AI 검색 가시성, 왜 한 번 물어보는 걸로는 안 될까?

한 번 물어보고 끝내면 생기는 일

ChatGPT에 "30대 직장인에게 추천하는 다이어리 브랜드는?"이라고 물어봤더니 우리 브랜드가 나왔습니다. 그럼 우리 브랜드는 AI에서 잘 보이는 걸까요? 아쉽지만 이것만으로는 알 수 없습니다. 같은 질문을 한 번 더 하면 이번엔 빠져 있을 수도 있거든요.

여기서 말하는 'AI 검색 가시성'은 사람들이 AI에게 뭔가를 물었을 때 우리 브랜드가 답변에 얼마나 자주, 얼마나 앞쪽에 나오는지를 가리킵니다. 예전에는 네이버나 구글 검색 첫 페이지에 우리 회사가 뜨는지 확인했다면, 이제는 AI 답변에 우리 이름이 나오는지 확인하는 셈입니다.

안 나왔을 때도 마찬가지입니다. 한 번 빠졌다고 AI가 우리를 모른다고 볼 수는 없습니다. 가시성을 제대로 재려면 같은 질문을 수십 번, 그것도 며칠 간격으로 계속 물어봐야 합니다.

AI는 같은 질문에도 매번 다르게 답한다

검색창에 같은 단어를 넣으면 보통 같은 결과가 나옵니다. ChatGPT, Gemini, Perplexity 같은 AI는 그렇지 않습니다. AI는 문장을 쓸 때 다음에 올 단어를 하나씩 고르는데, 매번 가장 그럴듯한 단어만 고르는 게 아니라 확률에 따라 조금씩 다른 단어를 뽑습니다. 그러다 보니 어떤 브랜드를 소개할지, 몇 번째로 소개할지도 그때그때 달라집니다.

주사위를 한 번 던져서 6이 나왔다고 6이 잘 나오는 주사위라고 할 수는 없겠죠. 수십 번은 던져 봐야 어떤 숫자가 얼마나 자주 나오는지 보입니다. AI 답변도 비슷합니다.

실제 실험 결과도 있습니다. 마케팅 리서치 회사 SparkToro는 2026년 초 수백 명의 참가자에게 ChatGPT, Claude, Google AI에 같은 추천 질문을 여러 번 하게 했습니다. 두 번 물었을 때 같은 브랜드 목록이 나온 경우는 100번에 1번도 안 됐고, 순서까지 같은 경우는 1,000번에 1번도 안 됐습니다. 그런데 자주 언급되는 브랜드는 몇 번을 물어도 꾸준히 이름을 올렸습니다. 한 번 물어서는 안 보이던 패턴이 여러 번 물으면 보인다는 거죠.

질문하는 방식도 사람마다 다르다

고객은 우리가 정해 둔 문장으로 묻지 않습니다. 알고 싶은 건 같아도 말투는 다 다릅니다.

• "가성비 좋은 다이어리 추천해줘"
• "2027년 다이어리 뭐 살까?"
• "직장인 업무용 플래너 브랜드 비교해줘"

단어 하나만 달라져도 AI가 찾아보는 자료가 달라지고, 추천하는 브랜드도 바뀔 수 있습니다. 그래서 질문 하나를 여러 번 묻는 것만으로는 부족합니다. 뜻이 비슷한 질문 여러 개를 같이 물어봐야 실제 고객이 받는 답에 가까워집니다.

숫자를 믿으려면 답변이 쌓여야 한다

AI 검색 가시성은 '나왔다, 안 나왔다'가 아니라 '100번 물으면 몇 번 나오나'로 봐야 합니다. 이 비율을 언급률이라고 합니다. 여론조사도 한 명이 아니라 1,000명쯤에게 묻죠.

우리 브랜드가 실제로는 10번 중 3번꼴(30%)로 언급된다고 해 봅시다. 몇 번 물어보느냐에 따라 측정값은 아래 범위 안에서 왔다 갔다 할 수 있습니다(95% 신뢰 수준 기준 근사치).

한 번만 물으면 30%짜리 브랜드가 '늘 나오는 브랜드'로 보이기도 하고 '전혀 안 나오는 브랜드'로 보이기도 합니다. 적어도 수십 번은 물어야 '열 번 중 세 번쯤 추천된다'처럼 실제로 쓸 수 있는 숫자가 나옵니다.

실제 리포트 읽어 보기

측정 리포트에 "언급률 20% (CI 14~28% · n=119)"라고 적혀 있다고 해 봅시다. AI 엔진 6곳에 20번씩, 질문 10개로 나누면 질문마다 12번 정도씩 물어 답변 119개를 모았고, 그중 우리 브랜드가 나온 답변이 24개라는 뜻입니다. CI는 신뢰구간의 줄임말로, 실제 언급률이 대략 14~28% 사이에 있을 거라는 범위입니다.

질문 하나만 떼어 보면 12번씩 물은 셈이라, 위 표의 '10번' 줄처럼 방향만 어렴풋이 보이는 수준입니다. 그래서 질문별 숫자는 참고만 하고, 판단은 10개 질문을 합친 전체 숫자로 하는 게 좋습니다.

