AI는 두 페이지 중 무엇을 인용할까? 경쟁 인용의 4대 게이트키퍼

AI 답변 엔진이 두 후보 페이지 중 무엇을 인용하느냐는 주제 일치, 가격 명시, 최신 타임스탬프, 컨텍스트 안 앞자리라는 4개 게이트키퍼가 사실상 결정하고, 이 중 하나만 무너져도 나머지 콘텐츠 강점과 무관하게 인용 확률이 0에 가까워져요. Sprinklr 연구진이 6개 상용 LLM에 18개 콘텐츠 요인을 하나씩 붙여 252,000번 물은 통제 실험의 결론이에요 ^[1]. 두 후보만 답변 컨텍스트에 넣고 요인 하나만 다르게 바꿔, "비슷한 두 페이지가 붙었을 때 어느 쪽이 인용을 따내는가"를 요인별 승산비로 분리했어요.

이건 지금까지의 GEO 연구와 질문이 달라요. GEO 원전 논문은 고정된 검색 결과 안에서 한 페이지가 얼마나 인용에 반영되는지를 쟀지만 ^[2], 실제 AI 답변에서 가시성의 병목은 순위보다 인용 슬롯을 경쟁자와 겨뤄 따내는 데 있어요. 이 논문은 그 경쟁을 직접 재현했어요.

왜 '경쟁 인용'을 따로 재야 할까

전통적 SEO는 순위를 최적화하지만, RAG 기반 AI 답변 엔진은 검색된 후보 중 일부만 골라 인용해요. 그래서 가시성의 병목이 "얼마나 잘 검색되는가"에서 "인용 슬롯을 놓고 경쟁자를 이기는가"로 옮겨가요.

기존 연구에는 두 공백이 있었어요. 첫째, 단일 소스의 가시성 점수는 재도 두 후보가 직접 붙을 때의 상대 선호는 추정하지 않았어요 ^[2]. 둘째, 실서비스 로그는 콘텐츠 효과와 검색 순위, 제시 순서, 인터페이스 요소가 뒤섞여 있어 어떤 콘텐츠 요인이 인용을 유발했는지 분리할 수 없었어요. 이 논문은 두 후보만 주입한 통제된 테스트베드에서 요인 하나만 바꾸고, 브랜드를 익명화하고, 제시 순서를 서로 바꿔 실험해 이 두 문제를 동시에 풀어요.

두 후보만 두고, 요인 하나만 바꾼다

핵심 설계는 "요인 1개 격리"예요. 50개 B2C 제품 카테고리에서 카테고리당 2개씩 실제 리뷰 블로그 100개를 골라, GPT-4o로 브랜드와 발행처 이름을 가상 별칭으로 바꿨어요 ^[1]. 사전학습으로 이미 아는 브랜드를 선호하는 편향을 없애기 위해서예요. 그다음 사실과 가격, 스펙, 길이는 그대로 두고 딱 한 요인만 다른 두 변형을 만들어, 두 후보를 답변 컨텍스트에 나란히 넣고 어느 쪽을 인용하는지 봤어요.

그림 1. 실제 제품 블로그를 모아 브랜드를 익명화한 합성 코퍼스에서, 콘텐츠 요인별 매칭 쌍을 만들어 4,320개 시나리오-질의 쌍까지 이어지는 파이프라인 ^[1].

측정 대상은 표와 같은 18개 요인이에요. 콘텐츠 적합성부터 완전성, 신뢰성, 가독성, 경쟁 포지셔닝, 최신성까지 6개 범주로 묶었어요 ^[1].

표 1. 18개 콘텐츠 요인의 6개 범주 ^[1].

실행 규모는 요인당 2,400회, 모델당 42,000회, 6개 모델 합쳐 252,000회예요 ^[1]. 요인당 80개 시나리오에 질의 표현을 3가지로 바꾸고 제시 순서를 양방향으로 돌려 5번씩 반복했어요. 위치 편향과 친숙도 편향을 콘텐츠 효과에서 떼어내려는 통제예요. 응답 중 정확히 URL 1개를 인용한 경우가 86.4%였고, 두 변형 어느 쪽과도 맞지 않는 인용은 회귀에서 제외했어요 ^[1].

