2만7000쪽 분석으로 드러난 검색·캐시·인용의 구조

ChatGPT가 웹을 검색해 답변할 때, 사용자가 운영하는 웹페이지 전체를 처음부터 끝까지 읽는 경우는 드뭅니다. 대부분의 답변은 검색엔진이 가져온 제목과 주소, 약 200자 분량의 짧은 요약문을 바탕으로 작성됩니다. 2026년 7월 수집된 1,200건 이상의 실제 답변과 2만7,000쪽이 넘는 웹페이지를 분석한 결과입니다.

resoneo 분석에 따르면 ChatGPT가 검색으로 불러온 URL은 약 5만8,000개였습니다. 이 가운데 출처 패널에 주요 출처로 올라온 URL은 7,600개, 답변 본문에 인용된 URL은 5,000개였습니다. 모델이 실제로 페이지를 열어 읽은 경우는 760건에 그쳤습니다.

resoneo 연구진은 이 결과가 웹사이트의 실제 품질만으로는 ChatGPT 노출을 설명하기 어렵다는 점을 보여준다고 분석했습니다. 특정 사이트가 어떤 검색 경로에 포함되는지, 모델이 어떤 형식의 정보를 받는지, 해당 정보가 얼마나 오래 캐시에 남아 있는지가 모두 영향을 미친다는 설명입니다.

8월 변화…무료 ‘Think’와 유료 추론의 경로가 달라졌습니다

2026년 8월 추가 실험에서는 무료 계정에 ‘Think’ 버튼이 추가된 뒤 검색 구조가 크게 달라진 사실이 확인됐습니다. 무료 Think 모드는 OpenAI의 자체 색인인 ‘labrador’에서 결과의 약 75%를 가져왔습니다. 반면 유료 추론 모드는 같은 수준의 검색량을 보이면서도 결과의 약 75%를 Google 검색 결과를 수집한 경로에서 가져왔습니다.

같은 무료 계정에서도 ‘Think’를 누르면 검색 범위가 크게 넓어졌습니다. 동일한 60개 질문을 비교한 결과, 일반 즉시 답변은 대화당 평균 15.1개의 URL을 가져온 반면 Think 모드는 35.3개를 가져왔습니다. 고유 도메인 수 역시 9.8개에서 16.3개로 증가했습니다.

반대로 유료 추론 모드의 검색 범위는 7월보다 좁아졌습니다. 중간 노력 수준에서 대화당 검색 확산 횟수는 3.56회에서 1.90회로, 수집 URL은 47.2개에서 33.9개로 줄었습니다. 고급 노력 수준에서도 수집 URL은 67개에서 40.5개로 감소했습니다.

연구진은 이 변화가 7월 26일과 31일 사이에 발생한 것으로 추정했습니다. 8월에 발표된 GPT-5.6의 제품별 모델 배치가 검색량 축소의 직접적인 원인이라고 단정할 수는 없다고 덧붙였습니다.

OpenAI는 무료 계정에 기본 모델인 ‘Luna’를, 유료 계정에 ‘Sol’을 적용한다고 설명했습니다. Think 버튼은 무료 계정에서 Luna가 더 오래 생각하는 방식으로 소개됐습니다. 다만 실제 스트림 데이터에는 luna, sol, terra라는 명칭이 등장하지 않았기 때문에, 무료 Think가 Luna를 사용할 가능성은 OpenAI의 설명에 기반한 추정으로 남아 있습니다.

API에서 동일한 62개 질문을 네 가지 모델로 시험한 결과도 모델별 차이를 보여줬습니다.

다만 API 결과를 chatgpt.com 제품에 그대로 적용할 수는 없습니다. 같은 질문에서 API 모델은 61~71%의 답변에서 검색을 반복했지만, 실제 제품에서는 반복 검색 비율이 0~17%에 그쳤습니다. API 실험은 모델과 도구 계약의 특성을 보여줄 뿐, 일반 사용자가 화면에서 경험하는 ChatGPT의 동작 전체를 대변하지 않는다는 의미입니다.

7월의 무료 ChatGPT는 대부분 자체 색인을 사용했습니다

7월 기준 무료 계정의 즉시 답변 493건에서는 추론 모드로 전환된 사례가 한 건도 없었습니다. 검색 확산도 대체로 한 차례에 그쳤고, 모델이 페이지를 직접 연 사례도 거의 없었습니다.

