Gemini와 구글 AI Overviews의 한국어 인용 조건

구글 Gemini와 AI Overviews가 한국어 답변에서 인용하는 글에는 공통 조건이 있다: (1) Google-Extended·Googlebot 크롤러가 읽을 수 있게 열려 있고, (2) 구글 색인에 이미 충분히 평가된(E-E-A-T 신호가 쌓인) 문서이며, (3) 질문 문장과 의미가 정확히 맞아떨어지는 '직답 단락'을 가진 글이다. 셋 중 하나라도 빠지면 후보군에조차 들어가지 못한다. 이 글은 그 세 조건이 '왜' 인용을 가르는지를, RAG(retrieval→reranking→generation) 메커니즘과 공개된 연구·데이터로 끝까지 파헤친다. 근거 없는 단정은 하지 않는다 — 확실한 수치는 출처와 함께, 불확실한 것은 불확실하다고 적는다.

먼저, Gemini와 AI Overviews는 서로 다른 표면이다

많은 글이 둘을 뭉뚱그리지만, 인용 관점에서는 구분해야 한다.

• 구글 AI Overviews(AI 개요): 검색 결과 상단에 뜨는 요약 박스. 사용자가 구글에 검색어를 넣으면, 구글이 자사 검색 색인에서 관련 문서를 끌어와 요약하고 출처 링크를 붙인다. 즉 구글 검색 랭킹 시스템이 1차 검색기(retriever) 역할을 한다.
• Gemini(앱·API): 대화형 어시스턴트. 질문에 따라 Google Search grounding(웹 그라운딩)을 켜서 실시간 색인을 끌어오거나, 모델 내부 지식만으로 답하기도 한다.

둘의 공통 분모는 명확하다 — 구글 검색 색인이다. 그래서 "Gemini에 인용되려면?"이라는 질문의 9할은 "구글 검색에 잘 잡히고, 잘 평가받으려면?"으로 환원된다. 한 인용 패턴 분석에서 엔진별 성향을 정리한 바에 따르면, Gemini는 구글 색인과 E-E-A-T(경험·전문성·권위·신뢰) 신호에 강하게 기댄다. ChatGPT가 위키백과·커뮤니티(레딧)에 치우치는 것과 대조적이다. 이 차이 하나가 전략 전체를 바꾼다.

비유: 두 사서, 다른 서가

ChatGPT를 "위키백과와 레딧 게시판을 외워둔 사서"라고 한다면, Gemini는 "구글이라는 거대한 도서관의 사서"다. 이 사서는 자기 도서관 색인에 등록되지 않은 책은 애초에 추천할 수 없다. 아무리 좋은 글이어도 구글 색인에 없으면 — 혹은 색인에서 신뢰도가 낮게 평가됐으면 — 사서의 손이 닿지 않는다. 이것이 'Gemini 인용 조건'의 출발점이 색인과 E-E-A-T인 이유다.

RAG로 보는 인용의 4단계 — 어디서 탈락하는가

왜 어떤 글은 인용되고 어떤 글은 안 되는지를 이해하려면, 생성형 검색의 내부 파이프라인을 알아야 한다. RAG의 원전(Lewis 등, 2020, arXiv:2005.11401)은 LLM의 답변을 두 종류의 기억으로 나눴다 — 모델 가중치에 박힌 파라메트릭 메모리와, 외부 문서에서 그때그때 끌어오는 비파라메트릭 메모리다. AI Overviews와 Gemini 그라운딩의 인용은 전적으로 후자에서 나온다. 즉 인용된다 = 비파라메트릭 검색 단계에서 당신 문서가 뽑혔다는 뜻이다.

이 검색은 보통 네 단계를 거친다. 각 단계가 곧 '탈락 관문'이다.

핵심 통찰: 대부분의 한국어 글은 0단계와 1단계에서 떨어진다. 콘텐츠 품질을 논하기 전에 크롤·색인·의미정합부터 막혀 있다는 뜻이다. 하나씩 보자.

