도슨티 GEO 인사이트 시리즈 ③ 당신의 경쟁사는 경쟁사가 아니다: AI가 믿는 ‘Citation Core’를 먼저 찾아라
도슨티GEO도슨티 GEO 인사이트 시리즈 ③ 당신의 경쟁사는 경쟁사가 아니다: AI가 믿는 ‘Citation Core’를 먼저 찾아라
AI 검색에서 브랜드의 운명을 좌우하는 것은 경쟁사의 홈페이지가 아니라, 경쟁사를 설명하는 정보원일 수 있다
기업이 생성형 AI 검색 최적화(GEO)를 시작할 때 가장 먼저 조사하는 것은 경쟁사입니다.
ChatGPT가 어떤 회사를 추천하는지, Gemini에서 경쟁사가 몇 번 언급되는지, Perplexity에서 우리 브랜드가 빠진 질문은 무엇인지 확인합니다.
당연히 필요한 분석입니다.
그러나 여기에는 중요한 문제가 있습니다.
우리는 경쟁사가 AI 검색에서 얼마나 자주 등장하는지 확인하면서도, 정작 AI가 경쟁사를 어떤 정보에 근거해 추천하는지는 놓치고 있을 수 있습니다.
2026년 11월 16일, 글로벌 검색 마케팅 기업 Semrush는 What Is Citation Core? A Guide to AI Search Visibility를 발표했습니다.
이 글이 제시하는 핵심 개념은 Citation Core입니다.
특정 산업이나 제품 카테고리에 관한 질문에서 AI가 반복적으로 인용하는 핵심 웹사이트 집합을 의미합니다.
여기서 GEO의 새로운 경쟁 구도가 드러납니다.
기업이 AI 검색에서 경쟁하는 상대는 같은 제품을 판매하는 경쟁사만이 아닙니다.
고객의 구매 결정을 설명하고 평가하는 정보 출처에서도 경쟁이 벌어집니다.
더 정확히 말하면, 그 정보 출처에 어떤 브랜드의 근거가 얼마나 충실하게 존재하느냐가 경쟁의 중요한 부분이 됩니다.
1. Semrush가 발견한 것: AI 검색에도 정보의 중심부가 존재한다
전통적인 검색엔진 최적화에서 기업은 키워드별 검색 결과를 분석했습니다.
예를 들어 ‘CRM 추천’이라는 키워드에서 어떤 기업이 상위에 노출되는지, 경쟁사 홈페이지에는 어떤 콘텐츠가 있는지 조사했습니다.
그러나 생성형 AI는 검색 결과를 단순히 나열하는 데 그치지 않습니다.
여러 정보를 검색하고 종합해 특정 브랜드를 설명하거나 추천합니다.
이 과정에서 인용되는 정보원은 모든 웹사이트에 고르게 분포하지 않습니다.
Semrush는 2026년 AI Visibility Index에서 미국의 AI 검색 프롬프트 1억 2,600만 개를 분석했습니다.
조사 결과 산업에 따라 반복적으로 인용되는 사이트에 차이가 나타났습니다.
금융 분야에서는 NerdWallet, Investopedia, Bankrate가 중요한 정보 출처로 등장했습니다.
소프트웨어 시장에서는 G2, Capterra, TrustRadius 등의 제품 평가 플랫폼이 두드러졌습니다.
뷰티 분야에서는 Allure와 Byrdie, 여행 분야에서는 Tripadvisor가 관련 사례로 제시됐습니다.
흥미로운 것은 이러한 사이트들이 반드시 가장 규모가 크거나 가장 유명한 종합 미디어가 아니라는 사실입니다.
특정 분야를 전문적으로 다루는 정보원이 더 폭넓은 종합 매체보다 해당 분야의 AI 답변에서 자주 인용될 수 있습니다.
이는 단순한 SEO 순위의 문제가 아닙니다.
AI 검색에서 영향력을 행사하는 정보 출처가 산업마다 다르게 구성된다는 의미입니다.
물론 미국 금융 시장의 Citation Core를 한국 금융 시장에 그대로 적용할 수는 없습니다.
