> ## Documentation Index
> Fetch the complete documentation index at: https://docs.anymorph.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# GEO의 작동 원리

> AI 엔진이 브랜드를 인용하는 방식과 Anymorph의 가시성 측정 방법

## AI 엔진이 브랜드를 찾고 인용하는 방식

사용자가 AI 어시스턴트에 질문하면, 응답은 단일 검색에서 나오지 않습니다. 엔진은 하나의 질문을 수십 개의 검색으로 변환하고, 수백 개의 후보 페이지를 수집한 뒤, 그중 97–98%를 버리고 나서야 인용이 포함된 답변을 생성합니다.

이 파이프라인을 이해하는 것이 GEO의 핵심입니다. 각 단계마다 다른 필터링 기준이 적용되며, 콘텐츠가 모든 단계를 통과해야 인용됩니다.

### 1단계: 쿼리 팬아웃 (Query Fan-Out)

엔진은 사용자의 질문을 그대로 검색하지 않습니다. 하나의 질문을 **8–12개의 병렬 서브쿼리**로 분해하며, 각각 다른 각도를 타겟합니다: 정의, 비교, 가격, 최신 동향, 전문가 의견, 대안 등.

예를 들어 "소규모 팀에 가장 좋은 CRM은?"이라는 질문은 다음과 같이 변환될 수 있습니다:

* "best CRM software small business 2026"
* "CRM comparison small teams pricing"
* "CRM features for teams under 50"
* "HubSpot vs Salesforce small business"
* 그 외 여러 변형

이 서브쿼리 중 반복 검색 시 동일하게 유지되는 것은 27%에 불과합니다 (iPullRank, 2025). 이는 **단일 키워드 깊이보다 콘텐츠 폭이 더 중요**하다는 의미입니다. 하나의 주제를 여러 각도에서 다루는 페이지가 서브쿼리 중 하나에 걸릴 확률이 높습니다.

<Note>
  Google AI Mode는 복잡한 "Deep Search" 요청에 대해 수백 개의 서브쿼리를 실행하며, 이를 위해 특별히 설계된 커스텀 Gemini 모델을 사용합니다 (Google, 2025년 5월).
</Note>

### 2단계: 웹 검색 (Retrieval)

각 서브쿼리는 엔진의 내부 검색 백엔드에 전송됩니다:

| 엔진                     | 검색 백엔드                                            |
| ---------------------- | ------------------------------------------------- |
| **ChatGPT**            | OpenAI 자체 검색 인덱스 (2024–2025년 Bing에서 전환, 현재 주요 소스) |
| **Perplexity**         | 자체 인덱스 (2023년부터 자체 구축)                            |
| **Google AI Overview** | Google Search 인덱스 + Knowledge Graph               |
| **Gemini**             | Google Search 인덱스                                 |
| **Claude**             | 비공개 (Anthropic이 검색 제공자를 공식 확인하지 않음)               |

이 단계에서 모든 서브쿼리를 합쳐 **수십에서 수백 개의 후보 문서**가 수집됩니다. 정확한 수는 엔진과 쿼리 복잡도에 따라 다릅니다. 여기서는 서브쿼리 중 하나에 검색되기만 하면 됩니다. 기존 SEO 시그널(도메인 권위, 백링크, 키워드 관련성)이 여전히 이 단계에 영향을 미칩니다.

### 3단계: 시맨틱 랭킹 및 필터링

엔진이 수집된 모든 문서에 대해 다층 머신러닝 랭킹을 실행합니다:

1. **시맨틱 유사도 스코어링**: 문서를 원래 쿼리와 임베딩 모델로 비교합니다. 코사인 유사도 0.88 이상인 페이지는 인용 확률이 7.3배 높습니다 (Wellows, 2025년 12월).
2. **E-E-A-T 게이트**: 이진 통과/탈락 필터입니다. 최종 인용되는 콘텐츠의 96%가 이 게이트를 통과합니다. 기준 미달 콘텐츠는 관련성과 무관하게 탈락합니다. 저자 자격, 스키마 마크업, 도메인 신뢰도가 여기서 작용합니다.
3. **LLM 리랭킹**: 별도 모델이 생존한 문서를 페이지 수준이 아닌 **패시지(구절) 수준**에서 재순위화합니다.