질문의 성격에 따라 사용되는 검색 경로도 달랐습니다.

경기 결과나 당일 정책 결정처럼 하루 안에도 바뀌는 실시간 정보가 Google 수집 경로로 연결되는 대표적인 유형이었습니다. 그 밖의 안정적인 정보, 사업체·장소, 제품 질문은 대부분 labrador가 처리했습니다.

유료 추론 모드에서는 양상이 반대였습니다.

무료 Think가 도입된 8월에는 이 구조가 다시 달라졌습니다. 무료 Think는 유료 추론 모드와 비슷한 검색량을 보였지만, 자체 색인인 labrador를 중심으로 결과를 가져왔습니다.

labrador는 Bing의 다른 이름이 아닌 것으로 나타났습니다

labrador가 Bing을 다른 이름으로 부르는 것이라는 추정은 분석 결과와 맞지 않았습니다. Bing의 검색 결과 제목은 최대 75자에서 잘리지만, labrador가 가져온 제목의 약 4분의 1은 75자를 넘겼습니다. 분석된 제목 가운데 가장 긴 사례는 977자였습니다.

labrador의 스니펫도 Bing과 달랐습니다. Bing은 폭과 길이가 불규칙했지만, labrador의 스니펫은 모든 결과에서 202자 부근에서 멈췄습니다. Google과 Bing에 함께 노출된 URL을 비교해도 labrador의 스니펫은 두 검색엔진의 문구를 그대로 재사용하지 않았습니다.

연구진은 labrador를 OpenAI가 직접 운영하는 검색 색인으로 규정했습니다. 이 색인은 언론사 피드, 공개 과학 저장소, 파트너 플랫폼의 자료로 보강되지만, 특정 언론사와 계약한 곳만 이용할 수 있는 독점 목록은 아닌 것으로 분석됐습니다. 계약 여부와 관계없이 수백 개 매체가 동일한 형식과 길이, 신선도 기준으로 처리됐기 때문입니다.

7월 검색 결과만 놓고 보면 무료 즉시 모드에서는 labrador가 63.6%, Google 수집 경로인 bright가 34.7%, serp가 1.6%를 차지했습니다. 유료 추론 모드에서는 bright가 74.6%, labrador가 23.6%, serp가 1.9%였습니다.

여기서 oxylabs는 일반 웹검색이 아니라 뉴스 결과를 공급하는 경로였습니다. 모든 oxylabs 결과가 뉴스 유형이었기 때문에 검색 결과만 따로 계산하면 비중은 0%로 떨어졌습니다. 반대로 과학 자료와 포럼은 전부 labrador가 공급했습니다.

모델이 보는 웹페이지는 제목과 약 200자입니다

대부분의 즉시 답변에서 모델이 웹페이지에 대해 받는 정보는 URL, 제목, 스니펫 세 가지였습니다. 모델이 페이지를 직접 열지 않는다면 웹사이트가 검색 결과 안에서 보여주는 이 세 요소가 사실상 해당 사이트의 전부가 됩니다.

검색 경로별 형식은 다음과 같았습니다.

bright는 Google 검색 결과의 형식을 그대로 따르는 경향이 있었습니다. 제목은 약 60자에서 잘렸고, 약 4분의 1에는 말줄임표가 붙었습니다. labrador는 제목을 거의 자르지 않았으며, 75자를 넘는 긴 제목도 그대로 전달했습니다.

labrador의 일반 검색 스니펫은 메타 설명이 아니라 렌더링된 페이지 본문 앞부분을 바탕으로 만들어졌습니다. H1 태그가 있는 페이지에서는 스니펫의 80%가량에 H1이 들어갔습니다. H1을 포함한 387개 스니펫 가운데 H1이 첫 글자부터 시작한 경우는 297개였습니다.

스니펫은 대체로 세 부분으로 구성됐습니다. H1 앞에 있는 요소, H1 자체, 그리고 남은 공간에 들어가는 본문입니다.

분석된 페이지에서 H1이 스니펫에 포함된 387건 가운데 H1 앞에 다른 내용이 붙은 경우, 그 길이는 중앙값 20자였습니다. H1 자체의 중앙값은 51자였고, 실제 본문에 할당된 공간은 약 146자였습니다.

