ChatGPT 인용 출처의 60%는 검색 밖에서 온다: 데이터로 본 GEO 전략

ChatGPT는 내 콘텐츠를 어디서 찾아 인용할까?

ChatGPT가 인용한 출처의 40%만이 구글·빙 검색 결과 100위 안에 존재했습니다. 100개의 구매 의도 프롬프트를 분석한 Grow and Convert의 연구 결과인데요. 구글 상위 노출만 잡으면 ChatGPT 인용은 따라온다는 통념과 달리, 나머지 60%의 출처는 학습 데이터, 숨은 서버 사이드 검색, 응답 캐시 등 검색 밖의 경로에서 왔습니다. 특정 팬아웃 쿼리를 역공학해 공략하는 방식보다, 도메인 전체의 토픽 권위를 쌓는 GEO 전략이 ChatGPT 인용 확률을 높이는 현실적인 방법입니다. 이 글에서 실험 데이터 전체와 지오랭크의 실전 경험을 함께 정리합니다.

목차

• 구글 순위는 그대로인데 ChatGPT 인용이 늘어난 이유는?
• 쿼리 팬아웃이란? ChatGPT가 출처를 고르는 3단계
• 구글·빙 상위 노출이 ChatGPT 인용을 보장하지 못하는 이유는?
• 나머지 60%의 출처는 어디서 올까?
• ChatGPT 인용에 관해 자주 묻는 질문
• 함께 읽으면 좋은 글
• 참조논문

구글 순위는 그대로인데 ChatGPT 인용이 늘어난 이유는?

지오랭크가 컨설팅한 B2B SaaS 스타트업은 구글 순위 변동 없이 5개월 만에 ChatGPT 브랜드 언급률을 4%에서 19%로 끌어올렸습니다. 핵심은 팬아웃 쿼리 공략을 포기하고 제품 중심의 심층 콘텐츠로 방향을 바꾼 것이었는데요. 검색 순위와 AI 인용이 별개의 게임이라는 사실을 데이터로 확인한 사례입니다.

처음부터 순조로웠던 것은 아닙니다. 프로젝트 초기 3개월간 지오랭크는 ChatGPT의 팬아웃 쿼리를 역공학하는 접근을 시도했습니다. 고객사의 핵심 프롬프트 30개를 반복 실행하면서 ChatGPT가 생성하는 하위 검색어를 수집했고, 그 검색어에 맞춘 FAQ 페이지를 20건 넘게 제작했습니다. 결과는 기대에 못 미쳤습니다. 브랜드 언급률이 4%에서 6% 수준으로 오르는 데 그쳤고, 같은 프롬프트를 다시 돌리면 팬아웃 쿼리 자체가 바뀌어 있는 경우가 많았습니다. 애써 맞춘 과녁이 매주 움직이는 셈이었죠.

방향을 바꾼 것은 4개월 차부터입니다. 개별 쿼리 대응 페이지 제작을 중단하고, 제품의 사용 사례·기능·요금·경쟁 비교를 깊이 있게 다루는 콘텐츠 12건을 발행했습니다. 각 문서는 하나의 하위 주제를 끝까지 파고드는 방식으로 설계했는데요. 이후 두 달간 ChatGPT 브랜드 언급률이 19%까지 상승했습니다. 흥미로운 점은 이 기간 구글 오가닉 순위에는 큰 변동이 없었다는 것입니다. 특정 페이지가 특정 쿼리에 랭킹되어서가 아니라, 도메인 자체가 해당 토픽의 권위 있는 출처로 인식되기 시작했다고 해석할 수 있는 대목입니다.

쿼리 팬아웃이란? ChatGPT가 출처를 고르는 3단계

쿼리 팬아웃은 ChatGPT가 사용자의 질문 하나를 2~4개의 하위 검색어로 쪼개 웹을 탐색하는 동작입니다. 다만 검색 결과가 곧 인용으로 이어지는 것은 아니고, 검색·선별·생성의 각 단계에서 출처가 걸러지거나 검색 밖 경로가 끼어듭니다. 이 구조를 이해해야 어디에 힘을 쏟을지 판단할 수 있습니다.

ChatGPT가 답변에 출처를 붙이는 과정은 크게 세 단계로 정리됩니다.

