AI 답변에 인용되는 문서는 어떻게 쓰는가

AI 답변에 인용되고 싶다면 글 전체를 잘 쓰려 하기보다 문단 하나하나를 독립적으로 답이 되게 써야 한다. 생성형 검색은 페이지를 통째로 읽어 보여주는 것이 아니라, 문서를 잘게 쪼갠 조각(청크) 중 질문에 맞는 것을 골라 답변 재료로 쓴다. 그래서 할 일은 세 가지다. 질문 하나당 문단 하나를 배정하고, 그 문단의 첫 문장에 결론을 넣고, 근거가 되는 숫자·날짜·출처를 그 문단 안에 같이 넣는 것이다.

이 방식이 기존 SEO와 다른 점은 평가 단위다. 검색엔진 순위는 페이지 단위로 매겨졌지만, AI 답변은 문장과 문단 단위로 뽑혀 나간다. 한 문단이 "위에서 설명한 것처럼", "이 경우에는" 같은 말로 시작하면 그 조각만 떼어냈을 때 의미가 성립하지 않는다. 인용 후보에서 조용히 탈락한다.

문단을 '답변 조각'으로 설계한다

한 문단에 주제를 하나만 담고, 첫 문장을 결론으로 쓴다. 참고로 GEO 가이드류에서 흔히 권하는 구성은 정의 → 중요성 → 핵심 데이터 → 결론의 4문장 구조다. 분량 자체보다 중요한 건 지시어 제거다.

점검 항목: 자기 글에서 아무 문단이나 셋을 복사해 메모장에 따로 붙여넣어 본다. 앞뒤 맥락 없이 읽었을 때 "무엇에 대한 답인지" 바로 알 수 있으면 통과다. 알 수 없다면 첫 문장에 주어와 대상을 명시해 다시 쓴다. 소제목도 마찬가지로 "특징", "장점" 같은 추상어 대신 실제 검색 질문에 가까운 형태로 바꾼다.

근거를 문단 안에 붙여둔다

AI가 답변의 근거로 삼기 쉬운 문장은 검증 가능한 문장이다. 숫자, 연도, 기관명, 비교 기준이 같은 문단 안에 들어 있어야 한다. 기준 시점을 적지 않은 "최근 증가했다" 같은 문장은 인용되더라도 쉽게 다른 문서로 대체된다.

점검 항목: 글에 들어간 수치를 전부 뽑아 ①출처 링크가 있는가 ②기준 시점이 적혀 있는가 ③본문 문장 안에 들어 있는가(이미지 안에만 있지 않은가)를 표로 확인한다. 셋 중 하나라도 비면 그 수치는 고치거나 뺀다. 또 하나, 내용이 바뀌면 작성일만 두지 말고 수정일과 무엇을 고쳤는지를 한 줄로 남긴다.

기계가 읽는 층을 따로 정리한다

본문을 다듬었다면 그다음은 구조화 데이터다. 많은 팀이 llms.txt 같은 파일로 AI 크롤러에 직접 데이터를 학습시킬 수 있다고 믿지만 중복 콘텐츠 문제를 일으킬 위험이 있어, 스키마 마크업을 먼저 정비하는 편이 권장된다. 정형화된 JSON-LD 형식이 비정형 텍스트보다 빠르고 정확하게 처리된다는 설명이 그 근거다. llms.txt는 robots.txt나 sitemap.xml과 달리 "이 사이트의 핵심 정보는 이것"이라고 알려주는 성격의 파일이지만, 이 파일 하나로 해결되지는 않고 공식 URL, sitemap, canonical, 내부 링크, 스키마, 실제 본문이 함께 맞아야 한다.

점검 항목: 대표 문서 10개를 골라 Article·FAQPage·Organization 스키마가 실제 본문 내용과 일치하는지 대조한다. 스키마에만 있고 본문에 없는 문장은 지운다. canonical이 서로 다른 URL을 가리키는 페이지가 있는지도 같이 본다.

인용은 노력의 양에 비례해 생기지 않는다. 동일한 질문에 대해 더 깔끔하게 정리된 문서가 있으면 그쪽이 선택된다. 그래서 신규 글을 늘리기 전에 이미 있는 글을 답변 조각 단위로 다시 쓰는 편이 대체로 효율이 좋다.

바로 해볼 것

• 유입이 많은 글 3편을 골라 각 문단의 첫 문장을 결론형으로 고쳐 쓴다.
• 그 글들의 소제목을 실제 질문 형태로 바꾸고, 지시어로 시작하는 문단을 전부 찾아 주어를 넣는다.
• 본문에 쓰인 수치를 목록으로 뽑아 출처와 기준 시점을 채우고, 확인되지 않는 수치는 삭제한다.
• 대표 문서 10개의 JSON-LD 스키마와 canonical을 점검해 본문과 어긋나는 부분을 맞춘다.
• 주요 질문 10개를 정해 AI 검색 도구에 직접 물어보고, 어떤 문서가 인용되는지 기록해 기준선을 만든다.