나. 전략적 개요: 새로운 AI 견적 경제
I.A. 패러다임 전환: 순위(SEO)에서 인용(LLMO)으로
ChatGPT 및 AI 도우미와 같은 대규모 언어 모델(LLM)의 등장은 사용자 정보 검색 여정에 근본적인 변화를 가져왔습니다. 순위가 매겨진 기존 링크 목록을 살펴보는 대신, 소비자는 직접적이고 집계된 대화형 답변을 얻기 위해 AI 도구를 점점 더 많이 사용하고 있습니다.
이러한 변화는 콘텐츠의 목표를 재정의합니다. 목표는 더 이상 검색 결과에서 클릭을 얻는 것이 아니라 AI 응답에 대한 진정한 인용이 되는 것입니다. 이로 인해 LLMO(대형 언어 모델 최적화)라는 새로운 최적화 요구 사항이 생성됩니다.
이 보고서는 SE Ranking의 심층 연구 결과를 종합하여 ChatGPT가 웹사이트를 인용하도록 선택한 특정 신호가 무엇인지 파악하기 위해 20개 산업에 걸쳐 129,000개 이상의 도메인과 216,000개 이상의 페이지를 분석합니다. 이러한 결과는 AI SEO에 대한 많은 가정에 도전하고 지속적인 권위와 평판 신호가 여전히 우세하다는 점을 강조합니다.
I.B. 정교함과 방법론: LLM 신호의 상관관계와 인과관계
ChatGPT의 소스 선택은 무작위 과정이 아닙니다. 이는 복잡한 신뢰 검증 메커니즘입니다. 인용은 사용자를 위한 모니터링 메커니즘 역할을 하여 사용자가 LLM의 응답을 검토하고 기대 및 주장과 일치하는지 여부를 판단할 수 있도록 해줍니다.
광범위한 분석에 따르면 ChatGPT는 Google과 매우 유사한 신호를 사용하지만 몇 가지 새로운 우선순위가 있는 것으로 나타났습니다. Google 자연 검색 순위와 ChatGPT 인용 사이의 중요한 상관관계가 대표적인 예입니다. Google 자연 검색에서 평균 1위부터 45위까지의 페이지는 평균 5번 인용된 반면, 64위부터 75위까지의 페이지는 3.1번만 인용되었습니다.
이는 LLM이 검증된 신뢰성의 대용 척도로 Google에서의 높은 가시성을 고려하고 있음을 보여줍니다. AI 모델은 새로운 신뢰 지표를 만들어내지 않습니다. 그들은 신뢰할 수 있는 콘텐츠를 필터링하기 위해 수십 년간의 웹 품질 평가(예: Google의 색인 및 순위 신호)를 효과적으로 활용하고 있습니다. 이는 LLMO의 성공을 위해서는 기본 SEO가 여전히 선택이 아닌 필수라는 것을 의미합니다.
II. 기본 원칙: 강력한 도메인 권한(요소 1-5)
다음 5가지 요소는 ChatGPT의 인용 고려 대상 사이트의 적격성을 결정하는 기본 심사 메커니즘 역할을 합니다. 평판은 ChatGPT에서 인용되는 핵심 요소입니다.
요인 1: 백링크 프로필 강도(참조 도메인 수)
백링크는 ChatGPT 인용의 가장 강력한 요인으로 결정됩니다. 연결 도메인(RD) 수가 많은 사이트는 항상 약한 링크 프로필보다 성능이 뛰어납니다. 정량적 분석은 LLM 생태계가 웹 그래프와 독립적이지 않음을 보여줍니다. 링크 자산은 신뢰와 권위의 핵심 신호 역할을 하며 역사적 신뢰 투표 역할을 합니다.
요인 2: 높은 전체 도메인 신뢰 점수
도메인 신뢰 점수가 높은(예: 90+) 웹사이트는 인용될 가능성이 거의 4배 더 높습니다. 이 정량적 결과는 LLM이 더 넓은 웹이 소스를 신뢰한다는 강력하고 측정 가능한 증거를 요구한다는 것을 확인시켜 줍니다. 이는 경험, 전문성, 권위 및 신뢰성(E-E-A-T)의 추상 개념을 AI가 사용할 수 있는 정량화 가능한 지표로 변환합니다.
