E-E-A-T란 무엇이며 AI 콘텐츠의 순위를 결정하는 이유

Google의 유용한 콘텐츠 작성에 관한 페이지는 이 용어를 정확히 한 번, "experience, expertise, authoritativeness, and trustworthiness, or what we call E-E-A-T"라고 풀어쓴다. 그다음에는 페이지의 나머지 부분에서 이를 뒷받침하는 질문들을 다룬다. 네 가지 특성이다. 그중 하나는 어떤 작성 도구로도 전혀 만들어낼 수 없고, 나머지 세 가지는 발행자가 적절히 설정하면 AI 작업 흐름에서도 유지된다. 이에 대해 글을 쓰는 거의 누구도 이 두 집단을 구분하지 않는다.

그렇다면 E-E-A-T는 무엇인가? E-E-A-T는 Google이 인간 품질 평가자가 페이지와 이를 게시한 주체에 대해 평가하는 네 가지 특성, 즉 experience, expertise, authoritativeness and trustworthiness를 가리키는 약칭이다. 이는 Search Quality Rater Guidelines에서 나온 것으로, Google이 자사의 순위 시스템이 좋은 결과를 내고 있는지 확인할 때 평가자들이 사용하는 문서이다. 이 기원은 AI의 도움을 받은 콘텐츠에 이 개념이 어떻게 적용되는지를 결정한다. 그리고 이것이 대부분의 설명 글이 건너뛰는 부분이다.

정책 문제는 다른 곳에 있으며, 그에 대한 답도 따로 있다. AI 콘텐츠와 순위에 대한 Google의 문서화된 입장은 핵심 문장을 인용하고 모든 개정 시점을 제시하며, 그 어느 것도 AI 저작을 감점 요소로 다루지 않는다. 이 글은 대신 품질 문제에 답한다. AI 초안이 스스로 갖추는 네 가지 측면은 무엇인지, 구조적으로 가질 수 없는 것은 무엇인지, 그리고 그 차이를 보완하기 위해 발행자가 무엇을 더해야 하는지를 다룬다.

E-E-A-T란 무엇인가? 네 가지 측면의 정의

경험은 주제와의 직접적인 접촉이다. Google의 자체 평가 질문은 이를 구체적으로 제시한다. "Does your content clearly demonstrate first-hand expertise and a depth of knowledge (for example, expertise that comes from having actually used a product or service, or visiting a place)?" 전문성은 입증된 주제 지식이며, Google은 이를 별도의 질문으로 제시한다. "Is this content written or reviewed by an expert or enthusiast who demonstrably knows the topic well?" 두 개념은 표현상 서로 겹치지만 실제 적용에서는 구분된다. 한 사람은 어떤 분야를 충분히 잘 알면서도 자신이 검토하는 특정 제품을 실제로 사용해 본 적이 없을 수 있다.

권위성은 평판이다. 이는 해당 페이지, 저자, 사이트가 이 특정 주제에 관해 다른 사람들이 찾아가는 정보원으로 인식되는지, 즉 텍스트의 속성이 아니라 세계의 속성을 설명한다. 신뢰성은 정확성, 투명성, 책임성이며, Google의 문서는 그 중요성을 분명하게 밝힌다. "Of these aspects, trust is most important." 나머지 세 가지는 부분적으로 이를 뒷받침하기 위해 존재한다. 진정한 전문가가 쓴 페이지라도, 독자가 누가 이를 게시했는지 또는 어떻게 만들어졌는지를 볼 수 없다면 신뢰성에서 실패한다.

E-E-A-T는 어디에서 왔으며, Google이 그것을 순위 요소가 아니라고 말하는 이유

E-E-A-T는 Search Quality Rater Guidelines에서 비롯되며, 이는 Google이 검색 결과 샘플을 평가하는 인간 평가자들에게 제공하는 문서이다. 이것이 순위와 어떤 관련이 있는지에 대한 Google의 표현은 요약보다 원문 그대로 읽는 것이 중요하다. "While E-E-A-T itself isn't a specific ranking factor, using a mix of factors that can identify content with good E-E-A-T is useful." 그리고 평가자 자신에 대해서는 이렇게 말한다. "Rater data is not used directly in our ranking algorithms."