한국의 산업 구조, 언어, 소비자 행동, 정보 플랫폼이 다르기 때문입니다.
같은 한국 시장에서도 의료, 제조업, 소프트웨어, 가전제품 등 산업별 정보원이 다를 수 있습니다.
따라서 기업이 해야 할 일은 세계적으로 영향력 있는 웹사이트 목록을 확보하는 것이 아닙니다.
우리 고객의 실제 질문에 답할 때 AI가 반복해서 참조하는 정보원을 직접 찾아내는 것입니다.
2. AI에서 많이 인용되는 사이트는 왜 중요한가?
여기서 Citation과 Mention을 구분해야 합니다.
Mention은 AI가 답변에 특정 브랜드를 언급하는 것입니다.
Citation은 AI가 답변을 뒷받침하는 출처로 특정 웹페이지를 표시하는 것입니다.
두 현상은 서로 연결될 수 있지만 동일하지 않습니다.
예를 들어 사용자가 다음과 같이 질문했다고 생각해 보겠습니다.
“중소기업이 사용하기 좋은 회계 소프트웨어 세 가지를 추천해 줘.”
AI는 A, B, C라는 제품을 추천하면서 각각의 공식 홈페이지가 아니라 소프트웨어 비교 플랫폼이나 전문 매체를 인용할 수 있습니다.
반대로 어떤 기업의 홈페이지가 인용되더라도 그 기업이 최종 추천 목록에 포함되지 않을 수 있습니다.
Semrush의 AI Visibility Index 2026에서도 브랜드 언급과 인용 도메인의 차이가 확인됐습니다.
Gemini에서는 언급된 브랜드와 인용된 도메인의 일치율이 일부 분석에서 30%까지 낮게 나타났습니다.
이는 기업이 AI 검색에서 두 가지를 별도로 살펴봐야 한다는 사실을 보여줍니다.
첫째, AI가 우리 브랜드를 알고 있는가?
둘째, AI가 브랜드에 관한 정보를 어디에서 확인하는가?
이 두 번째 질문에 답하려면 Citation Core를 찾아야 합니다.
3. 더 놀라운 연구 결과: 정보 출처의 선택이 AI 답변을 바꿀 수 있다
2026년 10월 발표된 연구 From Public Posts to AI-Search Citations: Measuring the Fragility of AI Search는 Citation Core의 중요성을 다른 관점에서 보여줍니다.
연구진은 10개 AI 검색 플랫폼에서 17,211건의 인용을 분석했습니다.
그 결과, 플랫폼별 상위 20개 도메인이 전체 인용에서 차지하는 비중은 20.5%에서 70.8%까지 나타났습니다.
모든 AI 플랫폼이 동일한 출처를 선호한 것은 아닙니다.
오히려 플랫폼마다 인용이 집중되는 사이트가 달랐습니다.
이는 GEO 전략을 수립할 때 ChatGPT의 핵심 출처와 Google AI Mode의 핵심 출처를 구분해야 한다는 의미이기도 합니다.
그런데 이 연구에서 더욱 중요한 부분은 따로 있습니다.
연구진은 일부 플랫폼에 게시한 콘텐츠가 실제 AI 검색 결과에 반영되는지를 실험했습니다.
그 결과 실험 대상 AI 검색 플랫폼 10개 중 8개에서 새로 게시한 가상의 개념이 7일 이내에 인용됐습니다.
일부 실험에서는 선호도가 높은 플랫폼에 게시한 콘텐츠 하나가 상대적으로 선호도가 낮은 곳에 게시한 20개 이상의 콘텐츠보다 인용에 더 큰 영향을 미쳤습니다.
이 결과를 GEO 마케팅의 성공 공식으로 받아들여서는 안 됩니다.
오히려 AI 검색의 취약성을 보여주는 연구이기 때문입니다.
AI가 자주 인용하는 정보원이 반드시 가장 정확하거나 신뢰할 수 있는 정보원이라는 보장은 없습니다.
검색 시스템이 특정 플랫폼을 자주 참조하는 구조라면 그 플랫폼에 게시된 부정확한 정보 역시 AI 답변에 영향을 줄 수 있습니다.
여기서 중요한 구분이 필요합니다.