요인 3: 상당한 유기적 도메인 트래픽
도메인 트래픽이 두 번째로 중요합니다. 그러나 분석에 따르면 도메인이 월간 방문 횟수 190,000회를 초과하여 방문 횟수가 1,000만 회 이상인 도메인의 경우 평균 인용 횟수가 8.5회에 도달한 후에만 주목할만한 상관관계가 나타나는 것으로 나타났습니다. 트래픽은 유용하고 만족스러운 콘텐츠, 지속적인 품질의 신호를 나타내는 행동 검증 역할을 합니다.
요인 4: 높은 유기적 Google 순위
Google 자연 검색의 URL 평균 순위와 ChatGPT 인용 사이의 상관 관계는 분명합니다. 이 신호는 SEO와 LLMO 간의 공생 관계를 강화합니다. 콘텐츠가 Google의 품질 평가에 따라 좋은 성과를 거두면 LLM 인용 소스가 될 가능성이 높아집니다.
요인 5: 절대적인 지배력보다 상황적 관련성이 더 중요합니다
권한은 입력 필터인 반면 LLM 가시성은 절대적인 권위보다 상황적 관련성과 정보의 정확성에 더 많이 의존합니다. 매우 높은 권한 지표(예: 높은 DR/DA)는 콘텐츠가 쿼리와 문맥상 관련이 없는 경우 약하거나 음의 상관관계를 나타낼 수 있습니다.
ChatGPT 인용률에 대한 권위 측정의 정량적 영향(목록 비교 분석)
참조 도메인(RD):
최저 범위(RD 2,500개 미만): 평균 1.6 - 1.8 인용 인용.
가장 높은 범위(RD 350,000개 이상): 평균 8.4 인용.
인용 영향력: 가장 강한 상관관계(기본 필터).
인용 영향:높은 상관관계(행동 확인).
자연적인 Google 순위:
최저 범위(순위 64~75): 평균 3.1 인용.
최고 범위(순위 1~45): 평균 5.0 인용.
인용 영향력: 상관관계가 높음(품질 담당자).
III. 신뢰 승수: E-E-A-T 및 외부 검증(요인 6~10)
AI 모델은 사이트의 실제 권위와 명성을 증명하기 위해 외부 신호를 찾습니다. 이러한 요소는 LLM에 필수적인 사회적 증거를 제공합니다.
요소 6: 입증 가능한 E-E-A-T 신호 및 사례 연구
E-E-A-T(경험, 전문성, 권위, 신뢰성)는 AI 시스템이 신뢰성과 권위를 평가하는 핵심 기반입니다. AI 시대의 권위는 웹사이트를 넘어 확장됩니다. 콘텐츠가 공식적인 지침에 기반을 두고 고유한 연구와 전문가 비디오로 보완되어야 합니다.
실제 증거 통합(사례 연구): 전문 분야에서 LLM은 실제 테스트 및 결과에 대한 사례 연구를 공유하는 분석 회사와 전문가를 권위의 원천으로 식별하는 경우가 많습니다. 전문가를 초빙하여 글을 쓰거나 검토하고, 연구를 인용하고, 콘텐츠를 최신 상태로 유지하는 것이 필수적입니다.
저자의 투명성은 중요한 신뢰성 기준으로, 저자의 이름, 약력, 연락처 정보를 제공해야 합니다.
요인 7: Reddit 및 Quora에서 언급을 통한 커뮤니티 유효성 검사
Reddit 또는 Quora에서 많이 언급되는 도메인은 인용될 가능성이 4배 더 높습니다. AI는 커뮤니티 토론과 리뷰를 강력한 신뢰 신호로 간주하는 것 같습니다. 이는 LLM이 Reddit과 같은 영향력 있는 커뮤니티가 진정성 있고 심층적인 토론을 주최한다는 것을 인식하고 있음을 보여줍니다.
요인 8: 업계 리뷰 사이트 및 디렉토리에 존재
트랜잭션 또는 B2B 쿼리의 경우 G2, Capterra 및 Trustpilot과 같은 사이트에 존재하면 인용될 확률이 3배 증가합니다. AI는 교육 콘텐츠와 동료 리뷰를 종합하여 포괄적인 통찰력을 형성합니다.
요인 9: 업데이트 빈도 및 콘텐츠의 최신성
새로 업데이트된 콘텐츠(3개월 이내)는 인용될 가능성이 거의 두 배입니다. 이는 LLM이 직면한 사실적 정확성 문제를 해결하는 데 중요합니다. AI 모델에는 콘텐츠가 역사적으로 정확할 뿐만 아니라 오늘날에도 신뢰할 수 있다는 증거가 필요합니다.
