GEO 업체는 늘어나는데, 성과는 누가 증명할까?
도슨티GEOGEO 업체는 늘어나는데, 성과는 누가 증명할까?
AI 검색 최적화 시장에 필요한 새로운 성과 측정의 기준
“ChatGPT에서 우리 브랜드가 추천되기 시작했습니다.”
GEO(Generative Engine Optimization) 서비스를 도입한 기업이라면 반가워할 만한 소식입니다.
하지만 마케팅 책임자가 다음 질문을 던지면 이야기가 달라집니다.
“얼마나 자주 추천되나요?”
“경쟁사보다 나아진 건가요?”
“지난달에 발행한 콘텐츠 덕분인가요?”
“그리고 이 변화가 고객 확보에도 도움이 됐나요?”
한 번의 AI 답변 캡처만으로는 어느 질문에도 충분히 답하기 어렵습니다.
지금 GEO 시장에서 중요한 문제는 AI에 브랜드를 등장시키는 기술만이 아닙니다. 그 결과가 얼마나 의미 있고, 반복 가능하며, 실제 개선 활동과 연결되는지 증명하는 일입니다.
GEO 시장의 다음 경쟁은 누가 더 많이 노출시키느냐가 아니라, 누가 그 성과를 더 정확하게 검증하느냐에서 벌어질 수 있습니다.
1. GEO 시장이 성장할수록 성과 측정의 기준은 더 엄격해져야 합니다
GEO를 둘러싼 서비스는 빠르게 다양해지고 있습니다.
AI 검색 노출을 진단하는 솔루션부터 콘텐츠 자동 생성, 웹사이트 구조 개선, AI 검색 모니터링, 전문 대행 서비스까지 접근법도 다양합니다.
기업 입장에서는 선택지가 늘어난 셈입니다.
그러나 서비스의 종류가 다양해질수록 서로 다른 성과를 동일한 GEO 성과처럼 취급하는 문제도 발생할 수 있습니다.
예를 들어 다음 네 가지 결과를 생각해 보겠습니다.
-
AI가 특정 브랜드를 답변에 언급했다.
-
AI가 특정 브랜드의 웹페이지를 출처로 인용했다.
-
AI가 해당 브랜드를 구매 후보로 추천했다.
-
사용자가 AI 답변을 통해 웹사이트에 방문했다.
모두 가치 있는 변화일 수 있지만, 각각 다른 현상입니다.
언급은 추천이 아닙니다. 인용은 구매 의도가 아닙니다. 방문은 매출이 아닙니다.
그럼에도 이들을 구분하지 않고 하나의 'AI 노출 성과'로 보고한다면 기업은 투자 결과를 정확하게 판단하기 어렵습니다.
학술 연구에서도 이 문제가 제기됩니다.
2026년 7월 발표된 GEO 연구에 대한 비판적 문헌고찰은 45개 연구를 검토하며 GEO의 용어와 측정 기준, 근거 수준이 아직 일관되지 않다고 지적했습니다.
또한 GEO를 단일한 검색 순위 문제가 아니라 검색·정보 검색·인용·답변 생성·사용자 행동이 연결된 복합적인 과정으로 설명합니다.
이는 기업에 중요한 시사점을 줍니다.
GEO는 하나의 점수만으로 평가하기 어려운 마케팅 활동이라는 것입니다.
2. 같은 질문에 같은 답이 나오지 않는다면, 무엇을 측정해야 할까요?
전통적인 검색엔진에서는 특정 키워드의 검색 순위가 중요한 지표였습니다.
물론 검색 순위 역시 사용자와 환경에 따라 달라지지만, 검색 결과상의 위치라는 비교적 명확한 관찰 대상이 있습니다.
생성형 AI에서는 상황이 복잡해집니다.
OpenAI의 ChatGPT Search 공식 설명에 따르면, ChatGPT는 사용자의 질문을 하나 이상의 검색 질의로 재작성할 수 있으며, 초기 검색 결과를 검토한 뒤 추가 검색을 수행하기도 합니다.
즉 사용자가 동일한 질문을 입력하더라도 실제 정보 탐색 과정과 최종 답변이 항상 같다고 보장할 수 없습니다.
2026년 4월 발표된 연구 Don't Measure Once: Measuring Visibility in AI Search (GEO)도 이 문제를 다뤘습니다.
연구진은 AI 검색 답변이 실행 횟수, 질문 표현, 측정 시점에 따라 달라질 수 있으므로 일회성 관찰에 의존해서는 안 된다고 설명합니다.
따라서 기업이 GEO 성과를 평가할 때는 질문을 바꿔야 합니다.
“ChatGPT에서 우리 회사가 몇 위인가?”보다 다음 질문이 중요합니다.
“우리 고객이 실제로 묻는 중요한 질문에서, 우리 브랜드는 얼마나 일관되게 등장하고 추천되는가?”
그리고 이를 확인하려면 최소한 세 가지 조건이 필요합니다.
첫째, 측정할 질문을 명확하게 정의해야 합니다.
둘째, 동일한 기준으로 반복 측정해야 합니다.