연구진은 웹사이트 운영자가 ChatGPT의 일반 검색 노출을 고려한다면 H1을 명확히 표시하고, H1과 첫 문단 사이에 불필요한 요소를 줄여야 한다고 분석했습니다. 특히 제목 바로 아래에 배치된 첫 이미지의 대체 텍스트는 스니펫 공간을 크게 차지할 수 있습니다.

페이지의 약 7분의 1은 H1 태그가 없었습니다. 이런 경우 스니펫은 템플릿 안의 다른 소제목이나 본문 요소를 기준으로 생성돼 운영자가 통제하기 어렵습니다.

색인과 읽기 캐시는 서로 다른 저장소입니다

ChatGPT가 웹페이지를 찾는 저장소와 페이지 전체를 읽기 위해 사용하는 저장소는 별개인 것으로 분석됐습니다.

색인에 포함된 URL이라고 해서 읽기 캐시에도 반드시 들어가는 것은 아니었습니다. 반대로 ChatGPT-User가 페이지를 방문했다고 해서 모든 페이지가 읽기 캐시에 저장된다고 단정할 수도 없었습니다.

읽기 캐시는 약 30분 동안 새로고침되지 않았습니다. 한 사용자가 오후 2시에 페이지를 요청하고 다른 사용자가 오후 2시 29분에 같은 페이지를 요청하면, 두 번째 사용자는 첫 번째 요청 때 만들어진 사본을 받을 수 있습니다.

30분이 지나면 ChatGPT는 우선 기존 사본을 제공한 뒤 백그라운드에서 원본 페이지를 다시 확인하는 방식으로 작동하는 것으로 추정됐습니다. 따라서 서버 로그에 ChatGPT-User가 나타난 시점은 현재 사용자가 본 페이지를 읽은 순간이 아니라, 다음 사용자를 위한 캐시 갱신일 가능성이 있습니다.

실험에서는 25분 시점까지 새 방문이 없었고 31분과 33분 시점에는 갱신이 발생했습니다. 한 시간, 9시간, 10일 뒤에도 같은 패턴이 관찰됐습니다. 이에 따라 갱신 기준은 25~31분 사이이며, 30분이 가장 유력한 기준으로 제시됐습니다.

캐시 보존 기간은 더 길었습니다. 한 페이지는 최초 요청 뒤 12일이 지나도 같은 사본이 제공됐고, 별도 실험에서는 90일이 넘은 사본도 확인됐습니다. 이는 30분의 신선도 갱신 기준과 캐시 자체의 보존 기간을 구분해야 한다는 뜻입니다.

실험용 페이지에는 Cache-Control: no-store가 설정돼 있었지만, 해당 페이지도 캐시됐습니다. noindex 지시가 포함된 페이지 역시 OpenAI의 로봇이 방문하면 색인과 캐시에 들어갈 수 있는 것으로 나타났습니다.

세 로봇의 역할이 달랐습니다

분석에서는 세 종류의 로봇이 서로 다른 역할을 하는 것으로 정리됐습니다.

• OAI-SearchBot: 검색 색인을 만들고 일부 읽기 캐시도 구성합니다.
• ChatGPT-User: 모델이나 사용자가 특정 페이지를 열도록 요청했을 때 전체 페이지를 읽기 캐시에 저장합니다.
• GPTBot: 학습용 크롤러로 추정되며, 분석된 색인과 읽기 캐시를 구성하는 주된 로봇은 아니었습니다.

거의 모든 색인 항목은 GPTBot의 마지막 방문 이후에 갱신된 것으로 나타났습니다. 이는 학습용 크롤링과 ChatGPT 답변에 필요한 웹 접근이 별개의 과정이라는 점을 보여줍니다.

GPTBot은 사이트맵을 대략 하루에 한 번 내려받았지만, 사이트맵에만 등록되고 내부 링크로 연결되지 않은 8개 URL은 하나도 방문하지 않았습니다. 반면 링크로 접근할 수 있던 8개 페이지는 모두 크롤링했습니다. Bingbot, ClaudeBot, GoogleOther는 반대로 사이트맵을 통해 방문하고 링크가 없는 페이지도 찾았습니다.