또한 평가자가 하는 일을 설명하는 Google의 비유는 식당에서 의견 카드를 읽는 것과 같다. "Rather, we use them as a restaurant might get feedback cards from diners. The feedback helps us know if our systems seem to be working." 그 카드들은 주방에 음식이 잘 받아들여지고 있는지 알려 준다. 그러나 아무것도 요리하지는 않는다.

실질적인 결과는 특히 AI 콘텐츠에서 중요하다. 높여야 할 E-E-A-T 점수가 존재하지 않으므로, 네 가지 측면을 신호로 드러내는 데 초점을 맞춘 전략은 목표를 빗나간다. 높일 수 있는 것은 평가자들이 살펴보라고 요청받은 기초적 실체이며, 실체는 AI 초안이 고르게 갖추지 못한 부분이다.

AI 초안이 도움 없이 담을 수 있는 측면

네 가지 중 두 가지는 완전히 자동화된 작업 흐름에서도 유지되고, 하나는 부분적으로 유지되며, 하나는 전혀 유지되지 않는다. Expertise는 부분적으로 유지되는데, 이는 출판된 자료로 학습한 모델이 잘 문서화된 주제에 대해 정확한 주제 지식을 재현하고, 그 모든 문장은 검증할 수 있기 때문이다. Authoritativeness는 초안이 아니라 사이트와 저자에 달려 있으므로, 확립된 도메인은 다른 어떤 페이지와 마찬가지로 AI 지원 페이지를 수용한다. Trustworthiness는 과정에 달려 있다. 검증, 투명성, 그리고 명시된 저자는 모두 초안 작성이 끝난 뒤 출판사가 제공하는 요소이다. Experience는 어떤 초안 작성 단계로도 도달할 수 없는 유일한 측면이다.

E-E-A-T 측면	Google이 이를 연결하는 대상	AI 초안이 자체적으로 제공하는 것	발행자가 추가해야 하는 것
Experience	직접 접촉, 즉 실제로 제품이나 서비스를 사용했거나 어떤 장소를 방문한 데서 비롯되는 전문성	없음. 모델은 어떤 제품도 사용하지 않았고 어떤 장소도 방문하지 않았다	측정값, 스크린샷, 날짜가 표시된 결과, 사용자가 내린 결정과 그 다음에 일어난 일
Expertise	주제를 잘 알고 있음을 입증할 수 있는 전문가나 애호가가 작성하거나 검토한 콘텐츠	잘 문서화된 주제에 대한 정확한 주제 지식, 그러나 전적으로 검증되지 않음	해당 분야를 아는 이름이 명시된 검토자, 그리고 모델이 생성한 모든 주장에 대한 확인
Authoritativeness	이 주제에서 다른 사람들이 찾아오는 출처로서 사이트와 저자가 인정받는 정도	없음, 평판은 텍스트의 속성이 아니라 세계의 속성이기 때문	다른 사람들이 인용하기로 선택한 인용문, 일관된 주제 초점, 추적 가능한 기록을 가진 저자
Trustworthiness	정확성, 투명성, 책임성, Google은 이를 네 가지 중 가장 중요한 것으로 부른다	내용이 맞는지와 무관하게 자신감 있게 읽히는 유창한 산문	저자명, 명시된 방법, 확인 가능한 출처, 그리고 무엇인가 잘못되었을 때 보이는 수정

세 번째 열이 사람들을 놀라게 하는 부분이다. 모델은 정확성의 수준과 무관하게 언제나 똑같이 자신감 있는 산문을 생성하므로, 유창성은 신뢰에 관한 어떤 정보도 전혀 담지 않는다. 그렇기 때문에 검증은 AI 지원 페이지에서 가장 가치가 높은 편집 단계이며, 또한 이를 두 번째 모델에 맡길 수 없는 이유이기도 하다. 같은 방식으로 훈련된 검사기는 상관된 오류를 만든다.

Experience: 모델이 구조적으로 제공할 수 없는 측면

모델은 제품을 사용해 본 적도, 회의에 참석한 적도, 시험을 수행한 적도, 어떤 장소를 방문한 적도 없다. 모델이 만들어 내는 모든 것은 다른 사람의 경험을 설명하는 텍스트를 재조합한 것이며, 이는 경험과는 다른 것이고, 주의 깊은 독자에게는 다른 것으로 읽힌다. Google의 자기 평가 질문은 그 간극을 정확히 지적하며, 내용이 실제로 제품이나 서비스를 사용했거나 어떤 장소를 방문함으로써 얻은 전문성을 보여 주는지 묻는다. 출판된 자료를 바탕으로 조립한 초안은 이 질문의 모든 절에 대해 아니오라고 답한다.