'자주 인용된다'는 것은 관찰 가능한 현상입니다.
'신뢰할 만하다'는 것은 별도로 검증해야 할 평가입니다.
기업이 Citation Core를 조사해야 하는 이유도 바로 여기에 있습니다.
AI가 어떤 사이트를 참조하는지 알아야 할 뿐 아니라, 해당 정보원이 어떤 기준과 품질로 정보를 제공하는지까지 평가해야 합니다.
4. Citation Core를 찾는 실전 방법: 검색어가 아니라 고객의 질문에서 시작하라
Semrush는 Citation Core를 찾기 위해 먼저 제품 카테고리와 분석 시장을 구체적으로 정의하라고 권고합니다.
예를 들어 '소프트웨어'라는 범주는 너무 넓습니다.
반면 '한국 중견 건설사의 프로젝트 원가 관리 ERP'처럼 범위를 좁히면 관련성 높은 핵심 출처를 찾기가 쉬워집니다.
다음으로 고객이 실제로 사용할 만한 질문을 선정합니다.
여기서는 가상의 한국 B2B 소프트웨어 기업을 예로 들어보겠습니다.
주요 고객은 건설업체이며 프로젝트 관리와 원가 관리를 지원하는 소프트웨어를 판매한다고 가정하겠습니다.
이 기업이 분석할 질문은 다음과 같을 수 있습니다.
| 고객의 의도 | 질문 예시 |
|---|---|
| 문제 인식 | 건설사 프로젝트별 원가 관리를 효율화하는 방법은? |
| 정보 탐색 | 건설 ERP와 일반 ERP의 차이는? |
| 제품 비교 | 국내 건설 ERP 솔루션을 비교해 줘 |
| 기능 검토 | 프로젝트별 원가·예산 통합 관리가 가능한 ERP는? |
| 기술 검토 | 기존 회계 프로그램과 연동 가능한 건설 ERP는? |
| 비용 검토 | 중견 건설사의 ERP 도입 비용은 얼마나 드나? |
| 도입 검토 | 건설업 ERP 구축 실패 사례와 주의점은? |
| 구매 결정 | 100~300명 규모 건설사에 적합한 ERP를 추천해 줘 |
중요한 것은 질문의 숫자보다 구성이 얼마나 균형 잡혀 있는가입니다.
브랜드 인지도를 확인하는 질문과 실제 구매 결정을 요구하는 질문에서는 AI가 서로 다른 정보 출처를 활용할 수 있습니다.
따라서 다양한 구매 단계와 고객 의도를 포함해야 합니다.
Semrush는 약 50개의 서로 다른 프롬프트를 출발점으로 제안합니다.
기업의 제품과 산업이 복잡하다면 더 많은 질문을 사용할 수 있지만, 유사한 질문을 무작정 늘리는 것이 목표가 되어서는 안 됩니다.
5. AI의 답변에서 어떤 데이터를 수집해야 하는가?
질문을 구성했다면 ChatGPT, Gemini, Perplexity, Google AI Mode 등 여러 AI 환경에서 결과를 조사할 수 있습니다.
국내 시장을 분석한다면 네이버의 AI 검색 기능도 별도로 고려할 필요가 있습니다.
단, 각 플랫폼이 제공하는 검색 기능과 인용 표시 방식이 다르므로 모든 결과를 동일한 방식으로 해석할 수는 없습니다.
실무에서는 다음 항목을 구분해서 수집하는 것이 좋습니다.
| 측정 항목 | 확인할 내용 |
|---|---|
| 질문 | 사용자의 원래 프롬프트 |
| 플랫폼 | ChatGPT, Gemini 등 |
| 측정 시점 | 날짜와 반복 측정 회차 |
| 언급 브랜드 | 답변에서 실제 등장한 브랜드 |
| 추천 브랜드 | 명시적으로 추천된 브랜드 |
| 인용 URL | 답변에 표시된 출처 링크 |
| 인용 도메인 | 출처의 웹사이트 |
| 인용 페이지 유형 | 기사, 리뷰, 기술 문서, 커뮤니티 등 |
| 근거 내용 | 해당 출처가 제공하는 정보 |
| 브랜드와의 관계 | 자사·경쟁사·독립적 제3자 |
여기서 반드시 구분해야 할 부분이 있습니다.
