GEO-16 인용 신호 프레임워크: AI가 인용하는 페이지의 특징

GEO-16은 AI 답변 엔진(Brave·구글 AI 개요·Perplexity)이 어떤 웹페이지를 인용하는지를 16개 품질 신호로 채점해, 인용 가능성을 하나의 점수로 정량화한 실증 연구예요. 무엇이 AI 인용을 부르는지 GEO 원전이 본문 수사 관점에서 봤다면, 이 논문은 페이지의 구조·메타데이터·스키마 같은 온페이지 신호를 대규모로 감사해 답을 찾아요 ^[1].

생성형 검색이 답을 만들 때, 우리 페이지가 그 근거로 인용되려면 무엇이 갖춰져야 할까요. 막연히 "좋은 콘텐츠"를 넘어, 기계가 읽고 신뢰할 수 있는 신호가 페이지에 있어야 해요. 이 연구는 16개 B2B SaaS 버티컬의 70개 프롬프트로 1,100개 URL·1,702건의 인용을 감사해, 그 신호를 숫자로 정리했어요 ^[1].

GEO-16, 인용 가능성을 16개 신호로 채점한다

각 페이지는 16개 pillar(신호)에서 0–3점 밴드로 채점돼요. 밴드가 2 이상이면 그 신호를 '충족(hit)'한 것으로 봐요. 16개 신호를 합산하면 0에서 1 사이의 GEO 점수 $G$ 가 나와요 ^[1].

16개 신호는 사람 중심 콘텐츠, 구조화 데이터, 출처, 최신성, 리스크 관리, RAG 적합성이라는 여섯 원칙으로 묶여요. 페이지가 잘 쓰였는지를 넘어, 그 품질을 기계가 읽을 수 있게 드러냈는지를 봐요 ^[1].

무엇이 인용을 부르나

인용 확률과 가장 강하게 연관된 신호는 기계가독 구조와 최신성이었어요. 통계·출처 같은 근거가 뒤를 이었고요 ^[1].

표 1. 인용 확률을 가장 크게 올리는 신호(모두 p < 0.001) ^[1].

그림 1. 신호별 평균 점수. 가독성·메타데이터·최신성이 상위, 투명성·미디어가 하위를 차지한다.

즉 사람이 읽는 게시·수정일과 JSON-LD의 날짜를 함께 노출하고, 페이지당 단일 H1에 논리적 소제목 위계를 세우고, 유효한 스키마(Article·FAQPage 등)를 다는 것이 가장 큰 지렛대예요. 구글도 구조화 데이터의 역할을 공식 안내하고 있어요 ^[3]. 반대로 스키마가 가시 콘텐츠와 어긋나면 효과가 사라져요 ^[1].

어느 정도면 '잘 인용되는' 페이지일까

논문은 운영에 쓸 임계점을 제시해요. GEO 점수가 0.70 이상이고 충족 신호가 12개 이상이면, 세 엔진에 걸친 인용률이 78%로 뛰었어요. 로지스틱 회귀(Nagelkerke $R^2$ = 0.743)에서 GEO 점수의 승산비(OR)는 4.2로, 어떤 요인보다 컸어요 ^[1].

표 2. 인용 여부를 가르는 운영 임계점 ^[1]. 두 조건을 함께 만족하면 교차 인용률 78%.

특히 두 엔진 이상이 함께 인용한 URL은 한 엔진만 인용한 URL보다 품질 점수가 71% 높았어요. 교차 인용은 품질의 강한 신호예요 ^[1].

엔진마다 문턱이 다르다

같은 페이지도 엔진마다 대접이 달라요. Brave는 가장 까다로워 고품질·고구조 페이지만 인용했고, Perplexity는 문턱이 낮아 저구조 페이지도 폭넓게 인용했어요 ^[1].

표 3. 엔진별 인용 성향. Brave·구글은 구조를 크게 보상하고, Perplexity는 문턱이 낮다 ^[1].

그림 2. 도메인·엔진별 GEO 점수 분포. Brave가 일관되게 가장 높은 문턱을 보인다.

그래서 우선순위가 갈려요. Brave·구글 AI 개요를 노린다면 구조·스키마·최신성에 집중하는 게 ROI가 크고, Perplexity는 온페이지 구조 가중치가 약해서 구조 최적화만으로는 부족해요.

이 연구의 한계

한 가지 주의할 점이 있어요. 이 감사는 영어·B2B SaaS·단일 시점의 관찰적 연구라, 인과가 아닌 상관이에요. 백링크·브랜드 평판 같은 오프페이지 요인은 재지 않았고요 ^[1]. 실제로 고품질 페이지라도 벤더 블로그에만 있으면 인용이 약했는데, 생성 엔진이 제3자 권위 도메인을 선호하기 때문이에요.

TRAIL 관점: 구조를 점수로 관리한다

이 연구는 우리가 하는 일을 그대로 뒷받침해요. AEO·GEO의 성과는 'AI가 우리를 인용했나'이고, TRAIL Search는 그 인용·점유율(SoV)을 엔진별로 추적해요. GEO-16의 교훈을 실무 체크리스트로 옮기면 이래요.

• 메타데이터·최신성 먼저: 가시 날짜와 JSON-LD 날짜를 함께, 실질 개정 이력을 남겨요. 기여가 가장 큰 축이에요.
• 구조를 세워요: 단일 H1·논리적 소제목·유효 스키마로 기계가독 단서를 갖춰요. 스키마는 본문과 일치시켜요.
• 근거를 촘촘히: 1차 출처 인용과 통계로 인용 가능한 단위를 늘려요.
• 엔진별로 다르게: Brave·구글은 구조 보상이 크고, Perplexity는 제3자 권위 도메인 노출이 더 결정적이에요.

결국 인용은 "좋은 글"이라는 막연한 목표가 아니라, 신호별로 점수를 매겨 관리할 수 있는 문제예요. 무엇을 담을지 자동으로 최적화하는 FeatGEO와 함께 보면, 설계와 측정이 한 쌍으로 맞물려요 ^[4].

이 글과 이어지는 내용은 AI는 두 페이지 중 무엇을 인용할까? 경쟁 인용의 4대 게이트키퍼, 구조만 바꿔도 AI 인용이 오를까? 헤딩·문단 길이·문서 골격 실증, FeatGEO: AI 인용을 만드는 건 키워드일까 구조일까, 피처 단위 GEO에서 볼 수 있어요.