요소 10: 소유권 및 자금 조달에 대한 투명성
투명성은 LLM이 추론하려고 시도하는 중요한 신뢰성 기준입니다. 특히 "당신의 돈이냐 당신의 생명이냐"(YMYL) 주제의 경우 소유권과 자금에 대한 명확한 공개는 기본 신뢰성 신호를 강화하는 데 도움이 됩니다.
IV. 쉬운 LLM 추출을 위한 콘텐츠 구조화(요소 11-15)
이러한 요소는 기계 구문 분석을 위한 콘텐츠 최적화에 중점을 두고 정확성과 최소 마찰 진실 추출을 보장합니다.
요소 11: 답변 캡슐 구현)
답변 캡슐은 사이트에서 가장 강력한 공통성으로 인용 게시물의 72.4%에 나타납니다. 이러한 캡슐은 종종 제목 바로 뒤에 배치되어 직접적이고 자신감 있는 진술을 제공하고 진실을 우선시합니다. 이 캡슐 텍스트 내의 링크를 최소화하는 것이 중요합니다. 특히 내부 및 외부 링크를 생략하는 것은 ChatGPT의 더 높은 추천 비율과 관련이 있기 때문입니다.
요인 12: 원본 및 소유 데이터 강조
원본 데이터 또는 브랜드 소유 통찰력은 두 번째로 강력한 차별화 요소로, 인용 페이지의 52.2%에 나타납니다. 콘텐츠가 포화된 환경에서 독점적인 통찰력은 콘텐츠의 고유한 가치와 전문성을 검증하므로 중복을 최소화하고 인용 가능성을 극대화합니다. 복잡한 데이터 추출을 최적화하기 위해 명시적인 데이터 구조(예: JSON 스키마)를 사용하면 추출 오류를 크게 줄일 수 있습니다.
요인 13: 포괄적인 콘텐츠 깊이(긴 형식)
길이가 2,900단어를 넘는 긴 형식 페이지는 훨씬 더 많은 인용을 유도합니다(짧은 콘텐츠의 경우 5.1배 대 3.2배). 긴 형식의 심층 콘텐츠를 통해 LLM은 다양한 증거로부터 정보를 종합하여 상세하고 엄격한 귀속이 필요한 "심층 분석" 작업을 지원할 수 있습니다.
요인 14: 최적의 본문 길이, 계층 구조 및 질문과 같은 제목
명확한 구조는 페이지 해석 모델에 도움이 되고 인용률을 크게 높입니다. 특히 길이가 120~180단어 사이인 콘텐츠 섹션(제목 사이의 단어 수)이 가장 좋은 성과를 거두었으며 매우 짧은 섹션에 비해 인용이 70% 증가했습니다.
질문 양식 제목 및 집중 FAQ 활용: LLM은 사용자의 쿼리와 일치하는 간결하고 정확한 답변을 찾습니다.
FAQ 전략: 주요 문제점을 해결할 수 있는 의도가 높은 페이지나 장소에만 FAQ를 추가하세요.
짧음: 답변이 짧고, 요점이 명확하고, 유용한지 확인하세요.
요소 15: 데이터 형식(목록 및 테이블)
번호가 매겨진 목록(순서가 중요한 경우)과 글머리 기호 목록(순서가 덜 중요한 경우)의 사용이 필요합니다. 마찬가지로, 여러 데이터 포인트를 비교하려면 테이블을 사용해야 합니다. 구조화된 서식을 사용하면 LLM 문서 구문 분석 도구를 통해 콘텐츠가 체계적으로 처리될 가능성이 높아집니다.
콘텐츠 최적화 대 인용 목표(비교 목록 분석)
답변 캡슐(Answer Capsules):
LLM 최적화 목표(AIO): 직접 응답 추출 및 집계.
지원 메커니즘/데이터: 인용된 기사의 72.4%가 사용되었습니다. 최소 링크 우선순위.
인용 영향: 높은 신뢰도 추출.
보유 데이터:
LLM 최적화 목표(AIO): 고유하고 검증 가능한 사실 주장 제공
지원 데이터/메커니즘 지원: 인용 논문의 52.2%에는 독점 정보가 포함되어 있습니다.
지원:최적 길이는 120~180단어입니다. 명확한 계층 구조.인용 영향: 마찰이 적은 처리.
