ChatGPT는 출처를 어떻게 고르나 — 네트워크 트래픽을 읽은 연구, 그리고 2주 만에 절반이 바뀐 이야기

Q: 이 연구는 어떻게 한 건가?

먼저 방법부터. 이게 왜 중요하냐면, 이 연구가 뭘 증명할 수 있고 뭘 못 하는지가 여기서 갈리기 때문이다. ⚠️ 패킷 스니핑이 아니다. 저자가 이 대목을 솔직하게 적어서 좋았다. 처음엔 Wireshark를 켰는데 실패했다. TLS로 암호화돼 있어서 본문이 전부 암호문이다. ChatGPT 앱은 심지어 QUIC(HTTP/3)로 통신해서, 캡처가 흘리는 건 목적지 호스트명 정도다. 그래서 읽을 수 있는 층은 브라우저 자신 — 복호화가 끝난 뒤의 DevTools Network 패널이다. 저자 표현대로 이건 HTTP 인스펙션이지 패킷 스니핑이 아니다. 그리고 저자가 신뢰도를 두 층으로 명시적으로 갈라 놨다. 이게 이 연구의 가장 좋은 점이다. 저자가 직접 쓴다 — “이건 인구 조사가 아니다. 기계에 그런 게 있다는 것과, 기계가 그걸 뭐라고 부르는지를 문서화하는 것이다.” ✅ 나는 이 태도가 이 글의 값어치의 절반이라고 본다. 숫자를 크게 뽑을 수 있었는데 “내 질문 선택이 결과를 편향시켰다”고 먼저 적었다. 건강이나 패션 질문을 돌렸으면 다른 도메인이 1위였을 거라고까지 썼다.

Q: ChatGPT는 출처를 어디서 가져오나?

핵심 발견은 result_source다. 모든 웹 결과에 붙고, 답변에는 절대 안 보인다. 값이 이렇게 갈린다. bright와 oxylabs가 진짜 재밌는 쌍이다. 둘 다 실존하는 상용 웹 스크래핑 회사이고 서로 직접 경쟁자다. 저자는 계약서를 본 게 아니니 “ChatGPT가 돈을 낸다”고는 안 쓰겠다고 하면서도, 열린 웹 수집이 이 둘을 통해 돌아가고 필드가 어느 쪽이 가져왔는지 알려준다고 적었다. 날씨 질문 하나 안에서 갈리는 장면이 특히 선명했다. 한 질문 안에서 글로벌은 bright가, 현지는 oxylabs가 가져왔다. (저자는 두바이에 산다.)

Q: 어떤 질문은 아예 검색을 안 한다고?

이 대목에서 좀 놀랐다. 어떤 질문은 네트워크 검색이 아예 안 일어난다. ChatGPT는 검색 전에 질문을 turn_use_case라는 필드로 분류한다. 저자가 본 값은 6개 — instant search, shopping, text, local, thinking, image generation. 문제는 text다. 이걸로 분류되면 검색을 안 하고 학습 데이터로 답하고 끝난다. 당연한 것들은 그렇다 치자 — “타이어 어떻게 갈아요”, “파이썬 함수 짜줘”, “4개 언어로 번역해줘”. 다 text로 가고 네트워크 탭이 비어 있었다. 그런데 무서운 건 이거다. 저자가 짚은 사례 — “제2형 당뇨병 최신 치료 가이드라인”도 text로 갔다. 최신성이 생명이고 위험도가 높은 질문인데 검색을 안 하고 학습 데이터로 답했다. 저자는 여기다 짧게 “No EEAT here. Oops!”라고 썼다. ⚠️ 의도적으로 최신 질문 10개를 던져서 3개가 이렇게 처리됐다. (표본이 작으니 비율은 방향으로만 읽자.) 그리고 주제가 아니라 표현이 분류를 정한다. “to buy”를 “with reviews”로 바꾸면 파이프라인이 통째로 바뀐다. 같은 주제인데.

Q: 질문 하나가 몇 개로 갈라지나?

thinking 모델에게 제품 비교를 시키면, 질문 하나가 서브쿼리 15~40개로 갈라진다(빠른 모델은 1개로 끝난다). 실제로 돌아간 것 일부다. 여기서 셋이 눈에 띈다. 벤더 가격 페이지에 site: 프로브를 직접 쏜다. 가격을 먼저 추측하고 그게 맞는지 검색해서 확인한다. 내가 언급도 안 한 경쟁 도구를 발견하면 그것도 쫓아간다. 읽는 방식도 문자 그대로다. 페이지에서 달러 기호·유로 기호·“99”·“Agency”를 find로 찾고, 브라우징 도구의 open·click 명령으로 원하는 걸 끌어냈다. 내 화면의 에이전트가 아니라 서버에서 돈다.

