도슨티 GEO 인사이트 시리즈 ⑤ 홈페이지 GEO만으로 부족한 이유: Owned–Earned–Platform Evidence Map
도슨티GEO도슨티 GEO 인사이트 시리즈 ⑤ 홈페이지 GEO만으로 부족한 이유: Owned–Earned–Platform Evidence Map
AI가 우리 브랜드를 어떻게 이해하는지 알고 싶다면, 홈페이지가 아니라 브랜드에 관한 정보 생태계 전체를 살펴봐야 한다
기업들이 생성형 AI 검색 최적화(GEO)를 시작하면서 홈페이지를 개편하고 있습니다.
FAQ를 추가하고, 구조화 데이터를 정비하고, 제품 설명을 자세하게 작성합니다. AI가 읽기 좋은 콘텐츠를 만들겠다며 기존 블로그 글도 다시 쓰고 있습니다.
모두 의미 있는 작업입니다.
그러나 여기서 한 가지 질문을 던져야 합니다.
우리 홈페이지의 정보가 정확하고 충실하다고 해서 ChatGPT나 Gemini도 반드시 우리 브랜드를 정확하게 설명할까요?
그렇지는 않습니다.
AI는 브랜드의 공식 홈페이지뿐 아니라 언론 기사, 산업 전문 매체, 제품 비교 사이트, 공공기관 자료, 고객사 웹사이트, 커뮤니티 등 다양한 정보원을 참조할 수 있습니다.
그 정보들 중 일부는 기업이 직접 관리할 수 있지만, 상당수는 그렇지 않습니다.
더구나 서로 다른 출처가 같은 브랜드에 대해 서로 다른 이야기를 하고 있을 수 있습니다.
홈페이지에는 최신 제품 기능이 설명되어 있지만 외부 비교 플랫폼에는 이전 버전의 사양이 남아 있을 수 있습니다.
고객 사례에서는 특정 산업에 강점이 있다는 사실이 드러나지만, AI는 해당 기업을 전혀 다른 업종의 솔루션으로 이해하고 있을 수도 있습니다.
이것은 단순한 콘텐츠 부족 문제가 아닙니다.
브랜드에 관한 정보가 여러 곳에 흩어져 있고, 그 정보들이 충분히 연결되거나 관리되지 않는 문제입니다.
GEO는 바로 이 지점에서 기업의 홈페이지를 넘어 브랜드의 정보 생태계 전체를 다루는 전략으로 발전해야 합니다.
이를 위해 이 글에서는 ‘Owned–Earned–Platform Evidence Map’이라는 분석 프레임워크를 제안합니다.
1. 2026년 연구가 확인한 사실: AI 인용의 84% 이상은 제3자 출처에서 나온다
2026년 10월 발표된 Muck Rack·Generative Pulse의 What Is AI Reading? 연구는 GEO 전략의 출발점을 다시 생각하게 합니다.
연구진은 2026년 4,000만 건 이상의 AI 답변과 2억 700만 건의 인용을 포함하는 데이터를 분석했습니다.
또한 9월에는 1,020개의 질문을 ChatGPT, Claude, Gemini, Perplexity에서 별도로 조사했습니다.
가장 주목할 결과는 AI가 인용하는 출처의 구성입니다.
전체 인용의 84% 이상이 언론, 정부·비영리기관, 학술 연구, 백과사전, 제3자 기업 콘텐츠 등 Earned 및 Third-party Source에서 발생했습니다.
반면 기업이 직접 소유한 Owned Media의 비중은 15.2%였습니다.
9월 조사에서 유료 및 광고성 콘텐츠가 차지한 비중은 0.3%에 그쳤습니다.
이 숫자를 단순하게 해석해서는 안 됩니다.
AI가 자사 홈페이지를 중요하지 않게 평가한다는 뜻이 아닙니다.
특정 조사에 포함된 질문과 플랫폼의 인용 출처 중 상당수가 브랜드가 직접 소유하지 않은 곳이었다는 의미입니다.
또한 Third-party Source와 Earned Media가 완전히 같은 개념인 것도 아닙니다. 제3자 기업 콘텐츠나 공공기관 자료까지 모두 전통적인 PR 성과라고 볼 수는 없습니다.
그럼에도 마케팅 전략에 중요한 시사점을 제공합니다.
기업이 통제할 수 있는 자사 홈페이지만 최적화해서는 AI가 브랜드에 관해 접하는 정보 환경 전체를 관리하기 어렵다는 것입니다.
