💬 NLP

Generative Engine Optimization at Scale: Measuring Brand Visibility Across AI Search Engines

이 논문은 10만 개 이상의 AI 검색 응답을 분석하여 브랜드 가시성이 성숙도에 따라 크게 계층화되어 있고, 기업 웹사이트와 '베스트 오브(best-of)' 형식의 리스트 기사를 주요 출처로 선호하며, 매우 불안정한 감성 수치를 나타낸다는 점을 밝힘으로써 생성형 엔진 최적화(GEO)를 위한 대규모 베이스라인을 구축하고, 브랜드가 AI 검색 존재감을 개선할 수 있는 실행 가능한 프로토콜을 제공한다.

원저자: Pratyush Kumar (Ranqo)

게시일 2026-06-19

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Pratyush Kumar (Ranqo)

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

개요: 블루 링크에서 AI와의 대화로

인터넷이 거대한 도서관의 카드 카탈로그 같았던 시절을 상상해 보세요. 책을 찾고 싶다면 키워드를 검색하고, 나타난 "블루 링크"(전통적인 검색 결과) 목록 중 가장 좋아 보이는 것을 클릭했습니다. 이것이 바로 SEO(검색 엔진 최적화)였습니다.

이제 이 도서관에는 아주 똑똑한 사서(AI)가 있습니다. 이 사서는 단순히 책 목록을 보여주는 데 그치지 않습니다. 대신 당신이 "평발에 가장 좋은 러닝화는 뭐야?"라고 물으면, 사서는 수천 권의 책을 읽고 정보를 종합하여 몇 가지 구체적인 추천과 함께 직접적인 답변을 제공합니다.

이 새로운 세상이 바로 GEO(생성형 엔진 최적화)입니다. 이 논문은 다음과 같은 질문을 던집니다. 브랜드가 어떻게 하면 그 사서의 답변 속에 자신들을 언급하게 만들 수 있을까?

주요 발견: "명성의 사다리"

연구진은 5가지 서로 다른 AI 엔진(ChatGPT, Claude, Gemini 등)을 대상으로 100개 이상의 브랜드를 추적하여, 누가 언급되는지를 조사했습니다. 그들은 누가 목소리를 낼 수 있는지를 결정하는 엄격한 3단계 명성의 사다리를 발견했습니다.

가구의 이름이 된 브랜드 (Tier 1): **나이키(Nike)**나 **스트라이프(Stripe)**를 생각해보세요. 이들은 인터넷의 유명 인사들입니다. 일반적인 질문을 던졌을 때, 이 브랜드들은 **73%**의 확률로 즉시 답변에 등장합니다. 너무 유명해서 AI가 이미 그들을 암기하고 있는 수준입니다.
자리를 잡은 중견 브랜드 (Tier 2): **올리팝(Olipop)**이나 클라비요(Klaviyo) 같은 브랜드입니다. 잘 알려져 있지만 글로벌 거물은 아닙니다. 이들은 약 **44%**의 확률로 언급됩니다.
니치 및 소규모 브랜드 (Tier 3): 지역 스타트업이나 작은 크리에이터들을 말합니다. 이들은 단 **11%**의 확률로만 언급됩니다.

비유: 모두가 추천을 외치고 있는 북적이는 파티를 상상해 보세요. 유명인들(Tier 1)은 거의 매번 들립니다. 중견 브랜드(Tier 2)는 절반 정도의 확률로 들립니다. 소규모 브랜드(Tier 3)는 구석에서 속삭이는 사람들과 같습니다. 사용자가 이름을 직접 묻지 않는 한, AI는 그들의 목소리를 듣지 못합니다.

핵심 요점: 당신이 작은 브랜드라면, AI가 당신을 "잊은" 것이 아니라 아직 당신의 이름을 "배우지 못한" 것뿐입니다. 단계가 내려갈 때마다 발생하는 격차는 매우 큽니다(단계당 약 30%포인트 차이).

AI가 "생각"하고 "인용"하는 방식

논문은 AI가 정보를 어디에서 가져오는지 살펴보았습니다. AI는 단순히 브랜드의 자체 웹사이트만 보는 것이 아닙니다.

