# 영어판 홈페이지를 만들면 챗GPT가 우리 가게를 더 자주 인용할까?

_한국어 질문에는 영어판이 순위를 올려준다는 근거가 없다_

> 8개 언어·6개 모델 실험에서 한국어 자료의 인용 정확도는 영어보다 평균 12.4%포인트 낮았다. 하지만 영어판 홈페이지의 효과는 한국어 고객보다 영어로 묻는 고객에게서 나타난다.

- 종류: 칼럼
- 주소: https://aisitekorea.com/column/does-an-english-page-get-cited
- 발행: AI사이트코리아 (https://aisitekorea.com)
- 작성일: 2026-09-24

영어판 홈페이지를 만든다고 한국어로 질문하는 고객의 AI 답변에 가게가 더 자주 나오는 것은 아니다. 8개 언어·6개 모델을 비교한 실험에서는 한국어 자료의 인용 정확도가 영어보다 평균 12.4%포인트 낮았다. 다만 이 결과는 영어판을 하나 추가하면 한국어 검색 순위가 올라간다는 뜻은 아니다.

영어판 홈페이지는 한국어 고객의 순위를 올리는 장치가 아니라 영어로 묻는 고객에게 우리 가게가 후보가 될 기회를 만드는 장치다.

## 영어판을 만들면 정말 더 잘 인용될까?

먼저 실험에서 무엇을 비교했는지 봐야 한다. 8개 언어와 6개 공개 모델을 대상으로 같은 질문에 한국어 자료와 영어 자료를 함께 제시하고, 어느 쪽을 더 정확하게 인용하는지 비교했다. 여섯 모델 모두 한국어보다 영어 자료의 인용 정확도가 높았다.

모델별 차이는 5.7%포인트에서 17.8%포인트까지였다. 가장 작은 차이를 보인 모델에서도 영어 자료의 인용 정확도가 높았고, 가장 큰 차이를 보인 모델에서는 17.8%포인트까지 벌어졌다.

| 모델 | 한국어 인용 정확도 | 영어 인용 정확도 | 격차 |
|---|---|---|---|
| LLaMA-3.1 8B | 61.7% | 67.4% | -5.7%p |
| Qwen-3 8B | 49.7% | 62.6% | -12.9%p |
| Aya23 8B | 42.2% | 60.0% | -17.8%p |
| Qwen-3 14B | 70.3% | 83.0% | -12.7%p |
| Gemma-3 27B | 77.5% | 86.2% | -8.7%p |
| LLaMA-3.3 70B | 69.2% | 85.9% | -16.7%p |

이 결과만 보면 영어가 무조건 유리하다고 생각하기 쉽다. 하지만 여기서 중요한 조건이 하나 있다. 이 실험은 한국어 자료와 영어 자료가 같은 질문 안에서 서로 경쟁할 때의 차이를 본 것이다.

한국어 고객이 한국어로 동네 가게를 찾는 상황과는 다르다. 따라서 영어 페이지를 하나 만든다고 한국어 질문에서 가게의 순위가 올라간다고 해석할 근거는 없다.

## 영어가 유리한 이유는 결국 웹에 자료가 많기 때문일까?

영어 자료가 많은 것은 분명한 차이다. 전 세계 웹사이트 가운데 콘텐츠 언어를 확인할 수 있는 사이트를 기준으로 영어는 49.5%를 차지한다. 한국어는 0.9%다.

| 언어 | 웹사이트 콘텐츠 언어 점유율 | 순위 |
|---|---|---|
| 영어 | 49.5% | 1위 |
| 일본어 | 4.9% | 4위 |
| 중국어 | 1.3% | 12위 |
| 한국어 | 0.9% | 17위 |

대규모 웹 수집 데이터인 Common Crawl에서도 영어 비중은 45%로 나타난다. AI 모델이 웹에서 많은 정보를 학습하고 답을 만들 때도 웹 자료의 영향을 받는다는 점을 생각하면, 영어 자료가 절대적으로 많다는 사실은 중요한 배경이 된다.

여기서 사장님이 주의할 점이 있다. 웹에 영어 자료가 많다는 것과 영어 홈페이지를 만든 모든 가게가 한국어 질문에서 더 많이 인용된다는 것은 전혀 다른 이야기다. 앞의 실험은 언어별 자료의 차이를 보여주지만, 영어판 홈페이지 하나가 한국어 검색 결과를 올려준다는 효과까지 보여주지는 않는다.

## 한국어는 영어보다 얼마나 불리할까?

언어별 차이를 보면 웹에 자료가 적은 언어에서 영어와의 격차가 더 크게 나타나는 흐름이 보인다. 스와힐리어는 영어보다 평균 23.9%포인트, 벵골어는 18.0%포인트 낮았다.

한국어는 12.4%포인트 낮았고, 프랑스어는 8.8%포인트, 스페인어는 8.1%포인트 낮았다. 즉 한국어도 영어와 비교하면 차이가 있지만, 자료가 훨씬 적은 언어에서 그 차이가 더 크게 나타났다.

| 언어 | 영어 대비 인용 정확도 격차(평균) |
|---|---|
| 스와힐리어 | -23.9%p |
| 벵골어 | -18.0%p |
| 한국어 | -12.4%p |
| 프랑스어 | -8.8%p |
| 스페인어 | -8.1%p |

다른 실험에서도 언어에 따른 차이는 확인된다. GPT-3.5-Turbo의 지식 추출 정확도는 영어에서 72.80%, 중국어에서 72.87%였지만 아랍어에서는 32.65%였다.

