AI 검색엔진은 어떤 브랜드를 언급할까? 규모·인지도·출처 벤치마크

이 논문은 102개 브랜드를 다섯 AI 검색엔진에서 10만 건 넘게 관측해, "사용자가 우리 카테고리를 물었을 때 AI가 실제로 우리를 언급하는가"를 대규모로 측정한 첫 GEO 벤치마크예요. ChatGPT·Gemini·Perplexity·Claude·Grok을 2026년 3–5월에 걸쳐 추적하며, 브랜드 가시성을 정의하고 엔진 간 차이를 숫자로 드러내요 ^[1]. GEO라는 문제의 정의와 지표는 GEO 원전 논문에서 다뤘으니, 여기서는 그 위에 얹힌 대규모 측정과 그 결과를 파고들어요.

파란 링크 열 개를 훑던 검색은 이제 AI에게 직접 묻는 방식으로 옮겨갔어요. 브랜드 입장에서 질문도 바뀌었어요. 예전엔 "키워드에서 몇 위인가"였다면, 지금은 "누가 우리 카테고리를 물었을 때 AI가 우리 이름을 부르는가"예요 ^[1][2]. 이 논문은 그 질문을 재는 자를 만들고, 102개 브랜드에 대고 실제로 재봤어요.

무엇을 측정하나: 가시성의 세 신호

이 논문에서 브랜드 가시성은 하나의 숫자가 아니라 세 신호의 묶음이에요 ^[1].

• 언급 여부(mention): 응답에 브랜드가 등장하는가(Boolean).
• 순번(position): 등장했다면 몇 번째로 불렸는가(1·2·3위).
• 감성(sentiment): 긍정·중립·부정 중 어떤 톤으로 프레이밍됐는가.

중요한 구분이 하나 더 있어요. 브랜드 이름을 넣지 않은 unbranded 질의("best Indian fintech payment platform")에서의 노출은 진짜 발견 가능성을 재고, 이름을 넣은 branded 질의("what does Razorpay do")에서의 노출은 자기 인지도만 확인해요 ^[1]. 논문이 헤드라인으로 삼는 건 언제나 unbranded 가시성이에요. AI가 우리를 이미 알아서 부르는지가 성과이기 때문이에요.

각 응답에는 언급 유형 $m(q,p)\in \{\text{fr},\text{t3},\text{m},\text{i},\text{none}\}$ 이 붙어요. 각각 첫 추천(fr)·상위 3(t3)·언급(m)·간접(i)·미언급(none)이에요 ^[1].

다섯 엔진을 어떻게 재나

먼저 재는 대상인 다섯 엔진의 설정부터 봐요. 검색 접지(grounding) 정책이 엔진마다 달라서, 이 차이가 뒤의 결과를 상당 부분 설명해요 ^[1].

표 1. 다섯 엔진의 모델·웹검색 정책 ^[1].

가시성은 언급된 프롬프트의 비율이에요. 프롬프트 집합 $Q$ 에서 언급이 일어난 비율로 정의돼요 ^[1].

평균 순번은 언급된 프롬프트에 한해 순번의 평균으로 재요. 낮을수록 좋아요 ^[1].

점유율(Share of Voice)은 그 브랜드의 언급 수를 자신과 자격 있는 경쟁자들의 언급 수 합으로 나눠요. 분모의 경쟁자 집합 $\mathcal{C}(b)$ 는 반복 등장하거나 실재하는 도메인만 넣어서, 엔진이 지어낸 환각 이름이 분모를 부풀리지 않게 해요 ^[1].

감성 점수는 긍정에 1, 중립에 0.5, 부정에 0을 줘서 100점 척도로 만들어요. 부정 한 번이 중립 한 번의 두 배만큼 점수를 깎아요 ^[1].

엔진끼리 얼마나 다른 소스를 인용하는지는 인용 도메인 집합의 Jaccard 중복으로 재요. $D_p(q)$ 가 엔진 $p$ 가 프롬프트 $q$ 에서 인용한 도메인 집합이에요 ^[1].

데이터 규모는 이래요. 102개 브랜드, 3508회 완료된 추적 런, 10만2025건의 프롬프트 응답, 약 1만5815건의 브랜드 언급, 14만9912건의 소스 인용을 2026년 3–5월에 모았어요 ^[1]. 신뢰구간은 1만 회 부트스트랩, 계층 비교는 Kruskal–Wallis 후 Bonferroni 보정 Mann–Whitney로 잡았어요 ^[1].

브랜드 위상이 가시성을 지배한다

이 논문의 헤드라인은 위상 사다리예요. 브랜드를 세 티어로 나눠 첫 추적 런의 unbranded 가시성을 재면, 한 단계 내려갈 때마다 가시성이 뚝 떨어져요 ^[1].