언론 기사의 비중은 줄었지만, 외부 출처의 중요성이 사라진 것은 아니다
같은 연구에서 언론 콘텐츠의 AI 인용 비중은 2026년 5월 27%에서 9월 22%로 감소했습니다.
그러나 감소한 비중이 모두 기업 홈페이지로 이동한 것은 아닙니다.
정부·비영리기관 자료는 8.6%에서 9.6%로, 제3자 기업 콘텐츠는 24.0%에서 25.1%로 증가했습니다.
기업이 직접 소유한 콘텐츠도 13.7%에서 15.2%로 증가했습니다.
즉, AI 검색에서 특정한 하나의 채널이 다른 채널을 완전히 대체하는 것이 아닙니다.
서로 다른 성격의 정보원이 경쟁하고, 그 비중이 플랫폼과 시기에 따라 변화하고 있습니다.
이러한 환경에서 필요한 것은 ‘어느 채널이 가장 중요한가’라는 일률적인 답이 아닙니다.
우리 산업과 고객의 질문에서 어떤 정보원들이 실제로 중요한지 파악하는 것입니다.
2. 홈페이지는 브랜드의 공식 정보원이지만, 브랜드에 관한 모든 정보의 소유자는 아니다
기업 홈페이지는 브랜드에 관한 가장 중요한 정보 기반 중 하나입니다.
제품 사양, 서비스 범위, 공식 가격, 기술 문서, 정책, 지원 조건 등 기업이 책임지고 제공해야 할 정보를 담고 있기 때문입니다.
하지만 홈페이지에 작성된 모든 주장이 독립적으로 검증되는 것은 아닙니다.
예를 들어 어떤 ERP 기업의 홈페이지에 다음과 같은 설명이 있다고 생각해 보겠습니다.
“당사는 건설업 프로젝트 관리에 특화된 ERP 솔루션을 제공합니다.”
이 문장은 기업의 공식적인 제품 설명입니다.
하지만 고객이 해당 기업을 실제로 선택하려면 더 많은 정보가 필요할 수 있습니다.
어떤 규모의 건설사에서 사용하고 있는가?
기존 회계 시스템과 어떻게 연동되는가?
프로젝트별 원가 관리 기능은 실제 업무에서 어떻게 작동하는가?
구축 과정에서 어떤 문제가 발생했고 어떻게 해결했는가?
다른 솔루션과 비교했을 때 장점과 제약은 무엇인가?
이 질문에 대한 근거가 기업 홈페이지에만 존재할 수도 있습니다.
그러나 실제 고객 사례, 산업 전문 매체의 분석, 독립적인 제품 비교, 기술 검증 자료 등에서도 확인된다면 구매자는 더 다양한 관점에서 판단할 수 있습니다.
AI 역시 검색 기반 답변을 구성할 때 이러한 다양한 출처를 활용할 수 있습니다.
그렇다고 외부에 동일한 설명이 많이 등장할수록 반드시 신뢰도가 높아지는 것은 아닙니다.
서로 다른 사이트가 한 기업의 보도자료를 그대로 복사했다면, 출처의 숫자는 많아도 독립적인 근거는 하나일 수 있기 때문입니다.
따라서 GEO에서는 콘텐츠가 어디에 존재하는지뿐 아니라 해당 정보가 어디에서 유래했는지까지 파악해야 합니다.
3. Owned–Earned–Platform Evidence Map이란 무엇인가?
기존 마케팅에서는 Owned, Earned, Paid Media라는 구분이 익숙합니다.
기업이 소유한 채널, 외부에서 획득한 노출, 광고비를 지불한 채널을 구분하는 방식입니다.
그러나 AI 검색의 정보 생태계를 분석할 때는 정보의 소유 관계만으로 충분하지 않습니다.
독립적인 언론 기사와 누구나 등록할 수 있는 제품 디렉터리는 서로 다른 특성을 가지고 있기 때문입니다.
이 글에서 제안하는 Owned–Earned–Platform Evidence Map은 브랜드에 관한 정보를 세 가지 관점에서 분석합니다.
| 영역 | 대표 정보원 | GEO에서의 역할 |
|---|---|---|
| Owned Evidence | 홈페이지, 제품 문서, 공식 블로그, 고객 지원 자료 | 공식 사실과 최신 정보를 제공 |
| Earned Evidence | 독립 언론 보도, 전문가 평가, 고객사 사례, 학술 연구 | 외부 관점에서 브랜드의 주장을 검토·확인 |
| Platform Evidence | 제품 비교 사이트, 산업 디렉터리, 지도·쇼핑 플랫폼, 전문 커뮤니티 | 브랜드가 특정 카테고리에서 발견되고 비교되는 정보 구조 제공 |
여기서 반드시 알아야 할 점이 있습니다.