Q: 모델이 자기 입으로 뭘 말했나?

저자는 숨은 랭킹 점수를 찾다가 못 찾았다. 대신 thinking 모델의 사고 과정이 대화에 저장돼 있어서, 모델이 자기 출처 전략을 평문으로 설명한 걸 찾았다. Ahrefs를 비교할 때는 공식 페이지를 읽고 “가격 페이지가 더 최신인 것 같으니 그걸 인용해야겠다”고 적었다. 그런데 다음이 이 글 전체의 핵심 장면이다. 모델은 Profound와 Peec의 자기 가격을 원했다. 가격이 자바스크립트 뒤에 있어서 못 읽었고, 그래서 G2를 인용했다. 내 사실인데, 남의 페이지에서. 저자의 정리가 날카롭다 — “자바스크립트 가격표는 순위가 나쁜 정도가 아니라, 내 숫자를 G2에 넘겨준다.” 부수적으로 나온 것 둘. local_results_limit이 2로 박혀 있다. 로컬은 톱2 아니면 없는 것이다. personal_sources: ["convo_search", "gmail", "files"] — 답변 일부가 최적화가 원천적으로 불가능한 개인 데이터로 만들어진다. 두 사람이 같은 질문에 다른 답을 받는 이유 하나가 이거다.

나도 같은 질문을 갖고 있었다. 내 글이 ChatGPT에 인용되려면 뭘 해야 하나.

답은 늘 똑같이 돌아온다. 좋은 글 써라, 리스티클 만들어라, 레딧에 댓글 달아라. 그런데 그게 진짜 되는지는 아무도 모른다. 전문가가 전문가를 인용하고, 그게 다시 인용되면서 믿음으로 굳는다.

Suganthan Mohanadasan은 다른 길로 갔다. 답변을 보지 않고, ChatGPT가 자기 브라우저로 보내는 JSON을 읽었다. 며칠치 트래픽에서 출처 레코드 약 1,240건을 뽑았다.

그리고 열흘 뒤 2편에서 자기 결론 두 개를 스스로 뒤집었다. 오늘 이 글을 쓰는 진짜 이유는 거기에 있다.

이 연구는 어떻게 한 건가?

먼저 방법부터. 이게 왜 중요하냐면, 이 연구가 뭘 증명할 수 있고 뭘 못 하는지가 여기서 갈리기 때문이다.

flowchart LR
    A["기존 가시성 연구<br/>프롬프트 수천 개 발사"] --> A1["최종 답변만 관찰"]
    A1 --> A2["큰 표본 · 블랙박스<br/>기계를 출력으로 추론"]
    B["이 연구<br/>브라우저로 오는 JSON을 읽음"] --> B1["엔진 내부 라벨을 직접 확보"]
    B1 --> B2["작은 표본 · 화이트박스<br/>기계에 뭐가 있는지 문서화"]
    classDef big fill:#f1f3f5,stroke:#868e96,color:#343a40;
    classDef wire fill:#d3f9d8,stroke:#2f9e44,color:#1d6b2c;
    class A,A1,A2 big;
    class B,B1,B2 wire;

⚠️ 패킷 스니핑이 아니다. 저자가 이 대목을 솔직하게 적어서 좋았다. 처음엔 Wireshark를 켰는데 실패했다. TLS로 암호화돼 있어서 본문이 전부 암호문이다. ChatGPT 앱은 심지어 QUIC(HTTP/3)로 통신해서, 캡처가 흘리는 건 목적지 호스트명 정도다. 그래서 읽을 수 있는 층은 브라우저 자신 — 복호화가 끝난 뒤의 DevTools Network 패널이다. 저자 표현대로 이건 HTTP 인스펙션이지 패킷 스니핑이 아니다.

그리고 저자가 신뢰도를 두 층으로 명시적으로 갈라 놨다. 이게 이 연구의 가장 좋은 점이다.

