“우리 제품이 경쟁사보다 나쁘지 않은데, 왜 ChatGPT는 경쟁사만 추천할까?”

GEO를 시작하는 기업이 가장 먼저 묻는 질문 중 하나입니다.

하지만 이 질문에는 함정이 있습니다. ChatGPT 안에 구글 검색결과처럼 모든 브랜드를 한 줄로 세우는 고정된 순위표가 있다고 가정하기 쉽기 때문입니다.

OpenAI는 ChatGPT Search가 검색 결과를 정할 때 사용자에게 관련성 높고 신뢰할 만한 정보를 제공하기 위해 여러 요소를 사용하며, 특정 위치의 노출은 보장하지 않는다고 설명합니다. 그러나 브랜드 추천 점수나 각 요소의 가중치는 공개하지 않습니다. OpenAI — Searching the web with ChatGPT

따라서 “ChatGPT 추천 알고리즘을 공략하는 여섯 가지 방법”이라고 쓰는 것은 현재 확인 가능한 근거보다 지나친 주장입니다.

도슨티GEO에서는 조금 다르게 접근합니다.

AI가 브랜드를 추천하는 과정을 하나의 랭킹 문제가 아니라 다음과 같은 여러 관문을 거치는 과정으로 봅니다.

Retrievability → Citability → Representability → Recommendability

즉,

찾을 수 있는가 → 근거로 사용할 수 있는가 → 브랜드를 정확히 이해할 수 있는가 → 이 질문의 후보로 추천할 수 있는가

의 문제입니다.

여기에 실제 GEO 측정에서는 Query Fit, Prompt Coverage, Stability까지 봐야 합니다.

이 글에서 제시하는 ‘6가지 신호’는 OpenAI가 공개한 공식 ranking factor가 아닙니다. OpenAI의 공식 문서, GEO 학술 연구, 그리고 Profound·Ahrefs·Semrush·Scrunch·OtterlyAI·BrightEdge 등 글로벌 AI Search 플랫폼이 실제로 무엇을 측정하고 연구하고 있는지를 바탕으로 도슨티GEO가 정리한 실무적 분석 프레임워크입니다.

​

먼저 구분해야 할 것: 검색됨, 인용됨, 언급됨, 추천됨은 다르다

AI Visibility를 하나의 점수로 표현하면 중요한 차이가 사라집니다.

예를 들어 우리 홈페이지가 ChatGPT 답변의 출처로 등장했다고 하겠습니다.

그러면 ChatGPT가 우리 브랜드 자체를 구매 후보로 높게 평가했다고 말할 수 있을까요?

그렇게 단정하기 어렵습니다.

Semrush는 자사 GEO 운영 경험을 공개하면서 이 문제를 직접 설명했습니다. Semrush 블로그 콘텐츠는 LLM 답변에서 수백 번 인용되고 있었지만 정작 “AI monitoring tools”를 물으면 경쟁사는 추천되고 Semrush는 빠졌다는 것입니다.

Semrush의 표현대로라면 citation은 reach를 보여주지만 positioning을 보장하지 않습니다. 콘텐츠가 좋은 자료원인 것과 제품이 카테고리의 추천 후보가 되는 것은 별개의 문제입니다. Semrush — How we're driving AI visibility at Semrush

Ahrefs의 자체 데이터에서도 비슷한 현상이 확인됩니다. Ahrefs는 1억5천만 개 prompt 데이터베이스에서 자사 브랜드에 대한 31,000건 이상의 mention을 분석했는데, 브랜드가 언급됐을 때 실제 자사 사이트로 링크된 비율은 플랫폼 전체 평균으로 약 **28%**였습니다. ChatGPT에서는 약 26.9%, Gemini에서는 16.8%, Perplexity에서는 51.6%였습니다. Ahrefs — Do AI Assistants Link When Mentioning Brands?

BrightEdge는 한 단계 더 나아가 brand mention과 citation의 변동 속도 자체가 다르다는 것을 측정했습니다.

