TL;DR: AI Overview 소스, 어떤 기준으로 선정되나?
- AI Overview 인용 페이지 중 오가닉 Top 10과 겹치는 비율이 76%에서 38%로 급감했다 -- 기존 SEO 랭킹만으로는 인용을 보장할 수 없다
- 2026년 1월 Gemini 3 전환 이후, 쿼리 팬아웃(fan-out) 확장으로 Top 100 밖 페이지가 31%를 차지한다
- 인용되는 페이지의 55%는 콘텐츠 상단 30%에서 답변 블록을 추출당한다 -- 페이지 구조가 선정의 핵심 변수다
- Schema Markup을 속성 풍부하게 적용한 페이지는 61.7% 인용률을 기록한다 -- 구조화 데이터가 선택의 전제 조건이다
- 통계 포함 시 22%, 권위적 인용 포함 시 132% 인용 확률이 증가한다 -- E-E-A-T 신호가 최종 선별 필터다
왜 AI Overview 소스 선정 로직을 분석해야 하나
AI Overview가 검색 결과 상단을 차지하는 비율이 높아지면서, "인용되는 페이지"와 "인용되지 않는 페이지" 사이의 트래픽 격차가 벌어지고 있습니다. 문제는 기존 오가닉 랭킹 1위를 확보해도 AI Overview에 인용되지 않을 수 있다는 점입니다.
출처: Ahrefs · BrightEdge
Ahrefs의 86만 3천 키워드 분석 결과, AI Overview 인용 페이지 중 Top 10과 겹치는 비율이 76%에서 38%로 하락했습니다. BrightEdge는 이 수치를 약 17%로 더 낮게 보고했습니다.
이 데이터가 의미하는 바는 명확합니다. AI Overview 소스 선정은 오가닉 랭킹과 별개의 알고리즘으로 작동하며, 그 로직을 이해하지 못하면 AEO 전략의 방향 자체를 잘못 설정하게 됩니다.
이 글에서는 공개된 연구 데이터를 기반으로 구글 AI Overview의 소스 선정 로직을 5가지 축으로 역분석합니다.
1. 랭킹-인용 상관관계의 구조적 변화
76%에서 38%로: 무엇이 바뀌었나
2024년 말까지 AI Overview 인용 페이지의 약 75%가 동일 쿼리의 오가닉 Top 10에 속했습니다. SEO 실무자들은 "오가닉 순위를 올리면 AI Overview 인용도 따라온다"고 판단할 수 있었습니다.
그러나 2025년 중반을 지나며 이 상관관계가 무너지기 시작했습니다. Ahrefs의 2026년 초 분석에서 겹침 비율은 38%로 떨어졌고, BrightEdge의 별도 분석에서는 약 17%까지 하락한 것으로 나타났습니다.
나머지 인용 페이지의 분포는 11~100위가 31.2%, Top 100 밖이 31%로 거의 균등하게 나뉩니다.
| 기간 | Top 10 겹침률 | Top 11-100 | Top 100 밖 |
|---|---|---|---|
| 2024년 말 | 약 75% | 약 20% | 약 5% |
| 2025년 중반 | 약 52% | 약 30% | 약 18% |
| 2026년 초 | 약 38% | 약 31% | 약 31% |
쿼리 팬아웃: 상관관계 붕괴의 핵심 원인
이 변화의 핵심 원인은 쿼리 팬아웃(query fan-out) 메커니즘입니다. 사용자가 하나의 쿼리를 입력하면, AI Overview 시스템은 이를 여러 개의 하위 쿼리로 분해합니다. 각 하위 쿼리에서 상위에 노출되는 페이지들이 종합적으로 평가되어 최종 인용 소스가 결정됩니다.
출처: ALM Corp
2026년 1월 27일 Gemini 3가 AI Overview의 기본 모델로 전환된 이후, 팬아웃 쿼리의 범위와 공격성이 이전 버전 대비 크게 확장된 것으로 분석됩니다.