0단계 — 크롤러가 읽지 못하면 게임 끝

구글의 AI는 두 종류의 크롤러로 콘텐츠에 접근한다. 일반 검색 색인용 Googlebot, 그리고 Gemini 학습·그라운딩에 쓰이는 Google-Extended다. robots.txt에서 이들을 허용해야 후보 진입 자체가 가능하다. (참고로 OpenAI는 GPTBot·OAI-SearchBot, Anthropic은 ClaudeBot·anthropic-ai, Perplexity는 PerplexityBot을 쓴다 — 글로벌 AI에 두루 걸리려면 이들을 모두 열어야 한다.)

# robots.txt — 구글 AI 후보 진입의 최소 조건
User-agent: Googlebot
Allow: /

User-agent: Google-Extended
Allow: /

여기서 한국 시장 특유의 결정적 변수가 있다. 네이버는 외부 크롤러를 차단한다. 그 결과 블로그·카페에 아무리 좋은 한국어 콘텐츠가 쌓여도 구글·글로벌 AI의 색인에는 들어가지 못한다. 그래서 글로벌 AI들은 한국어 지식이 필요할 때 나무위키·위키백과·티스토리처럼 크롤이 열린 곳으로 우회한다. 이는 '구글/Gemini 인용'을 노리는 한국 브랜드에게 역설적 기회다 — 크롤 가능한 자체 도메인이나 티스토리에 양질의 글을 두면, 닫힌 네이버 생태계 안의 경쟁자들을 통째로 건너뛸 수 있다.

❌ 약한 세팅 / ✅ 강한 세팅

• ❌ 핵심 콘텐츠가 네이버 블로그·카페에만 존재 (구글 색인 불가)
• ❌ 본문이 클라이언트 JS로만 렌더되어 초기 HTML이 비어 있음
• ✅ 크롤 가능한 자체 도메인(또는 티스토리)에 본문을 서버 렌더 HTML로 제공 + Google-Extended 허용
• ✅ sitemap.xml 등록, 구조화 데이터(FAQPage·Article) 마크업으로 의미 명시

1단계 — 의미 검색: 키워드만으로는 안 된다

색인에 들어갔다면, 다음은 질문과의 의미 정합이다. 초기 검색엔진은 BM25 같은 키워드 빈도 방식이었다. 그러나 Dense Passage Retrieval 연구(Karpukhin 등, 2020, arXiv:2004.04906)는 질문과 문서를 같은 벡터 공간에 임베딩해 의미로 비교하는 방식이 BM25를 능가함을 보였다. "AI 검색에 안 걸려요"라는 고민과 "생성형 검색에서 노출이 없어요"라는 글이 단어는 달라도 같은 의미임을 의미 검색은 알아챈다.

비유: 색인 카드 vs 주제를 아는 사서

BM25는 도서관의 키워드 색인 카드다 — 책 제목에 적힌 단어로만 찾는다. 의미 검색은 주제를 이해하는 사서다 — "감기에 좋은 음식"을 물으면 제목에 '감기'가 없어도 '면역력 높이는 식단' 책을 가져온다. 그런데 실무의 정답은 둘 중 하나가 아니라 둘 다다.

공개 벤치마크들을 종합하면 recall@10(관련 문서를 상위 10개 안에 잡아내는 비율)은 대략 이렇게 갈린다.

여기서 실무 함의가 나온다. 의미만 노린다고 키워드를 버리면 안 되고, 키워드만 쑤셔넣는다고 의미가 통하지도 않는다. 한국어 글에서는 사용자가 실제로 치는 표현("가격 얼마", "후기", "비교")과 정식 용어("요금제", "리뷰", "비교 분석")를 한 단락 안에 자연스럽게 공존시키는 글이 양쪽 검색기에 모두 잡힌다.

