ChatGPT가 우리 페이지를 인용했는데, 왜 경쟁사를 추천할까?
도슨티GEOChatGPT가 우리 페이지를 인용했는데, 왜 경쟁사를 추천할까?
AI 검색에서 Citation과 Mention이 일치하지 않는 이유 — 그리고 GEO가 단순한 출처 확보를 넘어 브랜드 추천 가능성을 측정해야 하는 이유
우리 기업의 웹페이지가 ChatGPT 답변의 출처로 등장했습니다. GEO를 운영하는 마케터에게는 반가운 소식입니다. AI가 우리 콘텐츠를 발견했고, 답변을 작성하는 데 참고했다는 뜻이니까요.
그런데 답변 본문을 읽어보니 이상합니다. ChatGPT는 우리 페이지를 출처로 표시하면서도 정작 추천 목록에는 경쟁사만 넣었습니다.
우리 콘텐츠는 인용했지만, 우리 브랜드는 추천하지 않은 것입니다.
이런 상황은 GEO 성과를 어떻게 측정해야 하는지에 관한 근본적인 질문을 던집니다. AI가 우리 웹페이지를 인용하면 GEO에 성공한 것일까요? AI가 브랜드를 알고 있다는 것과 추천한다는 것은 어떻게 다를까요? 같은 질문에서도 브랜드가 등장했다가 사라지는 현상을 어떻게 측정해야 할까요?
2026년 10월 발표된 새로운 연구는 이 질문에 흥미로운 단서를 제공합니다.
1. 새로운 연구: ChatGPT가 인용하는 페이지에 등장해도 추천 답변에서는 빠질 수 있다
2026년 10월 16일, 미국의 성장 마케팅 기업 Graphite는 Parametric Knowledge Optimization이라는 연구를 발표했습니다. 연구진은 ChatGPT가 검색을 사용하지 않고 답변할 때와 웹 검색을 활용할 때의 브랜드 언급 패턴을 비교했습니다.
분석에는 2026년 8월 수집한 57개 비교 질문에 대한 3,115개의 브랜드·질문 조합이 포함됐습니다.
검색하지 않을 때 잘 등장하지 않던 브랜드는 검색 결과의 인용 페이지에서 언급되더라도 여전히 답변에 잘 등장하지 않는 경향이 있었습니다.
특히 인용된 페이지 중 최소 15%에서 실질적으로 언급된 브랜드들 가운데, 검색하지 않은 답변에서의 브랜드 등장률이 25% 미만인 집단은 검색을 사용한 답변에서도 등장률 중앙값이 11%에 그쳤습니다.
| 분석 항목 | 관측값 |
|---|---|
| 브랜드·질문 조합 | 3,115 |
| 비교 질문 | 57 |
| 인용 페이지의 브랜드 언급 조건 | 최소 15% |
| 해당 저노출 집단의 검색 사용 시 브랜드 등장률 중앙값 | 11% |
Graphite는 별도의 100개 API 프롬프트 실험과 다른 기간에 수집한 200개 프롬프트 분석에서도 비슷한 관계를 관찰했다고 설명합니다. 이 연구는 10월 26일 Search Engine Journal에서도 다뤄졌습니다.
다만 이는 상관관계를 보여주는 분석입니다. 모델의 학습 데이터에 어떤 브랜드 정보가 포함됐는지 직접 확인한 것은 아닙니다. 기존 인지도나 시장 내 위치의 영향을 완전히 분리해 설명하지도 못합니다.
AI가 참고한 페이지에 브랜드 이름이 존재한다는 사실만으로, 그 브랜드가 최종 답변에 등장한다고 보장할 수는 없습니다.
2. AI는 페이지를 찾는 것과 브랜드를 선택하는 것을 다르게 수행한다
기존 검색엔진 최적화에서는 페이지의 검색 노출과 순위가 핵심 측정 대상이었습니다. 물론 SEO에서도 노출이 곧 클릭이나 구매를 의미하지는 않았습니다. 생성형 AI 검색에서는 한 가지 층위가 더 추가됩니다. AI가 여러 문서를 검색한 뒤 정보를 추출하고, 이를 재구성해 하나의 답변을 만들어낸다는 점입니다.
