ChatGPT는 어떤 글을 인용할까? 네트워크 트래픽으로 밝혀진 소스 선택 방식

3줄 요약

• ChatGPT는 4개 파이프라인(serp·labrador·bright·oxylabs)으로 웹 소스를 가져오고, 개인 블로그는 사실상 스크레이퍼 티어에서 경쟁합니다.
• how-to·정의형 질문은 아예 검색을 안 하고 학습 데이터로 답합니다. 그런 키워드에 글을 써도 인용될 기회 자체가 없습니다.
• 핵심 수치·정보를 JavaScript 뒤에 숨기면 모델이 읽기를 포기하고 남의 페이지(G2 같은 리뷰 사이트)를 대신 인용합니다.

왜 이 글을 파봤나

블로그를 운영하면서 요즘 제일 궁금했던 게 "구글 말고 ChatGPT 같은 AI 검색에는 어떻게 노출되지?"였어요. 검색해보면 다들 비슷한 얘기를 해요. 레딧 해라, 리스티클 써라, 좋은 콘텐츠 써라. 근데 그 근거가 뭐냐고 물으면 다들 서로를 인용하고 있죠.

그러다 SEO 컨설턴트 Suganthan Mohanadasan이 쓴 글을 봤는데 접근이 달랐어요. 결과물(답변)을 보고 추측하는 게 아니라, ChatGPT가 브라우저로 보내는 네트워크 트래픽(JSON)을 이틀간 직접 읽은 기록이에요. 약 1,240개의 소스 레코드를 까본 거라, 적어도 "구조"에 대해서는 지금까지 본 것 중 가장 확실한 자료였습니다.

ChatGPT는 소스를 어디서 가져올까 — 4개의 파이프라인

 

모든 웹 결과에는 사용자에게 안 보이는 result_source라는 필드가 붙어 있었다고 해요. 값은 4가지.

• serp — 오픈 웹 기본 검색. 주로 뉴스
• labrador — Reuters, WSJ, Wikipedia 같은 제휴/라이선스 퍼블리셔 전용 티어. 스니펫이 1,000자 넘게 통째로 들어감
• bright — 상업 스크레이핑 업체 Bright Data. 쇼핑·금융·날씨·로컬 대부분을 담당, Reddit도 여기
• oxylabs — 경쟁 스크레이퍼 Oxylabs. 지역·로컬 언론 위주

여기서 중요한 건, labrador는 언론사급 계약이 있어야 들어가는 티어라는 점이에요. 즉 우리 같은 개인 블로그·서비스는 bright/oxylabs가 긁어가는 오픈 웹 티어에서 경쟁합니다. 결론은 단순해요. 스크레이퍼가 읽기 좋은 페이지여야 한다는 것.

검색조차 안 하는 질문이 있다

더 충격적인 부분은 이거였어요. ChatGPT는 질문을 받으면 먼저 turn_use_case라는 버킷으로 분류하는데, text로 분류되면 웹 검색을 아예 안 하고 학습 데이터로만 답합니다.

"타이어 교체하는 법", "파이썬으로 정렬 함수 짜줘" 같은 건 그렇다 쳐도, "최신 당뇨병 치료 가이드라인" 같은 시의성 있는 질문도 검색 없이 답했다고 해요. 저자가 시험한 최신성 질문 10개 중 3개가 이랬습니다.

블로그 주제 선정 관점에서 이건 꽤 큰 힌트예요. how-to·정의형 키워드는 아무리 잘 써도 AI 답변에 인용될 기회 자체가 없을 수 있다는 거니까요. 반대로 비교·추천·가격처럼 검색이 도는 주제는 기회가 있고요.

가져오는 것 ≠ 인용하는 것

소스에는 세 가지 다른 운명이 있어요. 가져옴(fetched) — 모델이 컨텍스트로 읽음, 인용(cited) — 특정 문장의 출처로 각주가 달림, 언급(mentioned) — 브랜드 이름만 등장.

