GEO 측정 전문업체, ‘AI 노출률 30%’만 보면 될까요?

먼저 ‘노출’이라는 말을 풀어주세요

AI 답변에 브랜드 이름이 나왔다면 언급으로 셀 수 있습니다. 선택할 후보로 권했다면 추천으로 볼 수 있습니다. 우리 페이지에 연결되는 출처가 붙었다면 인용으로 집계할 수 있습니다. 다만 세 항목의 구체적인 판정 기준은 측정하는 곳이 명확히 정해야 합니다.

예를 들어 “A사는 이 기능을 제공하지 않습니다”라는 답에도 A사의 이름이 들어 있습니다. 이름이 나왔다고 추천받았다고 볼 수는 없습니다. 반대로 우리 글을 출처로 썼지만 본문에 브랜드를 강조하지 않은 답도 있을 수 있습니다.

표를 좌우로 밀어 전체 내용을 확인하세요.

이 중 하나를 대표 숫자로 쓸 수는 있습니다. 다만 이름을 분명히 적고 나머지 항목도 따로 볼 수 있어야 합니다. 멋진 대시보드보다 중요한 것은 숫자의 뜻입니다.

분모를 보면 30%의 얼굴이 달라집니다

가상의 측정 예시를 보겠습니다. 정상 답변 100개 중 30개에 이름이 나오면 답변 기준 언급률은 30%입니다. 정상 답변 10개 중 3개에 나와도 30%입니다. 비율은 같지만 관찰한 양은 다릅니다.

한편 질문 20개 중 6개에서 한 번이라도 등장했다면 ‘등장한 질문의 비율’은 30%입니다. 이것은 전체 답변 중 이름이 나온 비율과 다릅니다. 한 질문에서 반복해서 많이 나왔는지, 여러 질문에 넓게 등장했는지도 구분해야 합니다.

표를 좌우로 밀어 전체 내용을 확인하세요.

마지막 두 줄은 같은 9개 추천을 두고도 30%와 9%로 표현합니다. 둘 다 계산은 가능하지만 질문이 다릅니다. ‘추천률’이라고만 적으면 오해하기 쉽습니다.

실패한 호출은 안 나왔다는 답이 아닙니다

AI가 오류로 응답하지 않았다면 브랜드가 빠진 답변을 받은 것이 아닙니다. 관찰하지 못한 것입니다. 그래서 예정 호출 수, 성공한 답변 수, 실패 수를 나눠 적어야 합니다.

가상의 예로 100회 요청 중 20회가 실패하고 정상 답변 80개 중 24개에 이름이 나왔다면, 유효 답변 기준 언급률은 30%입니다. 예정 요청 전체를 분모로 쓰면 24%가 되지만 이는 실패를 섞은 다른 지표입니다. 어느 기준을 썼는지 밝혀야 합니다.

특정 AI만 많이 실패했다면 통합 평균도 조심해서 읽어야 합니다. 엔진별 결과를 먼저 보여주고 정상 수집 범위를 설명하면 왜 이번 주 숫자가 달라졌는지 판단하기 쉽습니다. 실패를 제외했다고 해서 데이터의 빈틈까지 사라지는 것은 아닙니다.

실제 공개 사례도 질문 수와 답변 수를 나눠 읽습니다

비비서치가 공개한 2026년 10월 24일 한의원 분석에서는 20개 질문 중 4개 질문에서 이름이 등장했습니다. 정상적으로 받은 답변은 160개였고, 그중 이름이 나온 답변은 9개였습니다. 같은 분석이지만 질문 기준으로는 4/20, 답변 기준으로는 9/160입니다.

이 분석은 질문 20개를 AI 5종에 두 번씩 요청한 구성에서 Gemini 호출 40건이 실패해 제외된 결과입니다. 공개 사례는 이 실패와 유효 답변 수를 함께 밝히고 있습니다. 또한 작업 후 상승 수치가 아니라 분석 당시의 상태입니다. 비비서치 공개 사용 사례

이처럼 숫자를 나누면 다음 일이 보입니다. 특정 질문에서만 자주 등장하는지, 여러 질문에 설명이 부족한지, 어떤 AI에서 확인을 더 해야 하는지 구분할 수 있습니다. 평균 하나로는 이 차이가 가려집니다.

질문을 바꾸면 측정하는 시장도 달라집니다

“우리 브랜드의 장점을 알려줘”와 “부모님과 갈 조용한 식당을 추천해줘”는 다릅니다. 앞의 질문은 브랜드를 이미 아는 상황이고, 뒤의 질문은 후보를 찾는 상황입니다. 브랜드 이름을 넣은 질문만으로 발견 가능성을 평가하면 유리한 시험만 본 셈이 될 수 있습니다.

지역, 예산, 이용 목적을 바꾸면 비교하는 브랜드도 달라질 수 있습니다. 그래서 질문 목록은 사업 목표와 함께 정하고, 매주 비교할 핵심 질문은 유지하는 편이 좋습니다. 새 질문을 추가할 수 있지만 기존 질문의 추이와 섞지 말고 따로 표시해야 합니다.

경쟁사와 비교할 때도 같은 질문과 같은 조건을 사용해야 합니다. 우리에게는 구체적인 질문, 경쟁사에는 넓은 질문을 쓰면 같은 시험지가 아닙니다. 질문 선정 이유를 공개하는 보고서가 읽기 쉬운 이유입니다.

홈페이지를 읽을 수 있다는 점수와 AI 인용은 다릅니다

페이지가 열리는지, 본문이 있는지, 크롤러 접근 설정이 어떤지는 홈페이지 요청으로 확인할 수 있습니다. 하지만 그 확인만으로 ChatGPT가 실제 질문에 우리를 추천했는지는 알 수 없습니다.

OpenAI도 검색용 OAI-SearchBot과 모델 학습에 쓰일 수 있는 콘텐츠를 수집하는 GPTBot을 구분합니다. 검색용 접근을 허용하는 설정은 필요한 접근 조건에 관한 정보이지, 실제 인용률 자체가 아닙니다. OpenAI 크롤러 안내

서버에 봇 요청이 남았다고 AI가 내부 학습을 완료했다거나 그 페이지를 답변에 사용했다고 단정할 수도 없습니다. 접근 기록, 답변 속 출처, 실제 방문은 각각 다른 단계의 증거입니다. 간단 진단 점수는 그 범위 안에서 읽어야 합니다.

보고서 한 줄에는 이 정도 정보가 붙으면 좋습니다

“이번 주 언급률 30%” 대신 “선정 질문 10개, 지정 AI별 2회, 정상 답변 100개 중 브랜드 언급 30개”처럼 적으면 의미가 선명해집니다. 여기에 측정일, 웹 서비스인지 API인지, 검색 기능 사용 여부, 실패 처리 기준을 남기면 다음 주와 비교할 수 있습니다.

원문 답변과 출처도 확인할 수 있어야 합니다. 숫자가 오른 이유가 원하는 강점의 소개인지, 잘못된 정보의 반복인지 확인해야 하기 때문입니다. 읽은 뒤 다음 원고나 홈페이지 수정으로 연결할 수 있어야 측정의 가치가 생깁니다.

비비서치는 현재 AI가 소개하는 모습과 브랜드가 원하는 방향을 비교하고, 글 제작·위임 발행·홈페이지 수정안을 연결한 뒤 같은 질문으로 변화를 확인합니다. 보고서는 그 작업을 정하는 근거입니다. 숫자를 크게 보이게 만드는 것이 목적이 아닙니다.