AI가 인용하는 페이지의 특징

AI가 인용하는 페이지는 첫 문장이 곧 답이고, 헤딩이 질문 단위로 나뉘어 있습니다. schema.org 구조화 데이터가 본문과 어긋나지 않고, 권위 있는 출처를 문장 안에서 인용하며, 짧은 답과 긴 본문을 한 페이지에 함께 둡니다. ChatGPT·Perplexity·Google AI Overviews(AI 개요)가 답을 조립할 때 먼저 가져가는 페이지는 분량보다 이 형태로 정해집니다.

이 다섯 항목은 AI 답변에 거의 그대로 실린 한국어·영문 페이지를 거꾸로 분석해 찾은 공통 골격입니다. 그 가운데 PION이 대행 작업에서 AI 답변에 출처로 붙는 비율이 실제로 움직이는 것을 확인한 항목만 추렸습니다. 한꺼번에 바꾸기보다 페이지 종류별로 먼저 고칠 항목을 정해 차례로 고쳐야 효과가 빨리 옵니다.

1. 첫 문장이 곧 답인 페이지

도입부나 각 H2의 첫 문장이 질문에 대한 완결된 답이면, AI는 그 문장을 거의 그대로 가져갑니다. AI 검색은 답변 화면 안에서 사용자의 결정이 끝나므로, 색인이 됐느냐보다 "그 답변에 내 문장이 실렸느냐"가 노출을 정합니다.

사용자가 던진 질문과 의미가 겹치는 한 문장이 화면 위쪽에 있을 때 발췌될 확률이 높습니다. Search Engine Land는 이 방식을 "결론부터 쓰기(answer-first)"라고 부릅니다.

"레티놀 언제 발라야 하나"를 노린 페이지라면 첫 문장은 "레티놀은 밤에, 세안 후 마른 피부에 바른다."로 쓰고, 배경 설명은 그 아래에 둡니다. "레티놀의 역사는 1970년대로 거슬러 올라간다"로 열면 답이 세 문단 아래로 밀려 AI가 그 문장을 찾지 못합니다.

고칠 때는 아래처럼 합니다.

• 각 H2의 첫 문장을 "X는 ~이다" 단정형으로 엽니다.
• 주어는 "이것·그것" 같은 대명사 대신 개념 이름으로 씁니다.
• 도입 200자 안에서 사용자가 실제로 칠 법한 질문을 그대로 받아 답합니다.

인터뷰나 스토리텔링 콘텐츠는 결론부터 쓰면 어색합니다. 이런 페이지는 AEO 대상에서 빼고 다른 용도로 운영합니다.

2. AI가 잘 발췌하는 헤딩은 어떤 형태인가요?

헤딩 단계가 얕고 질문형으로 된 페이지가 잘 발췌됩니다. AI는 페이지를 처음부터 끝까지 읽는 대신 헤딩으로 의미 덩어리를 나누고, 사용자 질문과 가장 가까운 헤딩의 본문만 떼어 갑니다. Moz가 오래전부터 검색 기본기로 강조해 온 정보 설계 원칙이 그대로 인용 신호가 됐습니다.

좋은 헤딩은 사람들이 검색창에 입력하는 말과 어순이 비슷합니다. "강남 미백 시술 잘하는 곳"을 노린다면 H2는 "강남에서 미백 시술 잘하는 곳 고르는 법" 정도로 씁니다. "미백 시술 강남 추천 리스트" 같은 키워드 나열형은 AI 매칭에서 점점 힘을 잃고 있습니다.

H1은 하나만 두고 H2는 서너 개에서 끊으며, 헤딩 하나에는 질문 하나만 답합니다. 한 헤딩 아래 질문 두 개를 몰아넣으면 발췌 단위가 흐려져, AI가 어디를 떼야 할지 몰라 그 대목을 통째로 건너뛰기도 합니다.

3. 본문과 일치하는 schema.org 구조화 데이터

schema.org JSON-LD는 페이지 내용을 기계가 읽을 수 있게 정리하고, 화면에 보이는 본문과 일치해야 합니다. 구조화 데이터는 같은 내용을 기계가 읽을 수 있는 형태로 한 번 더 적어 주는 장치입니다. Google은 AI 기능 안내 문서에서 AI 개요에 나오려고 따로 넣어야 하는 schema는 없고, 구조화 데이터는 화면 본문과 일치하게 두라고 권합니다. Moz의 스키마 마크업 설명도 스키마가 검색 엔진이 콘텐츠의 의미와 맥락을 이해하도록 돕는다고 설명합니다.

한국 사이트에서는 아래 항목이 자주 빠집니다.

• FAQ 마크업과 본문 불일치. FAQPage 안 질문·답 텍스트가 화면에 보이는 본문과 어긋나면 Google 스팸 정책 위반입니다.
• 흔들리는 회사 이름. Organization 스키마의 name·대체명·url이 사이트·소셜·언론 보도마다 제각각이면 AI가 같은 회사로 묶지 못합니다.
• 글 메타 누락. BlogPosting의 작성자·발행일 빈칸.

PION이 대행을 맡아 사이트를 처음 열 때 먼저 점검하는 것도 이 세 항목입니다. 틀린 schema는 안 다느니만 못해서, Rich Results Test를 통과했더라도 본문과 실제로 맞는지 사람이 따로 대조합니다.

4. 문장 속에 녹인 권위 출처

주장 옆에 출처와 링크를 단 페이지가 더 믿을 만한 근거로 발췌됩니다. LLM은 "주장 + 출처 + 링크"가 한 세트로 있으면 사실성 신호로 받아들입니다. Semrush가 강조하는 근거 있는 콘텐츠 원칙과 같은 맥락입니다.

인용은 "OO에 따르면", "OO의 2026년 보고서는", "OO은 ~을 권고한다"처럼 문장 안에 넣습니다. 한 섹션에 한두 번이면 충분하고, 같은 출처를 섹션마다 표현만 바꿔 다시 써도 됩니다. 링크는 매체명은 두고 자료 제목 부분만 감싸면 사람도 AI도 알아보기 좋습니다.

링크 개수보다 출처의 급이 인용을 좌우합니다. 익명 블로그나 커뮤니티 링크만 잔뜩 달린 페이지는 AI가 신뢰 신호로 치지 않고, 업계 권위 매체나 학술·공공기관 도메인이어야 신호가 잡힙니다.

5. 인용에 유리한 2단 구성은 어떻게 짜나요?

위에 50~300자 압축 답변, 아래에 1,500~3,000자 배경 본문을 두는 2단 구성이 인용에 유리합니다.

AI는 답을 만들 때 두 층을 함께 씁니다. 짧은 답은 응답 본문에 곧바로 실리고, 깊은 본문은 사용자가 "왜?"를 되물을 때 배경 근거로 불려 나옵니다. 한쪽만 있으면 한 가지 용도로만 쓰이고, 그만큼 인용될 기회를 잃습니다.

발행 전에는 아래 항목으로 짧은 답과 긴 본문을 대조합니다.

• 상단 300자 안에 질문에 대한 완결된 답이 있는가
• 그 아래 본문이 1,500자 이상 배경을 채우는가
• 짧은 답과 긴 본문이 같은 수치·같은 용어로 앞뒤가 맞는가

마지막 항목이 가장 자주 빠집니다. 위에서 "3배"라고 쓴 수치를 아래 본문에서 "두세 배"로 바꿔 쓰면, AI는 어느 수치를 믿을지 몰라 둘 다 낮게 평가합니다.