Prompts 70개가 인용 1,702건을 끌어왔고, 답변당 약 8건이었습니다
AI 가시성에 관한 대부분의 대화는 답변을 페이지 하나, 즉 회원님 페이지에 대한 판결로 다룹니다. 안에서 보면 그렇게 읽힙니다. 회원님이 들어 있는지만 확인하기 때문입니다.
UC Berkeley와 Wrodium Research의 Arlen Kumar와 Leanid Palkhouski가 2025년 9월 발표한 감사가 그 모양에 숫자를 붙였습니다. B2B SaaS 분야 16개에 걸친 구매 의도 Prompts 70개를 Brave Summary, Google AI Overviews, Perplexity의 sonar-pro로 실행하고, 고유 URL 1,100개를 가리키는 인용 1,702건을 모았습니다.
Prompts 70개를 엔진 세 개로 돌리면 답변 210개입니다. 인용 1,702건을 나누면 답변당 인용 URL이 약 8개입니다. 그것이 실제 단위입니다. 자리 8개, 그리고 좋은 날에도 그중 7개는 다른 누군가의 것입니다.
소프트웨어 질문에서 인용 도메인의 72.7%는 공급사의 것이 아니었습니다
같은 달의 두 번째 연구가 그 이웃이 누구인지 다룹니다. University of Toronto의 Mahe Chen, Xiaoxuan Wang, Kaiwen Chen, Nick Koudas는 카테고리 10개에 각 100개씩 소비자 순위 Prompts 1,000개를 미국과 캐나다에서 Google과 웹 기능이 있는 GPT 양쪽으로 실행했습니다. 질문당 상위 10개 URL을 가져와 모든 도메인을 Brand, Social, Earned로 분류했으며, Earned는 독립 매체, 리뷰, 비교 사이트를 뜻합니다.
미국 소프트웨어 제품에서 AI 검색은 Earned 72.7%, Brand 26.7%, Social은 거의 없었습니다. 같은 의도에 대한 Google은 Brand 43.7%, Earned 45.4%, Social 10.9%였습니다. 캐나다는 차이가 더 컸습니다. AI 검색은 Earned 74.2%에 Social은 전혀 없었고, Google은 Brand 53.8%로 기울었습니다. 미국 가전은 더 나아가 Earned 92.1%였습니다.
브랜드로서 읽으면 조금 아픕니다. 카테고리 질문에서 모델이 근거로 삼는 것의 대부분은 회원님이 고용하지 않은 사람들이 회원님이 고칠 수 없는 페이지에 쓴 것입니다.
공동 인용은 1973년에 정의되었고, 그 정의가 핵심입니다
이에 딱 맞는 오래된 개념이 있습니다. 1973년 Henry Small은 Journal of the American Society for Information Science에서 공동 인용을 두 문서가 함께 인용되는 빈도로 정의했고, 인용하는 문서 목록을 비교해 동일한 항목을 세는 방식으로 측정했습니다. 그는 공동 인용된 논문의 군집이 과학 전문 분야의 구조를 그려 낸다는 것을 보였습니다.
옮겨 올 가치가 있는 속성은 Small이 그 지표를 세운 바탕입니다. 공동 인용은 인용하는 쪽이 만듭니다. 두 논문은 제3자가 계속 둘 다를 찾았기 때문에 이웃이 됩니다. 어느 쪽도 그 관계를 선언할 수 없고, 빠질 수도 없습니다.
이를 답변 엔진으로 옮기면 결과가 불편합니다. 어떤 페이지 옆에 나올지 회원님이 고르지 않습니다. 엔진이 요청마다 새로 묶음을 조립하고, 구매자는 출처 8개를 하나로 읽습니다. 페이지가 거의 같은 두 공급사도 다른 이웃에 떨어질 수 있고, 그 때문에 다르게 읽힙니다.
인용된 페이지 1,100개 중 엔진 두 개 이상에 나온 것은 134개뿐이었습니다
이웃은 옮겨 가지도 않습니다. Kumar와 Palkhouski의 데이터에서 엔진 간 인용으로 집계된 URL은 134개였습니다. 감사한 URL 1,100개 대비 약 8분의 1이므로, 인용된 페이지의 약 8분의 7은 엔진 하나만 인용했습니다. 옮겨 간 134개는 논문의 페이지 품질 지수에서 단일 엔진 페이지보다 71% 높았으며, 지루한 구조 작업을 해야 할 괜찮은 근거입니다.
실무적으로 읽으면, Perplexity 출처 묶음에 자리가 있다는 것은 Google AI Overviews에 대해 거의 아무것도 알려 주지 않습니다. 대시보드가 엔진을 가시성 수치 하나로 합친다면, 대부분 분리된 페이지 집단 세 개를 평균하는 것입니다.
다른 사람을 인용하자 5위 사이트가 115% 올랐습니다
월요일에 할 일을 바꾸는 부분은 이것입니다. 생성형 엔진 최적화라는 이름을 붙인 Princeton의 Pranjal Aggarwal과 동료들의 논문은 25개 분야에 걸친 질문 10,000개 벤치마크에서 콘텐츠 재작성 9가지를 시험했습니다.