가상의 사례를 들어보겠습니다. 사용자가 ChatGPT에 질문합니다.
“국내 중소기업이 도입하기 좋은 GEO 솔루션 5개를 비교해 주세요.”
ChatGPT는 여러 웹페이지를 찾아봅니다. 그중에는 A사의 GEO 솔루션을 상세히 소개한 자료도 포함되어 있습니다. 그런데 최종 답변에는 B사, C사, D사, E사, F사만 추천됩니다. A사의 페이지는 출처에 나타나지만 A사는 목록에 없습니다.
왜 그럴까요? A사의 페이지가 일반적인 시장 정보를 제공했지만 제품 추천의 근거로 활용되지 않았을 수 있습니다. 다른 사이트에 경쟁사 정보가 더 구체적이거나, A사가 사용자의 조건에 부합한다는 근거가 부족했을 수도 있습니다. 기존에 더 자주 등장하던 브랜드가 선택됐을 가능성도 있습니다.
외부에서는 개별 선택 이유를 확정할 수 없습니다. 그러나 A사는 출처로서 가시성을 확보했지만, 추천 후보로서 가시성을 확보하지 못했다는 사실은 확인할 수 있습니다.
3. Citation, Mention, Recommendation — GEO에서는 세 가지를 구분해야 한다
| 구분 | 무엇을 측정하는가 | 예시 |
|---|---|---|
| Citation (인용) | 자사 페이지가 답변의 근거 또는 출처로 제시되는가 | 답변 하단에 자사 URL 표시 |
| Mention (언급) | 브랜드 이름이 답변 본문에 등장하는가 | “A사는 GEO 모니터링 기능을 제공한다” |
| Recommendation (추천) | 브랜드가 사용자의 조건에 적합한 선택지로 제시되는가 | “소규모 마케팅팀에는 A사를 고려할 만하다” |
Citation이 증가했지만 Mention이 정체되어 있다면 정보 출처 활용과 브랜드 가시성 사이에 차이가 있다는 뜻일 수 있습니다. Mention이 늘어도 부정확하거나 부정적인 설명과 함께 등장한다면 브랜드 인식의 품질을 점검해야 합니다.
Recommendation은 답변의 의미와 고객 상황을 해석해야 하므로 단순한 브랜드 탐지보다 측정이 어렵습니다. 모든 인용이 추천으로 이어져야 하는 것도 아닙니다.
중요한 것은 인용과 추천의 숫자를 무조건 일치시키는 일이 아니라, 각 지표가 어떤 비즈니스 성과를 설명하는지 구분하는 것입니다.
4. 더 흥미로운 발견: AI는 검색하기 전부터 브랜드를 찾고 있을 수 있다
Graphite는 ChatGPT가 사용자 질문을 바탕으로 생성하는 추가 검색어, 즉 _Fan-out Query_도 살펴봤습니다. 사용자가 브랜드를 명시하지 않더라도, AI가 검색을 준비하면서 특정 브랜드를 포함한 검색어를 생성할 수 있습니다.
Graphite는 2026년 8월부터 10월 초까지 수집한 약 95만 7천 건의 ChatGPT 추가 검색어를 분석했습니다. 그 결과 브랜드 이름이 없는 비교 질문에서 생성된 검색어 중 59.6%에 브랜드 이름이 포함된 것으로 분류됐습니다. Claude Haiku 4.5를 이용한 분류이므로 모든 AI 검색에 일반화할 수는 없습니다.
브랜드명이 없는 비교 질문에서 생성된 ChatGPT 추가 검색어의 브랜드 포함 여부 · Graphite (2026)
AI가 검색어를 생성할 때 이미 알고 있거나 연관성이 있다고 판단하는 브랜드를 포함한다면, 해당 브랜드에 관한 자료가 검색되는 데도 영향을 줄 수 있습니다.
2026년 10월 발표된 또 다른 연구, What Drives AI Citations?에서는 검색 결과의 선택뿐 아니라 모델의 기존 지식이 브랜드 언급에 영향을 미칠 수 있다고 보고했습니다. 동시에 브랜드 인지도가 낮은 소규모 B2B 소프트웨어 시장에서는 검색을 통해 발견된 근거의 중요성도 두드러졌습니다.
