답변엔진은 무엇을 인용하는가: AEO 리버스 엔지니어링으로 찾은 7가지 규칙

AEO(답변 엔진 최적화)의 최적화 단위는 페이지 순위가 아니라 '인용 가능한 문장'이다. ASAP은 2026년 Perplexity·ChatGPT Search·Google AI Overview가 무엇을 발췌·인용하는지 역추적해, 7개의 직교·조건부 규칙(R1~R7)으로 정리했다. 이 글은 그 리버스 엔지니어링 방법과 도출한 규칙, 기존 SEO와 무엇이 다른지, 그리고 실무에서 어떻게 적용할지를 직답형으로 정리한다.

SEO에서 AEO로, 무엇이 바뀌었나

AEO는 답변 엔진이 생성하는 답에 '인용되는' 것을 목표로 하는 최적화다. 기존 SEO가 "어디를 볼지(링크 순위)"를 다뤘다면, 2026년의 AEO는 "무엇이 답인지"를 직접 제시하는 문장을 다룬다.

핵심 전환은 단위다. Perplexity와 Google AI Overview는 페이지 전체가 아니라 발췌 가능한 문단을 골라 인용하므로, 최적화 대상이 '페이지'에서 '구절(passage)'로 내려간다. 이 한 칸의 이동이 의미하는 바는 크다. SEO 시대에는 페이지 하나가 순위 경쟁의 최소 단위였고, 내부 링크·체류 시간·전체 문서 품질이 함께 평가됐다. 반면 구절 단위 경쟁에서는 잘 쓴 페이지 안에서도 오직 특정 문장만 발췌되고, 나머지는 인용 관점에서 존재하지 않는 것과 같다.

방법: 무엇을 역추적했나

리버스 엔지니어링은 답변 엔진의 인용 결과를 관찰해 규칙을 추론하는 과정이다. ASAP은 동일 쿼리를 Perplexity·ChatGPT Search·Google AI Overview에 투입하고, 어떤 문장이 인용·발췌되는지를 비교했다.

루프는 네 단계다. 인용 관찰 → 공통 피처 가설 → 규칙화(R1~R7) → 자가 채점과 인용 모니터링으로 검증. 이렇게 도출한 규칙을 ruleset.grade가 섹션별로 0.8(PASS_RATIO) 임계치로 채점한다.

이 접근의 전제는 "엔진이 무엇을 인용하는지는 직접 알 수 없지만, 인용된 결과는 관찰할 수 있다"는 것이다. 즉 알고리즘 내부가 아니라 출력을 통해 입력의 조건을 역으로 좁혀 나가는 방식이다. 세 엔진에 같은 질문을 던져 교집합을 보는 이유도 여기 있다. 한 엔진에서만 인용된 문장은 그 엔진 고유의 편향일 수 있지만, 셋 모두에서 반복적으로 뽑히는 문장 특성은 엔진에 덜 종속된 일반 신호일 가능성이 높다.

R1~R3: 직답·구체성·길이

처음 세 규칙은 '인용 가능한 한 문장'의 내부 품질을 정의한다. 답변 엔진은 발췌해도 그대로 답이 되는 문장을 선호한다.

• R1 직답(BLUF): 첫 문장을 "X는 Y이다" 같은 정의·선언형 구조로 쓴다.
• R2 구체 신호: 단위 붙은 수치(예: 68%, 6주)나 고유명사를 최소 1개 넣는다. 맥락 없는 맨 숫자 하나로는 부족하다.
• R3 길이: 첫 문장을 한국어 8~45어절(영어 11~60단어)로 맞춰, 너무 짧거나 길지 않게 한다.

세 규칙은 사실 하나의 질문에 대한 답이다. "이 문장만 잘라내도 사용자의 질문에 대한 완결된 답이 되는가?" 정의형 구조는 답의 뼈대를 세우고, 구체 신호는 그 답을 신뢰할 만하게 만들며, 길이 제약은 발췌하기 좋은 크기를 보장한다.

R4~R5: 단독 완결성과 헤딩 미러링

다음 두 규칙은 '발췌됐을 때 깨지지 않는가'와 '질문에 맞물리는가'를 본다. 답변 엔진은 맥락에서 떼어내도 의미가 사는 문장을 고른다.

• R4 단독 완결성: 첫 문장이 '이/그/앞서/however' 같은 문맥 의존어로 시작하지 않게 하고 주어를 명시한다.
• R5 헤딩 미러링: H2 제목을 타겟 쿼리에 맞춰, 유사도 0.4 이상이 되게 한다. 쿼리가 있을 때만 적용한다.

