브랜드의 AI 가시성: 제가 측정하는 방법과 도구

브랜드의 AI 가시성은 고객이 AI 어시스턴트에 하는 질문에 대한 답변 중, 브랜드가 이름으로 언급되거나 브랜드의 페이지가 출처로 제시되는 답변의 비율입니다. 저는 이를 제 질문 세트에서 어시스턴트별로, 그리고 언급과 인용을 나누어 계산합니다. 어시스턴트 제공사 밖에서는 사람들이 어시스턴트에 하는 질문 전체를 아는 사람이 없으므로 “AI 시장 점유율”은 계산할 수 없습니다. AI 가시성의 모든 숫자는 몇 개의 질문으로, 어느 어시스턴트에서, 어느 날 계산했는지와 함께일 때만 의미가 있습니다.

8월부터 10월까지 세 번, 제 자체 검토에서 좋아 보이던 숫자가 제가 생각한 것과 다른 뜻이라는 점이 드러났습니다.

1. 제 프로젝트 중 하나의 보고서에서 “브랜드 존재감”은 브랜드 언급이 아니라 페이지 인용이었습니다. 보고서는 Perplexity에서 2%라고 했지만 브랜드는 질문의 37%에서 언급되었고, 브랜드 이름이 없는 질문만 보면 21%였습니다.
2. 하위 검색어(어시스턴트가 답변하는 동안 검색엔진에 직접 보내는 검색어)에서의 순위가 핵심 키워드에서의 순위보다 인용을 더 잘 예측한다는 것을 보이려던 테스트는, 검토자가 제가 정확도가 다른 측정을 비교했다는 점을 짚어 주기 전까지는 가설에 맞는 결과를 냈습니다.
3. 도구에서 두 브랜드의 인용 수가 일주일 만에 절반 늘었는데 점유율은 거의 변하지 않았습니다. 브랜드의 가시성이 아니라 도구가 수집한 답변 데이터베이스(인덱스)이 커졌을 가능성이 가장 높습니다.

저는 이런 오류를 고객에게 보고서를 보내기 전에 찾도록 AI 가시성을 측정합니다. 두 번째 사례는 GEO 최적화와 AI SEO 글에서 설명했고, 나머지 둘은 아래에 있습니다.

브랜드의 AI 가시성이란 무엇입니까?

브랜드의 AI 가시성은 Google의 AI Overview와 AI 모드, ChatGPT, Gemini, Perplexity, Copilot이 생성하는 답변에 브랜드가 나타나는 정도이며, 전체 답변 중 브랜드가 나타난 답변의 비율로 계산합니다. 브랜드는 이런 답변에 두 가지 방식으로 들어갈 수 있고, 저는 둘을 따로 셉니다.

1. 언급: 사용자가 읽는 답변 본문에 브랜드 이름이 있습니다.
2. 인용: 브랜드의 페이지가 출처로 제시되며, 보통 각주나 답변 옆의 링크 목록에 나옵니다.

하나가 다른 하나를 뜻하지는 않습니다. 어시스턴트는 기억이나 남이 쓴 글을 통해 알고 있는 브랜드를 이름으로 추천하면서 그 페이지는 출처로 제시하지 않을 수 있습니다. 반대로 일반 정보의 출처로 브랜드의 페이지를 제시하면서 브랜드 이름은 한 번도 쓰지 않을 수도 있습니다. 어시스턴트가 브랜드에 대한 지식을 검색에서 얻는지 모델의 기억에서 얻는지는 GEO 최적화와 AI SEO 글에서 설명했습니다.

AI 답변에는 순위가 없으므로 저는 위치가 아니라 점유율을 측정합니다. 어시스턴트의 답변은 매번 새로 만들어지며 결과 10개의 목록이 아닙니다. 엘리 슈워츠(Eli Schwartz)는 이를 한 문장으로 말했습니다.

그래서 순위 대신, 제 질문 세트에 대한 답변 중 몇 개에서 브랜드가 나타나는지를 셉니다. “ChatGPT에서 브랜드가 3위입니다”라는 숫자는 어느 하루의 답변 하나를 설명할 뿐이고, 같은 질문에 대한 다음 답변은 다른 브랜드를 다른 순서로 언급할 수 있습니다.