2026년 5월 10일부터 7월 26일까지 12주 동안 ChatGPT·Gemini·Google AI Overviews의 이커머스 질문을 관찰한 결과, brand mention share의 주간 변화는 평균 약 25%였던 반면 citation share는 ChatGPT에서 39%, Gemini에서 41% 움직였습니다.

Gemini에서는 이번 주에 의미 있게 인용된 URL의 37%가 전주에는 인용되지 않았던 새 URL이었던 반면 새롭게 등장한 브랜드는 3%에 불과했습니다. ChatGPT에서도 각각 15%와 5%였습니다. BrightEdge — Brands Hold, Evidence Turns Over

브랜드와 근거 자료가 서로 다른 속도로 움직이는 것입니다.

따라서 GEO에서는 최소한 다음 현상을 분리해서 봐야 합니다.

단계	실제 질문	대표 지표
Retrieval	AI가 우리 정보를 발견할 수 있는가	crawlability, accessed/found URL
Citation	우리의 자료를 근거로 사용하는가	citation rate, citation share
Representation	브랜드를 무엇이라고 이해하는가	narrative, sentiment, factual accuracy
Recommendation	사용자의 선택지로 제시하는가	mention, recommendation, position
Coverage	관련 질문 전반에서 나타나는가	topic coverage, prompt coverage
Stability	우연이 아니라 반복되는가	repeated runs, longitudinal trend

이 구분이 기존 SEO의 단순 keyword ranking과 GEO가 달라지는 출발점입니다.

​

신호 1. AI가 정보를 실제로 발견할 수 있는가

Retrievability는 GEO의 가장 아래층이다

좋은 콘텐츠를 공개했다고 AI가 반드시 읽을 수 있는 것은 아닙니다.

OpenAI는 사이트 콘텐츠가 ChatGPT의 검색 요약과 snippet에 포함되려면 OAI-SearchBot을 차단하지 않아야 한다고 안내합니다. OAI-SearchBot은 검색용 crawler이고, 모델 학습 여부를 관리하는 GPTBot과는 구분됩니다. OpenAI — Publishers and Developers FAQ

OpenAI는 ChatGPT Search 노출을 위해 robots.txt뿐 아니라 사이트 host나 CDN이 OpenAI의 searchbot IP traffic을 허용하는지도 확인하라고 설명합니다. OpenAI — Searching the web with ChatGPT

즉 technical GEO를 단순히 “GPTBot을 허용하라” 정도로 이해해서는 안 됩니다.

Profound는 이 문제를 server-log 차원까지 확장합니다.

Profound는 여러 대형 사이트의 수십억 건의 server request를 분석한 뒤, 기존 client-side analytics로는 AI crawler 활동 상당 부분을 놓칠 수 있다고 설명했습니다. 일반 웹 분석은 JavaScript 실행, cookie, session 같은 사람의 browsing behavior를 전제로 하지만 crawler는 같은 방식으로 움직이지 않기 때문입니다. Profound — What we discovered about AI crawlers via server log analysis

그래서 Profound의 Agent Analytics는 server log를 이용해 crawler activity와 content access pattern을 추적합니다. 같은 연구에서 Profound는 핵심 콘텐츠를 JavaScript rendering에만 의존시키지 않고 initial HTML에서도 제공할 필요성을 강조합니다. Profound — AI crawler server-log research

OtterlyAI 역시 GEO Audit에서 robots.txt 확인과 실제 server response를 분리합니다. OAI-SearchBot·ChatGPT-User·PerplexityCrawler·GoogleBot 등으로 직접 URL을 요청하고 static HTML과 rendered version의 차이까지 검사합니다. OtterlyAI — AI Search Optimization

따라서 첫 번째 GEO 질문은 단순합니다.

“페이지가 존재하는가?”가 아니라 “AI가 실제로 이 정보를 획득할 수 있는가?”

이것이 도슨티GEO의 첫 번째 신호인 Retrieval Signal입니다.

