AI 검색에 인용 안 되는 페이지, 왜 그런지 진단하고 고치는 법

AI 검색에 인용이 안 되는 페이지는 원인이 제각각이라 하나의 규칙으로 다 고칠 수 없고, 주제에 맞는 페이지의 43%는 처음부터 전혀 인용되지 않았어요. 버지니아공대와 저장대 연구진이 인용 실패를 4범주·13유형으로 나눠 분석한 결과, 실패의 62.2%는 콘텐츠가 도달했는데도 질문이 요구하는 의도나 정보와 맞지 않아 생겼어요 ^[1]. 원인을 페이지별로 진단해 해당 부분만 고치자, 원문의 약 5%만 바꾸고도 인용률이 56.6%에서 79.5%로 올랐어요 ^[1].

이 글은 arXiv에 공개된 논문 원문 v1의 본문과 표를 읽고 수치를 대조해 정리했어요. 수치는 모두 논문 실험 기준이고 우리는 재현하지 않았어요 ^[1]. 연구는 상용 AI 검색이 비공개라서 GPT와 Claude로 만든 통제된 시뮬레이션 엔진에서 평가했고, 실제 Perplexity나 구글 AI 개요 검증은 향후 과제로 남겨 둬요 ^[1]. 우리도 AI 검색 진단 도구를 만드는 회사라서, 우리 제품과 연결되는 이야기는 마지막 섹션에 모았어요.

AI 검색에 인용이 안 되는 이유는 무엇일까요?

원인이 여럿이라서, 먼저 어떤 종류의 실패인지 나눠야 해요. 기존 GEO 연구는 "통계를 추가하라", "권위 있는 어조로 써라" 같은 범용 규칙을 모든 페이지에 똑같이 적용해 왔어요 ^[2]. 그런데 인용 실패는 파이프라인 여러 단계에 흩어져 있어서, 어느 단계가 왜 실패했는지 모르면 엉뚱한 곳을 고치게 돼요 ^[1].

이 연구는 인용 실패를 네 범주로 나눴어요 ^[1]. 접근 실패(10.1%)는 페이지를 가져오거나 파싱하는 단계에서 막히는 경우예요. 의미 정합 실패(62.2%)는 콘텐츠가 도달했지만 질문의 의도나 필요한 엔티티와 안 맞는 경우예요. 콘텐츠 품질 실패(27.1%)는 정보가 부족하거나 구조가 없는 경우고, 구조적 배제(0.6%)는 경쟁이 너무 심하거나 컨텍스트 창에서 잘려 나가는 경우예요.

압도적으로 큰 원인은 의미 정합 실패예요. 열에 여섯은 콘텐츠가 나쁘지 않은데도 "이 질문이 정확히 원하는 그 정보"가 없어서 탈락했어요 ^[1]. 처방이 문체 다듬기가 아니라 "무엇이 빠졌는가"에서 시작해야 하는 이유예요.

그림 1. 인용 실패의 네 범주와 비율.

연구는 인용 실패를 어떻게 진단하고 고쳤을까요?

같은 질문에서 인용된 경쟁 페이지와 인용 안 된 우리 페이지를 짝지어 비교하는 방식이에요 ^[1]. 저자들은 GEO-Bench의 10개 도메인에서 이런 대조쌍 949개를 만들고, 같은 질문·같은 후보 집합이므로 "왜 하나만 뽑혔는가"라는 차이 요인만 격리해서 봤어요 ^[1].

진단에서 수리까지는 반복 루프예요 ^[1]. 타깃 페이지가 인용 안 되면 최상위 인용 경쟁자와 비교해 원인을 진단하고, 원인에 맞는 전용 도구를 9개 중에서 골라 적용한 뒤 다시 검증해요. 도구는 네 기능군으로 나뉘어요. 누락된 엔티티를 문장 단위로 넣는 정보 보강, 헤딩·리스트를 더하는 구조 강화, 핵심 결론을 상단으로 올리는 콘텐츠 위치 조정, 어조를 다듬는 설득 정제예요 ^[1].

