GEO·AEO의 출발점: AI는 어떻게 인용할 페이지를 고르는가

"여름 이불 추천"을 검색하면 벌어지는 일

얼마 전 한 고객사 마케팅 담당자분과 이야기를 나누다 이런 질문을 받았습니다.

"우리가 키워드로 네이버·구글 다 1등인데, 이상하게 ChatGPT한테 물어보면 우리 브랜드가 안 나와요. 왜 그럴까요?"

예전 검색이라면 '여름 이불 추천'이라는 그 문장을 그대로 검색창에 넣고 결과를 보여줬을 겁니다. 키워드 하나, 검색 한 번이었죠.

쿼리팬아웃 - 완전히 달라진 검색방식

그런데 AI의 검색방식은 완전히 달라졌습니다.

AI는 당신의 질문을 받아서, 머릿속으로 이렇게 여러 개의 작은 질문으로 쪼갭니다.

• 여름에 적합한 이불 소재는?

• 통기성 좋은 침구는 어떤 게 있나?

• 여름 이불 브랜드별 비교

• 시원한 소재 이불의 장단점

• 세탁이 편한 여름 침구는?

마치 궁금한 것을 세부적으로 검색하는 사람을 흉내내는 것 처럼 보이는데요, 이렇게 질문 하나가 (1)수십 개로 펼쳐집니다. 그리고 (2)AI는 이 작은 질문들을 각각 따로 검색한 다음, 거기서 (3)모은 정보를 합쳐서 하나의 답을 줍니다.

이 방법을 쿼리 팬아웃(Query Fan-out)이라고 부릅니다. 질문 하나가 부채살처럼(fan) 여러 갈래로 퍼진다(out)는 뜻입니다.

왜 이게 중요할까요?

검색이 한 사람에게 딱 한 가지를 묻는 것이었다면, AI 검색은 여러 전문가에게 질문을 나눠 던지고 그 답들을 종합하는 것으로 비유할 수 있습니다. AI는 그 키워드를 곧이곧대로 검색하지 않고, '통기성', '소재', '세탁', '브랜드 비교' 같은 숨은 하위 질문 수십 개로 쪼개서 검색합니다.

즉, 게임의 규칙이 바뀌므로, 우리가 노려야 할 건 더 이상 키워드 하나가 아니라, AI가 펼쳐내는 질문의 묶음 전체로 나아갔다는 것을 확인할 수 있습니다.

검색 1등인데도 AI가 인용하지 않는 이유

여기서 앞서 담당자분이 던졌던 질문으로 돌아가 봅시다.

"검색 1위인데 왜 AI는 우리를 인용하지 않을까요?"

이유는 단순합니다. 위에서 살펴봤듯 AI는 원래 키워드를 검색하지 않기 때문입니다. AI는 자기가 쪼갠 하위 질문들을 검색하고, 그 하위 질문에 가장 잘 답하는 페이지를 인용합니다. 그래서 검색 결과 상위 10개 바깥에 있던 페이지라도, 어떤 하위 질문에 딱 맞는 답을 갖고 있으면 인용되는 형태로 나아가고 있습니다.

• Ahrefs (2026): AI Overview 인용 페이지 중 38%만 같은 검색어의 상위 10위 안에 들었고 약 62%가 1페이지 밖. 게다가 이 38%는 2024년 말 75%였던 게 급락한 수치라, 추세 자체가 "순위 ↔ 인용" 연결이 빠르게 약해지는 방향

• digitalapplied (863K SERP 분석): 나머지 62%는 11위 이하이거나 상위 100위 안에 아예 없는 소스에서 나온다. Digital Applied

그래서 무엇을 해야 할까요?

규칙이 바뀌었으니 준비하는 방식도 바뀌어야 합니다. 세 가지로 정리해 볼게요.

첫째, 속마음 묶음(HIC : Hidden Intent Cluster)을 그려보세요.

누군가 AI에게 "여름 이불 추천해줘"라고 물었습니다. 그런데 이 사람은 왜 여름 이불을 찾고 있을까요?