AI가 어떤 페이지를 인용했다는 사실과 해당 페이지의 내용이 실제로 답변의 특정 주장에 반영됐다는 사실은 동일하지 않습니다.
따라서 Citation Core를 분석할 때도 단순한 링크 횟수뿐 아니라 실제 인용 문맥을 함께 검토하는 것이 바람직합니다.
6. Citation Core 분석의 핵심은 단순 인용 횟수가 아니다
프롬프트별 인용 결과를 수집했다면 도메인 단위로 정리할 수 있습니다.
예를 들어 50개의 질문을 여러 AI 플랫폼에서 반복 측정한 뒤, 특정 도메인이 얼마나 자주 등장하는지 확인합니다.
그러나 가장 많이 인용된 사이트를 무조건 가장 중요한 사이트로 선정하는 것은 적절하지 않습니다.
Semrush는 Citation Core의 우선순위를 결정할 때 다음 네 가지 기준을 제시합니다.
-
주제 관련성(Topic Relevance)
-
인용 빈도(Citation Frequency)
-
경쟁사와의 정보 격차(Competitor Gap)
-
해당 사이트에 접근하거나 정보를 제공할 수 있는 가능성(Reachability)
여기에 기업의 장기적인 GEO 전략에서는 한 가지 요소를 더 추가할 필요가 있습니다.
바로 정보원의 독립성과 신뢰성입니다.
예를 들어 AI에 자주 인용되는 사이트라도 누구나 검증 없이 홍보성 콘텐츠를 게시할 수 있다면, 해당 사이트의 정보를 무조건 신뢰할 수는 없습니다.
반대로 인용 빈도가 상대적으로 낮더라도 산업 전문성과 검증 기준이 높은 기관이라면 장기적인 브랜드 신뢰 구축에서 중요한 역할을 할 수 있습니다.
따라서 기업은 인용 빈도만이 아니라 영향력과 신뢰성, 실제 개선 가능성을 함께 평가해야 합니다.
7. 경쟁사 분석의 새로운 질문: 경쟁사는 어디에서 설명되고 있는가?
이제 경쟁사 분석을 다시 생각해 보겠습니다.
전통적인 분석에서는 경쟁사가 어떤 키워드에서 상위에 노출되는지, 홈페이지에 어떤 콘텐츠를 발행했는지 확인했습니다.
Citation Core 관점에서는 조사 대상이 달라집니다.
경쟁사가 어떤 외부 정보원에서 소개되고 비교되고 평가되는지 살펴봅니다.
예를 들어 가상의 ERP 기업 A와 경쟁사 B를 비교한 결과가 다음과 같다고 가정하겠습니다.
| 정보 출처 | 기업 A | 경쟁사 B |
|---|---|---|
| 자사 홈페이지 | 제품 소개 | 제품 소개 |
| 산업 전문 매체 | 거의 없음 | 실제 구축 사례 |
| 소프트웨어 비교 플랫폼 | 등록 정보 부족 | 상세 제품 프로필 |
| 고객 사례 | 비공개 | 구체적인 도입 성과 |
| 기술 문서 | 일부 기능 설명 | API 및 연동 문서 |
| 업계 커뮤니티 | 언급 드묾 | 사용자 경험 공유 |
이 표는 실제 업체에 관한 조사 결과가 아니라 분석 방법을 설명하기 위한 가상 사례입니다.
이 상황에서 기업 A가 경쟁사보다 덜 추천되는 이유를 단순히 홈페이지 콘텐츠 수의 차이로 설명하기는 어렵습니다.
오히려 경쟁사 B가 여러 독립적인 정보원에서 제품을 검증받을 수 있는 자료를 확보하고 있을 가능성을 검토해야 합니다.
예를 들어 AI가 건설 ERP를 비교하면서 특정 산업 매체의 구축 사례를 자주 참조한다면, 해당 매체가 어떤 기업의 사례를 소개하고 있는지 살펴볼 수 있습니다.