이 세 영역은 완전히 배타적인 분류가 아닙니다.
예를 들어 제품 비교 플랫폼의 기업 공식 프로필은 기업이 일부 내용을 관리하는 Owned 성격을 가지면서도, 유통 경로는 Platform에 해당합니다.
같은 플랫폼의 독립적인 고객 후기는 Earned 성격을 가질 수 있습니다.
따라서 Evidence Map을 실제로 구축할 때는 두 가지 축을 구분하는 것이 정확합니다.
첫 번째는 정보의 통제와 검증 관계입니다.
기업이 직접 관리하는가, 독립적인 제3자가 작성했는가, 플랫폼 운영자가 관리하는가?
두 번째는 정보의 유통 경로입니다.
공식 웹사이트인가, 언론인가, 리뷰 플랫폼인가, 커뮤니티인가, 검색 및 쇼핑 플랫폼인가?
이렇게 구분해야 외부 플랫폼에 있는 모든 정보가 독립적인 검증이라고 착각하는 오류를 피할 수 있습니다.
4. 세 영역의 목적은 서로 다르다: 정확성, 검증, 발견 가능성
Owned Evidence의 핵심 목적은 정확성과 관리 가능성입니다.
기업은 제품과 서비스에 관한 최신 정보를 책임지고 제공해야 합니다.
기능이 변경되거나 가격과 정책이 바뀌었을 때 공식 정보원에서 이를 바로잡을 수 있어야 합니다.
Earned Evidence의 핵심 목적은 독립적인 평가와 검증 가능성입니다.
고객 사례나 전문가 평가, 언론 보도는 기업의 설명을 외부 관점에서 검토할 기회를 제공합니다.
여기서 독립성은 자동으로 주어지는 것이 아닙니다. 협찬 관계, 자료의 출처, 검증 방식 등을 함께 살펴봐야 합니다.
Platform Evidence의 핵심 목적은 특정 정보 탐색 환경에서의 발견과 비교 가능성입니다.
예를 들어 제품 비교 플랫폼은 가격, 기능, 업종, 사용자 평가 등 구조화된 항목을 통해 여러 제품을 비교할 수 있도록 합니다.
지도·지역 검색 플랫폼은 업체의 위치, 업종, 영업 정보 등을 제공합니다.
커뮤니티에서는 실제 이용 경험이나 문제 해결 과정에 관한 논의가 이루어질 수 있습니다.
중요한 것은 세 영역 중 어느 하나를 무조건 우선시하는 것이 아닙니다.
고객의 질문에 따라 어떤 영역이 필요한지 결정해야 한다는 것입니다.
제품의 최신 기술 사양을 확인하려면 공식 문서가 가장 적합할 수 있습니다.
독립적인 사용자 경험을 비교하려면 고객 후기나 전문 커뮤니티가 유용할 수 있습니다.
지역 서비스를 찾는 질문이라면 지도와 지역 정보 플랫폼의 역할이 커질 수 있습니다.
따라서 좋은 GEO 전략은 모든 플랫폼에 동일한 콘텐츠를 배포하는 전략이 아닙니다.
각 정보원이 수행할 역할에 맞는 근거를 제공하는 전략입니다.
5. AI는 서로 다른 플랫폼에서 서로 다른 정보를 찾는다
Muck Rack·Generative Pulse의 2026년 연구에서 특히 흥미로운 결과는 AI 플랫폼별 인용 출처의 차이였습니다.
9월 조사에서는 ChatGPT가 정부·비영리기관 자료를 34.6% 인용했고, Gemini에서는 기업 소유 콘텐츠가 34.4%로 가장 큰 범주였습니다.
Perplexity에서는 언론 콘텐츠가 27.8%로, Claude에서는 제3자 기업 콘텐츠가 23.5%로 주요 출처 유형을 차지했습니다.
이 결과는 모든 AI가 동일한 정보 생태계를 활용하는 것이 아님을 보여줍니다.
또한 네 개 플랫폼 모두에서 인용된 도메인은 212개에 불과했습니다.
따라서 ChatGPT에서 반복 인용되는 출처가 Gemini에서도 동일하게 중요하리라고 가정할 수 없습니다.
