Perplexity가 한국어 답변에서 인용하는 출처 패턴 분석

Perplexity는 한국어 답변에서 '실시간으로 검색해 끌어온 웹 문서'를 인라인 각주로 인용하며, 그 출처는 위키 계열·커뮤니티·블로그 플랫폼에 강하게 쏠린다. 특히 네이버가 자사 콘텐츠에 글로벌 AI 크롤러 접근을 막아 둔 탓에, 한국어 지식의 상당 부분이 나무위키·위키백과·티스토리 같은 '우회 가능한 창구'를 통해 인용된다. 이 글은 그 패턴이 왜 그렇게 나타나는지를 RAG(retrieval→reranking→generation) 메커니즘으로 분해하고, 공개된 인용 분석 데이터를 근거로 한국어 환경의 특수성까지 설명한다.

저는 AEO 리서처로서 '카더라'를 싫어한다. 그래서 이 글에서 단정하는 수치는 모두 출처가 있는 것만 쓰고, 표본·추정에 불과한 것은 '한 분석에서는', '일부 사례에서는'처럼 정직하게 완화해서 표현한다. 측정 자체가 흔들리는 영역이라 더더욱 그래야 한다.

Perplexity는 다른 AI와 무엇이 다른가 — '검색엔진의 얼굴을 한 답변기'

ChatGPT·Claude 같은 모델이 기본적으로 '학습된 기억(파라메트릭 메모리)'에서 답을 끌어낸다면, Perplexity는 설계 철학 자체가 '먼저 검색하고, 검색 결과를 읽어서 답한다'에 가깝다. 질문이 들어오면 실시간으로 웹을 검색하고, 끌어온 문서 조각들을 근거로 답변을 합성한 뒤, 문장 끝에 [1] [2] 같은 인라인 각주를 붙인다.

이 구조는 2020년 RAG 원전(Lewis 등, arXiv:2005.11401)이 제안한 아이디어를 가장 충실하게 제품화한 형태다. RAG의 핵심은 '파라메트릭 메모리(모델 가중치에 녹아든 지식)'와 '비파라메트릭 메모리(외부에서 그때그때 검색해 오는 문서)'를 결합하는 것이다. Perplexity는 후자의 비중이 압도적으로 크기 때문에, 결과적으로 '어떤 문서가 검색되어 후보로 올라오느냐'가 답변과 인용을 거의 결정한다.

비유: ChatGPT가 '시험장에서 외운 걸로 답하는 학생'이라면, Perplexity는 '오픈북 시험에서 책을 펼쳐 인용하며 답하는 학생'이다. 그래서 Perplexity의 인용 패턴을 이해하려면, 학생의 머릿속이 아니라 '학생이 펼칠 수 있는 책장에 어떤 책이 꽂혀 있는가'를 봐야 한다.

RAG 3단계로 보는 '인용이 결정되는 순간'

왜 특정 출처가 반복적으로 인용되는지 이해하려면, 검색→재정렬→생성의 3단계를 따라가야 한다. 인용은 마지막 생성 단계에서 '보이는' 것이지만, 사실상 첫 단계에서 운명이 갈린다.

1단계 — Retrieval(검색): 후보에 들어가지 못하면 게임 끝

검색은 보통 두 방식을 섞는다. 키워드가 정확히 겹치는 문서를 찾는 어휘 검색(BM25 계열)과, 의미가 비슷한 문서를 임베딩 거리로 찾는 의미 검색(Dense Retrieval)이다. Karpukhin 등(2020, arXiv:2004.04906)은 의미 기반 검색이 전통적 BM25를 능가할 수 있음을 보였지만, 실무에서는 둘 중 하나만 쓰지 않는다.

비유: 하이브리드 검색은 '도서관의 키워드 색인 카드(BM25)'와 '주제를 꿰고 있는 사서(의미 검색)'를 함께 쓰는 것과 같다. 색인 카드는 정확한 단어를, 사서는 '그 단어를 안 썼지만 같은 주제인 책'을 찾아준다.

공개 벤치마크들을 종합하면 recall@10(상위 10개 안에 정답 문서가 들어올 확률) 기준으로 의미 단독은 약 78%, BM25 단독은 약 65%인데, 두 결과를 RRF(순위 융합)로 합치면 약 91%까지 올라간다. Anthropic의 Contextual Retrieval 연구(2024)도 같은 방향을 보여준다. 청크에 맥락을 덧붙이면 검색 실패율이 5.7%에서 3.7%로 35% 줄고, 여기에 BM25를 결합하면 49%, 재정렬까지 더하면 67%까지 실패율이 감소했다.

