TL;DR
GEO 보고서에서 ‘인용’이라고 쓰기 전에 무엇을 한 건으로 셀지 정하세요. 답변 전체, 출처 목록의 페이지, 특정 문장에 연결된 참조는 서로 다른 단위입니다. 아래 판정 방법은 페이지원이 제안하는 편집 기준이며 엔진의 공식 인용 집계값을 재정의하지 않습니다.
집계 단위를 먼저 고정하기
답변 하나에 출처 링크 세 개가 있다고 가정해 봅시다. 이를 답변 한 건으로 세는지 출처 세 건으로 세는지에 따라 숫자가 달라집니다. 특정 도메인이 여러 번 연결되었을 때도 주소 수, 링크 표시 수, 답변 수가 서로 다를 수 있습니다. 지표 이름만 ‘인용 수’로 적으면 독자는 차이를 알 수 없습니다.
Bing은 AI Performance의 전체 인용 수를 선택한 기간에 AI 답변의 출처로 표시된 인용의 합계로 설명합니다. 직접 관측한 답변 목록을 자체 집계한다면 공식 지표와 같은 숫자라고 부르지 않습니다. ‘관측 답변 중 자사 출처가 확인된 답변 수’처럼 세는 단위를 이름에 드러냅니다. 공식 보고서에서 가져온 값은 보고서의 원래 정의와 기간을 붙여 사용합니다.
출처 목록과 문장 연결을 별도 주석으로 남기기
다음은 실제 AI 답변이 아닌 판정 연습용 가상 문장입니다. ‘첫 상담 전에는 자료 목록을 준비하세요.’ 이 가상 문장 뒤에 자사 안내 페이지와 다른 기관의 설명이 함께 연결되어 있다고 가정합니다. 확인할 수 있는 사실은 해당 문장 근처에 두 출처가 연결되었다는 것입니다. 그 문장의 모든 정보가 자사에서만 왔다고 단정할 수는 없습니다.
| 주석 대상 | 기록할 단위의 예 | 판단을 보류할 조건 |
|---|---|---|
| 답변 전체 | 관측 답변 한 개 | 원문 일부만 보관됨 |
| 출처 목록 | 확인 가능한 페이지 주소 | 목적지 확인 불가 |
| 문장 참조 | 특정 문장과 연결된 출처 묶음 | 연결 범위가 화면에서 모호함 |
| 직접 인용 표현 | 원문의 문구와 대응 구간 | 내용만 비슷하고 문구 대응 없음 |
이 표는 설명용 기준입니다. 따옴표가 없다고 모든 참조를 무효로 보거나, 링크가 있다는 이유로 모두 직접 인용이라고 분류하지 않습니다. 직접 인용인지 정보 참조인지를 보고서에서 구별하고, 연결이 모호할 때는 모호함을 그대로 남깁니다.
Bing은 일평균 인용 페이지 수가 지원되는 AI 화면 전반의 집계이며 개별 답변에서 페이지의 역할이나 권위를 뜻하지 않는다고 설명합니다. 따라서 집계 보고서만으로 특정 문장이 자사 페이지의 어떤 설명을 활용했는지 역으로 구성하지 않습니다. 개별 문장 분석을 하려면 실제 답변과 출처를 함께 확보해야 합니다. 자료가 없으면 전체 집계의 범위에서만 해석합니다.
중복 연결을 세는 규칙을 예시로 검증하기
같은 페이지가 답변의 두 문장에 연결된 가상 경우를 두고 팀의 판정을 맞춥니다. 페이지 주소 수는 하나, 문장 연결 수는 둘이라고 기록할 수 있습니다. 하나의 숫자로 합치기보다 질문에 맞는 단위를 선택하고 다른 단위를 보조 정보로 남기는 편이 명확합니다.
Microsoft는 AI Performance의 하나의 grounding query가 여러 페이지와 연결될 수 있고 한 페이지도 여러 grounding query와 연결될 수 있다고 설명합니다. 따라서 검색에 쓰인 표현 수와 페이지 수를 같은 건수처럼 더하지 않습니다. 이 관계는 Microsoft가 설명한 해당 보고서의 범위이며 모든 엔진의 질문과 출처가 동일한 방식으로 연결된다는 뜻은 아닙니다.
분류표에는 기준 버전과 적용 시작일을 적습니다. 기준을 바꿔 과거 기록을 다시 분류했다면 이전 집계와 새 집계를 구분합니다. 판정자가 본문 참조와 출처 목록을 혼동한 사례는 익명화한 연습 자료로 남길 수 있습니다. 실제 AI 답변을 확보하지 않은 가상 사례를 실적 근거로 제출하지 않습니다.
문장 대응이 애매하면 다른 사람이 원문과 출처를 함께 보고 재판정합니다. 의견이 갈린 항목은 합계에서 숨기기보다 보류 수를 별도로 표시합니다. 이 절차는 분류의 일관성을 높이기 위한 자체 권고입니다.
마무리
인용이라는 말은 숫자보다 단위를 먼저 설명해야 합니다. 답변, 출처 페이지, 문장 연결, 직접 인용 표현을 나누고 집계 목적에 맞는 기준을 고정하세요. 그렇게 해야 같은 자료를 본 사람이 비슷한 결과로 분류할 수 있습니다.