다만 이 수치는 특정 연구의 질문 집합과 조사 기간에 따른 결과이며, 국내 개별 산업에서 동일한 비중이 나타난다는 뜻은 아닙니다.
기업은 자신의 시장을 대상으로 확인해야 합니다.
예를 들어 한국의 건설 ERP 시장에서 실제로 중요한 출처가 산업 전문 매체인지, 기업 공식 문서인지, 고객사 사례인지, 소프트웨어 비교 플랫폼인지 조사해야 합니다.
여기서 핵심은 플랫폼마다 무작정 다른 콘텐츠를 만들어야 한다는 뜻이 아닙니다.
고객에게 필요한 동일한 사실을 각 정보원이 적절한 맥락에서 제공하도록 해야 한다는 것입니다.
6. 한국 기업을 위한 Evidence Map: 건설 ERP 사례
가상의 국내 건설 ERP 기업 A를 대상으로 Evidence Map을 구성해 보겠습니다.
이 기업은 프로젝트별 원가 관리와 기존 회계 시스템 연동을 주요 경쟁력으로 소개하고 있습니다.
그런데 AI 검색에서는 경쟁사 B가 더 자주 추천됩니다.
기업 A가 홈페이지를 개편하기 전에 먼저 조사해야 할 것은 브랜드에 관한 정보가 어떤 형태로 존재하는지입니다.
| 고객의 핵심 질문 | Owned | Earned | Platform |
|---|---|---|---|
| 주요 기능은 무엇인가? | 공식 제품 소개 | 전문가 분석 | 제품 비교 항목 |
| 실제 도입한 기업이 있는가? | 고객 사례 | 고객사 확인 자료 | 사용자 평가 |
| 기존 시스템과 연동되는가? | 기술 문서 | 독립 기술 검토 | 연동 기능 정보 |
| 경쟁 제품보다 적합한가? | 자사 기능 비교 | 제3자 제품 평가 | 카테고리 비교 |
| 도입 비용과 위험은? | 계약·지원 조건 | 실제 구축 경험 | 비용·후기 정보 |
실제 도슨티 또는 특정 ERP 업체의 조사 결과가 아닌 방법론 설명용 사례입니다.
이 표를 활용하면 단순히 콘텐츠가 부족한 영역뿐 아니라 정보의 성격이 불균형한 영역도 발견할 수 있습니다.
예를 들어 제품 기능에 관한 공식 자료는 충분하지만 실제 구축 사례가 거의 없다면 외부 검증에 필요한 근거를 보강할 수 있습니다.
회계 연동 기능에 관한 기술 문서는 충실하지만 소프트웨어 비교 사이트에는 해당 기능이 누락돼 있다면 플랫폼 정보를 정비할 필요가 있습니다.
반대로 외부 매체에 제품이 자주 소개되지만 공식 홈페이지에 최신 사양이 없다면 먼저 Owned Evidence를 바로잡아야 합니다.
핵심은 콘텐츠를 많이 만드는 것이 아니라 어떤 정보가 어디에 부족한지 확인하는 것입니다.
7. 새로운 GEO 리스크: Evidence Debt, 브랜드 정보의 부채
여기서 기업들이 주목해야 할 또 하나의 개념을 제안합니다.
바로 Evidence Debt, 즉 ‘정보 근거 부채’입니다.
기술 분야에서는 과거의 임시방편적인 개발 결정이 미래에 유지보수 비용을 발생시키는 현상을 Technical Debt라고 부릅니다.
브랜드 정보 역시 비슷한 문제를 겪을 수 있습니다.
기업이 성장하면서 제품과 서비스가 바뀌지만 과거에 배포한 정보는 계속 인터넷에 남아 있기 때문입니다.
예를 들어 어떤 소프트웨어 기업이 2024년에는 단일 산업용 솔루션을 판매했지만 2026년에는 여러 산업으로 서비스 범위를 확장했다고 가정하겠습니다.
홈페이지에는 최신 서비스가 반영됐습니다.
그러나 과거에 발행된 기사와 제품 비교 사이트에는 여전히 이전 사업 모델이 소개되어 있습니다.
일부 커뮤니티에는 종료된 기능에 대한 설명이 남아 있고, 고객 후기에는 오래된 제품명이 사용되고 있습니다.
AI가 이러한 정보를 참조한다면 브랜드의 현재 모습을 부정확하게 설명할 수 있습니다.
물론 오래된 정보가 존재한다고 해서 AI가 반드시 그 정보를 인용하거나 잘못된 답변을 생성하는 것은 아닙니다.