​

신호 2. 실제 질문과 브랜드의 선택 이유가 연결되는가

Query Fit은 단순 keyword match와 다르다

“좋은 CRM 추천”

“직원 30명 규모의 한국 B2B 스타트업이 처음 도입하기 좋은 CRM”

“Salesforce보다 저렴하면서 영업 자동화 기능이 강한 CRM”

은 같은 카테고리를 묻지만 추천 조건은 전혀 다릅니다.

따라서 GEO에서 중요한 것은 브랜드가 ‘CRM’이라는 단어와 연결되는 것만이 아닙니다.

누가, 어떤 상황에서, 어떤 기준을 가지고 제품을 찾을 때 우리 브랜드가 후보가 되는가가 중요합니다.

이 때문에 글로벌 GEO 플랫폼들은 최근 prompt 자체의 수요와 구조를 더 중요하게 다루고 있습니다.

Profound는 Prompt Volumes를 만들기 위해 double opt-in consumer panel의 실제 AI assistant 사용자 수백만 명으로부터 매달 수천만 건의 실제 prompt를 라이선스해 사용한다고 밝히고 있습니다. synthetic prompt는 이 데이터셋에 포함하지 않는다고 설명합니다. Profound — Prompt Volumes FAQ

Profound의 prompt tracking에서는 이를 다시 topic·persona·region 같은 차원으로 분류하고, 각 prompt에 대해 citation과 visibility를 매일 수집합니다. Profound — Prompt Tracking Tool

Ahrefs는 다른 방법을 택합니다.

Brand Radar는 현재 451M+ search-backed prompts를 AI 플랫폼에 실행해 visibility를 측정하며, 이 prompt들은 Ahrefs 검색 데이터의 실제 keyword와 질문 수요를 바탕으로 모델링됩니다. Ahrefs — Brand Radar

두 접근 방식은 다릅니다.

Profound는 실제 AI conversation panel을 이용하고, Ahrefs는 방대한 검색 수요 데이터를 AI prompt 구조로 변환합니다.

하지만 두 접근이 공통적으로 보여주는 사실이 있습니다.

GEO에서 질문집 자체가 데이터 자산이라는 것입니다.

마케터가 회의실에서 생각해 낸 10개의 prompt만 반복 실행해서는 시장 전체의 AI Visibility를 대표하기 어렵습니다.

도슨티GEO에서는 이 질문군을 다음처럼 구성할 수 있습니다.

Persona × Category Entry Point × Key Buying Factor

예를 들어 GEO 솔루션이라는 하나의 카테고리에서도 질문은 달라집니다.

사용 상황	실제 질문의 중심
GEO를 처음 시작하는 마케터	무엇부터 측정해야 하나
경쟁사만 ChatGPT에 나오는 회사	왜 경쟁사만 추천되는가
1인 마케팅팀	분석 후 콘텐츠 실행까지 할 수 있는가
대기업	여러 브랜드·시장·AI를 어떻게 관리할까
한국 기업	한국어 AI Search 환경을 어떻게 측정할까
경영진	AI Visibility가 사업 성과와 연결되는가

이것이 두 번째 신호인 Query-Fit Signal입니다.

​

신호 3. AI가 답변의 근거로 바로 사용할 만한 정보가 있는가

Citability는 ‘글을 잘 쓰는 것’과 조금 다른 문제다

AI가 페이지를 발견했다고 반드시 인용하는 것은 아닙니다.

Ahrefs는 2026년 Brand Radar에서 이 차이를 아예 제품 지표로 분리했습니다.

Found in은 AI가 해당 페이지를 찾은 response 수이고, Cited in은 실제 답변에서 출처로 사용한 response 수입니다. 그래서 “Found but not cited” 페이지를 별도로 확인할 수 있습니다. Ahrefs — Brand Radar April 2026 update

이는 매우 중요한 구분입니다.

페이지가 retrieval 과정에 들어간 것과 최종 답변의 근거가 된 것은 다른 사건입니다.

