이 결과를 인용하는 사람 가운데 그 지표가 무엇인지 아는 사람은 거의 없습니다. 위치 조정 단어 수는 생성된 답변의 단어 중 내 출처로 인정된 비율이며, 인용이 나타나는 위치에 따라 지수적으로 감쇠하는 함수로 할인됩니다. 텍스트의 얼마만큼이 내 것인지를 측정할 뿐, 누가 클릭했는지는 측정하지 않습니다.1 벤치마크 자체는 큽니다. 공개 출처 아홉 곳에서 25개 도메인에 걸친 쿼리 10,000건입니다. 그래서 다음 절에서 다루는 설계 문제는 규모의 한계가 아니라 결함입니다.
GEO와 SEO · 근거
GEO 전술은 정말 효과가 있을까요?
이 질문을 검증한 벤치마크는 세 개이며, 각각 앞선 연구가 건너뛴 단계를 하나씩 되돌려 놓았습니다. 순서대로 읽으면 세 연구는 하나의 이야기를 들려줍니다. 그리고 그것은 전술 목록이 들려주는 이야기가 아닙니다.
이 페이지 내용
짧은 답
일부는 효과가 있지만 조건이 붙고, 그 폭도 전술 목록이 시사하는 것보다 훨씬 작습니다. 이 분야에 이름을 붙인 2024년 KDD 벤치마크는 합성 엔진 안에서 아홉 가지 재작성 방법을 시험했고, 대상 문서는 이미 모델의 컨텍스트 안에 있었습니다. 가장 좋은 방법은 자체 가시성 지표를 19.3에서 27.2로 올렸고, 키워드 스터핑은 17.7로 아무것도 하지 않는 경우보다 낮았습니다.1 이 분야 자신의 2026년 비판적 서베이는 “GEO가 가시성을 40% 높인다”를 일반적 주장으로는 기각하며, 이 수치를 “특정 구성에서 한 지표에 대한 상대적 최댓값”이라고 부릅니다.4
핵심 요약- 최초의 벤치마크는 리트리벌을 한 번도 검증하지 않았습니다. 최적화된 페이지는 모델에 건네진 다섯 문서 가운데 하나로 이미 들어가 있었고, 측정된 것은 고정된 컨텍스트 내부의 귀속이었습니다.1
- 리트리벌을 되돌린 두 벤치마크는 모두 효과가 줄거나 뒤집히는 것을 발견했습니다. 문서 171,003건에서 본문만 고친 재작성은 재순위화 이후 상위 10위 노출을 16%, 최종 인용을 약 6% 낮췄습니다.3
- 이득은 거의 전부 낮은 자리에서 출발한 출처로 갔습니다. 가장 강한 세 방법은 1위 출처의 점유를 20에서 30% 깎았고, 그래서 이미 그 쿼리를 이기고 있는 페이지가 잃을 것이 있는 쪽입니다.
최초의 연구
최초의 GEO 벤치마크는 실제로 무엇을 측정했나?
이미 모델의 컨텍스트 안에 있던 문서에 생성된 답변의 텍스트가 얼마나 귀속되는지를 측정했습니다. 그 문서가 리트리벌되었는지가 아니고, 클릭이나 순위나 트래픽도 아닙니다.
| 시험한 방법 | 위치 조정 단어 수 | 19.3 베이스라인 대비 |
|---|---|---|
| 최적화 없음(베이스라인) | 19.3 | 해당 없음 |
| 키워드 스터핑 | 17.7 | 아무것도 하지 않는 것보다 나쁨 |
| 고유한 단어 | 20.5 | 미미함 |
| 권위적인 어조 | 21.3 | 작음 |
| 이해하기 쉽게 | 22.0 | 작음 |
| 전문 용어 추가 | 22.7 | 작음 |
| 출처 인용 | 24.6 | 네 번째로 좋음 |
| 유창성 최적화 | 24.7 | 세 번째로 좋음 |
| 통계 추가 | 25.2 | 두 번째로 좋음 |
| 인용문 추가 | 27.2 | 아홉 개 중 최고 |
단서 조항
헤드라인 백분율은 왜 쓰이는 의미와 다른가?