예를 들어 사용자가 "전자상거래 SEO 전략"을 검색하면, AI Overview 시스템은 "전자상거래 크롤 최적화", "상품 페이지 Schema", "카테고리 페이지 SEO", "전자상거래 사이트 속도 최적화" 등 여러 하위 쿼리를 생성합니다. 원래 쿼리에서 30위였던 페이지가 하위 쿼리에서 1위라면, 해당 페이지가 인용될 수 있습니다.
이것은 실무적으로 중요한 시사점을 줍니다. 단일 키워드 순위가 아니라, 관련 토픽 클러스터 전체에서의 가시성이 AI Overview 인용 확률을 결정한다는 뜻입니다.
2. 인용되는 페이지의 콘텐츠 구조 패턴
상단 30% 법칙
AI Overview가 인용하는 콘텐츠의 위치에는 명확한 편향이 있습니다.
AI Overview 인용의 55%가 페이지 상단 30%에서 추출됩니다. 페이지 하단에만 답변이 있는 콘텐츠는 인용 확률이 절반 이하로 떨어집니다.
이는 AI Overview의 소스 선정이 페이지 전체를 균등하게 평가하지 않는다는 의미입니다. 핵심 답변을 페이지 하단에 배치하는 "피라미드 역전" 구조는 AEO 관점에서 불리합니다.
답변 블록 구조의 중요성
인용되는 페이지의 콘텐츠 구조에서 반복적으로 관찰되는 패턴이 있습니다.
출처: Koanthic · FarAndWide
구조화된 리스트/표 형식의 콘텐츠는 비구조화 산문 대비 약 2.5배 높은 인용률을 기록합니다. 독립적이고 의미적으로 완결된 섹션을 가진 콘텐츠는 밀집된 연속 문단 대비 65% 더 자주 인용됩니다.
AI Overview가 선호하는 콘텐츠 구조 패턴:
| 구조 요소 | 설명 | 인용 영향 |
|---|---|---|
| 답변 블록 | 각 섹션 시작에 75~150단어의 자기완결적 답변 | 핵심 추출 단위 |
| 리스트/표 | 비교, 단계, 기준을 구조화된 형식으로 제시 | 비구조 대비 2.5배 |
| 독립 섹션 | 각 H2/H3가 단독으로 의미가 완결되는 구조 | 밀집 문단 대비 65% 증가 |
| FAQ 형식 | 질문-답변 쌍으로 구성된 섹션 | 가장 빈번하게 인용되는 요소 중 하나 |
| 정의문 | 개념을 명시적으로 정의하는 첫 문장 | 추출 정확도 향상 |
최적 추출 단위: 75~150단어
AI Overview가 인용 시 추출하는 텍스트 블록의 최적 길이는 75~150단어입니다. 이보다 짧으면 맥락이 부족하고, 이보다 길면 깔끔하게 재생성하기 어렵습니다.
실무적으로 이것은 각 H2 섹션의 첫 문단을 75~150단어의 "답변 블록"으로 작성해야 한다는 뜻입니다. 이 답변 블록이 해당 섹션의 핵심 질문에 대한 직접적인 답변이어야 합니다.
3. E-E-A-T 신호 분석: 최종 선별 필터
E-E-A-T가 작동하는 방식
AI Overview의 소스 선정에서 E-E-A-T(Experience, Expertise, Authoritativeness, Trustworthiness)는 최종 선별 필터 역할을 합니다. 구조적으로 적합한 콘텐츠가 여러 개일 때, E-E-A-T 신호가 강한 페이지가 선택됩니다.
출처: GetPassionfruit
통계 포함 시 22% 인용 확률 증가, 인용문(quotation) 포함 시 37% 증가, 권위적 톤 사용 시 89% 개선, 신뢰할 수 있는 출처 인용 시 132% 증가가 관찰되었습니다.
이 데이터에서 주목할 점은 "신뢰할 수 있는 출처 인용"이 132%로 가장 높은 증가율을 보인다는 것입니다. 자신의 주장에 외부 권위 출처를 인용하는 행위 자체가 E-E-A-T 신호로 작용합니다.
