AI가 인용하는 페이지의 5가지 특징

AI 검색은 결과 페이지를 거치지 않는다. 답변 화면 안에서 사용자의 판단이 끝난다. 그래서 색인이 됐느냐보다 "그 답변에 내 문장이 실렸느냐"가 노출의 전부가 됐다.

짧은 답부터 말하면, AI가 인용하는 페이지는 다섯 가지 형태를 공유한다. 첫 문장이 곧 답이고, 헤딩이 질문 단위로 쪼개져 있으며, schema.org 구조화 데이터가 본문과 어긋나지 않고, 권위 있는 출처를 문장 안에 녹여 쓰며, 짧은 답과 긴 본문이 한 페이지에 함께 있다. ChatGPT·Perplexity·Google AI Overviews가 답을 조립할 때 먼저 집어가는 페이지는 분량이 아니라 구조에서 갈린다.

아래 다섯 가지는 짐작으로 추린 목록이 아니다. AI 답변에 거의 그대로 실린 한국어·영문 페이지를 거꾸로 뜯어보면 같은 골격이 반복해서 나온다. 그중 PION이 대행 작업에서 인용률이 실제로 움직이는 걸 확인한 항목만 남겼다. Search Engine Land와 Semrush의 2026년 AEO 가이드도 같은 방향을 가리킨다.

1. 첫 문장이 곧 답인 페이지

도입부나 각 H2의 첫 문장이 질문에 대한 완결된 답이면, AI는 거의 그 문장을 그대로 가져간다. 사용자가 던진 질문과 의미가 겹치는 한 문장이 화면 위쪽에 있을 때 발췌 확률이 가장 높다. Search Engine Land는 이걸 "결론부터 쓰기(answer-first)"라 부른다.

예를 들어 "레티놀 언제 발라야 하나"를 노린 페이지라면 첫 문장은 이래야 한다. "레티놀은 밤에, 세안 후 마른 피부에 바른다." 배경 설명은 그 아래로 미룬다. 반대로 "레티놀의 역사는 1970년대로 거슬러 올라간다"로 열면 정작 답은 세 문단 아래 묻히고, AI는 그 지점을 찾지 못한다.

손보는 요령은 간단하다.

• 각 H2의 첫 문장을 "X는 ~이다" 단정형으로 연다.
• 주어를 "이것·그것" 같은 대명사 대신 개념 이름으로 못박는다.
• 도입 200자 안에, 사용자가 실제로 칠 법한 질문을 그대로 받아 답한다.

물론 모든 글이 이 틀에 맞지는 않는다. 인터뷰나 스토리텔링 콘텐츠에 결론부터 들이대면 어색하다. 그런 페이지는 AEO 타깃에서 빼고 다른 용도의 자산으로 굴리는 편이 낫다.

2. 질문 단위로 쪼갠 헤딩

헤딩이 평평하고 질문형으로 짜인 페이지가 잘 발췌된다. AI는 페이지를 처음부터 끝까지 읽지 않는다. 헤딩으로 의미 덩어리를 나눈 뒤, 사용자 질문과 가장 가까운 헤딩의 본문만 떼어 간다. Moz가 오래전부터 검색 기본기로 강조해온 정보 구조 원칙이 그대로 인용 신호가 됐다.

좋은 헤딩은 사람들이 검색창에 치는 말과 어순이 비슷하다. "강남 미백 시술 잘하는 곳"을 노린다면 H2는 "강남에서 미백 시술 잘하는 곳 고르는 법" 정도가 낫다. "미백 시술 강남 추천 리스트" 같은 키워드 나열형은 AI 매칭에서 점점 힘을 잃는다.

확인할 건 단순하다. H1은 하나로 두고, H2는 서너 개 선에서 끊는다. 그리고 H2 하나에는 질문 하나만 답한다. 한 헤딩 아래 두 질문을 몰아넣으면 발췌 단위가 흐려진다. AI는 어디를 떼야 할지 몰라 그 대목을 통째로 건너뛴다.

3. 본문과 일치하는 schema.org 구조화 데이터

schema.org JSON-LD가 정확히 깔린 페이지가 출처로 더 자주 호출된다. 구조화 데이터는 같은 내용을 기계가 읽을 수 있는 형태로 한 번 더 적어주는 장치다. Moz는 이 역할을 "기계 가독성"이라 표현한다.

