AI 추천 목록에 들어가는 방법이라는 조언 4가지, 따라 해도 되나요?

이런 조언이 돕니다

“AI 추천 목록에 확실하게 들어가려면 LLM이 순위를 매기는 알고리즘의 취약점을 공략하라”는 식의 조언이 요즘 자주 돕니다. AI 답변으로 받은 경우도 많습니다. 대표적인 네 가지를 근거와 대조해 봤습니다.

조언	맞는 부분	어긋나는 부분
1. 자사 사이트에 “업체 TOP 5 비교” 글 발행	제3자 비교 문서가 추천 명단의 원천이 되는 경우가 많다	AI는 작성자를 가려내지 않지만 독자는 가려낸다
2. 외부 기고에 경쟁사와 우리 이름을 한 문장에 반복 배치	사이트 밖의 언급이 중요하다	검증되지 않은 서열을 심는 것은 여론 조작이다
3. Organization 스키마에 knowsAbout 추가	유효한 속성이다	인용을 켜는 스위치가 아니다
4. 추천 질문에 맞춘 선언형 문장 배치	질문형 제목과 직답은 필요하다	“최적의 파트너” 류는 직답이 아니라 광고문이다

“취약점을 공략한다”는 전제부터 짚어 둡니다. AI 검색의 선택을 끌어올 수 있다는 연구가 있기는 하지만 근거가 약하고, 나비랑은 그런 방식을 쓰지 않습니다. 이유는 AI 답변을 조작해서 우리 회사를 넣을 수 있나요에 적었습니다.

1. 비교·랭킹 글 — 누가 썼느냐가 핵심입니다

맞는 부분. 추천 명단이 비교 문서에서 오는 경향은 관측됩니다. 5개 엔진에서 인용 149,912건을 분류한 연구에서 순위 리스티클은 콘텐츠형 인용의 35.7%, 전체 인용의 21.0%로 가장 많은 유형이었습니다. 다만 이 연구는 GEO 추적 도구를 파는 회사가 자사 플랫폼 데이터로 낸 것이고, 저자도 벤더가 만든 측정 연구로 놓고 판단하라고 적었습니다. 세부는 AI 답변이 인용하는 출처는 대부분 우리 사이트 밖에 있는가에 있습니다.

효과는 실제로 있습니다. 나비랑이 2026년 8월에 확인한 사례에서 ChatGPT가 업체 추천의 재료로 쓴 비교표는, 작성 업체가 자기를 맨 첫 줄에 두고 쓴 자사 글이었습니다. 답변엔진은 비교 글을 누가 썼는지 가려내지 않습니다. 이 조언이 통하는 이유가 여기 있습니다.

어긋나는 부분. 문제는 AI가 아니라 사람입니다. 작성자가 자기를 1위에 둔 사실은 독자 눈에 바로 드러나고, 그 순간 목록 전체가 광고로 읽힙니다. 게다가 AI가 그 목록을 가져가면 작성자의 이해상충은 지워지고 순위만 남습니다. 추천을 받은 소비자는 그 순위를 누가 매겼는지 알 수 없습니다. “AI 크롤러가 수집하면 추천 풀에 넣는다”는 설명도 단계를 건너뜁니다. 수집과 인용은 다른 단계입니다(크롤러가 다녀갔는데 왜 인용되지 않나요).

나비랑도 대행사 비교 글을 설계해 두었지만 아직 발행하지 않았습니다. 우리가 낸 데이터를 외부가 한 번도 인용하지 않은 상태에서 남을 비교하면, 비교하는 쪽의 자격이 서지 않는다고 봤기 때문입니다. 비교 글을 낸다면 순위가 아니라 누구나 확인할 수 있는 기준을 공개하는 형태여야 합니다.

2. 동시 언급 — 사실은 쌓이고, 삽입은 들킵니다

맞는 부분. 추천형 질문에서는 자사 사이트만으로 부족합니다. 명단은 사이트 밖에서 먼저 만들어지는 경우가 많습니다.