그러나 오래된 정보가 중요한 출처에서 반복적으로 발견된다면 위험을 조사할 필요가 있습니다.
Evidence Debt는 다음과 같은 유형으로 구분할 수 있습니다.
-
Outdated Evidence: 이미 변경된 제품·서비스 정보
-
Contradictory Evidence: 출처마다 서로 다르게 설명되는 정보
-
Missing Evidence: 브랜드가 주장하지만 확인할 근거가 부족한 정보
-
Misattributed Evidence: 다른 기업이나 제품의 정보가 잘못 연결된 경우
-
Unverifiable Evidence: 원본 자료나 검증 방법을 확인하기 어려운 주장
이러한 문제는 단순히 GEO에 불리할 수 있다는 이유로 해결해야 하는 것이 아닙니다.
잠재 고객에게 부정확한 정보를 전달할 수 있다는 점에서 기업의 신뢰와 직결됩니다.
따라서 Evidence Debt 관리는 GEO를 넘어 브랜드 정보 관리와 기업 커뮤니케이션의 중요한 업무가 될 수 있습니다.
8. 정보의 숫자보다 중요한 것은 출처의 독립성과 연결 관계다
Evidence Map을 구축할 때 한 가지 함정을 피해야 합니다.
여러 곳에 브랜드에 관한 설명이 존재한다는 사실만으로 정보가 충분히 검증됐다고 판단하는 것입니다.
예를 들어 어떤 기업이 신제품 출시 보도자료를 작성했습니다.
그 보도자료가 여러 매체에 배포되고, 일부 산업 블로그에서 재인용됐습니다.
이후 제품 비교 사이트에서도 동일한 설명을 사용했다고 가정해 보겠습니다.
겉으로 보기에는 네 가지 유형의 출처가 브랜드를 다루는 것처럼 보입니다.
하지만 실제 정보의 출발점은 하나의 보도자료입니다.
이 경우 출처가 다섯 곳이라고 해서 다섯 개의 독립적인 검증 근거가 확보된 것은 아닙니다.
따라서 Evidence Map은 정보가 등장하는 위치뿐 아니라 그 정보의 원천도 함께 기록해야 합니다.
누가 최초로 주장했는가?
독립적으로 확인한 자료가 있는가?
실제 데이터를 근거로 하는가?
동일한 자료가 여러 사이트에 재배포된 것인가?
2026년 10월 발표된 연구 From Public Posts to AI-Search Citations: Measuring the Fragility of AI Search는 이 문제가 왜 중요한지 보여줍니다.
연구진은 10개 AI 검색 플랫폼의 인용을 분석하고, 일부 플랫폼에서는 비교적 쉽게 게시할 수 있는 콘텐츠가 AI 검색 결과에 영향을 미칠 수 있음을 실험으로 확인했습니다.
이는 외부 출처에 정보가 존재한다는 사실만으로 진위와 품질이 보장되지 않는다는 의미입니다.
기업이 추구해야 할 것은 인위적으로 늘어난 브랜드 언급이 아닙니다.
실제 경험과 전문성, 검증 가능한 사실에 기반한 정보의 확충입니다.
GEO가 성숙할수록 콘텐츠의 배포 경로뿐 아니라 정보의 출처와 검증 가능성을 관리하는 일이 더욱 중요해질 것입니다.
9. 홈페이지 최적화는 여전히 필수다: Google이 실제로 권고하는 것
여기까지 읽으면 홈페이지 GEO가 중요하지 않다는 오해가 생길 수 있습니다.
그러나 공식 홈페이지는 여전히 핵심적인 정보 기반입니다.
2026년 5월 Google이 공개한 생성형 AI 검색 최적화 가이드는 명확한 기술 구조와 독창적이고 유용한 콘텐츠를 강조합니다.
Google은 AI 검색 기능을 위한 특별한 스키마가 반드시 필요한 것은 아니며, 기존 SEO의 기본 원칙이 계속 중요하다고 설명합니다.
특히 다음과 같은 요소가 중요합니다.
웹페이지가 검색엔진에서 접근하고 색인할 수 있는 상태인지 확인해야 합니다.
콘텐츠가 사람에게 이해하기 쉽도록 논리적으로 구성되어 있어야 합니다.
제품 설명과 기술 자료는 정확하고 최신 상태를 유지해야 합니다.
구조화 데이터는 실제 화면에 표시된 정보와 일치해야 합니다.
또한 독창적인 경험과 전문성을 제공하는 콘텐츠를 우선해야 합니다.