Experience가 최종 차별화 요소
2026년 현재, 동일한 사실 정보를 제공하는 두 페이지가 있을 때 실제 경험을 보여주는 페이지가 선택되는 경향이 강화되었습니다.
| E-E-A-T 요소 | AI Overview 선정에서의 역할 | 구현 방법 |
|---|---|---|
| Experience | 동일 정보일 때 최종 차별화 요소 | 실제 테스트 결과, 사례 데이터, 스크린샷 |
| Expertise | 주제 깊이의 기본 요건 | 전문 용어의 정확한 사용, 기술적 디테일 |
| Authoritativeness | 도메인 수준의 신뢰 신호 | 백링크 프로필, 브랜드 멘션, 업계 인정 |
| Trustworthiness | 정보 정확성의 검증 기반 | 출처 인용, 데이터 일관성, 업데이트 이력 |
데이터 밀도와 인용률의 상관관계
콘텐츠에 포함된 데이터 포인트의 수가 인용률에 직접적인 영향을 미칩니다.
출처: BradleeBartlett
19개 이상의 데이터 포인트를 포함한 콘텐츠는 평균 5.4회 인용되는 반면, 데이터가 부족한 콘텐츠는 2.8회에 그쳤습니다. 수치는 검증 가능성(verifiability)을 신호합니다.
4. 구조화 데이터의 영향
Schema Markup과 인용률
구조화 데이터는 AI Overview의 소스 선정에서 기계 가독성을 높이는 핵심 인프라입니다.
출처: Originality.AI · EpicWebStudios
ChatGPT가 인용하는 페이지의 71%가 Schema Markup을 사용합니다. 속성이 풍부한 Schema를 적용한 페이지는 61.7%의 인용률을 기록하며, 최소한의 Schema만 적용한 페이지는 Schema가 없는 페이지보다 오히려 성과가 낮습니다.
이 마지막 데이터 포인트가 중요합니다. Schema를 "형식적으로만" 적용하는 것은 오히려 역효과를 낼 수 있습니다. 속성을 풍부하게 채워야 AI 시스템이 엔티티를 정확히 이해합니다.
E-E-A-T 트라이어드: Organization + Person + Article
AI Overview 인용에 가장 효과적인 구조화 데이터 조합은 Organization + Person + Article 삼각 구조입니다.
필수 Schema 적용 전략:
- Article Schema: 콘텐츠의 주제, 발행일, 수정일, 저자를 명시
- Person Schema: 저자의 자격, 경력, 소속을 구조화 -- E-E-A-T의 Experience와 Expertise를 기계적으로 증명
- Organization Schema: 발행 조직의 정체성과 권위를 명시
- FAQPage Schema: FAQ 섹션에 적용하여 질문-답변 쌍을 구조화
- HowTo Schema: 단계별 가이드에 적용하여 프로세스를 구조화
5. 신선도와 도메인 권위: 조건부 요소
신선도 팩터: 쿼리 유형에 따라 다르다
AI Overview는 전통적 오가닉 검색보다 더 신선한 콘텐츠를 선호합니다. 하지만 이 선호는 쿼리 유형에 따라 조건부로 작동합니다.
1,700만 AI 인용을 분석한 결과, AI가 노출하는 URL은 전통적 검색 결과 대비 25.7% 더 신선합니다.
신선도가 우선하는 쿼리 유형:
- 뉴스 및 속보 관련 쿼리
- 기술/제품 리뷰 쿼리
- 규제/법률 변경 관련 쿼리
- 빠르게 변하는 산업(AI, 핀테크, 가상자산) 쿼리
권위가 우선하는 쿼리 유형:
- 에버그린 개념 설명 쿼리
- 기초 교육/학습 쿼리
- 역사적/시간 불변 정보 쿼리
도메인 권위 vs 토픽 권위
AI Overview의 소스 선정에서 전통적인 도메인 권위(Domain Authority)와 토픽 권위(Topical Authority)는 다른 방식으로 작용합니다.
출처: Wellows
AI 시스템은 도메인 권위와 독립적으로 콘텐츠 수준의 권위를 평가합니다. 백링크와 AI 인용의 상관계수는 0.37로, 오가닉 순위와의 상관계수 0.41보다 낮습니다.