"제3자" 법칙: AI가 답변을 줄 때, **78%**의 경우 브랜드 자신의 사이트가 아닌 다른 회사의 웹사이트를 인용합니다. 이는 마치 음식 평론가가 식당의 메뉴판을 읽는 대신, 다른 음식 평론가와 리뷰 사이트의 글을 인용하며 식당을 추천하는 것과 같습니다.
"리스트클(Listicle)"의 제왕: 인용되기 위해 가장 강력한 콘텐츠 유형은 "최고의 ~" 리스트(예: "최고의 CRM 도구 TOP 10")입니다. 브랜드가 이러한 리스트에 포함되면, 그 페이지 하나가 '황금 티켓' 역할을 하여 다양한 질문에 대해 반복적으로 인용됩니다.
새로운 거물, 비디오: 놀랍게도 **유튜브(YouTube)**는 레딧(Reddit), 위키피디아(Wikipedia), 또는 뉴스 기사보다 더 자주 인용됩니다. 만약 브랜드가 영상 콘텐츠를 갖추지 못했다면, AI의 "독서 목록" 중 아주 큰 부분을 놓치고 있는 것입니다.

"투명성" 문제 (Invisibility Problem)

연구진은 브랜드가 얼마나 자주 등장하는지에 대해 흥미로운 사실을 발견했습니다.

이분법적 구조: 대부분의 소규모 브랜드에 대해, AI는 그들을 항상 언급하거나 혹은 전혀 언급하지 않습니다. 단순히 동전 던지기처럼 가끔 나타났다 사라지는 것이 아닙니다. 그들은 "클럽에 가입되어 있거나" 아니면 "입구에서 차단되었거나" 둘 중 하나입니다.
"조용한" 쇠퇴: 브랜드가 개선 노력을 하지 않는다고 해서 가시성이 급격히 붕괴되지는 않습니다. 대신, 특히 ChatGPT와 퍼플렉시티(Perplexity)에서 조금씩 서서히 침식됩니다(마치 모래성이 매일 조금씩 모래를 잃어가는 것처럼).
감정의 혼란: 브랜드가 언급되는지 여부는 안정적이지만, AI가 그 브랜드를 어떻게 말하는지(긍정적 혹은 부정적)는 매우 변화무쌍합니다. AI는 브랜드를 언급할지 말지 결정하는 것보다, 브랜드에 대한 의견(어조)을 바꾸는 빈도가 6.7배 더 높습니다. 어떤 날은 아주 좋게 말하다가도, 다음 날에는 중립적으로 변할 수 있습니다.

소상공인을 위한 시사점

이 논문은 아직 유명해지지 않은 브랜드들을 위해 몇 가지 실질적인 규칙을 제시합니다.

자신의 티어를 파악하라: 지역 상점이라면 "글로벌 명성"을 목표로 삼지 마세요. 대신 위키피디아, 언론 보도, 유튜브 등을 통해 강력한 웹 존재감을 구축하여 "중견 브랜드" 티어로 먼저 진입하는 데 집중하세요.
엔진을 서로 다른 국가처럼 대하라: ChatGPT에서 통하는 방식이 퍼플렉시티에서는 통하지 않을 수 있습니다. 그들은 사용하는 소스와 규칙이 다릅니다. 전략을 그대로 복사해서 붙여넣어서는 안 됩니다.
사실을 전면에 배치하라: 핵심 정보를 복잡한 코드나 숨겨진 텍스트 안에 숨기지 마세요. 기사 초반에 명확하고 간결하게 전달하세요: "우리는 Y라는 이유로 최고의 X입니다." AI는 명확하고 인용하기 쉬운 사실을 좋아합니다.
한 번이 아니라 자주 확인하라: AI는 생각을 빠르게 바꿉니다. 가시성을 몇 달에 한 번이 아니라 몇 주마다 체크해야 합니다.

이 논문이 말하지 않는 것 (주의사항)

논문의 실제 발견 내용에 충실하는 것이 중요합니다:

마법의 탄환은 없다: 이 논문은 특정 기사를 쓰는 것이 당신을 언급하게 만든다는 것을 "보장"한다고 증명하지 않습니다. 단지 현재 무엇이 인용되고 있는지를 보여줄 뿐입니다.
"해킹"은 불가능하다: 저자들은 숨겨진 텍스트나 스팸을 통해 AI를 "속이려" 하는 행위에 대해 경고합니다. 그런 방식은 통하지 않으며 오히려 차단될 수 있습니다.
아직 인과관계의 증거는 부족하다: 논문은 "큰 브랜드가 더 많이 언급된다는 것을 본다"라고 말합니다. 하지만 "작은 브랜드가 웹사이트를 바꾸면 즉시 상위로 올라간다"는 것을 아직 입증하지는 않았습니다. 이는 그들이 계획 중인 향후 실험 과제입니다.