이 결과만으로 OpenAI가 사이트맵을 전혀 사용하지 않는다고 결론 내릴 수는 없습니다. 다만 분석된 실험에서는 OpenAI의 발견 과정이 사이트맵보다 링크에 더 의존하는 모습이 나타났습니다.

캐시는 사용자별이 아니라 URL별로 공유됐습니다

캐시가 사용자별로 분리되지 않는다는 점도 실험으로 확인됐습니다. 연구진은 페이지가 제공되는 순간 무작위 식별자를 기록하고, 서버 로그에도 같은 값을 남겼습니다.

첫 번째 계정이 페이지를 요청한 뒤 22분이 지나 다른 국가의 별도 계정이 같은 페이지에 대해 질문했습니다. 두 번째 계정의 답변에는 첫 번째 계정이 생성한 식별자가 그대로 포함됐습니다. 그 사이 두 번째 계정의 요청이 원본 서버에 도달한 기록은 없었습니다.

이에 따라 캐시의 기준은 사용자나 국가, 요금제가 아니라 페이지 주소인 것으로 분석됐습니다. 한 계정이 만든 페이지 사본이 다른 계정에 제공될 수 있다는 의미입니다.

API가 보여준 내부 정보…검색 결과의 나이도 확인됐습니다

OpenAI의 API에서 include: ["web_search_call.results"]를 사용하면 일반 애플리케이션 화면에는 보이지 않는 일부 메타데이터를 확인할 수 있었습니다.

[wordlim: 200] Published: today; Crawled: 6 days ago; <page content>

분석 대상 7,782개 검색 결과에서 확인된 주요 정보는 다음과 같습니다.

• Crawled: OpenAI가 제공하는 콘텐츠 사본의 수집 시점
• wordlim: 해당 도메인에 할당된 단어 한도
• 출처 유형: 검색, 뉴스, 과학, 포럼, 직접 연 페이지 등

이 정보는 문서화되지 않은 내부 표식이며, OpenAI가 언제든 제거할 수 있다고 연구진은 설명했습니다.

도메인별 단어 한도도 차이를 보였습니다.

동일한 도메인과 채널 조합에서는 단어 한도가 일정하게 유지됐습니다. PDF도 해당 도메인의 한도를 물려받았습니다. 100단어 한도 도메인은 알려진 콘텐츠 계약사와 겹쳤지만, 25단어 한도에는 계약 관계가 확인된 매체와 그렇지 않은 매체가 함께 포함돼 원인은 확정되지 않았습니다.

OpenAI가 3월 공개한 ChatGPT 시스템 프롬프트에도 출처별 기본 한도를 정하는 [wordlim N] 지시가 포함됐습니다. API 측정 결과는 이 지시가 실제 검색 결과 처리 과정에서도 적용될 가능성을 뒷받침했습니다.

Wikipedia는 두 달, Reddit은 게시 시점에 멈춰 있었습니다

Crawled 필드는 웹페이지가 언제 발행됐는지가 아니라 ChatGPT가 현재 제공하는 사본이 언제 수집됐는지를 보여줍니다. 따라서 최신 정보처럼 보이는 페이지도 오래된 사본일 수 있습니다.

Wikipedia 분석 결과 308개 결과 중 209개는 8~90일 전 수집된 사본이었습니다. Wikipedia가 하루에도 여러 차례 수정되는 것과 달리, ChatGPT가 제공한 콘텐츠는 월간 데이터 덤프 생성 주기에 가까운 패턴을 보였습니다.

Reddit은 더 뚜렷한 특징을 보였습니다. 수집 시점의 중앙값은 스레드 생성일과 거의 같았고, 일부 스레드는 최대 7년 전 생성일로 표시됐습니다. 오래된 게시물에 이후 추가된 댓글이나 수정 내용이 사본에 반영되지 않았을 가능성이 제기됐습니다.

뉴스는 직접 수집과 파트너 공급이 함께 작동했습니다

Reuters는 분석 대상 애플리케이션에서 120회 등장한 주요 뉴스 도메인이었지만, API의 별도 실험 10회에서는 한 번도 검색되거나 열린 페이지로 나타나지 않았습니다. Reuters의 위성 도메인들은 정상적으로 검색됐고, site:reuters.com 질의도 47회 발생했지만 모두 결과가 없었습니다.

