PAPER

SAGEO 아레나 — 검색·재순위·생성 전 과정에서 GEO 를 재평가

기존 GEO 방법을 실제 검색 파이프라인에 넣으면 정말로 효과가 있는가?

SAGEO Arena: A Realistic Environment for Evaluating Search-Augmented Generative Engine Optimization

저자: Sunghwan Kim · Wooseok Jeong · Serin Kim · Sangam Lee · Dongha Lee(교신)
소속: 연세대학교 인공지능학과 · 건국대학교 컴퓨터공학과
게재: KDD 2026 게재 확정
제출: 2026-02-12 · 개정 2026-08-07 (v2)
arXiv: arXiv:2602.12187
나비랑 확인일: 2026-08-22

이 논문이 말하는 것

없거나 오히려 해로웠습니다. 본문 텍스트만 최적화하는 기존 GEO 방식을 검색 → 재순위 → 생성 전 과정이 있는 환경에서 재현했더니, 검색과 재순위 단계의 성능이 눈에 띄게 떨어졌습니다. 저자들은 각 파이프라인 단계에 맞춘 최적화가 필요하다고 결론지었습니다.

원문 보기 (arXiv) ↗

METHOD

어떻게 쟀나

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

질의: 9개 도메인 × 300개 = 2,700개 테스트 질의
문서: 웹 문서 171,003건 수집
파이프라인: 검색 BM25 → 재순위 Qwen3-Reranker-4B → 생성 gpt-5-mini
구성: 상위 100건 검색 후 상위 10건을 생성 단계로 전달

FINDINGS

무엇이 나왔나

본문만 최적화 — 검색: Hit@20 0.58 → 0.53 (-9%)
본문만 최적화 — 재순위: Hit@10 1.00 → 0.84 (-16%)
본문만 최적화 — 생성: 인용률 0.50 → 0.47 (-6%)
AutoGEO: 검색 순위에서 -22.35 로 가장 큰 하락
구조 정보만 최적화: 검색 Hit@20 +22%, 평균 검색 순위 이득 +2.72
단계별 최적화(제안 방법): 검색 Hit@20 0.75(+28%), 생성 인용률 0.58

LIMITATIONS

논문이 스스로 밝힌 한계

우리가 지적한 것이 아니라 저자들이 논문에 적어 둔 내용입니다.

질의 변형에 대한 강건성이 제한적이다 — 최적화된 문서가 원래 맥락에는 잘 맞지만 다른 표현의 질의에는 대응 능력이 부족하다(부록 D).
별도의 Limitations 절을 두지 않았다.
재순위·생성에 특정 모델(Qwen3-Reranker-4B · gpt-5-mini)을 고정해 관측했다.

나비랑의 해석 — 논문의 결론이 아닙니다

AEO·GEO 실무에서 가장 중요한 논문이라고 봅니다. '콘텐츠 문구를 AI 친화적으로 고치면 인용이 오른다'는 업계의 기본 전제를 정면으로 흔들기 때문입니다. 본문만 손대면 검색 단계에서 먼저 걸러져 생성까지 도달하지 못한다는 것이고, 이 결과는 나비랑이 '색인되지 않은 문서는 인용 후보에도 오르지 못한다'고 말해 온 층위 모델과 방향이 같습니다. 반대로 **구조 정보 최적화만으로 검색 +22%** 가 나온 대목은 우리가 구조화 데이터와 문서 구조를 먼저 보는 순서에 근거를 더해 줍니다. 다만 이것도 특정 파이프라인 구성에서의 실험이라 그대로 우리 성과를 약속하는 근거로 쓰지는 않습니다.

IN COMPARISON