쉽게 말하면

이 연구는 인공지능이 여러 정보를 모아 직접 답을 만들어 줄 때, 웹사이트가 사용자에게 얼마나 잘 노출되는지 재는 기준을 세우려고 했습니다.

연구진은 기존의 검색 순위 최적화(SEO) 방식과 인공지능 검색 최적화(GEO)의 공통점을 정리하고, 인공지능 답변 속 출처 인용과 페이지 노출을 확인하는 'SCOPE'라는 분석 틀을 만들었습니다.

쉽게 비유하면, 시험 채점관(AI)이 정답을 쓸 때 어떤 참고서(웹페이지)를 실제로 참고했는지 꼼꼼하게 확인하는 규칙을 세운 셈입니다.

이 연구는 AI 검색 최적화가 기존 검색 방식과 완전히 다른 기술이 아니며, 인공지능이 남긴 실제 인용 기록을 중심으로 웹사이트 가시성을 평가해야 한다고 봅니다.

전통적 SEO와 GEO를 아우르는 평가 체계

인공지능 기반 검색 시스템이 웹 출처를 바탕으로 종합 답변을 제공하면서, 기존의 단순 순위나 유기적 클릭수만으로는 검색 가시성을 온전히 측정하기 어려워졌습니다. 제네바 유럽핵입자물리연구소(CERN)의 오픈 액세스 저장소 제노도(Zenodo)에 공개된 에므레 카자느르(Emre Kazanır) 연구원의 워킹 페이퍼에 따르면, 연구진은 전통적 검색 엔진 최적화(SEO)와 생성형 엔진 최적화(GEO)를 상호 배타적이거나 경쟁하는 영역이 아닌 상호 보완적 비교 관점에서 분석했습니다.

논문은 SEO와 GEO가 공유하는 기본 토대로 다음 요소들을 꼽았습니다.

  • 기술적 접근성(Technical Accessibility): 검색 로봇 및 AI 수집 시스템이 웹페이지에 원활히 접근할 수 있는 구조
  • 색인 적격성(Index Eligibility): 검색 엔진과 플랫폼 데이터베이스에 등록될 수 있는 조건
  • 콘텐츠 품질 및 관련성(Content Quality and Relevance): 질의에 부합하는 유용한 정보 제공 여부
  • 출처 신뢰성(Source Reliability): 제공되는 정보의 신뢰도와 근거 수준

이러한 공통 기반 위에 연구진은 생성형 검색 환경에 특화된 측정 지표를 제시했습니다. 여기에는 인용 여부(Citation Presence), 인용된 페이지 다양성(Cited-Page Diversity), 답변 수준 노출도(Answer-Level Representation), 접지 쿼리 커버리지(Grounding-Query Coverage), 출처 귀속(Source Attribution), 유입 가시성(Referral Visibility) 등이 포함됩니다.

5가지 평가 영역으로 구성된 SCOPE 프레임워크

연구진은 생성형 검색 환경의 복합적인 노출을 체계적으로 점검하기 위해 'SCOPE 프레임워크'를 제안했습니다. SCOPE는 5개 핵심 영역의 앞 글자를 딴 명칭입니다.

  • Search Eligibility (검색 적격성): 콘텐츠가 전통적 검색 엔진 및 AI 시스템의 탐색 범위에 포함되는지 확인합니다.
  • Content Evidence (콘텐츠 근거): 답변의 근거 자료로 채택될 수 있는 증거 중심의 콘텐츠 품질을 평가합니다.
  • Output Presence (출력 노출): 인공지능이 생성한 최종 답변 본문과 출처 영역에 실제로 노출되는지를 측정합니다.
  • Platform Accessibility (플랫폼 접근성): 다양한 생성형 검색 플랫폼 인터페이스에서 접근 및 표시가 용이한지 다룹니다.
  • Evaluation Metrics (평가 지표): 인용 빈도, 링크 클릭 경로, 유입 효과 등을 종합적으로 측정하는 기준을 설정합니다.

인용 활동의 객관적 감사 필요성 강조

논문은 인공지능 검색 환경을 분석할 때 관찰 가능한 실제 인용 활동과 입증되지 않은 권위 주장, 단순 추천, 혹은 비공개 독점 AI 학습 데이터 포함 여부를 명확히 구분해야 한다고 강조합니다. 확인되지 않은 모델 학습 데이터를 가늠하기보다, 검색 결과 화면에서 확인되는 인용 표기를 바탕으로 측정해야 한다는 설명입니다.

해당 프레임워크는 일반적인 전통적 검색 결과를 비롯해 구글의 생성형 검색 기능, 챗GPT 서치(ChatGPT Search), 마이크로소프트 코파일럿(Microsoft Copilot) 등 다양한 답변 엔진 전반에서 재현 가능한 감사(Auditing)를 수행하도록 설계되었습니다.