헤드라인 숫자는 하나의 인공적인 장치 안에서 하나의 자체 지표가 19.3에서 27.2로 움직인 상대 거리이고, 이 분야 자신의 2026년 서베이는 그것을 기각합니다. 서베이는 “GEO가 가시성을 40% 높인다”를 일반적 주장으로 기각된 항목에 올리면서, 그 근거로 이 수치가 “특정 구성에서 한 지표에 대한 상대적 최댓값”이라는 점을 듭니다.4 이 숫자에는 단서가 셋 따라붙지만, 함께 언급되는 일은 거의 없습니다.
첫째는 엔진입니다. 주 실험은 ChatGPT도 Google도 Bing도 조회하지 않았습니다. 저자들은 Google 상위 다섯 건을 가져와 2023년 세대 모델이 그 다섯 출처만 보고 답하게 하는 합성 엔진을 직접 만들었습니다.1 둘째는 거기서 이어집니다. 최적화된 페이지는 이미 그 다섯 건 가운데 하나였으므로, 리트리벌은 애초에 시험 대상이 아니었습니다. 서베이의 채점도 그에 맞습니다. 이미 컨텍스트에 놓인 문서가 자신의 순위, 인용, 사용을 인과적으로 바꿀 수 있다는 점은 높은 확신도로 평가되었고, 같은 줄에 이 근거가 “자연적 리트리벌은 다루지 않는다”고 적혀 있습니다.4 셋째는 같은 결과표 안에 있습니다. 키워드 스터핑은 아무것도 하지 않는 베이스라인보다 낮게 끝났고, 그렇게 된 방법은 그 묶음에서 유일했습니다. 이후 여러 벤치마크에서 효과가 확인되지 않거나 음의 효과로 채점되었습니다.4
논문 자체의 두 가지 세부가 그림을 더 선명하게 만듭니다. 실제 엔진 확인은 저자들 자신의 각주에 따르면 200개 예시에서만 수행되었고, 거기서 최고의 재작성은 베이스라인 대비 21%를 얻었으며 키워드 스터핑은 9%를 잃었습니다.1 또한 논문이 “출처 인용” 방법의 예시 출력으로 제시한 것은 존재하지 않는 것으로 보이는 연구 기관에 주장을 귀속시킵니다. 그래서 이 전술은 운용상 “진짜 인용을 더한다”가 아니라 “인용처럼 보이는 텍스트를 더한다”가 됩니다. 기억할 것은 서베이의 경고입니다. 조작된 통계는 재사용을 늘리는 동시에 인식적 품질을 떨어뜨릴 수 있습니다.4 엔진들은 이미 대규모로 잘못 귀속하고 있습니다. 컬럼비아대 Tow Center가 여덟 개 엔진에 쿼리 1,600건을 던진 감사에서 60% 넘게 틀린 답을 돌려주었으니, 인용처럼 보이는 창작물은 쌓여 가는 부채입니다.6
재분배
이 전술이 통할 때 실제로 이득을 보는 쪽은 누구인가?
이득은 거의 전부 낮은 자리에서 출발한 출처로 갑니다. 가장 강한 세 방법은 5위 출처의 가시성을 대략 두 배로 만들면서 1위 출처의 점유를 20–30% 깎았습니다.
아래는 출처의 원래 Google 순위별 가시성 상대 변화이며, 같은 논문의 두 번째 표에서 가져왔습니다.
| 방법 | 1위 | 2위 | 3위 | 4위 | 5위 |
|---|---|---|---|---|---|
| 권위적인 어조 | −6.0% | +4.1% | −0.6% | +12.6% | +6.1% |
| 유창성 최적화 | −2.0% | +5.2% | +3.6% | −4.4% | +2.2% |
| 출처 인용 | −30.3% | +2.5% | +20.4% | +15.5% | +115.1% |
| 인용문 추가 | −22.9% | −7.0% | +3.5% | +25.1% | +99.7% |
| 통계 추가 | −20.6% | −3.9% | +8.1% | +10.0% | +97.9% |
이것은 창출이 아니라 재분배로 읽어야 합니다. 이 재작성들은 귀속될 수 있는 답변 텍스트의 총량을 늘리지 않습니다. 고정된 후보 집합 안에서 누가 귀속을 받는지를 바꿀 뿐이고, 그 메커니즘은 점유를 기존 1위에서 도전자 쪽으로 옮깁니다. 그래서 이 전술의 가치는 지금 내가 어디에 서 있는지의 함수입니다. 1위에 있다면 공격적인 답변형 재작성은 상방 베팅이 아니라 측정 가능한 하방 위험입니다.
