AI 답변에 인용되는 법 — GEO·AEO 총정리
2026년 8월 27일
누군가 챗GPT에 "○○ 잘하는 곳 어디예요?"라고 물었을 때 우리 이름이 나오게 하려면, 검색 순위가 아니라 AI가 답을 만들 때 근거로 집어 드는 문서가 되어야 합니다. 이 글은 그 일이 실제로 어떻게 굴러가는지, 무엇을 준비해야 하는지, 준비했는지 어떻게 확인하는지를 한 자리에 모았습니다.
AI 검색은 어떻게 답을 고르나요?
기존 검색은 목록을 돌려줬습니다. 생성형 AI는 목록 대신 문장 하나를 만들어 주고, 그 문장을 쓰면서 참고한 문서를 출처로 답니다. 그래서 싸움터가 바뀝니다. 열 번째 자리에 있느냐가 아니라 답을 만드는 재료로 뽑혔느냐가 갈림길입니다.
재료를 고르는 순서는 대체로 셋입니다. 먼저 이미 수집해 둔 문서 더미가 있어야 하고, 질문이 들어오면 그 안에서 답이 될 만한 것을 찾고, 마지막으로 비슷한 문서가 여럿이면 그중 하나만 골라 씁니다.
첫 단계부터 걸리는 경우가 많습니다. 애초에 수집돼 있지 않으면 아무리 잘 쓴 글이어도 후보에 못 듭니다. 그리고 마지막 단계가 자주 오해받는 자리입니다.
글을 많이 쓰면 유리한가요?
가장 많이 받는 질문이고, 답은 아니오에 가깝습니다.
같은 이야기를 하는 글을 여러 편 쌓으면 그만큼 여러 번 인용되는 게 아니라, 하나만 남고 나머지는 쓰이지 않습니다. 비슷한 문서를 걸러 내는 것은 AI 시스템의 기본 동작이라 피해 갈 방법이 없습니다. 벌을 받는 게 아니라 그냥 없는 것처럼 취급되는 쪽에 가깝습니다.
밖에서 잰 숫자도 같은 쪽을 가리킵니다. 7만 5천여 개 브랜드를 대상으로 AI 노출과 여러 지표의 관계를 본 분석에서, 사이트의 페이지 수는 AI 노출과 거의 관계가 없었습니다. 반면 다른 곳에서 브랜드 이름이 언급되는 정도는 훨씬 강한 관계를 보였습니다. 편수를 늘리는 데 쓸 시간이 있다면, 한 편을 제대로 만들고 밖에서 언급되게 하는 편이 낫다는 뜻입니다.
GEO와 AEO는 무엇이 다른가요?
GEO(Generative Engine Optimization)는 생성형 AI가 답을 만들 때 우리 문서가 근거로 쓰이도록 다듬는 일입니다. 이름 때문에 지역 최적화로 오해받곤 하는데 관계가 없습니다. AEO(Answer Engine Optimization)는 좀 더 넓게, 질문에 대한 답으로 우리 내용이 선택되도록 만드는 일을 가리킵니다.
둘을 굳이 가르지 않아도 됩니다. 실제로 하는 일은 겹칩니다 — 질문에 바로 답하고, 근거를 밝히고, 기계가 읽기 좋게 정리하는 것입니다.
AI가 인용하지 못하는 글의 특징
되는 방법보다 안 되는 이유를 먼저 보는 편이 빠릅니다. 걸리는 곳은 대개 셋 중 하나입니다.
첫째, 답이 없는 글입니다. 배경 설명이 길고 결론이 맨 뒤에 있거나, 주장만 있고 무엇을 하라는 말이 없는 글은 인용할 대목 자체가 없습니다. AI는 문단을 통째로 옮기지 않고 답이 되는 부분만 떼어 씁니다.
둘째, 출처가 없는 글입니다. 숫자가 어디서 왔는지, 언제 잰 값인지 적혀 있지 않으면 근거로 삼기 어렵습니다. 특히 "몇 % 향상" 같은 수치는 출처와 측정 시점이 함께 있어야 합니다.
셋째, 기계가 읽기 어려운 글입니다. 소제목이 없거나 본문이 이미지 안에 들어 있거나, 화면이 열린 뒤에야 글자가 채워지는 페이지는 애초에 읽히지 않습니다. 웹사이트를 새로 만들 때 이 부분에서 갈리는 경우가 많습니다.