지금 덮는 이불이 더워서일 수도 있고, 땀이 차서 세탁을 자주 해야 하는 게 불편해서일 수도 있고, 그냥 가성비 좋은 걸 새로 장만하려는 걸 수도 있습니다. "여름 이불 추천"이라는 한 마디 뒤에는 이렇게 여러 개의 속마음이 숨어 있습니다.

• 시원한 소재가 뭔지 궁금한 마음

• 통기성이 좋은지 따지는 마음

• 세탁이 편한지 보는 마음

• 가격을 비교하려는 마음

내 제품이나 서비스에 대해 사람들이 AI에게 물어볼 법한 질문을 떠올리고, 의도별로 묶어보세요. 이렇게 묶은 것이 바로 HIC(속마음 묶음)입니다. 이 갈래 하나하나에 우리 콘텐츠가 답을 갖고 있다면, 최종 답변으로 선택될 가능성이 높아집니다.

둘째, 각 페이지가 '잘라서 인용해도 말이 되게' 만드세요.

AI는 페이지를 통째로 가져가지 않고, 필요한 부분만 조각내어 인용합니다. 그래서 한 문단만 떼어내도 그 자체로 완결된 답이 되는 글이 인용되기 좋습니다. 핵심 답을 글 뒤에 숨기지 말고 각 단락 앞쪽에 분명하게 두는 것도 같은 이유에서 중요합니다

예를 들어 같은 내용이라도 이렇게 쓰면 AI가 인용하기 어렵습니다.

그래서 이런 점을 고려해야 합니다. 위에서 말한 소재들이 특히 그렇습니다. 여름에는 더더욱 신경 써야 하죠.

반면 같은 내용을 이렇게 쓰면 다릅니다.

여름 이불은 인견과 시어서커 소재가 통기성이 좋아 시원합니다. 그중 인견은 감촉이 시원하지만 세탁 후 수축할 수 있어 손세탁이 안전합니다.

셋째, 이걸 사이트 전체에 일관되게 적용해야 합니다.

여기서 대부분이 벽에 부딪힙니다. 페이지 하나를 손보는 것은 어려운 일이 아니지만 수백, 수천 개 페이지를 전부 기준에 맞춰 정리하고, 사이트 구조와 정보 표기를 일관되게 유지하는 건 사람 손으로는 감당하기 어렵습니다.

특히 AEO·GEO는 마케터 팀의 관심인데, 정작 필요한 조치는 코딩이 필요한 개발팀 영역이라 영역간 많은 애로사안을 겪습니다.

판이 바뀌었습니다

쿼리 팬아웃은 단순히 SEO에 항목 하나가 추가된 게 아닙니다. 노출의 단위 자체가 '키워드'에서 '질문의 묶음'으로 바뀐 것입니다.

이 변화에서 인용을 가져가는 건, AI가 펼쳐내는 질문 하나하나에 가장 정확하게 답할 준비가 되어 있는 사이트입니다. 그리고 그 준비는 글 몇 개를 잘 쓰는 것으로 끝나지 않고, 사이트 전체가 AI가 읽고 인용하기 좋은 구조로 정돈되어 있느냐에 달려 있습니다.

문제는 그 정돈을, 마케터도 개발팀도 매번 손으로 하기 어렵다는 데 있습니다.

위커프는 바로 이 지점을 해결합니다. AI가 사이트를 잘 읽고 인용하도록 만드는 기술 작업(메타 정보, 구조화 데이터, 사이트 구조 정리)을 연결 한 번으로 자동으로 처리합니다.

페이지를 하나씩 손볼 필요 없이, 사이트 전체에 일관된 기준을 적용할 수 있습니다.

지금 우리 사이트가 AI 검색에서 어떻게 읽히고 있는지, 어디를 정돈하면 인용 가능성이 올라가는지 궁금하다면, 위커프에 도입 문의를 남겨 주세요. 엔지니어가 직접 사이트 상황을 보고 안내해 드립니다.

정리하면

• AI는 질문 하나를 여러 개의 하위 질문으로 펼쳐서 검색합니다. 이걸 쿼리 팬아웃이라고 합니다.

• 검색 순위가 높아도 AI 인용이 보장되지는 않습니다. AI는 자기가 쪼갠 하위 질문에 가장 잘 답하는 페이지를 고릅니다.

