AI 인용이 빨리 늘어난 블로그는 다음 달에도 메이트로 뽑혔습니다 — 점수와 함께 160곳을 재봤습니다

"내 글이 AI 브리핑에 인용되는 횟수가 빨리 늘면, 다음 달에도 메이트로 뽑힐까?" 메이트를 준비하는 분이라면 궁금한 질문이에요. 블로그메이트는 10월 메이트였던 블로그 160곳으로 이를 확인했고, 같은 블로그의 점수(최적화 지수 A, 메이트 적합도 B)가 여기에 도움이 되는지도 함께 봤습니다. 결론부터 말하면, 인용이 빨리 늘어난 곳일수록 11월에도 다시 뽑혔고, 두 점수 중에는 A만 거기에 정보를 더했습니다.

왜 확인했나

블로그메이트는 블로그에 점수를 두 가지로 매겨요.

• 최적화 지수(A): 블로그 채널 전체를 보는 전통적인 진단입니다. 네 가지(전문성, 신뢰성, 반응·확산도, 최신성)를 봅니다.
• 메이트 적합도(B): 글 한 편이 AI에 잘 인용되기 위한 5가지 조건(전문 경험·주제 일관성·진정성·가독성·활동 최신성)을 최근 글 30개로 잽니다.

앞선 글에서 두 점수가 실제 메이트 재선정과 관계가 있는지 봤더니, A는 관련이 있었고 B는 뚜렷한 관계가 없었어요. 그런데 B는 최근 글 30개만 보기 때문에 블로그 전체를 대표하기 어려울 수 있습니다. 한편 메이트는 AI 브리핑에 콘텐츠가 인용된 횟수(피인용 수)를 중심으로 뽑는다고 알려져 있어요. 그래서 'AI 인용이 얼마나 빨리 늘었는지'라는 새 기준을 더해 한 번 더 확인했습니다.

확인하려던 것

1. 인용이 빨리 늘어난 블로그는 다음 달에도 메이트로 재선정될까?
2. 그 사실을 감안해도, A·B 점수는 다음 달 재선정 여부를 더 잘 맞힐까? 특히 B가 쓸모 있는지 보려 했어요.

어떻게 확인했나

• 대상: 10월 메이트 중 9월 인용 기록도 있는 160곳. 이 중 111곳(69%) 이 11월에도 이름을 올렸어요.
• 공정하게 비교하려고: 블로그 크기(원래 쌓인 인용 수)와 글 주제에 따른 차이는 통계로 걷어냈습니다. 결과를 보기 전에 판정 기준도 미리 정해 두었어요.
• 구간으로 나눠 봤습니다: 160곳을 기준별로 3등분(낮음·중간·높음)해서, 각 그룹에서 몇 %가 재선정됐는지 비교했어요.

결과: 3등분해서 보면

막대는 11월에 다시 뽑힌 비율이에요(전체 평균 69%). 한 그룹이 51~56곳이라 막대 하나는 6%p쯤 흔들릴 수 있어서, 실제 판정은 아래 '승산비'로 했습니다.

그래서 무엇을 알게 됐나

• 인용이 빨리 늘어난 곳일수록 더 많이 재선정됐습니다. 승산비 1.52(95% 구간 1.03~2.25), p=0.028. 느린 쪽 63%에서 빠른 쪽 77%로 올랐어요.
• 인용 속도가 같아도 A가 높으면 더 많이 재선정됐습니다. 승산비 2.14(1.33~3.43), p=0.0017. A 낮음 57% → 높음 83%입니다.
• B는 혼자 보면 오르는 모양이지만, A와 함께 보면 더해 주는 정보가 없었습니다. B만 넣으면 승산비 1.40(0.86~2.28), p=0.17로 우연일 수 있는 크기였고, A와 인용을 함께 넣으면 1.01(0.58~1.78), p=0.96이었어요. B가 높은 블로그는 A도 높은 경향이 있어서(상관 0.23) B 막대의 오름이 상당 부분 A와 겹쳤습니다.
• 맞히는 정확도는 올랐지만 중간 수준입니다. 인용 정보만으로 재선정 여부를 맞히는 정확도(AUC)는 0.63, 여기에 A·B를 더하면 0.69였어요. 0.5가 찍기, 1.0이 완벽이라 도움은 되지만 가르는 정도는 아닙니다. 올라간 몫은 대부분 A 덕분이에요.

숫자 읽는 법

• 승산비: 점수(또는 인용 속도)가 한 단계 높을 때 다시 뽑힐 가능성이 몇 배가 되는지예요. 1이면 효과 없음, 클수록 효과가 큽니다. 한 단계는 160곳 평균에서 표준편차 하나만큼의 차이입니다.
• p값: 효과가 없는데도 우연히 이런 결과가 나올 가능성이에요. 0.05보다 작으면 우연이 아니라고 봅니다.

읽을 때 주의할 점

• 같이 움직였을 뿐, 원인은 아닙니다. 메이트를 인용수 중심으로 뽑는다면 "인용이 늘면 다시 뽑힌다"는 당연한 이야기를 한 번 더 본 것일 수 있어요.
• 160곳이라 오차 범위가 넓습니다. 인용 속도의 효과는 1.03배에서 2.25배 사이로 추정돼요.
• 10월 메이트만 본 결과입니다. 인용수는 메이트 명단에서만 공개돼서, 메이트가 아닌 블로그와는 비교할 수 없어요. 그래서 '인용이 늘어난 속도'는 점수로 쓰지 않고 참고용으로만 봅니다.
• 원래 가장 궁금했던 질문(B가 인용이 늘어날지를 미리 알려 주는가)은 답을 내지 못했습니다. 사람 수가 적어 판단을 보류했어요.

앞으로

점수를 측정한 메이트를 500명 더 늘렸습니다. 12월 명단이 나오면 늘어난 표본으로 같은 질문을 다시 확인하고, 결과가 달라지면 이 글을 고쳐 쓰겠습니다.

표본과 방법

• 대상: 10월 메이트 중 9월 인용 기록이 있는 160곳. 인용수는 매달 수집한 메이트 명단에 공개된 누적 값이에요.
• 점수: 2026년 10월 5일 측정. 최적화 지수(A)와 메이트 적합도(B) 계산식은 A 설명, B 설명과 같고, 두 점수 모두 네이버의 공식 점수가 아니라 자체 설계한 지표입니다.
• 결과: 2026년 11월 1일 메이트 명단에 이름이 있는지.
• 분석: 10월 누적 인용수, 직전 구간의 인용 증가 속도, 주제별 재선정 비율을 먼저 넣고 A·B를 더한 로지스틱 회귀입니다. 개별 블로그는 식별하지 않았고 집계만 실었어요.

내 블로그의 두 점수가 궁금하다면 블로그 분석에서 "분석하기"를 눌러 보세요. 점수 읽는 법은 내 블로그 점수, 어느 정도면 괜찮은 걸까에, 메이트와 인플루언서의 차이는 네이버 인플루언서와 메이트, 무엇이 다르고 어떻게 활용할까에 정리해 두었습니다.