- 인용 조건PDF도 색인되고 스니펫 표시가 가능하면 AI 개요·AI 모드의 참조 링크가 될 수 있습니다.
- 중복 정리PDF에는 canonical 태그를 넣을 수 없어 HTTP 헤더로 표준 URL을 알립니다.
- 차단 설정검색에서 뺄 PDF는 X-Robots-Tag 헤더로 noindex를 지정합니다.
제품 카탈로그와 백서는 대개 PDF로 배포합니다. 공들여 만든 문서가 AI 답변의 출처가 될 수 있는지 묻는 경우가 많습니다. 이 글은 Google·OpenAI 공식 문서로 PDF 인용 조건과 점검 항목을 정리합니다.
PDF 카탈로그·백서도 AI 답변에 인용될 수 있나요? 📄
PDF도 AI 답변에 인용될 수 있습니다. 조건은 HTML 페이지와 같습니다.
Google의 색인 가능 파일 형식 목록에 PDF가 들어 있습니다. 한글 문서(.hwp), Word, PowerPoint 파일도 같은 목록에 있습니다. AI 개요나 AI 모드의 참조 링크가 되려면 색인되어 있고 스니펫과 함께 표시될 수 있어야 합니다.
Google 문서에 파일 형식별 추가 요건은 없습니다.
- AI 기능에 표시되기 위한 추가 기술 요구사항은 없습니다.
- AI용 별도 파일이나 schema.org 마크업도 필요하지 않습니다.
- 요건을 갖춰도 색인과 노출이 보장되지는 않습니다.
어떤 PDF가 색인에 불리한가요? 🔍
글자를 선택할 수 없는 PDF는 텍스트가 제대로 추출되는지 확인하기 어렵습니다. Google은 PDF를 파서로 텍스트를 추출하는 형식으로 분류합니다.
| PDF 유형 | 텍스트 추출 | 권장 조치 |
|---|---|---|
| 문서 프로그램 내보내기 PDF | 글자 선택 가능 | 그대로 공개 |
| 스캔 이미지 PDF | 추출 여부 불확실 | 텍스트판 별도 작성 |
| 그림 위주 카탈로그 | 설명 글 부족 | 제품 설명 HTML 보강 |
Google의 AI 기능 문서도 중요한 콘텐츠는 텍스트로 제공하라고 권합니다. 표지와 사양표가 그림으로만 들어간 카탈로그는 핵심 정보가 검색에 전달되지 않을 위험이 있습니다.
파일 형식은 서버가 보내는 Content-Type 헤더로 판단합니다. 헤더가 없거나 잘못되면 Google은 확장자 등으로 다시 파싱하기도 합니다. 배포 서버가 PDF를 application/pdf로 보내는지 확인합니다.
이미지·동영상까지 포함한 텍스트화 순서는 AI 텍스트화 우선순위 글에서 다뤘습니다.
PDF와 HTML 페이지가 같은 내용이면 어떻게 하나요? 🔗
같은 내용을 HTML 페이지와 PDF로 함께 공개하면 어느 쪽을 표준으로 할지 정합니다. PDF에는 rel="canonical" HTTP 헤더를 씁니다.
canonical 링크 요소는 HTML의 head 안에서만 작동합니다. PDF처럼 HTML이 아닌 파일은 서버 응답 헤더로 표준 URL을 알리는 방법을 씁니다. 이 방법은 웹 검색 결과에만 적용됩니다.
검색 사용자가 처음 보게 할 문서를 정합니다.
사용자가 화면에서 바로 읽는 경우
인쇄·배포용 원본이 핵심인 경우
Google 문서의 예시는 docx 파일 응답에 Link 헤더로 PDF 주소를 넣는 방식입니다. 헤더의 주소는 절대 URL로 씁니다.