❌ 약한 문장 / ✅ 강한 문장

• ❌ "본 솔루션은 고객 경험의 패러다임을 혁신합니다." (질문 어휘와 0% 겹침 — 의미·키워드 양쪽 탈락)
• ✅ "AI 챗봇 상담 도구는 보통 월 9만~49만 원이며, 응대량과 연동 채널 수로 요금이 갈린다." ("가격", "얼마", "챗봇 도구" 질문에 의미·키워드 동시 정합)

2단계 — 재정렬: '겉만 관련 있는 글'을 걸러낸다

1차 검색은 빠르게 후보를 넓게 긁어온다(과잉 포함). 그다음 cross-encoder 기반 reranking이 후보 하나하나를 질문과 나란히 놓고 다시 읽으며 정밀 채점한다. 공개 보고들에서 reranking은 NDCG를 5~15포인트(난도가 높으면 ~20까지) 끌어올린다. Anthropic의 Contextual Retrieval 실험(2024)에서도 reranking을 더했을 때 검색 실패율이 크게 떨어졌다 — 청크에 맥락을 붙여 실패율을 5.7%→3.7%(35% 감소)로 줄였고, BM25 하이브리드를 더해 49%, 거기에 reranking까지 더하자 67% 감소에 도달했다(top-20 회수 권장).

비유: 1차는 그물, 2차는 면접관

1차 검색이 "이 주제 같은 것 다 가져와"라고 넓게 던지는 그물이라면, reranker는 한 명씩 불러 "그래서 질문에 진짜 답이 됩니까?"를 캐묻는 면접관이다. 제목과 도입부는 그럴듯한데 정작 본문에 답이 없는 글이 여기서 떨어진다. 그래서 강한 글은 질문을 그대로 받아 곧장 답하는 단락을 가진다.

❌ 약한 구조 / ✅ 강한 구조

• ❌ 1,500자 동안 배경·서론만 깔다가 마지막에 슬쩍 답 (면접관이 답을 못 찾고 다음 후보로 넘어감)
• ✅ 소제목이 곧 질문("AI 검색에 인용되려면 며칠 걸리나?")이고, 바로 다음 문장이 직답("색인 반영 후 보통 수 주, 권위 신호가 쌓일수록 빨라진다.")

3단계 — 생성: '중간에 묻힌 글'은 안 읽힌다

상위 청크가 모델에게 전달되면 모델이 답을 쓴다. 그런데 여기 반직관적인 함정이 있다. Liu 등(2023)의 'Lost in the Middle'(arXiv:2307.03172) 연구는, 긴 맥락을 받은 LLM이 맨 앞과 맨 끝의 정보는 잘 쓰지만 중간에 놓인 정보는 성능이 뚝 떨어지는 U자형 곡선을 그린다는 것을 보였다. 즉 검색에 뽑혀 모델에게 전달되더라도, 핵심 사실이 글 한가운데 길게 묻혀 있으면 모델이 그것을 근거로 채택하지 않을 수 있다.

비유: 회의록 중간 페이지

20페이지 회의록을 급히 훑을 때, 사람들은 첫 장과 마지막 장은 보지만 11페이지 셋째 문단은 건너뛴다. LLM도 비슷하다. 그래서 핵심 사실·수치·결론은 단락의 앞이나 끝에 배치하고, 한 단락에는 한 가지 사실만 담아 '중간에 묻히는' 분량 자체를 줄여야 한다. 긴 통짜 문단보다 짧은 단락 여러 개가 인용에 유리한 구조적 이유가 여기 있다.

그래서 '무엇을' 써야 인용되나 — GEO 연구의 답

여기까지가 '어떻게 뽑히나'의 메커니즘이라면, '무엇을 담아야 뽑히나'에는 직접적인 실험 근거가 있다. Aggarwal 등(2023, arXiv:2311.09735, KDD 2024)의 GEO(Generative Engine Optimization) 연구는, 생성형 엔진에서의 콘텐츠 가시성을 높이는 요소를 통제 실험으로 측정했다. 결과: 통계·수치를 넣고, 출처를 인용하고, 직접 인용문(전문가 코멘트)을 추가하는 것이 특정 조건에서 생성엔진 가시성을 최대 약 40%까지 끌어올렸다.