ChatGPT 등 AI 어시스턴트에서 브랜드의 가시성은 어떻게 확인합니까?

여섯 단계로 확인하고, 숫자는 다섯 번째 단계에서야 셉니다. 앞 단계들은 마지막의 숫자가 올바른 브랜드와 올바른 질문에 관한 것이 되도록 하기 위한 것입니다.

1단계. 어시스턴트가 어느 브랜드인지 아는지 확인하십시오

무엇이든 세기 전에, 브랜드 이름만 넣은 질문을 하고 답변을 읽습니다. 어시스턴트가 브랜드를 다른 회사와 혼동하면 이후의 모든 숫자는 다른 회사에 관한 것일 수 있습니다. 폴란드의 한 온라인 쇼핑몰에서 AI 가시성 도구는 100점 만점에 55점과 점유율 100%를 보여 주었는데, 이를 계산한 모든 답변은 이름이 같은 다른 유명 회사에 관한 것이었습니다. 다른 도구에서는 이름이 사전에 있는 일반 단어인 브랜드가 그 단어가 쓰인 모든 곳을 센 탓에 브랜드가 언급된 페이지 40만 개 이상을 얻었습니다. 비교 대상 브랜드는 7천 개가 되지 않았습니다.

같은 업종의 회사가 같은 이름을 쓰면 측정이 의미를 잃고, 다른 분야의 사람이나 회사가 쓰면 측정이 어려워질 뿐입니다. 첫 번째 경우에는 무엇이든 세기 전에 어시스턴트가 구별할 수 있도록 브랜드의 사이트와 프로필에 있는 설명부터 정리합니다. 제 이름과 성은 배우와 조종사도 쓰고 있으므로 제 브랜드의 측정은 의미가 있지만, 언급이 나올 때마다 저에 관한 것인지 확인합니다.

2단계. 브랜드 이름의 Google 검색 결과를 읽으십시오

AI Overview와 AI 모드는 Google의 색인을 쓰므로, 먼저 브랜드 이름만으로 Google이 무엇을 보여 주는지 확인합니다. 상위 10개 결과마다 그 페이지를 제가 전부 통제하는지, 일부만(예를 들어 다른 사이트에 있는 프로필) 통제하는지, 전혀 통제하지 못하는지 기록합니다. 제 이름과 성으로 2026년 10월 3일에 폴란드 Google에서 확인했을 때 10개 결과 중 제가 전부 통제하는 것은 없었고 하나는 일부만 통제했습니다.

그다음 어시스턴트가 브랜드에 대해 되풀이하는 문장을 이 페이지들에서 찾습니다. 문장이 검색 결과에 있으면 어시스턴트가 어디서 가져오는지 알 수 있고, 그 페이지의 수정을 요청할 수 있습니다. 없다면 모델의 기억에 있을 가능성이 크고, 페이지를 고쳐도 빨리 바뀌지 않습니다.

3단계. 질문 세트를 만들고 바꾸지 마십시오

질문은 브레인스토밍이 아니라 수요 데이터와 Search Console에서 가져옵니다. Search Console에서는 사이트가 이미 노출되는 검색어를 고르고, 나머지는 키워드 조사 도구의 키워드로 채웁니다. 페이지 순위에 따라 질문을 나누는 방법은 SEO 전략 글에서 설명했습니다. 검색어를 가져오는 기간에 사이트의 Search Console 노출수가 약 1,000회, 서로 다른 검색어가 100개에 못 미치면 그 사이트에서 질문을 만들지 않습니다. 그렇게 작은 표본으로는 시장에 대해 말해 주는 질문을 고를 수 없기 때문입니다. 이것은 테스트 결과가 아니라 제 작업 과정의 대략적인 기준입니다.

질문 대부분은 브랜드 이름 없이 만드는데, 이유는 GEO 최적화와 AI SEO 글에서 설명했습니다. “X는 좋은가요”라는 질문은 어시스턴트가 X에 대해 무엇을 아는지를 측정할 뿐, X를 들어 본 적 없는 사람에게 X를 추천하는지는 측정하지 못합니다. 브랜드 이름이 없는 질문은 세 가지 형태로 만듭니다(예시는 이해를 돕기 위한 것입니다).