Google은 검색어의 가능한 모든 변형이나 Query Fan-out 질의마다 개별 콘텐츠를 대량 생성하는 방식이 효과적인 장기 전략이 아니며, 검색 결과를 조작하려는 목적으로 사용될 경우 스팸 정책을 위반할 수 있다고 경고합니다.
국내에서도 2026년 11월 5일 발표된 리스닝마인드의 GEO 웹사이트 최적화 사례가 테크니컬 SEO와 콘텐츠 전략의 결합을 강조했습니다.
따라서 홈페이지 GEO는 버려야 할 과제가 아닙니다.
오히려 외부 정보 생태계가 참조할 수 있는 정확한 기준 정보를 구축하는 작업으로 이해하는 것이 적절합니다.
10. Evidence Map을 실제로 운영하려면 무엇을 측정해야 할까?
Evidence Map은 단순한 콘텐츠 목록이 아닙니다.
AI 검색에서 브랜드가 어떻게 이해되는지 진단하고 개선하기 위한 분석 체계여야 합니다.
이를 위해 다음과 같은 지표를 제안할 수 있습니다.
| 지표 | 무엇을 측정하는가? |
|---|---|
| Evidence Coverage | 주요 고객 질문에 필요한 근거가 얼마나 확보됐는가? |
| Independent Evidence Ratio | 조사된 근거 중 독립적인 확인이 가능한 근거의 비율은? |
| Evidence Consistency | 여러 출처의 사실 정보가 얼마나 일치하는가? |
| Evidence Freshness | 중요한 브랜드 정보가 최신 상태인가? |
| Citation Core Coverage | AI가 반복 인용하는 핵심 출처에서 브랜드 근거가 얼마나 존재하는가? |
| Evidence-to-Answer Alignment | 출처의 내용과 AI가 브랜드를 설명하는 방식이 얼마나 일치하는가? |
이 지표들은 아직 산업 표준으로 검증된 공통 점수 체계가 아니라 이 글에서 제안하는 분석 항목입니다.
또한 각 지표를 단순히 평균해서 종합 GEO 점수를 만드는 것이 반드시 유용한 것은 아닙니다.
정보가 최신이지만 독립적인 근거가 부족한 경우와 독립적인 근거는 풍부하지만 오래된 경우는 해결해야 할 문제가 다르기 때문입니다.
따라서 Evidence Map은 여러 유형의 정보 격차를 구분하는 진단 도구로 활용하는 것이 바람직합니다.
특히 앞선 시리즈에서 제안한 Citation Core Coverage와 결합하면 어떤 외부 출처를 먼저 검토해야 하는지 우선순위를 정할 수 있습니다.
11. 실무 전략: Evidence Map을 만드는 다섯 단계
이 프레임워크를 실제 기업의 GEO 업무에 적용한다면 다음과 같은 순서가 적절합니다.
1단계. 고객 질문을 기준으로 핵심 정보를 정의한다
먼저 고객이 제품이나 서비스를 평가할 때 어떤 근거가 필요한지 파악합니다.
제품 기능, 비용, 신뢰성, 도입 사례, 기술 제약, 지원 조건 등이 포함될 수 있습니다.
특정 업종의 고객이라면 관련 규제와 인증, 안전 기준도 중요한 정보가 될 수 있습니다.
2단계. 브랜드 정보의 실제 분포를 조사한다
공식 홈페이지뿐 아니라 언론, 전문 매체, 고객사 웹사이트, 비교 플랫폼, 커뮤니티 등을 조사합니다.
이때 어디에 브랜드가 언급되어 있는지만 기록하지 않습니다.
어떤 사실이 어떤 표현으로 설명되는지도 함께 확인합니다.
3단계. AI가 실제로 인용하는 출처와 비교한다
모든 웹사이트가 AI 검색에서 동일한 역할을 수행하는 것은 아닙니다.
따라서 핵심 고객 질문에서 AI가 반복적으로 인용하는 도메인을 조사하고, 앞서 수집한 브랜드 정보와 비교합니다.
이를 통해 Citation Core에 포함되지만 브랜드 정보가 부족한 출처를 파악할 수 있습니다.
4단계. 정보 공백과 오류를 우선순위화한다
정보가 아예 없는 경우, 오래된 경우, 부정확한 경우, 독립적인 확인이 부족한 경우를 구분합니다.
문제의 유형에 따라 대응 방식도 달라집니다.
