단순 노출을 넘어선 GEO 세부 하위 분야 분류
생성형 엔진 최적화(GEO)를 검색엔진 최적화(SEO)의 단순한 확장이나 인공지능 챗봇에 노출되기 위한 개별 기법으로 다루는 대신, 엔지니어링과 측정 체계를 갖춘 독립 분야로 재정비해야 한다는 학술 제안이 나왔습니다.
오픈 액세스 저장소 제노도(Zenodo)에 등록된 하파엘 소우사 페레이라(Raphael Sousa Pereira)의 논문 자료(GEO as a Field: An Operational Taxonomy of Engineering, Citation, Evidence and Measurement in Generative Search)에 따르면, 저자는 'GEO 필드 분류 체계 v1.0(GEO Field Taxonomy v1.0)'을 통해 생성형 검색 영역을 9개의 전문 하위 엔지니어링 및 측정 분야로 구분했습니다.
제시된 세부 영역은 다음과 같습니다.
- 엔터티 엔지니어링(GEO Entity Engineering): 개체 표현 및 식별 체계 다룸
- 검색 엔지니어링(Retrieval Engineering): 시스템의 정보 탐색 및 수합 과정 분석
- 지식 엔지니어링(Knowledge Engineering): 정보 구조화 및 연결
- 증거 엔지니어링(Evidence Engineering): 주장을 뒷받침하는 근거 설계
- 인용 엔지니어링(Citation Engineering): 출처 표기 및 귀속 관계 설정
- 흡수 엔지니어링(Absorption Engineering): 검색된 정보가 생성 모델 응답에 반영되는 정도 연구
- 충실도 엔지니어링(Fidelity Engineering): 원문 정보의 왜곡 없는 보존 검증
- 권위 엔지니어링(Authority Engineering): 시스템 내 신뢰도 및 권위 요소 다룸
- GEO 측정(GEO Measurement): 각 단계별 감사 및 정량 평가
'인용 증거 연쇄(CEC)'와 단일 지표의 한계
해당 연구는 개별 웹페이지나 단일 콘텐츠 단위에 머무르던 최적화 관점을 벗어나, 엔터티·주장·증거·출처·생성 시스템·답변 간의 상호작용을 분석의 기본 단위로 규정했습니다. 이를 추적하기 위한 프레임워크로 '인용 증거 연쇄(Citation Evidence Chain, CEC)' 모델이 함께 제시됐습니다.
CEC 모델은 정보가 생성형 파이프라인 전반에서 발견, 검색, 선택, 귀속, 흡수, 보존되는지 혹은 손실되는지를 단계별로 검증하는 역할을 수행합니다.
“색인(indexing)된다고 검색(retrieved)되는 것이 아니고, 검색된다고 인용(cited)되는 것이 아니며, 인용된다고 흡수(absorbed)되는 것이 아니고, 흡수된다고 해서 답변이나 추천, 행동을 결정짓는 것은 아니다.”
논문에서는 이러한 일련의 과정을 묶어 단순한 'AI 가시성(AI Visibility)'이라는 단일 지표로 측정하는 접근에 대해 방법론적으로 취약하며 불완전한 진단 결과를 낳는다고 지적했습니다.
측정·감사 가능한 GEO 체계 지향
이번 분류 체계는 기존에 확립된 기반 기술과 최신 연구에서 파생된 항목, 그리고 가설 및 발전 단계에 있는 영역을 구분하는 구조를 제안합니다. 상업적 마케팅 명칭을 늘리기보다 비교와 감사가 가능한 연구·실무 프레임워크를 마련하는 데 목적이 있습니다.
이에 따라 특정 브랜드나 정보가 AI 시스템에서 언급되는 현상뿐 아니라, 어떠한 증거를 바탕으로 선택되었고 생성된 응답에 얼마나 충실하게 반영되었는지를 체계적으로 규명하는 작업이 GEO의 주요 과제로 제시됐습니다.
