AI 어시스턴트가 실제로 인용하는 페이지의 유형

원문은 https://thicket.sh/blog/what-kind-of-pages-ai-assistants-cite에서 처음 게시되었습니다.

우리는 Microsoft Copilot이 한 달에 약 14,394회 인용하는 21개의 사이트를 운영하고 있습니다. 우리는 가장 많이 인용된 25개 페이지를 형태(shape)별로 분류하여 공통점을 확인했으며, 그 모든 인용이 갖는 가치에 대해 불편한 사실을 발견했습니다.

Thicket AI 팀 작성 · 2026년 7월 30일 · 읽기 시간 8분

네 가지 페이지 형태가 가장 많이 인용된 페이지의 80%를 차지합니다: 정면 비교(head-to-head comparisons), 정의(definitions), 참조 테이블(reference tables), 그리고 트렌드 설명(trend explainers) — 각각 상위 25개 중 정확히 20%를 차지합니다. 이들의 공통점은 각각의 형태가 구체적이고, 확인 가능하며, 인용 가능한 답변으로 질문에 답한다는 것입니다. 어시스턴트들은 문장을 그대로 가져올 수 있는 내용을 인용합니다. 그리고 불편한 부분은, 동일한 기간 동안 이 14,394건의 월간 인용이 새로운 참조 도메인(referring domains)을 단 하나도 생성하지 못했다는 점입니다. 이는 양적인 문제로 해결할 수 있는 것이 아니라 구조적인 문제임이 드러났습니다.

AI 인용에 관한 대부분의 글은 외부에서의 추론입니다. 이 글은 내부에서의 관점으로, 분포를 가질 만큼 충분히 큰 포트폴리오를 바탕으로 작성되었습니다. 방법론은 여러분이 자신의 도메인에서 재현할 수 있도록 별도로 공개되었습니다.

분류 (The Classification)

우리는 Bing의 AI 성능 보고서에서 가장 많이 인용된 25개 페이지를 가져와 각각을 형태별로 분류했습니다. 각 형태별 페이지 수와 총 인용 횟수는 다음과 같습니다:

형태	페이지 수	점유율	인용 횟수
트렌드 / 이벤트 설명 (Trend / event explainer)	5	20%	2,796
비교 (X vs Y) (Comparison (X vs Y))	5	20%	1,952
정의 / 무엇인가 (Definition / what-is)	5	20%	1,853
참조 데이터 / 테이블 (Reference data / table)	5	20%	1,695
직접 질문 페이지 (Direct question page)	2	8%	753
리스트클 (Listicle / best-of)	1	4%	666
기타 (Other)	2	8%	674

상위 4개 항목이 균등하게 나뉜 점은 특정 승자가 있는 것보다 더 놀랍습니다. 이는 중요한 것이 특정 형식이 아니라, 그 형식들이 공유하고 있는 속성임을 시사합니다.

공유된 속성 (The Shared Property)

이러한 모든 형태는 한 문장 안에 들어가는 구체적이고 확인 가능한 답변을 가진 질문에 답합니다.

비교(Comparison)는 _이것 때문에, 저것이 된다_로 귀결됩니다.
정의(Definition)는 _이것은 ~을 의미한다_로 귀결됩니다.
참조 표(Reference table)는 _당신의 경우, 숫자는 X이다_로 귀결됩니다.
트렌드 설명(Trend explainer)은 _이것은 무엇이며, 왜 지금인가_로 귀결됩니다. 답변을 구성하는 어시스턴트에게는 그대로 가져와서 출처를 밝힐 수 있는 구절(passage)이 필요합니다. '답변 가능한(answerable)' 형태가 아닌 '포괄적인(comprehensive)' 형태를 목표로 작성된 페이지는 성능이 더 떨어지는데, 질문을 해결할 수 있는 단일 구절이 없기 때문입니다. 즉, 답변이 3,000단어에 걸쳐 분산되어 있어 모델이 인용할 만한 명확하고 간결한(crisp) 내용이 없게 됩니다.

이는 우리가 변경하여 효과를 확인한 방식과 일치합니다: 직접적인 답변을 첫 줄에 굵게(bold) 배치하고, 각 사실적 주장(factual claim) 옆에 주요 출처(primary source)를 유지하며, 표를 하나 포함하는 것입니다. 이는 글자 수(word count)를 채우기 위해 글을 쓰는 것과는 정반대에 가깝습니다.

당신을 멈칫하게 만들 부분

우리는 28일 동안 14,394개의 인용(citation)을 축적했습니다. 하지만 같은 기간 동안 새로운 참조 도메인(referring domains)은 단 하나도 얻지 못했습니다. 적은 것이 아니라, 제로(zero)였습니다.