Scrunch 역시 citation을 URL 단위로 추적하고, 어떤 prompt가 그 URL을 인용했는지, 얼마나 일관되게 사용됐는지, 경쟁사·제3자·자사 출처 중 어디에 해당하는지를 분석합니다. Scrunch — How to track citations in AI search

Profound의 Citation Analysis 역시 AI가 인용하는 웹사이트와 prompt를 추적한 뒤 어떤 publisher와 author가 특정 카테고리의 AI answers에 영향을 미치는지를 분석합니다. Profound — AI Citation Analysis Tool

이 지점에서 콘텐츠 자체의 구조가 중요해집니다.

예를 들어,

“도슨티GEO는 혁신적인 AI 마케팅 솔루션입니다.”

라는 문장은 비교하거나 검증할 수 있는 정보가 거의 없습니다.

반면,

“도슨티GEO는 ChatGPT·Claude·Gemini·Perplexity에서 브랜드의 언급과 인용을 질문 단위로 반복 측정한다.”

처럼 하나의 문장이 하나의 검증 가능한 사실을 담고 있다면 다른 출처와 비교하거나 답변의 근거로 사용하기 쉬워집니다.

가격, 지원 AI, 시장, 기능, 고객 조건, 조사 표본, 조사 시점, 실험 결과처럼 사실 단위가 명확한 콘텐츠가 중요한 이유입니다.

​

신호 4. 자사 주장인가, 웹 생태계에서 반복적으로 확인되는 브랜드인가

Entity Signal은 backlinks만으로 설명되지 않는다

AI는 브랜드 홈페이지 하나만 보고 브랜드를 이해하지 않습니다.

공식 홈페이지, 언론 기사, 비교 콘텐츠, 리뷰, Reddit과 같은 커뮤니티, 유튜브, 리테일러, 업계 사이트 등 여러 종류의 출처가 답변 구성에 참여합니다.

BrightEdge는 이 현상을 Google AI Overviews에서 대규모로 확인했습니다.

약 3억 건의 월간 검색을 대표하는 데이터를 분석한 결과, Facebook은 1,950만 개 AI Overview에서 출처로 등장했고 Instagram은 87만7천 건에서 인용됐습니다. 특히 local business·event·entertainment·culture 질문에서 social content가 AI source로 사용되고 있었습니다. BrightEdge — Google AI Cites Facebook in 19.5 Million Answers

Scrunch도 source를 단순히 ‘우리 사이트인가 아닌가’로만 보지 않습니다.

Scrunch의 citation 분석에서는 자사·경쟁사·third-party source를 구분하고, Influence Score를 AI response에서 해당 source가 인용된 비율과 unique prompt 수를 결합해 계산합니다. 또한 persona·prompt topic·funnel stage·AI platform·country 등으로 citation을 나누어 볼 수 있습니다. Scrunch — Citation tracking methodology

Profound도 비슷하게 Citation Authority라는 개념을 사용해 어떤 웹사이트가 브랜드에 대한 AI-generated answer에 영향을 주는지 측정합니다. Profound — Answer Engine Insights

따라서 third-party presence를 단순히 “백링크를 많이 확보해야 한다”는 SEO 조언으로 축소해서는 안 됩니다.

더 중요한 질문은 이것입니다.

AI가 우리 카테고리를 설명할 때 반복적으로 참고하는 정보 생태계 안에서 우리 브랜드가 어떤 의미로 존재하는가?

이 지점을 도슨티GEO에서는 Entity Signal이라고 부를 수 있습니다.

브랜드명, 제품명, 카테고리, 가격, 기능, 대상 고객이 여러 출처마다 다르게 설명된다면 AI의 브랜드 representation 역시 불안정해질 수 있습니다.

​

신호 5. 좋은 정보원에서 ‘추천할 브랜드’로 넘어가는가

Citation Authority와 Recommendability는 같지 않다

Semrush 사례가 이 문제를 가장 쉽게 보여줍니다.