이 단계 이후 약 50–100개의 후보가 남습니다. 가장 많은 탈락이 발생하는 구간입니다.

### 4단계: 패시지 추출

AI 엔진은 전체 페이지를 읽지 않습니다. **134–167단어**의 특정 구절을 추출합니다. 어떤 구절이 선택되는지를 결정하는 요소:

* **정보 밀도**: 사실 중심으로 밀도 높은 내용, 서론이나 장식 없음
* **자기 완결성**: 주변 맥락 없이도 서브쿼리에 답변 가능
* **구조적 시그널**: 제목, FAQ 블록, 비교표, 정의 박스가 파서에게 청크 경계를 알림
* **페이지 내 위치**: 전체 인용의 44.2%가 페이지 **상위 30%** 콘텐츠에서 발생합니다. 하위 10% 콘텐츠의 인용 비중은 2.4–4.4%에 불과합니다 (AirOps, 2026)

[Quotability](/ko/concepts/geo-strategy) 속성 (각 H2 뒤 자기완결적 Answer Capsule)이 중요한 이유가 바로 이것입니다. 패시지 추출의 작동 방식에 직접 대응합니다.

<Tip>
  "첫 100단어 안에 답변" 패턴 (BLUF)은 글쓰기 스타일 선호가 아닙니다. 상위 인용 콘텐츠의 90%가 이 패턴을 따르는 이유는, 패시지 추출기가 초반 콘텐츠를 먼저 평가하고 더 높은 관련성 점수를 부여하기 때문입니다.
</Tip>

### 5단계: 프롬프트 조립 (사전 인용 임베딩)

가장 많이 오해되는 단계입니다. **인용은 응답이 작성된 후에 추가되는 것이 아닙니다.** LLM이 첫 토큰을 생성하기 *전에* 프롬프트에 구조적으로 임베딩됩니다.

오케스트레이션 엔진이 조립하는 것:

* 특정 소스 URL에 연결된 인용 마커
* 생존한 문서의 순위별 패시지 발췌
* 발행일 및 권위 메타데이터
* 상충하는 소스 간 모순 해결

LLM은 이렇게 사전 임베딩된 소스에 구조적으로 바인딩된 산문을 생성합니다. 제공받지 않은 URL을 만들어낼 수 없습니다.

### 6단계: 응답 생성

최종 LLM이 조립된 증거에 제약받으며 응답을 생성합니다. 각 인라인 인용 번호는 4단계의 특정 패시지 발췌에 대응합니다.

**결과**: 처음 수집된 모든 후보 중 최종 인용되는 것은 **5–15개**뿐입니다. 대다수의 검색된 콘텐츠가 탈락합니다.

### GEO에 이것이 의미하는 것

파이프라인의 각 단계는 콘텐츠에 다른 품질을 요구합니다:

| 단계          | 콘텐츠에 필요한 것           | GEO 레버                          |
| ----------- | -------------------- | ------------------------------- |
| 팬아웃         | 넓은 주제 커버리지           | 페이지당 여러 쿼리 각도를 다룸               |
| 검색          | 검색 엔진에서의 발견 가능성      | 기술적 SEO, 스키마 마크업                |
| 시맨틱 랭킹      | 쿼리에 대한 높은 관련성        | 인텐트 정렬 제목, 직접적 답변               |
| E-E-A-T 게이트 | 신뢰 시그널               | 저자 자격, 검증 가능한 데이터, 구조화 데이터      |
| 패시지 추출      | 자기완결적, 정보 밀도 높은 구절   | Answer Capsule, BLUF 패턴, FAQ 블록 |
| 프롬프트 조립     | 최신, 권위 있는, 모순 없는 콘텐츠 | Temporal Grounding, 엔터티 일관성     |

2단계에서 강한 페이지 (좋은 SEO 순위)가 4단계에서 약하면 (추출 가능한 구절 없음) 검색은 되지만 인용되지 않습니다. 이 격차가 바로 [GEO 전략](/ko/concepts/geo-strategy)이 해결하는 것입니다.

