하이브리드 검색
한 줄 정의
키워드 검색(BM25)과 벡터 검색을 결합해 양쪽의 장점을 함께 쓰는 검색 방식으로, Perplexity·내부 RAG 같은 AI 답변 시스템이 흔히 쓰는 구조입니다.
자세히 알아보기
Hybrid Search는 전통적인 키워드 검색(BM25 같은 lexical 매칭)과 임베딩 기반 벡터 검색을 동시에 돌려, 두 결과를 합쳐 사용하는 방식입니다. 키워드 검색은 정확한 용어·고유명사·숫자에 강하고, 벡터 검색은 의미·동의어·문맥에 강합니다. 둘을 합치면 양쪽의 약점이 서로 보완됩니다.
마케팅 관점에서 의미 있는 포인트는 'AI 검색이 키워드만 보거나 의미만 보는 게 아니다'라는 사실입니다. Perplexity, ChatGPT Search, 사내 RAG 시스템 다수가 사실상 하이브리드 구조이기 때문에, GEO 콘텐츠는 정확한 명칭·키워드도 잘 들어가 있어야 하고, 풍부한 문맥과 자연스러운 설명도 같이 있어야 합니다.
실무에서는 두 검색 결과를 어떻게 합치느냐(RRF·가중합·재정렬)가 품질을 좌우합니다. 그래서 하이브리드 검색은 보통 뒤에 Reranker를 한 단계 더 둬서 최종 후보를 다듬는 패턴으로 갑니다.
관련 용어
RAG
LLM이 답하기 전에 외부 문서나 검색 결과를 가져와 근거로 활용하는 구조로, ChatGPT Search·Perplexity 같은 AI 검색 답변의 핵심 기법입니다.
LLM임베딩
텍스트·이미지 같은 데이터를 의미를 보존한 채 숫자 벡터로 바꾼 결과로, 시멘틱 검색·벡터 DB·RAG의 출발점입니다.
LLM벡터 데이터베이스
임베딩 벡터를 저장하고 '의미적으로 유사한' 항목을 빠르게 찾아주는 데이터베이스로, RAG와 시멘틱 검색의 핵심 인프라입니다.
LLM리랭커
검색이 뽑은 후보 문서를 다시 한 번 정밀하게 점수 매겨 순서를 바꾸는 모델로, AI가 '어느 문서를 인용할지'를 결정하는 마지막 관문입니다.
GEO·AEOPerplexity
검색 결과를 답변 형태로 정리하면서 모든 문장에 출처를 다는 'Answer Engine'으로, GEO 측정의 기준 표면으로 자주 쓰입니다.
우리 브랜드는 AI 답변에 어떻게 등장하고 있을까요?
Villion은 ChatGPT·Perplexity·AI Overview에서 브랜드 인용 현황을 진단하고, 인용률과 언급 점유율을 끌어올리는 작업을 자동화합니다.
무료 진단 받기