이것은 중소 규모 도메인에게 기회가 됩니다. 도메인 전체의 권위가 낮아도 특정 토픽에서 깊이 있는 콘텐츠를 구축하면 AI Overview 인용을 확보할 수 있습니다. Ahrefs의 분석에서 YouTube가 AI Overview에서 가장 많이 인용되는 도메인(Top 100 밖 인용의 18.2%)이라는 점도, 콘텐츠 자체의 토픽 적합성이 도메인 권위보다 중요할 수 있음을 시사합니다.
6. 인용되는 콘텐츠 유형과 플랫폼 분포
블로그가 여전히 최다 인용 소스
콘텐츠 유형별 인용 비율에서 블로그 포스트가 가장 높은 비중을 차지합니다.
출처: TryProfound · Search Engine Land
블로그가 전체 AI 인용의 약 39%를 차지합니다. AI 인용 페이지의 82.5%가 깊은 경로의 하위 페이지이며, 홈페이지가 인용되는 경우는 드뭅니다.
| 콘텐츠 유형 | 인용 비중 | 특징 |
|---|---|---|
| 블로그/아티클 | 약 39% | 정보성 콘텐츠, 깊은 URL 경로 |
| 리스티클 | 21~60% | 플랫폼별 편차 크지만 일관되게 높음 |
| 제품 페이지 | 약 15% | 상거래 쿼리에서 집중 |
| 포럼/커뮤니티 | 약 12% | Reddit, Quora 등 UGC |
| 비디오 | 약 10% | YouTube 중심 |
플랫폼별 인용 분포
Wikipedia, YouTube, Reddit, LinkedIn, Forbes가 AI Overview 전체 인용의 상당 부분을 차지합니다. 특히 Reddit는 ChatGPT, Google AI Mode, Gemini, Perplexity, AI Overviews 5개 플랫폼에서 가장 많이 인용되는 소스로 나타났습니다.
이 데이터가 시사하는 바는, 자사 도메인의 콘텐츠뿐 아니라 주요 플랫폼에서의 브랜드 멘션과 토론 참여가 간접적으로 AI Overview 인용 확률에 영향을 줄 수 있다는 점입니다.
소스 선정 로직 종합: 5단계 필터 모델
위의 분석을 종합하면, AI Overview의 소스 선정은 다음과 같은 다단계 필터로 작동하는 것으로 추론할 수 있습니다.
| 단계 | 필터 | 핵심 기준 | 탈락 조건 |
|---|---|---|---|
| 1단계 | 쿼리 팬아웃 | 원본 + 하위 쿼리에서의 상위 노출 | 관련 토픽 클러스터 가시성 부재 |
| 2단계 | 콘텐츠 구조 | 답변 블록, 리스트, 표 등 추출 가능한 구조 | 비구조화 산문, 핵심 답변 하단 배치 |
| 3단계 | 구조화 데이터 | Schema Markup의 속성 풍부도 | Schema 미적용 또는 최소 적용 |
| 4단계 | E-E-A-T 신호 | 경험, 전문성, 권위, 신뢰 증거 | 출처 없는 주장, 저자 정보 부재 |
| 5단계 | 신선도/적합도 | 쿼리 유형별 신선도 요구, 토픽 적합성 | 오래된 콘텐츠(변동성 높은 쿼리), 토픽 부적합 |
각 단계는 순차적 필터가 아니라 가중치 기반의 종합 점수로 작동할 가능성이 높습니다. 하지만 구조와 Schema가 기본 요건이고, E-E-A-T와 신선도가 최종 차별화 요소라는 우선순위는 데이터에서 일관되게 관찰됩니다.
