AI 검색 최적화는 왜 콘텐츠를 많이 발행하는 것으로 해결되지 않을까?
도슨티GEOAI 검색 최적화는 왜 콘텐츠를 많이 발행하는 것으로 해결되지 않을까?
AI 인용 46만 건을 분석한 연구가 보여준 것: 중요한 것은 콘텐츠의 양이 아니라 검색되고 선택되는 이유다
GEO가 새로운 마케팅 과제로 떠오르면서 익숙한 해법도 빠르게 확산되고 있습니다.
AI가 좋아하는 콘텐츠 형식으로 글을 다시 쓰고, FAQ를 추가하고, 비교 기사를 대량으로 제작하는 것입니다.
기업에 따라서는 하루에 여러 개의 GEO 콘텐츠를 자동 생성하고 외부 채널에 발행하기도 합니다.
콘텐츠 생산 비용이 낮아졌으니 더 많은 글을 발행하는 것이 유리하다는 생각입니다.
하지만 여기에는 중요한 질문이 빠져 있습니다.
그렇게 발행한 콘텐츠를 AI는 실제로 검색하고 있을까요?
검색했더라도 인용할 이유가 있을까요?
그리고 인용했다고 해서 우리 브랜드를 고객에게 추천할까요?
2026년 10월 공개된 한 연구는 이러한 질문을 기존 GEO 논의보다 훨씬 구체적으로 다뤘습니다.
결과는 단순한 '콘텐츠를 많이 발행하라'는 조언과 상당히 달랐습니다.
1. 15만 8천 개의 AI 답변과 46만 8천 개의 인용을 분석하다
2026년 10월 10일, Mahe Chen과 Nick Koudas는 생성형 AI 검색에서 웹페이지가 인용되는 요인을 분석한 연구를 공개했습니다.
연구진은 서로 다른 두 시장에서 90일간 수집한 AI 답변 158,099개와 인용 468,037개를 분석했습니다.
연구의 핵심 질문은 다음과 같았습니다.
"AI는 어떤 웹페이지를 인용하며, 콘텐츠의 어떤 특성이 인용 여부에 영향을 미치는가?"
기존 GEO 논의에서는 웹페이지를 AI 친화적으로 만드는 여러 방법이 제안되어 왔습니다.
FAQ를 추가하고, 요약 문단을 만들고, 구조화 데이터를 사용하고, 콘텐츠를 작은 단위로 나누는 방식입니다.
이러한 작업은 일부 상황에서 유용할 수 있습니다.
그러나 연구진이 같은 웹사이트에 속한 페이지들을 비교했을 때, 뚜렷하게 나타난 중요한 요인은 따로 있었습니다.
사용자의 질문과 웹페이지 제목·본문 사이의 의미적 관련성이었습니다.
반면 FAQ 블록, 구조화 데이터, 요약 상자, 페이지 속도 등은 웹사이트 간 비교에서는 효과가 있는 것처럼 나타났지만, 동일 웹사이트 내부의 페이지들을 비교할 때는 같은 방식의 효과가 명확하게 나타나지 않았습니다.
이 차이는 중요합니다.
일반적으로 콘텐츠 품질이 높은 웹사이트는 기술적 관리도 잘되어 있을 수 있습니다.
그런 사이트가 AI에 자주 인용된다고 해서 특정 FAQ 형식이나 구조화 데이터 하나가 인용 증가의 직접적인 원인이라고 결론 내릴 수는 없습니다.
출처: Chen & Koudas, What Drives AI Citations? Content, Retrieval and Model Knowledge in GEO (2026.10)
이 연구는 공개된 프리프린트 논문입니다. 따라서 결과를 확정적인 업계 법칙으로 받아들이기보다 중요한 실증적 근거로 검토할 필요가 있습니다.
2. AI에 인용되기 전에 먼저 검색되어야 한다
이 연구에서 가장 흥미로운 부분은 검색 단계의 역할입니다.
AI 검색은 항상 사용자의 원문 질문 하나만으로 웹페이지를 찾는 것이 아닙니다.
복잡한 질문을 여러 개의 하위 검색어로 나누거나, 질문을 재구성해 검색을 수행할 수 있습니다.
이를 흔히 쿼리 팬아웃(Query Fan-out)이라고 부릅니다.
예를 들어 사용자가 이렇게 질문한다고 가정해 보겠습니다.