• 노려야 할 건 키워드가 아니라, AI가 펼쳐내는 질문의 묶음 전체입니다.

• 질문의 묶음은 속마음 묶음(HIC : Hidden Intent Cluster)을 그려서 대응합니다.

• 이는 사이트 전체를 일관되게 정돈하는 일이라, 자동으로 처리하는 도구가 가장 현실적인 답입니다.

자주 묻는 질문

Q. 쿼리 팬아웃(Query Fan-out)이 뭔가요?

AI가 사용자의 질문 하나를 여러 개의 하위 질문으로 쪼개서 각각 검색하는 방식입니다. 예를 들어 "여름 이불 추천"이라는 질문을 소재·통기성·세탁·가격 비교 같은 수십 개의 작은 질문으로 펼쳐서 검색한 뒤, 그 결과를 종합해 하나의 답을 만듭니다.

Q. 검색 1위인데 왜 ChatGPT는 우리 브랜드를 인용하지 않나요?

AI는 원래 키워드를 그대로 검색하지 않고, 자기가 쪼갠 하위 질문들을 검색하기 때문입니다. 그래서 검색 순위가 높아도, 그 하위 질문에 딱 맞는 답을 가진 다른 페이지가 인용될 수 있습니다. 실제로 AI Overview 인용 페이지의 약 62%는 검색 1페이지 밖에서 나왔습니다.

Q. HIC(속마음 묶음)는 어떻게 만드나요?

사람들이 우리 제품·서비스에 대해 AI에게 물어볼 법한 질문을 떠올리고, 그 질문 뒤에 숨은 의도(속마음)별로 묶으면 됩니다. 키워드를 묶는 기존 방식과 달리, 사용자의 의도를 기준으로 묶는다는 점이 다릅니다.

Q. 이걸 마케팅팀이 직접 할 수 있나요?

콘텐츠 방향을 잡는 일은 마케팅팀의 몫이지만, 실제 적용(메타 정보·구조화 데이터·사이트 구조 정리)은 코드를 수정하는 개발 영역인 경우가 많습니다. 그래서 두 팀 사이에서 일이 멈추기 쉽고, 이 지점을 자동으로 처리하는 도구를 쓰는 것이 현실적입니다.

Q. 위커프는 무엇을 해주나요?

AI가 사이트를 잘 읽고 인용하도록 만드는 기술 작업을 연결 한 번으로 자동 처리합니다. 페이지를 하나씩 손볼 필요 없이, 사이트 전체에 일관된 기준을 적용할 수 있습니다.

부록: 그런데 AI는 정말 질문을 쪼개나요?

이 쿼리 팬아웃은 RAG라는 기술과 맞닿아 있습니다. RAG는 AI가 외부 웹에서 정보를 가져와 답변에 반영하는 구조인데, 이때 사용자 질문을 그대로 검색하지 않고 손보는 단계가 있습니다.

그 방식은 대표적으로 두 가지입니다. 하나는 질문을 여러 버전으로 바꿔 던지는 방식(multi-query), 다른 하나는 복잡한 질문을 작은 하위 질문으로 쪼개는 방식(query decomposition)입니다. 이 둘이 합쳐져 "한 질문 → 여러 하위 질문으로 펼쳐 동시에 검색 → 합치기" 패턴을 만들고, 이게 우리가 본문에서 살펴본 쿼리 팬아웃의 예시입니다.

참고로 전달드리면, 쿼리팬아웃은 구글에서 공식적으로 언급한 방식의 이름이고 RAG의 방법은 무수히 많아 클로드나 ChatGPT가 같은 형태의 쿼리팬아웃을 사용한다는 보장은 없습니다. 즉 다른 형태의 RAG, 즉 또 다른 쿼리 팬아웃을 사용할 수도 있습니다.

그래서 "AI가 질문을 쪼갠다"는 건 비유가 아니라 실제 검색 시스템이 동작하는 방식입니다. 우리 사이트가 그 쪼개진 질문 하나하나에 답할 준비가 되어 있는지가, 인용 여부를 가릅니다.