구조만 바꿔도 AI 인용이 오를까? 헤딩·문단 길이·문서 골격 실증

GEO-SFE는 콘텐츠의 의미를 한 글자도 다시 쓰지 않고, 헤딩·문단·리스트·강조 같은 구조만 최적화해 AI 검색 인용률을 평균 17.3% 올린 생성형 엔진 최적화 방법이에요. 도쿄대·쓰쿠바대 연구진이 제안했고, 구조를 Macro·Meso·Micro 세 층위로 분해해 각 층위의 인용 기여도와 최적 수치 범위를 처방으로 내놓았어요 ^[1]. 같은 문제를 콘텐츠 피처 최적화로 푼 FeatGEO의 짝꿍 연구인데, FeatGEO가 '무엇을 담을지'를 다뤘다면 이 논문은 '어떻게 배치할지'를 파고들어요.

Perplexity·구글 AI 개요 같은 생성형 검색은 링크를 나열하는 대신, 검색된 여러 페이지에서 답을 합성하며 일부만 골라 인용해요. 그래서 가시성은 순위가 아니라 인용 여부로 정해져요. "AI가 이 답을 만들 때 왜 다른 페이지 대신 우리를 인용할까"에 답하는 게 GEO이고, 그 문제의 정의와 지표는 GEO 원전 논문에서 다뤘어요 ^[3].

왜 '무엇을 쓰는가'만으로는 부족할까

기존 GEO 연구는 거의 전부 의미 내용을 손봤어요. 통계를 추가하거나 권위적 표현을 넣거나 인용문을 붙이는 식으로 '무엇을 쓰는가'를 바꿔 인용률을 최대 40%까지 올렸죠 ^[1][3]. 그런데 같은 정보라도 어떻게 배치하고 포맷하고 강조하는가가 인용을 얼마나 바꾸는지는 거의 탐구되지 않은 영역이었어요.

이게 중요한 이유가 있어요. LLM은 구조화된 텍스트를 읽을 때 의미가 밀집된 영역에 주의를 집중하는데, 구조가 흐트러진 텍스트에서는 주의가 분산되고 성능이 떨어져요 ^[1]. 즉 헤딩 구조, 정보의 앞부분 배치, 리스트와 표, 문단 길이 같은 구조적 선택이 '어떤 페이지를 인용할까'라는 결정에 직접 개입해요. 논문은 여기서 출발해요. 의미(semantic)는 보존하고 구조(structure)만 최적화하면 인용이 얼마나 오를까.

GEO-SFE: 구조를 세 층위로 분해한다

핵심 발상은 구조를 세 층위로 나눠 각각을 정량 지표로 모델링하는 거예요. 문서 전체 골격을 다루는 Macro, 문단·포맷 단위의 Meso, 토큰 단위 강조인 Micro로 분해하고, 각 지표에 최적 목표 범위를 붙였어요 ^[1].

표 1. GEO-SFE의 세 층위 13개 구조 피처와 최적 목표.

콘텐츠 $c$ 의 구조는 세 층위 피처 추출 함수로 하나의 벡터가 돼요 ^[1].

이제 목표는 의미를 유지하면서 인용 가시성을 최대로 만드는 구조 변환 $\mathcal{T}$ 를 찾는 거예요. 의미 보존이 제약으로 걸려 있어서, 변환된 콘텐츠 $\mathcal{T}(c)$ 의 의미가 원본과 같아야 해요 ^[1].

그림 1. GEO-SFE 프레임워크: 세 층위 구조 분해와 4단계(추출·분석·최적화·검증) 파이프라인.

변환은 Macro에서 Micro로 계층적으로 진행되고, 각 단계마다 의미 유사도가 임계치를 넘는지 확인해요. 문장 임베딩 유사도 0.95, 문단 0.70, 문서 JS-divergence 0.15 같은 임계로 의미가 훼손되면 그 변환은 되돌려요 ^[1][5].

인용은 어떻게 측정하나

구조 최적화의 효과를 재려면 인용을 정량화해야 해요. 논문은 소스 $s_i$ 의 가시성을 커버리지·위치·영향력 세 요소의 함수로 정의해요 ^[1].