"중소기업이 사용하기 좋은 CRM 중 한국어 지원이 되고 가격이 저렴한 제품은?"
AI는 이를 다음과 같은 검색으로 분해할 수 있습니다.
"중소기업 CRM 가격 비교"
"한국어 지원 CRM 소프트웨어"
"중소기업 CRM 사용자 후기"
"CRM 무료 체험 기능 비교"
이때 기업이 "최고의 혁신적인 CRM 솔루션"이라는 일반적인 홍보 문구만 반복하고 있다면 어떨까요?
사용자의 구체적인 조건을 설명하는 콘텐츠가 부족할 수 있습니다.
연구진은 검색 과정에서 어떤 페이지가 검색되는지가 인용 결과의 차이를 설명하는 데 큰 역할을 한다고 보고했습니다.
분석에서 검색 단계의 설명력은 약 32%였고, 페이지 속성의 설명력은 약 2.8%였습니다. 이는 연구의 특정 분석 모형에서 나온 수치이며, GEO 성과 전체의 기여율을 뜻하지는 않습니다.
연구에서 관찰된 ChatGPT의 인용 페이지는 먼저 자체 검색을 통해 검색된 페이지였습니다.
이는 GEO 콘텐츠 전략의 중심 질문을 바꿉니다.
"AI가 좋아할 만한 형식으로 글을 썼는가?"보다 먼저 살펴봐야 할 것은 "고객이 실제로 질문하는 문제에 대해 검색될 만한 정보를 제공하고 있는가?"입니다.
3. FAQ를 많이 만들면 AI 인용률이 올라간다는 말의 한계
FAQ는 유용한 콘텐츠 형식입니다.
제품의 조건과 제약, 가격 정책, 사용 방법, 자주 발생하는 문제를 명확하게 설명할 수 있기 때문입니다.
하지만 FAQ 형식 자체가 AI 인용을 보장하는 것은 아닙니다.
Google도 2026년 공식 AI 검색 최적화 가이드에서 비슷한 입장을 밝혔습니다.
Google은 기존 SEO의 기술적 기반이 여전히 중요하다고 설명하면서도, 특별한 GEO 편법보다 독창적이고 유용한 콘텐츠를 강조합니다.
콘텐츠를 인위적으로 잘게 나누거나, 불필요한 AI 전용 텍스트 파일을 만들거나, 진정성 없는 브랜드 언급을 확보하려는 전략에 의존할 필요가 없다고 안내합니다.
중요한 것은 실제 이용자에게 가치 있는 정보를 제공하는 일입니다.
예를 들어 다음 두 콘텐츠를 비교해 보겠습니다.
A. "CRM이란 무엇인가? 정의와 장점 10가지"
B. "직원 30명 규모 기업에서 CRM을 도입할 때 발생하는 데이터 이전 비용과 운영 부담"
A는 일반적인 정보 탐색에 유용할 수 있습니다.
하지만 B는 실제 도입을 검토하는 고객의 구체적인 문제를 다룹니다.
비용 항목과 적용 조건, 운영상 제약을 근거와 함께 설명한다면 구매 의사결정에 더욱 직접적인 도움을 줄 수 있습니다.
이는 B가 반드시 AI에 더 많이 인용된다는 뜻은 아닙니다.
다만 일반적인 정의를 반복하는 콘텐츠와 구체적인 문제를 해결하는 콘텐츠는 제공하는 정보 가치가 다르다는 의미입니다.
출처: Google Search Central, Optimizing Your Website for Generative AI Features
4. 콘텐츠 양보다 더 근본적인 문제: AI가 이미 알고 있는 브랜드
Chen과 Koudas의 연구에는 또 다른 흥미로운 발견이 있습니다.
AI가 이미 알고 있는 브랜드에 대한 지식이 검색어 구성과 추천 결과에 영향을 줄 수 있다는 것입니다.
연구진은 모델이 알고 있는 브랜드를 검색 질의에 포함시키거나, 이미 익숙한 웹사이트를 선호하는 현상을 관찰했습니다.
또한 통제 실험에서는 제품에 관한 정보가 동일하더라도 브랜드 이름에 따라 추천 순서가 달라지는 결과가 나타났습니다.
이것은 작은 기업에 불편한 소식일 수 있습니다.