인용 가능성을 높이는 준비
| 항목 | 무엇을 하나 | 확인할 점 |
|---|---|---|
| 답을 앞에 둔다 | 질문에 대한 답을 첫 문단과 소제목 바로 아래에 놓는다 | 첫 세 줄만 읽어도 답이 되는가 |
| 근거를 밝힌다 | 숫자에 출처와 측정 시점을 붙인다 | 어디서 온 값인지, 언제 잰 값인지 적혀 있는가 |
| 한 주제에 한 편 | 같은 질문에 답하는 글을 여러 편 만들지 않는다 | 내 글끼리 같은 검색 의도를 놓고 다투고 있지 않은가 |
| 기계가 읽게 한다 | 소제목·목록·표로 나누고, 본문이 초기 화면에 실려 나가게 한다 | 자바스크립트가 꺼져도 본문이 보이는가 |
| 엔티티를 세운다 | 상호·서비스·지역·연락처를 구조화 데이터로 명시한다 | 우리가 무엇 하는 곳인지 기계가 헷갈리지 않는가 |
마지막 항목은 오해가 많아 짚고 갑니다. Schema.org나 JSON-LD 같은 구조화 데이터는 우리가 무엇 하는 곳인지 기계에게 알려 주는 표지판에 가깝습니다. 갖추면 좋습니다. 다만 표지판을 세웠다고 손님이 늘지 않듯, 이것을 갖췄다는 사실이 곧 인용 증가로 이어지지는 않습니다. Google이 2026년 7월에 낸 안내에도 생성형 AI 검색에서 이것이 필수 항목은 아니라고 적혀 있습니다. 기반 공사로 보는 편이 정확합니다.
엔진마다 결과가 다릅니다
한 곳에서 잘 나온다고 다른 곳에서도 잘 나오지는 않습니다. 출처를 꼬박꼬박 다는 엔진이 있는가 하면 어쩌다 한 번만 다는 엔진도 있고, 어떤 곳은 특정 플랫폼의 글을 유난히 많이 참고합니다. 그래서 한 엔진만 보고 판단하면 그림을 절반만 보게 됩니다.
어디서부터 시작하나요
막막하다는 말을 자주 듣습니다. 순서는 단순합니다.
- 지금 위치를 잰다. 무엇을 준비할지는 지금 어디에 있는지를 안 뒤에 정해집니다. 우리가 무엇을 어떻게 재는지는 측정 사양을 공개한 글에 그대로 적어 두었습니다.
- 답이 되는 글을 만든다. 손님이 실제로 던지는 질문 하나에 한 편씩입니다. 편수를 늘리는 것이 목표가 아닙니다.
- 기반을 정리한다. 초기 화면에 본문이 실리는지, 소제목이 있는지, 엔티티 정보가 명시돼 있는지를 봅니다.
- 다시 잰다. 같은 사양으로 회차를 쌓아야 무엇이 움직였는지 알 수 있습니다.
한 번으로 끝나지 않습니다
AI 모델은 계속 바뀝니다. 어제 통하던 것이 다음 달에도 통한다고 장담하기 어렵습니다. 그래서 이 일은 한 번 끝내는 공사가 아니라 주기를 두고 재고 고치는 일에 가깝습니다.
그 말을 우리에게도 적용했습니다. 같은 방법으로 우리 회사를 재고, 좋지 않았던 결과를 숨기지 않고 올려 두었습니다 — 우리 회사를 재본 기록.
규제가 있는 업종이라면
의료기관이나 전문 자격사는 광고 규정이 따로 있습니다. AI 검색에 맞춘다고 표현 수위를 올리면 규정 쪽에서 걸립니다. 그래서 검수를 발행 절차 안에 두는 편이 안전합니다. 바쁠 때 건너뛸 수 없게 만드는 것이 요령입니다.
medad가 하는 일
medad는 병의원·전문 자격사·브랜드를 위해 웹사이트 설계, 콘텐츠 제작과 발행, AI 인용 측정을 맡습니다. 규제 업종은 광고 규정 검수를 발행 게이트에 넣어 검수를 통과하지 못한 글이 나가지 않게 합니다. 순위나 인용을 약속하지는 않습니다. 재는 방법과 그 한계를 공개하고, 회차마다 무엇이 움직였는지를 숫자로 보고합니다. 어떤 기준으로 대행사를 고르면 되는지는 체크리스트에 정리해 두었고, 요금은 상담 때 안내해 드립니다.
자주 묻는 질문
- AI 검색에 나오려면 글을 많이 써야 하나요?
- 아닙니다. 비슷한 글이 여럿이면 AI는 하나만 골라 쓰고 나머지는 쓰지 않습니다. 7만 5천여 개 브랜드를 본 분석에서도 사이트의 페이지 수는 AI 노출과 거의 관계가 없었습니다. 편수를 늘리기보다 한 질문에 한 편을 제대로 만드는 편이 낫습니다.
- GEO와 AEO는 어떻게 다른가요?
- GEO는 생성형 AI가 답을 만들 때 우리 문서가 근거로 쓰이도록 다듬는 일이고, AEO는 질문에 대한 답으로 우리 내용이 선택되도록 만드는 더 넓은 개념입니다. 실제로 하는 일은 크게 겹치므로 굳이 가르지 않아도 됩니다.
- 구조화 데이터는 얼마나 중요한가요?
- 기반으로는 중요하지만 그 자체가 인용을 늘려 주는 수단은 아닙니다. Google이 2026년 7월에 낸 안내에도 생성형 AI 검색에서 필수 항목은 아니라고 적혀 있습니다. 기계가 우리를 정확히 알아보게 하는 표지판으로 보는 편이 정확합니다.
- 결과가 나오기까지 얼마나 걸리나요?
- AI가 새 글을 반영하기까지 시차가 있어 며칠 단위로는 변화를 확인하기 어렵습니다. 같은 사양으로 회차를 쌓아 추이로 봐야 하며, 그래서 저희는 격주 주기로 잽니다.