여기서 기업 A가 해야 할 일은 그 매체에 무조건 홍보 기사를 게재하는 것이 아닙니다.
독자에게 가치 있는 실제 사례와 검증 가능한 자료를 제공할 기회가 있는지 검토하는 것입니다.
이것이 Citation Core 분석을 경쟁사 콘텐츠 모방이 아니라 시장의 정보 공백을 찾아내는 작업으로 활용해야 하는 이유입니다.
8. 가장 중요한 전략적 전환: Backlink Gap에서 Evidence Gap으로
SEO 실무에서는 경쟁사가 확보했지만 우리 회사는 확보하지 못한 백링크를 조사하는 Backlink Gap 분석이 널리 활용돼 왔습니다.
이 접근은 여전히 가치가 있습니다.
그러나 GEO에서는 한 단계 더 나아갈 수 있습니다.
이 글에서는 이를 Evidence Gap, 즉 '브랜드 근거 격차'라고 부르겠습니다.
Evidence Gap은 단순히 경쟁사에 관한 링크나 언급이 있는지의 차이를 뜻하지 않습니다.
특정 고객 질문에 답하는 데 필요한 근거가 경쟁사에는 충분하지만 우리 브랜드에는 부족한 상태를 의미합니다.
예를 들어 경쟁사 B에 대한 고객 사례가 다섯 개 존재하는데 기업 A에는 하나도 없다고 가정하겠습니다.
문제는 단순히 사례의 숫자가 아닙니다.
경쟁사 B의 자료에는 실제 도입 기간, 적용한 업무, 기존 시스템과의 연동, 운영 성과가 포함돼 있을 수 있습니다.
반면 기업 A의 홈페이지에는 '빠르고 효율적인 ERP'라는 일반적인 문구만 있을 수 있습니다.
그렇다면 부족한 것은 검색 노출을 위한 키워드가 아닙니다.
AI와 잠재 고객이 기업 A의 역량을 평가할 때 사용할 구체적인 증거입니다.
따라서 Evidence Gap 분석에서는 세 가지 질문을 함께 다뤄야 합니다.
첫째, 경쟁사와 우리 브랜드의 정보를 모두 제공하는 출처는 어디인가?
둘째, 경쟁사만 충분한 정보를 제공하고 있는 출처는 어디인가?
셋째, 두 기업 모두 충분히 설명하지 못하지만 고객에게 중요한 정보는 무엇인가?
세 번째 질문이 특히 중요합니다.
경쟁사에 관한 정보가 많다는 이유만으로 같은 콘텐츠를 반복해서 생산할 필요는 없습니다.
오히려 시장 전체에서 제대로 설명하지 못하는 중요한 문제를 발견한다면 새로운 콘텐츠 기회를 만들 수 있습니다.
이것이 GEO를 단순 경쟁사 추적에서 Thought Leadership 전략으로 발전시키는 방법입니다.
9. Citation Core를 발견한 다음, 실제로 무엇을 해야 할까?
이제 실무의 문제로 돌아가겠습니다.
핵심 정보원을 찾았다고 해서 모든 사이트에 무작정 브랜드를 노출시켜서는 안 됩니다.
정보원의 특성과 브랜드가 실제로 제공할 수 있는 가치에 따라 다른 접근이 필요합니다.
산업 전문 매체
산업 매체에서는 단순한 제품 홍보보다 새로운 시장 데이터, 실무 사례, 독창적인 기술 분석이 유용할 수 있습니다.
기업이 공개할 수 있는 실질적인 연구 결과나 고객 문제 해결 경험을 제공하는 것이 효과적인 접근입니다.
제품 비교 플랫폼
G2, Capterra처럼 제품을 비교하는 플랫폼에서는 제품 사양과 서비스 범위의 정확성이 중요합니다.
기업이 직접 관리할 수 있는 공식 프로필을 최신 상태로 유지하고, 실제 고객의 평가가 왜곡 없이 반영되도록 해야 합니다.
고객사와 파트너의 웹사이트
B2B 기업에서는 고객사의 실제 도입 사례가 매우 중요한 정보 자산이 될 수 있습니다.
다만 고객사의 동의 없이 내부 성과나 구축 정보를 공개해서는 안 됩니다.