같은 논문의 세 번째 표가 단서의 나머지 절반을 채웁니다. 최선의 방법은 도메인에 따라 달라집니다. 출처 인용은 사실형과 법률·행정형 쿼리에서, 인용문 추가는 설명형과 역사형에서, 통계 추가는 논쟁형과 의견형에서 가장 강했습니다.1 도메인을 가로질러 유지되는 단일한 순서는 없었고, 2026년 서베이가 고정된 형식 레시피를 일반화가 잘 되지 않는다고 채점한 것이 바로 이 성질입니다.4
반전
리트리벌과 재순위화를 되돌리자 무슨 일이 일어났나?
최초 논문이 건너뛴 단계를 되돌린 두 벤치마크는 모두 효과가 줄거나 뒤집히는 것을 발견했습니다. NeurIPS 2025 Datasets and Benchmarks Track에서 발표된 C-SEO Bench는 여섯 개 도메인, 1.9k건이 넘는 쿼리에서 대화형 SEO 방법 열 가지를 시험했고, 그런 방법 대부분이 “대체로 효과가 없을 뿐 아니라 문서 순위에 부정적인 영향을 주는 경우가 잦다”고 보고했습니다. 54개 사례 중 유의미하게 긍정적인 것은 3개였고 질의응답에서는 하나도 없었으며, 출처를 컨텍스트 첫 번째 자리로 옮기는 것은 리테일에서 2.77 순위 값어치였던 반면 최고의 재작성은 0.36이었습니다.2 자매 글 “관련성과 순위”가 이 벤치마크를 자세히 다룹니다.
이 흐름을 닫는 것은 SAGEO Arena입니다. 고정된 컨텍스트를 제공하는 대신 리트리벌과 재순위화를 되살렸기 때문입니다. 문서 171,003건과 쿼리 2,700건에서, 본문만 손대는 최적화는 평균 상위 20위 노출을 약 9%, 재순위화 이후 상위 10위 노출을 16%, 최종 인용을 약 6% 낮췄습니다.3 기억할 문장은 서베이의 해석입니다. 재작성은 일단 주입되고 나면 잘 작동할 수 있지만, 동시에 그 문서의 검색 가능성을 낮추고 상류에서 경쟁력을 떨어뜨릴 수 있습니다.4
세 결과를 나란히 놓으면 모순은 사라집니다. 최초 논문은 파이프라인의 마지막 단계만 떼어 내 측정했고 거기서는 재작성이 도움이 된다고 보았습니다. 이후 연구는 모든 단계를 합쳐 측정했고, 같은 재작성이 하류에서 얻는 것보다 상류에서 잃는 것이 더 크다고 보았습니다. 그래서 실무 규칙은 전술이 아니라 제약입니다. 그 페이지가 리트리벌되려는 질문에 대한 주제 관련성을 희석하는 방식으로는 절대 본문을 최적화하지 마십시오.
종합
세 연구를 모두 살아남은 전술은 무엇인가?
진짜 뒷받침을 갖고 살아남은 것은 둘, 진정한 관련성과 사실에 근거한 추출 가능한 근거입니다. 고정 레시피, 권위적인 어조, 키워드 스터핑은 살아남지 못했습니다.
아래 등급은 2026년 비판적 서베이 자신의 것이며, 저희가 매긴 것이 아닙니다.