공식 정보를 먼저 정정해야 할 수도 있고, 실제 고객 사례를 새로 제작해야 할 수도 있습니다.
비교 플랫폼의 제품 정보를 업데이트하거나 산업 전문 매체에 검증 가능한 자료를 제공해야 할 수도 있습니다.
외부에 새로운 콘텐츠를 발행하는 것이 항상 정답은 아닙니다.
5단계. AI 답변의 변화를 반복 측정한다
정보를 개선한 이후에는 동일한 고객 질문을 다시 측정합니다.
브랜드 언급률과 추천률, 인용 출처, 경쟁사와의 차이가 어떻게 변화했는지 확인합니다.
다만 AI 모델 업데이트나 검색 결과 변동도 영향을 미치므로 단순한 전후 비교만으로 개선 작업의 인과적 효과를 확정해서는 안 됩니다.
측정 기간과 조건을 기록하고, 가능하다면 비슷한 질문 집합을 대조군으로 활용하는 것이 좋습니다.
12. GEO는 결국 마케팅팀 혼자 할 수 없는 업무가 된다
Evidence Map의 가장 중요한 조직적 시사점은 여기에 있습니다.
GEO를 홈페이지 콘텐츠 작성자의 업무로만 정의하기 어렵다는 것입니다.
브랜드의 공식 정보는 제품팀과 개발팀이 가장 정확하게 알고 있을 수 있습니다.
고객의 실제 사용 경험과 도입 성과는 영업팀이나 고객 성공팀이 보유할 수 있습니다.
독립적인 언론 보도와 전문가 관계는 PR 담당자가 관리할 수 있습니다.
외부 플랫폼의 제품 등록과 정보 수정은 채널 마케팅이나 사업 개발 담당자가 맡을 수 있습니다.
브랜드에 관한 정보가 여러 부서에서 생산되는 만큼 GEO에서도 부서 간 협력이 필요합니다.
하지만 이것이 곧 모든 부서에 GEO 업무를 추가해야 한다는 뜻은 아닙니다.
중요한 것은 기존에 생산하고 있는 정보가 외부에 어떻게 전달되고 있는지 파악하고, 사실 관계를 일관되게 관리하는 체계를 갖추는 것입니다.
예를 들어 제품 기능이 변경됐다면 공식 홈페이지뿐 아니라 주요 제품 비교 플랫폼과 고객 지원 문서도 함께 업데이트해야 할 수 있습니다.
중요한 구축 사례가 완성됐다면 이를 홈페이지에만 게시하는 것이 아니라 고객사의 동의 범위에서 외부에 공개할 수 있는 근거로 발전시킬 수 있습니다.
이런 과정은 새로운 마케팅 기술이라기보다 기업의 정보 관리와 커뮤니케이션 체계를 발전시키는 일에 가깝습니다.
GEO는 그 필요성을 더 분명하게 보여주는 계기가 될 수 있습니다.
13. 도슨티 GEO의 관점: AI 가시성 측정은 정보 개선의 출발점이다
도슨티 GEO는 ChatGPT, Claude, Gemini, Perplexity, 네이버 AI 등 여러 AI 환경에서 브랜드의 언급·인용·추천 현황을 측정하고 경쟁사와 비교하는 접근을 제공합니다.
이러한 측정은 AI 검색 결과에서 브랜드가 어떻게 등장하는지 파악하는 출발점입니다.
그러나 기업이 실제로 알고 싶은 것은 단순한 언급 횟수만이 아닙니다.
왜 특정 질문에서 경쟁사가 더 많이 추천되는지, 어떤 정보가 부족한지, 무엇을 개선해야 하는지 알고 싶어 합니다.
Evidence Map은 이러한 질문에 답하기 위한 분석 관점입니다.
예를 들어 특정 제품 비교 질문에서 경쟁사는 추천되지만 우리 브랜드는 등장하지 않는다고 가정하겠습니다.
이때 브랜드의 공식 제품 설명이 부족한지, 주요 제품 비교 플랫폼의 등록 정보가 누락됐는지, 외부의 실제 사용 사례가 부족한지 살펴볼 수 있습니다.
이렇게 발견한 정보 공백은 콘텐츠 제작, 기술 문서 정비, 제품 정보 업데이트, 고객 사례 개발 등 구체적인 실행 과제로 이어질 수 있습니다.
그 후 동일한 질문을 다시 측정함으로써 AI 답변의 변화를 관찰할 수 있습니다.
이 과정은 다음과 같은 구조로 정리할 수 있습니다.