• 조건이 붙은 카테고리, 예를 들어 “크라쿠프의 1인 기업용 회계 사무소”
• 경쟁사 이름만 들어간 비교, 예를 들어 “[경쟁사]의 대안”
• 구체적인 기능에 대한 질문, 예를 들어 “인터넷 없이 작동하는 메모 앱은 무엇인가요”

평판에 대한 질문은 따로 세고 가시성에는 포함하지 않습니다. “X는 믿을 만한 회사인가요”와 “누구를 고를까”, “누구를 피할까”라는 질문 쌍은 어시스턴트가 브랜드를 추천하는지가 아니라 어떻게 평가하는지를 보여 줍니다. 1단계에서 이야기한 쇼핑몰에서는 믿을 만한 쇼핑몰이냐는 질문에 어시스턴트가 고객의 불만을 인용하며 답했습니다.

폴란드 브랜드에 대한 질문은 폴란드어와 영어로 합니다. 제 테스트에서는 폴란드어 질문에 대한 하위 검색어 일부가 영어였고, 이는 GEO 최적화와 AI SEO 글에서 썼습니다.

측정 사이에 질문 세트를 바꾸지 않습니다. 새 질문은 별도의 그룹으로 추가합니다. 목록을 바꾸면 이전 측정과의 비교가 깨지기 때문입니다.

4단계. 파일럿으로 반복 횟수를 정하고, 언제 어디서 했는지 기록하십시오

반복 횟수는 미리 정하지 않고, 새 질문 세트에서는 먼저 파일럿으로 각 질문을 동시에 10번씩 합니다. Dmitrij Żatuchin이 브랜드에 대해 모델에 반복해서 질문하는 Dice Roll Method 프로토콜에서 권하는 방식입니다(arXiv, 2026년 10월 14일의 버전 2). 파일럿에서는 같은 질문에 대한 답변이 서로 얼마나 다른지와 질문들이 서로 얼마나 다른지를 계산하고, 이로부터 제가 원하는 정밀도의 결과에 몇 번의 반복이 필요한지 구합니다. 이 버전에서 저자는 첫 번째 버전의 고정 기준(연구 종류에 따라 5번에서 20번의 반복)을 철회했는데, 그 기준이 실제 연구 데이터가 아니라 합성 생성기의 데이터로 계산된 것이었기 때문입니다.

파일럿은 보통 서로 다른 두 숫자를 줍니다. 어시스턴트 전체의 결과에는 적은 반복이, 하나의 질문을 변경 전후로 비교하는 데에는 훨씬 많은 반복이 필요합니다. 제 테스트와 Żatuchin 논문의 숫자는 반복에 관한 부분에서 아래에 보여 드립니다. AI Overview는 제 데이터에서 가장 안정적이었습니다. 94개 질문 중 77개에서 세 번의 답변이 같았으므로, 보통 한 번 가져오면 충분합니다.

각 답변마다 어시스턴트, AI 응답 환경, 모델 버전, 날짜와 시각의 네 가지를 기록합니다. AI 응답 환경은 모델이 답변을 제공하는 환경으로, 채팅 앱, API, Google의 AI 모드, AI Overview 등입니다. API의 답변은 사용자가 앱에서 보는 답변과 같다는 보장이 없으므로, 두 응답 환경의 결과를 하나의 숫자로 합산하지 않습니다.

답변의 시각은 무작위와 시간에 따른 변화를 구별하게 해 줍니다. 반복 테스트에서 Perplexity는 반복할 때마다 프로젝트의 페이지를 질문 0개, 2개, 9개에서 인용했는데, 언급 수는 거의 일정했습니다(33, 36, 35). 측정 도중 페이지에 대한 접근이 바뀐 것으로 보이지만, 시트에 답변 시각이 없어서 확인할 수 없습니다. 그래서 이후의 측정에서는 반복을 동시에 보내고 각 답변의 시각을 기록합니다.