근거 질의(grounding-query) 표가 이를 설명해 줍니다. 인용량 기준 상위 25개 질의는 다음과 같으며, 그중 단 하나도 예외가 없습니다:

tuscan mom aesthetic · salary overtime law · is myspace still active · federal overtime laws · best AI tools for developer productivity · office siren · employee tax withholding update timing · when to update W4 · w2 example · fastest VPN speeds · cold plunge vs sauna · protein requirements toning vs bulking · fica vs federal tax

이것들은 모두 소비자(consumer)의 질문들입니다. 실무자(practitioner)의 질문은 단 하나도 없습니다. 우리에게 도달한 사람 중 AI 인용을 측정하는 방법, 콘텐츠 운영을 실행하는 방법, 또는 어떤 도구를 사용해야 하는지를 묻는 사람은 아무도 없었습니다.

이것이 메커니즘을 만들어내며, 이는 배포(distribution)의 문제가 아닙니다:

우리는 질문을 하는 사람들에게 인용됩니다. 링크는 답변을 게시하는 사람들로부터 옵니다. 소비자는 웹사이트를 가지고 있지 않습니다.

우리가 여기서 얻은 교훈

인용 (Citations)과 링크 (links)는 서로 다른 제품이며 서로 다른 콘텐츠를 필요로 합니다. 소비자 질문형 (Consumer-question) 콘텐츠는 인용과 트래픽을 얻습니다. 실무자 질문형 (Practitioner-question) 콘텐츠만이 링크를 얻을 수 있는데, 이는 실무자들만이 게시물을 발행하기 때문입니다.
분석 세션 (analytics sessions)을 통해 AI 가시성을 판단하지 마십시오. 14,394건의 인용이 126건의 어시스턴트 참조 세션 (assistant-referred sessions)을 생성했습니다. 이는 방문당 약 100건의 인용이 발생했음을 의미하는데, 이는 좋은 인용이 채팅 내부에서 질문에 대한 답을 제공하기 때문입니다.
인용을 통해 상업적 가치를 판단하지도 마십시오. 동일한 수치를 두고 정반대의 오류를 범하는 것입니다. 인용은 주의 (attention)를 측정할 뿐, 의도 (intent)나 권위 (authority)를 측정하지 않습니다.
인용은 주식처럼 움직이는 것으로 보입니다. 우리의 가장 많이 인용된 자산은 한 달 동안 아무것도 게시하지 않았음에도 여전히 포트폴리오를 선도하고 있습니다. 순위 (Rankings)는 활동을 멈추면 하락하지만, 지금까지 인용은 그렇지 않았습니다. 우리는 이를 확신하기 전에 60일 및 90일 단위로 재측정하고 있습니다.

자주 묻는 질문 (Frequently Asked Questions)

AI 어시스턴트가 어떤 종류의 콘텐츠를 가장 많이 인용하나요?

우리의 데이터에 따르면, 가장 많이 인용되는 페이지의 80%는 네 가지 형태가 차지합니다: 직접 비교 (head-to-head comparisons, X vs Y), 방금 접한 용어에 대한 정의 (definitions), 카테고리별 수치 참조 테이블 (reference tables), 그리고 특정 트렌드나 이벤트에 대한 설명 (explainers)입니다. 각각은 상위 25개 중 20%를 차지합니다. 이들의 공통점은 숫자, 정의, 직접적인 비교와 같이 구체적이고, 확인 가능하며, 인용할 수 있는 답변으로 질문에 답한다는 것입니다. 어시스턴트는 문장을 그대로 가져올 수 있는 것을 인용합니다. 답변 가능하기보다는 포괄적으로 구축된 페이지는 인용할 단일 구절이 없기 때문에 성과가 더 낮습니다.

더 많은 콘텐츠를 발행하면 AI 인용이 늘어나나요?

저희의 경험상, 반드시 그렇지는 않습니다. 저희는 발행량(volume)을 직접 테스트해 보았으나 이를 배제했습니다. 동일한 형태의 페이지를 더 많이 만든다고 해서 인용 횟수가 비례해서 늘어나지는 않았습니다. 수치를 변화시킨 것은 명확하게 들어 올릴 수 있는(liftable) 답변을 포함하여 특정 질문에 답하는 페이지를 작성하고, 각 주장 옆에 1차 출처(primary source)를 인용하는 것이었습니다. 또한 저희는 인용이 흐름(flow)보다는 주식(stock)처럼 작동한다는 것을 발견했습니다. 저희 포트폴리오에서 가장 많이 인용된 자산은 한 달 동안 아무것도 발행하지 않았음에도 여전히 포트폴리오 내에서 가장 큰 인용 블록을 보유하고 있습니다. 발행을 중단하면 순위(rankings)는 하락하지만, 지금까지 인용은 그렇지 않았습니다.