Semrush 콘텐츠는 AI 답변에 수백 번 인용됐지만, 정작 AI monitoring tool 추천에서는 경쟁 브랜드가 등장하고 Semrush는 나오지 않았습니다. Semrush — How we're driving AI visibility

좋은 publisher와 좋은 product candidate가 반드시 일치하지 않는 것입니다.

Scrunch는 2026년 9월 이 문제를 더 직접적으로 실험했습니다.

약 1만 개의 AI-cited URL을 분석한 결과, 회사가 자사를 1위로 올려놓은 self-promotional comparison listicle이 AI에 인용됐을 때 해당 브랜드가 추천될 확률은 약 4%에서 7%로 상승했습니다.

효과는 존재했지만 크지는 않았습니다.

반면 브랜드가 답변에서 언급될 확률은 약 19%에서 39%로 훨씬 크게 상승했습니다. Scrunch — What happens when you crown yourself #1?

더 흥미로운 것은 AI별 차이입니다.

독립적인 neutral comparison page를 인용한 경우 어떤 브랜드를 명시적으로 추천한 답변 비율은 Scrunch의 해당 분석에서:

• Gemini 64.1%

• Claude 49.9%

• ChatGPT 33.9%

• Google AI Overviews 28.7%

• Google AI Mode 25.8%

• Microsoft Copilot 18.1%

• Perplexity 14.1%

로 차이가 컸습니다. Scrunch — Listicle recommendation experiment

즉 “GEO에서는 비교 글을 쓰면 된다”라는 식의 단일 규칙을 만들기 어렵습니다.

같은 source를 사용하더라도 AI platform마다 답변 행동이 다릅니다.

Recommendability를 만들기 위해서는 최소한 다음 연결이 필요합니다.

사용 상황
→ 중요한 구매 기준
→ 브랜드가 가진 실제 특성
→ 그것을 증명하는 자사 정보
→ 외부 출처의 corroboration

이 연결이 다섯 번째 Recommendation Signal입니다.

​

신호 6. 한 번 등장했는가가 아니라 얼마나 넓고 반복적으로 등장하는가

AI Visibility의 작은 표본 문제

“오늘 ChatGPT에 검색했더니 우리 회사가 2위에 나왔습니다.”

이 결과만으로 GEO 성과를 판단하기는 어렵습니다.

생성형 AI 답변은 같은 prompt에서도 변할 수 있기 때문입니다.

Profound는 이러한 변동 때문에 tracked prompt를 매일 실행한다고 설명합니다. 더구나 API 응답이 아니라 실제 소비자가 사용하는 AI 서비스의 front-end에서 결과를 캡처한다고 밝히고 있습니다. Profound — Answer Engine Insights

OtterlyAI는 이 문제를 상당히 큰 실험으로 측정했습니다.

2026년 9월 발표한 연구에서 520개 prompt를 7개 AI engine에 매일 실행해 40~91일 동안 총 252,407개 답변을 분석했습니다.

대상은 ChatGPT, Perplexity, Gemini, Google AI Mode, Google AI Overviews, Copilot, Claude였습니다. OtterlyAI — We Measured How Stable AI Citations and Brand Mentions Really Are

연구에서 가장 분명했던 패턴은 brand mention이 citation보다 대체로 안정적이었다는 것입니다. 어떤 source가 하루 나타났다가 사라지는 현상이 브랜드 자체의 등장·소멸보다 훨씬 빈번했습니다. OtterlyAI — AI Search Visibility Stability Study

Prompt sample size 역시 큰 영향을 미쳤습니다.

OtterlyAI는 같은 관측 데이터에서 prompt sample을 반복 추출한 결과, 적은 수의 질문만 이용하면 측정값의 불확실성이 크게 커진다는 사실을 보여줬습니다. 따라서 “10개 질문을 돌려본 결과”와 “수백 개의 대표적인 질문군을 반복 측정한 결과”는 같은 신뢰도를 가진 지표가 아닙니다. OtterlyAI — Why 10 Prompts Isn’t Enough

BrightEdge의 12주 연구도 같은 방향을 가리킵니다. citation은 주간 변동폭이 상당히 크기 때문에 BrightEdge는 한 주의 변화를 바로 전략적 문제로 해석하지 말고 먼저 category baseline을 만들고 trend로 측정해야 한다고 결론 내렸습니다. BrightEdge — Brands Hold, Evidence Turns Over

이것이 여섯 번째 Coverage & Stability Signal입니다.