핵심은 이것이다. 이 1단계 후보군(보통 top-20 권장)에 진입하지 못한 문서는, 아무리 내용이 좋아도 영원히 인용되지 않는다. 한국어 출처 패턴이 위키·커뮤니티에 쏠리는 1차 원인이 여기서 시작된다. 후보에 들어오려면 일단 '크롤링되어 색인되어 있어야' 하기 때문이다.

2단계 — Reranking(재정렬): 사서가 후보를 다시 정독한다

1단계가 넓게 긁어온 후보(예: 20개)를, 2단계 재정렬기(cross-encoder)가 '질문과 문서를 함께 읽고' 다시 순위를 매긴다. 1단계가 질문과 문서를 따로따로 벡터화해 비교했다면, 재정렬기는 둘을 한 묶음으로 읽어 미묘한 관련성을 판단한다. 그래서 무겁지만 정확하다. 실무에서 재정렬은 NDCG(순위 품질 지표)를 5~15포인트, 난도 높은 경우 약 20포인트까지 끌어올린다.

비유: 1단계가 '제목과 표지만 보고 책 20권을 카트에 담는 알바'라면, 2단계는 '그 20권을 실제로 펼쳐 질문과 대조하며 순서를 다시 매기는 사서'다. 인용 각주의 [1] [2] 순서는 대체로 이 사서의 평가에서 나온다.

3단계 — Generation(생성): 'lost in the middle'과 인용의 편향

마지막으로 모델이 상위 문서들을 맥락으로 받아 답변을 생성하며 각주를 붙인다. 그런데 여기에 함정이 있다. Liu 등(2023, arXiv:2307.03172)의 'Lost in the Middle' 연구는, 긴 맥락을 줬을 때 모델이 맨 앞과 맨 끝의 정보는 잘 쓰지만 중간에 낀 정보는 놓치는 U자형 성능 저하를 보인다고 밝혔다.

이 말은, 2단계 재정렬에서 상위로 올라간 문서일수록(=맥락 앞쪽에 놓일수록) 실제 인용으로 이어질 확률이 높다는 뜻이다. 인용은 '내용이 가장 정확한 문서'가 아니라 '검색·재정렬을 거쳐 맥락의 좋은 자리에 놓인 문서'에 붙는다. 이것이 AEO/GEO가 성립하는 메커니즘적 근거다.

그래서 Perplexity는 어떤 출처를 인용하나 — 데이터로 보기

대규모 인용 분석들(Profound·Discovered Labs 등)에서 반복적으로 확인되는 사실 몇 가지를 정리한다.

• 엔진마다 인용 출처가 다르다. 한 인용 분석에서 ChatGPT와 Perplexity의 인용 도메인 중복은 약 11%에 불과했고, 인용의 약 90%가 엔진마다 서로 달랐다. 즉 '어디서든 인용되는 만능 출처'는 거의 없다.
• Perplexity는 커뮤니티 비중이 높다. 같은 분석에서 Perplexity 인용의 약 46.7%가 Reddit이었던 반면, ChatGPT는 위키백과 비중이 약 47.9%로 높았다. 엔진의 '취향'이 다르다.
• Perplexity는 실시간 웹을 직접 인라인 인용한다. 이 때문에 최신성·시의성이 높은 콘텐츠가 상대적으로 유리하다.

다만 위 퍼센트들은 특정 시점·특정 표본의 분석값임을 분명히 해 둔다. 인용 분포는 질문 세트와 측정 시점에 따라 출렁이므로 '절대 상수'로 받아들이면 안 된다(뒤의 '측정 비결정성' 절에서 자세히 다룬다).

한국어의 특수성 — 네이버 장벽과 '우회 인용' 현상

한국어 환경은 영어권과 결정적으로 다른 변수가 하나 있다. 네이버가 외부 크롤러를 차단한다는 점이다. 블로그·카페·지식iN 같은 네이버 생태계의 방대한 한국어 콘텐츠가 글로벌 AI의 검색 후보(1단계 retrieval)에 들어오지 못한다.