이 때문에 두 번째 E가 아예 추가되었다. Google은 2022년 12월 품질 평가자 지침 업데이트에서 기존의 E-A-T에 Experience를 추가했고, 이 추가는 어떤 것에 대해 아는 것과 실제로 그것을 해 본 것을 구분했다. 상업적 검색어에서는 그 구분이 대부분의 역할을 한다, 제품에 대해 아는 것은 이제 저렴하지만 실제로 사용해 본 것은 그렇지 않기 때문이다. 두 개의 리뷰 페이지를 비교하는 독자는 보통 한 단락 안에서 어느 글쓴이가 상자를 열었는지 알 수 있다.

자신의 초안을 점검하는 데는 약 1분이면 충분하다. 페이지를 읽고, 그 일을 실제로 해 본 사람만이 쓸 수 있었을 문장을 찾아라. 완전히 AI가 생성한 페이지에서는 대개 그런 문장이 존재하지 않는다는 것이 답이며, 다시 쓰기를 아무리 해도 그것은 바뀌지 않는다, 다시 쓰기는 이미 존재하는 문장에만 작동하기 때문이다.

출판자가 경험과 신뢰를 제공하기 위해 추가하는 것

네 가지 추가 요소가 대부분의 간극을 메우며, 그 어느 것도 글쓰기 작업은 아니다. 첫째는 자신의 작업에서 나온 산물이다, 기록해 둔 수치, 실제 화면의 스크린샷, 누군가가 검증할 수 있는 날짜가 표시된 전후 비교 자료이다. 둘째는 추적 가능한 기록을 가진 명시된 저자이다. Google의 자기 평가 목록은 직접적으로 "Do pages carry a byline, where one might be expected?"라고 묻고, 그 지침은 독자가 저자 정보를 기대할 만한 곳에서 정확한 저자 정보를 제공할 것을 강하게 권장한다. Google은 byline을 순위 신호라고 부르지 않으며, 독자에게 제시하는 논지를 성립시키기 위해 그것이 순위 신호일 필요도 없다.

세 번째 추가 요소는 방법에 대한 투명성이다. Google은 이를 Who, How and Why 틀에서의 How로 설명하며, 자체 표현으로는 콘텐츠가 어떻게 생성되었는지를 아는 것이 독자에게 도움이 된다는 것이다. AI가 어떻게 사용되고 공개되는지에 대한 게시된 입장은 사이트 수준에서 그 역할을 하며, 독자는 이를 확인할 수 있는데, 이는 블로그 게시물 안의 주장보다 더 많은 것을 제공한다. Google의 지침은 Why를 세 질문 중 가장 중요한 것으로 다루며, 주로 검색 결과를 차지하기 위해 작성된 페이지는 누가 그 문장을 썼든 그것에 제대로 답하지 못한다.

네 번째 추가 요소는 편집이며, 이것이 마지막에 오는 데에는 이유가 있다. AI 텍스트를 인간화하는 방법에 대한 가이드는 그 작업의 기계적 절차를 다루고, 마케팅 페이지를 위해 구축된 humanizer는 페이지가 이미 순위를 얻고 있는 문구를 방해하지 않으면서 이를 수행한다. 어느 쪽도 경험을 추가하지 않는다. 뒤에 아무것도 없는데도 아름답게 읽히는 페이지는 두 번째 E가 설명하기 위해 추가된 바로 그 실패 사례이며, 편집 과정은 그 실패를 더 알아차리기 어렵게 만든다.

원칙을 편집 과정으로 바꾸는 것은 실천의 절반이다. SEO를 위한 AI 블로그 게시물 인간화는 단일 페이지를 다루고, 대규모 라이브러리 전반에 걸쳐 같은 작업을 수행하는 것은 별도로 다룬다.

마지막 AI 지원 페이지를 열고, 오직 당신만이 쓸 수 있었던 문장을 찾아보라. 그런 문장이 없다면, 수정은 전화 통화, 시험, 또는 실제 무언가의 스크린샷이어야 하며, 초안 작성보다 더 오래 걸릴 것이다. 초안 작성에 들인 한 시간과 확인에 걸린 한 주 사이의 그 간극이 두 번째 E의 실제 비용이며, 그것이 바로 그것을 지닌 페이지가 그렇게 적은 이유다.