왜 그럴까? 메커니즘으로 설명하면 — 통계·출처·인용문은 reranker와 생성 모델 입장에서 '이 문서는 검증 가능한 근거를 갖췄다'는 신호다. 모델은 답에 책임을 져야 하므로, 막연한 주장보다 추적 가능한 사실을 선호한다. 이것이 곧 E-E-A-T(특히 신뢰·전문성)가 코드 레벨에서 작동하는 방식이고, Gemini가 E-E-A-T 신호에 강하게 반응한다는 관찰과 정확히 맞물린다.

❌ 약한 주장 / ✅ 강한 주장

• ❌ "우리 도구는 업계 최고의 정확도를 자랑합니다." (검증 불가 — 모델이 채택을 꺼림)
• ✅ "내부 1,000건 처리 기준 오탐률은 3% 수준이었고, 같은 작업을 수작업으로 하면 평균 2시간이 걸렸다." (수치 + 비교 기준 → 추적 가능한 근거)
• ❌ "많은 전문가들이 이 방식을 추천합니다."
• ✅ "한 RAG 연구(Lewis 등, 2020)는 외부 문서를 결합한 모델이 환각을 줄인다고 보고했다." (출처 귀속이 분명한 직접 인용)

'얼마나 믿을 수 있나' — faithfulness와 Claude의 보수성

인용 후보가 되더라도, 모델이 당신 글의 주장을 '믿고' 답에 반영하느냐는 또 다른 문제다. RAG 품질 지표 중 faithfulness는 생성된 답변의 주장이 출처에서 실제로 추적되는 정도를 잰다. 실무서들에서 흔히 0.9 이상이면 안정, 0.7 미만이면 위험으로 본다(팀마다 기준은 다르다). 근거가 약한 콘텐츠는 faithfulness를 떨어뜨리므로, 모델은 그런 문서를 점점 덜 인용하게 된다.

엔진별 성향 차이도 여기서 갈린다. 관찰된 바로는 Claude는 근거가 약한 콘텐츠를 보수적으로 걸러내는 경향이 있고(Citations API 보유), Gemini는 구글 색인의 E-E-A-T 평가를 신뢰의 1차 필터로 쓴다. 결론은 같다 — 검증 가능한 글이 모든 엔진에서 유리하다. 단일 엔진용 꼼수보다 '근거 있는 글쓰기'가 가장 넓게 통하는 전략인 이유다.

측정의 함정 — 한 번 본 결과를 믿지 마라

david로서 가장 강조하고 싶은 부분이다. "우리 글이 Gemini에 인용됐나?"를 한 번 검색해 보고 결론 내리는 것은 위험하다. 이유는 두 가지다.

첫째, LLM은 본질적으로 비결정적이다. temperature=0으로 고정해도 GPU 연산 순서·배치 처리 때문에 출력이 흔들린다. 한 실험에서는 대형 모델을 1,000회 돌렸을 때 80가지 출력이 나왔고, 여러 모델을 수백 회 돌린 분석에서도 같은 질문에 답이 출렁였다. AI 가시성의 불확실성을 정량화한 연구는, 인용 빈도가 멱법칙으로 출렁이므로 다중 실행 + 부트스트랩 신뢰구간으로 봐야 한다고 권한다. 단일 측정 = 노이즈다.

둘째, '프롬프트 검색량'은 실측이 거의 불가능하다. 사람들이 AI에 실제로 무엇을 묻는지는 공개되지 않는다. 시장에 도는 '프롬프트 볼륨' 수치는 대개 1% 미만의 소규모 패널을 모델링한 추정치다. Conductor의 분석은 "신뢰할 수 없는 검색량 데이터는 없는 것보다 나쁘다"고 못 박는다. 그럴듯한 단일 숫자에 전략을 걸지 말라는 뜻이다.

