Gemini·Claude 답변 공략 — 두 엔진의 인용 특성

같은 질문을 던져도 Gemini와 Claude는 다른 페이지를 끌어다 답한다. 흔히 "엔진마다 답변이 다르다"고 말하지만, 실무에서 더 중요한 건 그 차이가 어디서 오느냐다. 두 엔진은 출신부터 다르다. Gemini는 구글이라는 거대한 색인 위에 앉아 있고, Claude는 자기가 확신하지 못하는 문장을 입에 담지 않으려는 성격을 가졌다. 이 둘을 같은 체크리스트로 공략하려는 시도가 현장에서 자주 보는 실수다. 토대는 겹쳐도 무게중심이 다르기 때문이다.

Gemini는 구글의 기억을 빌려 쓴다

Gemini를 이해하는 가장 빠른 길은 "이건 새 검색엔진이 아니다"라고 받아들이는 것이다. Gemini와 구글 AI 개요는 독립된 색인을 새로 파는 대신, 구글이 이미 쌓아둔 검색 인프라와 지식그래프 위에서 답을 합성한다. 결론은 차갑다. 구글이 모르는 페이지는 Gemini도 모른다. 후보 목록에 오르지 못한 문서는 인용될 기회 자체를 갖지 못한다.

그래서 Gemini용 작업은 거의 SEO의 연장선처럼 시작한다. 색인이 되는지, 자바스크립트 뒤에 본문이 숨어 있지 않은지, 사이트맵이 살아 있는지부터 본다. 그다음이 엔티티다. 구조화 데이터 ↗로 Organization, FAQPage 같은 정보를 기계가 읽도록 표시하고, 회사·제품·인물 이름이 페이지마다 제각각으로 불리지 않도록 통일한다.^[3] 구글의 지식그래프가 "이 엔티티는 이런 것"이라고 또렷이 이해할수록, Gemini가 그 엔티티를 답변에 끌어 쓸 여지가 생긴다. 같은 회사를 어떤 페이지선 영문 약칭으로, 다른 페이지선 한글 정식 명칭으로 부르면 지식그래프 입장에선 둘이 같은 대상인지 확신하기 어렵다. 이런 사소한 불일치가 누적되면 엔티티가 흐려진다.

크롤러 제어는 Google-Extended 한 토큰으로 끝난다. 구글 크롤러 문서 ↗에 따르면 이 토큰은 일반 검색 크롤링과 분리돼 있어서, 차단해도 검색 색인이나 순위는 흔들리지 않는다.^[2] 검색에는 남기되 생성형 기능에선 빠지는 선택지가 열려 있다는 뜻이다. 노출을 원한다면 답은 간단하다. 막지 마라.

Claude는 확신이 서야 인용한다

Claude의 성격은 한 줄로 요약된다. 근거가 약하면 말을 아낀다. 이 신중함이 인용 단계에서 그대로 드러난다. Claude는 본문에 박혀 있는 사실·수치·날짜·출처를 좋아하고, 검증할 수 없는 형용사 더미는 잘 집어 들지 않는다.

체감하려면 같은 내용을 두 가지로 써보면 된다. "업계 최고의 솔루션"은 Claude가 그대로 따올 근거가 없다. 반면 예컨대 "도입 고객 100여 곳, 평균 응답 수 초"처럼 검증 가능한 형태로 쓰고 출처를 붙이면, 한 문장으로 추출되어 인용 가능한 단위가 된다. 마케팅 카피를 사실 진술로 바꾸는 일, 그게 Claude 대응의 핵심이다.

이 원리는 AI 인용 메커니즘 일반론과도 맞물린다. 한 문단에서 완결된 사실 하나를 떼어낼 수 있게 청크를 자르고, 주장 바로 옆에 출처를 인라인으로 붙이는 인용 가능한 콘텐츠 구조가 특히 Claude에서 잘 먹힌다. 사실 밀도가 높을수록 Claude가 안전하게 디딜 발판이 늘고, 발판이 늘수록 답변에 들어갈 확률이 오른다.^[4]

봇 구성도 단순하지 않다. Anthropic은 하나의 크롤러가 아니라 셋을 따로 굴린다. 학습용 ClaudeBot, 사용자가 던진 질문을 따라 실시간으로 페이지를 가져오는 Claude-User, 검색 품질을 담당하는 Claude-SearchBot. Anthropic 안내 ↗에 따르면 셋은 robots.txt에서 각각 독립적으로 제어된다.^[1] 여기서 흔한 사고가 난다. "AI 학습 차단" 한 줄을 넣겠다고 Anthropic 계열을 통째로 막으면, 사용자 조회·검색 봇까지 함께 닫혀 Claude 답변에서의 인용 기회를 같이 날린다. 학습은 거부하되 조회는 허용하고 싶다면, 봇별로 분리해서 적어야 한다.

두 엔진을 나란히 놓으면

겹치는 부분은 분명하다. 추출 가능한 구조, 명시적 출처, 깨끗한 크롤러 정책은 어느 쪽에도 손해가 없다. 갈리는 건 질문이다. Gemini는 "구글이 이 페이지와 엔티티를 이해하는가"를 묻고, Claude는 "이 문장을 안전하게 인용할 근거가 있는가"를 묻는다. 같은 페이지가 한 엔진의 질문엔 합격하고 다른 엔진의 질문엔 떨어질 수 있다.

그래서 한 엔진만 보면 안 된다

한 엔진의 점수만 보고 콘텐츠 전체를 판단하면 엉뚱한 곳을 손본다. Gemini에서 잘 잡히던 페이지가 Claude에선 사실 밀도가 모자라 빠질 수 있고, 거꾸로도 일어난다. 두 신호가 다른 축에 있으니 당연한 일이다. 그래서 멀티엔진 측정으로 엔진별 노출과 점유율을 따로 떼어 보고, 약한 쪽에 맞춰 콘텐츠를 보강하는 순환이 필요하다.

방법은 거창하지 않다. 동일한 프롬프트 묶음을 Gemini·Claude·기타 엔진에 반복 질의하고, 어느 페이지가 어느 엔진에서 인용됐는지를 표로 남긴다. 그 표가 처방을 알려준다. Gemini에서만 빠지면 색인과 구조화 데이터를 의심하고, Claude에서만 빠지면 사실과 출처가 빈약한지 본다. 원인을 엔진별로 분리해 행동에 연결하는 순간, 두 엔진은 더 이상 하나의 모호한 "AI 검색"이 아니라 각각 다룰 수 있는 대상이 된다.