RAG의 1단계 논리를 그대로 적용하면 결과는 자명하다. 후보에 못 들어오면 인용도 없다. 그래서 글로벌 AI들은 한국어 지식을 끌어올 때 접근 가능한 창구로 우회한다. 대표적으로 나무위키·위키백과·티스토리다. 같은 한국어 정보라도 '네이버 블로그에 있으면 안 보이고, 티스토리·나무위키에 있으면 보이는' 비대칭이 생긴다.

비유: 한국어 지식이라는 거대한 도서관이 두 채가 있다. 한 채(네이버)는 외부인 출입을 막아 둔 회원제 도서관이고, 다른 한 채(나무위키·티스토리·위키백과)는 누구나 들어갈 수 있는 개방 도서관이다. Perplexity라는 사서는 출입 가능한 개방 도서관에서만 책을 꺼내 인용할 수 있다.

그렇다면 AI 크롤러를 막지 않는 것이 출발점이다

후보에 들어가려면 최소한 AI 크롤러의 접근을 robots.txt에서 허용해야 한다. 주요 크롤러는 다음과 같다.

# robots.txt — AI 검색 후보 진입을 위해 허용
User-agent: PerplexityBot      # Perplexity
Allow: /
User-agent: OAI-SearchBot      # OpenAI 검색
Allow: /
User-agent: GPTBot             # OpenAI 학습/검색
Allow: /
User-agent: ClaudeBot          # Anthropic
Allow: /
User-agent: Google-Extended    # Gemini
Allow: /

이걸 막아 두면 아무리 콘텐츠가 좋아도 1단계 후보에 아예 진입하지 못한다. AEO의 '0번 항목'이라고 봐도 된다.

참고: 네이버 자체 AI 생태계도 따로 본다

네이버는 자사 AI 검색을 빠르게 정비하고 있다. 큐:(Cue:)·클로바X는 2026-04-09 종료되고, 대화형·에이전틱 기능을 담은 AI탭이 2026-06-25~26 전체 정식 출시됐다. 통합검색 쿼리의 20% 이상에 AI 브리핑(요약)이 적용되며, 한 표본 분석(272건)에서는 AI 브리핑 인용 출처의 약 58%가 블로그였고, 약 49%는 검색결과 Top10 밖에서 인용됐다. 네이버의 알고리즘은 출처 신뢰·전문성을 보는 C-Rank와 문서 의도를 보는 D.I.A.+가 핵심 축이다. 즉 글로벌 AI(Perplexity)는 '우회 창구'를, 네이버 AI는 '자사 생태계'를 본다는 이원 구조를 한국어 시장은 동시에 상대해야 한다.

약한 콘텐츠 vs 강한 콘텐츠 — 인용되는 문장은 따로 있다

같은 정보라도 Perplexity가 끌어가기 좋은 형태와 그렇지 않은 형태가 있다. GEO 연구(Aggarwal 등, 2023, arXiv:2311.09735, KDD 2024)는 본문에 통계·출처 인용·직접 인용문을 추가하면 특정 조건에서 생성엔진 가시성이 최대 약 40%까지 올라갈 수 있음을 보였다. 재정렬기가 '질문과 강하게 맞물리는 구체적 문장'을 선호하기 때문이다. 아래 대조를 보자.

• ❌ 약한 예: "많은 사람들이 우리 제품을 좋아하며 품질이 우수합니다."
• ✅ 강한 예: "2026년 1분기 자체 설문(응답 1,200명)에서 재구매 의향이 78%로 나타났다. 식약처 인증 원료를 사용한다."

• ❌ 약한 예: "가격이 합리적이고 배송도 빠른 편입니다."
• ✅ 강한 예: "기본가 29,000원, 평균 출고 1.2일(최근 3개월 주문 기준). 제주·도서 지역은 2~3일 추가."

• ❌ 약한 예: "AEO는 중요한 마케팅 트렌드입니다."
• ✅ 강한 예: "한 인용 분석에서 ChatGPT와 Perplexity의 인용 도메인 중복은 약 11%에 불과했다(Profound 등). 엔진별로 따로 최적화해야 하는 이유다."

강한 예의 공통점은 구체적 숫자, 출처, 검증 가능한 사실이다. 이런 문장은 cross-encoder 재정렬에서 질문과의 관련성 점수가 높게 매겨지고, 생성 단계에서 그대로 인용되기 쉽다. 반대로 형용사로 가득한 자랑은 어떤 질문과도 강하게 맞물리지 않아 인용되지 못한다.