그럼 무엇을 봐야 하나 — SOV와 결과 지표

가시성은 SOV(Share of Voice, 카테고리 AI 답변 중 우리 브랜드가 언급되는 비율)로 보는 것이 정직하다. 다만 두 가지 주의가 있다. (1) 질문 세트 선정이 결과를 좌우한다 — 어떤 질문으로 측정했는지가 숫자보다 중요하다. (2) 엔진을 한 점수로 합산하면 메커니즘이 가려진다 — 위에서 봤듯 ChatGPT(위키·커뮤니티)와 Gemini(구글 색인·E-E-A-T)는 인용 논리가 다르므로, 엔진별로 따로 봐야 처방이 나온다. 그리고 궁극적으로 가시성은 매출·리드를 설명하는 2차 지표다. 일부 분석에서는 AI 검색 유입의 전환율이 일반 검색보다 몇 배 높게 나타나기도 하므로, 가시성→유입→전환의 사슬로 봐야 한다.

한국어·한국 시장 특수 조건 정리

지금까지의 메커니즘을 한국 시장에 포개면 실무 체크리스트가 나온다.

참고로 네이버는 자체 AI 생태계를 빠르게 재편 중이다 — 큐:(Cue:)·클로바X는 2026-04-09 종료됐고, 대화형·에이전틱 AI탭이 2026-06-25~26 정식 출시됐다. AI 브리핑(요약)은 이미 통합검색 쿼리의 20% 이상에 적용되고 있다. 한 표본 분석(272건)에서는 네이버 AI 브리핑 인용 출처의 약 58%가 블로그였고, 약 49%가 통합검색 Top10 밖 문서였다. 즉 구글(Gemini) 축과 네이버 축은 인용 논리가 다르므로, 한국 브랜드는 두 축을 분리해 관리해야 한다. 이 글의 주제인 구글/Gemini 축에서는 '크롤 개방 + 구글 색인 + E-E-A-T'가 핵심이다.

Citeon은 이 원리를 제품에 담았다

위에서 풀어낸 메커니즘은 추상론이 아니라 측정·진단 가능한 항목들이다. Citeon은 정확히 그 지점을 제품으로 만들었다.

• 4엔진 인용 측정(SOV): ChatGPT·Gemini·Perplexity·Claude에서 브랜드가 실제로 인용되는 비율을 엔진별로 따로 측정한다. 위에서 강조했듯 엔진을 합산하지 않고 분리해서 봐야 Gemini의 '구글 색인·E-E-A-T' 처방이 드러난다.
• 사이트 진단엔진: URL을 넣으면 크롤 가능성·색인 신호·직답 구조·검증 가능성 같은 항목을 SEO/AEO/GEO 점수(0~100)로 진단하고, 한국어 처방을 돌려준다. 0단계(크롤)·3단계(직답)에서 어디가 막혔는지 짚어준다.
• 경쟁사 역추적: 같은 카테고리에서 어떤 경쟁 도메인이 Gemini에 인용되고 있는지 역으로 분석한다.
• 주간 모니터 추이: 단일 측정의 노이즈 문제를 추세선으로 완화한다 — 한 번이 아니라 시간에 걸친 변화를 본다.

당신의 사이트가 구글/Gemini의 0~3단계 중 어디서 탈락하는지 궁금하다면, 무료 진단(₩0)으로 먼저 확인해 보라. citeon.cloud에서 무료 AI 가시성 진단 받기 →

자주 묻는 질문

참고자료

• Lewis et al., 2020 — Retrieval-Augmented Generation (RAG)
• Karpukhin et al., 2020 — Dense Passage Retrieval
• Liu et al., 2023 — Lost in the Middle
• Aggarwal et al., 2023 — GEO: Generative Engine Optimization (KDD 2024)
• Anthropic, 2024 — Contextual Retrieval
• Conductor — Debunking AI Prompt Volume