ChatGPT에서는 추천되는데 Gemini에서는 왜 안 나올까? 멀티엔진 GEO가 필요한 이유
도슨티GEOChatGPT에서는 추천되는데 Gemini에서는 왜 안 나올까? 멀티엔진 GEO가 필요한 이유
같은 질문에도 AI마다 추천 브랜드가 다릅니다. GEO를 평균 노출률 하나로 판단하면 놓치는 것들.
“ChatGPT에서는 우리 브랜드가 잘 나오는데, Gemini에서는 거의 언급되지 않습니다.”
AI 검색에서 브랜드 노출을 확인하는 기업이라면 충분히 겪을 수 있는 상황입니다.
더 흥미로운 것은 같은 질문을 여러 AI에 입력했을 때 추천 브랜드뿐 아니라 답변의 구성과 인용 출처까지 달라질 수 있다는 점입니다.
왜 이런 일이 발생할까요?
답은 단순히 AI마다 학습 데이터가 다르기 때문만은 아닙니다.
AI 엔진마다 정보를 검색하고 선택하는 방식이 다르고, 답변을 구성하는 과정에서도 여러 변수가 작용하기 때문입니다.
이 차이를 이해하는 것이 멀티엔진 GEO(Multi-Engine Generative Engine Optimization)의 출발점입니다.
1. AI 검색은 하나의 통합된 검색 시장이 아닙니다
많은 기업이 생성형 AI를 하나의 마케팅 채널처럼 생각합니다.
그러나 ChatGPT, Gemini, Claude, Perplexity, 네이버 AI는 서로 다른 검색·답변 환경입니다.
2025년 발표된 연구 Generative Engine Optimization: How to Dominate AI Search는 AI 검색 시스템 사이에 인용 출처의 다양성, 최신성, 언어별 결과 안정성, 질문 표현에 대한 민감도 등의 차이가 존재한다고 분석했습니다.
Google 역시 공식 검색 문서에서 AI Overviews와 AI Mode가 서로 다른 모델과 기술을 활용할 수 있으며, 그에 따라 표시되는 답변과 링크가 달라질 수 있다고 설명합니다.
이는 중요한 사실을 시사합니다.
한 플랫폼에서 잘 보인다는 것이 다른 플랫폼에서도 같은 수준으로 보인다는 뜻은 아닙니다.
2. 실제 데이터: 네 AI가 인용한 사이트의 72.7%는 한 엔진에서만 등장했습니다
2026년 9월, AI 검색 분석 업체 Prefer는 ChatGPT, Gemini, Claude, Perplexity에 동일한 80개 질문을 세 차례씩 입력한 총 960건의 답변을 분석했습니다.
그 결과 인용된 사이트 1,329개 중 966개, 약 72.7%는 네 엔진 가운데 한 곳에서만 인용됐습니다.
네 엔진 모두에서 인용된 사이트는 29개, 약 2.2%였습니다.
출처: Prefer, How AI Engines Search and Cite: 960 Answers Measured, 2026
물론 이 연구는 AI 검색 및 GEO 관련 질문을 대상으로 한 조사이므로 모든 업종과 언어에서 같은 비율이 나타난다고 일반화할 수는 없습니다.
그러나 엔진별로 인용하는 정보원이 달라질 수 있다는 점을 구체적으로 보여줍니다.
더 큰 규모의 조사도 있습니다.
2026년 공개된 Wellows의 AI 인용 분석은 2026년 상반기 약 2,275만 건의 인용 데이터를 분석했습니다. 다섯 AI 검색 환경 모두에서 인용이 발생한 동일 질문 53만여 건을 비교한 결과, 질문별 인용 사이트의 약 79.6%는 다섯 엔진 중 한 곳에서만 등장했습니다.
두 연구의 측정 방법과 대상은 다르지만, 공통된 시사점이 있습니다.
AI 검색에서 인용되는 정보의 구성은 플랫폼마다 상당히 다를 수 있다는 것입니다.