중요한 건 수정 범위예요. 전체를 다시 쓰지 않고 HTML 태그 기준으로 나눈 청크 중 문제가 지적된 부분만 고쳐요 ^[1]. 언어 모델이 긴 글을 처리할 때 중간 내용을 놓치는 현상을 피하고 원문을 보존하기 위한 선택이에요 ^[3]. 같은 실패에 같은 도구를 다시 쓰지 못하게 하고, 한 도구는 최대 3회까지만 쓰며, 두 번 연속 실패한 도구는 그 경로에서 빼는 규율도 뒀어요 ^[1].

검증은 문서 중심으로 했어요. 학습 쿼리에만 맞춘 최적화가 다른 쿼리에서 무너지는지 보려고, 문서 204개에 문서당 60개 쿼리(학습 20·테스트 40)를 붙인 벤치마크로 held-out 쿼리에서도 더 잘 인용되는지 확인했어요 ^[1].

페이지를 전부 다시 써야 AI에 인용될까요?

아니에요. 실패한 부분만 국소적으로 고치는 쪽이 전면 재작성보다 인용률도 높고 원문도 더 잘 지켰어요. 원문의 약 5%만 바꾼 이 방법은 인용률을 56.58%에서 79.52%로 올렸는데, 이는 범용 규칙을 자동 적용하는 기존 방법(원문의 25% 변경)보다 높아요 ^[1].

표 1. 방법별 인용률과 원문 보존도 ^[1].

차이는 보존도에서 분명해요. 진단 기반 국소 수정의 어휘 보존도는 82.40으로, 범용 자동 재작성의 17.97보다 네 배 이상 높아요 ^[1]. 전면 재작성은 인용률을 올려도 원문을 거의 다 갈아엎어요. 저자들은 "원문의 25%를 바꾸는 기존 방법 대비 5%만 바꿨다"고 밝혀요 ^[1].

이 효과는 다른 조건에서도 이어졌어요. 파싱이 어려운 복잡한 HTML 문서에서 국소 수정은 인용률 67.19%로 범용 재작성(45.96%)보다 21%포인트 높았어요 ^[1]. 학습하지 않은 페르소나(OOD) 조건에서는 범용 재작성이 평균 길이를 43% 줄여 정보를 잃은 반면, 국소 증강은 길이를 보존했어요 ^[1].

그림 2. 적게 고치고 더 인용된 결과.

AI 검색 인용률을 올리려면 무엇을 고쳐야 할까요?

실패의 62.2%를 차지하는 의미 정합부터 봐야 해요. 콘텐츠 품질이 좋아도 질문이 요구하는 의도나 엔티티가 빠져 있으면 인용되지 않으니, 처방은 "무엇이 빠졌는가"에서 시작해요 ^[1]. 저자들의 진단은 실패를 15개 원인 라벨로 분류하고, 각 원인을 전용 도구 하나에 연결해요. 누락 정보에는 엔티티 삽입, 묻힌 답에는 핵심 결론 상단 요약, 의도 불일치에는 첫 문장을 질문 의도에 바로 답하도록 재작성하는 식이에요 ^[1].

이미 잘 인용되는 페이지는 건드리지 않는 게 나아요. 원래 인용률이 높은 토픽에서는 범용 규칙이 오히려 인용률을 떨어뜨렸고, 진단 기반 방법조차 개선폭이 미미하거나 마이너스였어요 ^[1]. 처방 전에 "이 페이지가 최적화 대상인가"부터 판정해야 해요.

거짓을 만들지 않는 것도 설계 원칙이에요. 이 연구는 어조를 다듬는 설득 정제 도구의 프롬프트에조차 "데이터·인용·주장을 지어내지 말라"를 명시했어요 ^[1]. 인용을 올린다고 없는 통계나 출처를 만들면 안 돼요. FAQ 형식만으로는 인용이 늘지 않는다는 어제 글과도 같은 방향이에요. 형식보다 그 안의 정보가 인용을 만들어요.

콘텐츠를 고쳐도 인용이 안 되는 경우가 있을까요?