연구진은 이러한 패턴을 뉴스 콘텐츠가 일반 크롤링과 별도의 직접 공급 경로를 통해 들어올 가능성으로 해석했습니다. 파트너사가 API를 통해 기사를 OpenAI에 전달하면, 해당 기사는 최초 크롤링 없이도 뉴스 결과에 포함될 수 있다는 설명입니다.니다.

뉴스 스니펫은 일반 검색 결과보다 훨씬 길었습니다. 중앙값은 약 1,100자였고, 최대 200단어로 제한됐습니다. 일부 도메인에서는 100단어 단위의 한도도 관찰됐습니다.

이 뉴스 요약은 기사에서 그대로 복사한 문장이 아니라 기계가 다시 작성한 내용으로 분석됐습니다. 기사 제목으로 시작하는 경우가 거의 없었고, 웹에서 동일한 문구를 찾을 수 없는 사례가 대부분이었습니다.

한 매체가 같은 답변 안에서 뉴스와 일반 검색 경로로 동시에 등장한 사례도 있었습니다. 7월 30일 캡처에서 Le Monde는 180단어 분량의 뉴스 요약으로 7차례, 32자 분량의 일반 검색 스니펫으로 한 차례 나타났습니다. 연구진은 뉴스라는 표식이 주제나 매체의 성격이 아니라 콘텐츠가 유입된 경로를 의미한다고 설명했습니다.

Bing 경로는 Team 계정에서만 관찰됐습니다

OpenAI의 Bing 사용 여부를 둘러싼 분석에서는 계정 유형에 따른 차이가 나타났습니다. 6월 Jérôme Salomon이 수행한 Team 계정 실험에서는 검색 결과의 93.7%가 bing 경로로 표시됐습니다. 같은 시기 연구진이 사용한 무료·유료 계정에서는 해당 경로가 한 번도 관찰되지 않았습니다.

지역과 무료·유료 여부만으로는 이 차이를 설명하기 어려웠습니다. 연구진은 Team 계정에 Microsoft와의 별도 연동이 제공될 가능성을 가장 유력한 가설로 제시했지만, 계약 내용은 확인하지 못했습니다.

검색 결과 대부분은 표시되지만, 눈에 띄지는 않습니다

ChatGPT의 출처 구조는 검색 결과가 수집됐는지, 출처 패널에 노출됐는지, 답변 본문에 인용됐는지를 구분해야 이해할 수 있습니다.

분석 결과 모든 검색 URL은 사용자가 ‘Sources’를 눌렀을 때 열리는 출처 패널 안 어딘가에 표시됐습니다. 다만 대부분은 상단에 노출되지 않고 ‘More’ 영역 아래로 밀렸습니다.

검색 결과 10개 중 9개는 출처 패널의 ‘More’ 영역에 머물렀습니다. 사용자가 별도로 열어보지 않으면 사실상 보이지 않는 위치입니다.

인용은 하나의 주소만 연결하는 방식도 아니었습니다. 하나의 인용 표시에 여러 URL이 연결될 수 있으며, 화면에는 첫 번째 출처의 이름과 함께 ‘+1’ 같은 표시가 나타났습니다. 나머지 URL은 도구 설명을 열어야 확인할 수 있습니다.

대화당 중앙값은 출처 패널 하단에 약 20개 URL, 상단에 약 5개 URL, 답변 본문에 약 3개 인용이었습니다. 모델이 페이지를 직접 연 경우의 중앙값은 0개였습니다.

모델이 직접 연 페이지는 인용될 가능성이 크게 높았습니다

모델이 페이지를 직접 연 경우 해당 페이지가 답변에 인용될 확률은 74%였습니다. 검색 결과 목록에만 포함된 페이지의 인용 확률은 7%였습니다.

다만 페이지를 직접 여는 행위 자체는 드물었습니다. 수집된 출처 패널 URL 약 80개 중 실제로 열린 페이지는 평균 한 개 수준이었습니다. 759개의 열람 가운데 757개는 7월 유료 추론 모드에서 발생했고, 무료 계정에서는 두 대화에서 한 페이지씩 열린 정도였습니다.

8월에는 무료 Think 모드에서도 대화당 평균 0.28페이지가 열렸습니다. 페이지 열람이 무료 계정에서 완전히 배제되지는 않게 됐지만, 여전히 예외적인 동작이었습니다.

