결론부터: 카카오·다음의 AI 검색은 '독립 검색엔진 경쟁'이 아니라 '카카오톡이라는 대화 창구 안으로 검색이 녹아드는 방향'으로 갑니다. 그래서 다음의 검색 점유율 숫자만 보고 '작으니 무시'라고 판단하면 핵심을 놓칩니다. 진짜 질문은 "내 콘텐츠가 카카오 생태계의 AI가 답을 만들 때 그 재료로 뽑히는가"이고, 이건 네이버·구글·다음을 따로 공략하는 문제가 아니라 AI가 답을 만드는 공통 메커니즘(RAG)에 콘텐츠를 맞추는 문제입니다. 이 글은 그 메커니즘을 '왜 그런지'까지 분해하고, 카카오·다음 생태계에서 실제로 인용되려면 문장을 어떻게 써야 하는지 약한 예/강한 예로 보여드립니다.
먼저 지형을 정확히 보자: 다음은 '작은 네이버'가 아니다
한국 검색 시장을 이야기할 때 흔히 네이버 대 구글의 2파전으로 그리고, 다음은 그 뒤에 붙는 군소 플레이어로 취급합니다. 점유율만 보면 틀린 그림은 아닙니다. 다음의 통합검색 점유율은 한 자릿수대로 알려져 있고, 검색 단독으로는 네이버·구글과 정면 승부가 어렵습니다. 그런데 이 숫자는 다음을 '검색 포털'로만 봤을 때의 이야기입니다.
카카오의 무기는 검색창이 아니라 카카오톡입니다. 한국인 대부분이 매일 여는 메신저 안에 '검색'과 'AI 답변'이 들어오는 순간, 게임의 규칙이 바뀝니다. 비유하자면 이렇습니다. 네이버가 '사람들이 일부러 찾아오는 거대한 백화점'이라면, 카카오톡은 '이미 모두의 주머니 속에 있는 잡화점'입니다. 백화점은 더 크지만, 잡화점은 이미 손이 닿는 거리에 있습니다. 카카오가 AI 검색을 카카오톡 대화 흐름에 자연스럽게 끼워 넣으면, '검색하러 가는' 행위 자체가 사라지고 '대화하다 물어보는' 행위로 바뀝니다.
그래서 카카오·다음의 AI 검색을 평가할 때 기준은 '다음 점유율이 오를까'가 아니라 '카카오톡 안에서 대화형 답변이 얼마나 자연스럽게 작동하고, 그 답변이 어떤 출처를 인용하는가'여야 합니다.
카카오가 가진 카드: 모델·메신저·콘텐츠
카카오는 자체 대규모 언어모델 개발을 공개적으로 추진해 왔고(카나나 계열), 메신저·다음 콘텐츠·커머스·모빌리티까지 묶인 생태계를 갖고 있습니다. 이걸 AI 검색 관점에서 풀면 세 개의 자산이 됩니다.
| 자산 | AI 검색에서의 의미 | 한계/리스크 |
|---|---|---|
| 자체 LLM(카나나 등) | 외부 API 의존 없이 답변 생성·요약 가능. 한국어 맥락 튜닝 여지 | 글로벌 프런티어 모델 대비 품질 추격 부담 |
| 카카오톡(접점) | '검색 페이지' 없이도 대화 안에서 질의응답 노출. 압도적 도달 | 대화 맥락은 폐쇄적 — 외부 콘텐츠를 끌어올 인덱스가 관건 |
| 다음 검색 + 콘텐츠(카페·뉴스·브런치·티스토리) | 답변의 '재료'가 될 1차 인덱스 보유 | 인덱스 신선도·커버리지가 네이버/구글에 못 미침 |
핵심은 세 번째 줄입니다. AI가 아무리 좋아도 인용할 재료(인덱스)가 빈약하면 답변은 부실합니다. 그리고 여기서 카카오에게 결정적으로 유리한 자산이 하나 있습니다. 티스토리입니다. 티스토리는 카카오가 운영하는 블로그 플랫폼이면서, 동시에 네이버 블로그와 달리 외부 검색엔진과 글로벌 AI 크롤러에 열려 있습니다. 이 차이가 왜 전략적으로 큰지는 다음 장에서 메커니즘으로 설명합니다.
왜 메커니즘부터 봐야 하나: AI 답변은 'RAG'로 만들어진다
카카오든 다음이든 네이버든 ChatGPT든, 최신 AI 검색 답변은 거의 모두 RAG(Retrieval-Augmented Generation)라는 같은 골격 위에서 만들어집니다. 이 개념의 원전은 Lewis 등(2020)의 논문(arXiv:2005.11401)으로, 모델이 외부 문서를 '검색'해서 끌어온 뒤 그걸 근거로 답을 '생성'하는 구조입니다. 모델의 머릿속 기억(파라메트릭 메모리)과 외부 문서(비파라메트릭 메모리)를 결합하는 것이죠.