모델의 크기를 키우면 이 차이가 줄어드는 방향도 나타났다. 같은 계열에서 8B 모델의 아랍어 정확도는 72.33%, 35B 모델은 80.29%로 7.96%포인트 높아졌다.

| 모델(아랍어 지식 추출) | 정확도 | 비고 |
|---|---|---|
| GPT-3.5-Turbo | 32.65% | 같은 모델 영어 72.80%·중국어 72.87% |
| 소형 모델(8B) | 72.33% | |
| 대형 모델(35B) | 80.29% | 8B 대비 +7.96%p |

다만 이 숫자를 동네 가게 홈페이지에 그대로 적용해서는 안 된다. 이 실험은 특정 언어의 지식 추출 정확도를 비교한 것이고, 가게 홈페이지가 실제 AI 답변에 인용되는 빈도를 직접 측정한 실험은 아니기 때문이다.

## 영어로 쓰면 정보가 틀려도 더 잘 통할까?

언어 차이는 정보의 정확성뿐 아니라 잘못된 정보를 걸러내는 과정에서도 나타날 수 있다. 한 민간 조사기관이 같은 허위 주장 7개를 영어와 중국어로 질문했을 때, 영어에서는 6개를 거부했지만 중국어에서는 7개 모두 거부하지 못했다.

| 질문 언어 | 허위 주장 거부율(7개 중) |
|---|---|
| 영어 | 6/7 (85.7%) |
| 중국어 | 0/7 (0%) |

영어 질문에서는 7개 중 6개인 85.7%를 거부했고, 중국어 질문에서는 0%였다. 다만 질문한 허위 주장이 7개뿐이므로 이 결과를 모든 질문과 모든 상황에 일반화해서는 안 된다.

이 숫자가 보여주는 핵심은 같은 챗봇이라도 질문 언어에 따라 답변 과정에서 차이가 생길 수 있다는 점이다. 그렇다고 영어로 된 정보가 항상 더 정확하다는 뜻도 아니다.

## 그럼 우리 가게도 영어판을 만들어야 할까?

판단 기준은 영어로 질문하는 고객이 실제로 있는지다. 영어판 홈페이지가 있으면 영어로 가게를 찾는 고객에게 우리 가게의 정보를 제공할 수 있다. 반대로 영어로 묻는 고객이 거의 없다면 영어판을 만드는 것만으로 한국어 고객의 AI 답변 노출이 늘어난다고 볼 근거는 없다.

특히 외국인 관광객이나 재한 외국인을 대상으로 하는 숙박, 렌터카, 외국인 대상 서비스라면 영어 정보가 없을 때 생기는 빈자리가 분명하다. 영어로 질문하는 고객에게 검색·인용될 수 있는 영어 자료 자체가 없기 때문이다.

반대로 순수 내국인 상권이라면 영어판의 목적을 다르게 봐야 한다. 한국어로 가게를 찾는 고객에게 영어판이 추가되었다는 이유만으로 AI가 가게를 더 높은 순위에 올려준다는 근거는 이번 조사에서 확인되지 않았다.

결국 영어판은 "챗GPT에서 한국어 검색 순위를 올리는 방법"으로 보기보다 "영어로 우리 가게를 찾는 고객에게 정보를 열어주는 방법"으로 보는 것이 정확하다. 언어를 하나 더 만드는 것 자체보다 어떤 고객이 어떤 언어로 가게를 찾는지가 먼저다.

요점 ① 8개 언어·6개 모델 실험에서 한국어 자료의 인용 정확도는 영어보다 평균 12.4%포인트 낮았다. ② 영어는 웹사이트 콘텐츠 언어의 49.5%지만 한국어는 0.9%로 17위였다. ③ 언어별 영어 대비 격차는 스와힐리어 -23.9%포인트, 벵골어 -18.0%포인트, 한국어 -12.4%포인트였다. ④ 영어판 홈페이지가 한국어 질문의 순위를 올린다는 근거는 없으며, 효과가 나타나는 곳은 영어로 묻는 고객 쪽이다.

## 같이 읽을 글

 

- 고객이 한국어로 물으면 한국어 홈페이지가 더 잘 보일까?

- 한국은 AI에 얼마나 노출돼 있나?

- 제주 렌터카를 AI에 물으면 우리 회사는 어떻게 나올까?
 

## 자료 출처

 

- Usage Statistics and Market Share of Content Languages for Websites, September 2026(W3Techs, 2026.9 집계)

- Common Crawl Language Statistics(Common Crawl 크롤링 데이터 언어 분포)

- Linguistic Nepotism: Trading-off Quality for Language Preference in Multilingual RAG(8개 언어·6개 모델 실험, arXiv 2025)

- Not All Languages are Equal: Insights into Multilingual Retrieval-Augmented Generation(단일언어 지식 추출 실험, arXiv 2024)

- '챗GPT' 답변 언어별로 정확도 달라(AI타임스, 뉴스가드 7개 프롬프트 조사 인용)

- All Languages Matter: Understanding and Mitigating Language Bias in Multilingual RAG(ACL 2026)