그림 2. 6개 LLM에 위치 무작위화를 적용해 4,320개 시나리오-질의를 런당 50.4K 프롬프트로 5회 반복, 총 252,000회 시행한 실험 규모 ^[1].

효과 크기는 로지스틱 혼합효과모델(GLMM)로 요인마다 따로 추정했어요.

$Y=1$은 요인이 우세한 변형(A)이 인용된 사건이고, $X_i$는 그 요인의 처치 여부예요. $u_s$와 $v_{so}$는 시나리오와 시나리오 곱하기 순서 조합에 걸린 랜덤 절편으로, 같은 시나리오 안의 반복이 서로 닮았다는 점을 보정해요. 최종 효과는 승산비 $\text{OR}=\exp ({\hat{\beta }}_0)$로 읽는데, 값이 클수록 그 요인을 갖춘 쪽이 인용을 이길 확률이 압도적이라는 뜻이에요. 논문은 OR 100 이상을 '매우 강함', 10–100을 '강함'으로 분류해요 ^[1].

게이트키퍼 4개: 하나만 무너져도 인용이 사라진다

18개 요인 중 6개 모델 전원에서 승산비 100을 넘긴 요인이 4개였어요. 주제 일치, 가격 명시, 최신 타임스탬프, 컨텍스트 안 1번 위치예요 ^[1]. 논문은 이 4개를 게이트키퍼라 불러요. 하나라도 실패하면 다른 콘텐츠 강점과 무관하게 인용 확률이 사실상 소멸하기 때문이에요.

표 2. 4대 게이트키퍼의 모델별 인용 승산비(OR). '1만+'는 준분리로 추정이 극단화된 경우로, 정밀한 배율 대신 결정적 우위로만 읽어요 ^[1].

여기서 두 가지가 실무적으로 중요해요. 하나는 가격이에요. 가격을 명시한 페이지가 안 적은 페이지를 이기는 승산비가 6.26배에서 1만 배 이상이었어요 ^[1]. "문의 주세요" 식으로 가격을 숨긴 페이지는 단순 정보 누락을 넘어 게이트키퍼 탈락으로 인용에서 빠질 수 있다는 뜻이에요. 다른 하나는 위치인데, 이건 페이지 본문 안의 위치가 아닌, 검색되어 컨텍스트에 들어간 뒤의 슬롯 순서예요 ^[3]. 즉 검색 노출과 구조 신호로 앞자리를 잡는 게 인용의 전제 조건이에요.

그다음을 가르는 7개, 그리고 무의미했던 포맷

게이트키퍼를 통과한 뒤에는 2차 차별화 요인 7개가 승부를 갈랐어요. 4개 이상의 모델에서 유의했고 승산비는 대체로 2.1에서 243 사이였어요 ^[1].

표 3. 2차 차별화 요인 7개의 모델별 승산비 범위 ^[1].

반대로 포맷은 거의 무의미했어요. 조밀한 문단 대 정돈된 섹션은 승산비가 0.78–1.68, 정보 분산 대 집약은 1.13–3.87로, 6개 모델에서 일관된 효과가 없었어요 ^[1]. 논문은 이를 "LLM이 시각적 조직과 무관하게 내용을 파싱한다"는 근거로 읽어요. 다만 이 결과는 구조만 최적화한 GEO-SFE 연구와 직접 충돌하지는 않아요 ^[4]. GEO-SFE는 한 페이지의 절대 인용 확률을 다뤘고, 이 논문은 두 후보가 이미 경쟁 후보로 올라온 뒤의 상대 선호만 봤으니 층위가 달라요. 포맷은 게이트키퍼를 통과한 다음의 후순위 레버로 보는 게 맞아요.

최신성에서도 흥미로운 서열이 나왔어요. 최신 날짜가 가장 유리하고, 그다음이 무날짜, 오래된 날짜가 최하위였어요 ^[1]. 날짜를 갱신할 수 없다면 오래된 날짜를 그대로 두기보다 지우는 편이 낫다는 함의예요.

엔진마다 인용 성격이 다르다

4대 게이트키퍼에는 6개 모델이 모두 동의했지만, 그 아래 민감도는 갈렸어요 ^[1].

표 4. 모델별 콘텐츠 요인 민감도 ^[1].