1. 검색 판단: 프롬프트를 보고 웹 검색이 필요한지 결정합니다. 실험에서 구매 의도 프롬프트 100개 중 83개가 웹 검색을 발동시켰고, 17개는 검색 없이 학습 데이터만으로 답변했습니다.
2. 팬아웃 검색: 질문을 하위 검색어 여러 개로 확장해 병렬로 검색합니다. 예를 들어 "소규모 팀을 위한 헬프데스크 소프트웨어 추천"이라는 프롬프트는 가격 비교, 기능 비교, 후기 검색 등으로 갈라집니다.
3. 선별과 생성: 검색 결과, 학습 데이터, 캐시 등에서 모은 후보 가운데 일부만 최종 답변의 출처로 인용합니다.

이 구조에서 마케터가 개입할 수 있는 지점을 정리하면 다음과 같습니다.

실무 적용은 세 단계로 진행하면 됩니다. 첫째, GPTBot과 OAI-SearchBot 등 크롤러 접근을 열어 검색과 학습 데이터 양쪽에 콘텐츠가 들어갈 통로를 확보합니다. 둘째, 제품·서비스와 직결된 구매 의도 주제를 목록화합니다. 셋째, 각 주제를 얕게 여러 개 만들지 말고 깊게 하나씩 완결성 있게 발행합니다. ChatGPT는 제품 관련 프롬프트의 80% 이상에서 웹을 검색하므로, 구매 의도 콘텐츠가 우선순위입니다.

한 가지 짚어둘 점이 있습니다. 팬아웃 쿼리 예측이 무의미하다고 해서 검색 최적화 자체가 필요 없다는 뜻은 아닙니다. 여전히 인용의 40%는 검색 결과에서 나오고, 도메인 기준으로는 절반에 이릅니다. 기존 SEO를 기본기로 유지하되, 거기에 추가로 얹는 투자를 개별 쿼리 해킹이 아니라 주제 단위 콘텐츠 자산에 배분하라는 것이 이 데이터의 실질적인 함의입니다.

구글·빙 상위 노출이 ChatGPT 인용을 보장하지 못하는 이유는?

구글 100위 안에 든 출처는 ChatGPT 인용의 27%, 빙은 23%에 불과했고 둘을 합쳐도 40%였습니다. 검색 상위 노출은 인용 확률을 높이는 요인일 뿐 보장 장치가 아닌데요. 프롬프트별 편차가 극단적으로 커서, 인용된 출처가 팬아웃 검색 결과에 하나도 없는 프롬프트가 20개나 됐습니다.

실험 설계를 먼저 보겠습니다. 연구진은 "소규모 팀용 헬프데스크 소프트웨어 추천" 같은 구매 의도 프롬프트 100개를 ChatGPT에 입력하고, 웹 검색이 발동된 83개 프롬프트의 팬아웃 쿼리를 수집했습니다. 그리고 각 쿼리를 구글(SerpAPI)과 빙(수동 검색)에서 10페이지, 즉 100위까지 조회해 ChatGPT가 실제 인용한 출처와 대조했습니다.

결과를 채널별로 나누면 이렇습니다.

일치한 40% 안에서도 분포가 흥미롭습니다. 1페이지에서 온 출처는 전체 일치분의 3분의 1 정도였고, 3페이지 안에서 약 66%가 나왔습니다. 뒤집어 말하면 인용의 상당수가 2~10페이지, 심지어 그 밖에서 왔다는 뜻입니다. 전통 SEO에서 2페이지는 사실상 무의미한 위치로 취급되지만, ChatGPT의 선별 로직에서는 여전히 후보군에 들어갑니다.

카테고리별 편차도 확인됐습니다. 쇼핑 플랫폼 의존도가 높은 실물 제품군에서 일치율이 가장 낮았고, B2C SaaS도 평균을 밑돌았습니다. 다만 연구진은 카테고리 간 차이가 예상보다 크지 않았다고 지적했는데요. 편차의 원인이 제품 유형이 아니라 ChatGPT가 검색 결과와 학습 데이터를 저울질하는 방식 자체의 비일관성에 있다고 본 것입니다.