실행 체크리스트: AI Overview 인용을 위한 기술 요건
콘텐츠 구조 최적화
- 각 H2 섹션 시작에 75~150단어의 자기완결적 답변 블록 배치
- 핵심 답변을 페이지 상단 30% 이내에 배치
- 비교/기준/단계를 표 또는 리스트로 구조화
- FAQ 섹션을 질문-답변 쌍으로 구성
- 각 섹션이 독립적으로 의미가 완결되도록 작성
구조화 데이터 적용
- Article + Person + Organization Schema 트라이어드 적용
- 저자 자격, 경력, 소속을 Person Schema에 상세 기입
- FAQPage Schema를 FAQ 섹션에 적용
- Schema 속성을 최소가 아닌 풍부하게 채우기
- Google Rich Results Test 통과 확인
E-E-A-T 신호 강화
- 19개 이상의 데이터 포인트(통계, 수치) 포함
- 모든 주장에 신뢰할 수 있는 외부 출처 인용
- 실제 테스트 결과, 사례 데이터, 스크린샷 등 경험 증거 포함
- 저자 프로필 페이지에 전문성 증명 자료 게시
- 콘텐츠 업데이트 이력(수정일) 명시
토픽 클러스터 전략
- 목표 키워드의 팬아웃 하위 쿼리를 예측하고 각각에 대한 콘텐츠 보유
- 관련 토픽 클러스터 내 최소 5개 이상의 깊이 있는 페이지 구축
- 내부 링크로 클러스터 내 페이지 간 연결 강화
- YouTube, Reddit 등 외부 플랫폼에서의 토픽 관련 가시성 확보
자주 묻는 질문
Q1. 오가닉 1위인데 AI Overview에 인용되지 않는 이유는?
AI Overview는 쿼리 팬아웃을 통해 하위 쿼리까지 확장 검색합니다. 원래 쿼리에서 1위여도 하위 쿼리에서 가시성이 낮거나, 콘텐츠 구조가 AI 추출에 적합하지 않으면 인용되지 않을 수 있습니다. 2026년 현재 Top 10 겹침률이 38%까지 떨어진 만큼, 오가닉 순위만으로는 인용을 보장할 수 없습니다.
Q2. Schema Markup을 적용하면 반드시 인용률이 올라가나?
아닙니다. 최소한의 속성만 채운 Schema는 Schema가 없는 것보다 오히려 성과가 낮을 수 있습니다. Article, Person, Organization Schema를 적용하되, 각 속성을 풍부하게 채워야 합니다. 특히 Person Schema에 저자의 자격과 경력을 상세히 기입하는 것이 E-E-A-T 신호와 연결됩니다.
Q3. 신규 도메인도 AI Overview에 인용될 수 있나?
가능합니다. AI Overview는 도메인 권위보다 콘텐츠 수준의 권위를 더 독립적으로 평가합니다. 백링크와 AI 인용의 상관계수가 0.37로 오가닉 순위(0.41)보다 낮다는 데이터가 이를 뒷받침합니다. 특정 토픽에서 깊이 있는 콘텐츠 클러스터를 구축하면 신규 도메인도 인용 기회를 확보할 수 있습니다.
Q4. 콘텐츠 업데이트 주기는 어떻게 설정해야 하나?
쿼리 유형에 따라 다릅니다. AI, 기술, 규제 관련 토픽은 분기 단위 이상의 업데이트가 필요하며, 에버그린 개념 설명 콘텐츠는 연 1~2회 업데이트로 충분합니다. AI Overview가 전통적 검색 대비 25.7% 더 신선한 콘텐츠를 선호한다는 데이터를 기준으로, 자신의 토픽 영역에서 경쟁 콘텐츠보다 최신 상태를 유지하는 것이 핵심입니다.
Q5. YouTube 콘텐츠가 AI Overview에 인용되는 이유는?
YouTube는 AI Overview에서 가장 많이 인용되는 단일 도메인이며, Top 100 밖 인용의 18.2%를 차지합니다. 영상 콘텐츠가 텍스트와 다른 형태의 Experience 신호를 제공하기 때문으로 분석됩니다. 또한 YouTube의 자막 데이터는 AI 시스템이 구조화된 텍스트로 처리할 수 있어, 팬아웃 쿼리에서 높은 적합도를 보일 수 있습니다.
AI Overview 소스 선정 로직은 더 이상 오가닉 SEO의 부산물이 아닙니다. 별도의 알고리즘이 콘텐츠 구조, 구조화 데이터, E-E-A-T 신호, 토픽 클러스터 가시성을 종합 평가합니다. 이 로직을 이해하고 대응하는 것이 2026년 AEO 전략의 출발점입니다.
우리 사이트가 AI Overview에 인용되고 있는지, 콘텐츠 구조가 선정 기준에 부합하는지 진단이 필요하시면 XEO 무료 진단을 신청하세요.