| 레버 | 서베이의 등급 | 벤치마크가 더하는 것 |
|---|---|---|
| 쿼리와 문서의 관련성 | 강함, 통제된 환경에서 | 시험된 모든 재작성을 이긴 유일한 레버 |
| 컨텍스트 안의 위치 | 강함, 리트리벌된 뒤라면 | 리테일에서 2.77 순위, 최고의 재작성은 0.36 |
| 추출 가능한 근거: 수치, 정의, 비교 | 중간에서 강함 | 사실이고, 날짜가 있고, 귀속이 밝혀지고, 의도에 맞아야 함 |
| 최신성, 가격, 명시적 날짜 | 중간 | 252,000회 시행 요인 실험이 가격과 최근 날짜에서 효과를 발견 |
| 문서 구조 | 중간이고 들쭉날쭉함 | 효과의 방향을 가정하지 말고 검증할 것 |
| 유창성과 단순화 | 약함에서 중간 | 19.3 베이스라인 대비 24.7, 합성 장치 안에서만 |
| 권위적인 어조 | 약하고 불안정함 | 21.3, 신뢰성과 충돌할 수 있음 |
| 고정된 형식 레시피 | 일반화가 나쁨 | 54개 사례 중 3개가 유의미하게 긍정적 |
| 키워드 스터핑 | 효과가 확인되지 않거나 음수 | 19.3 베이스라인 대비 17.7, 이 분야에서 가장 많이 재현된 부정적 결과 |
그 표의 한 줄은 두 번 읽을 가치가 있습니다. 추출 가능한 근거는 중간에서 강함으로 채점된 유일한 콘텐츠 레버이고, 그 조건은 장식이 아니라 구속입니다. 기준은 수치를 더하는 것이 아니라 관련 있고, 검증 가능하고, 날짜가 있고, 귀속이 올바르게 표시된 증거를 제공하는 것입니다.4 지금까지 발표된 유일한 AI 인용 학술 분류도 기술적 수준에서 같은 방향을 가리킵니다. 수치를 포함한 페이지는 평균 영향도가 61.6% 높고 정의 표지를 포함한 페이지는 57.3% 높다고 연결하면서, 원인과 상관을 구분할 수는 없다고 경고합니다.7
인기 있는 전술 하나가 그 표에 없습니다. 근거가 반대 방향을 가리키기 때문입니다. “schema 마크업이 AI 인용을 늘린다”는 발표된 유일한 매치드 컨트롤 테스트에 의해 반박됩니다. JSON-LD를 추가한 1,885개 페이지를 4,000개 대조군과 맞춰 전후 30일 창에서 측정한 벤더 연구는 AI Overview 인용이 4.6% 감소했고 유의미했으며, 시험한 다른 두 플랫폼에서는 유의미한 변화가 없었다고 밝혔습니다.11 Google 자체 문서도 자사 AI 기능에 등장하기 위해 특별한 구조화 데이터가 필요하지 않다는 데 동의합니다.5 리치 결과와 기계 판독성을 위해 schema를 넣으십시오. 그 이상은 주장하지 마십시오.
측정
내 사이트에서 이 전술을 어떻게 검증할 것인가?
전후 스크린샷 한 장으로는 안 됩니다. 세 가지 발견이 여러분의 검증을 지배합니다. 답변은 흔들리고, 화면끼리 일치하지 않으며, 경쟁사가 같은 방법을 채택할수록 이득은 줄어듭니다.
먼저 무엇을 물을지 고정하십시오. 편집의 효과는 엔진 자체의 분산에 견주어 읽어야 하는데, 2026년의 한 통계적 분석은 겉보기 차이의 상당수가 측정의 잡음 바닥 안에 있음을 발견했습니다.10 그래서 한 질문을 전에 한 번, 후에 한 번 묻는 것으로는 아무 정보도 얻지 못합니다. 프롬프트 세트를 고정하고, 일정에 맞춰 반복하고, 각 답변이 어떤 출처를 인용했는지 기록하십시오. 그러면 비교 대상은 스크린샷이 아니라 분포가 됩니다.
다음으로 어디서 물을지 고정하십시오. SIGIR 2026의 쿼리 11,500건 연구는 한 회사가 가진 세 답변 화면 사이의 URL 수준 Jaccard 유사도를 0.11–0.18로 측정했습니다.9 서베이가 가시성은 “엔진과 화면별로 색인된다”고 말하는 근거가 이것입니다.4 한 화면에서의 결과는 다른 화면에서의 결과가 아니며, 어딘가에서 통한 전술은 하나의 엔진, 하나의 도메인, 한 달에서 통한 것입니다.
마지막으로, 효과가 감쇠할 것을 예상하십시오. C-SEO Bench는 같은 후보 집합 안에서 같은 방법을 채택한 문서가 많아질수록 이득이 줄어드는 것을 발견했습니다.2 그러니 이번 분기에 긍정적으로 나온 것은 아직 그것을 채택하지 않은 경쟁사를 상대로 측정된 것입니다. 처음부터 끝까지 고정해 둘 가치가 있는 것은 둘입니다. 한 번에 하나만 바꾸는 것, 그리고 페이지의 주제 관련성을 그대로 지키는 것입니다.