그림 2. 가시성 평가 워크플로: 커버리지·위치·영향력을 분해해 최종 가시성 점수로 합성.

실제 평가 지표는 두 가지예요. 인용률(Citation Rate) 은 전체 질의 중 콘텐츠가 인용된 비율이고, 가시성 점수(Visibility Score) 는 세 요소를 가중 합해요 ^[1].

평가는 GEO-bench에서 6개 도메인(전기·건강·기술·금융·여행·과학) 200개 글, 377개 실제 질의로 구성했고, 각 글은 baseline과 GEO-SFE 최적화 버전을 6개 엔진에 던져 총 2,400개 테스트 케이스를 봤어요. 의미 보존은 BGE-M3 임베딩으로 확인했고 평균 유사도가 0.843이라, 구조를 바꿔도 의미는 유지됐다는 걸 검증했어요 ^[1][5].

무엇이 인용을 만드는가

전체 효과부터 보면, 구조만 최적화해서 인용률이 45.0%에서 52.8%로 17.3% 상대 개선됐어요(p < 0.001, Cohen's d = 0.64로 중상 효과) ^[1]. 한 문장도 다시 쓰지 않고 얻은 결과예요.

그럼 세 층위 중 어디가 인용을 만들까요. 각 층위를 최적화에서 하나씩 빼서 인용률이 얼마나 떨어지는지로 기여도를 쟀어요 ^[1].

표 2. 계층별 인용 향상 기여도(Ablation). Full 52.8% / Baseline 45.0%.

문서 골격(Macro)과 정보 청킹(Meso)이 인용의 84.6%를 좌우해요. bold·italic 같은 강조(Micro)는 15.4%로 보조적이었어요. 즉 굵게 칠하는 것보다 구조를 짜는 게 압도적으로 중요하다는 뜻이에요. 개별 구조 선택의 측정값도 이 그림을 뒷받침해요 ^[1].

• 리스트·표는 동일 산문 대비 추출 정확도 +43%. 비교·스펙·단계·조건은 구조화 포맷으로 주면 LLM이 훨씬 잘 뽑아내요. 단 포맷 다양성 $F_d$ 가 0.35를 넘으면 가독성이 무너져 역효과예요.
• 문단 길이는 300단어를 넘으면 중간 구간 주의가 31% 떨어지고, 150단어 미만이면 정보 흐름이 끊겨 인용 확률이 23% 낮아져요. 최적은 150–300단어.
• 헤딩 깊이는 5단계를 넘으면 구조 토큰 과다로 주의가 분산되고, 3단계 미만이면 조직화 단서가 부족해요. 최적은 3–5레벨.
• 강조 배치는 문장 첫머리가 일반 위치보다 2.0배 주의를 받고, 강조 매체는 bold(1.8) > italic(1.3) > underline(1.0) 순으로 효과가 커요.

강조의 전략적 배치는 위치 가중으로 모델링돼요. 문장 첫머리에 둔 강조가 가장 크게 반영돼요 ^[1].

엔진 아키텍처마다 좋아하는 구조가 다르다

흥미로운 부분은 엔진 아키텍처마다 반영하는 구조가 다르다는 거예요. 논문은 생성 엔진을 검색·생성이 맞물리는 방식으로 세 패러다임으로 나눴어요 ^[1].

표 3. 아키텍처별 구조 가중치(Table II). 엔진의 검색·생성 타이밍이 선호 구조를 정한다.

각 아키텍처의 인용 확률은 구조 벡터에 아키텍처별 가중치를 곱한 로지스틱으로 예측해요 ^[1].

여러 엔진을 동시에 노릴 땐 타깃 분포로 가중한 다목적 최적화로 풀어요 ^[1].

실제 향상 폭도 아키텍처마다 달랐어요. 세 패러다임 모두 유의하게 개선됐지만, 일괄 검색형과 통합 생성형에서 특히 컸어요 ^[1].

표 4. 아키텍처별 인용률 개선(Table IV, 모두 p < 0.001).