모델은 규제자료, 정부·공공기관 문서, 공식 문서 같은 1차 자료를 자주 열었습니다. 많이 열린 도메인에는 OpenAI, Anthropic, Microsoft Learn, 유럽연합 디지털전략 사이트, 뉴스룸, 가격 안내 페이지 등이 포함됐습니다.

다만 직접 열린 페이지 759개 가운데 검색 결과 객체로 확인 가능한 것은 440개였습니다. 이 440개 중 326개가 인용됐습니다. 검색 결과에만 포함된 5만7,853개 가운데 인용된 것은 4,303개였습니다.

ChatGPT는 검색 결과에 없는 URL도 인용했습니다

즉시 답변 모드에서는 인용 URL의 85%가 검색 결과 목록에 나타나지 않았습니다. 추론 모드에서는 이 비율이 31%로 낮아졌습니다.

이 가운데 일부는 지도, 제품 카드, 기업·인물 정보 카드처럼 검색 채널 밖에서 생성된 위젯에서 유입된 것으로 보였습니다. 나머지는 모델의 자체 기억에 기반해 브랜드 홈페이지 등을 제시한 결과일 가능성이 있지만, 두 경로를 정확하게 구분하기는 어려웠습니다.

arXiv와 Reddit은 검색 결과로는 자주 수집됐지만 사용자에게 노출되는 경우가 적었습니다. arXiv는 연구 corpus에서 2,600회 이상 등장했지만 인용은 10회에 그쳤고, 모델이 직접 연 사례는 없었습니다.

arXiv가 스니펫 없이 제공되기 때문이라는 해석도 있었지만, 스니펫이 포함된 117개 사례에서도 인용은 한 번도 발생하지 않았습니다. 연구진은 arXiv가 단순히 정보가 부족해서가 아니라, ChatGPT가 검색 결과를 사용자에게 보여주는 단계에서 별도로 제외하는 구조일 가능성을 제시했습니다.

Reddit도 비슷한 패턴을 보였습니다. 모델의 판단을 구성하는 데 사용될 수 있지만, 일반 웹페이지에 비해 최종 답변에서 사용자에게 드러나는 빈도는 낮았습니다. 따라서 특정 도메인이 ChatGPT에서 많이 검색됐다는 사실만으로 실제 유입 가능성이 높다고 판단해서는 안 됩니다.

인용은 주소가 아니라 검색 결과의 위치를 따릅니다

ChatGPT는 인용을 turn0search11과 같은 좌표 형태로 관리했습니다. 이는 특정 대화의 특정 검색 결과 순번을 가리키는 방식입니다.

Google의 Gemini 역시 PerQueryResult(index='6.2')처럼 여섯 번째 검색 질의의 두 번째 결과를 가리키는 구조를 사용하는 것으로 소개됐습니다. 두 시스템 모두 인용을 단순한 URL이 아니라 검색 당시 저장된 결과의 위치로 관리하는 셈입니다.

이 구조에서는 웹페이지의 최신성이나 전체 품질이 검색 결과 목록에 들어오기 전부터 고려됩니다. 검색 결과에 포함되지 못한 페이지는 이후 인용 단계로 넘어갈 기회를 얻기 어렵습니다.

검색·뉴스·지도·쇼핑·이미지는 각각 다른 시스템입니다

ChatGPT의 웹 관련 기능은 하나의 검색엔진으로 통합돼 있지 않았습니다. 분석에서는 검색, 뉴스, 지도·지역 정보, 쇼핑, 이미지가 서로 다른 공급망을 사용하는 것으로 정리됐습니다.

지역 정보는 Yelp, TripAdvisor, Google Maps 같은 피드를 기반으로 제공됐습니다. Yelp로 표시된 항목 가운데 약 5분의 1은 Google Business Profile에서 복사된 것으로 보이는 링크를 포함했습니다. 즉, 공급자 표식 하나만으로 각 정보의 실제 출처를 완전히 알기는 어려웠습니다.

쇼핑 상품 카드는 일반 웹검색과 연결되지 않았습니다. 웹 검색에서 특정 사이트가 높은 순위에 오르더라도 상품 카드에 자동으로 들어가는 구조는 확인되지 않았습니다. Amazon은 Amazon을 직접 요청한 질문에서도 상품 제안에 나타나지 않았습니다.

