ChatGPT와 Perplexity의 RAG 검색 순위 결정 요인과 스키마 마크업의 효과

섹션별 상세

RAG 시스템의 검색 순위 결정 요인: ChatGPT와 Perplexity는 검색 결과에서 상위 후보를 추출한 뒤 점수를 매겨 답변을 생성한다. Princeton GEO 논문에 따르면 답변의 직접성, 통계 인용, 구조화된 데이터, 크롤링 접근성, 콘텐츠 최신성이 핵심 신호로 작용한다.

스키마 마크업의 영향력: 스키마 마크업을 적용했을 때 정보 추출 정확도가 16%에서 54%로 크게 상승했다. 이는 단순한 개선을 넘어 검색 결과에 인용될지 여부를 결정하는 결정적인 요소로 작용한다.

용어 해설

검색 증강 생성(RAG): — 외부 데이터를 검색하여 모델의 답변에 컨텍스트로 주입하는 기법이다. 검색된 후보군 중 관련성 높은 정보를 선별하고 이를 바탕으로 답변을 생성하여 환각을 줄이고 최신 정보를 반영한다.
스키마 마크업(Schema Markup): — 웹 페이지의 콘텐츠를 검색 엔진이 이해하기 쉬운 구조로 정의하는 메타데이터 형식이다. 이를 통해 검색 엔진은 페이지의 핵심 정보를 명확히 파악하고 검색 결과에 반영할 수 있다.
JSON-LD: — 웹 페이지에 구조화된 데이터를 삽입하기 위한 JSON 기반의 표준 형식이다. 검색 엔진이 페이지의 엔티티와 관계를 구조적으로 해석하도록 돕는다.

언급된 리소스

논문Generative Search Engine Optimization (GEO)