5단계. 언급과 인용을 따로 세십시오

어시스턴트의 결과는 전체 답변 중 브랜드가 나타난 답변의 비율이며, 언급과 인용을 따로 계산합니다. 출처는 모든 반복에서 합산합니다. 브랜드가 답변의 일부에서만 나타난 질문은 불안정으로 표시하고, 개별 질문에 대한 결론은 내리지 않습니다.

6단계. 진단을 무효로 만들 수 있는 것을 확인하십시오

고객에게 무엇이 부족한지 말하기 전에, 진단이 틀릴 수 있는 상황을 확인합니다.

• 어시스턴트가 그 카테고리에서 아무도 추천하지 않습니다. 예를 들어 건강, 금융, 법률에 관한 질문입니다. 이 경우 브랜드가 메울 공백이 없습니다.
• 어시스턴트가 검색 없이 기억으로 답합니다. 이 경우 사이트 작업은 오래도록 아무것도 바꾸지 못합니다.
• 제가 비교에 직접 넣은 경쟁사의 사이트가 작동하지 않습니다. 한 측정에서는 카테고리가 비어 있다는 가설의 근거로 삼은 도메인 네 개에 DNS 레코드조차 없었습니다. 즉 도메인 주소가 어느 서버로도 이어지지 않았습니다. 사이트가 작동하지 않는 경쟁사의 인용 0건은 카테고리에 빈자리가 있다는 뜻이 아닙니다.
• AI 가시성은 오르는데 같은 기간 Google 유입은 줄어듭니다. SearchPilot은 Omio 사이트에 대한 테스트를 소개하는데, 페이지 변경이 LLM 유입에는 도움이 되었지만 그들의 추정으로는 Google 유입을 약 6.5% 낮출 것이어서 적용하지 않았습니다(SearchPilot). 그래서 AI 답변과 함께 항상 Google 유입을 봅니다.

사이트나 브랜드 설명을 바꿀 때마다 같은 질문 세트로 4단계에서 6단계를 반복합니다. 그래야 변경 전후의 결과를 비교할 수 있습니다.

AI 가시성에서 어떤 지표를 측정해야 합니까?

어시스턴트마다 두 숫자를 측정합니다. 브랜드가 언급된 답변의 비율과 브랜드의 페이지가 인용된 답변의 비율입니다. 여기에 같은 질문 세트에서의 경쟁사 대비 점유율과 불안정한 질문의 수를 더합니다. 분석 도구에서 본 어시스턴트 유입은 별도의 지표로 둡니다. 일부 방문은 출처 정보 없이 들어오므로 항상 실제보다 적게 잡히기 때문입니다.

언급을 따로 세어 보니 “브랜드 존재감” 보고서는 인용을 측정하고 있었습니다. 제가 운영하는 프로젝트 중 하나에서 2026년 8월 29일의 측정은 질문 94개, AI 응답 환경 5곳, 반복 3번으로 모두 1,410개의 답변이었습니다. 이를 계산한 스크립트는 출처 중에 브랜드의 페이지가 있을 때만 브랜드가 있다고 보았는데, 보고서의 방법 설명은 답변에서의 브랜드 존재감이라고 했습니다. 10월에 같은 답변에서 브랜드 이름만 따로 세었습니다.

Perplexity와 Gemini에서 브랜드는 전체 질문 중 3분의 1을 넘는 질문에서 언급되었는데 보고서는 2%와 0%를 보여 주었습니다. 언급 수치에는 브랜드 이름이 들어간 질문 19개가 포함되므로, 이름이 없는 75개 질문만 보면 어시스턴트에 따라 21%에서 28%로 더 낮습니다. 그래도 보고서가 거의 0을 보여 준 어시스턴트에서 질문의 대략 5분의 1입니다. 이 분석 이후로 저는 두 지표를 따로 세고, 제가 받는 모든 보고서에도 같은 것을 요구합니다.

언급 없는 인용과 인용 없는 언급은 저에게 서로 다른 두 가설이고 서로 다른 두 작업이며, 가시성 공백에 관한 절에서 설명합니다. 두 가설 모두 변경과 다음 측정으로 확인합니다.

