AI 검색 노출률 34%, 정말 좋은 성적일까?
도슨티GEOAI 검색 노출률 34%, 정말 좋은 성적일까?
2억 6천만 프롬프트 분석이 드러낸 GEO 성과 측정의 함정
AI 검색에서 우리 브랜드가 얼마나 자주 등장하는지 확인하는 일이 새로운 마케팅 업무로 떠오르고 있습니다.
ChatGPT는 우리 브랜드를 얼마나 자주 언급할까요? Gemini와 Claude에서는 어떨까요? 경쟁사보다 더 자주 추천되고 있을까요?
이런 질문에 답하기 위해 GEO(Generative Engine Optimization) 솔루션을 도입하는 기업도 늘고 있습니다.
그런데 정작 우리가 보고 있는 숫자부터 다시 검토해야 할 이유가 생겼습니다.
AI 검색 노출률이 34%라고 해보겠습니다.
이 숫자는 좋은 성적일까요, 나쁜 성적일까요?
답은 생각보다 간단하지 않습니다.
브랜드를 직접 물어본 질문에서 얻은 34%인지, 브랜드를 전혀 언급하지 않은 질문에서 얻은 34%인지에 따라 의미가 완전히 달라지기 때문입니다.
더 나아가 같은 질문을 AI에게 반복했을 때 브랜드가 얼마나 안정적으로 등장하는지, 어떤 고객에게 추천되는지, 어느 AI 플랫폼에서 발견되는지도 따져봐야 합니다.
2026년 발표된 여러 대규모 연구는 한 가지 결론을 향하고 있습니다.
AI 검색의 성과를 하나의 노출률이나 순위로 평가하는 방식에는 구조적인 한계가 있다는 것입니다.
1. 2억 6천만 프롬프트가 보여준 것: AI 가시성은 플랫폼마다 다르다
2026년 11월 3일, SEO 분석 기업 Ahrefs는 흥미로운 연구를 발표했습니다.
미국 브랜드 1만 개와 2억 6천만 개의 비브랜드 AI 프롬프트를 분석해, 웹에서 브랜드가 언급되는 방식과 AI 검색에서 브랜드가 등장하는 빈도 사이의 관계를 조사한 것입니다.
연구에서는 Reddit 언급이 AI 브랜드 노출과 가장 높은 상관관계(약 0.75)를 보였습니다. 일반 웹페이지 언급과 브랜드를 언급하는 도메인 수는 각각 약 0.70, 뉴스 기사 언급은 약 0.67이었습니다.
이 결과는 브랜드가 자사 홈페이지 밖에서 얼마나 폭넓게 이야기되는지가 AI 검색 가시성과 관련되어 있음을 보여줍니다.
하지만 이 연구에서 더 주목해야 할 발견은 따로 있습니다.
조사 대상 브랜드 가운데 AI 답변에 한 번도 등장하지 않은 비율이 플랫폼마다 크게 달랐습니다.
-
ChatGPT: 46%
-
Google AI Mode: 23%
-
Google AI Overviews: 18%
세 플랫폼을 합치면 완전히 노출되지 않은 브랜드는 14%였습니다.
물론 플랫폼별 프롬프트 구성과 응답 특성을 고려해야 하므로, 이 수치를 각 서비스의 절대적인 추천 성능 순위로 해석해서는 안 됩니다.
그럼에도 중요한 사실은 분명합니다.
어떤 AI에서는 존재감이 없는 브랜드가 다른 AI에서는 꾸준히 등장할 수 있다는 것입니다.
기업이 단일 플랫폼의 노출률을 전체 GEO 성과로 받아들이면 실제 시장에서 벌어지는 경쟁의 상당 부분을 놓칠 수 있습니다.
원문: Ahrefs, Which Types of Mentions Correlate the Strongest With AI Visibility? (2026.11.03)
2. 브랜드를 물어봤더니 브랜드가 나왔다. 이것을 성과라고 할 수 있을까?
11월 9일 HubSpot이 공개한 분석은 GEO 측정의 또 다른 약점을 지적합니다.
바로 브랜드 질문(Branded Prompt)과 비브랜드 질문(Unbranded Prompt)을 하나의 노출률로 합산하는 문제입니다.
두 질문을 비교해 보겠습니다.
A. "나이키 러닝화는 마라톤에 적합할까?"
B. "마라톤 초보자에게 어떤 러닝화를 추천할까?"
A에서는 사용자가 이미 나이키를 알고 있습니다. AI가 나이키를 언급하는 것은 특별히 놀라운 일이 아닙니다.
반면 B에서는 브랜드가 주어지지 않았습니다. AI가 수많은 후보 가운데 나이키를 선택해야 비로소 답변에 등장합니다.
