GEO 논문이 말하는 것
Arthur · xeolab 대표 · 2026-06-26 발행 · 2026-08-14 수정 · 읽는 시간 6분
이 논문의 '최대 40%'를 고객 성과 예상치로 쓰지 않는다. 가져오는 건 방향 하나, 근거가 붙은 문장이 선택된다는 것이다.
핵심 요약
KDD 2024에 발표된 GEO 논문은 1만 개 질의 벤치마크(GEO-bench)에서 9가지 콘텐츠 전략을 실험했다. 인용문 추가·통계 추가·출처 인용 추가가 가시성을 가장 많이 높였고(초록 기준 최대 40%), 전통 SEO의 키워드 반복은 기준선보다 낮아졌다. 2023년 GPT-3.5 기반 시뮬레이션이라 실제 상용 AI 검색의 수치와 같지는 않는다.
어떤 연구인가
Aggarwal 외 6인(프린스턴·조지아텍·앨런 AI 연구소·IIT 델리)이 2023년 11월 arXiv에 올리고 2024년 KDD에서 발표한 논문이다. '생성형 엔진 최적화(GEO)'라는 용어를 학술적으로 정의하고, 효과를 잴 수 있는 벤치마크를 처음 만들었다.
GEO-bench는 다양한 도메인의 사용자 질의 1만 건(학습 8,000·검증 1,000·테스트 1,000)으로 구성되고, 본문 결과는 테스트 분할에서 평가한 값이다. 실험용 생성 엔진은 구글 상위 5개 결과를 소스로 GPT-3.5가 답을 만드는 구조였고, 논문 후반에는 상용 엔진(Perplexity.ai)에서의 보조 실험도 실었다.
실험한 9가지 전략
연구진은 같은 페이지를 아래 9가지 방식으로 고쳐 넣고, 생성된 답변 안에서 그 페이지가 차지하는 비중(단어 수·위치 보정 단어 수)과 주관적 인상 점수를 비교했다.
- 출처 인용 추가(Cite Sources) · 인용문 추가(Quotation Addition) · 통계 추가(Statistics Addition)
- 쉬운 문장(Easy-to-Understand) · 유창성 개선(Fluency) · 고유 단어(Unique Words) · 전문 용어(Technical Terms) · 권위적 어조(Authoritative)
- 키워드 반복(Keyword Stuffing). 전통 SEO 기법이다
결과: 근거를 붙인 글이 이겼다
논문 Table 1의 단어 수 지표(Word, 답변에 반영된 해당 페이지의 단어 비중. 기준선 19.5) 기준으로 상위 세 전략은 다음과 같았다. 위치 보정을 합친 종합(Overall) 열의 값은 조금 다르지만 순위는 같다.
- 인용문 추가 27.8, 기준선 대비 약 43% 상승
- 통계 추가 25.9, 약 33% 상승
- 출처 인용 추가 24.9, 약 28% 상승
- 키워드 반복 17.8, 기준선(19.5)보다 하락
이 숫자를 어디까지 쓰나
초록의 '최대 40%'는 최고치이지 평균이 아니고, 실험 엔진은 실제 ChatGPT나 구글 AI 모드가 아닌 2023년 GPT-3.5 시뮬레이션이며 질의는 영어다. '이대로 하면 실제 ChatGPT에서 40% 오른다'는 문장은 틀린다. 우리는 제안서에 이 수치를 성과 예상으로 적지 않고, 광고주가 다른 업체 자료에서 이 숫자를 보고 물어오면 위 한계를 그대로 설명한다.
그래도 가져오는 게 하나 있다. 생성 엔진은 근거(출처·통계·인용문)가 붙은 문장을 고르고, 검색엔진에서 통하던 키워드 반복은 통하지 않는다는 방향이다. 논문은 전략 효과가 도메인마다 달라 도메인별 최적화가 필요하다고도 덧붙인다. '수식어 대신 사실 문장, 출처 있는 숫자'를 우리 콘텐츠 원칙으로 둔 근거가 이 논문이고, 효과 크기는 광고주별 측정으로 따로 확인한다.
자주 묻는 질문
이 논문대로 하면 ChatGPT에 바로 나오나요?
아닙니다. 논문은 통제된 실험이고 실제 엔진은 색인·제3자 근거·모델 기억이 함께 작용합니다. '근거 있는 글이 선택된다'는 방향은 실제 운영에서도 유효하다고 보지만, 효과는 반복 측정으로 확인해야 합니다.
출처
플랫폼 공식 문서·동료심사 연구·공개 통계만 인용한다.
- 1.Aggarwal 외, 「GEO: Generative Engine Optimization」, KDD 2024 (arXiv 2311.09735)(GEO-bench 1만 질의 · GPT-3.5 기반 실험(2023, 영어))