Reddit은 278번 가져와서 11번 인용됐는데, YouTube는 201번 가져왔지만 단 한 번도 인용되지 않았어요. 이유는 기계적이에요. 인용은 모델이 실제로 읽은 "텍스트"에 붙는데, 유튜브 페이지에서는 영상이 아니라 메타데이터만 읽히거든요. 텍스트가 통째로 있는 레딧 스레드가 유리할 수밖에요.

그리고 결과는 도메인 단위로 중복 제거됩니다. 얇은 글 20개는 1개로 뭉개져요. 주장 하나당 강한 글 하나가 답입니다.

모델이 직접 말해준 전략

thinking 모델의 사고 과정(chain of thought)이 대화에 저장돼 있었는데, 여기가 제일 재밌었어요. 가격 정보를 찾을 때 모델은 공식 페이지부터 가려고 해요. 그런데 어떤 SaaS의 가격 페이지가 JavaScript로 로드되자 이렇게 판단합니다.

"공식 페이지가 파싱이 어려우니 서드파티 소스(G2)를 인용하겠다"

내 숫자인데 남의 페이지가 인용되는 순간이죠. 가격표를 JS 토글이나 이미지로 만들어두면, 검색 순위가 낮아지는 게 아니라 내 데이터의 출처 자리를 통째로 남에게 넘겨주는 겁니다.

내 블로그와 사이드 프로젝트에 적용해볼 것

저도 Next.js로 사이드 프로젝트(콘텐츠 사이트)를 운영하면서 메타태그·sitemap 같은 SEO 기본기는 챙겨왔는데, 이 글을 읽고 나니 점검 포인트가 달라졌어요. 제가 실제로 해보려는 것들:

• CSR로만 뜨는 데이터가 있는지 확인 — Next.js App Router는 기본이 서버 렌더링이지만, 클라이언트 컴포넌트에서 fetch해서 그리는 수치는 스크레이퍼에게 안 보일 수 있어요. 핵심 정보는 서버 컴포넌트/정적 HTML로.
• 글마다 "인용될 문장" 만들기 — 인용은 문장 단위로 붙으니까, 결론·수치를 명확한 한 문장으로 박아두는 습관. 이 글 맨 위의 3줄 요약도 그 실험이에요.
• 직접 트래픽 열어보기 — 아래 스크립트를 제 ChatGPT 대화에 돌려서 어떤 파이프라인이 뭘 가져오는지 눈으로 확인해볼 생각입니다.

DevTools Network 탭에서 Preserve log 켜고 result_source를 검색만 해도 각 링크 뒤의 파이프라인이 보인다고 해요.

FAQ

Q. 그래서 개인 블로그는 뭘 하면 되나요?
핵심 정보를 일반 HTML 텍스트로 쓰고(이미지·PDF·JS 로드 금지), 주장 하나당 확실한 글 하나를 만들고, 레딧 같은 텍스트 커뮤니티의 서드파티 언급을 쌓는 것. 이 세 가지가 트래픽에서 실제로 확인된 레버예요.

 

Q. 이 글의 수치를 그대로 믿어도 되나요?
아니요. 저자 스스로 강조하듯 계정 하나, 며칠, SaaS·테크 편중 샘플이에요. result_source 같은 구조는 확실하지만, "레딧이 최다 인용" 같은 비율은 방향성 참고만 하는 게 맞습니다.

 

Q. 티스토리 블로그는 불리한가요?

렌더링 관점에선 오히려 유리해요. 티스토리는 서버에서 HTML을 그대로 내려주니까요. 관건은 렌더링이 아니라 인용될 만한 명확한 문장과 데이터가 글에 있느냐입니다.

마무리

원문의 결론이 인상적이었어요. "ChatGPT는 검색엔진이 아니니 검색엔진 최적화를 하지 마라. 사실은 내 페이지에서 읽고, 평가는 남의 페이지에서 읽는다." 결국 내 글이 해야 할 일은 둘 중 하나예요. 파싱 가능한 사실의 출처가 되거나, 남들이 인용하고 싶은 관점을 담거나.

---

출처

• 원문: How ChatGPT Actually Picks Sources — Suganthan Mohanadasan
• 함께 보면 좋은 것: Ahrefs — Why ChatGPT Cites Pages