RAG는 세 단계로 움직입니다. 이 세 단계를 이해하면 '왜 내 콘텐츠가 인용되지 않는지'가 거의 다 설명됩니다.
1단계 — 검색(Retrieval): 후보를 긁어모은다
질문이 들어오면 AI는 먼저 방대한 문서 더미에서 관련 있어 보이는 조각(청크)들을 끌어옵니다. 여기엔 두 가지 방식이 섞입니다.
- 키워드(BM25) 검색: 단어가 글자 그대로 일치하는 문서를 찾음. '도서관의 색인 카드'에 비유됩니다. '카카오 AI 검색'이라고 치면 그 단어가 박힌 문서를 정확히 집어냄.
- 의미(임베딩) 검색: 단어가 달라도 '뜻이 비슷한' 문서를 찾음. '주제를 아는 사서'에 비유됩니다. '카톡으로 물어보는 검색'이라고 쳐도 '카카오 대화형 AI 검색' 문서를 데려옴. 이 의미 검색이 키워드 검색을 능가한다는 걸 보인 게 Karpukhin 등(2020)의 Dense Passage Retrieval(arXiv:2004.04906)입니다.
둘을 합친 게 하이브리드 검색입니다. 색인 카드(키워드)와 사서(의미)를 함께 쓰는 것. 공개 벤치마크들을 종합하면 recall@10 기준으로 의미 단독 약 78%, 키워드(BM25) 단독 약 65%인데, 둘을 합치면(RRF 결합) 약 91%까지 올라갑니다. 한쪽만 쓰면 새는 게 많다는 뜻입니다.
2단계 — 재정렬(Reranking): 후보를 다시 줄 세운다
1단계로 모은 후보 수십 개를, 이번엔 '질문과 함께' 한 번 더 정밀하게 읽어 순서를 다시 매깁니다. 1단계가 도서관에서 책 20권을 빠르게 뽑아온 거라면, 2단계는 그 20권을 질문을 손에 들고 한 권씩 펴보며 '이게 진짜 답이 되는가'로 재배열하는 단계입니다. 이 교차 인코더(cross-encoder) 재정렬은 검색 품질 지표(NDCG)를 보통 5~15포인트, 어려운 질의에선 20포인트 가까이 끌어올립니다.
3단계 — 생성(Generation): 골라낸 근거로 답을 쓴다
마지막으로 상위로 올라온 몇 개의 청크를 모델이 읽고 답변을 작성합니다. 여기서 인용 출처가 결정됩니다. 3단계에 도달하지 못한 문서는 절대 인용될 수 없습니다. 즉, 인용되고 싶으면 1단계(검색에 잡히기) → 2단계(재정렬에서 살아남기) → 3단계(생성에 쓰이기)를 차례로 통과해야 합니다.
중요한 함정 하나. Liu 등(2023)의 'Lost in the Middle'(arXiv:2307.03172) 연구는, 긴 맥락을 모델에 넣으면 중간에 위치한 정보가 손실되는 U자형 현상을 보고했습니다. 모델은 맥락의 앞과 끝은 잘 기억하지만 가운데는 흘립니다. 그래서 핵심 결론은 글 한가운데 묻지 말고 앞이나 끝에 둬야 인용 확률이 올라갑니다.
카카오·다음 생태계의 결정적 특수성: 글로벌 AI는 '우회'로 들어온다
이제 한국 생태계만의 핵심 변수입니다. 카카오·다음에서 답이 만들어지는 길은 사실 둘입니다.
- 길 A — 카카오 자체 AI가 다음 인덱스·카카오 콘텐츠를 RAG로 끌어 답한다.
- 길 B — 글로벌 AI(ChatGPT·Perplexity·Gemini·Claude)가 한국 사용자에게 답할 때, 한국 콘텐츠를 끌어온다.
그런데 길 B에서 거대한 비대칭이 발생합니다. 네이버는 외부 크롤러를 막습니다. 그래서 글로벌 AI는 네이버 블로그·카페 본문을 직접 읽지 못하고, 나무위키·위키백과·티스토리 같은 열린 플랫폼으로 우회해서 한국어 지식을 수집합니다. 여기서 티스토리(카카오)가 빛납니다. 티스토리는 열려 있기 때문에, ChatGPT·Perplexity 같은 글로벌 엔진의 인용 후보로 직접 진입할 수 있습니다.