점유율은 인용이 아니라 답변 기준으로 계산합니다

경쟁사 중 브랜드의 점유율은 인용이 아니라 답변 기준으로 계산합니다. 답변마다 출처 수가 크게 다르기 때문입니다. 폴란드의 SEO 대행사 한 곳에 대한 측정에서 대행사 추천을 묻는 질문에 대한 답변 23개는 출처가 1개에서 13개까지 다양했습니다. 인용 기준으로 계산하면 출처가 13개인 답변이 1개인 답변보다 13배 큰 비중을 갖게 됩니다. 답변 기준으로 계산하면 사용자는 한 번에 답변 하나를 읽으므로 모든 답변의 비중이 같습니다.

ChatGPT의 출처 목록은 모델이 훑어보기만 한 검색 결과를 걷어 내고 정리해야 합니다. 제가 ChatGPT 답변을 수집하는 도구는 답변에서 인용된 출처와 함께 모델이 본 검색 결과 전체 목록도 돌려줍니다. 한 답변에는 그런 결과가 52개, 인용된 출처가 7개였습니다. 같은 답변 23개에서 이 목록을 버리자 인용 수는 279에서 181로, 브랜드가 등장할 만한 사이트의 목록은 10곳에서 6곳으로 줄었습니다.

반복은 몇 번이면 충분합니까?

제 테스트에서 질문당 세 번의 반복은 어시스턴트 전체의 결과에는 충분했지만, 개별 질문을 평가하기에는 충분하지 않았습니다. 반복 테스트에서 브랜드가 한 번이라도 나타난 질문의 약 절반은 결과가 불안정했습니다. ChatGPT에서는 페이지 인용에서 36개 중 18개(질문 94개 전체), AI 모드에서는 브랜드 이름이 없는 질문의 언급에서 29개 중 16개였습니다. 한 번의 실행에서 “브랜드가 있는” 질문이 다음 실행에서는 없을 수 있습니다.

• 13%브랜드 이름이 없는 질문이 ChatGPT에서 세 번 반복했을 때 잘못 평가되는(브랜드가 언급됨 또는 아님) 비율입니다. 질문을 한 번 하면 21%, 다섯 번이면 9%, 일곱 번이면 8%입니다.답변 1,410개 데이터에 대한 모델 추정, 2026년 10월 14일
• 1.5%pChatGPT에서 브랜드 이름이 없는 질문에 대해 세 번 반복했을 때, 브랜드가 언급된 답변 비율의 전형적인 오차(표준편차)입니다. 다섯 번이면 1.2%p입니다.답변 1,410개 데이터에 대한 모델 추정, 2026년 10월 14일
• 0.33같은 질문을 두 번 반복했을 때 ChatGPT와 AI 모드에서 인용된 도메인 목록의 유사도 중앙값입니다. 두 목록의 공통 부분을 두 목록 전체 도메인으로 나눈 값입니다(1은 같은 목록). Perplexity는 0.92입니다.반복 테스트, 2026년 10월 14일
• 94개 중 77이 질문들에서 AI Overview는 세 번 모두 같은 답변을 주었습니다.반복 테스트, 2026년 10월 14일

세 번에서 다섯 번으로 늘려도 어시스턴트의 결과는 제 테스트에서 1퍼센트포인트 미만으로만 나아졌으므로, 이 결과에는 보통 세 번으로 둡니다. 이것은 프로젝트 하나, 측정 기간 하나, 어시스턴트 둘(ChatGPT와 AI 모드)에 맞춘 통계 모델의 추정이지 측정이 아니므로, 새 질문 세트에서는 파일럿으로 확인합니다. Żatuchin도 비슷한 결과를 얻었습니다. 서로 다른 질문 250개에서 이미 한두 번의 반복으로 신뢰도 계수가 0.80, 다섯 번이면 0.96이었습니다(1은 반복의 평균이 오차 없이 질문들을 구별한다는 뜻입니다).