있어요. 두 가지 경우를 저자들이 짚어요. 하나는 이미 잘 인용되는 콘텐츠예요. 원래 인용률이 81%로 높던 헬스 주제는 고친 뒤 개선폭이 미미하거나 음수였는데, 천장 효과와 더불어 일부 수정이 도메인 특화 정보를 지워 인용 가능성을 낮춘 탓이에요 ^[1].

그림 3. 주제별 원래 인용률과 수리의 한계.

다른 하나는 구조적으로 불리한 경우예요. 50개 페이지를 고쳐 학습 쿼리 인용률을 57.0%에서 83.7%로 올렸지만, 163개 쿼리는 최적화 뒤에도 여전히 인용되지 않았어요 ^[1]. 명확성과 관련성은 실제로 좋아졌는데도요. "온라인 머신러닝 강의 추천" 질문에서 대학 강의 페이지에 상세 커리큘럼을 더해도, 엔진은 여전히 Coursera나 edX 같은 대형 플랫폼을 선호했어요 ^[1]. 저자들은 이를 콘텐츠 밖에 있는 도메인급 편향으로 보고, 콘텐츠 기반 최적화의 근본적 경계라고 밝혀요 ^[1].

저자들은 이 지점을 형평성 문제로도 연결해요. 일부 콘텐츠가 노력과 무관하게 구조적으로 불리하다면, 인용 메커니즘이 특정 목소리를 다른 목소리보다 키울 수 있고 창작자 측 최적화만으로는 공정한 가시성을 보장할 수 없다는 거예요 ^[1].

한계

가장 큰 한계는 상용 엔진을 검증하지 않았다는 점이에요. 평가는 GPT와 Claude로 만든 통제된 시뮬레이션 엔진에서만 이뤄졌고, 실제 Perplexity나 ChatGPT 검색, 구글 AI 개요 같은 블랙박스 시스템 검증은 향후 과제로 남아 있어요 ^[1].

진단과 수리를 반복하는 비용도 정리돼 있지 않아요. 쿼리마다 진단과 수정을 돌리고 배치로 묶는 과정의 호출 수나 시간은 논문에 수치로 제시되지 않았어요 ^[1]. 저자들도 확장성 개선을 향후 과제로 밝혀요.

결과 수치는 범용 규칙의 유불리가 실험 설계에 따라 달라질 수 있다는 점도 함께 읽어야 해요. 이 연구의 셋업에서는 가장 좋은 단일 휴리스틱이 수정 전 원본을 이미 넘었어요 ^[1]. 숫자는 상수보다 방향으로 읽어야 해요.

TRAIL에서는

이 논문의 진단 방식은 TRAIL Search에 이미 들어와 있어요. 같은 질문에서 경쟁 페이지는 인용됐는데 우리 자산은 안 된 경우를 추적 데이터에서 뽑아 대조하는 경쟁자 비교 기능이 그것이에요. 논문이 949개 대조쌍으로 한 "인용된 경쟁자 대 미인용 타깃" 비교를, 우리는 엔진 측정 기록으로 해요.

실패의 62%를 차지한 의미 정합도 진단 항목으로 있어요 ^[1]. Search의 페이지 채점은 프롬프트의 검색 의도와 글 유형이 맞는지(의도 일치), 타깃 질문의 말이 페이지에 겹치는지(검색 겹침)를 따로 재요. 다만 이 논문이 세분한 "어떤 엔티티가 빠졌는가" 수준까지 짚지는 않아요.

국소 수정이라는 방향은 우리 글 생성에도 들어가 있고, 실패한 부분만 고치는 쪽이 원문을 더 잘 지킨다는 이 논문의 결과와 같은 쪽이에요. 우리 초안 검사는 위치를 짚을 수 있는 실패 항목이면 그 섹션이나 제목만 다시 쓰고, 핵심 규칙이 남으면 한 번 더 국소로 고쳐 최대 두 번에서 멈춰요. 무엇이 인용되는가를 다룬 글과 함께 읽으면 "왜 안 됐나"와 "무엇이 되나"가 양쪽에서 맞춰져요.