즉 카카오 생태계는 두 방향에서 동시에 의미가 있습니다. (1) 카카오 자체 AI의 재료가 되고, (2) 티스토리를 통해 글로벌 AI의 한국어 인용 통로가 됩니다. '다음 점유율이 낮으니 무시'라는 판단이 위험한 이유가 바로 이것입니다.
단, 전제 조건이 있습니다. AI 크롤러가 들어올 수 있게 robots.txt가 열려 있어야 합니다. 후보 풀에 진입하는 입장권이 이것입니다.
# robots.txt — AI 크롤러 허용 예시
User-agent: GPTBot
Allow: /
User-agent: OAI-SearchBot
Allow: /
User-agent: PerplexityBot
Allow: /
User-agent: ClaudeBot
Allow: /
User-agent: anthropic-ai
Allow: /
User-agent: Google-Extended
Allow: /이걸 막아두면, 콘텐츠 품질이 아무리 좋아도 1단계(검색) 후보 자체에 들지 못합니다. 도서관에 입고조차 안 된 책은 사서가 추천할 수 없습니다.
그래서 무엇을 써야 인용되나: 약한 예 / 강한 예
RAG 3단계와 한국 생태계 특수성을 알았으니, 이제 '문장 레벨'에서 무엇이 다른지 봅니다. 생성엔진 가시성을 다룬 GEO 연구(Aggarwal 등 2023, arXiv:2311.09735, KDD 2024)는 통계·출처 인용·직접 인용문을 추가하면 특정 조건에서 생성엔진 내 가시성이 최대 약 40%까지 올라간다고 보고했습니다. 즉 'AI가 그대로 가져다 쓰기 좋은 문장'이 따로 있습니다.
예 1 — 직답으로 시작하기
❌ 약한 예: "카카오의 AI 검색에 대해 이야기하기 전에, 먼저 한국 검색 시장의 역사를 살펴볼 필요가 있습니다. 1990년대 후반부터…"
✅ 강한 예: "카카오의 AI 검색은 카카오톡 대화 안에 통합되는 방향으로 발전하고 있습니다. 이유는 세 가지입니다. 첫째, …"
왜? AI는 질문에 대한 '직답'을 청크 단위로 뽑아 씁니다. 첫 문장이 곧 답이면 재정렬·생성 단계에서 그대로 채택되기 쉽습니다. 서론으로 워밍업하면 정작 답이 글 중간에 묻혀 'Lost in the Middle'에 걸립니다.
예 2 — 모호한 형용사 대신 수치
❌ 약한 예: "하이브리드 검색을 쓰면 정확도가 크게 향상됩니다."
✅ 강한 예: "하이브리드 검색(RRF)은 공개 벤치마크 종합 기준 recall@10이 의미 단독 약 78%, 키워드 단독 약 65%에서 약 91%로 올라갑니다."
왜? 수치는 '검증 가능한 사실'의 신호라서 AI가 안전하게 인용합니다. '크게'는 그대로 답에 옮기면 근거 없는 주장이 되므로 모델이 회피합니다.
예 3 — 출처를 본문에 박기
❌ 약한 예: "긴 맥락에서는 중간 정보가 잘 손실된다고 알려져 있습니다."
✅ 강한 예: "긴 맥락에서는 중간 정보가 손실되는 U자형 현상이 나타납니다(Liu 등 2023, Lost in the Middle)."
왜? Anthropic의 Contextual Retrieval(2024) 연구는 각 청크에 맥락을 덧붙이는 것만으로 검색 실패율이 35% 감소(5.7%→3.7%)했고, 여기에 BM25를 더한 하이브리드는 49%, 재정렬까지 더하면 67% 감소했다고 보고했습니다. 출처가 박힌 문장은 그 자체로 '맥락이 붙은 청크'에 가까워져, 검색·인용 양쪽에서 유리합니다.
예 4 — 질문을 소제목으로
❌ 약한 예: 소제목 "생태계 전략의 함의"
✅ 강한 예: 소제목 "카카오톡 안의 AI 검색은 다음 검색을 대체하나?"
왜? 사용자의 실제 질문과 글자·의미가 가까운 소제목은 1단계 검색(키워드+의미 양쪽)에 동시에 걸립니다. 사서와 색인 카드를 한 번에 만족시키는 것이죠.
