SAGEO 아레나: 검색 증강 생성 엔진 최적화 평가를 위한 현실적인 환경

SAGEO Arena: A Realistic Environment for Evaluating Search-Augmented Generative Engine Optimization

검색 증강 생성 엔진(SAGE)은 웹 규모의 검색과 생성 기능을 연결하여 종합된 답변을 제공함으로써 정보 접근의 새로운 패러다임으로 부상했다. 이러한 변화는 웹 콘텐츠가 온라인에서 노출되는 방식을 근본적으로 재편했으며, AI가 생성한 응답에서 웹 문서의 가시성을 향상시키기 위해 문서를 최적화하는 기법인 검색 증강 생성 엔진 최적화(SAGEO)를 탄생시켰다. 커지는 관심에도 불구하고, 현재 SAGEO에 대한 포괄적인 연구를 지원하는 평가 환경은 부재한 상황이다. 구체적으로 기존 벤치마크들은 생성 이전에 진행되는 검색 및 재순위화 과정을 배제한 채 사전 결정된 후보 문서들로만 작동하므로, 최적화 전략에 대한 종단 간(end-to-end) 가시성 평가를 제공하지 못한다. 더욱이 기존 벤치마크들은 실제 웹 문서에 존재하는 구조적 정보(예: 스키마 마크업)를 제거함으로써, 검색 시스템이 실제 환경에서 적극적으로 활용하는 풍부한 신호를 간과한다. 이러한 한계점에 착안하여, 본 연구는 단계별 SAGEO 분석을 위한 현실적이고 재현 가능한 환경인 SAGEO 아레나(SAGEO Arena)를 제안한다. 본 연구의 목표는 검색 지향 최적화(SEO)와 생성 중심 최적화(GEO)를 동시에 다루는 것이다. 이를 달성하기 위해 풍부한 구조적 정보를 포함하는 대규모 웹 문서 코퍼스 상에 완전한 생성형 검색 파이프라인을 통합했다. 연구 결과, 기존의 접근 방식들은 현실적인 조건에서 대체로 비실용적이며 종종 검색 및 재순위화 단계의 성능을 저하시키는 것으로 나타났다. 또한, 구조적 정보가 이러한 한계를 완화하는 데 도움이 되며, 효과적인 SAGEO를 위해서는 각 파이프라인 단계에 맞춘 최적화가 필수적임을 발견했다. 전반적으로 본 벤치마크는 단순화된 설정을 넘어 현실적인 SAGEO 평가 및 최적화 연구의 기반을 마련한다.

Search-Augmented Generative Engines (SAGE) have emerged as a new paradigm for information access, bridging web-scale retrieval with generative capabilities to deliver synthesized answers. This shift has fundamentally reshaped how web content gains exposure online, giving rise to Search-Augmented Generative Engine Optimization (SAGEO), the practice of optimizing web documents to improve their visibility in AI-generated responses. Despite growing interest, no evaluation environment currently supports comprehensive investigation of SAGEO. Specifically, existing benchmarks lack end-to-end visibility evaluation of optimization strategies, operating on pre-determined candidate documents that abstract away retrieval and reranking preceding generation. Moreover, existing benchmarks discard structural information (e.g., schema markup) present in real web documents, overlooking the rich signals that search systems actively leverage in practice. Motivated by these gaps, we introduce SAGEO Arena, a realistic and reproducible environment for stage-level SAGEO analysis. Our objective is to jointly target search-oriented optimization (SEO) and generation-centric optimization (GEO). To achieve this, we integrate a full generative search pipeline over a large-scale corpus of web documents with rich structural information. Our findings reveal that existing approaches remain largely impractical under realistic conditions and often degrade performance in retrieval and reranking. We also find that structural information helps mitigate these limitations, and that effective SAGEO requires tailoring optimization to each pipeline stage. Overall, our benchmark paves the way for realistic SAGEO evaluation and optimization beyond simplified settings.