쉽게 말하면

이 보고서는 인도의 기업들이 필요한 물건이나 서비스를 찾을 때, 예전처럼 검색창에 단어를 치고 나오는 목록을 하나씩 눌러보는 대신 챗GPT 같은 인공지능에게 바로 물어보는 변화를 다뤘습니다. 인공지능이 답변을 만들 때 어떤 회사의 자료를 믿을 만한 출처로 골라 인용하는지, 그리고 기업이 인공지능의 답변에 선택되려면 웹사이트의 정보를 어떻게 정리해야 하는지 기존 조사 자료들을 모아 살펴보았습니다. 보고서는 앞으로 기업들이 단순히 검색 순위를 높이는 것보다 인공지능이 참고하기 좋은 정확한 데이터와 구조를 갖추는 쪽으로 방향을 바꾸어야 한다고 봅니다.

인도의 디지털 마케팅 및 AI 검색 최적화 에이전시 인디언 디지털스(Indian Digitals)가 2026년 11월 17일 개방형 연구 저장소 제노도(Zenodo)에 인도 기업 간 거래(B2B) 브랜드의 AI 검색 탐색 변화를 다룬 업계 보고서를 공개했다. 노이다·바라나시·아마다바드·프라야그라지에서 B2B 및 지역 브랜드의 검색 가시성 구축 서비스를 제공하는 이 에이전시는 자사 블로그에 게시한 것과 동일한 1.7메가바이트(MB) 분량의 PDF 문서를 제노도에 등록했다.

키워드 검색에서 개체 기반 AI 인용으로의 전환

아니타 싱(Anita Singh)이 작성한 이 보고서(Being the Answer: How AI Search Is Changing Discovery for B2B Brands in India)는 인도 B2B 고객 확보 과정에서 전통적인 검색 엔진 순위만으로는 충분하지 않다고 지적했다. 기업 구매자들이 챗GPT(ChatGPT), 퍼플렉시티(Perplexity), 클로드(Claude), 구글 AI 오버뷰(Google AI Overviews) 등 생성형 AI 플랫폼에 의존하면서, 브랜드 역시 검색 결과의 파란 링크 10개에 드는 것을 넘어 인용되고 권위 있는 답변 자체가 되어야 한다는 설명이다.

보고서는 생성형 엔진 최적화(GEO), 답변 엔진 최적화(AEO), 거대언어모델 최적화(LLMO)가 인도 시장 전반에서 B2B 브랜드 탐색 방식을 어떻게 재편하고 있는지 세 가지 주제로 나누어 다뤘다.

  • 인도 B2B 부문에서 키워드 중심 검색엔진최적화(SEO)가 개체(entity) 기반 AI 탐색으로 이동하는 현상
  • AI 답변 엔진이 제3자 출처를 선택·검증·인용하는 방식
  • 거대언어모델(LLM) 가시성을 확보하기 위한 기술 아키텍처, 스키마 마크업, 자체 보유 데이터 전략

외부 조사와 재인용에 기댄 참고문헌 구조

제노도에 공개된 메타데이터에는 본문 세부 수치가 포함되지 않았으나, 보고서가 근거로 삼은 16건의 참고문헌 목록이 함께 제시됐다. 목록을 보면 학술 논문부터 마케팅 소프트웨어 업체의 자체 조사까지 다양한 출처가 섞여 있다.

학술 자료로는 2024년 국제 데이터마이닝 학회(ACM SIGKDD)에 발표된 GEO 개념 논문과, AI 인용의 동인을 콘텐츠·검색·모델 지식 측면에서 다룬 아카이브(arXiv) 사전 공개 논문, 그리고 AI 오버뷰와 클릭률에 관한 무작위 실험 및 사전 등록 실험 워킹페이퍼 등이 포함됐다. 여론조사 기관 퓨리서치센터(Pew Research Center)가 2025년 미국 성인 약 900명의 구글 검색 6만 8879건을 다룬 조사도 목록에 올랐다.

나머지 참고문헌은 주로 SEO 및 AI 가시성 측정 도구를 판매하는 업체들의 자체 조사로 채워졌다. 에이치레프스(Ahrefs)의 7만 5000개 브랜드 가시성 요인 조사와 2026년 2월 30만 개 키워드 클릭률 재조사, 프로파운드(Profound)의 약 10만 개 프롬프트 대상 엔진 간 인용 중복도 조사, 시어 인터랙티브(Seer Interactive)의 53개 브랜드 대상 AI 오버뷰 클릭률 조사, 옉스트(Yext)의 AI 인용 680만 건 분석 등이 대표적이다. 이들 업체 자체 조사의 구체적인 표본 설계나 측정 방법은 제노도 요약본에서 확인되지 않았다.

주목할 점은 참고문헌 상당수가 원문 직접 인용이 아니라 제3자 블로그나 위키피디아에 요약·재인용된 수치를 다시 가져온 형태(Figures as reported in)라는 것이다. 에이치레프스, 퓨리서치센터, 프로파운드, 시어 인터랙티브, 옉스트를 비롯해 센서타워(Sensor Tower)와 스탯카운터(StatCounter)의 인도 검색 점유율 자료, 소프트웨어 리뷰 플랫폼 G2의 2026년 B2B 소프트웨어 구매 보고서까지 모두 다른 웹사이트의 블로그 게시글이나 위키피디아 항목을 거쳐 인용됐다. 이는 AI 검색 최적화 시장에서 통용되는 많은 근거 자료가 1차 출처의 측정 조건과 한계를 생략한 채 2차·3차 가공을 거쳐 유통되고 있음을 보여준다.

이 사이트가 보는 지점

에이전시들이 자사 블로그에 올린 업계 보고서를 유럽입자물리연구소(CERN)가 운영하는 학술 저장소 제노도(Zenodo)에 등록해 DOI(디지털 객체 식별자)를 부여받는 사례가 늘고 있다. 이는 학술적 검증을 거쳤다는 뜻이 아니라, AI 검색 엔진이 신뢰도 높은 도메인과 구조화된 메타데이터를 우선 수집하는 특성을 겨냥해 에이전시 스스로 개체(entity) 권위를 확보하려는 시도로 볼 수 있다. 앞서 챗GPT 점유율·AI 오버뷰 노출 수치 보도…측정 출처는 미공개 기사에서 짚었듯, 이번 보고서의 참고문헌 목록 역시 1차 출처가 아닌 타사 블로그에 재인용된 수치를 다시 인용한 항목이 다수를 차지한다. 업계에 유통되는 GEO 관련 수치들이 원래의 조사 조건과 표본 한계를 잃어버린 채 2차·3차 블로그를 거쳐 사실처럼 굳어지는 현상은, 출처의 원천을 추적하고 측정할 때 반드시 걸러내야 할 대목이다.