해당하는 초기 단계에 있다. 6가지 사업 기회가 식별되며, 각각 고유한 시장 구조, 진입 장벽, 수익 모델을 가진다. 어느 것이 정답인지는 아직 아무도 모른다.

WICHI는 세 가지 기준—측정 가능성, 확장성, 데이터 방어력—을 적용해 SaaS 플랫폼 + 아시아 시장을 선택했다. 이 선택은 “부트스트래핑 소규모 팀이 글로벌 VC 펀딩 기업과 직접 경쟁하지 않으면서, 로컬 데이터를 Moat로 활용할 수 있는 포지션”이라는 구조적 판단에 기반한다.

에이전시와 교육은 보조 채널로 활용하되, 핵심 초점은 플랫폼의 MRR에 둔다. 데이터 인프라는 장기적으로 SaaS 데이터가 인프라 가치를 가질 수 있으나, 초기 단계에서는 현실적이지 않다.

이 선택이 맞는지는 시장이 답해줄 것이다. 이 글은 “왜 이 방향을 택했는가”에 대한 기록이며, 전제가 틀릴 경우의 대응 경로도 함께 기록해 두었다. 전략은 한 번 세우고 끝나는 것이 아니라, 전제의 유효성을 주기적으로 검증하면서 수정해 나가는 것이다.

마지막으로, 이 분석에서 의도적으로 다루지 않은 것들을 명시한다. WICHI의 구체적인 기술 스택, 비용 구조, 가격 정책, 내부 메트릭은 이 글의 범위가 아니다. 이 글은 “시장에서 어떤 기회가 있고, 왜 이 방향을 택했는가”에 대한 전략적 프레임워크만을 다룬다. 실행 세부사항은 별도의 빌드로그에서 다룰 예정이다.

---