## AI 인용을 결정하는 요인

129,000개 이상의 도메인과 6억 8천만 이상의 인용을 분석한 연구에서 6가지 핵심 요인이 밝혀졌습니다:

<AccordionGroup>
  <Accordion title="1. 참조 도메인 권위" icon="link">
    AI 인용의 가장 강력한 예측 변수입니다. 신뢰도 높은 백링크 프로필을 가진 브랜드가 훨씬 자주 인용됩니다. 기존 SEO와 겹치지만 GEO에서는 더 큰 비중을 차지합니다.
  </Accordion>

  <Accordion title="2. E-E-A-T 시그널" icon="shield-check">
    경험, 전문성, 권위성, 신뢰성. AI 시스템은 실제 경험과 검증 가능한 전문가 자격을 보여주는 콘텐츠를 우선시합니다.
  </Accordion>

  <Accordion title="3. 콘텐츠 신선도" icon="clock-rotate-left">
    인용되는 페이지는 최신 콘텐츠에 편중됩니다. "최종 수정: 2026-04-07" 같은 명시적 날짜와 최신 통계가 AI 엔진에 신선도를 알립니다.
  </Accordion>

  <Accordion title="4. 엔터티 일관성" icon="fingerprint">
    웹사이트, 소셜 프로필, 디렉토리, 서드파티 소스에서 브랜드명, 포지셔닝, 정보가 일관되면 AI 검색의 모호성이 줄어듭니다.
  </Accordion>

  <Accordion title="5. 서드파티 멘션" icon="comments">
    Reddit, G2, Trustpilot, 업계 간행물의 독립적 멘션이 AI 인용 소스에서 불균형적으로 높은 비중을 차지합니다. 링크 없는 브랜드 멘션도 기여합니다.
  </Accordion>

  <Accordion title="6. 구조화 데이터" icon="code">
    Organization, Product, FAQ, Review 스키마 마크업은 AI 엔진이 검색 시 브랜드 정보를 추출하고 검증하는 데 도움을 줍니다.
  </Accordion>
</AccordionGroup>

### 실제로 개선할 수 있는 것

6가지 요인 중 일부는 직접 통제 가능하고, 일부는 장기 투자가 필요합니다:

| 요인              | 통제 수준       | 개선 방법                                                                     |
| --------------- | ----------- | ------------------------------------------------------------------------- |
| **도메인 권위**      | 간접적 (장기)    | 양질의 콘텐츠 발행, 자연 백링크 확보, [SEO Health](/ko/dashboard/seo-health)에서 기술적 이슈 수정 |
| **E-E-A-T 시그널** | 높음          | 저자 자격, 사례 연구, 검증 가능한 데이터를 페이지에 추가                                         |
| **콘텐츠 신선도**     | 높음          | 날짜 포함 페이지 유지, 분기별 통계 갱신                                                   |
| **엔터티 일관성**     | 높음          | [브랜드 설정](/ko/settings/brand)으로 웹사이트, 프로필, 디렉토리 전반의 브랜드 정보 정렬              |
| **외부 채널 멘션**    | 낮음 (리스크 있음) | 자연스러운 커뮤니티 참여; 유료/자동화 접근은 [상당한 리스크](/ko/concepts/geo-strategy) 수반         |
| **구조화 데이터**     | 높음          | 스키마 마크업, FAQ 블록, 논리적 제목 계층 구조 추가                                          |

직접 통제할 수 있는 요인들(E-E-A-T, 신선도, 엔터티 일관성, 구조화 데이터)이 바로 [GEO 콘텐츠 최적화](/ko/concepts/geo-strategy)가 타겟하는 영역입니다. 콘텐츠 최적화가 외부 채널 전략보다 빠르게 측정 가능한 결과를 만드는 이유입니다.