요약 비유

AI 검색 엔진을 질문에 답하기 위해 서류 뭉치를 읽는 매우 바쁜 뉴스 앵커라고 생각해보세요.

대형 브랜드는 앵커의 책상 위에 자신들의 이름이 적힌 서류가 놓여 있습니다.
소규모 브랜드는 누군가 작성한 종이에 자신들이 언급되기를 희망하며, 그 앵커가 그 종이를 집어 들기를 바랍니다.
"최고의 ~" 리스트는 앵커의 책상 위에 놓인 가장 인기 있는 종이들입니다.
목표는 더 크게 소리 지르는 것(SEO)이 아니라, 앵커가 이미 읽고 있는 종이에 당신의 사실 관계가 인쇄되도록 만드는 것입니다.

기술 요약: 대규모 생성 엔진 최적화 (Generative Engine Optimization)

1. 문제 정의

전통적인 검색 엔진 최적화(SEO)의 패러다임은 클래식한 검색 엔진에서 "블루 링크(blue links)"를 위해 순위를 높이는 데 집중해 왔으나, 이제는 생성 엔진 최적화(GEO)로 대체되고 있습니다. 사용자들이 전통적인 엔진(Google, Bing)에서 AI 어시스턴트(ChatGPT, Claude, Gemini, Perplexity, Grok)로 쿼리를 전환함에 따라, 브랜드의 성공 지표는 "키워드 순위"에서 "대규모 언어 모델(LLM)에 의해 인용되고 추천되는 것"으로 변화하고 있습니다.

권위 있는 글로벌 브랜드들은 기존의 웹 발자국 덕분에 자연스럽게 인용을 얻는 반면, 중소기업(SME), D2C 브랜드, 크리에이터 및 초기 단계 스타트업에게는 상당한 격차가 존재합니다. 이들은 AI 모델에 의해 노출되는 데 필요한 확립된 온라인 존재감을 갖추지 못하고 있습니다. 본 논문은 AI 검색 엔진이 브랜드를 어떻게 인용하는지, 어떤 소스를 우선시하는지, 그리고 비주류 플레이어들의 가시성을 어떻게 측정하고 개선할 수 있는지에 대한 대규모, 프로덕션 수준의 데이터가 부족하다는 점을 다룹니다.

2. 방법론

본 연구는 브랜드 가시성을 AI 검색 엔진 전반에 걸쳐 측정하고 최적화하기 위해 설계된 프로덕션 플랫폼인 **Ranqo (Ranqo AI)**를 활용합니다. 방법론은 2026년 3월부터 5월 사이에 진행된 통제된 대규모 관찰 연구를 포함합니다.

데이터 수집 및 규모

코호트(Cohort): 5개의 AI 엔진(ChatGPT (GPT-5), Gemini (Gemini-3), Perplexity (Sonar), Claude (Sonnet), Grok (Grok-3))에 걸쳐 추적되는 102개의 브랜드.
볼륨: 102,025개의 프롬프트 응답을 생성하여 약 15,815개의 브랜드 언급과 149,912개의 소스 인용을 생성함.
프롬프트 전략: 플랫폼은 6가지 카테고리(탐색, 문제/해결책, 유즈케이스, 전문가, 비교, 브랜드 조사)에 걸쳐 자연어 프롬프트를 생성합니다. 결정적으로, 본 연구는 진정한 카테고리 가시성을 측정하기 위해 비브랜드 프롬프트(예: "최고의 러닝화")에 집중합니다(자기 참조적 언급을 피하기 위함).
구성: 엔진은 공식 API를 통해 쿼리됩니다. 검색 기능이 활성화된 변형들이 사용되며, ChatGPT와 Claude는 비용 제어를 위해 브랜드당 주간 쿨다운(검색 On/Off 상태 교차)을 적용하며, 그 외의 엔진은 항상 그라운딩(grounded) 상태로 운영됩니다.

측정 프레임워크

Ranqo는 모든 (prompt, platform, run) 튜플에 대해 네 가지 주요 시그널을 추출하고 점수를 매깁니다:

가시성 (Mention Rate): 브랜드가 언급된 프롬프트의 비율.
평균 순위 (Average Position): 언급된 서수 순위 (1위, 2위 등).
감성 (Sentiment): 연속적인 점수 ( $[-1, 1]$ ) 및 범주형 라벨 (긍정/중립/부정).
점유율 (Share of Voice): 자격이 있는 경쟁사 대비 브랜드의 언급량.