층	내용	신뢰도
구조적 사실	`result_source`라는 필드가 존재한다 · 값이 뭐다 · `turn_use_case`가 몇 개다 · text 질문은 검색을 건너뛴다	높음 — 필드는 한 번만 봐도 존재가 증명된다
빈도 관찰	”70%가 bright” · “레딧이 최다 인용” · “유튜브는 인용 0”	방향만 — 계정 1개, 며칠, SaaS·기술 질문 편중

저자가 직접 쓴다 — “이건 인구 조사가 아니다. 기계에 그런 게 있다는 것과, 기계가 그걸 뭐라고 부르는지를 문서화하는 것이다.”

✅ 나는 이 태도가 이 글의 값어치의 절반이라고 본다. 숫자를 크게 뽑을 수 있었는데 “내 질문 선택이 결과를 편향시켰다”고 먼저 적었다. 건강이나 패션 질문을 돌렸으면 다른 도메인이 1위였을 거라고까지 썼다.

ChatGPT는 출처를 어디서 가져오나?

핵심 발견은 result_source다. 모든 웹 결과에 붙고, 답변에는 절대 안 보인다.

{
  "attribution": "TechRadar",
  "url": "https://www.techradar.com/best/...",
  "snippet": "...",
  "pub_date": "2026-05-09",
  "result_source": "labrador"
}

값이 이렇게 갈린다.

값	정체	주로 뭘 가져오나
`serp`	열린 웹 기본선	뉴스 (Yahoo, StreetInsider)
`labrador`	기성 매체 허용목록	로이터·가디언·WSJ·FT·위키피디아·arXiv. 스니펫이 약 1,080자 = 사실상 전문 추출
`bright`	Bright Data (상용 스크래퍼)	쇼핑·금융·날씨·로컬. 가장 많은 양
`oxylabs`	Oxylabs (경쟁 스크래퍼)	지역·로컬 언론

bright와 oxylabs가 진짜 재밌는 쌍이다. 둘 다 실존하는 상용 웹 스크래핑 회사이고 서로 직접 경쟁자다. 저자는 계약서를 본 게 아니니 “ChatGPT가 돈을 낸다”고는 안 쓰겠다고 하면서도, 열린 웹 수집이 이 둘을 통해 돌아가고 필드가 어느 쪽이 가져왔는지 알려준다고 적었다.

날씨 질문 하나 안에서 갈리는 장면이 특히 선명했다.

flowchart TD
    Q["날씨 질문 1건"] --> B["🟦 bright"]
    Q --> O["🟧 oxylabs"]
    B --> B1["metoffice.gov.uk"]
    B --> B2["accuweather.com"]
    B --> B3["timeanddate.com"]
    O --> O1["khaleejtimes.com"]
    O --> O2["gulfnews.com"]
    O --> O3["whatson.ae"]
    B1 --- N1["글로벌 데이터 사이트"]
    O1 --- N2["현지(걸프) 언론"]
    classDef q fill:#f1f3f5,stroke:#868e96,color:#343a40;
    classDef br fill:#e7f5ff,stroke:#1c7ed6,color:#10548f;
    classDef ox fill:#fff3bf,stroke:#e67700,color:#8a5a00;
    classDef note fill:#ffffff,stroke:#ced4da,color:#495057;
    class Q q;
    class B,B1,B2,B3 br;
    class O,O1,O2,O3 ox;
    class N1,N2 note;

한 질문 안에서 글로벌은 bright가, 현지는 oxylabs가 가져왔다. (저자는 두바이에 산다.)

어떤 질문은 아예 검색을 안 한다고?

이 대목에서 좀 놀랐다. 어떤 질문은 네트워크 검색이 아예 안 일어난다.

ChatGPT는 검색 전에 질문을 turn_use_case라는 필드로 분류한다. 저자가 본 값은 6개 — instant search, shopping, text, local, thinking, image generation.

문제는 text다. 이걸로 분류되면 검색을 안 하고 학습 데이터로 답하고 끝난다.

flowchart TD
    Q["사용자 질문"] --> C{"turn_use_case 분류"}
    C -->|text| T["⛔ 검색 안 함<br/>학습 코퍼스로만 답변<br/>= 어떤 페이지도 못 들어감"]
    C -->|instant search| S["🔍 웹 검색"]
    C -->|shopping| SH["🛒 커머스 파이프라인"]
    C -->|local| L["📍 로컬 (결과 2개 상한)"]
    C -->|thinking| TH["🧠 추론 모델 + 팬아웃"]
    C -->|image generation| I["🎨 이미지"]
    classDef q fill:#f1f3f5,stroke:#868e96,color:#343a40;
    classDef bad fill:#ffe3e3,stroke:#e03131,color:#a01818;
    classDef ok fill:#d3f9d8,stroke:#2f9e44,color:#1d6b2c;
    class Q,C q;
    class T bad;
    class S,SH,L,TH,I ok;

당연한 것들은 그렇다 치자 — “타이어 어떻게 갈아요”, “파이썬 함수 짜줘”, “4개 언어로 번역해줘”. 다 text로 가고 네트워크 탭이 비어 있었다.