​

그렇다면 GEO의 측정 단위는 ‘키워드’가 아니라 무엇이어야 할까

SEO에서는 keyword가 오랫동안 기본적인 측정 단위였습니다.

GEO에서는 prompt가 그 자리를 대신할 것처럼 보입니다.

하지만 prompt 하나도 충분하지 않습니다.

Profound는 prompt를 topic·persona·region 등의 단위로 분석하고 있습니다. Profound — Prompt Tracking

Scrunch 역시 citation과 AI response를 prompt topic·persona·funnel stage·country·platform 등으로 segment할 수 있도록 합니다. Scrunch — Citation Tracking

Ahrefs는 Brand Radar의 AI Share of Voice에서 prompt를 동일하게 취급하지 않고, underlying search demand를 활용해 estimated impressions를 산출합니다. Ahrefs — AI Visibility Metrics

도슨티GEO에서는 이 구조를 다음처럼 볼 수 있습니다.

Persona × Category Entry Point × Key Buying Factor × AI Platform

예를 들어 창호 브랜드라면 단순히

“좋은 창호 브랜드”

라는 prompt 하나를 추적해서는 부족합니다.

“겨울 난방비가 많이 나오는 구축 아파트를 리모델링하려는 50대 부부”라는 상황과

단열성·시공 안정성·A/S·가격·내구성이라는 구매 기준을 결합하면 여러 질문군이 생깁니다.

이 질문군 전체가 하나의 Prompt Portfolio가 됩니다.

SEO에서 키워드 하나의 순위를 시장 전체의 검색 성과라고 부르지 않듯, GEO에서도 prompt 하나의 결과를 브랜드 전체의 AI Visibility라고 부르기 어렵습니다.

​

AI는 페이지를 평가하는가, 브랜드를 평가하는가

이 질문 역시 기존 SEO와 GEO를 구분하는 데 중요합니다.

SEO의 기본 경쟁 단위는 URL이었습니다.

AI Search에서는 URL과 brand entity가 동시에 경쟁합니다.

Ahrefs Brand Radar가 Mentions와 Citations를 별도의 지표로 제공하는 이유입니다.

Ahrefs에서 Mention은 AI-generated response에 브랜드가 한 번 이상 등장하면 1건으로 계산하고, Citation은 해당 domain의 페이지가 출처로 사용된 response를 계산합니다. AI Share of Voice는 경쟁 브랜드와 비교한 exposure를 보여줍니다. Ahrefs — AI Visibility Metrics

Profound는 여기에서 한 단계 더 나아갑니다.

Answer Engine Insights에서 visibility·citation뿐 아니라 sentiment, recurring narratives, factual accuracy까지 분석합니다. Profound — Answer Engine Insights

특히 Profound의 FactCheck는 AI가 브랜드에 대해 생성한 factual claim을 기업이 관리하는 ground truth와 비교하고, 잘못된 claim이 어떤 URL에서 비롯됐는지까지 추적합니다. Profound — FactCheck

그래서 GEO는 점차

“우리 웹페이지가 노출되고 있는가?”

에서

“AI가 우리 회사와 제품에 대해 무엇을 알고 있으며, 그것은 정확한가?”

라는 문제로 확장되고 있습니다.

​

‘GEO를 하면 AI Visibility가 최대 40% 증가한다’는 숫자는 어떻게 읽어야 할까

GEO 관련 글에서 가장 많이 인용되는 연구 가운데 하나가 Pranjal Aggarwal 등 연구진의 GEO: Generative Engine Optimization입니다.