'주장이 출처로 추적되는가' — faithfulness의 관점

RAG 품질 지표 중 RAGAS의 faithfulness는 '답변의 주장이 실제 출처에서 추적되는 정도'를 본다. 실무에서는 흔히 0.9 이상이면 안정, 0.7 미만이면 위험으로 본다(팀마다 기준은 다르다). 이 관점을 콘텐츠 제작에 뒤집어 적용하면 명확해진다. 당신의 문장이 그 자체로 '추적 가능한 근거'가 되어 줄수록, AI는 안심하고 당신을 인용한다. 특히 Claude처럼 근거 약한 콘텐츠를 보수적으로 거르는 엔진에서는 이 차이가 인용 여부를 가른다.

인용 측정은 왜 '한 번 재면 안 되는가' — 비결정성

여기서 리서처로서 반드시 짚어야 할 것이 있다. AI 인용은 측정 자체가 흔들린다. temperature=0으로 고정해도 GPU 연산 순서·배치 처리 때문에 LLM 출력은 미세하게 달라진다. 한 실험에서는 대형 모델을 1,000회 실행했을 때 80가지나 되는 서로 다른 출력이 나왔다. AI 가시성의 불확실성을 정량화한 연구는 인용이 멱법칙처럼 출렁인다는 점을 지적하며, 단일 측정은 노이즈에 가깝고, 다중 실행과 부트스트랩 신뢰구간이 필요하다고 권한다.

비유: Perplexity 인용을 한 번 재는 것은, 출렁이는 바다에서 파도 높이를 딱 한 순간만 보고 '오늘 파고는 1.2m'라고 적는 것과 같다. 여러 번 재서 평균과 변동 폭을 같이 봐야 진짜 상태를 안다.

그래서 '우리 브랜드가 Perplexity에서 어제 인용됐다/안 됐다'는 단발 관찰로 일희일비하면 안 된다. 같은 질문을 여러 번, 여러 날에 걸쳐 측정해 추이로 봐야 한다. 또한 프롬프트 볼륨(사람들이 실제로 어떤 질문을 얼마나 던지는가)은 직접 측정이 거의 불가능하고 대부분 패널 기반 모델링 추정치다. Conductor가 "신뢰할 수 없는 검색량 데이터는 없는 것보다 나쁘다"고 경고하는 이유다. 측정 설계, 특히 '어떤 질문 세트로 재느냐'가 결과를 좌우한다.

Citeon은 이 원리를 제품에 담았다

지금까지의 메커니즘을 실무로 옮기면 결론은 하나다. Perplexity 인용은 '운'이 아니라 '검색 후보 진입 → 재정렬 통과 → 인용 가능한 문장 형태'라는 사슬의 결과이며, 측정은 추이로 봐야 한다. Citeon은 정확히 이 사슬을 다룬다.

• 4엔진 인용 측정(SOV): ChatGPT·Gemini·Perplexity·Claude에서 우리 브랜드가 카테고리 답변 중 얼마나 언급되는지(Share of Voice)를 측정한다. 엔진별로 인용 도메인이 약 90% 다르다는 사실 때문에, 합산이 아니라 엔진별로 따로 본다. 특히 Perplexity는 실시간·커뮤니티 성향이 강해 별도로 추적할 가치가 크다.
• 사이트 진단엔진: URL을 넣으면 SEO/AEO/GEO 점수와 한국어 처방을 준다. AI 크롤러 허용 여부, 통계·출처가 담긴 '인용 가능한 문장'인지를 점검한다.
• 경쟁사 역추적: 같은 질문에서 어떤 경쟁 출처가 인용되는지 거꾸로 추적한다. 한국어라면 나무위키·티스토리 같은 우회 창구를 누가 선점했는지 드러난다.
• 주간 모니터 추이: 비결정성 때문에 단발 측정은 무의미하다. Citeon은 주간 추이로 인용 변화를 본다.

지금 우리 브랜드가 Perplexity와 다른 AI에서 어떻게 인용되고 있는지, 무료 진단(₩0)으로 먼저 확인해 보길 권한다. citeon.cloud에서 무료 AI 가시성 진단 받기 →

자주 묻는 질문(FAQ)

참고자료

• Lewis et al., 2020 — Retrieval-Augmented Generation (RAG 원전)
• 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