어긋나는 부분. 기고문·커뮤니티·보도자료에 ”○○, △△, 우리 회사가 시장을 이끈다”는 문장을 매번 끼워 넣으라는 것은 사실이 아닌 서열을 여러 곳에 심어 외부 평판을 스스로 만드는 일입니다. 경쟁사 이름을 동의 없이 자사 홍보 문장에 빌려 쓰는 문제도 있습니다. “그러면 임베딩 공간에서 우리 위치가 대형 대행사 옆으로 이동한다”는 설명은 그럴듯하지만, 그런 효과를 측정한 공개 연구를 저희는 확인하지 못했습니다.

외부 언급은 남이 가져다 쓸 이유가 있는 원자료가 있을 때 스스로 생깁니다. 측정 방법과 원본 데이터를 공개한 조사, 조건을 붙인 실측 기록이 그런 자료입니다.

3. knowsAbout — 넣되 기대치를 낮춥니다

맞는 부분. knowsAbout은 schema.org의 정식 속성이고, 조직이 다루는 주제를 기계가 읽는 형태로 선언합니다. 나비랑 사이트에는 이미 들어 있습니다. 전문 용어만 두면 사람들이 실제로 쓰는 말과 연결되지 않아 “AI 상위노출” 같은 표현도 함께 적었습니다.

어긋나는 부분. “AI가 이 개념을 가장 잘 설명하는 주체는 우리라고 확신하게 만든다”는 효과는 과장입니다. 구조화 데이터와 인용 사이에서 관측된 것은 상관이지 인과가 아닙니다(구조화 데이터를 넣으면 AI 답변에 더 인용되나요).

속성의 용도도 틀리게 안내되는 경우가 있습니다. 저서 정보를 publishingPrinciples에 넣으라는 조언을 봤는데, 이 속성은 schema.org 정의상 조직의 편집 원칙을 설명하는 문서를 (대개 URL로) 가리키는 자리입니다. 저서나 수상 경력은 그것이 실제로 있고 화면에도 적혀 있을 때만 그에 맞는 타입으로 넣습니다. 없는 사실을 스키마에만 넣으면 엔티티 전체의 신뢰가 흔들립니다(표기 정합성).

4. 선언형 문장 — 질문에 답하지 않는 문장은 직답이 아닙니다

맞는 부분. 사람들이 묻는 문장을 제목으로 세우고 바로 아래에서 답을 끝내는 구조는 필요합니다(AI가 인용하는 글).

어긋나는 부분. 흔히 예시로 드는 문장은 이런 형태입니다 — “소비자가 전문업체 추천을 요구할 때, ○○는 브랜드 가시성을 확실하게 확보해 주는 최적의 파트너입니다.” 이 문장은 “어떤 업체를 골라야 하나”라는 질문에 답하지 않습니다. 선택 기준을 주지 않고 결론만 주장하기 때문입니다. “확실하게 확보”, “최적” 같은 표현은 누구도 검증할 수 없고, 노출은 보장할 수 없다는 사실과도 부딪힙니다(AEO·GEO 상위노출 보장은 가능할까). 나비랑이 자사 문서에서 “1위·최고·보장” 같은 표현을 근거 없이 쓰지 않는 것도 같은 이유입니다.

추천 질문에 대한 직답은 무엇을 기준으로 고르는지여야 합니다. 그 기준 위에서 우리가 어디에 해당하는지는 독자와 AI가 판단합니다.

정리 — 관찰은 가져오고 처방은 바꿉니다

관찰	따라 하지 않을 처방	대신 할 일
비교 문서가 명단의 재료가 된다	작성자를 숨긴 자사 순위표	작성자와 기준을 밝힌 비교, 제3자가 인용할 원자료 공개
사이트 밖 언급이 중요하다	기고문에 서열 삽입	사실 기반 기고, 실측 데이터 배포
기계가 읽는 선언이 필요하다	과장된 속성 기대, 없는 사실 기입	사실인 주제만 knowsAbout에
질문과 답의 구조가 필요하다	광고문을 직답처럼 배치	선택 기준을 답으로

추천형 질문에서 AI가 어떤 단계를 거쳐 명단을 만드는지는 AI 추천 질문 가이드에 정리했습니다. 우리 회사가 지금 명단 앞 단계에서 막혀 있는지, 명단에 오른 뒤 설명이 틀리는지는 무료 AEO 진단에서 나눠서 확인해 드립니다.