인용·언급·클릭·전환의 분리 측정 필요성
치앙라이타임스는 생성형 엔진 최적화(GEO)가 AI 검색 답변 내 콘텐츠 노출 확률을 높이는 접근법이지만, 언급이나 인용을 보장하는 보편적 공식은 존재하지 않는다고 보도했다. 특히 AI 검색 결과에 노출되는 것을 단일 성과로 묶어 다루는 기존 접근의 한계를 짚었다.
보도에 따르면 AI 검색 환경에서 발생하는 성과는 넷으로 나뉜다. 시스템이 근거 정보로 출처 링크를 거는 '출처 인용(source citation)', 링크 유무와 무관하게 답변 본문에 회사나 제품명이 거론되는 '브랜드 언급(brand mention)', 사용자가 링크를 눌러 들어오는 '방문(referral visit)', 구매나 문의로 이어지는 '전환(conversion)'이다. 한 답변 안에서 출처 링크가 걸려도 클릭이 발생하지 않을 수 있고, 사이트 방문이 곧바로 전환으로 연결되지도 않으므로 각각을 별개 지표로 기록해야 한다는 설명이다.
2024년 연구 '최대 40%' 수치의 맥락과 한계
치앙라이타임스는 2024년 미국 컴퓨터학회 지식발견및데이터마이닝학술대회(ACM SIGKDD)에서 프란잘 아가왈(Pranjal Aggarwal) 연구팀이 발표한 논문 'GEO: Generative Engine Optimization'의 실험 수치도 함께 짚었다. 해당 논문은 벤치마크 환경(GEO-bench)에서 인용 표기, 통계 데이터, 인용문 추가 등의 콘텐츠 수정을 거쳤을 때 가시성이 최대 약 40%까지 향상됐다는 점을 보고한 바 있다.
그러나 매체는 이 40%라는 수치가 통제된 벤치마크 조건에서 기록된 상대적 가시성 개선 최댓값일 뿐이라고 지적했다. 실제 웹사이트 방문자나 매출이 40% 늘어난다는 의미가 아니며, 특정 콘텐츠 수정 방식이 모든 검색어나 시스템에서 똑같이 작동하는 불변의 규칙도 아니라는 설명이다. 앞서 본지가 보도한 AI 인용 늘리는 콘텐츠 조건과 측정 지표에서도 통계와 학술 인용 추가가 점수를 끌어올리는 상대적 요인으로 확인된 바 있으나, 이를 실제 상용 환경의 유입 보장 공식으로 확대 해석할 수는 없다는 지적과 맞물린다.
기존 검색 최적화(SEO)와의 구조적 차이
GEO는 기존 검색 엔진 최적화(SEO)를 대체하는 개념이 아니라 그 위에 얹히는 층위로 규정됐다. 전통적 SEO가 순위권 노출을 통한 유기적 유입을 겨냥한다면, GEO는 AI 답변 생성 과정에서 문서가 수집·인용되는지에 집중한다.
하지만 AI 검색 엔진 역시 웹 문서를 바탕으로 답변을 조합하기 때문에 크롤링과 색인 등 기술적 기본 조건은 여전히 필수다. 구글의 AI 검색 관련 안내 문서에서도 페이지가 색인되고 스니펫으로 표시될 자격을 갖춰야 생성형 AI 기능에 고려될 수 있다고 명시하고 있다. 치앙라이타임스는 답변 도입부에 명확한 결론을 두고 검증 가능한 출처와 수치를 덧붙이는 구조화 방식이 권장되지만, 어떤 조치도 AI 인용이나 유입을 확정하는 지름길이 될 수는 없다고 전했다.
이 사이트가 보는 지점
AI 검색 최적화 논의가 단순히 '답변에 드는가'라는 단일 합격 여부에서 벗어나 인용, 브랜드 언급, 유입 클릭, 최종 전환이라는 네 단계의 단절된 지표로 분해되고 있다. 벤치마크 상의 가시성 개선 폭이 실제 웹 트래픽이나 상업적 전환으로 직접 치환되지 않는다는 점은 이미 여러 사례에서 확인된 바 있다. 측정 도구가 답변 스냅샷 단편을 확인하는 수준을 넘어 플랫폼별 분리 추적과 유입 경로의 개별 상관관계를 입증하지 못한다면 GEO 성과 검증은 계속 한계에 부딪힐 수밖에 없다.
