쉽게 말하면
KDD 2024 학술 대회에 실린 연구진의 논문에 따르면, 생성형 AI는 모호한 설명보다 출처가 분명하고 구체적인 숫자가 들어간 문장을 답변에 더 자주 인용합니다. 문장 시작 부분에 결론을 먼저 제시하고 개념을 명확하게 정의하는 글쓰기 구조가 인용 확률을 높이는 데 기여합니다.
AI 답변에 포함되는 것을 목표로 하는 GEO
기존 검색 엔진 최적화(SEO)가 검색 결과 목록에서 높은 순위를 차지해 사용자 클릭을 유도하는 데 집중했다면, 생성형 엔진 최적화(GEO)는 인공지능이 생성하는 답변 내에 브랜드나 콘텐츠가 직접 인용·언급되도록 만드는 것을 목표로 합니다. 사용자가 링크를 클릭해 웹사이트로 이동하지 않더라도 AI가 제시한 요약 답변을 통해 정보를 얻고 결정을 내리는 빈도가 늘어났기 때문입니다.
인도 IT 산업 커뮤니티인 나스콤(Nasscom)에 기고된 분석에 따르면, 전통적인 SEO와 GEO는 기반 기술과 품질 요건에서 상당 부분 겹치지만 최종 성공 지표는 다릅니다. SEO가 순위와 유입 클릭 수를 중시한다면, GEO는 사용자가 읽는 AI 답변 안에 정보가 포함되었는지를 핵심 성과로 평가합니다.
검색 엔진별 동작 특성과 노출 격차
주요 생성형 검색 엔진들은 정보를 수집하고 인용하는 방식에서 서로 다른 특성을 보입니다. 챗GPT(ChatGPT)의 웹 검색 기능은 마이크로소프트의 빙(Bing) 검색 인덱스에 의존하는 비중이 큽니다. 이에 따라 빙 웹마스터 도구를 통한 사이트맵 제출과 원활한 색인 형성이 인용을 위한 기초 단계로 꼽힙니다.
반면 퍼플렉시티(Perplexity)는 각 주장에 대해 명시적인 출처 카드를 노출하는 구조를 취하고 있으며, 챗GPT와 비교해 답변당 훨씬 많은 수의 외부 출처를 참조하는 경향이 있습니다. 나스콤 기고문은 전통적인 검색 엔진 1위에 오른 페이지라 하더라도 AI 검색 엔진의 답변에서는 인용되지 않는 사례가 빈번하게 관찰된다고 전했습니다.
학술 연구로 확인된 인용 유발 요소
프린스턴 대학교와 조지아 공과대학교, 인도공과대학교(IIT) 델리 연구진이 발표한 KDD 2024 논문 'GEO: Generative Engine Optimization'에 따르면 몇 가지 구체적인 콘텐츠 구성 방식이 AI 답변 채택률을 유의미하게 높이는 것으로 확인되었습니다.
- 신뢰할 수 있는 출처 표기: 권위 있는 데이터 출처를 밝히고 참조 관계를 명확히 기술한 콘텐츠일수록 인용 가능성이 높아집니다.
- 구체적인 통계 및 수치 삽입: 모호한 주장 대신 검증 가능한 정량적 수치를 포함할 때 모델이 인용구로 추출하기 쉬워집니다.
- 명확한 인용문 및 정의: 독립적으로 완성도 높은 정의 문장과 서술은 AI가 원문을 그대로 발췌하는 데 유리합니다.
- 답변 중심의 구조화: 단락 서두에 직접적인 답변을 배치하고 질문 형태의 제목을 사용하는 방식, 핵심 정보를 짧은 블록 단위로 나누는 배치가 채택을 돕습니다.
- 구조화 데이터 및 신뢰성 신호: FAQ 및 Article 스키마를 적용해 크롤러의 해석을 돕고, 저자 약력과 발행일 등을 명시해 E-E-A-T(경험·전문성·권위성·신뢰성) 요건을 충족해야 합니다.
SEO의 확장 레이어이자 장기적 관리 영역
GEO는 기존의 SEO를 완전히 대체하는 것이 아니라 그 위에 쌓이는 확장 영역입니다. 검색 엔진이 원활히 크롤링할 수 있고 로딩 속도가 빠르며 신뢰도가 높은 페이지라는 기본 조건이 충족되어야 AI 답변 채택률도 함께 상승합니다. 반면 최근 주목받은 llms.txt 파일 도입과 같은 단기적 기법의 경우, 주요 AI 엔진의 인용률을 직접적으로 높인다는 신뢰할 만한 근거는 확인되지 않았습니다.
콘텐츠를 발행한 후 AI 답변에 반영되기까지는 통상 수주의 시차가 발생할 수 있습니다. 따라서 정기적인 대상 프롬프트 질의를 통해 인용 여부를 점검하고, 구글 애널리틱스(GA4) 등을 통해 유입 경로를 분리 분석하는 등 지속적인 측정이 요구됩니다.