그렇다고 전체 숫자가 표의 '100번' 줄만큼 정확하다고 보기도 어렵습니다. 같은 질문에서 나온 답변끼리는 서로 비슷한 경우가 많아서, 답변 119개가 완전히 따로 모은 119개만큼의 정보를 주지는 않거든요. 실제 오차는 14~28%보다 조금 더 넓다고 봐야 합니다.

이 숫자로 비교할 때도 조심할 점이 있습니다.

• 다음 측정에서 20%가 24%가 됐다고 바로 '좋아졌다'고 하기는 어렵습니다. 범위 안에서 흔들린 것일 수 있으니, 몇 차례 연속으로 같은 방향으로 움직이는지 봐야 합니다.
• 경쟁사와 비교할 때는 범위가 겹치는지 봅니다. 경쟁사가 18~32%라면 범위가 대부분 겹치므로 비슷한 수준으로 봐야 합니다.

숫자를 더 정확하게 만들고 싶다면 같은 질문을 더 반복하기보다 질문 개수를 20~30개로 늘리는 게 낫습니다. 비슷한 답이 겹치는 걸 줄일 수 있어서입니다.

AI 엔진이 여러 개일 때

위 예시처럼 엔진 6곳에 20번씩 물으면 한 회차에 답변이 120개쯤 모입니다. 이 120개를 엔진별로 나누느냐, 질문별로 나누느냐에 따라 숫자의 신뢰도가 달라집니다. 언급률 20% 안팎을 기준으로 정리하면 아래와 같습니다.

전체 숫자는 우리 가시성이 전반적으로 오르는지 내리는지 보기에 충분합니다. 다만 6개 엔진을 섞은 평균이라, ChatGPT에서 40%이고 Gemini에서 0%여도 전체로는 20%로 보일 수 있습니다.

어느 엔진에서 우리가 약한지 알고 싶다면 엔진별 숫자가 필요한데, 한 회차 20번으로는 범위가 너무 넓습니다. 이때는 최근 몇 회차를 합쳐서 보면 됩니다. 5회차를 합치면 엔진마다 답변이 100개가 되어 범위가 약 13~29%로 좁아지고, 엔진끼리 비교할 수 있는 숫자가 나옵니다.

대신 합친 숫자는 2~3주 동안의 평균이라 변화가 늦게 반영됩니다. 지난주 어떤 엔진이 업데이트돼 우리 언급률이 뚝 떨어졌다면, 합친 숫자에서는 몇 회차에 걸쳐 조금씩 내려가는 모습으로 보입니다. 숫자마다 용도를 정해 두면 헷갈릴 일이 줄어듭니다.

오늘 숫자가 다음 주에도 맞는다는 보장은 없다

오늘 100번 물어서 언급률을 정확히 구했어도, 다음 주에는 숫자가 바뀌어 있을 수 있습니다. AI가 답을 만드는 환경이 계속 바뀌기 때문입니다.

• AI 회사들은 모델을 자주 업데이트하고, 모델이 바뀌면 추천 방식도 바뀝니다.
• 요즘 AI는 답하기 전에 웹을 검색합니다. 새 기사나 리뷰가 올라오면 답도 달라집니다.
• 경쟁사가 비교 글이나 리뷰를 늘리면 우리 자리는 줄어듭니다.
• 연말이나 신제품 출시, 뉴스 이슈에 따라서도 결과가 출렁입니다.

하루 날씨만 보고 그 지역 기후를 말할 수 없듯이, 한 번 잰 숫자로는 흐름을 알 수 없습니다. 며칠 간격으로 꾸준히 재야 가시성이 오르는 중인지 떨어지는 중인지 보입니다. GEO 콘텐츠를 올린 뒤 효과가 있었는지 확인하려 해도, 올리기 전과 후를 비교할 기록이 있어야 합니다.

측정은 이렇게 합니다

측정은 보통 이런 순서로 진행합니다.

1. 고객이 실제로 물어볼 만한 질문을 주제별로 여러 개 만듭니다.
2. 질문마다 수십 번씩 물어 언급률을 구합니다.
3. ChatGPT, Gemini, Perplexity는 답이 서로 다르니 각각 따로 잽니다.
4. 며칠 간격으로 같은 방식으로 다시 재서 기록을 쌓습니다.
5. 결과는 '나왔다, 안 나왔다'로 끝내지 말고 아래 지표로 나눠서 봅니다.

이걸 손으로 하기는 어렵습니다. 질문 20개를 AI 세 곳에 30번씩만 물어도 한 번 잴 때마다 답변이 1,800개 쌓입니다. 그래서 보통은 자동화된 측정 도구를 씁니다.

마치며

한 번 물어본 결과는 그날의 운일 수 있습니다. 여러 번 묻고 며칠마다 다시 재야 우리 브랜드가 지금 어디쯤 있는지, 어느 쪽으로 움직이는지 알 수 있습니다. 그걸 알아야 어떤 콘텐츠를 보강할지도 정할 수 있습니다.

참고 자료

• SparkToro, AI 브랜드 추천의 일관성에 관한 실험 보고서(2026년)
• 글에 나온 오차 범위는 95% 신뢰구간 기준 근사치입니다.