AI 답변에 인용되는 콘텐츠와 그렇지 않은 콘텐츠의 차이

같은 주제를 다룬 두 페이지가 있다고 생각해보자. 한쪽은 잘 정리된 가이드, 다른 쪽은 같은 내용의 일반 블로그 글. 사람의 눈으로 보면 별 차이가 없다. 그런데 AI 엔진에 같은 질문을 던지면 한쪽은 답변 안에 출처로 등장하고, 다른 쪽은 끝까지 한 번도 호출되지 않는다. 콘텐츠의 깊이나 분량의 문제가 아니다. 차이는 페이지를 어떻게 읽히게 만들었느냐에 있다.

사람은 화면을 본다. 디자인, 폰트, 이미지, 흐름을 따라간다. AI는 그 화면을 그리는 HTML 자체를 본다. 어떤 부분이 제목이고, 어떤 부분이 답변이고, 누가 작성했고, 언제 발행됐는지 — 그 모든 것이 코드의 형태로 페이지 안에 들어 있어야 AI가 정확히 인식한다.

이 차이가 큰 이유는 단순하다. AI는 짧은 시간에 수많은 페이지를 비교해서 답변에 쓸 가장 신뢰할 만한 출처 한두 개를 골라야 한다. 그 판단을 빠르게 내리려면 눈으로 읽지 않고 구조로 읽는다. 같은 정보라도 구조가 깔끔하게 표시된 페이지는 AI에게 "이 페이지가 무엇에 관한 것인지" 즉시 전달되고, 구조 표시가 없는 페이지는 모호한 신호로 남는다. 모호한 신호는 답변 후보에서 빠르게 탈락한다.

이 "구조"를 표시하는 표준이 따로 있다. Schema.org라고 하는 표준인데,

2011년 Google·Microsoft·Yahoo·Yandex가 공동으로 만들었고 지금까지 검색 엔진들이 페이지를 이해하는 공식 신호로 사용한다. 페이지 안에 보이지 않는 형태로 "이 글의 작성자는 누구다, 발행일은 언제다, 이 부분은 질문이고 이 부분은 답이다" 같은 정보를 기록해두는 방식이다.

원래는 검색 엔진을 위해 만들어진 표준인데, AI 답변 엔진이 등장하면서 가치가 한 단계 더 올라갔다. AI가 대량의 페이지를 빠르게 이해해야 하는 만큼, 구조화 데이터가 박혀 있는 페이지는 같은 콘텐츠라도 더 빠르고 정확하게 해석된다. 한국 시장에서는 아직 이 표준을 의식적으로 다루는 콘텐츠 운영 사례가 많지 않고, 이게 GEO 측면에서 의외의 빈틈이 된다.

AI 답변에 자주 등장하는 페이지들에는 몇 가지 공통적인 특징이 관찰된다. 모두 화려한 기법이 아니라 기본기다.

첫째, 작성자가 분명하다. 글의 끝에 "OO팀"으로 끝나지 않고, 사람 이름과 직책, 그리고 그 사람의 다른 채널(예: LinkedIn, 다른 매체 기고)이 함께 표시돼 있다. AI는 이름 없는 글보다 식별 가능한 작성자가 있는 글을 더 신뢰할 만하다고 판단한다.

둘째, 질문에 직접 답하는 문장이 한 문단 안에 있다. "이 주제는 복잡하고…"로 시작해서 한참 우회한 뒤 결론에 닿는 글보다, 도입부에 명확한 정의나 답변이 한 문장으로 나오는 글이 인용 가능성이 훨씬 높다.

셋째, 외부 연결이 있다. 같은 회사·사람·주제가 여러 채널에서 일관되게 발화될수록 AI는 그 발화자의 권위를 높게 평가한다. 자체 블로그 한 곳에만 모든 콘텐츠가 갇혀 있으면, 콘텐츠가 아무리 좋아도 AI는 그것을 고립된 주장으로 본다.

넷째, 발행일과 갱신일이 명확하다. AI는 정보의 시의성에 매우 민감하다. 발행일이 없거나, 명확히 표시되지 않은 페이지는 답변에서 우선순위가 밀린다.

이 네 가지를 해당 페이지의 HTML 안에 보이지 않는 형태로 명시해두는 방식이 앞에서 말한 구조화 데이터다. 즉 좋은 콘텐츠를 만드는 것과 그것이 AI에게 좋은 콘텐츠로 보이게 만드는 것은 별개의 작업이다.

국내 블로그·뉴스레터·기업 사이트를 살펴보면, 콘텐츠 자체는 충실한데 위 네 가지 신호가 빠져 있는 경우가 많다. 가장 자주 빠지는 두 가지가 작성자 정보와 외부 채널 연결이다.

작성자 표기가 회사 이름 한 줄로만 끝나고, 사람 이름이 들어가지 않는다. 그러면 같은 콘텐츠를 발행해도 AI는 그것을 회사의 마케팅 메시지로 분류한다. 사람 이름과 직책, 그리고 그 사람의 외부 프로필이 함께 들어가면 같은 글이 전문가의 발화로 분류된다. 이 차이가 누적되면 인용률 차이는 매우 커진다.

외부 채널 연결도 비슷하다. 자사 블로그, 뉴스레터, LinkedIn 회사 페이지, 사업자 정보 페이지가 각각 운영되고 있어도, 그것들이 같은 주체의 채널이라는 신호가 명시돼 있지 않으면 AI는 별개로 인식한다. 채널 다섯 개를 운영하고도 권위는 한 개 운영한 만큼만 누적되는 결과가 나온다.

GEO를 고민할 때 흔히 콘텐츠 양과 질부터 떠올린다. 하지만 인용률을 결정하는 변수의 절반 이상은 그 콘텐츠가 어떤 발신자, 어떤 권위, 어떤 구조로 발행되는가에 있다. 콘텐츠를 매주 한 편씩 쌓는 것보다, 이미 발행한 글들의 작성자 정보와 발행처 신호를 정비하는 게 단기적으로 인용률을 더 빠르게 끌어올리는 경우도 많다.

다음 편에서는 이 구조 신호를 갖춘 국내 GEO 운영 사례를 비교 정리한다. 같은 자원으로 어떤 회사는 신호를 잘 쌓고, 어떤 회사는 그렇지 못한가의 차이를 살펴볼 예정이다.

참고 자료

- Schema.org 공식 표준 문서 (schema.org)

- Google Search Central — Structured Data 개요 (developers.google.com/search)

- "GEO: Generative Engine Optimization" (Aggarwal et al., KDD 2024)