첫 번째 질문은 기존 브랜드 인지 이후의 평가에 가깝고, 두 번째 질문은 새로운 브랜드 발견의 기회에 가깝습니다.
이 차이를 무시하면 어떤 일이 벌어질까요?
HubSpot이 제시한 예시를 살펴보겠습니다.
| 질문 유형 | AI 응답 수 | 브랜드 언급 | 노출률 |
|---|---|---|---|
| 브랜드 질문 | 100 | 90 | 90% |
| 비브랜드 질문 | 400 | 80 | 20% |
| 전체 | 500 | 170 | 34% |
전체 노출률은 34%입니다.
그런데 브랜드를 직접 언급하지 않은 질문에서의 노출률은 20%에 불과합니다.
이미 브랜드를 알고 있는 고객에게는 잘 보이지만, 아직 특정 브랜드를 선택하지 않은 잠재고객에게는 10번 중 2번만 등장하는 셈입니다.
여기에서 더 흥미로운 문제가 발생합니다.
기업이 측정 대상에 브랜드 질문을 더 많이 추가하면 실제 비브랜드 노출 성과가 전혀 개선되지 않았는데도 전체 노출률이 상승할 수 있습니다.
대시보드에는 성과가 좋아진 것으로 나타나지만, 시장에서의 신규 발견 기회는 그대로인 것입니다.
HubSpot은 이를 'Blended-Score Trap'이라고 설명합니다.
이 문제는 GEO 솔루션 자체를 어떻게 평가해야 하는지에 대해서도 중요한 질문을 던집니다.
측정 질문을 어떻게 구성했는지 알 수 없는 노출률 50%와, 실제 잠재고객의 비브랜드 질문을 중심으로 측정한 노출률 30% 중 어느 쪽이 더 좋은 성적일까요?
단일 숫자만으로는 판단할 수 없습니다.
원문: HubSpot, Branded vs. Unbranded Queries in AI Search (2026.11.09)
3. 같은 질문을 했는데 매번 다른 브랜드를 추천한다면?
여기에는 더 근본적인 문제가 있습니다.
AI가 추천하는 브랜드 목록은 생각보다 훨씬 불안정합니다.
2026년 1월, SparkToro의 Rand Fishkin과 Gumshoe.ai의 Patrick O'Donnell은 ChatGPT, Claude, Google의 AI를 대상으로 추천 결과의 일관성을 조사했습니다.
약 600명의 참여자가 동일한 질문 12개를 반복 실행했고, 연구진은 약 3,000개의 응답을 비교했습니다.
결과는 놀라웠습니다.
ChatGPT와 Google AI에서 두 응답의 브랜드 추천 목록이 완전히 같을 확률은 1% 미만이었습니다.
추천 브랜드의 구성뿐 아니라 순서까지 같을 확률은 약 0.1% 미만이었습니다.
이 연구 결과를 잘못 해석해서는 안 됩니다.
AI 추천이 매번 바뀐다는 사실이 GEO 측정 자체가 불가능하다는 뜻은 아닙니다.
오히려 반대입니다.
한 번의 응답을 지나치게 신뢰해서는 안 되며, 반복 관측을 통해 브랜드가 등장하는 빈도와 그 변동성을 분석해야 한다는 뜻입니다.
기존 검색엔진에서는 특정 키워드의 검색 순위를 확인하고 시간에 따른 변화를 추적할 수 있었습니다.
AI 검색에서는 같은 질문에 대한 응답조차 달라질 수 있습니다.
따라서 GEO의 측정 단위는 단순한 순위가 아니라, 명시된 질문 집합과 측정 조건에서 브랜드가 등장한 관측 비율이어야 합니다.
이를 실제 사용자에게 추천될 확률로 곧바로 해석해서도 안 됩니다. 측정에 사용한 질문과 실행 조건이 실제 사용자들의 질문을 얼마나 잘 대표하는지에 따라 추정 결과가 달라지기 때문입니다.
4. 평균 노출률 뒤에 숨은 고객: 60만 건 이상의 AI 응답이 보여준 차이
그렇다면 여러 질문을 반복 측정하고 평균을 내면 문제가 해결될까요?
그것만으로도 충분하지 않습니다.
2026년 6월 Gumshoe는 1,145개 브랜드, 7,475개 구매자 페르소나, 13개 AI 모델에 걸친 602,522개 AI 응답을 분석했습니다.
이 연구에서 전체 평균 브랜드 노출률은 24.8%였습니다.
하지만 같은 브랜드라도 어떤 고객 페르소나가 질문하는지에 따라 AI 노출률이 크게 달라졌습니다.
보고서에 따르면 Lululemon의 전체 평균 노출률은 약 64%였지만, 페르소나에 따른 노출률은 7.5%에서 81.2%까지 차이가 났습니다.