또한, 플랫폼은 추적된 URL에 대해 6차원 페이지 감사를 수행하여 크롤링 가능성, 콘텐츠 품질, 페이지 속도, AI 준비도, 인용 잠재력, 권위 및 신뢰도(E-E-A-T)를 점수화합니다.

통계적 접근 방식

가시성 분포의 경계가 있고 오른쪽으로 치우친 특성을 고려하여, 본 논문은 비모수적 통계 방법(Kruskal-Wallis, Mann-Whitney U, 10,000회 리샘플링을 통한 부트스트래핑)을 채택합니다. 또한 관찰된 베이스라인과 인과적 주장(causal claims)을 명확히 구분하며, 인과적 추론은 향후 무작위 대조 실험(RCT)을 위해 남겨둡니다.

3. 주요 기여

본 논문은 GEO를 측정하기 위한 최초의 대규모 베이스라인을 제공하며 다음을 포함합니다:

프로덕션 측정 프레임워크: 여러 AI 엔진에 걸쳐 브랜드 가시성, 소스 속성, 감성을 추적하는 재현 가능한 방법.
카테고리 참조 연구: 10개의 CRM 브랜드를 대상으로 한 2,500개의 응답 분석을 통해 카테고리 집중도의 베이스라인 확립.
가시성 역학에 대한 경험적 발견: 브랜드 위상, 프롬프트 유형, 엔진 아키텍처가 인용 행동에 미치는 영향을 정량화.
연구 과제: 특정 개입(예: 콘텐츠 구조, 스키마 마크업, 검색 그라운딩)을 인과적으로 테스트하기 위한 7가지 프로토콜(v1.1) 제안.

4. 주요 결과

A. 브랜드 위상 가시성 사다리 (The Brand-Stature Visibility Ladder)

가장 중요한 발견은 첫 번째 추적 실행 시 비브랜드 가시성에서 나타나는 명확한 3단계 계층 구조입니다:

Tier 1 (글로벌 유명 브랜드): 73% 가시성 (예: Stripe, Nike).
Tier 2 (확립된 미드마켓/지역 브랜드): 44% 가시성 (예: Olipop, Klaviyo).
Tier 3 (니치/소규모 브랜드): 11% 가시성.
격차: 사다리의 각 단계가 내려갈 때마다 가시성이 약 30 퍼센트 포인트 하락합니다. 이 효과는 통계적으로 유의미하며(Cohen's $d > 1.3$ ), 기존의 웹 프레미넌스(web prominence)가 AI 가시성의 결정적 요인임을 시사합니다.

B. Day-1 인지도 및 지속성

브랜드 vs 비브랜드: 프롬프트가 명시적으로 브랜드를 지칭할 때 인지도는 거의 보편적입니다 (94–100%). 그러나 비브랜드 인지도는 현저히 낮습니다 (엔진에 따라 12–52%).
궤적: 개입이 없는 경우, 비브랜드 가시성은 대체로 안정적이지만 ChatGPT(-1.34% per run)와 Perplexity(-0.76% per run)에서 통계적으로 유의미한 완만한 하락을 보입니다. 다른 엔진들은 평탄하게 유지됩니다.
결정론적 특성: AI 노출은 거의 이진적(binary)입니다. 77.5%의 (brand, prompt, engine) 셀이 "항상 언급됨" 또는 "절대 언급되지 않음" 상태입니다. 단 6.8%의 셀만이 실행 간에 "변동(flip)"하며, 이는 가시성이 무작위 노이즈가 아니라 브랜드-엔진 쌍의 안정적인 속성임을 나타냅니다.

C. 소스 구성 및 인용 패턴

기업 지배력: 모든 인용의 78%가 기업 웹사이트를 가리킵니다.
- 제3자 기업 페이지: 75.2% (경쟁사, 동종 업계, 벤더).
- 브랜드 소유 페이지: 단 2.9%.
- 시사점: AI 엔진은 "대안"이나 "베스트 오브" 답변을 구성할 때 동종 기업의 제품 페이지를 우선적으로 인용하며, 이는 인용되는 도메인이 더 많은 인용을 끌어오는 "마태 효과(Matthew Effect)"를 생성합니다.
비기업 소스: 비기업 소스 중에서는 YouTube(4.2%)가 편집 미디어(3.8%), Reddit(3.3%), Wikipedia(2.6%)를 제치고 가장 많이 인용되었습니다.
콘텐츠 형식: 리스티클(Listicles) (순위 기반 리스트)이 가장 높은 레버리지를 가진 형식으로, 전체 콘텐츠 인용의 35.7%를 차지합니다. 단 하나의 리스티클이 다양한 프롬프트에 걸쳐 브랜드를 노출시킬 수 있습니다.

