SEO Audit

SEO + AEO + GEO Audit — 웹 프로젝트 검색 종합 감사

웹 프로젝트 코드베이스를 정적 분석해 검색 최적화 상태를 10개 영역에서 점검합니다. 라이브 URL 크롤러가 아니라, 배포 전 소스에서 문제를 잡는 것이 목적입니다.

Next.js, Nuxt, Astro, Remix, SvelteKit, 정적 HTML 등 모든 웹 프레임워크에 대응합니다.

두 개의 점수

검색 SEO 점수와 AI 가시성 점수를 따로 냅니다. 평균내지 않습니다. 순위는 좋은데 AI가 인용하지 못하는 사이트가 실제로 존재하며, 하나로 뭉개면 그 사실이 사라집니다.

AEO/GEO는 별개 분야가 아니라 AI 검색 표면에 적용된 SEO 기본기입니다. 소견도 그렇게 서술하세요. 상세 근거는 scoring-model.md.

적용 시점

• /seo-audit 명시적 실행
• 웹 프로젝트 배포 전 점검
• "SEO 점검해줘", "검색 최적화 확인", "AI 검색 최적화", "AEO/GEO 점검" 요청 시

Step 1: 프로젝트 정찰

기술 스택과 사이트 유형을 파악합니다. 유형 판정이 뒤에서 na 처리의 근거가 됩니다.

필수 확인:

- package.json → 프레임워크 종류, SEO 관련 패키지
- 프레임워크 설정 파일 (next.config.*, nuxt.config.*, astro.config.* 등)
- 라우팅 디렉토리 구조 (src/app/, src/pages/, src/routes/ 등)
- public/ 또는 static/ 디렉토리 내 정적 파일
- middleware 파일 존재 여부

프레임워크 자동 감지:

사이트 유형 판정 (na 처리의 근거):

판정 근거를 리포트에 한 줄로 남기세요. na 규칙 상세 → scoring-model.md

Step 2: 10개 영역 감사

각 영역을 점검하고 findings 배열을 만듭니다. 등급(P0~P3)과 축(search/ai)을 함께 붙입니다.

영역별 상세 체크리스트 및 탐색 방법 → references/10-areas-checklist.md

구현 코드 예시 → references/seo-patterns.md

등급 판정 기준 → references/severity-guide.md

판정 원칙 (반드시 지킬 것)

• evidence 없이 fail을 쓰지 마세요. file:line 근거를 못 찾았으면 fail이 아니라 unknown입니다.
• 정적 분석으로 확인 불가한 항목(런타임 헤더, 실제 렌더 결과)은 unknown으로 두고 리포트에 이유를 적습니다.
• 해당 없는 항목은 na. 억지로 fail을 만들지 마세요.

Step 3: 계측 스크립트 실행

판단하기 전에 세십시오. 스크립트는 결정론적 수치만 내고, 해석은 리포트가 합니다.

3-1. 팩트 밀도 계측 (영역 9~10 근거)

한국어·영어 콘텐츠를 함께 처리합니다.

python scripts/fact_density.py <콘텐츠 경로> --json
python scripts/fact_density.py ./src/content --json

출력 항목과 대응 점검:

스크립트는 세기만 합니다. "이 주장이 출처를 필요로 하는가"는 리포트의 판단입니다. 카운트를 채우려고 통계나 출처를 지어내지 마세요.

3-2. Lighthouse (영역 7 성능)

npx lighthouse --version 2>/dev/null || echo "미설치 — npm install -g lighthouse"
curl -s -o /dev/null -w "%{http_code}" http://localhost:3000 || echo "서버 미실행"

npx lighthouse http://localhost:3000 \
  --output=json --output-path=./lighthouse-report.json \
  --chrome-flags="--headless --no-sandbox" \
  --only-categories=performance,accessibility,best-practices,seo

Core Web Vitals 기준: LCP < 2.5s, CLS < 0.1, INP < 200ms, FCP < 1.8s, TTFB < 800ms

실행 불가 시: dev server 미실행이면 사용자에게 안내, Chrome 미설치면 영역 7 항목을 unknown으로 두고 사유를 명시합니다. 점수를 추측으로 채우지 마세요.

Step 4: 두 축 점수 계산

findings를 JSON으로 만들어 스코어러에 넘깁니다.

python scripts/score.py findings.json
python scripts/score.py findings.json --json

스코어러가 자동 처리하는 것:

• na/unknown 항목을 분자·분모에서 제외하고 재정규화
• 축별 P0 fail 발생 시 40점 상한 + capped: true
• 두 축 조합 해석 문장

점수 모델 상세 → references/scoring-model.md

Step 5: 감사 리포트 생성

# SEO 감사 리포트

프로젝트: {프로젝트명}  |  프레임워크: {감지}  |  유형: {사이트 유형}  |  점검일: {날짜}

검색 SEO 점수:   {N}/100 [{밴드}]{ 상한 표시}
AI 가시성 점수:  {N}/100 [{밴드}]{ 상한 표시}
해석: {두 축 조합 해석}
제외 항목: 해당 없음 {n}건 / 판정 불가 {n}건

이슈: P0 {n}건 / P1 {n}건 / P2 {n}건 / P3 {n}건

Lighthouse: Performance {N} · Accessibility {N} · Best Practices {N} · SEO {N}

• P0 (즉시 수정): 현재 상태 → 영향 → 수정 코드 (file:line 근거 필수)
• P1 (빠른 수정): 현재 상태 → 영향 → 수정 방법
• P2 / P3: 항목 설명
• 판정 불가 항목: 무엇을 왜 확인 못 했는지 명시
• 통과 항목: 체크리스트
• 권장 액션 플랜: 상한이 걸린 축의 P0부터

전체 리포트 형식 → references/severity-guide.md

다음 단계 안내

SEO + AEO + GEO 감사 완료

  검색 SEO 점수:  {N}/100 [{밴드}]
  AI 가시성 점수: {N}/100 [{밴드}]
  {해석 한 줄}

다음 단계 (선택):
  /code-reviewer 보안 감사 → 보안 점검
  /minos               → Playwright 자동 테스트
  /commit              → 변경사항 커밋

Related Files