표 2. 위상 티어별 첫 런 unbranded 가시성 ^[1].

통계도 이 사다리를 강하게 받쳐요. Kruskal–Wallis $H=38.32$, $p=4.78\times 10^{-9}$ 로 세 티어의 분포가 같다는 가설이 기각됐고, 모든 쌍 비교가 Bonferroni 보정을 통과했어요 ^[1]. 효과 크기 Cohen's $d$ 도 T1 대 T3에서 2.34로 거대했어요 ^[1]. 논문의 표현대로 "위상 사다리를 한 칸 내려갈 때마다 unbranded 가시성 약 30%p가 든다"는 뜻이에요 ^[1].

이게 왜 중요하냐면, 대부분의 브랜드가 Tier 3에 몰려 있고 그들은 카테고리 질의의 약 11%에서만 등장하기 때문이에요 ^[1]. 발견 가능성의 지배적 극단은 '보이지 않음'이에요.

엔진마다 답이 갈린다

같은 브랜드라도 엔진에 따라, 그리고 질문의 종류에 따라 노출이 크게 달라져요. 먼저 첫 런 인지율을 branded와 unbranded로 갈라 보면 이래요 ^[1].

표 3. 엔진별 첫 런 인지율(branded 대 unbranded) ^[1].

branded 열이 90%를 넘는 건 당연해요. 이름을 넣고 물으니 알아보는 거예요. 진짜 신호는 unbranded 열이고, Claude(51.5%)를 빼면 대부분 12–24% 구간에 몰려 있어요 ^[1]. Claude가 높은 건 이 코호트가 높은 위상 브랜드에 치우친 표본이라는 점이 섞여 있어요 ^[1].

질문의 종류도 결정적이에요. 넓은 발견형 질문은 브랜드를 잘 띄우지만, 구체적인 문제·유스케이스 질문은 거의 안 띄워요 ^[1].

표 4. 프롬프트 카테고리별 unbranded 가시성(발췌) ^[1].

넓은 "best X" 질문에서 22.9%로 가장 잘 뜨고, 구체적 문제·유스케이스 질문에선 10.8–11.4%로 가장 안 떠요 ^[1]. 그리고 엔진들은 서로 다른 소스를 봐요. CRM 사례에서 플랫폼 쌍의 평균 소스 중복은 Jaccard 약 0.12로 매우 낮았어요 ^[1]. 한 엔진에서 통한 전술이 다른 엔진으로 잘 전이되지 않는다는 뜻이에요.

한 카테고리를 확대해 보면 순번의 급경사가 보여요. CRM 열 개 브랜드를 추적한 참조 연구에서, 언급됐을 때의 평균 순번은 이래요 ^[1].

표 5. CRM 참조 연구의 브랜드·엔진별 평균 순번(낮을수록 좋음) ^[1]. 상위 세 브랜드가 전체 CRM 언급의 51%를 가져갔어요 ^[1].

인용의 출처는 자기 도메인이 아니다

가시성을 만드는 소스가 어디인지도 대규모로 뜯어봤어요. 14만9912건의 인용을 소스 클래스로 나누면 그림이 선명해요 ^[1].

표 6. 소스 클래스별 인용 분포 ^[1].

핵심은 자기 도메인이 인용의 2.9%뿐이고, 75.2%는 같은 분야 다른 회사 페이지를 가리킨다는 거예요 ^[1]. 자사 페이지를 아무리 다듬어도, 인용의 대부분은 경쟁·중립 페이지에서 나와요. Algaba et al.이 관찰한 "이미 인용된 도메인이 더 인용된다"는 Matthew 효과가 브랜드 층위에서도 나타나는 셈이에요 ^[4]. 그래서 점유율(SoV)은 경쟁 페이지 위에서 다투는 문제가 돼요.

콘텐츠 페이지만 놓고 보면 지렛대가 분명해요. 전체 인용의 21%가 리스티클("best CRM tools" 같은 랭킹 리스트)이라, 한 개의 잘 랭크된 리스트가 여러 AI 답변에 우리를 실어 날라요 ^[1]. 이 관찰은 소스 측 신호를 손봐야 한다는 C-SEO Bench의 결론과도 맞물려요 ^[3].

언급은 안정적, 감성은 요동친다

같은 브랜드·프롬프트·엔진 셀을 여러 런 반복하면, 언급은 놀랄 만큼 결정적이에요. 3회 이상 관측한 unbranded 셀 중 63.2%는 한 번도 안 뜨고, 14.3%는 늘 떠요. 30–70% 사이에서 흔들리는 '플리핑'은 6.8%뿐이에요 ^[1]. 즉 77.5%가 늘·전혀 두 극단으로 갈리는 near-binary예요 ^[1].

