Perplexity는 쿼리에 따라 답변당 3~6개 사이의 출처를 인용합니다. ChatGPT의 브라우징 모드는 5개를 넘는 경우가 거의 없고요. "Generative Engine Optimization"이라는 용어를 만든 연구자들 — 프린스턴, 조지아 텍, Allen AI가 발표한 2023년 논문 — 은 인용 가능한 통계와 직접 인용문이 있는 페이지가 AI 생성 답변에서 최대 40%의 가시성 향상을 보였다는 걸 발견했습니다. 반면 예전에 구글 순위를 올리던 방법인 키워드를 더 채워 넣는 건 거의 효과가 없었죠. 이 세 숫자는 GEO 관련 글에서 많이 인용됩니다. 그런데 네 번째 숫자는 잘 언급되지 않고, 실제로 페이지 작성 방식을 바꿔야 할 숫자는 바로 이겁니다. 모델이 답변을 끌어온 문서의 부분을 추적해보면, 압도적으로 상위 3분의 1입니다. 가장 잘 쓰인 문단이 아니라, 가장 자세한 섹션도 아니라. 상단입니다.
"포괄적"이 더 이상 장점이 아니게 된 이유
15년 동안 SEO 조언은 대체로 "결정적인 자료를 써라"는 식이었습니다. 모든 각도를 다루고, 2,500단어를 채우고, 경쟁자보다 더 깊이 파고들면, 결국 구글의 랭킹 시스템이 여러분이 인터넷에서 가장 완전한 답을 만들었다는 걸 알아차릴 거라고요. 이런 직관은 생성형 엔진이 출처를 고르는 방식에는 적용되지 않습니다. 그리고 그 이유를 이해하려면, 누군가 검색창에 타이핑하는 대신 ChatGPT나 Perplexity에 질문했을 때 실제로 내부에서 무슨 일이 벌어지는지 이해해야 합니다.
검색 엔진은 문서 전체 단위로 순위를 매깁니다. 생성형 엔진은 추론 시점에 문서 전체를 읽지 않습니다 — 청크를 검색합니다. 여러분의 페이지는 겹치는 윈도우로 분할되는데, 보통 300~500 토큰 정도이며, 각각 임베딩으로 변환되어 사용자 쿼리와의 유사도로 점수가 매겨집니다. 시스템은 모든 후보 페이지 중에서 상위 몇 개의 청크를 뽑아, 질문과 함께 모델의 컨텍스트에 넣고 답변을 합성하도록 요청합니다. 여러분의 2,500단어짜리 가이드는 더 이상 하나의 단위로 경쟁하지 않습니다. 청크 단위로 경쟁하며, 대부분의 검색 파이프라인은 출처당 한두 개의 청크만 가져온 뒤 다음 인용으로 넘어갑니다.
제가 추적하던 쿼리들에 대해 실제로 인용된 페이지들을 처음 주의 깊게 살펴봤을 때 놀랐던 부분은 이겁니다. 나중 섹션이 쿼리에 더 정확하게 답하는 경우에도, 첫 번째 청크가 불균형하게 자주 이긴다는 것이었죠. 이 중 일부는 진짜 관련성 때문입니다 — 글을 잘 쓰는 사람들은 어차피 답을 상단에 배치하니까요. 하지만 많은 부분은 구조적인 문제입니다. 제목, H1, 메타 설명은 많은 검색 시스템에서 추가 가중치를 받으며 인덱싱되고, 그 가중치는 바로 아래에 있는 문단으로 흘러 들어갑니다. 여섯 문단짜리 서론 아래에 실제 주장을 묻어버린 페이지는, 자신이 통제할 수 없는 청크 경계에 최고의 자료를 넘겨주는 셈입니다.
