대화형 AI 검색 엔진의 데이터 수집 매커니즘: 거대언어모델(LLM)이 답변을 생성할 때 출처(Source)로 신뢰하고 긁어가는 문서의 특징

구글 AI 개요(AI Overview)는 Schema.org 같은 구조화된 데이터가 적용되고, E-E-A-T(경험·전문성·권위성·신뢰성) 신호가 뚜렷한 페이지를 인용 근거로 우선 신뢰하는 경향이 있는 것으로 알려져 있습니다. 구조화된 데이터는 페이지의 내용(이 글이 다루는 주제, 저자, 발행일, FAQ 항목 등)을 기계가 명확하게 파싱할 수 있는 형태로 명시적으로 표시해주는 코드입니다. 사람은 페이지를 읽으며 맥락으로 정보를 유추할 수 있지만, AI는 이 구조화된 표시가 있을 때 훨씬 더 빠르고 정확하게 정보를 추출할 수 있습니다. 즉 구조화된 데이터는 AI에게 "이 페이지에서 이 정보를 이렇게 읽으면 된다"고 미리 알려주는 안내판 역할을 한다고 이해하면 됩니다.

LLM(거대언어모델)은 크게 두 가지 방식으로 정보를 다룹니다. 하나는 모델을 훈련시킬 때 웹 전체를 대량으로 학습해 내재화한 지식이고, 다른 하나는 챗GPT의 웹 검색 기능이나 구글 AI 개요처럼 질문에 답할 때 실시간으로 검색·참조하는 문서입니다. 실시간 참조 방식에서는 이미 검색엔진에서 신뢰도가 검증된(즉 기존 SEO 관점에서도 상위 노출되는) 문서가 우선적으로 참조되는 경향이 있습니다. 이는 앞서 1강에서 강조한 "SEO 기본기가 GEO의 토대"라는 원칙이 여기서 구체적으로 확인되는 지점이기도 합니다. 학습 데이터에 이미 포함된 오래된 정보와, 실시간으로 참조하는 최신 정보 사이에 괴리가 있을 수 있다는 점도 실무에서 감안해야 하는 부분입니다.

AI가 인용하기 좋아하는 문서는 명확한 질문형 소제목 아래 그 질문에 대한 직답을 먼저 배치하고, 그 뒤에 부연 설명을 이어가는 구조를 갖춘 경우가 많습니다. 표나 번호 매기기 리스트처럼 시각적 레이아웃에 의존하지 않고도 정보의 관계를 명확히 표현하는 형식도 AI가 정확하게 파싱하는 데 유리합니다. 반대로 하나의 긴 문단 안에 여러 정보가 뒤섞여 있거나, 결론을 맨 마지막에 배치하는 전통적인 기승전결 구조는 AI가 핵심 정보를 추출하기 어렵게 만들 수 있습니다. 이 구조에 대한 구체적인 실무 가이드는 4강에서 더 자세히 다룹니다.

익명으로 작성되거나 저자 정보가 불명확한 콘텐츠보다, 저자의 이력·전문성이 명시되고 근거 자료의 출처가 분명한 콘텐츠가 AI의 신뢰 판단에서 더 유리한 경향이 있습니다. 이는 앞서 다룬 구글 헬프풀 콘텐츠 업데이트의 E-E-A-T 원칙과도 정확히 맞닿아 있는 부분으로, 검색 SEO에서 신뢰를 얻는 방법이 GEO에서도 거의 동일하게 통용된다는 것을 보여줍니다. 실무에서는 콘텐츠를 발행할 때마다 저자 소개란, 근거 자료 링크, 발행·수정일을 명확히 표시하는 습관이 검색 SEO와 GEO 양쪽에 동시에 도움이 되는 효율적인 기본기입니다.

이미 검색엔진에서 특정 키워드로 상위 노출되고 있는 페이지는, AI가 그 주제에 대한 답변을 생성할 때 참조할 후보군에 포함될 확률이 상대적으로 높은 것으로 관찰됩니다. 이는 검색 순위 자체가 이미 그 문서의 신뢰도·관련성을 어느 정도 검증해준 상태이기 때문으로 해석할 수 있습니다. 그래서 GEO를 처음 시작하는 담당자라면, 완전히 새로운 콘텐츠를 만들기보다 이미 검색에서 어느 정도 성과를 내고 있는 기존 페이지에 구조화 데이터·저자 정보·질문형 구성을 보강하는 작업부터 시작하는 것이 더 빠르게 성과를 확인할 수 있는 접근입니다.

챗GPT, 퍼플렉시티, 구글 AI 개요는 각각 실시간 검색 참조 여부, 참조하는 검색엔진, 인용 표시 방식이 조금씩 다릅니다. 예를 들어 퍼플렉시티는 답변마다 출처 링크를 명시적으로 나열하는 방식이 특징이고, 구글 AI 개요는 구글 자체 검색 색인을 그대로 활용하는 구조에 가깝습니다. 이 차이 때문에 하나의 AI 서비스에서 확인한 결과만으로 "우리 GEO 대응이 잘 되고 있다" 또는 "전혀 안 되고 있다"고 단정하기보다, 여러 서비스에서 반복적으로 질문해보며 결과를 비교하는 것이 더 정확한 진단 방법입니다. 서비스별 특성을 이해하고 있으면, 특정 서비스에서만 유독 언급이 적을 때 그 서비스의 참조 방식에 맞춰 원인을 좁혀볼 수도 있습니다.

• 페이지에 Schema.org 구조화 데이터(FAQ, Article 등)가 적용돼 있는가
• 저자 소개와 근거 자료 출처가 명확히 표시돼 있는가
• 질문형 소제목 아래 직답형 문단이 먼저 배치돼 있는가
• 이미 검색에서 어느 정도 순위를 확보한 페이지부터 보강하고 있는가