주목할 부분이 하나 더 있습니다. URL 기준 일치율은 40%인데 도메인 기준으로 넓히면 약 50%로 뛴다는 점입니다. 특정 페이지가 랭킹되지 않아도 같은 도메인의 다른 페이지가 랭킹되어 있으면 인용될 확률이 올라간다는 것인데요. ChatGPT가 개별 URL이 아니라 도메인 단위의 토픽 권위를 인식한다는 신호로 해석됩니다. 지오랭크가 사례에서 확인한 "순위 변동 없는 인용 상승"과 일치하는 패턴입니다.

물론 이 실험에도 한계는 있습니다. 구매 의도 프롬프트 100개라는 표본은 업종 전체를 대표하기에 크지 않고, 빙 검색은 수동으로 진행되어 재현성이 떨어질수 있습니다. 팬아웃 쿼리 역시 화면에 표시된 것만 수집했기 때문에 서버 내부에서 실행되는 추가 검색은 관측 범위 밖입니다. 그럼에도 "검색 순위와 AI 인용의 상관이 생각보다 약하다"는 방향성 자체는 여러 지표에서 일관되게 확인됩니다.

나머지 60%의 출처는 어디서 올까? 학습 데이터와 숨은 검색

검색 결과에 없던 60%의 출처는 학습 데이터 회상, 서버 사이드 추가 검색, 응답 캐시, 그리고 약 10~14%의 환각으로 설명됩니다. 특히 학습 데이터의 비중이 상당하다는 정황이 뚜렷한데요. ChatGPT가 이미 사라진 옛날 페이지 제목을 그대로 인용한 사례가 그 증거입니다.

연구진이 제시한 근거를 하나씩 살펴보겠습니다. 첫째, 학습 데이터 회상의 흔적입니다. ChatGPT가 인용한 페이지 제목이 현재 페이지가 아니라 수년 전 버전의 제목과 일치하는 사례가 여럿 발견됐습니다. 실시간 검색이 아니라 학습 시점에 기억된 정보를 꺼내 쓴 것으로 보이는 대목입니다. 둘째, 환각입니다. 인용 링크의 약 10%가 존재하지 않는 오류 페이지로 연결됐습니다. 셋째, 관측되지 않는 서버 사이드 검색과 이전 사용자 질문에 대한 응답 캐시 재사용 가능성입니다.

콘텐츠 유형 데이터도 실무적으로 중요합니다. 인용된 출처의 78%는 리스티클, 제품 페이지, 요금 페이지, 홈페이지 같은 전통적인 SEO 스타일 콘텐츠였습니다. 팬아웃 쿼리에 랭킹됐든 아니든 이 비율은 유지됐는데요. AI 인용을 노린다며 불릿 요약이나 FAQ 뭉치 같은 형식 해킹에 매달릴 근거가 약하다는 뜻입니다. 잘 만든 구매 의도 콘텐츠라는 기본기가 검색과 AI 인용 양쪽에서 통합니다.

일관성 문제도 수치로 확인됩니다. SparkToro의 조사에 따르면 같은 프롬프트를 입력해도 사용자마다 추천 브랜드와 순서가 다르게 나타났습니다. 무료 계정과 유료 계정의 모델 차이, 대화 맥락, 메모리에 따라 결과가 흔들립니다. 검색 순위처럼 고정된 지표를 상정하고 최적화하는 접근이 구조적으로 어긋나는 이유입니다.

지오랭크가 진행한 커머스 E사 프로젝트에서도 같은 현상을 관찰했습니다. E사는 2025년 리브랜딩으로 주력 카테고리 페이지를 전면 개편했는데, ChatGPT는 6개월이 지나도록 개편 전 제품명과 구버전 페이지 제목을 인용했습니다. 학습 데이터에 남은 과거 정보가 실시간 검색보다 우선 회상된 것인데요. 지오랭크는 신규 콘텐츠 발행량을 늘려 최신 정보가 검색과 차기 학습 데이터 양쪽에 축적되도록 대응했고, 4개월 후 구버전 인용 비중이 체감 가능한 수준으로 줄었습니다. 학습 데이터는 한 번 박히면 즉시 수정할 수 없으므로, 꾸준한 발행으로 최신 정보의 밀도를 높이는 것이 현실적인 방어입니다.