데이터 형식:
LLM 최적화 목표(AIO): 덜 모호한 세부 정보 추출을 보장합니다.
지원 메커니즘/데이터: 도서/보드 목록의 간결성; 명확한 제목.
>2,900개의 많이 인용된 단어.인용 영향: 포괄적인 범위.
V. LLM 기술 위생 및 크롤링 가능성(요소 16-18)
이것은 LLM 크롤러가 사이트에 액세스하고 고품질 사이트를 인식할 수 있도록 하는 데 필요한 운영 요구 사항입니다.
요소 16: 페이지 속도 및 핵심 웹 바이탈(INP, LCP, CLS)
페이지 로드 속도는 웹사이트의 AI 가시성에 큰 영향을 미칩니다. 느리게 로드되는 웹사이트는 덜 권위 있고 인용될 가능성이 낮은 것으로 간주됩니다. 속도가 좋지 않으면 웹 스크래핑을 수행할 때 AI 모델이 콘텐츠를 완전히 인덱싱하지 못할 수 있습니다. 핵심 웹 바이탈(LCP, INP, CLS) 최적화는 AI 시스템이 뛰어난 사용자 경험을 보상하기 위해 찾는 핵심 순위 요소이기 때문에 기본입니다.
요소 17: 명확한 사이트 구조 및 크롤링 기능
LLM 가시성을 확보하려면 견고한 기술 기반이 필요합니다. 여기에는 명확한 계층 구조, 정기적으로 업데이트되는 포괄적인 XML 사이트맵, AI 크롤러를 방해할 수 있는 기술적 장벽(예: 과도한 봇 차단)이 없는 깨끗하고 논리적인 사이트 구조를 유지하는 것이 포함됩니다.
요소 18: 모바일 최적화 및 HTTPS 보안
모바일 최적화 및 HTTPS 보안은 필수 플랫폼 표준입니다. 이러한 요소의 결함은 낮은 수준의 신뢰와 열악한 사용자 경험을 나타내며, 고품질 AI 평가에서 해당 소스의 자격을 즉시 박탈합니다.
VI. 소문 및 접두사 위생과 전략 구별(요소 19-20)
효과적인 LLMO 전략을 위해서는 실제 영향을 미치는 요소에 리소스를 집중하는 동시에 효과가 없는 것으로 입증된 전술은 무시해야 합니다.
요소 19: LLMs.txt 및 스키마 일반 FAQ 무시 일반
SE Ranking의 연구에 따르면 AI 크롤러를 안내하는 데 권장되는 파일인 LLMs.txt 파일은 아무런 영향을 미치지 않는 것으로 나타났습니다. Google, OpenAI, Anthropic 등 주요 AI 서비스에서는 이 프로토콜을 사용하지 않아 효과적이지 않습니다. 마찬가지로, FAQ 스키마 마크업은 인용과의 제한된 상관관계를 보여줍니다. 이는 LLM이 답을 추출하기 위해 단순한 지시문이나 마크업이 아닌 자연어 처리 및 정교한 콘텐츠 구조(요소 14)에 의존한다는 점을 강화합니다.
요인 20: 과도한 최적화(제목, URL) 및 접두사(메타) 최적화 방지
AI가 키워드 채우기보다 명확한 주제 신호에 우선순위를 두기 때문에 URL과 제목을 과도하게 최적화하면 인용에 손상을 줄 수 있습니다. 레거시 패턴 일치 알고리즘을 위해 설계된 과도한 키워드 조작은 품질이 낮다는 신호를 보내고 핵심 주제를 자신 있게 추출하는 LLM의 능력을 방해합니다.
접두사 최적화(메타 태그, 키워드, 발췌):
메타 키워드 태그: Google에서 무시하는 것과 유사하게 최신 AI 시스템에서 완전히 무시되며 LLMO에 도움이 되지 않습니다.
메타 설명(발췌): 비록 직접적인 인용 요소는 아니지만 명확하고 설득력 있는 설명은 기존 검색 결과의 클릭률(CTR)을 높이는 데 도움이 되며 AI가 중요하게 여기는 신뢰 신호인 트래픽(요인 3)을 간접적으로 뒷받침합니다.
제목 및 URL: 명확성, 간결성 및 문맥 관련성에 중점을 둡니다.