세 가지 방법이 최상위였습니다. 신뢰할 만한 출처 인용 추가, 인용문 추가, 통계 추가입니다. 이들은 논문의 위치 보정 단어 수 지표에서 30~40%, 주관적 인상 점수에서 15~30%의 상대적 개선을 냈습니다.
검색 순위별로 나누면, Cite Sources 방법은 이미 5위였던 사이트의 가시성을 115.1% 올렸고, 1위 사이트의 가시성은 평균 30.3% 떨어졌습니다. 여기서의 지렛대는 권위가 아닙니다. 인용 가능성입니다. 신뢰할 만한 출처를 인용하는 페이지는 모델에게 가져갈 만한 것을 건네고, 회원님의 문장을 회원님이 인용한 출처와 같은 문단에 둡니다.
공동 인용의 논리가 반대 방향으로 작동하는 것입니다. 누구를 인용하느냐가 누구와 함께 인용되느냐를 만듭니다.
자기 행만이 아니라 이웃을 측정하십시오
묶음이 단위라면, 인용 수보다 가치 있는 질문이 네 가지 있습니다.
- 회원님 카테고리에서 어떤 도메인들이 계속 함께 나오는가. 같은 페이지 네 개가 Prompts 전반에 반복된다면, 그 무리가 카테고리의 실제 출처 목록이며 알아낼 수 있습니다.
- 회원님이 빠진 묶음에 경쟁사가 있는가. 그것은 게재 공백이며, 홈페이지를 아무리 다시 써도 메워지지 않습니다.
- 엔진별로, 따로. 위 수치로는 묶음이 거의 겹치지 않으므로 한 엔진의 이웃은 다른 엔진의 이웃을 잘 예측하지 못합니다.
- 공동 인용된 페이지 중 어느 것이 제출이나 정정을 받는가. 대부분의 모음 글은 받으며, 요청하는 것이 대개 바깥에 있는 묶음에 들어가는 가장 저렴한 길입니다.
저희가 하는 일
그래서 Proofsource 서비스는 Prompt 추적과 인용 공백 감지 옆에서 공동 인용 매핑을 실행합니다. 리포트는 회원님 카테고리에서 어떤 출처들이 함께 다니는지, 어디에서 회원님이 빠져 있는지 보여 주며, 같은 이유로 고객 리포트에는 목록형 글 출처 구성과 최신성 보기가 들어 있습니다.
저희 자체 샘플링도 같은 방향을 가리킵니다. 저희가 시험한 한 카테고리의 최고 추천 질문에서 ChatGPT가 인용한 출처의 약 44%는 목록형 글과 모음 글, 24%는 리뷰 사이트, 18%는 공급사 페이지였습니다. 카테고리 하나, 엔진 하나의 저희 것이며, 일반 법칙으로 변호하지는 않겠습니다.
그 말은 또한, 가장 저렴한 해결책이 회원님이 소유하지 않고 저희가 손댈 수 없는 페이지에 있다고 꽤 자주 말씀드린다는 뜻입니다. 아무것도 움직이지 않을 재작성을 파느니 그렇게 말하겠습니다.
이 분석이 틀릴 수 있는 부분
두 감사 모두 2025년 9월에 실행되었습니다. 1년 전이며, 거기 나온 모든 엔진은 이후 여러 버전을 내놓았습니다. 방향은 근거가 충분하다고 보고, 정확한 비율은 오래된 것으로 다루십시오.
Kumar와 Palkhouski 연구는 관찰 연구이며 영어, B2B SaaS, Prompts 70개로 한 시점에 수집했습니다. Perplexity는 sonar-pro API로 질의했으며, 소비자 제품과 같이 작동한다는 보장은 없습니다. 134라는 수치는 그 데이터 안의 개수이고 쌍별 겹침은 공개하지 않으므로, 어느 두 엔진이 가장 많이 공유하는지는 말할 수 없습니다.
Toronto 연구는 모든 도메인을 GPT-4o-search-preview로 분류했습니다. 모델이 붙인 라벨에는 모델의 오류가 따르며, 공급사가 후원하는 비교 사이트라면 Brand와 Earned의 경계가 실제로 흐려집니다.
여기서 해결할 수 없는 불일치가 하나 있습니다. 널리 퍼진 여러 추적 자료는 Reddit 같은 커뮤니티 플랫폼이 AI 인용에서 매우 큰 몫을 차지한다고 보고하지만, 이 연구는 Social이 0에 가깝다고 봤습니다. 그 추적 자료들을 원 출처까지 확인하지 않았으므로 거기서 수치를 인용하지 않습니다. 한쪽을 고르는 대신 충돌을 표시해 둡니다.
Aggarwal 벤치마크는 2023년과 2024년의 것이며 두 세대 전의 엔진으로 평가했습니다. 메커니즘은 받아들이되 115%는 그 설정의 산물로 다루십시오.
Small의 1973년 지표는 고정된 인쇄 기록을 다뤘습니다. 답변의 출처 묶음은 요청마다 새로 생성되므로, 누구와 함께 인용되는지는 분포입니다. 답변 하나로는 회원님의 이웃에 대해 아무것도 확정되지 않습니다.
