Kumar·Palkhouski(arXiv)의 이 논문은 AI 답변 엔진이 웹페이지를 출처로 인용할 때 어떤 온페이지 품질 신호가 인용 가능성과 관련되는지를, 16개 품질 영역으로 평가하는 GEO-16 프레임워크로 실증 분석했습니다.
AI 답변 엔진이 웹페이지를 출처로 인용할 때, 해당 페이지의 어떤 온페이지 품질 신호가 인용 가능성과 관련되는지를 분석합니다. 연구진은 콘텐츠를 16개 품질 영역으로 평가하는 GEO-16 프레임워크를 제시하고, 페이지 품질을 항목별로 점수화해 0~1 사이의 정규화된 GEO 점수로 환산했습니다.
B2B SaaS 제품을 찾거나 비교하려는 목적의 질문 70개를 Brave Summary, Google AI Overviews, Perplexity 세 개 AI 답변 엔진에 입력해, 총 1,702개의 인용과 1,100개의 고유 URL을 분석했습니다.
각 웹페이지가 메타데이터, 콘텐츠 최신성, 시맨틱 HTML, 구조화된 데이터, 페이지 구조, 정보 명확성, 기계 판독 가능성, 출처·신뢰성 관련 요소를 얼마나 충족하는지 평가하고, 실제 AI 인용 여부와의 연관성을 통계적으로 분석했습니다.
이 논문은 「AI 검색을 장악하는 방법」과 역할이 다릅니다. 그 논문이 "어떤 종류의 외부 매체가 AI 검색에서 많이 사용되는가"를 다룬다면, 이 논문은 "개별 웹페이지가 어떤 기술적·구조적 품질을 갖춰야 인용될 가능성이 높아지는가"를 다룹니다.
언론홍보에 적용하면, 기사를 게재하는 것만으로는 충분하지 않고 기사 페이지 자체의 기술적 품질과 정보 구조도 중요합니다. 같은 기사라도 제목·설명이 명확하고, 작성일·수정일과 기자명·매체 정보가 표시되고, 본문이 HTML로 구조화되어 있으며, 이미지가 아닌 텍스트로 제공되고, 기업명·서비스명이 명확히 표기되고, 구조화된 데이터가 적용된 매체의 기사가 AI에 더 쉽게 발견되고 인용될 수 있습니다.
따라서 언론홍보 매체를 선정할 때는 단순 방문자 수뿐 아니라 도메인 권위 + 분야 관련성 + 기사 정보 품질 + 기술적 접근성 + 업데이트 가능성을 함께 볼 필요가 있습니다.
이 논문을 "Earned Media가 중요하다는 직접 근거"로 사용하는 것은 적절하지 않습니다. 연구진 스스로 영어권 B2B SaaS 콘텐츠만 분석했고, 관찰 연구라 인과관계가 확정되지 않으며, 게시 매체나 오프페이지 권위를 실험적으로 바꾸지 않았고, 언론홍보 같은 외부 권위의 인과 효과는 검증하지 않았다는 한계를 밝힙니다. 다른 언어·산업에서는 결과가 달라질 수 있습니다.
따라서 이 논문은 "언론기사가 GEO 자산으로 작동하려면 기사 페이지가 최신성, 메타데이터, 시맨틱 구조, 구조화된 데이터 등 AI가 탐색하고 해석하기 좋은 기술적 조건을 갖춰야 한다"는 주장에 활용하는 것이 정확합니다.
AIBIX 지수의 자사 인용률 지표는 "AI가 답변 근거로 어떤 출처를 인용하는가"를 봅니다. 이 논문은 그 인용이 콘텐츠의 권위만이 아니라 페이지의 기술적 품질에도 좌우된다는 것을 보여줍니다. 같은 정보라도 구조화가 부족한 페이지는 인용 후보에서 밀려날 수 있으므로, 자사 인용률이 낮은 브랜드는 공식 페이지·뉴스룸의 메타데이터, 시맨틱 구조, 스키마 적용부터 점검할 필요가 있습니다.
AIBIX 리포트가 인용 출처의 특성을 함께 분석하는 것도 이 때문입니다. 어떤 매체·페이지가 인용되고 있는지 파악하면, 브랜드가 어디에 어떤 구조로 정보를 축적해야 하는지가 구체적인 실행 과제로 좁혀집니다.
arXiv 초록 페이지: arxiv.org/abs/2509.10762