VII.A. 20포인트 LLM 인용 체크리스트(중첩 목록)
강력한 권한(신뢰 기반)
백링크 프로필 강도(RD 개수)
높은 전체 도메인 신뢰 점수
상당한 유기적 도메인 트래픽
높은 유기적 Google 순위 순위(대표)
문맥 관련성 최적화
E-E-A-T 신호 (전문가, 사례 연구)
외부 검증(사회적 증명)
작성자 투명성
Reddit/Quora를 통한 커뮤니티 검증
업계 리뷰 사이트의 존재
소유권 및 자금 조달에 대한 투명성
콘텐츠 정확성(추출 가능성)
답변 캡슐 구현
원본 및 독점 데이터 표시
포괄적인 콘텐츠 깊이(>2,900단어)
최적의 콘텐츠 구조 및 질문 형식 제목
데이터 형식(목록 및 테이블)
기술 및 참신함(교통 위생 조치)
물리적 콘텐츠 업데이트(새로 고침 주기)
페이지 속도 및 핵심 웹 바이탈(INP/LCP)
깨끗한 사이트 구조 및 크롤링 가능성
모바일 최적화 및 HTTPS 보안
전략적 초점 (소문 반박)
과도한 최적화 및 접두사(메타) 최적화 방지
VII.B. 인용 후 전환 최적화
LLMO의 궁극적인 목표는 귀하의 웹사이트로 귀중한 트래픽을 유도하고 전환하는 것입니다. ChatGPT 인용은 귀하의 브랜드를 매우 평판 좋은 위치에 올려 놓습니다. 따라서 사용자의 다음 여정을 위해 랜딩 페이지를 최적화하는 것이 필수적입니다.
CTA 전략:
명확한 CTA: AI는 연결되지 않은 직접 콘텐츠(답변 캡슐)를 인용하는 경우가 많지만, 페이지의 나머지 부분에는 잘 디자인된 CTA(예: "전체 보고서 다운로드" 또는 "무료 상담 요청")가 있어야 사용자가 인식에서 행동으로 이어질 수 있습니다.
랜딩 페이지 경험의 중요성: 랜딩 페이지가 핵심 웹 바이탈(요인 17) 및 모바일 최적화(요인 19)와 같은 기술적 요소를 충족하는지 확인하여 AI 인용문이 만든 신뢰를 잃지 않도록 하세요.
VIII. LLMO 및 전략적 투자의 미래(풍부한 결론)
129,000개 도메인에 대한 연구에서 얻은 데이터 분석에 따르면 ChatGPT 인용을 얻는 것은 빠른 'AI 트릭'이 아닙니다. 대신 이는 LLM별 신뢰 및 상황별 정확성 신호를 바탕으로 웹 품질 기본 원칙을 일관되게 적용한 결과입니다. ChatGPT의 인용 모델은 단 몇 달 만에 소스 다양성을 약 80% 증가시켜 사용자 경험과 출력 품질을 지속적으로 개선하는 추세를 보여줍니다.
전략적 투자 요구 사항:
LLMO(LLM 최적화)의 성공을 위해서는 질서 있는 전략적 자본 할당이 필요합니다.
지속 가능한 권한 우선 순위 지정:품질 링크 구축 및 유기적 트래픽과 같은 장기적이고 위조할 수 없는 요소(요소 1-6)에 주로 자본을 할당합니다. 성장.
평판 신호에 투자하세요.대화 마케팅과 평판 관리 전략을 통합하세요(요소 7-10). Reddit, Quora 및 업계 리뷰 사이트에 적극적으로 참여하는 것은 AI가 신뢰하는 사회적 증거입니다.
콘텐츠 구조 표준 시행: 답변 캡슐 형식, 독점 데이터 사용 및 최적의 단락 구조에 대한 작성자 교육을 포함하여 정확성과 추출 가능성(요소 11-15)을 보장하는 편집 프로세스에 투자합니다.
LLMO의 궁극적인 목표는 신뢰할 수 있는 최신 정보 소스가 되는 것이며 LLM이 최선을 다해 선택할 만큼 완벽하게 구조화된 정보입니다. 자신감. 이러한 요소에 대한 일관된 규정 준수와 투자는 Tan Phat Digital이 품질에 중점을 두고 해왔듯이 귀하의 웹사이트가 Google에서 높은 순위를 차지할 뿐만 아니라 AI 응답에서도 순위를 매겨 지속 가능한 성장을 추구하는 기업에 큰 경쟁 우위를 제공하도록 보장합니다. 절대적인 품질과 권위.
공유
