AI가 우리 홈페이지를 안 읽는 이유는 뭘까?
서버 문제일까, 글 내용 문제일까
AI가 홈페이지를 인용하지 않는 이유는 기술 문제 하나로 설명되지 않는다. 이번 실험에서는 인용 실패 원인의 62.2%가 질문과 어긋난 내용 때문이었고, 기술적 문제는 10.1%에 그쳤다. 원인을 찾아 맞춤 수정하자 인용률은 56.58%에서 79.52%로 올랐다.
인용이 안 될 때는 서버보다 먼저 고객이 실제로 묻는 말과 홈페이지 내용이 맞는지 봐야 한다.
홈페이지가 열리는데도 왜 AI는 인용하지 않을까
홈페이지가 인터넷에서 정상적으로 열리는 것과 AI가 답변에 인용하는 것은 같은 문제가 아니다. 페이지를 읽을 수 있어도 고객의 질문에 필요한 내용이 충분히 들어 있지 않으면 답변에 쓰이지 않을 수 있다.
2026년 3월 발표된 실험은 이 차이를 원인별로 나눠 확인했다. 표준 문서 204개와 추가 표본을 대상으로 12,240개 쿼리를 만들고, 과학·건강·기술·역사·비즈니스·교육·환경·법·스포츠·예술 10개 업종에서 살펴봤다.
| 항목 | 숫자 |
|---|---|
| 표준 문서 수 | 204개 |
| 추가 표본(분포 밖· | 각 50개 |
| 쿼리 수 | 12,240개(문서당 60개) |
| 업종 도메인 수 | 10개 |
| 평가 모델 | GPT-4.1-mini, 클로드 하이쿠 4.5 |
가장 큰 문제는 기술이 아니라 내용일까
실험에서 인용 실패 원인은 네 가지로 나뉘었다. 가장 큰 비중을 차지한 것은 「의미 정렬 어긋남」으로 62.2%였다.
이 말은 홈페이지가 존재하지 않거나 AI가 접근하지 못한다는 뜻이 아니다. 페이지는 읽을 수 있지만, 고객이 실제로 묻는 질문의 의도와 홈페이지에 적힌 내용이 맞지 않는 경우다.
두 번째는 「콘텐츠 품질」로 27.1%였다. 근거가 부족하거나 내용 구성이 약한 경우다. 반면 접근이나 구조 같은 「기술적 무결성」은 10.1%였고, 후보에서 아예 빠지는 「체계적 배제」는 0.6%였다.
| 원인 분류 | 비중 | 의미 |
|---|---|---|
| 의미 정렬 어긋남 | 62.2% | 내용이 질문 의도와 안 맞음 |
| 콘텐츠 품질 | 27.1% | 근거 부족· |
| 기술적 무결성 | 10.1% | 접근· |
| 체계적 배제 | 0.6% | 후보에서 아예 빠짐 |
따라서 홈페이지가 AI에게 인용되지 않는다고 해서 서버나 스키마부터 고치는 것은 순서가 맞지 않을 수 있다. 먼저 고객이 어떤 질문을 하는지와 홈페이지가 그 질문에 답하고 있는지를 살펴볼 필요가 있다.
실제로 글을 고치면 인용이 늘어날까
이 실험의 중요한 점은 원인을 분류하는 데서 끝나지 않았다는 것이다. 원인에 따라 정보 증강, 구조 개선, 콘텐츠 배치, 설득적 개선을 적용하고 다시 인용률을 측정했다.
아무것도 고치지 않은 기본 상태의 인용률은 56.58%였다. 기술 용어를 강조한 버전은 55.84%로 오히려 낮아졌고, 권위를 강조한 버전은 59.14%였다.
반면 쉬운 설명으로 다시 구성한 버전은 71.11%까지 올랐다. 기존 자동화 방식은 68.80%였고, 원인을 먼저 진단한 뒤 맞춤 수정한 방식은 79.52%까지 올라갔다.
| 방식 | 인용률 |
|---|---|
| 기본(수정 없음) | 56.58% |
| 기술 용어 강조 | 55.84% |
| 권위 강조 | 59.14% |
| 쉬운 설명으로 재구성 | 71.11% |
| 기존 자동화 방식 | 68.80% |
| 원인 진단 후 맞춤 수정 | 79.52% |
기본 상태와 비교하면 22.94%p 상승한 수치다. 상대 개선으로 보면 40.5%다.
여기서 눈여겨볼 부분은 기술 용어를 많이 넣는다고 인용이 늘지는 않았다는 점이다. 오히려 쉬운 설명으로 내용을 다시 구성했을 때 인용률이 더 크게 올랐다.
스키마만 고치면 해결되지 않을까
홈페이지의 구조를 정리하는 작업도 필요할 수 있다. 하지만 스키마만 추가하면 AI 인용이 크게 늘어난다고 단정하기는 어렵다.
