PAPER

답변엔진은 어떤 페이지를 인용하나 — 16개 항목으로 점수를 매겨 보니

답변엔진이 인용하는 페이지에는 공통된 기술적 특징이 있는가? 있다면 무엇이 가장 강하게 걸리는가?

AI Answer Engine Citation Behavior: Bringing the GEO-16 Framework in B2B SaaS

저자: Arlen Kumar · Leanid Palkhouski
소속: UC 버클리 · Wrodium Research
게재: arXiv 프리프린트
제출: 2026-09-10
arXiv: arXiv:2509.10762
나비랑 확인일: 2026-08-24

이 논문이 말하는 것

있었습니다. 저자들은 페이지의 측정 가능한 특징을 16개 기둥(메타데이터·시맨틱 HTML·구조화 데이터·콘텐츠 품질·링크)으로 나눠 0~3점으로 채점하고 0~1 사이 종합점수로 환산했습니다. 영어 B2B SaaS 16개 버티컬에서 인용 1,702건을 모아 본 결과, 종합점수가 높을수록 인용될 오즈가 4.2배였고 메타데이터·최신성, 시맨틱 HTML, 구조화 데이터 순으로 상관이 강했습니다. 다만 관측 연구라 인과가 아닙니다.

원문 보기 (arXiv) ↗

⚠️ 이해상충이 공개된 논문입니다

저자 소속에 Wrodium Research 라는 조직이 함께 적혀 있으나 논문에 이해상충 선언이 없습니다. 상용 이해관계가 있는지는 논문만으로 판단할 수 없어, 있는 그대로만 적어 둡니다.

METHOD

어떻게 쟀나

수치를 읽기 전에 조건을 먼저 봅니다. 같은 숫자도 표본과 환경이 다르면 다른 뜻입니다.

프레임워크: GEO-16 — 16개 기둥을 0~3점 구간으로 채점해 0~1 사이 종합점수 G 로 환산
질의: 16개 B2B SaaS 버티컬을 겨냥한 프롬프트 70개
수집: 인용 1,702건 · 고유 URL 1,100개 감사
대상 엔진: Brave · Google AI 개요 · Perplexity 3종

FINDINGS

무엇이 나왔나

종합점수와 인용: 로지스틱 회귀 오즈비 4.2 (95% CI 3.1, 5.7) — 점수가 높은 페이지가 인용될 오즈가 그만큼 높았다
가장 강한 상관 항목: 메타데이터·최신성 r=0.68 · 시맨틱 HTML r=0.65 · 구조화 데이터 r=0.63
엔진별 평균 점수: Brave 0.727 · Google AI 개요 0.687 · Perplexity 0.300 — 엔진마다 인용하는 페이지의 성격이 크게 다르다
엔진별 인용률: Brave 78% · Google AI 개요 72% · Perplexity 45%
⚠️ 이 수치들의 조건: 영어 B2B SaaS 콘텐츠 대상이고 관측 설계다. 상관이지 인과가 아니며, 저자들도 미관측 교란 위험을 인정했다

LIMITATIONS

논문이 스스로 밝힌 한계

우리가 지적한 것이 아니라 저자들이 논문에 적어 둔 내용입니다.

영어 B2B SaaS 콘텐츠에 한정된다 — 저자들이 "다른 언어나 업종에서는 결과가 다를 수 있다" 고 명시했다.
관측 설계라 미관측 교란(unobserved confounding) 위험이 있다 — 인과 주장이 아니다.
단일 시점 수집이라 일반화가 제한된다.
이해상충 선언이 없다.

나비랑의 해석 — 논문의 결론이 아닙니다

우리가 실무에서 먼저 보는 항목과 순서가 겹칩니다 — 메타데이터·최신성, 시맨틱 HTML, 구조화 데이터가 상위 세 개입니다. 나비랑이 진단에서 크롤러 접근과 구조화 데이터를 먼저 확인하는 이유에 외부 근거가 하나 붙은 셈입니다. 다만 두 가지를 조심해야 합니다. 첫째, **관측 연구입니다.** '구조화 데이터를 넣으면 인용된다' 가 아니라 '인용된 페이지가 구조화 데이터를 갖고 있는 경향이 있다' 입니다. 잘 관리되는 사이트가 두 가지를 다 갖췄을 뿐일 수 있습니다. 둘째, Perplexity 의 평균 점수가 0.300 으로 다른 엔진의 절반 이하인데, 이는 그 엔진이 '점수가 낮은 페이지도 인용한다' 는 뜻이지 '나쁜 엔진' 이라는 뜻이 아닙니다. 엔진마다 고르는 기준이 다르다는 증거로 읽습니다.

IN COMPARISON