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

구조가 인용률을 17.3% 올린다

논문은 콘텐츠 구조 최적화가 의미를 바꾸지 않고도 인용을 끌어올린다고 밝혔습니다. 6개 주요 생성엔진 실험에서 인용률 17.3%, 주관적 품질 18.5% 향상을 보였습니다. 내용을 그대로 둔 채 구조만 손봐도 인용 가시성이 올라간다는 뜻입니다.

구조를 세 층으로 나눈다

논문은 콘텐츠 구조를 매크로, 메조, 마이크로 세 층으로 분해합니다. 매크로는 문서 아키텍처, 메조는 정보 청킹, 마이크로는 시각적 강조입니다. 답변엔진이 파싱하기 좋게 이 세 층을 설계하는 게 핵심입니다.

'포맷팅'과 '구조'는 다르다

여기서 말하는 구조는 예쁜 포맷팅과 다릅니다. ASAP이 정리한 'What Gets Cited'(arXiv 2605.25517)는 굵게나 평점 같은 표면 포맷팅의 효과가 미미하다고 했습니다. 이번 논문이 말하는 구조는 기계가 정보를 끊어 읽고 파싱하는 의미 구조로, 둘은 층위가 다릅니다.

두 연구는 충돌하지 않는다

두 연구를 합치면 인용 전략이 또렷해집니다. 표면 치장인 색과 굵기는 효과가 작지만, 기계가 파싱하는 정보 구조인 청킹과 아키텍처는 인용을 17.3% 바꿉니다. 디자인에 쓸 힘을 구조 설계로 옮기라는 결론입니다.

의미: AEO의 다음은 구조 설계다

논문은 답변엔진 최적화의 무게가 표현에서 구조로 옮겨가고 있음을 보여줍니다. 사람 눈에 예쁜 페이지보다, 기계가 끊어 읽기 좋은 구조가 인용을 만듭니다. 콘텐츠를 매크로, 메조, 마이크로로 설계하는 일이 새 관문입니다.

정리

'Structural Feature Engineering for GEO'는 구조가 AI 인용을 가른다는 점을 수치로 보여줍니다. 6개 엔진에서 인용률 17.3%, 품질 18.5% 향상, 매크로와 메조와 마이크로 3층 설계가 핵심입니다. 예쁜 포맷팅이 아니라 기계가 파싱하는 구조가 인용의 레버입니다.

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.