이 글의 정직한 한계
실제 상용 엔진에서 처음부터 끝까지 통제된 실험을 한 사람은 아직 없습니다. 위의 모든 결과는 연구자들이 직접 만든 장치에서 나왔습니다. 최초의 엔진은 합성이었고 2023년 세대 모델 위에서 돌았으며, 이후 두 벤치마크도 운영 시스템에 질의하는 대신 자체 리트리벌을 공급합니다. 그래서 “순위가 재작성을 압도한다”는 수렴하는 근거로부터 나온 강한 추론이지 현장에서 측정된 계수가 아니며, 이 모두를 채점한 서베이 자체는 프리프린트입니다. 다만 세 벤치마크는 모두 동료 심사를 거쳤습니다. 부정적 결과를 긍정적 결과보다 더 단단한 것으로 다루십시오. 재현된 쪽은 부정적 결과입니다.
제품이 도움이 되는 지점, 되지 않는 지점
이 페이지에서 실행할 수 있는 것은 모두 무료이고 반나절 편집이면 끝납니다. 페이지를 그 페이지가 겨냥한 질문에 대한 진짜 최선의 답으로 만들고, 본문에 실제이고 날짜가 있고 귀속이 밝혀진 수치와 평이한 정의를 넣고, 이미 1위인 페이지는 건드리지 말고, 발견한 키워드 스터핑 문단은 지우십시오. 여기에 소프트웨어는 전혀 관여하지 않습니다. 소프트웨어가 바꾸는 것은 위에서 말한 측정뿐입니다. Bavior는 고정된 프롬프트 세트를 일정에 따라 다섯 개 엔진에 돌리고 각 답변이 어떤 출처를 인용했는지 기록합니다. 순위를 올려 주지 않고, 페이지를 재작성하지 않으며, 여기 있는 어떤 전술이 여러분의 도메인에서 통할 것이라고 약속할 수도 없습니다. 무료 AI 가시성 체커와 무료 GEO 진단은 유료 플랜 없이 실행됩니다. 유료 플랜은 월 결제 시 월 $99부터, 연 결제 시 월 $79.17입니다(2026년 8월 30일 기준).
출처, 모두 2026년 8월 30일 확인
- Aggarwal 외, “GEO: Generative Engine Optimization”, KDD ’24(제30회 ACM SIGKDD, 2024년 8월); GEO-bench, 쿼리 10,000건, 25개 도메인. arxiv.org/abs/2311.09735
- Puerto 외, “C-SEO Bench: Does Conversational SEO Work?”, NeurIPS 2025 Datasets & Benchmarks Track; 방법 10가지, 쿼리 1.9k건 이상과 문서 16k건, 사례 54개. arxiv.org/abs/2506.11097
- Kim 외, “SAGEO Arena: A Realistic Environment for Evaluating Search-Augmented Generative Engine Optimization”, KDD 2026(arXiv:2602.12187v2, 2026년 8월 7일); 문서 171,003건, 쿼리 2,700건. arxiv.org/abs/2602.12187
- “Optimizing Visibility in Generative Engines: A Critical Survey of Generative Engine Optimization (2023–2026)”, 2026년 7월 15일, arXiv:2607.14035; 확신도 표와 레버 지지도 표. arxiv.org/abs/2607.14035
- Google Search Central, “AI features and your website”(특별한 구조화 데이터 불필요; 1차 자료). developers.google.com/search/docs/appearance/ai-features
- Jaźwińska & Chandrasekar, “AI Search Has a Citation Problem”, 컬럼비아대 Tow Center for Digital Journalism, 2025년 3월 6일; 엔진 여덟 개에 쿼리 1,600건. cjr.org
- Zhang, He & Yao, “From Citation Selection to Citation Absorption”, arXiv:2604.25707(프리프린트, 기술통계만); 통제 프롬프트 602건, 검색 계층 인용 21,143건. arxiv.org/abs/2604.25707
- Vishwakarma 외, 2026; 252,000회 시행 요인 실험으로 명시적 가격과 최근 날짜에서는 효과를, 형식 변경만으로는 약한 효과를 발견(출처 4의 비판적 서베이에 기술됨)
- Grossman 외, SIGIR 2026; 쿼리 11,500건; Google 자연 검색, AI Overviews, Gemini 사이의 URL 수준 Jaccard 0.11–0.18. arxiv.org/abs/2604.27790
- Sielinski, “Quantifying Uncertainty in AI Visibility”, 2026년 3월, arXiv:2603.08924(프리프린트). arxiv.org/abs/2603.08924
- 2025년 8월부터 2026년 3월 사이 JSON-LD를 추가한 1,885개 페이지를 4,000개 대조 페이지와 맞춘 벤더 매치드 컨트롤 연구, 인용은 전후 30일에 측정, 2026년 5월 발표; AI Overview 인용 −4.6%(유의미), 다른 두 플랫폼은 유의미하지 않음. 본 커리큘럼의 출처 규칙에 따라 링크하지 않고 기술만 합니다.