공개 가능한 범위에서 실제 도입 배경, 해결한 문제, 적용 조건, 성과의 측정 방법을 구체적으로 설명하는 것이 좋습니다.
기술 문서와 개발자 커뮤니티
소프트웨어와 제조업 등 기술적 검토가 중요한 산업에서는 상세한 기술 문서가 필요합니다.
지원하는 기능뿐 아니라 제약 사항, 호환성, 연동 방식 등을 정확하게 설명해야 합니다.
일반 커뮤니티와 SNS
커뮤니티에서는 무엇보다 실제 경험과 투명성이 중요합니다.
브랜드가 자신의 이해관계를 숨긴 채 사용자 후기를 가장하거나 대량으로 홍보성 게시물을 발행하는 행위는 신뢰를 해칠 수 있습니다.
AI 검색에 자주 인용된다는 사실은 이러한 행위를 정당화하지 않습니다.
핵심은 모든 곳에 등장하는 것이 아닙니다.
실제로 의미 있는 정보를 제공할 수 있는 곳에서 신뢰할 만한 근거를 축적하는 것입니다.
10. 한국 시장에서는 글로벌 Citation Core를 그대로 사용할 수 없다
Semrush의 Citation Core 사례는 주로 글로벌 또는 미국 시장의 데이터를 바탕으로 제시됩니다.
그러나 한국 기업의 GEO 전략은 한국어와 국내 정보 생태계의 특성을 반영해야 합니다.
예를 들어 한국의 B2B 소프트웨어 시장에서는 전문 매체, 공공기관, 협회, 소프트웨어 비교 플랫폼, 기업 기술 블로그 등이 정보 출처 후보가 될 수 있습니다.
소비재 시장에서는 판매 플랫폼, 제품 리뷰, 전문 커뮤니티, 동영상 콘텐츠 등이 관련 정보를 제공할 수 있습니다.
의료 분야에서는 정부와 공공기관의 정보, 병원 공식 사이트, 의료 전문 매체, 학술 문헌 등이 서로 다른 역할을 수행합니다.
특히 네이버의 경우 자체 검색 기능과 정보 표시 방식이 Google이나 ChatGPT와 다릅니다.
따라서 '한국 GEO에서 중요한 사이트 Top 10'처럼 모든 산업에 적용할 수 있는 보편적인 목록을 만드는 것은 적절하지 않습니다.
더 유용한 접근은 업종과 고객의 질문을 기준으로 Citation Core를 조사하는 것입니다.
예를 들어 의료기관 검색, 기업용 소프트웨어, 가전제품 구매에서는 서로 다른 Citation Core가 나타날 수 있습니다.
그리고 같은 업종에서도 초기 정보 탐색과 실제 구매 결정 단계에서 인용되는 정보원이 다를 수 있습니다.
한국 시장의 GEO 경쟁력을 정확하게 분석하려면 이러한 차이를 데이터로 확인해야 합니다.
11. 도슨티 GEO의 관점: AI 검색 경쟁사 분석은 정보원 분석으로 확장되어야 한다
도슨티 GEO는 ChatGPT, Claude, Gemini, Perplexity, 네이버 AI 등 여러 AI 환경에서 브랜드의 언급, 인용, 추천 현황을 측정하고 경쟁사와 비교하는 접근을 제공합니다.
여기서 중요한 다음 단계는 경쟁사와 브랜드의 언급률 차이를 단순 수치로 확인하는 데 그치지 않는 것입니다.
왜 그런 차이가 나타나는지 분석할 수 있어야 합니다.
예를 들어 특정 구매 질문에서 경쟁사 B는 반복적으로 추천되지만 우리 브랜드는 등장하지 않는다면, 여러 가능성을 조사해야 합니다.
브랜드의 제품 설명이 불충분할 수 있습니다.
경쟁사에 관한 외부 정보가 더 풍부할 수 있습니다.
AI가 참조하는 핵심 정보원에 우리 제품이 포함되지 않았을 수 있습니다.
혹은 제품 자체가 해당 고객의 요구에 적합하지 않을 수도 있습니다.