브랜드에 관한 외부 정보가 부족하다면, 아무리 홈페이지에 콘텐츠를 많이 추가해도 AI가 해당 브랜드를 유력한 선택지로 고려하지 않을 수 있기 때문입니다.
그렇다고 브랜드 인지도가 모든 것을 결정한다는 의미는 아닙니다.
연구는 AI의 검색과 추천에 모델의 기존 지식이 영향을 줄 수 있다는 사실을 보여주지만, 신규 브랜드가 어떤 방법으로 얼마나 빠르게 이 격차를 줄일 수 있는지까지 입증하지는 않습니다.
다만 중요한 전략적 시사점은 있습니다.
GEO는 기업이 자기 홈페이지에서 작성하는 문서만의 문제가 아니라는 것입니다.
고객 후기, 독립적인 제품 비교, 전문 매체의 평가, 실제 사용 사례 등 기업 외부에 존재하는 정보 역시 브랜드가 이해되는 맥락을 형성합니다.
따라서 콘텐츠를 더 많이 발행하기 전에 우리 브랜드가 어떤 문제의 해결책으로 인식되고 있는지 살펴볼 필요가 있습니다.
5. 대량 콘텐츠 자동화가 위험해지는 순간
콘텐츠 생성 자동화 자체가 문제인 것은 아닙니다.
AI를 활용하면 제품 정보 정리, 문서 구조화, 초안 작성, 번역, 업데이트 같은 업무를 효율적으로 수행할 수 있습니다.
문제는 자동화의 목적입니다.
실제 고객에게 도움이 되는 정보를 더 빠르고 정확하게 제공하려는 것인지, 검색 노출을 늘리기 위해 유사한 페이지를 대량으로 생산하려는 것인지 구분해야 합니다.
Google의 검색 스팸 정책은 'Scaled Content Abuse'를 명시적으로 다루고 있습니다.
생성형 AI를 비롯한 자동화 수단을 사용해 사용자에게 새로운 가치를 제공하지 않는 페이지를 대량으로 제작하고, 주된 목적이 검색 순위 조작인 경우 정책 위반이 될 수 있습니다.
이는 AI가 작성한 콘텐츠가 모두 금지된다는 뜻이 아닙니다.
Google은 콘텐츠 제작 방식 자체보다 이용자에게 실질적인 가치를 제공하는지와 검색 시스템을 조작하려는 의도가 있는지를 중요하게 평가합니다.
따라서 GEO 자동화에서 성과 지표를 단순히 발행된 콘텐츠 수로 설정하는 것은 위험할 수 있습니다.
한 달에 100개의 글을 발행했다는 사실만으로 GEO 성과를 입증할 수는 없습니다.
그중 어떤 글이 고객의 중요한 질문에 답하는지, 어떤 콘텐츠가 실제로 검색되고 인용되는지, 기존 글과 정보가 중복되지 않는지 평가해야 합니다.
출처: Google Search Central, Spam Policies — Scaled Content Abuse
6. 좋은 GEO 콘텐츠는 어떤 조건을 갖춰야 할까?
실무적으로는 콘텐츠의 생산량을 늘리기보다 다음 다섯 가지를 점검하는 편이 유용합니다.
첫째, 구체적인 질문에 답하는가?
"우리 제품은 혁신적입니다"보다 "어떤 조건에서 우리 제품이 적합한가"를 설명하는 콘텐츠가 고객의 판단에 도움을 줍니다.
둘째, 검증 가능한 사실이 있는가?
실제 제품 사양, 가격, 사용 조건, 고객 사례, 연구 결과 등 출처를 확인할 수 있는 정보가 필요합니다.
셋째, 다른 콘텐츠와 실질적으로 다른가?
기존 글의 표현만 바꾼 페이지를 여러 개 추가하는 것보다 특정 고객 문제를 깊이 다루는 콘텐츠 하나가 더 가치 있을 수 있습니다.
넷째, 비교에 필요한 정보를 제공하는가?
브랜드의 강점뿐 아니라 제약과 적합하지 않은 조건도 설명할 수 있어야 합니다.
다섯째, 최신성이 중요한 정보는 관리되고 있는가?
가격, 정책, 상품 사양, 재고 등 변경 가능성이 큰 정보가 오래된 상태로 남아 있다면 AI가 이를 활용하더라도 정확한 답변을 만들기 어렵습니다.