R1~R3이 문장 내부를 다룬다면 R4~R5는 문장과 바깥 세계의 관계를 다룬다. 발췌란 본질적으로 문장을 원래 맥락에서 뜯어내는 행위이므로, "앞 문단을 읽지 않으면 이해되지 않는 문장"은 인용 후보에서 탈락한다. 헤딩 미러링은 반대 방향의 연결이다. 사용자의 질문과 H2가 어휘적으로 겹칠수록 엔진이 "이 섹션이 그 질문의 답"이라고 판단하기 쉬워진다.

R6~R7: 신선도와 의도별 포맷

마지막 두 규칙 R6·R7은 신선도와 형식을 다루며, 2026년 기준 답변 엔진이 최신 정보와 의도에 맞는 구조를 선호한다는 관찰에서 나왔다. 즉 같은 내용도 시점과 포맷에 따라 인용 확률이 달라진다.

• R6 신선도: 본문에 최근 연도(올해 ±1년, 2026년 기준)를 명시해 신선도 신호를 준다.
• R7 의도별 포맷: 비교 의도면 표, 절차 의도면 번호 리스트로 제시한다. 해당 의도일 때만 적용한다.

메타 인사이트: 규칙을 어떻게 설계했나

규칙 자체보다 규칙의 설계 원칙이 더 중요한 인사이트다. 휴리스틱이 서로를 깎아먹지 않도록 네 가지 원칙을 적용했다.

첫째, 직교성이다. R1(직답 구조)과 R2(구체 신호)는 겹치지 않게 분리해, 한 문장이 두 축을 독립적으로 만족하게 했다. 둘째, 조건부 채점이다. R5·R7은 해당 의도일 때만 분모에 포함해, 적용되지 않는 규칙이 점수를 깎지 않게 했다. 셋째, 최적화 단위는 페이지가 아니라 구절이다. 넷째, 섹션별 통과율 0.8을 임계치로 둔다.

이 설계 원칙을 뒤집어 보면 흔한 실패가 무엇인지 드러난다. 규칙이 직교하지 않으면 하나의 문장 특성이 여러 규칙에 중복 반영돼 점수가 왜곡되고, 조건부 채점이 없으면 비교표가 필요 없는 글이 "표가 없다"는 이유로 부당하게 감점된다. 즉 이 네 원칙은 규칙을 늘리기 위한 장치가 아니라, 규칙 시스템이 스스로 신뢰를 잃지 않게 하는 자기 제약에 가깝다.

한국어 실무자를 위한 적용

한국어 콘텐츠에 이 규칙을 옮길 때는 두 가지를 먼저 챙기는 편이 효율적이다. 첫째는 R1(직답)과 R4(단독 완결성)로, 이 둘은 쿼리·의도 조건 없이 모든 섹션에 무조건 적용되는 관문이기 때문이다. 각 H2 아래 첫 문장을 "무엇은 무엇이다" 형태로 쓰고, 주어를 생략하는 한국어 습관을 의식적으로 눌러 명시하면 대부분의 문장이 발췌 가능한 상태가 된다.

R3의 길이 기준은 언어별로 다르다는 점을 기억해야 한다. 한국어는 8~45어절, 영어는 11~60단어로 잣대가 갈리므로, 한국어 원문을 영어로 옮길 때 문장 하나를 그대로 직역하면 어느 한쪽의 길이 범위를 벗어나기 쉽다. 이럴 때는 번역이 아니라 각 언어에서 독립적으로 첫 문장을 다시 쓰는 편이 인용 확률을 지킨다.

AEO ≠ SEO, 그리고 다음

AEO는 SEO와 신호가 다르다. 키워드 밀도와 백링크 대신, 직답·단독 완결성·구체성·신선도가 인용을 좌우한다.

다음 국면도 분명하다. AI 에이전트가 사람을 대신해 검색·요약·인용을 소비하기 시작하면, '에이전트에게 발췌되기 좋은 문장'을 쓰는 AEO가 표준이 된다. 단, 이 7규칙은 블랙박스를 관찰해 얻은 휴리스틱이지 정답표가 아니며, 엔진별·시점별로 달라질 수 있다. 관찰 기반 규칙의 숙명은 관찰 대상이 변하면 함께 낡는다는 것이므로, 규칙표를 고정된 체크리스트로 신봉하기보다 인용 결과를 계속 재측정하며 갱신하는 루프 자체를 자산으로 삼는 편이 안전하다.

---

참고: GEO: Generative Engine Optimization (Aggarwal et al., 2023) · ASAP 내부 룰셋 aeo/ruleset.py(R1~R7, 자가 채점)