D. 감성 휘발성 (Sentiment Volatility)

감성은 언급 데이터보다 훨씬 더 노이즈가 심합니다.

변동률: 언급 데이터의 변동률은 6.8%인 반면, 감성 패턴은 실행 간에 긍정에서 부정으로 바뀌는 비율이 45.5%에 달합니다.
안정성: 감성은 언급 데이터보다 6.7배 더 노이즈가 많습니다. 따라서 감성 가중 점수는 안정화되기 위해 훨씬 더 큰 샘플 크기(≥10개 프롬프트)를 필요로 합니다.
부정성: 추적된 브랜드 중 일관되게 부정적인 브랜드는 없었습니다. 부정적 프레임은 체계적이기보다 일시적이었습니다.

E. 엔진 간 차이

각 엔진은 뚜렷한 행동 양식을 보입니다:

Claude는 가장 높은 비브랜드 인지도(51.5%)를 보였으나, 더 높은 위상의 코호트를 대상으로 작동합니다.
Perplexity와 ChatGPT는 가시성 하락 궤적을 보였습니다.
소스 중복: 인용 소스에 대한 플랫폼 간 합의(Jaccard overlap)는 낮았습니다 (~0.12, CRM 연구 기준). 이는 각 엔진이 고유한 소스 선호도를 가진 별개의 시장으로 운영됨을 확인시켜 줍니다.

5. 의의 및 주장

본 논문은 확정적인 인과적 가이드라기보다는 기초적인 관찰 연구로서 자신을 포지셔닝합니다. 그 의의는 다음과 같습니다:

"위상 격차(Stature Gap)"의 정량화: 브랜드 성숙도가 AI 가시성의 주요 동력이며, 단계가 내려갈 때마다 약 30포인트의 페널티가 발생한다는 경험적 증거를 제공합니다. 이는 콘텐츠 최적화만으로는 소규모 브랜드가 글로벌 거물들의 가시성 수준으로 즉각 격상될 수 있다는 생각에 도전합니다.
"설정 후 방치(Set-and-Forget)"의 오류 입증: 데이터는 적극적인 개입 없이는 주요 엔진(ChatGPT, Perplexity)에서의 가시성이 서서히 침식된다는 것을 보여주며, 분기 단위가 아닌 주 단위의 측정 사이클이 필요함을 시사합니다.
최적화 초점의 전환: 연구 결과는 소규모 브랜드에게 가장 효과적인 전략이 단순히 자신의 도메인을 최적화하는 것(인용 비중 2.9%)이 아니라, 리스티클이나 영상 콘텐츠(YouTube)와 같은 고레버리지 외부 표면을 타겟팅하고, Tier 2 임계값을 넘기 위해 "브랜드 질량"(Wikipedia, 언론 보도, 지속적인 존재감)을 구축하는 것임을 제안합니다.
방법론적 엄밀성: 본 논문은 과도한 주장을 피합니다. 상관관계와 베이스라인을 식별하지만, 특정 GEO 전술이 가시성 상승을 유발한다는 것을 아직 증명하지 않았음을 명시합니다. 대신, 콘텐츠 품질 차원(권위, AI 준비도, 인용 잠재력)과 기술적 SEO 요소(스키마, 페이지 속도)의 영향을 포함하여 인과 관계를 확립하기 위한 7가지 프로토콜(P1–P7)을 제시합니다.

요약하자면, 본 논문은 AI 브랜드 가시성이 측정 가능하며, 브랜드 위상에 크게 의존하고, 플랫폼마다 구별된다는 점을 확립합니다. 또한, 소규모 브랜드에게 GEO의 "난제"는 단순한 키워드 최적화를 넘어, 권위 있고 인용 가능한 콘텐츠 구조를 구축하고 리스티클이나 영상과 같은 고레버리지 외부 형식에서 입지를 확보하는 것으로의 전환이 필요하다고 주장합니다.