산업과 브랜드의 성숙도에 따라 검색에서 발견되는 근거와 모델의 기존 브랜드 인식 중 어디에 더 큰 공백이 있는지 진단해야 합니다.
5. ‘AI의 브랜드 기억’은 새로운 GEO 최적화 대상이 될 수 있을까?
Graphite는 이 문제를 설명하기 위해 _Parametric Knowledge Optimization(PKO)_이라는 개념을 제시했습니다. Parametric Knowledge란 언어 모델이 학습 과정에서 매개변수에 반영한 지식을 뜻합니다. 실시간 외부 검색을 통해 얻은 정보와 구분됩니다.
AI 모델은 검색하지 않고도 널리 알려진 브랜드에 관한 일반적인 정보를 답할 수 있습니다. 반면 신생 제품이나 최근 변경된 기능에 대해서는 정보가 부족하거나 오래되었을 수 있습니다.
하지만 기업은 어떤 콘텐츠가 실제 학습 데이터에 포함됐는지 확인하기 어렵고, 오늘 발행한 콘텐츠가 곧바로 모델의 기존 지식을 바꾸지도 않습니다. 따라서 PKO를 당장 ‘브랜드 기억 점수’를 올리는 기술처럼 이해해서는 안 됩니다.
| 단기·지속 운영 | 장기적 브랜드 기반 구축 |
|---|---|
| 관련 고객 질문 발굴 | 일관된 브랜드 정체성 구축 |
| AI 답변의 언급·인용 측정 | 신뢰할 수 있는 외부 정보 축적 |
| 경쟁사 비교 및 정보 공백 확인 | 제품·고객 사례의 폭넓은 공개 |
| 관련 콘텐츠 개선 및 발행 | 전문성과 시장 내 인지도 강화 |
| 변경 후 반복 측정 | 새 모델과 시장 변화에 따른 평가 |
두 접근법은 대체 관계가 아닙니다. 검색 가능한 콘텐츠를 개선하면서 장기적으로 브랜드에 대한 정확하고 신뢰할 수 있는 정보의 기반을 확대해야 합니다.
6. GEO KPI는 이제 ‘얼마나 인용됐는가’에서 ‘어떤 질문에서 선택되는가’로 확장되어야 한다
전체 브랜드 언급률 하나만 보는 방식에서 벗어나야 합니다. 다음 세 질문에서 브랜드가 등장하는 것은 서로 다른 의미를 갖습니다.
시장 탐색: “국내 GEO 솔루션 기업 Top 5를 알려줘.”
기능 비교: “ChatGPT, Gemini, Perplexity에서 브랜드 노출을 비교 분석할 수 있는 GEO 솔루션은?”
구매 상황: “마케팅 담당자 한 명이 AI 검색 성과를 측정하고 콘텐츠 개선까지 운영할 수 있는 GEO 솔루션은?”
시장 탐색은 일반적인 인지도, 기능 비교는 제품 역량과의 연관성, 구매 상황은 구체적인 문제와 사용 환경에서의 적합성을 보여주는 단서입니다. 질문별 가시성을 분리해 측정해야 하는 이유입니다.
AI 답변은 확정적인 검색 순위가 아닙니다. 모델, 시점, 검색 사용 여부, 질문 표현, 실행 환경에 따라 달라질 수 있으므로 반복 측정이 중요합니다.
Mention Rate = (브랜드가 언급된 유효 답변 수 ÷ 전체 유효 답변 수) × 100
같은 방식으로 인용률을 따로 계산할 수 있습니다. 추천 여부 역시 일관된 분류 기준이 마련돼 있다면 별도로 측정할 수 있습니다.
자사 브랜드가 10번 중 6번 등장했다는 사실만으로는 충분하지 않습니다. 경쟁사 B는 9번, C는 2번 등장했다면 경쟁 맥락은 달라집니다. 또한 제품 비교 질문인지 일반 정보 질문인지도 구분해야 합니다.
GEO의 단위는 단순한 전체 노출 횟수가 아니라, 고객 질문과 경쟁 맥락 속에서 반복적으로 관측되는 브랜드의 존재입니다.
