GEO 논문이 실제로 증명한 것은 무엇인가요?

"GEO"라는 용어는 마케팅 업계가 아니라 학계에서 먼저 나왔다. 인도공과대 델리(IIT Delhi)의 Pranjal Aggarwal, 프린스턴대의 Vishvak Murahari 등 6인이 쓴 논문 「GEO: Generative Engine Optimization」이 출발점이다. 2023년 11월 arXiv에 공개됐고(2311.09735), 데이터마이닝 분야 학회 KDD 2024에 채택됐다. AI 인용 최적화 논의 대부분이 이 논문의 수치를 근거로 삼으므로, 원문이 실제로 무엇을 증명했는지 정확히 아는 것이 중요하다.

실험 설계: GEO-bench와 9가지 기법

연구진은 먼저 GEO-bench라는 벤치마크를 만들었다. MS MARCO, Natural Questions, ELI5 등 9개 출처에서 모은 1만 개 질의로, 80%가 정보성 질문이다. 그리고 GPT-3.5 기반 생성형 검색엔진을 구성해, 웹 소스에 9가지 텍스트 수정 기법을 적용했을 때 답변 속 가시성이 어떻게 변하는지 쟀다. 지표는 두 가지 — 답변에서 내 소스가 차지하는 분량을 위치 가중으로 재는 '위치 보정 단어 수'와, 관련성·영향력 등을 평가하는 '주관적 인상'이다.

효과가 있었던 기법, 없었던 기법

arXiv 원문에 따르면 결과는 뚜렷이 갈렸다. 인용문 추가·통계 추가·출처 표기가 상위권이었고, 최고 기법은 위치 보정 단어 수 기준 기준선 대비 41%, 주관적 인상 기준 28% 가시성을 올렸다. 초록의 표현으로는 "최대 40% 가시성 향상"이다. 문장을 유창하게 다듬거나 쉽게 풀어 쓰는 것도 15~30% 효과가 있었다.

반면 질의 키워드를 본문에 밀어 넣는 전통 SEO 수법인 키워드 스터핑은 거의 효과가 없었고, 실서비스 Perplexity.ai 검증에서는 기준선보다 10% 나빴다. 권위적·설득적 어조로 바꾸는 것도 유의미한 향상이 없었다. AI에게는 "자신 있게 말하는 글"이 아니라 "근거가 눈에 보이는 글"이 통한다는 뜻이다. Perplexity.ai에서도 경향은 같아서, 통계 추가가 최대 37%, 인용문 추가가 22% 향상을 보였다.

하위 사이트일수록 효과가 컸다

검색 5위 소스에 출처 표기를 적용하자 가시성이 115.1% 뛴 반면, 1위 소스는 평균 30.3% 줄었다. 도메인 파워가 약한 작은 사이트도 근거 밀도로 역전할 수 있다는 것 — 논문은 이를 디지털 공간의 민주화 가능성으로 해석한다.

실무 번역: 이 사이트 공법과의 접점

상위 3개 기법은 결국 하나로 요약된다. 검증 가능한 근거를 문면에 드러내라. 수치는 출처와 함께 쓰고, 신뢰할 만한 기관·문서를 인용하고, 주장마다 귀속을 밝히는 것이다. 이는 공공데이터로 권위 만들기에서 다루는 실행법, 그리고 이 사이트가 모든 글에 1차 출처를 붙이는 이유와 정확히 겹친다.

한계: 그대로 믿으면 안 되는 부분

GEO-bench는 영어 질의·영어 웹 소스 기반이라, 한국어 환경에서 같은 폭의 효과가 난다는 증거는 아니다. 실험 엔진도 2023~24년의 GPT-3.5 기반 구성이라 지금의 상용 엔진과 다르고, 효과는 도메인마다 달랐다. 이 수치는 보장이 아니라 방향을 가리키는 나침반으로 읽어야 한다.

다음 단계

GEO 개념이 처음이라면 GEO란 무엇인가요?부터, 용어들의 관계는 AEO·GEO·LLMO 비교를, 논문이 검증 무대로 쓴 Perplexity 실전 대응은 Perplexity 최적화 가이드를 참고하면 된다.