AI 인용이 트래픽을 가져오나요?

일부 가져오지만, 인용 횟수가 시사하는 것보다 훨씬 적습니다. 좋은 인용은 종종 채팅 내에서 질문에 대한 답을 제공하기 때문에 클릭이 전혀 발생하지 않는 경우가 많기 때문입니다. 동일한 28일 기간 동안 저희 포트폴리오는 14,394건의 인용과 126건의 어시스턴트 참조 세션(assistant-referred sessions)을 기록했습니다. 즉, 방문당 약 100건의 인용이 발생한 셈입니다. 두 수치 모두 실제 데이터이며 서로 다른 것을 측정합니다. 분석 세션만으로 AI 가시성(visibility)을 판단하면 실제보다 약 두 자릿수(two orders of magnitude) 정도 과소평가하게 되며, 인용만으로 상업적 가치를 판단하면 그만큼 과대평가하게 됩니다.

AI 인용이 백링크(backlinks)를 생성하나요?

저희 데이터에 따르면, 아니오 — 그리고 이것이 저희가 발견한 가장 불편한 사실이었습니다. 28일 동안 14,394건의 인용이 축적되는 동안, 새로운 참조 도메인(referring domains)은 0에 머물렀습니다. 근거 질의(grounding-query) 표가 그 이유를 설명합니다. 저희 상위 25개 질의는 모두 소비자(consumer)의 질문이며, 소비자들은 웹사이트를 가지고 있지 않습니다. 링크는 발행하는 사람들로부터 옵니다. 만약 귀하의 인용이 작성자가 아닌 독자들이 던지는 질문을 통해 얻어지는 것이라면, 그 양을 늘리는 것은 아무런 성과도 없는 상태를 반복할 뿐입니다.

어떤 질의에서 인용되고 있는지 어떻게 알 수 있나요?

Bing Webmaster Tools는 Copilot 및 파트너 모델에 의한 인용(citations)을 근거 질의(grounding query) 및 페이지별로 분류하여 보여주는 AI Performance 보고서를 제공합니다. 이는 주요 플랫폼 중 유일하게 공개된 퍼스트 파티(first-party) 인용 데이터이며, API는 존재하지 않습니다. 가능한 모든 엔드포인트를 확인했으나 404 오류가 발생했으므로, 인터페이스를 통해 직접 읽어야 합니다. 각 서브도메인(subdomain) 대신 루트 도메인(root domain)을 인증하면 한 번의 읽기로 전체 포트폴리오를 커버할 수 있습니다. 이 데이터는 ChatGPT, Claude, Gemini 또는 Perplexity에 대해서는 아무것도 말해주지 않으므로, 전체가 아닌 하나의 생태계 샘플로 취급해야 합니다.

방법 및 주의사항

데이터는 21개 서브도메인 포트폴리오를 대상으로 한 Bing Webmaster Tools의 AI Performance 보고서(Microsoft Copilot 및 파트너 모델)에서 가져왔으며, 3개월간의 기간을 대상으로 2026-07-26에 읽었습니다. 여기에 2026-07-24로 끝나는 28일 동안의 GA4 참조자 세분화(referrer segmentation) 및 Google Search Console 데이터를 추가했습니다. 각 측정 항목이 놓치는 부분을 포함한 전체 방법론은 AI 어시스턴트가 귀하의 사이트를 인용하는지 측정하는 방법에 설명되어 있습니다.

솔직한 한계점. 이것은 하나의 생태계 내에 있는 하나의 포트폴리오입니다. Bing은 Microsoft 제품군에 대한 인용만 보고하며 ChatGPT, Claude, Gemini 또는 Perplexity에 대해서는 언급하지 않습니다. 또한 Bing 자체도 자사의 AI Performance 데이터를 샘플이라고 설명합니다. 형태 분류(shape classification)는 25개 페이지에 적용된 저희의 자체적인 판단입니다. 다른 분류 체계(taxonomy)를 사용한다면 다른 버킷(buckets)이 생성될 것이며, 25개는 표본 크기(n)가 작습니다. 저희의 포트폴리오는 계산기, 소비자 금융, 피트니스 및 트렌드 설명 페이지에 치우쳐 있어, 어떤 형태가 나타나는지에 편향(bias)을 줄 가능성이 있습니다. 방향성은 정보 제공용으로, 백분율은 지표용으로만 취급하십시오. 실패한 실험을 포함한 저희의 수치는 Thicket Report에 있습니다.

Journal의 더 많은 내용

Insights