AI 인용을 바꾸는 건 '예쁜 포맷팅'이 아니라 '구조'다: 인용률 +17.3% 연구

AI 답변엔진의 인용을 가르는 건 디자인이 아니라 콘텐츠 구조이다. 2026년 3월 공개된 논문 'Structural Feature Engineering for GEO'는 구조 최적화가 6개 주요 생성엔진에서 인용률을 17.3%, 품질 평가를 18.5% 끌어올린다고 밝혔다. 구조를 매크로, 메조, 마이크로 세 층으로 나눠 설계한다. ASAP은 이 결과가 기존 정리와 어떻게 맞물리는지 정리한다.

숫자부터: 내용을 안 건드려도 인용이 오른다

논문의 핵심 주장은 콘텐츠 구조 최적화가 의미를 바꾸지 않고도 인용을 끌어올린다는 것이다. 6개 주요 생성엔진 실험에서 인용률 17.3%, 주관적 품질 18.5% 향상을 보였다. 여기서 짚어둘 점은 두 수치가 별개라는 것이다. 인용률은 답변에 링크가 걸리느냐의 문제고, 품질은 그 답변이 얼마나 쓸 만한가의 문제다. 둘이 함께 올랐다는 건 구조 개선이 노출과 신뢰를 동시에 건드린다는 뜻으로 읽힌다.

매크로, 메조, 마이크로: 세 층을 뜯어보면

논문은 콘텐츠 구조를 매크로, 메조, 마이크로 세 층으로 분해한다. 매크로는 문서 아키텍처, 메조는 정보 청킹, 마이크로는 시각적 강조다. 실무자 관점에서 이 분해가 유용한 이유는 손댈 지점이 명확해지기 때문이다. 매크로는 목차와 섹션 순서, 메조는 한 문단이 하나의 답을 담느냐, 마이크로는 강조 표기의 문제로 나뉜다. 답변엔진이 파싱하기 좋게 이 세 층을 설계하는 게 핵심이다.

'포맷팅'과 '구조'는 층위가 다르다

여기서 말하는 구조는 예쁜 포맷팅과 다르다. ASAP이 정리한 'What Gets Cited'(arXiv 2605.25517)는 굵게나 평점 같은 표면 포맷팅의 효과가 미미하다고 했다. 이번 논문이 말하는 구조는 기계가 정보를 끊어 읽고 파싱하는 의미 구조로, 둘은 층위가 다르다. 쉽게 말해 앞 연구가 '색을 칠하는 일'이라면 이번 연구는 '문단을 나누고 순서를 잡는 일'이다.

두 연구를 겹쳐 읽으면 (ASAP의 해석)

두 연구는 충돌하지 않고 오히려 서로를 보완한다. 표면 치장인 색과 굵기는 효과가 작지만, 기계가 파싱하는 정보 구조인 청킹과 아키텍처는 인용을 17.3% 바꾼다. 실무에 옮기면 우선순위가 갈린다. 폰트와 색상 튜닝에 쓰던 시간을, 한 문단에 답 하나를 담고 소제목으로 질문 형태를 노출하는 구조 작업으로 돌리는 편이 인용 확률을 높인다. 디자인 회의보다 목차 회의가 먼저다.

한국어 콘텐츠엔 어떤 뜻인가, 그리고 남는 물음

한국어 실무자에게 이 결과는 특히 의미가 있다. 국내 콘텐츠는 시각 디자인 경쟁이 치열한 반면 정보 구조 설계는 상대적으로 비어 있어, 청킹과 아키텍처만 잘 잡아도 선점 여지가 크다. 다만 한계도 분명하다. 논문의 실험은 영어권 6개 엔진 기준이고, 한국어 토크나이징이나 국내 답변엔진에서 같은 폭의 효과가 나올지는 검증되지 않았다. 수치를 그대로 옮겨 쓰기보다, 구조가 표현보다 앞선다는 방향성만 우선 취하는 게 안전하다는 게 ASAP의 판단이다.

출처: 'Structural Feature Engineering for Generative Engine Optimization'(arXiv 2603.29979, 2026년 3월 31일; Junwei Yu 외, 6개 생성엔진, 인용률 +17.3%와 품질 +18.5%, 매크로와 메조와 마이크로 3층) 기반 ASAP 정리.