LLM 인용(LLM Citation)은 챗GPT 같은 대규모 언어 모델이 답변을 만들면서 근거로 삼은 문서를 출처로 표시하고 링크를 다는 것을 말한다. AI 인용이라고도 부른다.
이 인용이 AI 검색에서 브랜드가 노출되는 유일한 자리다. 검색 결과 목록이 사라진 자리에 출처 링크 몇 개만 남기 때문이다.
같은 말이 반대 의미로 쓰이기도 한다. 논문이나 보고서에서 챗GPT를 참고 문헌으로 표기하는 일도 LLM 인용이라 부른다. 이 문서는 AI가 남의 문서를 인용하는 쪽을 다룬다.
사용자가 만든 문서를 많이 인용한다. AI 가시성 도구 Peec AI가 인용 출처 3천만 건을 챗GPT, 구글 AI 모드, 제미나이, 퍼플렉시티, AI 오버뷰에서 모아 집계한 결과 상위 네 곳은 레딧, 유튜브, 링크드인, 위키피디아였다 (Peec AI, Top domains cited by AI search).
레딧과 유튜브는 다섯 플랫폼 전부에서 상위권에 올랐다.
여기서 오해하기 쉬운 지점이 하나 있다. 상위 도메인 목록은 고정된 순위표가 아니라 계속 흔들리는 값이다.
Semrush가 프롬프트 23만 건을 13주 동안 주 단위로 추적해 인용 1억 건 이상을 모은 조사에서, 챗GPT 응답에 레딧이 등장한 비율은 2025년 8월 초 60% 가까이에서 9월 중순 10% 안팎까지 떨어졌다 (Semrush, The Most-Cited Domains in AI). 같은 기간 위키피디아도 약 55%에서 20% 미만으로 내려갔다.
특정 플랫폼의 특정 시점 데이터를 전략의 근거로 삼으면 안 된다는 뜻이다. 모델이 인용 정책을 바꾸면 그 숫자는 몇 주 만에 반토막이 난다.
두 단계를 거친다. 찾을 수 있어야 하고, 그다음 쓸 만하다고 판단돼야 한다.
두 단계의 통과 조건이 다르다. 검색 단계는 색인과 주제 일치가 좌우하고, 생성 단계는 문서에서 답을 뽑아내기 쉬운지가 좌우한다.
후보에는 올랐는데 인용이 안 되는 문서가 흔한 이유가 여기 있다. 한 문단이 앞뒤 맥락 없이 자립하지 못하면 모델이 가져다 쓸 조각이 없다.
질문이 여러 갈래로 갈라지는 구조는 쿼리 팬아웃에서 따로 다룬다.
아니다. 상관은 있지만 절반도 겹치지 않는다.
Ahrefs가 키워드 SERP 86만 3천 개와 AI 오버뷰 URL 400만 개를 대조한 결과, 인용된 URL 중 같은 검색어 상위 10위 안에 있던 것은 37.9%였다 (Ahrefs, AI Overview citations).
나머지 62%는 그 검색어의 순위표 밖에서 뽑혀 들어온 문서다.
순위를 올리는 일과 인용되는 일이 다른 작업이라는 근거가 이 숫자다. 1위 페이지가 인용되지 않는 동안 3페이지의 문서가 인용될 수 있다.
지금까지의 실측으로는 거의 효과가 없다. AI에게만 보여주려고 만든 파일과 경로는 정작 인용에서 빠진다.
Peec AI 임원이 다섯 개 사이트에 프롬프트를 걸어 모은 인용 1만 8천 건 가운데 llms.txt 파일을 가리킨 인용은 6건이었다 (Search Engine Land, Do LLM-only pages work?).
본문을 마크다운으로 복사해 둔 사이트들은 3,500회 넘게 인용됐지만 그중 마크다운 사본을 가리킨 인용은 하나도 없었다.
같은 기사에서 SE Ranking이 30만 개 도메인으로 만든 예측 모델은 llms.txt 변수를 빼자 정확도가 오히려 올라갔다.
효과가 관측된 형태도 있긴 하다. /ai 경로를 둔 사이트는 인용의 0.5%에서 16%까지 편차가 컸고, 메타데이터를 JSON으로 제공한 브랜드는 인용 1,800건 중 85건, 약 5%가 그 파일에서 나왔다.
정리하면 별도 파일을 만드는 일보다 사람이 읽는 본문을 인용하기 좋게 고치는 편이 확률이 높다.
모델이 문단 단위로 가져갈 수 있게 쓴다. 문서를 잘 쓰는 것과 인용되게 쓰는 것은 다르다.
이 작업 전체를 GEO라 부른다. 결과는 SOV나 Share of Model로 재고, 인용이 실제 방문으로 이어졌는지는 AI 트래픽으로 따로 확인한다.
서치폴라리스가 AI 검색 가시성을 진단하고 GEO 실행까지 대행합니다.