이 다섯 가지는 AI의 공식 순위 알고리즘을 재현하는 방법이 아닙니다.
고객에게 유용하고 검증 가능한 콘텐츠를 만드는 데 필요한 편집 원칙입니다.
7. 발행 전에 무엇을 쓸지 아는 것이 더 중요하다
콘텐츠를 제작하는 비용이 낮아질수록 오히려 중요한 것은 편집 우선순위를 정하는 능력입니다.
예를 들어 한 소프트웨어 기업이 AI 검색에서 다음과 같은 결과를 발견했다고 가정해 보겠습니다.
"중소기업용 CRM 추천"에서는 경쟁사만 등장합니다.
"CRM 데이터 보안 비교"에서는 자사 브랜드가 자주 언급됩니다.
"CRM 도입 비용"에서는 자사 가격 정책에 관한 정보가 부족합니다.
이 경우 무작정 CRM 관련 글 30개를 제작하는 것이 최선일까요?
먼저 부족한 정보가 무엇인지 살펴보는 것이 합리적입니다.
신규 고객 발견 질문에서 브랜드가 제외되는 이유가 제품 기능의 문제인지, 관련 비교 콘텐츠가 부족한 것인지, 외부 출처에서 브랜드가 거의 언급되지 않는 것인지 검토할 필요가 있습니다.
가격 관련 정보가 부족하다면 일반적인 CRM 정의보다 실제 비용 구조와 도입 조건을 설명하는 콘텐츠가 더 중요할 수 있습니다.
이러한 판단에는 질문 단위의 GEO 데이터가 도움이 됩니다.
도슨티 GEO는 ChatGPT, Claude, Gemini, Perplexity 등 주요 AI 플랫폼에서 브랜드 언급과 인용, 경쟁사 노출을 추적할 수 있도록 지원합니다.
또한 측정 결과를 콘텐츠 생성과 개선 업무로 연결하는 운영 기능을 제공합니다.
이때 콘텐츠 생성 자동화의 가치는 얼마나 많은 글을 만드는가가 아니라, 무엇을 개선해야 하는지 파악한 뒤 필요한 정보를 효율적으로 제작할 수 있는가에 있습니다.
8. 콘텐츠가 넘쳐나는 시대에 부족한 것은 정보가 아니라 판단이다
생성형 AI 덕분에 누구나 빠르게 글을 만들 수 있게 됐습니다.
기업이 새로운 콘텐츠를 발행하는 비용도 낮아졌습니다.
그러나 고객이 실제로 필요로 하는 정보는 무한하지 않습니다.
이미 수백 개의 웹페이지에서 반복하고 있는 정의와 설명을 하나 더 추가한다고 해서 고객의 문제가 해결되는 것은 아닙니다.
GEO에서도 마찬가지입니다.
콘텐츠의 양이 많다는 사실은 검색되고 인용될 기회를 넓힐 수 있지만, 개별 콘텐츠가 고객의 질문에 적합하고 신뢰할 만하다는 사실을 보장하지 않습니다.
2026년의 실증 연구는 검색과 인용의 과정에서 질문과 콘텐츠의 의미적 관련성이 중요하다는 점을 보여줍니다.
Google의 공식 가이드 역시 독창적이고 실질적인 정보 가치를 강조합니다.
이 두 가지를 함께 읽으면 하나의 결론에 도달합니다.
GEO에서 중요한 것은 더 많은 콘텐츠를 만드는 일이 아닙니다.
AI가 고객의 질문에 답할 때 실제로 필요로 할 만한 정보를 만드는 일입니다.
그리고 그 정보가 검색되고 인용되는지 확인하면서 개선하는 일입니다.
콘텐츠 생산이 쉬워질수록 GEO의 경쟁력은 생산 능력보다 무엇을 생산해야 하는지 판단하는 능력에서 나올 것입니다.
무엇을 더 발행할지가 아니라, 무엇이 부족한지부터 확인하세요.
도슨티 GEO로 고객의 주요 질문에서 브랜드와 경쟁사의 노출을 비교하고, 콘텐츠 개선의 우선순위를 찾아보세요.
2026년 11월 11일 기준 공개된 학술 연구 및 Google 공식 자료를 토대로 작성했습니다. 인용 연구는 프리프린트이며, 본문에 제시된 기업 사례는 설명을 위한 가상 사례입니다.