하나의 질문을 사이트 변경 전후로 비교하려면 세 번이 아니라 15-25번의 반복이 필요합니다. Żatuchin의 시뮬레이션에서 다섯 번 반복할 때 한 질문에서 큰 변화를 감지할 확률은 15-19%에 불과하고, 80%에 이르는 것은 15-25번 반복해서입니다. 그의 데이터는 API로 질문한 모델의 브랜드 추천에 관한 것이므로, 검색을 쓰는 답변에는 이 숫자도 파일럿으로 확인합니다.

한 번의 반복에서 나온 출처 목록은 쓰지 않습니다. ChatGPT와 AI 모드에서 같은 질문의 두 반복이 공유하는 부분은 보통 두 반복에서 인용된 전체 도메인의 3분의 1에 그치기 때문입니다. 브랜드가 나타나야 할 곳의 목록은 모든 반복으로 만들고, 각 도메인의 등장 횟수를 함께 적습니다.

출처는 주마다도 바뀔 수 있습니다. SISTRIX는 82,619개 질문을 6개국(폴란드 제외)에서 17주 동안 추적했고, ChatGPT에서는 주마다 인용 출처의 최대 74%가 바뀌었습니다. 이것은 평균이 아니라 가장 높은 값입니다(SISTRIX, 2026년 5월 1일). 그래서 출처의 변화는 다음 측정에서도 반복될 때에야 인정합니다.

AI 가시성 측정 도구는 어떻게 작동하며 어떻게 고릅니까?

AI 가시성 도구는 수동 측정과 같은 일을 합니다. 어시스턴트에 질문 세트를 묻고, 답변을 저장하고, 브랜드가 어디에 나타나는지 셉니다. 차이는 누구의 질문인지, 몇 번 묻는지, 무엇을 세는지에 있습니다. 데이터는 세 종류의 출처에서 가져옵니다.

절대 수치는 도구의 인덱스와 함께 늘어납니다

도구에서 인용 수는 브랜드의 점유율이 그대로인데도 일주일 만에 절반 늘 수 있습니다. 도메인을 인용하는 AI 답변의 수에 대한 Ahrefs 보고서, 즉 Ahrefs의 질문 데이터베이스에 근거한 보고서에서 독일의 대형 온라인 쇼핑몰 두 곳의 조회 두 건(2026년 7월 26일과 8월 2일)을 비교했습니다. ChatGPT에서 두 곳의 인용 수는 그 사이 모두 50% 늘었고, 두 쇼핑몰의 인용 합계 중 한 곳의 점유율은 거의 변하지 않았습니다. 34.2%와 34.1%입니다. Perplexity에서는 수치가 68%와 185% 늘었습니다. 늘어난 것은 이 브랜드들의 가시성이 아니라 도구의 데이터베이스였을 가능성이 가장 높습니다. 브랜드 두 곳, 도구 하나, 한 주의 사례입니다.

그래서 도구에서는 절대 수치가 아니라 점유율을 가져오며, 그것도 제 비교에서 점유율이 0.5퍼센트포인트 넘게 변하지 않은 어시스턴트에 대해서만 가져옵니다. ChatGPT, AI Overview, AI 모드, Grok(xAI의 어시스턴트)이 그랬고, Perplexity, Gemini, Copilot에서는 점유율이 약 3에서 11퍼센트포인트 변했습니다. 한 주 동안의 비교 하나이므로, 다음 조회가 반대로 보여 주기 전까지는 안정적이라고 가정합니다.

도구를 고르기 전에 확인하는 것

도구를 고르기 전에 일곱 가지를 확인합니다.

1. 언급과 인용을 따로 보여 주는지.
2. 제 질문을 추가해서 여러 달 동안 바꾸지 않고 유지할 수 있는지.
3. 각 질문을 몇 번 묻는지, 불안정한 질문을 보여 주는지.
4. 각 답변의 모델 버전, AI 응답 환경, 날짜를 기록하는지.
5. 제 시장과 언어를 지원하는지.
6. 올바른 브랜드에 관한 것인지 확인할 수 있도록 답변 전체를 보여 주는지.
7. 절대 수치만이 아니라 같은 질문 세트에서의 점유율을 주는지.