Link: <https://www.example.com/downloads/white-paper.pdf>; rel="canonical"
검색에서 빼고 싶은 PDF는 어떻게 막나요? 🔒
검색과 AI 답변에서 뺄 PDF는 X-Robots-Tag 응답 헤더로 막습니다. PDF에는 robots meta 태그를 넣을 수 없기 때문입니다.
| 목적 | 설정 | 적용 범위 |
|---|---|---|
| 색인 제외 | X-Robots-Tag: noindex | Google 검색 전체 |
| 요약 표시 제외 | X-Robots-Tag: nosnippet | 스니펫·AI 개요·AI 모드 |
| ChatGPT 검색 제외 | robots.txt OAI-SearchBot 차단 | ChatGPT 검색 답변 |
Google 문서에 따르면 nosnippet은 AI 개요·AI 모드의 직접 입력도 막습니다. 가격표처럼 검색 노출은 두되 요약은 피하려는 문서에 맞는 설정입니다.
- Apache는 .htaccess에서 PDF 파일에 X-Robots-Tag 헤더를 추가합니다.
- NGINX는 location 블록에서 add_header로 같은 헤더를 붙입니다.
- 사이트 전체 PDF에 적용되므로 대상 경로를 좁혀 지정합니다.
학습용 크롤러와 검색용 크롤러를 나눠 다루는 방법은 AI 크롤러 robots.txt 글에 정리했습니다.
ChatGPT 검색에서도 같은 조건인가요? 🤖
ChatGPT 검색에 PDF가 출처로 쓰이려면 OAI-SearchBot이 접근할 수 있어야 합니다. OpenAI 문서는 이 크롤러를 검색 노출용으로 설명합니다.
| 크롤러 | 용도 | 차단 시 영향 |
|---|---|---|
| OAI-SearchBot | ChatGPT 검색 노출 | 검색 답변 표시 제외 |
| GPTBot | 모델 학습 | 학습 데이터 제외 |
| ChatGPT-User | 사용자 요청 방문 | robots.txt 미적용 가능 |
OpenAI에 따르면 OAI-SearchBot을 차단한 사이트는 ChatGPT 검색 답변에 나오지 않습니다. 탐색용 링크로는 나타날 수 있습니다. 다운로드 폴더 차단 규칙이 모든 크롤러 대상이면 OAI-SearchBot도 접근하지 못합니다.
OpenAI 문서는 PDF 형식에 대한 별도 기준을 밝히지 않습니다. 따라서 크롤러 접근 허용과 텍스트 제공을 공통 조건으로 봅니다.
공개 전에 무엇을 점검해야 할까요? ✅
공개 전에는 텍스트 확인, 서버 헤더, 접근 허용, 링크 연결, 색인 확인의 5단계로 점검합니다.
1. 텍스트 확인
PDF를 열어 본문 글자가 선택·복사되는지 확인합니다.
2. 서버 헤더
Content-Type과 X-Robots-Tag, Link 헤더가 의도대로 나가는지 봅니다.
3. 접근 허용
robots.txt가 PDF 경로를 Googlebot과 OAI-SearchBot에 막지 않는지 점검합니다.
4. 링크 연결
제품·자료 페이지에서 href가 있는 일반 링크로 PDF를 연결합니다.
5. 색인 확인
site:와 filetype: 연산자, URL 검사 도구로 색인 여부를 점검합니다.
Google 문서에 따르면 일반적으로 href 속성이 있는 a 요소만 링크로 크롤링됩니다. 버튼 스크립트로만 여는 PDF는 Google이 주소를 안정적으로 추출하기 어렵습니다.
site: 검색에 나타나지 않아도 색인되지 않았다고 단정할 수는 없습니다. Google은 이때 URL 검사 도구로 확인하라고 안내합니다.
다섯 항목을 공개 직전에 한 번 더 점검합니다.
참고 자료 📚
- Google 검색 센터 — Google에서 색인을 생성할 수 있는 파일 형식
- Google 검색 센터 — AI 기능 및 웹사이트
- Google 검색 센터 — Robots meta 태그, data-nosnippet 및 X-Robots-Tag 사양
- Google 검색 센터 — rel="canonical" 및 다른 메서드로 표준 URL을 지정하는 방법
- Google 검색 센터 — Google의 링크 권장사항
- Google 검색 센터 — site: 검색 연산자
- OpenAI — Overview of OpenAI Crawlers
