2026 SEO 진화: Passage Ranking과 GEO 전략

한눈에 보는 이 글 * 구글의 Passage Ranking은 전 세계 검색 질의의 약 7%에 영향을 미치며, 페이지 전체가 아닌 문서 내부 특정 단락의 의미와 질의 관련성을 BERT·SMITH 알고리즘으로 평가합니다. * RAG 기반 AI 검색은 Context Relevance·Answer Faithfulness·Answer Relevance 세 가지 지표로 단락이 질문에 얼마나 적절히 답하는지 평가합니다. * 구글 AI Overviews는 2025년 1월 6.49%에서 3월 13.14%로 두 달 만에 약 100% 증가했고, AI 인용의 44%가 콘텐츠 앞부분 3분의 1에서 발생합니다. 구글 검색은 페이지(URL) 전체 평가에서 '질문에 직접 답하는 단락(Passage)' 단위 평가로 확장되었으며, RAG(Retrieval-Augmented Generation) 기반 생성형 AI 검색 구조가 확산되면서 단락 단위 정보 구조화가 2026년 SEO·GE

작성일 2026.06.01 · by 박세진

Neural Matching과 BERT— 서로 보완 관계인 두 알고리즘이 GEO 시대에 결합되는 방식

한눈에 보는 이 글 * 뉴럴매칭(2018)은 쿼리와 문서를 벡터로 변환해 '개념'을 넓게 매칭하고, BERT(2019)는 문장의 앞뒤 문맥을 양방향으로 분석해 '의도'를 정확히 해석합니다. * "맥북이 너무 뜨거워" 같은 쿼리에서 BERT가 문맥을 해석하면 뉴럴매칭이 '노트북 발열'처럼 개념적으로 유사한 문서를 벡터 공간에서 찾아내는 분업 구조로 작동합니다. * AI 검색에서 이 두 알고리즘이 중요한 이유는 5가지로, 의미 기반 콘텐츠 선택·문맥 해석·정의문 우선·개체 인식·주제 깊이입니다. 키워드매칭 시대의 종말 2013년 Google의 Hummingbird 업데이트 이후, 검색은 ‘키워드 매칭’에서 ‘의도 파악’으로 크게 진화하였습니다. 사용자가 “밤에 잠이 안오는 이유” 라고 검색 했을 때, ‘불면증 해결법’, ‘수면클리닉’ 문서가 노출됩니다. 직접적으로 불면증이나 수면이라는 단어가 언급되지 않았음에도 불구하고 검색자의 “잠이 안오는 문

작성일 2026.05.28 · by Junyoung Bai

구글 AI Mode 6단계 메커니즘과 콘텐츠 인용 전략

한눈에 보는 이 글 * 구글 AI Mode는 질문 하나를 수십~수백 개의 질문으로 확장해 단락 단위로 근거를 모으고, 하나의 답변으로 합성한 뒤 근거 단락을 출처로 표시하는 6단계 파이프라인입니다. * 무엇이 인용될지는 페이지의 검색 순위가 아니라, 마지막 단계에서 단락과 단락을 1:1로 비교하는 심사로 결정됩니다. 잘 만든 우리 페이지가 검색 1위인데도, 정작 구글 AI 답변에는 한 줄도 인용되지 않는 일이 일어납니다. AI 답변에 어떤 문장이 인용될지는 그 페이지의 검색 순위가 아니라, 6단계 파이프 라인의 마지막에서 단락을 1:1로 비교해 결정되기 때문입니다. 이 글에서 다루는 원리는 구글 AI Mode에만 적용되는 것이 아닙니다. ChatGPT, Gemini, Claude처럼 생성형 AI가 답변을 만들어 출처를 인용하는 플랫폼 전반에 공통으로 작동하는 원리입니다. 다만 설명의 기준은 구글 AI Mode로 잡았습니다. 이유는 두 가지입니다.

작성일 2026.05.22 · by MJ K.

쿼리 팬아웃(Query Fan-out) 완벽 가이드

과거의 검색 엔진은 사용자가 입력한 '키워드'를 단순히 웹페이지의 텍스트와 매칭하는 방식이었습니다. 하지만 생성형 AI의 등장으로 검색의 패러다임은 근본적으로 변화했습니다. 이제 인공지능은 단순한 단어의 나열이 아닌, 사용자의 '숨은 의도'를 파악하고 필요한 정보를 다각도로 수집하여 종합적인 답변을 제공합니다. 이러한 변화의 중심에는 바로 쿼리 팬아웃(Query Fan-Out)이라는 핵심 메커니즘이 있습니다. 이 글에서는 쿼리 팬아웃이 무엇인지, 그리고 생성형 엔진 최적화(GEO) 시대에 이를 어떻게 활용해야 하는지 알아보겠습니다. (GEO의 기본 전략은 [AI 시대 기업의 GEO 전략] 참고) 쿼리 팬아웃이란 무엇인가? 쿼리 팬아웃(Query Fan-Out)은 AI 검색 시스템이 사용자의 단일 질문(Query)을 여러 개의 세부적인 하위 질문(Subqueries)으로 분해하고 확장하는 과정을 의미합니다. 예를 들어, 사용자가 "초보자를 위한

작성일 2026.05.11 · by Sunmin Kim