그런데 무서운 건 이거다. 저자가 짚은 사례 — “제2형 당뇨병 최신 치료 가이드라인”도 text로 갔다. 최신성이 생명이고 위험도가 높은 질문인데 검색을 안 하고 학습 데이터로 답했다. 저자는 여기다 짧게 “No EEAT here. Oops!”라고 썼다.

⚠️ 의도적으로 최신 질문 10개를 던져서 3개가 이렇게 처리됐다. (표본이 작으니 비율은 방향으로만 읽자.)

그리고 주제가 아니라 표현이 분류를 정한다.

질문	가는 곳
”best coffee near me”	`local`
”best 4K TVs to buy”	`shopping`
”best 4K TVs with reviews”	일반 검색
”Tesla stock price this week”	`instant search`

“to buy”를 “with reviews”로 바꾸면 파이프라인이 통째로 바뀐다. 같은 주제인데.

질문 하나가 몇 개로 갈라지나?

thinking 모델에게 제품 비교를 시키면, 질문 하나가 서브쿼리 15~40개로 갈라진다(빠른 모델은 1개로 끝난다).

실제로 돌아간 것 일부다.

"Profound AI search visibility pricing AI engines tracked 2026"
"site:peec.ai/pricing Peec AI Starter Pro Advanced 50 prompts 150 prompts"
"Peec AI pricing 95 245 495 official"      ← 가격을 추측한 뒤 확인하러 검색
"Scrunch AI pricing"                        ← 내가 안 물어본 도구를 중간에 발견해서 추가

여기서 셋이 눈에 띈다.

벤더 가격 페이지에 site: 프로브를 직접 쏜다.
가격을 먼저 추측하고 그게 맞는지 검색해서 확인한다.
내가 언급도 안 한 경쟁 도구를 발견하면 그것도 쫓아간다.

읽는 방식도 문자 그대로다. 페이지에서 달러 기호·유로 기호·“99”·“Agency”를 find로 찾고, 브라우징 도구의 open·click 명령으로 원하는 걸 끌어냈다. 내 화면의 에이전트가 아니라 서버에서 돈다.

가져간 것 · 인용한 것 · 언급한 것은 다르다

이게 사람들이 제일 많이 뭉개는 구분이라 정확히 적어야 한다.

flowchart LR
    F["① Fetched (가져감)<br/>모델이 페이지를 컨텍스트에 넣음<br/>= result_source 객체<br/>독자는 절대 못 봄"] --> C["② Cited (인용됨)<br/>특정 문장의 근거로 붙음<br/>= 클릭 가능한 각주"]
    C --> M["③ Mentioned (언급됨)<br/>브랜드명이 답변에 나옴<br/>근거는 아님"]
    classDef f fill:#f1f3f5,stroke:#868e96,color:#343a40;
    classDef c fill:#d3f9d8,stroke:#2f9e44,color:#1d6b2c;
    classDef m fill:#fff3bf,stroke:#e67700,color:#8a5a00;
    class F f;
    class C c;
    class M m;

셋은 따로 놀고, 각각을 따로 이기거나 진다. 인용 없이 언급될 수도, 언급 없이 인용될 수도 있다.

그 간격을 보여주는 숫자가 이거다(⚠️ 작은 표본·기술 편중).

도메인	가져감	인용됨
Reddit	278회	11회
YouTube	201회	0회

유튜브는 201번 가져갔는데 한 번도 인용 안 됐다. 저자의 설명이 기계적이라 설득력 있다 — 인용은 모델이 실제로 끌어온 텍스트에 묶여야 하는데, 검색에서 유튜브 페이지를 가져오면 메타데이터만 오지 영상 자막이 안 온다. 레딧 스레드는 본문이 페이지에 전부 있다.

✅ 그리고 이건 저자 표본만의 얘기가 아니다. Ahrefs가 ChatGPT 프롬프트 140만 건에서 레딧 1.93% vs 유튜브 0.51%로 같은 격차를 찾았다. 표본이 작은 관찰이라도 메커니즘이 설명되고 대규모 연구와 방향이 맞으면 믿을 만하다 — 이게 이 글을 읽는 요령이다.