FAQ
자주 묻는 질문입니다.
GEO 논문의 유명한 “40% 향상”은 진짜인가요?
실제 논문의 실제 숫자이지만 일반화되지 않으며, 그래서 2026년 비판적 서베이가 이것을 일반적 주장으로 기각된 항목에 올려 둔 것입니다. 이 수치는 위치 조정 단어 수라는 자체 지표에서 19.3 베이스라인부터 27.2까지의 상대 거리입니다. 이 지표는 답변 텍스트 가운데 얼마가 내 출처로 인정되는지를 재며, 측정은 Google 결과 다섯 건과 2023년 세대 모델로 만든 합성 엔진 안에서, 최적화된 문서가 이미 컨텍스트에 들어간 상태로 이루어졌습니다. 인용하려면 이 조건들을 함께 붙이고, 아니면 인용하지 마십시오.
제 페이지에 통계와 인용문을 넣어야 할까요?
진짜를, 진짜 출처와 진짜 날짜와 함께 넣으십시오. 그리고 극적인 효과가 아니라 중간 정도의 효과를 예상하십시오. 추출 가능한 근거는 2026년 서베이가 중간에서 강함으로 채점한 유일한 콘텐츠 레버이고, 그 조건은 구속력이 있습니다. 기준은 수치를 더하는 것이 아니라 관련 있고, 검증 가능하고, 날짜가 있고, 귀속이 올바르게 표시된 증거를 제공하는 것입니다. 이 전술이 부르는 실패 방식은 최초 논문 자신의 예시가 빠진 바로 그것입니다. 존재하지 않는 기관에 인용처럼 보이는 귀속을 지어내는 것입니다. 엔진은 그것을 확인하지 못하지만 독자는 결국 확인합니다.
제 페이지는 이미 1위입니다. 그래도 AI 답변용으로 재작성해야 하나요?
이미 1위인 출처에서 측정된 효과는 음수이므로, 거기서는 공격적인 답변형 재작성을 하방 위험으로 다루십시오. 최초 논문의 순위별 표는 가장 강한 세 방법이 1위 출처의 가시성을 20–30% 낮추면서 5위 출처를 대략 두 배로 만드는 것을 보여 줍니다. 메커니즘은 성장이 아니라 고정된 후보 집합 안의 재분배입니다. 그 페이지들은 정확성, 최신성, 명료성을 위해 편집하고, 구조적 곡예는 아직 그 쿼리를 이기지 못한 페이지에 남겨 두십시오.
대부분의 전술이 통하지 않는다면 무엇이 남나요?
순서대로 세 가지입니다. 그 질문에 대한 진짜 최선의 답이 되는 것, 리트리벌된 컨텍스트에서 위쪽에 놓이게 하는 순위를 얻는 것, 그리고 본문에 사실이고 날짜가 있고 귀속이 밝혀진 증거를 넣는 것입니다. 2026년 서베이가 약함보다 높게 채점한 레버는 이것뿐이고, 앞의 둘은 새로운 무엇이 아니라 평범한 검색 작업입니다. 그다음에 남는 것은 사이트 밖에 있습니다. 상업적 질문에서는 인용되는 것의 상당 부분이 벤더 자신의 페이지가 아니라 서드파티 보도와 커뮤니티 스레드이며, 그것은 다른 예산 항목이고 다른 팀의 일입니다.
Bavior 편집팀
Reddit 마케팅과 AI 검색 가시성에 관한 Bavior의 콘텐츠를 조사하고 관리하는 팀입니다. 본문의 모든 수치에는 출처와 확인 날짜를 명시했으며, 제휴 링크는 사용하지 않습니다.
수치에 오류를 발견하셨나요? 알려주시면 다시 확인하겠습니다: support@bavior.com