청크 최적화

Chunk Optimization은 LLM이 콘텐츠를 통째로 읽지 않고 '단락 단위'로 분할해 인용한다는 점을 전제로 합니다. 그래서 한 단락 안에 핵심 정의·근거·결론이 자체 완결적으로 들어 있어야 인용 후보가 됩니다. 한 문장이 다른 단락의 맥락에 의존하면 인용 가능성이 떨어집니다.

현장에선 보통 '한 단락 = 한 질문 답'이라는 원칙으로 정리합니다. 페이지 구조도 H2·H3 헤딩으로 명확하게 끊고, 각 섹션 첫 줄에 정답 문장을 두는 식이 효과적입니다. AI 답변에서 인용되려면 결국 '복붙 가능한 형태'가 가장 강력합니다.

주의할 점은 청크 최적화가 '짧게 쓰기'와 동의어가 아니라는 사실입니다. 각 청크는 짧게 쓰되, 페이지 전체로는 충분한 깊이와 근거가 있어야 권위가 잡힙니다. 짧기만 하고 얕은 페이지는 인용 후보 밖에 머무는 경우가 많습니다.