그리고 여기가 나한테 제일 아팠다. 결과는 도메인 단위로 중복 제거(dedupe)된다. 저자 표현 그대로 — “얇은 페이지 20개는 1개로 접힌다.”

모델이 자기 입으로 뭘 말했나?

저자는 숨은 랭킹 점수를 찾다가 못 찾았다. 대신 thinking 모델의 사고 과정이 대화에 저장돼 있어서, 모델이 자기 출처 전략을 평문으로 설명한 걸 찾았다.

Ahrefs를 비교할 때는 공식 페이지를 읽고 “가격 페이지가 더 최신인 것 같으니 그걸 인용해야겠다”고 적었다.

그런데 다음이 이 글 전체의 핵심 장면이다.

flowchart TD
    A["모델: Profound 공식 가격을 인용하고 싶다"] --> B["페이지를 연다"]
    B --> C{"가격이 HTML에 있나?"}
    C -->|"❌ JS로 로딩됨"| D["모델 독백:<br/>'가격이 검색 결과에 직접 안 나온다.<br/>아마 자바스크립트로 로딩되는 듯'"]
    D --> E["모델 독백:<br/>'공식 페이지가 파싱하기 어렵고<br/>가격을 안 보여주니<br/>제3자 출처를 인용하겠다'"]
    E --> F["🔴 결과: G2를 인용<br/>= 내 가격인데 남의 페이지가 인용됨"]
    C -->|"✅ 평문 HTML"| G["✅ 공식 페이지 인용"]
    classDef n fill:#f1f3f5,stroke:#868e96,color:#343a40;
    classDef bad fill:#ffe3e3,stroke:#e03131,color:#a01818;
    classDef good fill:#d3f9d8,stroke:#2f9e44,color:#1d6b2c;
    class A,B,C n;
    class D,E,F bad;
    class G good;

모델은 Profound와 Peec의 자기 가격을 원했다. 가격이 자바스크립트 뒤에 있어서 못 읽었고, 그래서 G2를 인용했다. 내 사실인데, 남의 페이지에서.

저자의 정리가 날카롭다 — “자바스크립트 가격표는 순위가 나쁜 정도가 아니라, 내 숫자를 G2에 넘겨준다.”

부수적으로 나온 것 둘.

local_results_limit이 2로 박혀 있다. 로컬은 톱2 아니면 없는 것이다.
personal_sources: ["convo_search", "gmail", "files"] — 답변 일부가 최적화가 원천적으로 불가능한 개인 데이터로 만들어진다. 두 사람이 같은 질문에 다른 답을 받는 이유 하나가 이거다.

⚠️ 그런데 열흘 만에 절반이 바뀌었다

여기가 이 글을 쓰는 진짜 이유다. 1편은 6월 24일, 2편은 7월 14일이다. 그 사이에 플랫폼이 움직였고, 저자가 자기 결론 두 개를 스스로 정정했다.

저자의 원래 주장	2편의 정정
”`labrador`는 전국지를 가진 게 아니면 못 들어가는 라이선스 클럽”	🔴 틀렸다. labrador는 무료 등급 계정에선 보편적인 기본 파이프다. 작은 이탈리아 퍼블리셔도 들어간다. 유료 계정에서 주요 매체로 좁혀질 뿐
”트래픽 어디에도 랭킹 점수가 없다”	🔴 부정확했다. 로컬 파이프라인에 `ranking_score` 슬롯이 있다(두 테스트 모두 null이긴 했다). “점수가 없다”가 아니라 “노출된 점수가 없다”가 정확

그리고 파이프라인 구성이 통째로 바뀌었다.

flowchart LR
    subgraph OLD["6월 24일"]
        O1["serp"]; O2["labrador"]; O3["bright"]; O4["oxylabs"]
    end
    subgraph NEW["7월 14일 — 열흘 뒤"]
        N1["serp ♻️ 재활성화"]; N2["labrador"]; N3["bright"]; N4["🆕 bing"]; N5["❌ oxylabs 사라짐"]
    end
    OLD --> NEW
    classDef old fill:#f1f3f5,stroke:#868e96,color:#343a40;
    classDef new fill:#e7f5ff,stroke:#1c7ed6,color:#10548f;
    classDef gone fill:#ffe3e3,stroke:#e03131,color:#a01818;
    class O1,O2,O3,O4 old;
    class N1,N2,N3 new;
    class N4 new;
    class N5 gone;

⚠️ bing은 모두에게 있는 게 아니다. 독일 계정에서는 재현됐는데, 저자 본인의 UAE Plus 계정에서는 결과 595건 중 0건이었다. 저자는 이걸 코호트 게이팅(사용자 집단별 선택 배포)으로 읽는다. 즉 “내 트래픽에 없다”가 “존재하지 않는다”가 아니다.