약 74%포인트의 격차입니다.
이는 단순한 통계적 잡음으로 치부하기 어려운 차이입니다.
예를 들어 같은 노트북 브랜드를 찾는다고 해도 대학생, 영상 편집자, 기업 구매 담당자가 AI에 요청하는 조건은 다릅니다.
"가벼운 대학생 노트북 추천"
"4K 영상 편집에 적합한 노트북 비교"
"기업용 보안과 유지보수가 좋은 업무용 노트북"
동일한 제품군에 관한 질문이지만 AI가 중요하게 판단하는 속성은 달라집니다.
한 브랜드는 휴대성에서 강하게 추천되고, 다른 브랜드는 성능이나 기업용 관리 기능에서 우선적으로 등장할 수 있습니다.
따라서 GEO에서 중요한 것은 브랜드 전체의 평균 노출률만이 아닙니다.
실제로 구매 가능성이 있는 고객이 어떤 조건을 제시할 때 우리 브랜드가 선택되는지 알아야 합니다.
원문: Gumshoe, What the Average Hides: AI Brand Visibility Analysis (2026.06)
5. AI가 우리를 언급하는 것과 추천하는 것은 다르다
여기에서 GEO 측정은 한 단계 더 정교해져야 합니다.
마케팅 담당자는 다음 세 가지를 서로 구분할 필요가 있습니다.
첫째, 언급(Mention)입니다.
AI가 답변에서 우리 브랜드를 이름으로 등장시켰는지를 확인합니다.
둘째, 인용(Citation)입니다.
AI가 답변의 출처로 우리 웹페이지나 관련 콘텐츠를 제시했는지를 확인합니다.
셋째, 추천(Recommendation)입니다.
AI가 사용자의 조건에 부합하는 선택지로 우리 브랜드를 제안했는지를 확인합니다.
세 가지는 서로 연결되어 있지만 동일한 현상은 아닙니다.
예를 들어 AI가 "A 제품은 저렴하지만 고급 기능은 제한적입니다. 고급 기능이 필요하다면 B 제품을 추천합니다"라고 답했다고 가정해 보겠습니다.
A와 B는 모두 언급됐지만, 사용자의 요구에 부합하는 추천을 받은 브랜드는 B입니다.
또한 AI가 특정 매체의 비교 기사를 인용하면서 그 기사에 등장한 모든 브랜드를 추천하는 것은 아닙니다.
인용 출처가 많다고 반드시 추천률이 높아지는 것도 아닙니다.
따라서 단순 브랜드 언급 수치만으로 AI가 우리 브랜드를 얼마나 긍정적으로 평가하고 있는지, 또는 실제 고객의 선택 과정에서 얼마나 유리한 위치에 있는지를 판단하기 어렵습니다.
특히 추천률을 측정할 때는 어떤 답변을 '추천'으로 판정할 것인지 일관된 기준이 필요합니다. 단순 나열, 부정적 비교, 조건부 추천은 구분해서 해석해야 합니다.
GEO 성과를 이해하려면 최소한 언급, 인용, 추천을 분리하고, 그 결과를 질문 유형 및 경쟁사와 함께 살펴봐야 합니다.
6. 이제 GEO 대시보드에는 어떤 지표가 필요할까?
지금까지 살펴본 연구들은 공통적으로 평균값의 한계를 보여줍니다.
그렇다고 평균 노출률을 버려야 한다는 뜻은 아닙니다.
전체적인 추세를 빠르게 파악하는 데 평균값은 여전히 유용합니다. 다만 그것만으로 전략적 판단을 내려서는 안 됩니다.
실무적으로는 다음과 같은 측정 체계를 구성할 수 있습니다.
| 측정 영역 | 확인해야 할 질문 |
|---|---|
| 브랜드 인지 | 브랜드를 직접 질문했을 때 정확하게 설명되는가? |
| 신규 발견 | 브랜드를 언급하지 않은 질문에서도 등장하는가? |
| 고객 맥락 | 어떤 고객 유형과 구매 조건에서 추천되는가? |
| 플랫폼 차이 | ChatGPT, Claude, Gemini 등에서 결과가 어떻게 다른가? |
| 경쟁 구도 | 어떤 질문에서 경쟁사는 등장하지만 우리는 빠지는가? |
| 근거와 출처 | 어떤 페이지가 인용되고 어떤 정보가 추천에 사용되는가? |
| 시간적 안정성 | 반복 측정에서 결과가 얼마나 일관되게 나타나는가? |
여기에서 하나 더 중요한 것이 있습니다.
측정 결과가 실제 개선 활동으로 이어져야 한다는 점입니다.
특정 질문에서 경쟁사만 반복적으로 등장한다면 관련 정보와 콘텐츠를 점검할 수 있습니다.