감성은 정반대예요. 같은 기준에서 감성 플리핑률이 45.5%로, 언급 플리핑(6.8%)보다 약 6.7배 노이즈가 커요 ^[1]. 대신 늘 부정으로 굳는 셀은 0.0%였어요. 부정은 떠도 일시적이고, 엔진이 추적 브랜드를 부정적으로 고정하는 일은 사실상 없었어요 ^[1]. 실무적으로는 감성 점수를 안정시키려면 브랜드당 10개 이상의 프롬프트가 필요하다는 뜻이에요 ^[1].

내버려 두면 어떻게 될까요. 개입 없는 기준선에서 unbranded 가시성의 런당 기울기는 대체로 평평하되, ChatGPT(−1.34%/런)와 Perplexity(−0.76%/런)에서만 통계적으로 유의한 완만한 하락이 나왔어요 ^[1]. "아무것도 안 하면 이 두 엔진에서 가시성이 천천히 샌다"는 얘기예요 ^[1].

이 벤치마크의 한계

논문은 스스로 경계를 분명히 그어요 ^[1].

• 인과가 아닌 관측: 추적 궤적은 전부 관측 기준선이고, 추천이 가시성을 실제로 올리는지는 RCT(Protocol P3)로 미뤘어요. Aggarwal et al.의 실험 설계를 브랜드 함대에 적용하는 게 후속 과제예요 ^[1][2].
• 편의 표본 코호트: SaaS·리테일·핀테크·인도 DTC에 치우쳐서 카테고리 대표성이 없어요. Tier 1은 $n=11$ 로 작아, leave-one-out 민감도(70.5–76.7%)로 보완했지만 완전히 해소하진 못했어요 ^[1].
• 손코딩 티어 분류: 위키·언론·펀딩 신호로 사람이 티어를 매겨서 주관이 섞여요. 평가자 간 신뢰도 감사는 v1.1로 미뤘어요 ^[1].
• 플랫폼 불투명성: 추론은 API 출력에서만 나와요. 엔진의 수집·검색 내부는 직접 볼 수 없어요 ^[1].
• 휴리스틱 감성: 45.5% 플리핑률에 출력 분산과 분류기 노이즈가 섞여 있어요 ^[1].

TRAIL 관점: 멀티엔진 가시성은 추적의 문제

이 연구가 던지는 질문은 우리가 매일 다루는 문제 그 자체예요. AEO·GEO의 성과는 결국 "AI가 이 답을 만들 때 우리를 불렀나, 몇 번째로, 어떤 톤으로 불렀나"이고, TRAIL Search가 하는 일이 바로 이 멀티엔진 가시성·점유율(SoV) 추적이에요. 논문의 발견을 실무 원칙으로 옮기면 이래요.

• 엔진별로 따로 재요: 소스 중복이 약 0.12로 낮아서 ^[1], 하나의 대시보드에 다섯 엔진을 합쳐 평균만 보면 진짜 격차가 지워져요. ChatGPT에서 뜨는 소스와 Perplexity에서 뜨는 소스는 다른 페이지예요.
• 자사 페이지 너머를 봐요: 인용의 2.9%만 자기 도메인이라 ^[1], 경쟁·리뷰·리스티클 페이지에서의 점유율이 진짜 전장이에요. 특히 전체 인용의 21%를 차지하는 리스티클에 우리가 실려 있는지가 큰 지렛대예요 ^[1].
• 위상을 알고 시작해요: Tier마다 약 30%p씩 벌어지니 ^[1], 소형 브랜드는 헤드-투-헤드 인지보다 경쟁자 대비 SoV를 목표로 잡는 게 현실적이에요.
• 주기는 14–30일로: 언급은 near-binary로 안정적이지만 감성은 6.7배 요동치고 ^[1], 방치하면 일부 엔진에서 서서히 하락하니 ^[1], 분기보다 2–4주 주기로 재측정하고 개입 효과를 확인해요.

결국 이 논문은 GEO를 '느낌'에서 '측정'으로 옮겨 놓았어요. 무엇을 담을지 설계로 푸는 FeatGEO가 콘텐츠 쪽의 최적화라면, 이 연구는 그 최적화가 실제 AI 답변 속 우리 자리를 어떻게 바꾸는지 대규모로 재는 자예요. 어떤 문서가 답을 만들었는지 되짚는 RAG 출처 귀속 연구와 함께 보면, 설계와 측정이 한 쌍으로 맞물려요. 재지 않으면 고칠 수도 없으니까요.