새로 찾은 것 둘도 크다.

숨은 시스템 메시지 2개 — identity_prompt와 sources_and_filters_prompt. 둘 다 브라우저로는 빈 채로 온다. 내용은 OpenAI 서버를 안 떠난다. 저자는 대화 30건에서 슬롯 64개를 확인해 존재는 증명했지만 읽지는 못했다. 다만 실행은 관찰된다 — 재작성된 질의에 “Emirates official”, “AhrefsBot official” 같은 출처 유형 지정이 붙는다.
supporting_websites — 인용마다 같은 주장을 뒷받침했지만 선택되지 않은 경쟁 페이지 배열이 붙는다. 저자 표현이 좋다 — “이제 와이어가 주장 단위로, 누가 나를 이겼고 내가 누구를 이기고 있는지 정확히 보여준다.”

살아남은 것도 명확하다: 질의 재작성과 출처 유형 조종, 주장 단위 인용 결합 + 도메인 중복제거, 사실은 공식 페이지·의견은 리뷰/레딧. 그리고 labrador 스니펫 비대칭은 오히려 강해졌다 — 1,217자 대 153자.

그래서 내 블로그엔 뭘 바꾸나?

정리하고 나니 세 개가 남는다. 그중 하나는 내 실측과 정확히 맞물렸다.

첫째, 대량 발행이 왜 안 통했는지 설명이 됐다. 어제 GSC 진단에서 사이트맵 291개 중 실제 노출은 56개(19%)뿐이고, 글을 배치로 많이 쓴 게 노출 커버리지를 못 늘렸다는 게 실측으로 나왔다. 이 글의 도메인 단위 중복제거가 그 메커니즘이다. 얇은 페이지 20개는 1개로 접힌다. 주장 하나당 강한 페이지 하나가 낫다. 글감을 소진하는 식의 발행은 GEO 관점에서도 헛돈다.

둘째, 나는 운 좋게 이미 통과한 게 하나 있다. 이 사이트는 Quartz라 전부 정적 HTML로 빌드된다. 가격표를 JS로 띄우다 G2에 뺏기는 함정이 구조적으로 없다. 평문 HTML에 사실을 두라는 조언은 나한텐 이미 충족돼 있었다. 다행이지만 자랑은 아니고, 그냥 정적 사이트 생성기를 쓴 부수 효과다.

셋째, “나를 내가 인용할 수 없다”가 백링크 우선 진단과 같은 말이었다. 저자 표현대로 나에 대한 주장은 남의 페이지에서 인용된다. 사실은 내 페이지에서 읽어가고 의견은 남의 페이지에서 가져간다. 내 GSC 진단이 “콘텐츠 추가보다 백링크가 먼저”였는데, GEO 쪽에서도 결론이 같다. 깨끗하게 읽히는 페이지 + 제3자 커버리지 0 = 내 사실은 읽히고 추천은 남이 받는다.

그리고 방법론에서 하나 더. 오늘 나는 이 글을 옮기려다 하단의 후속편 링크를 보고 멈췄다. 열어보니 파이프라인 목록이 이미 낡아 있었다(oxylabs 삭제, bing 추가). 1편만 읽고 썼으면 나는 2주 지난 정보를 퍼뜨리는 사람이 됐을 거다. 확인하는 데 5분 걸렸다.

⚠️ 마지막으로 읽는 법. 저자 본인이 제일 정확하게 적었다 — “내 것을 포함해서, 이 전부를 주 단위로 바뀌는 시스템의 스냅샷으로 다뤄라. 구조는 유지된다. 숫자는 움직인다.” 그리고 랭킹 점수 얘기 — “ChatGPT의 랭킹 요소를 팔겠다는 사람은 뱀기름을 파는 것”이라는 문장은, 2편에서 ranking_score 슬롯을 찾아 스스로 누그러뜨렸다는 것까지 같이 알아야 공정하다.

✅ 자기 글을 열흘 만에 고친 사람의 글이라, 나는 오히려 더 믿는다.

Hyeong · 데이터·마케팅·개발 제너럴리스트

탐색기