브랜드가 인용되지만 추천되지 않는다면, 제품의 차별점이나 고객 문제에 대한 적합성이 충분히 전달되는지 검토해야 합니다.
플랫폼별 편차가 크다면 모든 AI에 동일한 콘텐츠 전략이 효과적일 것이라고 가정할 수 없습니다.
이러한 진단을 바탕으로 콘텐츠를 개선하고, 이후 동일한 질문군에서 결과의 변화를 확인하는 과정이 필요합니다.
여기서 GEO는 단순한 노출 모니터링을 넘어 지속적인 개선 프로세스가 됩니다.
7. Docenty GEO가 질문부터 측정하는 이유
이러한 변화 속에서 Docenty GEO는 브랜드의 AI 검색 성과를 질문 단위로 관찰할 수 있도록 설계된 플랫폼입니다.
ChatGPT, Claude, Gemini, Perplexity 등 주요 AI 플랫폼에서 브랜드의 언급률과 인용률, 노출 순위를 추적하고 경쟁사와 비교할 수 있습니다.
중요한 것은 브랜드가 몇 번 등장했는지 확인하는 데서 끝나지 않는 것입니다.
어떤 질문에서 등장했는지, 어느 플랫폼에서 경쟁사보다 약한지, 어떤 콘텐츠가 인용되는지를 함께 검토할 수 있어야 실질적인 개선 방향을 찾을 수 있습니다.
예를 들어 SaaS 기업이라면 다음과 같은 질문들을 나눠서 측정해 볼 수 있습니다.
-
"중소기업에 적합한 CRM 솔루션 추천"
-
"고객 데이터 통합 기능이 좋은 CRM 비교"
-
"국내 기업이 사용하기 좋은 영업 자동화 솔루션"
-
"A사와 B사 CRM의 차이점"
-
"A사의 CRM은 어떤 기업에 적합한가?"
앞의 세 질문은 특정 브랜드를 지정하지 않은 발견·비교 질문이고, 뒤의 두 질문은 브랜드가 명시된 평가 질문입니다.
두 질문군을 분리해 결과를 해석하면 단순 평균 노출률로는 파악하기 어려웠던 경쟁상의 차이를 발견할 수 있습니다.
Docenty GEO는 이런 질문을 등록하고 주요 AI 엔진에서의 노출과 경쟁 상황을 지속적으로 확인하는 출발점을 제공합니다.
다만 질문 분류, 표본의 대표성, 반복 측정에 따른 통계적 신뢰도까지 하나의 점수가 자동으로 해결해 주는 것은 아닙니다. 좋은 측정 도구만큼 중요한 것은 무엇을 왜 측정하는지에 관한 전략적 설계입니다.
8. GEO의 다음 경쟁은 더 높은 점수가 아니라 더 나은 질문에서 시작된다
GEO 시장은 빠르게 성장하고 있습니다.
새로운 도구들이 등장하고, 기업들은 AI 검색에서 자사 브랜드가 얼마나 잘 보이는지 확인하기 시작했습니다.
하지만 측정 가능한 지표가 생겼다고 해서 그 지표가 곧바로 비즈니스 성과를 설명하는 것은 아닙니다.
브랜드를 직접 물어본 질문과 브랜드를 모르는 고객의 질문은 구분해야 합니다.
한 번의 추천과 반복적으로 관측되는 추천은 다르게 해석해야 합니다.
평균 노출률과 특정 고객에게서의 노출률도 구분해야 합니다.
그리고 브랜드가 언급됐다는 사실과, AI가 그 브랜드를 고객에게 적합한 선택지로 추천했다는 사실 사이에도 차이가 있습니다.
이 모든 것을 하나로 합친 숫자가 깔끔한 대시보드를 만들 수는 있습니다.
그러나 그 숫자만으로는 우리가 어떤 고객을 놓치고 있는지, 어떤 경쟁사에게 밀리고 있는지, 무엇을 개선해야 하는지 설명하기 어렵습니다.
GEO의 진짜 출발점은 더 높은 노출률을 만드는 것이 아닙니다.
어떤 질문에서, 어떤 고객에게, 어떤 경쟁사와 비교될 때 우리 브랜드가 선택되는지를 이해하는 것입니다.
AI가 브랜드를 발견하고 비교하는 방식이 달라지고 있다면, 기업이 브랜드 성과를 측정하는 방식도 달라져야 합니다.
Docenty GEO는 주요 AI 검색 플랫폼에서 브랜드의 언급·인용·노출 현황을 측정하고 경쟁사와 비교할 수 있는 GEO 플랫폼입니다.
Docenty GEO에서 우리 브랜드의 AI 검색 가시성 확인하기