7. Docenty GEO: 인용과 언급을 분리하고, 발견한 문제를 개선으로 연결한다
바로 여기에서 Docenty GEO의 Full Loop 접근법이 중요해집니다. 자사 브랜드의 GEO 점수가 몇 점인지 알려주는 것만으로는 다음 행동을 결정하기 어렵습니다.
Docenty GEO는 페르소나, 핵심 구매 요인(KBF), 카테고리 진입 상황(CEP)을 바탕으로 의미 있는 질문을 구성하고, 여러 AI 플랫폼의 답변에서 브랜드 언급과 출처 인용을 측정할 수 있도록 지원합니다. 경쟁사와의 차이를 확인하고 관련 콘텐츠를 개선한 뒤 다시 측정하는 운영 과정을 연결합니다.
Docenty GEO Full Loop — 질문 설계 → AI 답변 측정 → 경쟁사 갭 분석 → 콘텐츠 개선·발행 → 재측정
특정 질문에서 브랜드의 웹페이지가 인용되지만 브랜드는 언급되지 않는 현상이 반복된다면, 페이지가 어떤 정보의 근거로 활용되는지와 추천 후보에 포함되기 위해 어떤 근거가 부족한지 검토할 수 있습니다.
브랜드가 자주 등장하지만 제품의 강점이나 대상 고객에 대한 설명이 부정확하다면 콘텐츠의 양보다 제품 정보와 포지셔닝의 일관성을 개선해야 합니다.
물론 재측정에서 언급률이 늘었다고 해서 특정 작업의 직접적인 효과라고 단정할 수는 없습니다. 모델과 검색 결과의 변동도 영향을 주기 때문입니다.
측정은 보고서의 끝이 아니라, 다음 콘텐츠와 브랜드 전략을 결정하는 출발점이어야 합니다.
8. 그렇다면 Citation은 더 이상 중요하지 않은가?
그렇지 않습니다. Graphite 연구에서도 인용된 페이지에서 브랜드가 언급되는 비중이 높을수록 AI 답변에서의 브랜드 가시성이 높아지는 관계가 관찰됐습니다.
특히 신생 기업이나 전문성이 필요한 B2B 시장에서는 AI가 참고할 만한 웹 정보 자체가 부족할 수 있습니다. 제품 설명, 고객 사례, 전문 자료, 제3자의 검증 가능한 언급은 여전히 중요합니다.
다만 Citation을 최종 목표로 삼는 것과 중요한 중간 지표로 활용하는 것은 다릅니다. 인용이 늘었다면 다음 질문이 필요합니다.
“그 결과 AI가 우리 브랜드를 더 정확하게 설명하고, 관련 고객 질문에서 더 자주 선택지로 제시하고 있는가?”
결론: GEO에서 중요한 것은 AI가 우리를 읽었느냐가 아니라, 언제 우리를 선택하느냐다
AI 검색에서는 자사 콘텐츠가 검색되고 인용되는 것만으로 브랜드가 추천된다고 보장할 수 없습니다. 브랜드가 어떤 질문과 연결되는지, AI가 경쟁사를 어떻게 비교하는지, 기존 지식과 새로 검색한 정보가 어떻게 결합되는지를 함께 살펴봐야 합니다.
Graphite 연구는 AI가 검색하기 이전의 브랜드 관련 지식과 검색으로 확보한 정보 모두가 브랜드 가시성과 관계될 수 있음을 보여줍니다.
기업이 궁극적으로 알고 싶은 것은 더 구체적입니다. “우리 고객이 실제로 구매나 도입을 고민하는 순간, AI는 우리 브랜드를 적절한 선택지로 제시하는가?”
Docenty GEO는 질문 설계부터 AI 답변 측정, 경쟁사 분석, 콘텐츠 개선, 재측정까지 이어지는 Full Loop로 이러한 과정을 지원합니다.
GEO의 목표는 AI에게 가능한 한 많이 인용되는 브랜드가 되는 것만이 아닙니다. 고객이 중요한 질문을 던질 때, 적절한 근거와 함께 선택지에 등장하는 브랜드가 되는 것입니다.
주요 참고 자료