제가 시험해 본 분류기의 감성 평가는 보고하지 않습니다. 한 경우에는 “X는 대부분의 팀에 더 나은 선택입니다”라는 결론으로 끝나는 답변을 부정적이라고 표시했습니다. 감성은 답변의 해당 부분을 직접 읽고 평가하거나, 아예 쓰지 않습니다.

도구의 하나의 “AI 가시성 점수”는 저에게 목표가 아닙니다. 언급, 인용, 여러 어시스턴트를 합치므로 무엇이 바뀌었는지 읽어 낼 수 없습니다. 도구의 숫자는 항상 비즈니스 지표, 즉 고객 문의, 매출, Google 유입과 함께 제시합니다.

무료 출처: Bing과 Google

Bing Webmaster Tools는 Copilot과 Bing의 AI 답변이 귀하의 페이지를 몇 번 인용했는지를 무료로 보여 줍니다. AI Performance 보고서는 2026년 2월 10일에 테스트 버전으로 발표되었습니다. 인용 수, 하루에 인용된 페이지 수, 개별 주소의 인용, AI가 콘텐츠를 인용하기 전에 찾은 검색어의 표본을 보여 줍니다(Bing Webmaster Blog). Bing과 Copilot만의 데이터이므로 ChatGPT에서의 측정을 대신하지 못합니다.

Search Console은 AI Overview와 AI 모드에서의 페이지 노출수는 보여 주지만, 브랜드가 이름으로 언급되었는지는 알려 주지 않습니다. Google은 이 보고서를 2026년 6월에 일부 사이트에, 2026년 8월 31일부터 모든 사이트에 공개했습니다(Google Search Central, Search Console 도움말). 보고서 설명은 페이지, 국가, 날짜, 기기별 노출수를 이야기할 뿐 답변 본문의 언급이나 그것을 일으킨 질문은 설명하지 않습니다. Google 측 데이터를 확인하는 데는 유용하지만 브랜드 언급을 측정하는 것은 아닙니다.

API로 직접 측정하기

API로 하는 자체 측정은 비용이 적게 들지만 준비와 확인에 시간이 필요합니다. 4개 응답 환경(검색을 쓰는 ChatGPT, Google의 AI 모드, API를 통한 Gemini와 Perplexity)에서 14개 질문, 답변 56개를 한 번 돌리는 데 API 요금 0.82 USD가 들었고, 그중 0.63 USD가 Gemini였습니다(첫 번째 숫자는 GEO 최적화와 AI SEO 글에서 적었습니다). SEO 대행사를 위한 세 번의 측정 중 첫 번째였고, 전체 측정은 답변 180개에 약 2.8 USD가 들었습니다. 이 단가라면 4개 응답 환경에서 질문 100개를 세 번씩 반복하는 세트, 즉 답변 1,200개는 측정 한 번에 약 18-19 USD이고 대부분이 Gemini입니다. 같은 세트에서 열 번 반복하는 파일럿은 답변 4,000개, 약 60 USD이고 한 번만 들어갑니다. 시간이 드는 일은 질문 작성, 어시스턴트가 브랜드를 다른 것과 혼동하지 않는지 확인, 답변 읽기입니다. SEO를 위한 AI 도구 글에서는 이런 측정의 숫자를 모델이 아니라 스크립트로 계산하게 된 테스트를 설명했습니다.

측정에서 가시성의 공백이 드러나면 무엇을 합니까?

측정은 브랜드가 어떤 상황인지를 보여 주고, 제가 하는 일은 거기에 달려 있습니다.

• 브랜드가 언급에도 출처에도 없고 어시스턴트가 웹을 검색합니다. 그 질문들과 변형에 대한 사이트의 Google 가시성을 높이는 작업을 합니다. AI 크롤러가 페이지를 받는지부터 확인하며, SEO 진단에서와 같습니다.
• 브랜드는 언급되지만 페이지가 인용되지 않습니다. 나머지 텍스트 없이도 질문에 답하도록 페이지의 문단을 고칩니다.
• 페이지는 인용되지만 브랜드가 이름으로 언급되지 않습니다. 다른 사람들이 브랜드에 대해 쓰는 내용을 개선하는 작업을 합니다. 누구를 추천할지를 어시스턴트가 아는 것은 아마 남이 쓴 글에서 비롯되기 때문입니다. AI 시대의 링크 빌딩 글에서는 AI가 이미 인용하는 사이트에 언급을 확보하는 계획을 설명했습니다.
• 어시스턴트가 기억으로 답하면서 오래되었거나 사실이 아닌 정보를 줍니다. 먼저 자체 채널에서 브랜드의 설명을 하나로 통일하고, 그다음 다른 사람이 편집하는 곳에 게재합니다. 한 분기 안에 효과가 나온다고 약속하지 않습니다.