Claude와 Gemini는 소수 요인만 보되 그 요인이 임계를 넘으면 사실상 결정적으로 반응하고, Kimi와 GPT 계열은 더 많은 요인에 점진적으로 반응해요. GPT-5-Nano, Mini, 5.2 세 모델의 행동이 서로 닮았다는 점에서, 논문은 인용 성향을 정하는 건 모델 크기보다 아키텍처라고 봐요 ^[1]. 타깃 엔진이 Gemini나 Claude라면 게이트키퍼 4개 충족 여부가 이진 스위치처럼 작동하니 거기 집중하고, GPT나 Kimi 계열이라면 2차 차별화까지 쌓는 편이 보상이 커요.

이 실험이 못 본 것

논문 스스로 세 한계를 밝혀요 ^[1]. 첫째, 후보를 정확히 2개로 고정했어요. 실제 RAG는 5–10개 이상을 검색하는데, 요인 하나만 격리하려고 2후보로 줄였으니 이 결과는 통제된 슬레이트 위의 쌍대 선호이지 다중 문서 완전 경쟁은 아니에요. 둘째, 브랜드와 발행처를 전부 익명화했어요. 그래서 실서비스가 유명 브랜드나 신뢰 도메인을 선호하는 잔여 효과는 이 연구에 아예 반영되지 않아요. 셋째, 시드 큐레이션과 익명화에 GPT-4o가 관여했으니, 이 결과를 "모델의 전반적 글쓰기 품질 판단"으로 확대 해석하면 안 돼요.

특히 두 번째 한계는 실무 해석에서 중요해요. 이 논문은 "콘텐츠가 인용을 따내는 조건"을 정밀하게 보여주지만, "어느 도메인이 신뢰받는가"라는 질문에는 설계상 답할 수 없어요. 브랜드와 도메인 권위 효과는 102개 브랜드를 실측한 GEO at Scale 연구 같은 별도 근거로 봐야 해요.

AEO/GEO 실무에 어떻게 쓸까

이 논문은 우선순위가 분명한 체크리스트를 줘요. 순서를 지키는 게 핵심이에요.

그림 3. 브랜드가 1순위로 추천되지 않을 때의 진단 흐름. 인용 집합에 있으면 신뢰·적합성·완전성·맥락 4범주로 약한 요인을 찾아 고치고, 아예 없으면 검색 노출(SEO)을 먼저 개선해요 ^[1].

1. 게이트키퍼 4개를 먼저 통과시켜요. 주제 일치, 가격 명시, 최신 타임스탬프, 검색 노출로 앞자리 확보. 나머지를 아무리 잘해도 이 4개 중 하나가 무너지면 인용이 사라져요.
2. 가격을 숨기지 말아요. 가격 미기재는 단순 누락을 넘어 게이트키퍼급 손실이에요. 제품과 서비스 페이지에 가격이나 최소한 가격대를 명시하는 편이 유리해요.
3. 날짜를 관리해요. 갱신할 수 없는 오래된 날짜라면 지우는 편이 낫고, 갱신할 수 있으면 최신 타임스탬프를 노출해요.
4. 그다음에 완전성과 확신도를 쌓아요. 스펙 표와 경쟁 대안 비교를 넣고, "아마도"나 "일 수도 있어요" 같은 헤지 어조를 단정적 근거 제시로 바꾸면 2차 차별화에서 승산비가 크게 올라요.
5. 포맷 미세조정은 후순위로 미뤄요. 문단을 나누고 강조를 칠하는 작업은 게이트키퍼를 통과한 다음에 하는 마무리예요.

TRAIL 관점에서 이 논문은 진단 체계에 빈틈을 드러내요. 가격 명시와 타임스탬프 관리는 게이트키퍼급 신호인데도, 지금까지 대부분의 GEO 체크리스트가 이를 구조나 권위 신호만큼 비중 있게 다루지 않았어요. AI 검색 최적화를 진단할 때 "가격이 페이지에 노출되는가"와 "날짜가 최신인가"를 상위 점검 항목으로 올릴 근거가 생긴 셈이에요. 인용을 결정하는 요인을 상관관계가 아니라 통제 실험으로 분리했다는 점에서, GEO-16의 상관 기반 진단이나 C-SEO Bench의 효과 검증과 함께 읽으면 인용 최적화의 그림이 한층 또렷해져요.