3. 같은 질문에 서로 다른 답변이 나오는 세 가지 이유
첫째, 정보를 찾고 선택하는 경로가 다릅니다
AI가 웹에서 검색한 정보를 이용해 답변할 때는 관련 문서를 검색하고, 그중 일부를 활용해 답변을 구성합니다.
하지만 어떤 검색 결과를 가져올지, 어떤 문서를 관련성이 높다고 판단할지, 어떤 부분을 답변에 반영할지는 시스템마다 다를 수 있습니다.
따라서 한 브랜드의 공식 홈페이지가 ChatGPT의 답변에서는 인용되더라도 Gemini의 답변에는 등장하지 않을 수 있습니다.
이것이 반드시 홈페이지의 품질이 나쁘다는 뜻은 아닙니다. 두 시스템이 서로 다른 정보원을 선택했을 가능성도 있습니다.
둘째, 질문의 표현과 조건이 영향을 줍니다
“국내 프로젝트 관리 SaaS 추천”과 “보안 기능이 강한 국내 프로젝트 관리 SaaS 추천”은 같은 질문이 아닙니다.
두 번째 질문에는 보안이라는 명확한 평가 조건이 추가됩니다.
AI는 그 조건에 맞춰 서로 다른 브랜드와 정보를 선택할 수 있습니다.
같은 제품군이라도 예산, 사용 인원, 업종, 지역, 지원 언어 등의 조건이 달라지면 추천 결과가 달라질 수 있습니다.
따라서 GEO에서는 대표 키워드 몇 개만 측정하는 것으로 충분하지 않습니다.
실제 고객이 제시할 만한 조건을 질문에 반영해야 합니다.
셋째, 같은 엔진에서도 답변은 변할 수 있습니다
AI 답변은 항상 동일하게 재현되지 않습니다.
앞서 소개한 Prefer의 조사에서는 같은 질문을 두 차례 실행했을 때 인용 사이트가 겹치는 비율이 ChatGPT 약 37%, Gemini 약 35%, Perplexity 약 96%로 나타났습니다.
이 수치는 해당 연구의 실행 조건에서 나온 결과이며, 모든 환경의 재현성을 나타내지는 않습니다.
하지만 한 번의 답변만 확인해서 “우리 브랜드는 이 AI에서 항상 추천된다”고 판단하기 어려운 이유를 보여줍니다.
4. 왜 평균 GEO 점수 하나만으로는 부족할까요?
한 기업이 네 개 AI 엔진에서 브랜드 노출을 측정했다고 가정해 보겠습니다.
| AI 엔진 | 브랜드 언급률 |
|---|---|
| ChatGPT | 70% |
| Gemini | 10% |
| Claude | 20% |
| Perplexity | 60% |
| 단순 평균 | 40% |
위 숫자는 설명을 위한 가상 예시이며 실제 기업 측정 결과가 아닙니다.
평균 언급률 40%라는 수치만 보면 브랜드가 전체 AI 검색 환경에서 중간 정도의 가시성을 확보했다고 생각할 수 있습니다.
그러나 엔진별로 나누어 보면 전혀 다른 그림이 나타납니다.
ChatGPT와 Perplexity에서는 자주 언급되지만, Gemini와 Claude에서는 거의 발견되지 않습니다.
또한 실제 고객의 이용 비중이 특정 엔진에 집중돼 있다면 단순 평균은 사업적 중요도를 충분히 반영하지 못할 수 있습니다.
따라서 GEO 데이터를 해석할 때는 전체 추세뿐 아니라 엔진별 결과를 함께 살펴봐야 합니다.
5. 멀티엔진 지원과 멀티엔진 GEO는 다릅니다
여러 AI 플랫폼에 질문을 입력할 수 있다고 해서 곧바로 멀티엔진 GEO 전략이 완성되는 것은 아닙니다.
실제로 중요한 것은 동일한 질문에서 엔진별로 어떤 차이가 발생하는지 이해하는 것입니다.
