AI 검색 최적화(GEO) 논문 정리: AI 답변 노출을 최대 40% 높인 방법(2024년)

AI 검색 최적화(GEO)는 AI 검색 답변에 내 콘텐츠가 더 많이 인용되도록 다듬는 방법입니다. 이 개념을 처음 체계화한 논문이 GEO: Generative Engine Optimization입니다. 논문은 생성형 엔진 최적화(Generative Engine Optimization)라고 부릅니다. 프린스턴대와 인도공과대(IIT) 델리 연구진 6명이 데이터 마이닝 학회 KDD 2024(2024년 8월 25~29일, 바르셀로나)에서 발표했습니다. 조금 오래됐지만 기본기는 비슷할 것이라고 봅니다.

논문은 빙챗, 구글 SGE, 퍼플렉시티처럼 검색한 자료를 요약해 답하는 서비스를 생성형 엔진이라고 부릅니다. 사용자가 사이트를 방문하지 않고 답을 얻으니 사이트 운영자의 유입과 노출이 줄 수 있다는 문제의식에서 출발했습니다.

결론: 출처, 인용문, 통계를 넣은 글이 더 많이 인용됐다

연구진은 사이트 글을 아홉 가지 방식으로 고쳐 쓴 뒤 AI 답변에서 얼마나 드러나는지 쟀습니다. 출처 인용, 인용문 추가, 통계 추가가 가장 효과가 컸습니다. 위치 보정 단어 수 지표에서 30~40%, 주관적 노출 지표에서 15~30% 올랐습니다.

표의 숫자는 AI 답변 하나에서 그 사이트가 차지한 몫입니다. 답변은 구글 검색 상위 5개 사이트를 출처로 만들었으니, 다섯 곳이 똑같이 나누면 20 안팎이 됩니다. 위치 보정 단어 수는 그 사이트를 인용한 문장의 분량을 재되, 답변 앞쪽에 나올수록 높게 칩니다. 주관적 노출은 관련성, 클릭 가능성 등 7가지를 GPT-3.5가 채점해 같은 눈금으로 맞춘 값입니다. 그래서 두 지표의 기준값은 똑같이 19.3입니다. 인용문 추가의 27.2는 기준보다 약 41% 높다는 뜻입니다.

방법	무엇을 바꾸나	위치 보정 단어 수	주관적 노출
고치지 않음(기준)	–	19.3	19.3
인용문 추가	믿을 만한 출처의 인용문을 넣음	27.2	24.7
통계 추가	정성적 설명을 수치로 바꿈	25.2	23.7
유창성 개선	문장을 매끄럽게 다듬음	24.7	21.9
출처 인용	믿을 만한 출처를 밝힘	24.6	21.9
전문용어 추가	전문용어를 넣음	22.7	21.4
쉽게 쓰기	언어를 쉽게 바꿈	22.0	20.5
권위적 문체	설득력 있고 단정적인 문체	21.3	22.9
고유 단어 추가	드문 단어를 넣음	20.5	20.4
키워드 반복	검색어 키워드를 더 넣음	17.7	20.2

문장을 매끄럽게 하거나 쉽게 쓰는 것만으로도 노출이 15~30% 늘었습니다. 연구진은 생성형 엔진이 내용뿐 아니라 정보를 보여 주는 방식도 중시한다고 해석했습니다.

반대로 기존 SEO에서 흔히 쓰던 키워드 반복은 효과가 거의 없었습니다. 위치 보정 단어 수는 오히려 기준보다 낮았습니다. 더 설득력 있고 권위적인 문체도 의미 있는 개선을 보이지 않았습니다.

실제 서비스인 퍼플렉시티에서도 결과가 비슷했습니다. 인용문 추가는 위치 보정 단어 수가 기준보다 22% 높았습니다. 통계 추가는 주관적 노출 지표에서 최대 37% 올랐고, 키워드 반복은 기준보다 10% 낮았습니다.

논문이 AI 답변 노출을 잰 방법

논문은 생성형 엔진을 여러 생성 모델과 검색 엔진의 조합으로 정의합니다. 질문을 쉬운 검색어 여러 개로 바꾸고, 검색으로 자료를 모아 요약한 뒤, 출처를 단 답변을 만듭니다.

기존 검색은 순위로 노출을 재지만, AI 답변은 여러 출처를 한 문단에 섞어 씁니다. 그래서 연구진은 새 노출 지표를 만들었습니다.

• 단어 수 : 답변에서 그 출처를 인용한 문장의 단어 수 비중
• 위치 보정 단어 수 : 단어 수에 답변 앞쪽일수록 높은 가중치를 줌
• 주관적 노출 : 질문과의 관련성, 답변이 그 출처에 기댄 정도, 클릭 가능성 등 7가지를 언어 모델로 평가함

실험용 질문 모음인 GEO-bench도 만들었습니다. 빙과 구글의 실제 검색어, 옥스퍼드대 논술 문제, 퍼플렉시티 인기 질문 등 9개 출처에서 1만 개를 모았습니다. 분야는 25개이고, 정보형 질문이 80%입니다.

실험에서는 질문마다 구글 검색 상위 5개 결과를 가져와 GPT-3.5 터보가 답하게 했습니다. 다섯 사이트 중 하나를 무작위로 골라 언어 모델로 고쳐 쓰고, 노출이 얼마나 변하는지 비교했습니다.

순위가 낮은 사이트일수록 효과가 컸다

다섯 사이트를 모두 고쳐 쓴 실험에서는 검색 순위에 따라 결과가 갈렸습니다. 출처 인용 방법을 쓰자 5위 사이트의 노출은 115.1% 늘었습니다. 1위 사이트는 평균 30.3% 줄었습니다.

방법	1위 사이트	5위 사이트
출처 인용	-30.3%	+115.1%
인용문 추가	-22.9%	+99.7%
통계 추가	-20.6%	+97.9%

연구진은 생성형 엔진이 백링크보다 사이트 글 내용에 기대기 때문이라고 봤습니다. 그래서 GEO가 소규모 창작자와 독립 사업자에게 기회가 될 수 있다고 했습니다.

분야에 따라 잘 듣는 방법도 달랐습니다. 출처 인용은 사실 확인형 질문과 법률, 정부 분야에서 효과가 좋았습니다. 통계 추가는 법률, 정부 분야와 의견형 질문에서, 인용문 추가는 인물과 사회, 역사 분야에서 잘 맞았습니다.

여러 방법을 함께 쓰면 효과가 더 커졌습니다. 유창성 개선과 통계 추가를 함께 쓴 조합이 가장 좋았고, 어떤 단일 방법보다 5.5% 넘게 높았습니다. 출처 인용은 혼자 쓸 때보다 다른 방법과 함께 쓸 때 효과가 컸습니다.

논문은 한계도 밝혔습니다. 생성형 엔진이 바뀌면 방법도 달라져야 하고, 질문의 성격도 시간이 지나며 변할 수 있습니다. 이렇게 고친 글이 일반 검색 순위에 주는 영향은 실험하지 않았습니다.