Earticle

현재 위치 Home

LLM 검색 환경에서 로컬 동물병원 의료정보를 위한 AEO 프레임워크 설계
Design of an AEO Framework for Local Veterinary Medical Information in LLM Search Environments

첫 페이지 보기
  • 발행기관
    한국차세대컴퓨팅학회 바로가기
  • 간행물
    한국차세대컴퓨팅학회 논문지 KCI 등재 바로가기
  • 통권
    Vol.22 No.5 (2026.10)바로가기
  • 페이지
    pp.168-179
  • 저자
    한수연, 최동걸
  • 언어
    한국어(KOR)
  • URL
    https://www.earticle.net/Article/A494478

원문정보

초록

영어
The rise of conversational AI answer engines is shifting information retrieval from SEO to Answer Engine Optimization(AEO), yet systematic AEO design research for veterinary healthcare remains absent. Based on Design Science methodology, this study classifies pet owners’ search intent into four types, systematizes the causes of AI Invisibility in local veterinary hospitals into six factors across three layers(platform, structure, content), and designs a four-module integrated framework(M1–M4). Using 47 blog posts and 67 inflow keywords from GN Animal Hospital, a standard query diagnosis using 30 queries per platform(90 responses in total) confirmed zero direct URL citations, and an A/B retrieval simulation holding body text constant while varying only structure (24 queries, two retrievers) showed that the combined M1 and M3 structure improved characterlevel F1@3 by 39.8–44.6%(p<0.001) and reduced delivered context by 45.5% at the retrieval stage. The study formalizes AI invisibility as a diagnosable structural problem and confirms the retrieval-stage validity of the proposed structure, providing a reference design for small local healthcare providers. Improvement in actual AI platform citation rates and empirical validation of M2 and M4 remain for future work.
한국어
대화형 AI 답변 엔진의 확산으로 정보 탐색 패러다임이 검색엔진 최적화(SEO)에서 답변엔진 최적화(AEO)로 전환되고 있으나, 수의(동물의료) 도메인에 대응하는 체계적 AEO 설계 연구는 부재하다. 본 연구는 설계과학(Design Science) 방법론에 기반하여 반려인의 검색 의도를 4유형으로 분류하고, 로컬 동물병원의 AI 비가시성(AI Invisibility) 원인을 플랫폼·구조·콘텐츠 3계층 6요인으로 체계화한 후, 이를 해소하기 위한 4모듈 통합 프레임워크(M1~M4)를 설계하였다. 지엔동물병원의 블로그 포스팅 47건과 유입 키워드 67건을 분석 자료로 삼아, 3개 AI 플랫폼 대상 표준 질의 진단(플랫폼당 N=30, 총 90개 응답)에서 직접 URL 인용 부재(0%)를 확인하였고, 두 조건의 본문 텍스트를 동일하게 유지하고 구조를 달리한 RAG 검색 A/B 시뮬레이션(질의 24개, 검색기 2종)에서는 M1·M3 결합 구조가 검색 단계에서 문자 수준 F1@3을 39.8~44.6% 상대적으로 개선하고(p<0.001), 전달 컨텍스트를 45.5% 절감함을 확인하였다. 본 연구는 로컬 의료기관의 AI 비가시성을 진단 가능한 구조적 문제로 정식화하고 제안 구조의 검색 단계(retrieval stage) 유효성을 확인함으로써, 소규모 의료기관이 AI 검색 환경에서 가시성을 확보하기 위한 참조 설계를 제공한다. 실제 AI 플랫폼 인용률의 개선과 M2·M4의 실증은 후속 과제로 남긴다.

목차

요약
Abstract
1. 서론
1.1 연구 배경 및 필요성11
1.2 연구 목적 및 연구 질문
1.3 연구 범위 및 핵심 기여
2. 이론적 배경
2.1 LLM 기반 검색 환경과 AEO/GEO 개념
2.2 RAG 메커니즘과 콘텐츠 구조의 관계
2.3 YMYL 도메인과 E-E-A-T 신뢰 신호
2.4 선행연구 검토 및 연구 공백
3. 문제 정의: 로컬 동물병원의 AI 비가시성
3.1 반려인의 LLM 검색 의도 유형 분류 체계
3.2 AI 비가시성의 구조적 원인 분석
3.3 AI 비가시성 저해 요인 3계층 도출
4. AEO 기반 로컬 의료 정보 최적화 프레임워크 설계
4.1 프레임워크 개요 및 전체 아키텍처
4.2 검색 의도 매칭 콘텐츠 구조화 모듈 설계(M1)
4.3 시맨틱 데이터 모델링 모듈 설계 (M2)
4.4 RAG 친화적 파이프라인 모듈 설계 (M3)
4.5 AI 인용 지표 모니터링 모듈 설계 (M4)
5. 설계 타당성 논증 및 사례 적용
5.1 AI 비가시성 진단 설계 및 결과
5.2 설계 전후 구조 비교 (AS-IS / TO-BE)
5.3 정량 검증 실험: 통제된 RAG 검색 시뮬레이션
5.4 설계 한계 및 후속 연구 과제
6. 결론
Acknowledgements
참고문헌

저자

  • 한수연 [ Su-Yeon Han | 누룽지 ]
  • 최동걸 [ Dong-Geol Choi | 국립한밭대학교 정보통신공학과 ] 교신저자

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    한국차세대컴퓨팅학회 [Korean Institute of Next Generation Computing]
  • 설립연도
    2005
  • 분야
    공학>컴퓨터학
  • 소개
    본 학회는 차세대 PC 및 그 관련분야의 학술활동을 통하여 차세대 PC의 학문 및 기술발전을 도모하고 산업발전 및 국제협력 증진을 목적으로 한다.

간행물

  • 간행물명
    한국차세대컴퓨팅학회 논문지 [THE JOURNAL OF KOREAN INSTITUTE OF NEXT GENERATION COMPUTING]
  • 간기
    격월간
  • pISSN
    1975-681X
  • 수록기간
    2005~2026
  • 등재여부
    KCI 등재
  • 십진분류
    KDC 566 DDC 004

이 권호 내 다른 논문 / 한국차세대컴퓨팅학회 논문지 Vol.22 No.5

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      페이지 저장