GEO 연구 정리 — 논문에서 확인한 것과 확인되지 않은 것

어떤 논문을 검토했나요?

생성형 AI 검색이 어떤 페이지를 출처로 고르는지를 실험하거나 관찰한 논문 32편입니다. GEO 라는 이름을 알린 2023년 논문부터 2026년에 여러 엔진을 다시 측정한 연구까지 포함했고, 2026년 9월 14일에 검토를 마쳤습니다.

전부 영어권 실험이었고 한국어나 대행사 사이트를 다룬 실험은 없었습니다. 또 대부분은 이미 검색된 문서 몇 개 가운데 무엇이 인용되는지를 본 실험이어서, 검색에 걸리는 단계까지 포함한 연구는 두 편뿐이었습니다.

여러 연구가 같은 방향을 가리킨 결론은 무엇인가요?

질문에 쓰인 말이 페이지에 그대로 있는지와 애초에 검색 결과에 걸리는지가 가장 크게 작용했습니다. C-SEO Bench 는 참고 문서 목록의 첫 자리에 놓인 효과(+2.77)가 가장 효과가 좋았던 페이지 문구 기법(+0.36)보다 훨씬 컸다고 보고했습니다.

결론	대표 근거
질문의 단어가 제목·소제목·본문에 있을 때 인용이 늘어난다	What Gets Cited, Diagnosing Citation Failures(인용 실패의 62.2%가 질문과의 불일치)
한 페이지가 너무 많은 질문을 노리면 다른 질문 성과가 떨어진다	IF-GEO
수치·정의·비교 문장이 답변에 흡수된다	Citation Absorption
권위적·광고 톤은 인용 점수를 깎는다	E-GEO, CC-GSEO-Bench
AI 답변은 매번 달라 몇 번만 잰 값은 흔들린다	Don’t Measure Once
인용됐다고 내용까지 정확한 것은 아니다	SourceCheckup, CiteEval
자사 도메인보다 제3자 출처가 훨씬 많이 인용된다	GEO at Scale(자사 2.9%, 제3자 75.2%)

효과가 입증되지 않아 주장하지 않는 것은 무엇인가요?

통계를 넣으면 인용이 늘어난다는 설명, 구조화 데이터나 FAQ 블록이 인용을 늘린다는 설명, llms.txt 가 AI 노출을 돕는다는 설명은 근거가 없거나 연구끼리 엇갈려 영업 문구로 쓰지 않습니다. 이런 장치를 규약대로 두더라도 효과가 있다고 말하지 않습니다.

• 통계·인용문 삽입 — 2024년 원 논문에서는 인용이 늘었지만 2026년 10개 엔진 재측정에서는 효과가 없었고, 통계 삽입은 24개 설정 중 19개에서 오히려 점수가 내려갔습니다.
• 구조화 데이터 — 검토한 문헌에서 구조화 데이터를 넣고 빼며 인용 변화를 잰 실험은 찾지 못했습니다.
• FAQ 블록 — 효과가 거의 없다는 결과와, 문답 형식이 오히려 답변 흡수를 줄였다는 결과가 엇갈립니다.
• llms.txt — 논문에서 다룬 적이 없고, 우리 측정 414회에서 열린 기록이 없었습니다. 측정 기록 보기
• 글 길이 — 글이 길수록 인용된다는 상관은 거의 나타나지 않았습니다.

AI 를 향한 지시 문장은 왜 넣지 않나요?

페이지 안에 AI 를 수신자로 삼은 지시 문장을 넣는 것은 연구에서 순위 조작 수법으로 분류되기 때문입니다. 한 실험은 이런 문장을 끼워 넣어 대화형 검색엔진의 추천 순위를 움직일 수 있음을 보였고, 다른 연구는 추천 에이전트를 상대로 한 같은 수법이 결함 있는 제품까지 답변에 끼워 넣는 것을 보고했습니다.

그래서 liveGPT 는 본문과 메타 정보, 이미지 설명, llms.txt 어디에도 이런 문장을 두지 않습니다. 정직한 내용이어도 형태 자체가 조작 흔적으로 읽힐 수 있어서입니다.

연구 결과를 한국어 질문에 그대로 옮겨도 되나요?

그대로 옮기지 않고 출발점으로만 씁니다. 검토한 논문은 영어권 실험이고 엔진마다 동작도 달라서, 한국어 질문에서의 결론은 liveGPT 가 엔진과 위치 설정을 고정하고 질문마다 20회 이상 반복해 잰 기록으로 따로 냅니다.

예를 들어 의료 분야 한국어 질문에서는 대형병원과 공공기관 사이트가 먼저 인용되는 경향을 우리 측정으로 따로 확인했습니다. 측정 조건과 방법은 측정 방법에 정리했습니다.