실제 비교에서 이게 어떻게 나타나는가
| 요소 | 전통적인 SEO 가중치 | GEO 가중치 |
|---|---|---|
| 전체 단어 수 | 수년간 랭킹과 상관관계 있음 | 첫 번째 청크 이후로는 거의 무관 |
| 키워드 밀도 | 역사적으로 중간 정도의 신호 | 거의 0에 가까움 — 임베딩은 문자열 중복이 아니라 의미를 매칭 |
| 페이지 내 답변의 위치 | 사소한 UX 요소 | 지배적 — 어떤 청크가 검색될지를 결정 |
| 인용 가능한 통계 / 직접 인용문 | 백링크에는 있으면 좋은 정도 | 프린스턴/조지아 텍 연구에 따르면 최대 +40% 가시성 |
| 백링크 수 | 주요 랭킹 신호 | 기껏해야 간접적 — 크롤 우선순위에는 여전히 영향, 검색 점수와는 무관 |
사람들이 거꾸로 이해하는 부분
빌더들이 "GEO를 하려고" 할 때 제가 자주 보는 실수는, 이걸 새로운 용어를 쓴 키워드 문제처럼 다룬다는 겁니다 — 사람들이 ChatGPT에 타이핑하는 문구를 찾아내서 헤드라인에 억지로 끼워 넣으려 하죠. 그것도 의미가 없진 않지만, 레버리지가 거의 전적으로 문서 쪽에 있는데 쿼리 쪽 매칭을 최적화하는 것입니다. 인용 횟수에 실제로 반영되는 조치는, 뉘앙스나 단서, 답할 자격이 있다는 배경 이야기에 도달하기 전에, 처음 150~200단어 안에서 평이한 서술문으로 질문에 답하는 것입니다.
저희 헬프센터 페이지 중 하나를, 순전히 답을 스크롤 없이 보이는 영역 위로 옮기기 위해서만 다시 썼습니다 — 콘텐츠도 단어 수도 동일하고, 순서만 바꿨죠. 그러자 3개월 동안 한 번도 나타난 적 없던 쿼리에 대해 Perplexity 답변에 등장하기 시작했습니다. 다른 건 아무것도 바뀌지 않았고요. 이건 작은 단일 사례일 뿐 연구는 아니지만, 서론 쓰는 걸 멈추게 만드는 종류의 사례입니다.
알아둘 만한 2차 효과: 검색 단위가 페이지가 아니라 청크이기 때문에, 긴 페이지가 깊이 때문에 불이익을 받는 건 아닙니다 — 그 깊이가 나중에 사람이 클릭해서 들어오는 이유일 수 있는데도, 인용 자체에서는 그 공로를 인정받지 못할 뿐입니다. 즉, SEO용 미사여구를 앞에 채워 넣는 예전 습관("이 포괄적인 가이드에서 저희는 …를 살펴보겠습니다")이 정작 중요한 하나의 자리를 실질적으로 낭비하게 만드는 반면, 더 아래에 있는 실제 내용은 클릭률과 체류 시간에 무보수로 기여할 뿐 모델의 컨텍스트 윈도우에는 아예 들어가지도 못합니다.
실제로 바꿔야 할 것
제가 관찰한 페이지들 기준으로 가장 효과가 컸던 순서대로 세 가지입니다. 암묵적으로 담긴 질문에 대한 직접적인 답을 세 번째가 아니라 첫 번째 문단에 넣으세요. 있다면 같은 문단에 실제 숫자나 출처를 명시한 자료를 넣으세요 — 40%라는 수치는 우연이 아닙니다. 모델은 인용할 내용을 고를 때 일반적인 서술보다 구체적인 주장에 가중치를 두는 것 같습니다. 그리고 각 헤더가 검색될 유일한 문장일 수도 있다는 생각으로 구조를 짜세요. AI 답변 트래픽의 상당 부분에서는, 실제로 그렇게 될 테니까요.
이 중 어떤 것도 처음부터 끝까지 읽을 가치가 있는 글을 쓰는 걸 대체하지는 못합니다. 다만 이제 처음 200단어는 더 이상 목 가다듬는 형식적인 공간이 아니라는 뜻입니다 — 그건 여러분을 인용할 가치가 있는지 결정하는 단 하나의 모델이라는 독자에게 하는 전체 피치입니다.