한국 사이트가 자주 놓치는 지점이 세 군데 있다.

• FAQ 마크업과 본문 불일치. FAQPage 안 질문·답 텍스트가 화면에 보이는 본문과 다르면, Google 스팸 정책 위반이다.
• 회사 이름이 흔들림. Organization 스키마의 name·대체명·url이 사이트·소셜·언론 보도마다 제각각이면 AI가 같은 회사로 묶지 못한다.
• 글 메타 누락. BlogPosting의 작성자·발행일이 비어 있는 경우.

대행을 맡아 사이트를 처음 열어볼 때 PION이 가장 먼저 보는 것도 이 세 항목이다. 다만 순서를 헷갈리면 안 된다. 틀린 schema는 안 다느니만 못하다. Rich Results Test를 통과했더라도 본문과 실제로 맞는지는 사람 눈으로 따로 본다.

4. 문장 속에 녹인 권위 출처

주장 옆에 출처와 링크가 붙은 페이지가 더 믿을 만한 근거로 발췌된다. LLM은 "주장 + 출처 + 링크"가 한 세트로 붙어 있으면 사실성 신호로 읽는다. Semrush가 강조하는 근거 있는 콘텐츠 원칙과 같은 맥락이다.

인용은 문장 안에 자연스럽게 녹인다. "OO에 따르면", "OO의 2026년 보고서는", "OO은 ~을 권고한다" 같은 식이다. 한 섹션에 한두 번이면 충분하고, 같은 출처를 섹션마다 표현만 바꿔 다시 써도 된다. 링크는 매체명은 그냥 두고 자료 제목 부분만 감싸면 사람도 AI도 알아보기 좋다.

정작 중요한 건 출처의 급이다. 익명 블로그나 커뮤니티 링크만 잔뜩 달린 페이지는 AI가 신뢰 신호로 치지 않는다. 업계 권위 매체, 학술·공공기관 도메인쯤 돼야 신호가 잡힌다. 관건은 링크 개수가 아니다. 어디에 다느냐로 판가름 난다.

5. 짧은 답과 깊은 본문이 함께 있는 2단 구조

위에 50~300자 압축 답변, 아래에 1,500~3,000자 배경 본문. 이 2단 구조가 인용에서 가장 강하다. Semrush의 ChatGPT 응답 패턴 분석도 "짧은 답을 먼저 띄우고 깊은 맥락을 뒤에 붙이는" 형식을 인용 친화적이라 짚는다.

이유는 AI가 답을 만들 때 두 가지를 동시에 쓰기 때문이다. 짧은 답은 응답 본문에 곧바로 실리고, 깊은 본문은 사용자가 "왜?"를 되물을 때 배경 근거로 불려 나온다. 한쪽만 있으면 한쪽 용도로만 쓰이고, 그만큼 불려 나올 기회가 준다.

발행 전 이 세 항목을 맞춰 본다.

• 상단 300자 안에 질문에 대한 완결된 답이 있는가.
• 그 아래 본문이 1,500자 이상 배경을 채우는가.
• 짧은 답과 긴 본문이 같은 수치·같은 용어로 앞뒤가 맞는가.

세 번째가 가장 자주 빠진다. 위에서는 "3배"라 해놓고 아래 본문에선 "두세 배"로 흔들리면, AI는 어느 쪽을 믿을지 몰라 양쪽 다 낮춰 본다.

어디부터 손댈 것인가

다섯 가지를 한꺼번에 밀어붙이지 않는다. 페이지 종류마다 승부처가 다르기 때문이다. 정의·FAQ 페이지는 1번과 3번이 먼저고, 가이드·하우투는 2번과 5번이 결정적이다. 비교·분석 페이지는 4번 출처 인용이 신뢰의 관문이 된다.

대행을 맡으면 PION은 클라이언트 사이트의 주요 페이지를 이 다섯 항목으로 훑어 인용 친화도를 매기고, 실제 AI 응답에서 얼마나 불려 나오는지와 맞춰 본다. 다섯 가지가 다 갖춰진 페이지는 한국어 카테고리 기준으로 인용 빈도가 그렇지 않은 페이지의 2~3배로 나타난다. 순서를 정해 하나씩 고치는 편이, 한 번에 다 뜯어고치려다 아무것도 끝내지 못하는 것보다 훨씬 빨리 효과가 온다.