다른 조사에서는 1,885곳에 스키마를 추가하고 4,000곳을 대조군으로 두어 비교했다. 2025년 8월부터 2026년 3월까지 진행된 이 조사에서는 스키마를 단독으로 적용했을 때 인용에 뚜렷한 변화가 없었다.
반면 질문 1만 개를 대상으로 한 아홉 가지 방법의 실험에서는 인용문과 통계를 추가한 방법이 최대 40%까지 인용을 끌어올렸다. 두 결과를 함께 보면 페이지의 구조만큼이나 어떤 내용을 담고 어떻게 설명하는지가 중요하다는 점을 확인할 수 있다.
| 조사 | 핵심 수치 |
|---|---|
| 질문 1만 개 실험 | 인용문· |
| 스키마 단독 실험★(1,885곳 vs 대조군 4,000곳) | 인용에 뚜렷한 변화 없음 |
| AI개요 인용 페이지 분석★(키워드 86.3만· | 76.10%는 구글 상위10, 14.40%는 검색결과에도 없음 |
또 다른 대규모 분석에서는 AI 답변에 실제로 인용된 페이지 가운데 76.10%가 구글 검색 상위 10위 안에 있었고, 14.40%는 구글 검색 결과에도 없었다. AI가 참고하는 페이지가 반드시 검색 결과 상위에만 있는 것은 아니었다.
그럼 동네 가게 홈페이지는 무엇부터 확인해야 할까
먼저 기술 문제와 내용 문제를 구분해야 한다. 홈페이지가 AI에게 읽히지 않는 것인지, 읽히지만 질문에 맞는 답을 주지 못하는 것인지부터 확인해야 한다.
그다음 고객이 실제로 물을 만한 질문과 홈페이지의 내용을 맞춰볼 필요가 있다. 이번 실험에서 가장 큰 인용 실패 원인이 62.2%의 의미 정렬 어긋남이었다는 점이 그 이유다.
실제 측정에서도 홈페이지가 AI 답변에 들어갈 자리는 확인됐다. 9월 15일 4개 AI 엔진의 인용을 비교했을 때는 해당 홈페이지의 인용이 0건이었다.
그 다음 날 챗GPT 답변 31건을 분석하자 업체 자기 홈페이지가 10건으로 가장 많이 인용됐다. 정부 자료는 3건, 티스토리는 1건이었고 네이버 블로그와 브런치는 0건이었다.
| 측정일 | 내용 | 결과 |
|---|---|---|
| 9/15 | 4개 AI 엔진 인용 비교 | AI사이트코리아 0건 |
| 9/16 | 챗GPT 답변 31건 분석 | 자기 홈페이지 10· |
이 결과는 홈페이지가 AI 답변에 인용될 수 있는 공간이 없다는 뜻과는 다르다. 실제로 업체의 홈페이지가 가장 많이 인용된 결과도 있었기 때문이다.
결국 중요한 것은 홈페이지가 있다는 사실만이 아니다. 고객이 묻는 질문에 필요한 내용을 홈페이지가 얼마나 정확하게 담고 있는지가 중요하다.
서버와 스키마를 점검하는 일도 필요하다. 하지만 인용을 늘리고 싶다면 기술 문제만 찾기보다 내용이 질문과 어긋나 있지는 않은지 먼저 확인해야 한다.
요점 ① 인용 실패 원인의 62.2%는 질문과 어긋난 내용이며 기술 문제는 10.1%였다. ② 원인 진단 후 맞춤 수정한 인용률은 56.58%에서 79.52%로 22.94%p 올랐다. ③ 스키마 단독 실험은 1,885곳과 대조군 4,000곳 비교에서 뚜렷한 인용 변화를 보이지 않았다. ④ 챗GPT 답변 31건에서는 업체 자기 홈페이지가 10건으로 인용됐고 정부 자료는 3건, 티스토리는 1건이었다.
같이 읽을 글
- 주제는 맞는데, 왜 AI는 우리 페이지를 인용하지 않을까?
- 스키마를 넣었는데 왜 검색이나 AI 답변에 안 보일까?
- 홈페이지 글은 몇 자로 써야 할까?
- 소제목을 질문으로 바꾸면 AI가 더 잘 가져갈까?
자료 출처
- Diagnosing and Repairing Citation Failures in Generative Engine Optimization(연구팀, 2026.3, 문서 204개·쿼리 12,240개·업종 10개)
- GEO: Generative Engine Optimization(프린스턴 연구팀, 2024, 질문 1만 개·9개 기법)
- Optimizing Visibility in Generative Engines: A Critical Survey(2023~2026 GEO 분야 정리)
- We Tracked 1,885 Pages Adding Schema. AI Citations Barely Moved.(에이치레프스★, 2025.8~2026.3, 1,885곳·대조군 4,000곳)
- The 50 Most-Cited Websites in Google AI Overviews(에이치레프스★, 2026.9, 키워드 86.3만·URL 400만)
작성일
← 칼럼 목록