엔진마다 성향이 다르다: '하나로 합쳐서' 측정하면 안 되는 이유
카카오·다음만 보지 말아야 하는 이유가 또 있습니다. 같은 질문이라도 엔진마다 인용하는 출처가 극단적으로 다릅니다. 대규모 인용 분석들을 보면 ChatGPT와 Perplexity가 인용하는 도메인의 중복은 약 11%에 불과하고, 인용의 약 90%가 엔진마다 서로 다릅니다. ChatGPT는 위키백과 비중이 약 47.9%, Perplexity는 Reddit 비중이 약 46.7%로 보고된 표본도 있습니다.
| 엔진 | 성향(인용 경향) | 한국 콘텐츠 시사점 |
|---|---|---|
| ChatGPT | 위키·커뮤니티 성격 출처 선호 | 나무위키·위키백과·열린 블로그(티스토리) 노출이 유리 |
| Gemini | 구글 색인·E-E-A-T 신뢰 신호 중시 | 구글에 잘 색인된 페이지·저자 신뢰 신호 필요 |
| Claude | 근거 약한 콘텐츠를 보수적으로 걸러냄(Citations API) | 출처·수치 박힌 문장이 특히 중요 |
| Perplexity | 실시간 웹 + 인라인 인용 | 최신성·명확한 출처 표기가 핵심 |
| 카카오 자체 AI | 다음 인덱스·카카오 콘텐츠 기반(추정) | 다음 색인·티스토리·카페 노출이 재료가 됨 |
그래서 '여러 엔진을 합산한 가시성 점수' 하나만 보면 메커니즘이 가려집니다. ChatGPT엔 잡히는데 Claude엔 안 잡히는지, 카카오 쪽엔 재료가 없는지를 엔진별로 쪼개 봐야 처방이 나옵니다.
한 가지 더: AI 가시성 측정은 '한 번 재면 노이즈'다
카카오·다음이든 글로벌이든, 측정할 때 반드시 알아야 할 불편한 진실이 있습니다. LLM의 출력은 같은 질문이어도 흔들립니다. temperature를 0으로 둬도 GPU 연산 순서·배치 때문에 결과가 달라집니다. 한 분석에서는 대형 모델을 1,000번 돌렸더니 80가지 출력이 나왔다고 보고됐고, AI 가시성의 불확실성을 정량화한 연구(arXiv:2603.08924)는 인용 빈도가 멱법칙처럼 출렁이므로 여러 번 실행 + 부트스트랩 신뢰구간으로 봐야 한다고 권합니다. 단일 측정은 노이즈입니다.
여기에 더해, 'AI 검색에서 이 질문이 월 몇 번 검색되는가' 같은 프롬프트 볼륨 수치는 실측이 불가능합니다. 패널(시장 1% 미만) 기반 모델링 추정치일 뿐이라, Conductor는 "신뢰할 수 없는 검색량 데이터는 없는 것보다 나쁘다"고 못 박았습니다. 그러니 카카오·다음 가시성을 '정확한 숫자'로 약속하는 곳이 있다면 의심하세요. 정직한 접근은 여러 번 측정해 추이와 신뢰구간으로 보는 것입니다.
실전 체크리스트: 카카오·다음 + 글로벌 동시 공략
- robots.txt 개방: GPTBot·OAI-SearchBot·PerplexityBot·ClaudeBot·anthropic-ai·Google-Extended 허용. 후보 진입의 입장권.
- 티스토리를 한국어 인용 허브로: 네이버가 막는 글로벌 AI 통로를 티스토리로 연다. 같은 글을 닫힌 플랫폼에만 두지 말 것.
- 다음 색인 확보: 카카오 자체 AI의 재료가 되려면 다음 검색에 색인돼 있어야 한다.
- 직답 우선 구조: 첫 문장·소제목에 답. 핵심은 앞/끝(Lost in the Middle 회피).
- 수치·출처·직접 인용문: GEO 연구가 가리키는 가시성 상승 레버.
- 엔진별로 쪼개 측정: 합산 점수 한 개로 끝내지 말 것. 여러 번 측정해 추이로 본다.
Citeon은 이 원리를 제품에 담았다
지금까지의 이야기를 한 줄로 요약하면: 카카오·다음 생태계에서 인용되는지를 정확히 알려면, 엔진별로 쪼개서 여러 번 측정하고, 사이트가 후보 풀에 들어갈 구조인지 진단해야 한다는 것입니다. Citeon은 정확히 이 작업을 자동화합니다.
- 4엔진 인용 측정(SOV): ChatGPT·Gemini·Perplexity·Claude에서 브랜드가 실제로 인용되는 비율을 엔진별로 따로 측정합니다. 합산 한 개로 뭉개지 않으므로, 'ChatGPT엔 잡히는데 Claude엔 안 잡힌다' 같은 진짜 처방이 나옵니다.