이 모든 데이터가 가리키는 결론은 명확합니다. 특정 프롬프트, 특정 팬아웃 쿼리를 겨냥한 단발 콘텐츠 제작은 투자 대비 효율이 낮습니다. 대신 제품과 주제 전반을 촘촘히 덮는 콘텐츠 자산을 쌓아 도메인 권위를 만들면, 검색·학습 데이터·캐시 어느 경로로든 ChatGPT가 브랜드를 만날 확률이 올라갑니다. 실제로 콘텐츠 이력이 거의 없던 신생 브랜드 Toro TMS는 제품 중심의 상세 콘텐츠를 구글 키워드에 맞춰 발행하는 정공법만으로 ChatGPT 가시성을 확보했습니다.

ChatGPT 인용에 관해 자주 묻는 질문

빙에서만 상위 노출되면 ChatGPT 인용에 충분한가요?

아닙니다. ChatGPT가 빙 검색을 쓴다는 통념과 달리, 이번 실험에서 빙 100위 이내 출처는 인용의 23%에 그쳤고 구글(27%)보다도 낮지 않은 수준의 차이였습니다. 구글과 빙 어느 한쪽에 올인하기보다 양쪽 모두에서 기본적인 검색 가시성을 유지하는 것이 안전합니다.

llms.txt를 만들면 ChatGPT 인용 확률이 올라가나요?

현재로서는 근거가 약합니다. 연구진은 llms.txt, 불릿 요약, FAQ 페이지 양산 같은 형식적 장치의 효과에 회의적이었는데요. 인용된 출처의 78%가 평범한 SEO 스타일 콘텐츠였다는 데이터가 이를 뒷받침합니다. 다만 비용이 거의 들지 않으므로 설치 자체를 말릴 이유도 없습니다.

GPTBot 크롤링을 차단하면 어떻게 되나요?

검색 인용과 학습 데이터 포함 기회를 동시에 잃습니다. OpenAI 크롤러는 실시간 검색용과 학습 수집용으로 나뉘어 있고, 이번 연구는 학습 데이터가 인용 출처의 상당 부분을 차지한다는 정황을 보여줬습니다. 콘텐츠 보호가 꼭 필요한 영역이 아니라면 개방이 유리합니다.

팬아웃 쿼리를 수집해서 그 키워드로 콘텐츠를 만들면 되지 않나요?

권장하지 않습니다. 같은 프롬프트라도 실행할 때마다 팬아웃 쿼리가 달라지고, 인용 출처가 팬아웃 검색 결과에 전혀 없는 프롬프트도 100개 중 20개였습니다. 움직이는 과녁을 쫓기보다 주제 단위의 심층 콘텐츠로 도메인 권위를 쌓는 편이 재현 가능한 성과를 만듭니다.

ChatGPT 추천 결과는 왜 사용자마다 다른가요?

모델 버전, 계정 유형, 대화 맥락, 메모리, 캐시가 모두 결과에 개입하기 때문입니다. SparkToro 조사에서도 동일 프롬프트에 대해 사용자별로 다른 브랜드가 다른 순서로 추천됐습니다. 단일 측정값보다는 여러 계정·시점에서 반복 측정한 언급률 추이를 보는 것이 정확합니다.

함께 읽으면 좋은 글

ChatGPT·퍼플렉시티·제미나이가 각각 어떤 경로로 브랜드를 노출하는지 궁금하시다면? ChatGPT·퍼플렉시티는 왜 노출이 다를까? LLM 3계층 GEO 전략에서 플랫폼별 차이를 정리했습니다.

검색 상위에 올랐는데도 AI 답변에서 탈락하는 구조가 궁금하시다면? AI 답변 체인: 상위 노출도 AI 검색 인용에서 탈락하는 5단계 관문이 인용 직전의 필터를 다룹니다.

도메인 토픽 권위를 어떻게 쌓는지 실행 전략이 궁금하시다면? AI 검색에서 브랜드가 밀리는 이유: LLM 엔티티 갭과 토픽 오너십 전략을 참고하세요.

참조논문

• GEO: Generative Engine Optimization
• Search Engines in an AI Era: The False Promise of Factual and Verifiable Source-Cited Responses