예를 들어 다음과 같은 결과를 얻었다고 가정해 보겠습니다.
| 질문 | ChatGPT | Gemini | Claude |
|---|---|---|---|
| 국내 협업툴 추천 | 자사 추천 | 경쟁사 추천 | 자사 미언급 |
| 보안 중심 협업툴 | 경쟁사 추천 | 자사 언급 | 자사 미언급 |
| 스타트업 협업툴 | 자사 추천 | 자사 추천 | 경쟁사 추천 |
가상의 비교 사례입니다.
이렇게 정리하면 단순히 어느 AI에서 점수가 낮은지만이 아니라, 어떤 고객 질문에서 기회를 놓치고 있는지도 확인할 수 있습니다.
우선순위는 낮은 점수를 보인 엔진에 일괄적으로 콘텐츠를 늘리는 것이 아닙니다.
질문별로 경쟁사가 추천되는 이유를 살펴보고, 우리 제품의 관련 정보가 충분하고 정확하게 제공되고 있는지 확인해야 합니다.
6. 국내 기업은 네이버 AI도 별도로 봐야 합니다
국내 고객을 대상으로 하는 기업이라면 ChatGPT, Gemini, Claude, Perplexity만으로 AI 검색 환경을 모두 이해했다고 보기 어렵습니다.
네이버 AI가 제공하는 검색·답변 경험도 별도로 살펴볼 필요가 있습니다.
다만 네이버 AI와 글로벌 AI를 단순히 같은 방식으로 측정하고 비교하는 데는 주의해야 합니다.
서비스마다 검색 결과와 생성 답변의 구성, 출처 표시 방식, 측정 가능 범위가 다를 수 있기 때문입니다.
중요한 것은 지원 플랫폼 수를 늘리는 것보다 각 플랫폼의 결과를 어떤 기준으로 비교할 것인지 명확하게 정하는 것입니다.
7. 도슨티 GEO가 멀티엔진 측정에 주목하는 이유
도슨티 GEO는 브랜드가 다양한 생성형 AI에서 어떻게 언급되고 인용되는지 살펴볼 수 있도록 설계된 플랫폼입니다.
ChatGPT, Claude, Gemini, Perplexity 등 주요 AI 엔진을 대상으로 브랜드 가시성을 측정하고, 경쟁사와의 차이를 확인하며, 개선이 필요한 질문을 찾는 데 초점을 맞추고 있습니다.
여기서 중요한 것은 모든 AI에서 동일한 점수를 만드는 것이 아닙니다.
어떤 질문에서 경쟁력을 확보했고, 어떤 질문에서는 경쟁사에 밀리고 있는지 확인해 우선순위 있는 GEO 전략을 수립하는 것입니다.
멀티엔진 GEO의 가치는 AI 플랫폼을 하나 더 측정하는 데서 끝나지 않습니다.
각 AI가 우리 브랜드를 바라보는 방식의 차이를 발견하고, 그 차이에 대응할 수 있다는 데 있습니다.
결론: GEO 성과는 평균보다 차이에서 더 많은 것을 알려줍니다
AI 검색에서 브랜드가 보이는 방식은 플랫폼마다 다릅니다.
따라서 “우리 회사의 GEO 점수는 몇 점인가?”라는 질문만으로 충분하지 않습니다.
더 중요한 질문은 이것입니다.
“어떤 AI가, 어떤 고객 질문에서, 어떤 경쟁사 대신 우리 브랜드를 추천하고 있는가?”
GEO는 단일한 검색 시장의 순위를 관리하는 일이 아닙니다.
서로 다른 AI 검색 환경에서 브랜드가 어떻게 발견되고 평가되는지 이해하는 일입니다.
그리고 그 차이를 측정하는 것에서 실질적인 멀티엔진 GEO 전략이 시작됩니다.
ChatGPT와 Gemini에서 우리 브랜드가 어떻게 다르게 나타나는지 확인해 보세요.