- 사이트 진단엔진: URL을 넣으면 SEO·AEO·GEO 관점에서 점수와 한국어 처방을 돌려줍니다. robots.txt 개방, 직답 구조, 출처·수치 사용 같은 'RAG 후보 진입' 요소를 점검합니다.
- 경쟁사 역추적: 경쟁사가 어떤 질문에서 어떻게 인용되는지 거꾸로 분석해, 따라잡을 콘텐츠 간극을 찾습니다.
- 주간 모니터 추이: 단일 측정의 노이즈 문제를 추이 관찰로 보완합니다.
카카오 자체 AI는 아직 측정 인터페이스가 공개되지 않은 영역이 많지만, 글로벌 4엔진의 인용 구조를 잡아두면 티스토리 우회 경로를 통해 한국어 인용 기반이 동시에 강해집니다. 지형이 바뀌기 전에 내 사이트가 후보 풀에 들어가는지부터 확인하세요. citeon.cloud에서 무료 AI 가시성 진단(₩0)으로 지금 우리 사이트의 SEO·AEO·GEO 점수와 처방을 받아볼 수 있습니다.
자주 묻는 질문(FAQ)
다음 검색 점유율이 낮은데 카카오 생태계를 굳이 신경 써야 하나요?
점유율 숫자만 보면 작지만, 두 가지 이유로 무시할 수 없습니다. 첫째, 카카오의 진짜 접점은 검색창이 아니라 카카오톡이고 AI 답변이 대화 안으로 들어오면 도달 범위가 달라집니다. 둘째, 카카오가 운영하는 티스토리는 글로벌 AI 크롤러에 열려 있어, ChatGPT·Perplexity 같은 엔진이 한국어 콘텐츠를 수집하는 우회 통로가 됩니다. 네이버가 외부 크롤러를 막기 때문에 이 통로의 가치가 더 큽니다.
네이버 블로그와 티스토리 중 AI 인용에 유리한 쪽은?
목적에 따라 다릅니다. 네이버 AI 브리핑·AI탭 노출이 목표라면 네이버 생태계 안(블로그)이 유리하고, 글로벌 AI(ChatGPT·Perplexity·Claude) 인용이 목표라면 외부 크롤러에 열린 티스토리가 유리합니다. 네이버는 외부 크롤러를 막아 글로벌 AI가 본문을 직접 읽기 어렵기 때문입니다. 채널을 하나로 정하기보다, 핵심 콘텐츠를 열린 플랫폼에도 두는 이원화를 권합니다.
카카오 자체 AI에 인용되게 만드는 직접적인 방법이 있나요?
현재 카카오 자체 AI의 인용 인터페이스는 외부에 충분히 공개되지 않은 부분이 많아 '직접 최적화' 수단은 제한적입니다. 다만 RAG 구조는 공통이므로, 다음 검색에 색인되도록 하고(재료 진입), 직답 구조·수치·출처를 갖춘 콘텐츠를 만들면 어떤 엔진이든 인용 확률이 올라갑니다. 측정이 가능한 글로벌 4엔진부터 잡아두는 것이 현실적인 출발점입니다.
AI 가시성을 '월 몇 회 노출' 같은 정확한 숫자로 받을 수 있나요?
정확한 절대 숫자는 신뢰하기 어렵습니다. LLM은 temperature=0에서도 출력이 흔들리고, 프롬프트 볼륨은 실측이 불가능한 패널 추정치입니다. 한 분석에서는 같은 모델을 1,000번 돌렸더니 80가지 출력이 나왔습니다. 그래서 정직한 측정은 단일 숫자가 아니라 여러 번 측정한 추이와 신뢰구간입니다. '정확한 검색량'을 약속하는 곳은 경계하세요.
가장 먼저 해야 할 한 가지는?
robots.txt에서 AI 크롤러(GPTBot·PerplexityBot·ClaudeBot 등)를 허용하는 것입니다. 이게 막혀 있으면 콘텐츠 품질과 무관하게 검색(1단계) 후보 자체에 들지 못합니다. 그다음이 직답 구조·수치·출처를 갖춘 콘텐츠, 그리고 엔진별 인용 측정입니다.
참고자료
- Lewis 등 (2020), Retrieval-Augmented Generation — arXiv:2005.11401
- Karpukhin 등 (2020), Dense Passage Retrieval — arXiv:2004.04906
- Liu 등 (2023), Lost in the Middle — arXiv:2307.03172
- Aggarwal 등 (2023), GEO: Generative Engine Optimization (KDD 2024) — arXiv:2311.09735
- Anthropic (2024), Contextual Retrieval
- AI 가시성 불확실성 정량화 — arXiv:2603.08924
- Conductor, Debunking AI Prompt Volume