상품 카드는 계정이나 국가가 달라도 동일한 문구가 반복됐고, 수주 또는 수개월 동안 유지됐습니다. 상품이 처음 조회될 때 생성된 카드가 이후 사용자에게 계속 제공될 가능성이 제기됐습니다.

이미지는 OpenAI가 다시 호스팅하는 방식으로 제공돼 원본 웹사이트 서버에 요청이 남지 않을 수 있었습니다. 추론 모드의 이미지 미리보기에서는 Bing의 이미지 전달망이 사용된 흔적이 관찰됐으며, 분석 corpus에서 확인된 Microsoft 관련 흔적은 이것이 유일했습니다.

Reuters·Wikipedia·Reddit의 노출 방식은 서로 달랐습니다

뉴스 유입 경로에 따라 같은 매체의 콘텐츠도 다른 형태로 표시됐습니다. 파트너 API를 통해 직접 들어온 기사는 뉴스 요약으로 제공됐고, 일반 크롤링으로 발견된 기사는 검색 스니펫으로 나타났습니다.

Wikipedia는 월간 덤프에 가까운 사본이 제공됐고, Reddit은 스레드 생성 당시의 내용에 가까운 사본이 제공됐습니다. 이러한 차이는 ChatGPT가 항상 실시간 원문을 읽는다는 인상을 경계해야 한다는 점을 보여줍니다.

연구진은 ChatGPT 답변에서 콘텐츠가 인용됐다고 해서 해당 페이지가 최근에 읽혔다고 볼 수 없다고 설명했습니다. 인용에는 오래된 색인 사본, 별도 뉴스 피드, 사용자별이 아닌 공유 캐시가 모두 영향을 미칠 수 있기 때문입니다.

아직 확인되지 않은 세 가지

첫째, 새 페이지가 OpenAI 색인에 처음 들어가는 조건은 확인되지 않았습니다. 고아 페이지, 한 차례 읽힌 페이지, 이미 알려진 페이지에서 링크된 페이지, 사이트맵에 등록된 페이지를 대상으로 실험이 진행 중입니다.

둘째, 긴 답변을 요청하면 검색량이 늘어나는지 확정되지 않았습니다. 추론 모드에서는 답변 길이와 인용 수가 뚜렷하게 연동됐지만, 즉시 모드에서는 그런 관계가 확인되지 않았습니다. 긴 답변 지시가 검색 예산을 늘리는지, 어려운 질문이 동시에 긴 답변과 많은 검색을 요구하는지는 구분되지 않았습니다.

셋째, 스니펫이 없는 URL이 즉시 모드에서 오히려 더 자주 인용되는 이유도 밝혀지지 않았습니다. 스니펫이 없는 결과의 인용률은 14.9%로, 스니펫이 있는 결과의 8.2%보다 높았습니다.

지역 검색에서는 지도 위젯이 답변의 실제 근거이고 URL 목록은 보조적인 장식일 가능성이 제기됐습니다. 뉴스 검색에서는 특정 URL에 스니펫이 반복적으로 빠지는 다른 메커니즘이 관찰됐습니다. 일반 웹페이지 결과에서 스니펫이 없는 URL이 왜 인용되는지는 추가 실험이 필요한 상태입니다.

기타 관찰된 특징

분석에서는 검색 경로와 페이지 처리 방식에 관한 추가적인 특징도 확인됐습니다.

• OpenAI 내부 코드의 쇼핑 실험 식별자에 Bright Data라는 이름이 포함된 사례가 있었습니다.
• 같은 질문을 같은 계정에서 반복해도 검색엔진 경로가 바뀌는 경우가 있었으며, 재실험 질문의 약 3분의 1이 다른 엔진으로 전환됐습니다.

결국 ChatGPT의 검색 인용은 단순한 웹 노출의 결과가 아닙니다. 검색 엔진이 수집하는 방식, 캐시의 신선도, 그리고 모델이 답변을 생성하는 경로에 대한 이해가 선행되어야 합니다. 오늘 살펴본 데이터가 우리 브랜드의 콘텐츠 구조를 다시 점검하는 계기가 되길 바랍니다