AI 엔진은 글을 인용할 때 전체 흐름을 처음부터 끝까지 읽는 경우가 드뭅니다. 대신 독립적으로 이해되는 텍스트 블록을 골라냅니다. 핵심 내용이 일곱 번째 문단에 숨어 있고 이를 이해하려면 앞선 여섯 문단을 모두 읽어야 한다면, 모델이 해당 내용을 깔끔하게 추출하거나 인용하기 어렵습니다. 중요한 것은 몇 번 인용되었느냐가 아니라, 글 안에 따로 떼어도 질문에 답할 수 있는 블록이 몇 개 있느냐입니다.
시맨틱 청킹이란 무엇인가?
시맨틱 청킹은 원래 RAG 시스템에서 사용하는 기술 용어입니다. 문서를 의미가 완결된 단위로 나눠 벡터 데이터베이스에 저장한 뒤, 질문과 가장 관련성이 높은 데이터를 검색하는 방식입니다. 콘텐츠 작성도 같은 원리를 따라야 합니다. 각 섹션을 앞뒤 맥락 없이도 이해할 수 있는 완결된 언어 단위로 구성하는 것입니다. 이렇게 작성한 글은 모델이 문장을 억지로 보완할 필요가 없고, 사용자에게 의미가 절반만 전달되는 문제도 줄어듭니다.
왜 글 전체보다 개별 블록이 중요한가?
사용자가 ChatGPT나 Perplexity에 질문하면 모델은 글 전체를 답변에 넣지 않습니다. 질문에 가장 정확하게 답하는 작은 구간을 찾아 내용을 재구성하고 출처를 덧붙입니다. 이때 활용되는 구간은 보통 1~3문장에 불과합니다. 따라서 글 안에 깔끔하고 독립적인 문단이 몇 개 있는지가 브랜드 노출 기회를 크게 좌우합니다. 논리적으로 잘 이어진 긴 글이라도 각 문단이 앞부분에 의존해 일부만 떼면 의미가 불완전하다면, 사람에게는 잘 읽혀도 모델이 추출하기는 어렵습니다.
- 첫 문장은 결론이나 정의로 시작하고, 핵심 답변을 뒤로 미루지 않습니다.
- 핵심 용어와 주어를 명확하게 밝힙니다.
- 한 가지 주제만 다루되, 범위는 좁고 내용은 충분히 완결되게 작성합니다.
- 모델이 근거로 활용할 수 있도록 구체적인 수치, 단계 또는 조건을 포함합니다.
- 문단만 따로 읽어도 독자가 의미를 이해할 수 있어야 합니다.
나중에 잘라내지 말고 처음부터 블록 단위로 작성하세요
많은 사람이 먼저 매끄러운 장문을 쓴 다음, 이를 어떻게 작은 단위로 나눌지 고민합니다. 하지만 연속된 서사를 사후에 자르면 각 블록에 대명사와 앞뒤 문맥에 대한 의존성이 남기 쉽습니다. 더 효과적인 순서는 반대입니다. 먼저 답할 질문을 정하고, 질문마다 하나의 문단을 작성합니다. 문단의 경계도 글의 호흡이 아니라 ‘질문 하나, 완결된 답변 하나’라는 기준으로 나눠야 합니다.
질문에서 거꾸로 설계하기
먼저 독자가 해당 주제에 관해 실제로 묻는 질문을 8~10개 정합니다. 예를 들어 “시맨틱 청킹과 단순한 문단 구분은 무엇이 다른가?”와 같은 질문입니다. 질문마다 직접 답하는 문단을 만들고, 첫 문장에 답을 제시한 뒤 2~3문장으로 설명과 예시를 보충합니다. 이렇게 작성하면 각 문단은 하나의 질문에 답하기 위해 존재하므로 자연스럽게 독립성을 갖습니다. FAQ 블록이 특히 인용되기 쉬운 이유도 여기에 있습니다. 결국 글 전체를 FAQ의 원칙으로 구성하는 셈입니다.
인용 가능성을 떨어뜨리는 3가지 흔한 방식
첫째는 결론을 뒤로 미루는 도입입니다. 핵심을 문단 끝에 배치하면 앞부분에는 실질적인 답이 없어 모델이 추출하기 어렵습니다. 답을 첫 문장에 제시한 뒤 설명을 이어가야 합니다. 둘째는 문단 간 과도한 의존입니다. “앞서 설명한 상황”처럼 시작하면 해당 문단만 떼었을 때 주어와 맥락이 사라져 독자도 어색하게 느낍니다. 셋째는 한 문단에 여러 핵심을 넣는 방식입니다. 모델은 어느 문장을 골라야 할지 판단하기 어려워 문단 전체를 제외하기도 합니다. 한 문단에 2개나 3개의 요점을 넣지 말고, 하나만 다루는 편이 좋습니다.
길이, 형식, 내부 구조
인용 블록의 길이에 절대적인 기준은 없지만, 대부분 2~5문장 또는 약 60~120단어가 적절합니다. 너무 짧으면 완결된 답을 담기 어렵고, 너무 길면 모델이 한 문장만 가져가 나머지 내용이 활용되지 않을 수 있습니다. 형식도 중요합니다. 정의는 “X는 …이다”로 시작하고, 절차는 단계별 목록으로, 비교는 열이 구분된 표로 제시하며, 수치는 문장 앞부분에 배치하세요. 이런 구조 자체가 해당 블록에 완결된 답이 있다는 신호가 되어 모델이 전체 내용을 추출하기 쉬워집니다.
제목도 청킹의 일부입니다. “주의할 점”보다 “인용 가능성을 떨어뜨리는 3가지 흔한 방식”이 더 좋은 제목입니다. 후자는 아래 블록에서 다룰 내용과 범위를 미리 알려주므로, 모델이 제목과 문단의 주제를 더 정확하게 연결해 답변을 구성할 수 있습니다.
글 전체의 청킹 품질은 어떻게 검증할까?
작성을 마쳤다면 2가지를 확인하세요. 첫째, 글에서 따로 추출해도 의미가 완결되는 블록이 몇 개인지 세어봅니다. 이것이 해당 글의 인용 밀도입니다. 둘째, 글의 핵심 질문을 ChatGPT, Perplexity, Google AI Overviews에 각각 입력하고, 모델이 답변에 가져온 문단이 의도한 블록인지 확인합니다. 다른 출처를 인용하고 내 글을 제외했다면 글의 품질이 낮아서라기보다 답변 블록이 깔끔하게 추출되지 않기 때문일 수 있습니다. AI 엔진에서 놓치고 있는 부분을 확인하고 싶다면 약 30분 동안 GEO 진단을 진행해 페이지를 직접 점검해 드립니다.
