llms.txt 도입을 통한 AI 인덱싱 최적화 및 리드 25% 증가

Context

기존 웹사이트 최적화가 검색 엔진 크롤러 위주로 설계되어 LLM의 정보 추출 효율이 저하되는 한계 발생. AI 시스템이 웹 정보를 처리할 때 발생하는 데이터 파편화와 부정확한 정보 생성 문제 해결 필요.

Technical Solution

• LLM 전용 진입점 확보를 위해 Root 경로에 Markdown 기반의 llms.txt 명세 도입
• 정보 밀도 조절을 위해 요약본(llms.txt)과 상세본(llms-full.txt)으로 계층화한 Knowledge File Ecosystem 설계
• 기계 판독성 극대화를 위한 ai-knowledge.json 기반의 Structured Data 제공 및 Entity 관계 정의
• AI Crawler 접근 보장을 위해 robots.txt의 User-agent별 Allow 설정 및 MIME type(text/plain) 최적화
• 데이터 무결성 확보를 위한 Schema.org 마크업과 외부 프로필 간의 Cross-reference 일치화
• 컨텍스트 윈도우 제한 대응을 위해 중요도 낮은 리소스를 ## Optional 섹션으로 분리하여 토큰 효율 최적화

Impact

• AIO 적용 후 30일 이내 Google Gemini 내 지역 최우수 에이전시로 인덱싱
• 특정 고객사 대상 AI 기반 리드 유입 25% 증가 및 매출 15% 상승 달성