## 엔진별 특성

각 AI 엔진은 서로 다른 소스 선호도를 가집니다:

| 엔진                     | 주요 소스                             | 전략                        |
| ---------------------- | --------------------------------- | ------------------------- |
| **ChatGPT**            | OpenAI 자체 검색 인덱스, Wikipedia 비중 높음 | 구조화된 콘텐츠 + Wikipedia 프레젠스 |
| **Perplexity**         | 자체 인덱스, Reddit 비중 높음, 실시간 검색      | 커뮤니티 참여 + 최신 콘텐츠          |
| **Google AI Overview** | Google 오가닉 결과 (기존 검색 순위와 높은 상관관계) | 기존 SEO + Schema 마크업       |
| **Claude**             | 비공개, E-E-A-T 시그널                  | 팩트 기반, 권위 있는 콘텐츠          |
| **Gemini**             | Google Search 인덱스                 | Google SEO + 구조화 데이터      |

<Tip>
  단일 엔진만 타겟팅하는 것보다 여러 엔진을 동시에 최적화하는 것이 더 효과적입니다. Anymorph는 모든 엔진을 병렬로 추적하여 크로스 엔진 기회를 식별할 수 있습니다.
</Tip>

## Anymorph의 가시성 측정 방식

### PAWC (Position-Adjusted Word Count)

Anymorph는 프린스턴 KDD 2024 연구 논문과 동일한 지표인 PAWC를 핵심 가시성 측정 방식으로 사용합니다:

```
positionWeight = exp(-relativePosition / (mentionSpan - 1))
PAWC = wordCount × positionWeight
```

이는 AI 응답 **상단**에 나타나는 브랜드 멘션이 하단보다 지수적으로 높은 가중치를 받는다는 의미입니다. 단순히 언급되는 것이 아니라 **어디에** 나타나는지가 중요합니다.

### GEO Score (0–100)

전체 AI 가시성은 6개 서브스코어의 가중 합산인 **GEO Score**로 표현됩니다:

| 서브스코어                 | 가중치 | 측정 내용                    |
| --------------------- | --- | ------------------------ |
| **Visibility**        | 30% | PAWC 기반 가시성 지수           |
| **SOV Rank**          | 20% | 경쟁사 대비 Share of Voice 순위 |
| **Sentiment**         | 15% | 긍정 vs 부정 브랜드 멘션          |
| **Citation Coverage** | 15% | 자사 도메인으로 향하는 인용 비율       |
| **Consistency**       | 10% | AI 엔진 간 균일성              |
| **Intent Coverage**   | 10% | 검색 의도별 가시성 분포            |

### 등급 체계

| 등급    | 점수    | 의미                        |
| ----- | ----- | ------------------------- |
| **A** | 80+   | 강력한 AI 포지션. 유지 및 확장.      |
| **B** | 60–79 | 좋은 가시성. 1-2개 영역 최적화 필요.   |
| **C** | 40–59 | 평균. 체계적 GEO 전략 필요.        |
| **D** | 20–39 | 낮은 가시성. 기본 콘텐츠 구축 시급.     |
| **F** | \< 20 | AI에 거의 보이지 않음. 전면 재검토 필요. |

### Share of Voice

Anymorph는 SOV를 두 가지 방식으로 계산합니다:

* **PAWC 기반 SOV**: 학술적으로 정밀하며, 멘션 위치와 길이를 고려
* **멘션 수 기반 SOV**: 직관적인 브랜드 멘션 수 대 경쟁사 비교

둘 다 [가시성 대시보드](/ko/dashboard/visibility)에 표시되어 상호 보완적인 관점을 제공합니다.

## 벤치마크

### SOV 벤치마크

* **\< 5%**: AI 응답에 거의 없음
* **5–15%**: 존재하나 권위 부족
* **15–30%**: 경쟁력 있는 프레젠스
* **30%+**: AI 응답의 카테고리 리더

### Citation Drift

월간 인용 변동 약 55%는 **정상**입니다. AI 엔진은 비결정적이므로 일정 수준의 변동은 예상됩니다. 일별 변화보다 30일 이상의 추세가 더 의미 있습니다.

## 다음 단계

<CardGroup cols={2}>
  <Card title="GEO 전략" icon="bullseye" href="/ko/concepts/geo-strategy">
    AI 인용을 높이는 9가지 핵심 속성을 알아봅니다.
  </Card>

  <Card title="가시성 대시보드" icon="eye" href="/ko/dashboard/visibility">
    GEO Score와 지표를 실제로 확인합니다.
  </Card>
</CardGroup>