생성형 검색 인용 노리는 GEO 웹페이지의 확산
생성형 엔진 최적화(Generative Engine Optimization, 이하 GEO)는 웹 콘텐츠를 수정해 AI 기반 생성형 검색 엔진이 해당 문서를 선택하거나 인용할 가능성을 높이는 전략입니다. 전통적인 검색 엔진이 여러 웹사이트 링크를 나열해 비교하게 하는 것과 달리, 생성형 검색은 정보를 종합해 직접 답변을 제공합니다. 이에 따라 출처의 신뢰도나 출처 확인이 상대적으로 어려워질 수 있으며, 검색 최적화가 과도하게 적용된 웹페이지가 실제 권위나 관련성보다 과도한 노출을 얻거나 부실한 정보를 잘 뒷받침된 것처럼 포장할 수 있다는 지적이 나옵니다.
2026년 8월 17일 학술 논문 사전 공개 사이트인 아카이브(arXiv)에 게재된 논문 'GEO-Flag: Detecting and Measuring GEO-Optimized Web Content'(저자 Junjie Chu 외 5명)는 이러한 GEO 웹페이지를 체계적으로 탐지하고 실태를 측정한 연구 결과를 다뤘습니다.
기존 탐지 한계 극복 위한 'IPT' 기법과 벤치마크 공개
연구진은 기존의 GEO 탐지 방식이 체계적으로 검증되지 않았다는 점에 착안해 전용 벤치마크인 'GEOFlagBench'를 구축했습니다. 이 벤치마크는 400개 질의와 4개 도메인, 8개 GEO 최적화 기법 제품군을 아우르는 3,200개 웹페이지로 구성되었습니다.
벤치마크 평가 결과, 기존 방식 중 가장 우수한 베이스라인 모델도 종합 F1 점수 0.880을 기록했으나 세부 평가와 작성자 조건별 평가에서 작성자 관련 지름길(shortcut)에 의존하는 등 취약점을 드러냈습니다. 이에 연구진은 GEO 개입과 단순 AI 윤문(non-GEO AI polishing)에 대한 탐지기 반응을 지도 학습하는 '개입 쌍 훈련(Intervention-Paired Training, IPT)' 방식을 제안했습니다.
- 성능 개선 수치: IPT를 'ModernBERT' 모델에 적용한 결과, F1 점수는 기존 0.862에서 0.944로 향상되었습니다.
- 최악 조건 정확도: 가장 성능이 낮게 나오는 그룹의 정확도(worst-group accuracy) 역시 0.725에서 0.883으로 개선되었습니다.
연구진은 이와 함께 탐지된 GEO 웹페이지 내 인용 URL의 출처 계층과 검증 가능성을 감사하는 'GEO-gated Agent' 시스템을 설계했습니다.
실제 검색 엔진 대상 실측… 최신 웹페이지일수록 GEO 비율 높아
연구진은 전체 탐지 파이프라인을 구글 검색 및 제미나이(Gemini) 기반 검색 결과를 바탕으로 한 실제 사용자 질의 1,000건에 적용해 실측을 진행했습니다.
분석 가능한 10,095개 웹페이지를 대상으로 측정한 결과, 전체 웹페이지 중 GEO 최적화가 적용된 비율은 8.90%로 추정되었습니다. 특히 시기별로는 2026년에 수정된 웹페이지 중 GEO 최적화 비율이 16.36%에 달하는 것으로 나타났습니다.
연구진은 이번 연구를 통해 실제 검색 생태계에서 GEO 최적화 콘텐츠를 체계적으로 탐지하고 감사하며 그 확산 정도를 측정할 수 있는 기반을 마련했다고 밝혔습니다.