AI 브랜드 가시성 측정 → 정보 출처 분석 → Evidence Map 구축 → 정보 공백 진단 → 콘텐츠·정보 개선 → AI 답변 재측정
도슨티 GEO의 다중 AI 측정과 경쟁사 비교 기능은 이러한 분석의 중요한 출발점이 될 수 있습니다.
다만 외부 출처의 독립성 평가, Evidence Debt 자동 탐지, 출처 간 정보 계보 분석, Evidence Map 자동 생성 등은 추가적인 분석 체계가 필요한 발전 방향이며, 현재 제공되는 기능으로 단정할 수 없습니다.
이러한 구분을 명확히 하는 이유는 GEO 시장에서 무엇보다 중요한 것이 측정 결과와 실행 효과에 대한 신뢰이기 때문입니다.
GEO 서비스가 경쟁력을 갖추려면 새로운 지표를 많이 제시하는 것보다 기업이 실제로 개선할 수 있는 문제를 정확하게 발견해야 합니다.
결론. GEO의 목적은 브랜드를 인터넷 곳곳에 복제하는 것이 아니다
AI 검색이 발전하면서 브랜드는 더 이상 홈페이지 안에만 존재하지 않습니다.
기업에 관한 정보는 언론과 전문 매체, 고객사, 비교 플랫폼, 공공기관 자료, 커뮤니티 등 다양한 정보원에 분포합니다.
그러나 여기서 중요한 것은 브랜드 이름이 등장하는 웹페이지의 숫자가 아닙니다.
고객이 어떤 질문을 던졌을 때, 그 답변에 필요한 정확하고 검증 가능한 정보가 적절한 곳에 존재하는가입니다.
공식 홈페이지는 브랜드에 관한 정확한 사실을 제공해야 합니다.
독립적인 정보원은 그 주장을 검증하거나 비판적으로 평가할 수 있어야 합니다.
제품 비교 플랫폼과 산업 정보 서비스는 고객이 필요한 정보를 발견하고 대안을 비교할 수 있도록 해야 합니다.
그리고 기업은 이러한 정보들이 서로 모순되거나 오래된 상태로 방치되지 않도록 관리할 필요가 있습니다.
이것이 Owned–Earned–Platform Evidence Map의 핵심입니다.
GEO의 다음 경쟁은 단순히 홈페이지에 더 많은 글을 발행하는 일이 아닙니다.
브랜드에 관한 정보가 어디에서 생성되고, 어떻게 검증되고, 어떤 플랫폼에서 발견되며, AI 답변에 어떻게 반영되는지를 이해하는 일입니다.
우리가 관리해야 할 것은 웹페이지의 수가 아니라 브랜드를 설명하는 근거의 품질과 연결 관계입니다.
AI 검색에서 강한 브랜드는 어디에서나 같은 홍보 문구를 반복하는 브랜드가 아닐 것입니다.
고객이 어떤 정보원을 확인하더라도 자신에 관한 정확하고 일관된 사실을 발견할 수 있는 브랜드일 것입니다.
주요 참고자료
-
Muck Rack & Generative Pulse, What Is AI Reading? October 2026 — Earned Media and AI Citations
-
Axios, GEO Starts with the Question, Not the Answer (2026.10.28)
-
Semrush, What Is Citation Core? A Guide to AI Search Visibility (2026)
-
Chen & Koudas, What Drives AI Citations? Content, Retrieval and Model Knowledge in GEO (2026)
-
From Public Posts to AI-Search Citations: Measuring the Fragility of AI Search (2026)
-
Google Search Central, Optimizing Your Website for Generative AI Features
다음 편 예고
검색 결과에서 높은 순위를 차지하고 있는데도 웹사이트 방문자는 줄어들 수 있을까요?
2026년 iPullRank가 166개 브랜드의 Google Search Console 데이터를 분석한 결과는 기존 SEO 성과 측정 방식에 중요한 질문을 던집니다.
검색 순위가 유지되더라도 클릭률과 트래픽은 달라질 수 있습니다.
AI 검색이 성장하는 시대에 기업은 무엇을 성과로 측정해야 할까요?
다음 편에서는 SEO 순위, 검색 클릭, AI 가시성, 실제 고객 행동 사이의 관계를 분석합니다.
「Google 1위인데 왜 고객은 오지 않을까? 검색 순위와 영향력이 분리되고 있다」
도슨티 GEO와 함께 AI가 브랜드를 발견하고, 이해하고, 추천하는 과정을 측정하고 분석해 보세요.