따라서 인용 출처와 경쟁사 정보를 함께 조사하는 것은 단순한 브랜드 홍보 전략을 넘어, 시장에서 우리 브랜드가 어떻게 이해되고 평가되는지 확인하는 과정입니다.
이 과정은 다음과 같이 정리할 수 있습니다.
고객 질문 선정 → AI 브랜드 가시성 측정 → 핵심 인용 출처 파악 → 경쟁사 Evidence Gap 분석 → 정보 개선 과제 도출 → 반복 측정
도슨티 GEO의 기존 측정 기능을 이러한 분석의 출발점으로 활용할 수 있습니다.
다만 Citation Core 자동 분류, 외부 사이트별 Evidence Gap 평가, 정보원 신뢰도 분석 등은 별도 데이터와 기능이 필요한 확장 영역입니다.
중요한 것은 새로운 지표를 무조건 많이 추가하는 것이 아닙니다.
이미 측정하고 있는 AI 검색 결과를 실제 마케팅과 콘텐츠 의사결정에 활용하는 것입니다.
결론. AI 검색에서 경쟁사를 이기려면 경쟁사만 바라보지 말아야 한다
AI 검색에서 경쟁사보다 더 자주 추천받고 싶다면 경쟁사의 홈페이지를 분석하는 것만으로는 충분하지 않습니다.
AI가 그 경쟁사를 설명하기 위해 어떤 근거를 사용하는지 살펴봐야 합니다.
어떤 전문 매체가 제품을 비교하고 있는지,
어떤 고객 사례가 구축 역량을 증명하고 있는지,
어떤 기술 문서가 실제 기능을 설명하고 있는지,
어떤 정보 출처가 여러 AI 플랫폼에서 반복적으로 등장하는지 확인해야 합니다.
그렇다고 AI가 자주 인용하는 사이트를 무조건 공략해야 한다는 뜻은 아닙니다.
반복 인용은 정보원의 영향력을 보여주는 단서이지, 정보의 정확성이나 신뢰성을 보증하는 인증이 아닙니다.
궁극적으로 기업이 확보해야 할 것은 특정 사이트에서의 인위적인 노출이 아니라 고객의 의사결정에 기여할 수 있는 검증 가능한 브랜드 정보입니다.
2026년 GEO 경쟁에서 중요한 질문은 이제 다음과 같이 바뀌고 있습니다.
“우리 경쟁사는 AI에서 몇 번 언급되는가?”
그다음에는 반드시 물어야 합니다.
“AI는 무엇을 근거로 경쟁사를 추천하고 있으며, 그 근거를 제공하는 정보원에서 우리 브랜드는 어떻게 설명되고 있는가?”
그 질문에 답할 수 있을 때 GEO는 단순한 AI 검색 순위 경쟁을 넘어 시장의 정보 구조를 이해하고 개선하는 전략이 됩니다.
경쟁사만 분석하지 마십시오.
경쟁사를 설명하는 정보 생태계를 분석하십시오.
그곳에서 새로운 GEO 기회가 발견될 수 있습니다.
주요 참고자료
-
Semrush, What Is Citation Core? A Guide to AI Search Visibility (2026.11.16)
-
From Public Posts to AI-Search Citations: Measuring the Fragility of AI Search (2026)
-
Chen & Koudas, What Drives AI Citations? Content, Retrieval and Model Knowledge in GEO (2026)
다음 편 예고
AI가 특정 산업에서 반복적으로 인용하는 핵심 정보원을 찾아냈다면, 이제 그 정보원에서 우리 브랜드가 얼마나 존재감을 확보하고 있는지 측정할 차례입니다.
그러나 기존의 Share of Voice나 브랜드 언급률만으로 이러한 정보원 격차를 충분히 설명할 수 있을까요?
다음 편에서는 Citation Core를 실제 경쟁력 지표로 발전시키는 새로운 분석 프레임워크를 제안합니다.
「GEO에도 Share of Voice보다 중요한 지표가 생긴다: Citation Core Coverage」
도슨티 GEO와 함께 AI가 브랜드를 발견하고, 비교하고, 추천하는 과정을 측정하고 분석해 보세요.