이 작업들의 효과는 어느 것도 보장이 없으므로 같은 질문 세트로 한 다음 측정에서 확인합니다. 이 중 어떤 방법이 근거가 있고 어떤 것이 측정 없는 흔한 조언인지는 GEO 최적화와 AI SEO 글에서 설명했습니다. 그런 조언 몇 가지를 확인하지 못한 제 테스트도 거기에 있습니다.

AI 가시성 측정으로는 무엇을 알 수 없습니까?

측정으로는 AI 답변에서 브랜드를 본 사람이 몇 명인지 알 수 없습니다. 비율은 어시스턴트와의 모든 대화가 아니라 제 질문 세트에 관한 것이며, 그 대화의 수는 저도 모릅니다.

어시스턴트가 왜 다른 브랜드가 아니라 그 브랜드를 골랐는지도 알 수 없습니다. 측정에서 나온 진단은 변경과 같은 세트에 대한 다음 측정으로 확인할 가설입니다.

하루의 결과는 추세가 아닙니다. 공급사는 모델과 검색 방식을 바꾸고, 그 변경이 늘 공지되지는 않습니다. 그래서 같은 AI 응답 환경과 기록된 모델 버전의 측정만 비교하고, 변화는 다음 측정에서도 반복될 때에야 인정합니다.

폴란드에 대해서는 사람들이 어떤 어시스턴트를 쓰는지에 대한 데이터가 없습니다. 사람들이 각 어시스턴트를 얼마나 자주 쓰는지에 대한 폴란드의 조사를 찾지 못했으므로, 각 어시스턴트의 결과가 얼마나 중요한지 모릅니다. 그래서 어시스턴트별 결과를 따로 보여 주고 평균으로 합치지 않습니다.

제 브랜드에서는 무엇을 측정하고 있습니까?

rogala.pro에서도 고객에게 하는 것과 같은 측정을 하지만, 2026년 7월 26일의 첫 측정(기준선)은 더 약한 방법으로 했습니다. 질문당 답변이 하나였고 ChatGPT의 결과는 포함되지 않았습니다. 기준선과 그 이후에 바꾼 것은 GEO 최적화와 AI SEO 글에서 설명했습니다. 8월 25일에 Ahrefs Brand Radar에서 기준선의 질문 4개를 폴란드의 ChatGPT에서 매일 확인하도록 설정했습니다. 이 매일의 확인 결과는 11월 1일의 측정과 대조하기 전까지 공개하지 않습니다. 이 글의 방법으로 하는 첫 측정은 파일럿으로 2026년 11월 1일에 계획했습니다. 같은 질문 4개를 4개 응답 환경에서 각각 10번씩 합니다. 결과가 0이어도 두 글에 적겠습니다.

AI 가시성에 대해 자주 묻는 질문

어디서 시작하면 됩니까?

첫 측정은 유료 도구 없이 한 시간 안에 직접 할 수 있습니다. 어시스턴트에 브랜드 이름만 넣은 질문을 하나 해서 어느 브랜드인지 아는지 확인하십시오. Search Console에서 귀하의 사이트가 노출되는 검색어 10개를 고르고, 브랜드 이름 없이 ChatGPT와 Google의 AI 모드에서 각각 세 번씩 물어, 브랜드가 이름으로 언급된 곳과 페이지가 출처인 곳을 따로 적으십시오. 세트 전체의 현황을 파악할 수 있으며, 개별 질문에 대해서는 열 번 반복하는 파일럿이 더 많은 것을 알려 줍니다. 결과가 뜻밖이라면 컨설팅의 좋은 주제입니다.