챗GPT 인용 여부, 산업보다 '질문 유형'이 결정

생성형 AI 검색 최적화(GEO)를 추진하는 브랜드가 인용을 확보하기 위해 주목해야 할 핵심 변수가 산업군이 아닌 질문의 '유형(Intent)'이라는 조사 결과가 나왔습니다. 리서치 기관 헨드릭스(Hendricks)가 2026년 9월 발표한 '디 앤서 인덱스(The Answer Index)' 실험 결과에 따르면, 챗GPT(ChatGPT)가 웹 출처를 인용하는 빈도는 질문이 속한 산업군보다 사용자가 묻는 질문의 구조적 특성에 훨씬 강하게 연동되는 것으로 나타났습니다.

헨드릭스는 8개 산업군에 걸쳐 10가지 질문 유형으로 구성된 총 480개의 정형화된 프롬프트를 챗GPT, 퍼플렉시티(Perplexity), 제미나이(Gemini), 구글 AI 오버뷰(Google AI Overviews)에 동일하게 질의했습니다. 그 결과 챗GPT가 생성한 480개 답변 중 최소 1개 이상의 웹 출처를 인용한 답변은 72개로 전체의 15%에 그쳤습니다.

공급사 탐색과 비용 질문이 전체 인용의 95.8% 차지

더 두드러진 대목은 인용이 발생한 72개 답변 중 69개(95.8%)가 단 두 가지 질문 유형에 집중되었다는 점입니다. 헨드릭스 데이터에 따르면 '공급업체 탐색(provider discovery)' 질문은 48개 중 35개(약 73%), '비용(cost)' 질문은 48개 중 34개(약 71%)에서 인용이 발생했습니다. 반면 비교(comparison) 질문은 2건, 대안(alternatives) 질문은 1건의 인용에 그쳤습니다.

선택 기준, 일반 설명, 문제 진단, 시점/타이밍 질문, 신뢰 및 자격 증명, 단순 정의 등 나머지 6개 질문 유형에서는 8개 산업군 48개 질문 전체에서 단 한 건의 인용도 발생하지 않았습니다(인용률 0%). 연구팀은 질문의 상업성이 낮아질수록 인용 빈도가 완만하게 감소하는 것이 아니라, 외부 검색과 인용을 트리거하는 질문 유형과 그렇지 않은 유형 사이에 뚜렷한 경계가 존재한다고 설명했습니다.

"출처가 인용되지 않은 답변이 답변 실패를 의미하는 것은 아닙니다. 챗GPT는 모델 내부 지식을 바탕으로 여전히 답변을 완결했습니다. 다만 웹 출처를 검색해 외부에 노출하지 않았을 뿐입니다." — 헨드릭스 연구 보고서

엔진별 인용 동작 차이… 타 AI 대비 인용 빈도 낮아

이러한 인용 패턴은 엔진별로 큰 편차를 보였습니다. 동일한 480개 질문 세트에서 퍼플렉시티는 480개 답변 전체(100%)에서 출처를 인용했고, 제미나이는 480개 중 476개에서 인용을 제공했습니다. 구글 AI 오버뷰 또한 패널이 생성된 462개 중 430개에서 출처를 표시했습니다. 챗GPT의 인용률 15%는 AI 검색 엔진 전체의 표준 동작이라기보다는 챗GPT 고유의 검색 트리거 정책에 가깝습니다.

엔진 간 인용 도메인 중복도 역시 낮게 나타났습니다. 질문당 인용 도메인의 평균 중복도를 측정한 결과, 챗GPT가 포함된 모든 엔진 쌍의 중복도는 0.020 이하에 머물렀습니다. 반면 퍼플렉시티와 구글 AI 오버뷰 간의 도메인 중복도는 0.181을 기록했습니다.

답변 길이에서도 차이가 확인되었습니다. 챗GPT에서 출처 인용이 포함된 답변의 평균 길이는 6,194자였던 반면, 인용이 없는 답변은 평균 2,303자로 집계되었습니다.

인용 발생 시 산업 구조에 따라 자사 웹사이트 점유율 양극화

질문 유형이 인용의 '발생 여부'를 좌우한다면, 일단 인용이 일어난 뒤에는 산업군에 따라 인용을 가져가는 출처의 성격이 갈렸습니다. 4개 AI 엔진 전체에서 인용된 출처를 분석한 결과, 헬스케어 및 치과 분야에서는 서비스 제공자 자체 웹사이트 비중이 64.5%, B2B SaaS에서는 64.4%에 달했습니다. 반면 교육 및 훈련 분야에서는 제공자 공식 웹사이트의 인용 비중이 27.0%에 불과해 중개 플랫폼이나 미디어의 비중이 더 컸습니다.

이는 과거 AI 유입 197% 급증 속 SEO 전략… 정의형 글 지고 커뮤니티·1차 출처 부상 보도와 맥을 같이합니다. 정보 탐색 단계에서 정의형 콘텐츠의 인용 기회가 줄어드는 대신, 최신 시장 데이터와 공급자 정보가 필요한 상업적 질문 단계에서 인용 기회가 집중되는 흐름이 관측됩니다.

GEO 측정 방식의 전환 필요성

전통적인 SEO에서는 고객 여정 전반(상위 퍼널의 정의/설명부터 하위 퍼널의 제품 비교/가격)에 걸쳐 콘텐츠를 고르게 배치하는 전략이 표준이었습니다. 그러나 챗GPT와 같은 모델이 특정 질문 유형에서 출처 검색 자체를 생략한다면, 정의형 페이지를 아무리 정교하게 구축해도 인용 슬롯 자체를 얻지 못할 수 있습니다.

보고서는 기업들이 전체 AI 가시성을 단일 점수로 집계하기보다 프롬프트 유형별로 세분화해 측정해야 한다고 제언합니다. 출처가 인용되지 않는 질문 영역과 활발히 인용되는 영역을 분리해 '실제 존재하는 인용 기회 대비 자사 점유율'을 산출하는 접근이 요구됩니다.

이 사이트가 보는 지점

챗GPT 최적화에서 가장 흔한 오류는 모든 프롬프트에 동등한 인용 기회가 존재한다고 전제하는 측정 방식입니다. 모델이 자체 지식으로 종결짓는 정의·설명형 질문과 실시간 검색을 수행하는 공급사·비용 질문 사이의 '인용 슬롯 존재 여부'를 분모로 분리하지 않으면, 순수한 순위 문제와 모델의 검색 정책 차이를 구분할 수 없습니다. 향후 GEO 성과 지표는 전체 가시성 점수가 아니라 검색 트리거가 확인된 쿼리군 내에서의 점유율로 재정의되어야 합니다.