구조만 바꿔도 품질까지 오른다

구조 최적화가 인용만 올리고 사람이 읽는 품질은 해치지 않을까 걱정될 수 있어요. 결과는 반대였어요. Gemini 2.5 Pro로 평가한 G-Eval 7차원 주관 품질이 평균 18.5% 향상됐어요 ^[1][4].

표 5. G-Eval 7차원 주관 품질 향상(평균 +18.5%).

영향력과 클릭 확률이 30% 넘게 오른 게 눈에 띄어요. Macro 골격이 서사적 권위를 세우고 Meso 포맷이 시각적 매력을 높인 결과라고 논문은 해석해요 ^[1]. 구조를 명확히 짜면 AI가 인용하기도, 사람이 읽기도 좋아진다는 뜻이에요.

이 방법의 한계

논문은 스스로 네 가지 한계를 밝혀요 ^[1].

• 표본 규모: 200개 글로 평가했어요. 크로스 플랫폼으로 2,400개 케이스를 봤지만, 도메인·언어를 더 넓히면 최적 수치가 달라질 수 있어요.
• 임베딩 의존: 의미 보존을 BGE-M3 하나로 검증했어요. 다른 임베딩 모델은 다른 임계치를 줄 수 있어요.
• 인과 미검증: LLM 인용 메커니즘이 블랙박스라, 주의(attention) 가설을 인과적으로 확증하진 못했어요. 측정된 상관을 근거로 처방을 냈어요.
• 일반화: 비영어 콘텐츠나 고도로 전문적인 도메인에서의 전이성은 아직 보이지 않았어요.

TRAIL 관점: 인용은 설계의 문제

이 연구의 교훈은 우리가 매일 다루는 문제와 곧장 닿아요. AEO·GEO에서 성과는 결국 'AI가 답을 만들 때 어떤 소스에 기댔나'이고, TRAIL Search는 그 인용·점유율(SoV) 신호를 추적해요. FeatGEO가 '무엇을 담을지'를 피처로 최적화했다면, 이 논문은 그 내용을 '어떻게 배치할지'를 더해요. 둘을 합치면 실무 체크리스트가 선명해져요.

• 골격을 먼저: 헤딩을 3–5단계로 세우고 섹션 분량을 고르게 나눠요. 기여도가 가장 큰 축이에요(Macro 44.9%).
• 답을 앞에: 각 섹션 첫 문장에 결론·정의·수치를 먼저 배치해요. 일괄 검색형 엔진이 앞부분 밀도를 크게 봐요.
• 비교는 표로: 스펙·단계·조건은 산문 대신 리스트나 표로 줘요. 추출 정확도가 43% 올라요.
• 문단은 150–300단어: 너무 길면 중간이 무시되고, 너무 짧으면 흐름이 끊겨요.
• 강조는 5–10%만: 핵심 수치를 bold로, 그것도 전체의 5–10%만. 남발하면 신호가 죽어요.
• 엔진을 정해 조율: Perplexity를 노리면 교차참조를, ChatGPT·Claude를 노리면 청크 독립성을 강화해요.

결국 GEO-SFE는 GEO를 '글자 고치기'에서 '구조 세우기'로 옮겨 놓았어요. 무엇을 담을지 정한 뒤엔 어떻게 배치할지가 인용을 만들고, 그 설계는 사람이 읽는 품질까지 함께 끌어올려요. 측정과 설계가 한 쌍으로 맞물릴 때, AI 답변 속 우리 자리는 표면 기교보다 구조로 넓어져요.

2026년 9월 업데이트

이 논문의 Macro·Meso·Micro 3층 분해는 실무 점검 순서로 바로 옮길 수 있어요. 논문이 보고한 기여도는 Macro 44.9% · Meso 39.7% · Micro 15.4%로, 문서 골격과 청킹이 인용의 대부분을 좌우하고 시각적 강조는 보조예요. 그래서 굵게 칠하기보다 헤딩 구조와 문단 길이를 먼저 잡는 게 효율이 좋아요. 한 가지 흔한 조언은 근거가 약해요. 결론부에 핵심을 다시 몰아 두라는 처방은 우리 자체 실측에서 지지되지 않아서, 앞부분 배치를 우선하는 편이 안전해요.