이 연구는 GEO-bench라는 benchmark를 만들고 여러 형태로 콘텐츠를 수정한 뒤 generative engine response에서 visibility가 어떻게 달라지는지를 실험했습니다.

연구진은 특정 GEO 전략을 적용했을 때 visibility를 최대 약 40%까지 높일 수 있었으며 전략의 효과는 domain별로 달랐다고 보고했습니다. Aggarwal et al. — GEO: Generative Engine Optimization

하지만 여기에서 “40%”만 떼어내

“GEO를 하면 ChatGPT 노출이 40% 증가한다”

라고 일반화하면 연구 범위를 넘어섭니다.

이 실험은 특정 benchmark와 generative-engine 환경에서 콘텐츠 표현 전략이 visibility metric에 미친 효과를 측정한 것입니다.

웹 전체에서 페이지가 discovery되는 과정, 장기간의 브랜드 mention, category recommendation, 실제 고객 행동까지 모두 40% 증가한다는 의미는 아닙니다.

학술 연구의 숫자일수록 무엇을 측정했는지까지 같이 읽어야 합니다.

​

도슨티GEO의 6-Signal Framework

이상의 연구와 글로벌 GEO 플랫폼의 실제 측정 방식을 종합하면 AI Visibility를 다음 여섯 신호로 나누어 보는 것이 유용합니다.

Docenty GEO Signal	핵심 질문	주요 측정 대상
1. Retrieval Signal	AI가 우리 정보를 실제로 찾을 수 있는가	crawler access, source discovery, technical accessibility
2. Query-Fit Signal	어떤 질문에서 우리 브랜드가 후보가 되는가	persona, CEP, KBF, intent
3. Citation Signal	어떤 콘텐츠가 근거로 사용되는가	cited URL, citation share, source type
4. Entity Signal	웹과 AI는 우리를 무엇이라고 이해하는가	brand facts, narrative, external corroboration
5. Recommendation Signal	언제 우리 브랜드가 선택지로 제시되는가	mention, recommendation, position, competitor gap
6. Coverage & Stability Signal	결과가 얼마나 넓고 반복적인가	prompt portfolio, platform coverage, longitudinal trend

이 프레임워크의 목적은 “ChatGPT의 비밀 알고리즘을 알아냈다”고 주장하는 것이 아닙니다.

반대로,

브랜드가 AI recommendation으로 가는 과정에서 정확히 어느 단계에서 사라지고 있는지를 진단하기 위한 것입니다.

​

같은 ‘AI에 안 나온다’도 원인은 서로 다르다

예를 들어 브랜드가 ChatGPT에서 거의 보이지 않는다고 해보겠습니다.

원인은 최소 여섯 가지로 나뉩니다.

Retrieval Signal이 약하다면 crawler access나 rendering, technical architecture 문제가 있을 수 있습니다.

Query-Fit Signal이 약하다면 실제 구매 질문과 브랜드의 제품 정보가 연결되지 않았을 수 있습니다.

Citation Signal이 약하다면 경쟁사의 설명 페이지나 제3자 콘텐츠가 더 유용한 근거로 사용되고 있을 수 있습니다.

Citation은 높은데 Recommendation이 낮다면 Semrush 사례처럼 좋은 information source이지만 category candidate로 연결되지 않는 상태일 수 있습니다. Semrush — Citation does not equal positioning

Entity Signal이 약하다면 AI가 브랜드의 주요 기능·가격·대상 고객을 서로 충돌하는 정보로 이해하고 있을 수 있습니다.

특정 prompt에서는 잘 나오지만 Coverage가 낮다면 하나의 질문에서 이긴 것과 카테고리 전체에서 대표성을 갖는 것은 다르다는 뜻입니다.

그리고 하루나 일주일 사이 citation이 크게 변했다면 전략 실패가 아니라 정상적인 citation churn일 가능성도 먼저 검토해야 합니다. BrightEdge와 OtterlyAI의 장기간 관측이 바로 이 문제를 보여줍니다. BrightEdge 12-week study

​