셋째, AI 플랫폼과 질문 유형에 따른 차이를 구분해야 합니다.
한 번의 성공적인 답변은 유용한 관찰일 수 있습니다. 그러나 그것만으로 안정적인 성과를 입증할 수는 없습니다.
3. 2026년, Google도 생성형 AI의 성과를 별도로 측정하기 시작했습니다
최근의 중요한 변화 중 하나는 Google이 생성형 AI 검색 성과를 별도 보고하기 시작했다는 점입니다.
Google은 2026년 6월 3일 Search Console의 생성형 AI 성과 보고서 도입을 발표했습니다. 8월 31일에는 전 세계 웹사이트에 관련 보고서 제공을 확대했다고 밝혔습니다.
이 보고서는 AI Overviews와 AI Mode 등 생성형 AI 검색 기능에서 웹사이트 URL이 표시된 횟수를 비롯해 노출 페이지, 국가, 기기, 날짜 등의 정보를 제공합니다.
이 변화는 중요합니다.
생성형 AI 검색에서의 웹사이트 가시성이 이제 독립적으로 관찰하고 관리할 필요가 있는 성과 영역으로 다뤄지고 있기 때문입니다.
그러나 여기에도 구분해야 할 점이 있습니다.
Google Search Console은 Google의 검색 환경을 측정합니다.
ChatGPT, Claude, Perplexity, 네이버의 AI 검색 환경에서 특정 브랜드가 얼마나 자주 언급되고 경쟁사보다 어떤 평가를 받는지까지 알려주는 것은 아닙니다.
또한 웹페이지의 노출과 브랜드의 추천은 서로 다른 지표입니다.
따라서 기업에는 두 종류의 데이터가 필요합니다.
플랫폼이 직접 제공하는 성과 데이터와 외부에서 반복 관찰하는 AI 답변 데이터입니다.
전자는 실제 노출과 사이트 성과를 이해하는 데 유용합니다. 후자는 경쟁사 비교, 질문별 추천 맥락, 브랜드 가시성 변화 등을 분석하는 데 활용할 수 있습니다.
두 데이터는 서로 보완할 수 있지만, 동일한 의미로 해석해서는 안 됩니다.
4. 인용 횟수가 늘었다면, 실제로 콘텐츠의 영향력이 커진 것일까요?
여기서 한 단계 더 나아가야 합니다.
2026년 10월 발표된 연구 What Drives AI Citations? Content, Retrieval and Model Knowledge in Generative Engine Optimization은 두 개의 90일 관찰 자료에 걸쳐 총 15만 8,099개의 AI 답변과 46만 8,037개의 인용을 분석했습니다.
이 연구는 GEO 성과를 바라보는 방식에 중요한 질문을 던집니다.
특정 웹페이지가 AI에 인용되는 이유는 콘텐츠의 형식만으로 설명되지 않는다는 것입니다.
연구에서는 ChatGPT의 검색 과정에서 어떤 페이지가 검색되는지가 인용 결과를 설명하는 데 중요한 역할을 했습니다. 질문에 대한 의미적 관련성과 모델이 이미 알고 있는 브랜드 정보도 영향을 미쳤습니다.
이는 단순히 FAQ를 추가하거나 문서 구조를 정리했다고 해서 인용이 증가할 것이라고 단정하기 어렵다는 의미입니다.
또한 AI가 브랜드를 언급하는 현상과 그 브랜드의 공식 웹페이지를 인용하는 현상도 구분해야 합니다.
예를 들어 AI가 어떤 기업의 제품을 추천하면서 경쟁사의 비교 콘텐츠를 출처로 사용할 수도 있습니다.
반대로 자사에서 발행한 연구 자료가 인용되더라도, 자사 제품이 추천 후보에 포함되지 않을 수도 있습니다.
인용 횟수만으로는 브랜드의 실질적인 추천 경쟁력까지 설명할 수 없습니다.
GEO 성과를 평가하려면 적어도 세 가지 질문을 함께 살펴봐야 합니다.
AI는 우리 브랜드를 알고 있는가?
우리 콘텐츠를 정보의 근거로 사용하는가?
그리고 고객이 선택지를 찾는 순간, 우리 브랜드를 추천하는가?
이 세 질문의 답은 서로 다를 수 있습니다.
5. GEO 성과를 평가하는 다섯 가지 기준
도슨티 GEO는 기업이 GEO를 도입하거나 운영할 때 성과를 보다 체계적으로 판단할 수 있도록 다음 다섯 가지 평가 기준을 제안합니다.
① 관련성: 중요한 고객 질문에서 나타나는가?
모든 AI 언급이 동일한 가치를 갖는 것은 아닙니다.
예를 들어 B2B 소프트웨어 기업이 있다고 가정해 보겠습니다.
“ERP란 무엇인가?”라는 일반적인 정보 탐색 질문에서 언급되는 것과 “중견 제조기업에 적합한 ERP 솔루션을 추천해줘”라는 구매 검토 질문에서 추천되는 것은 사업적 의미가 다릅니다.
따라서 질문을 단순히 많이 수집하기보다 실제 고객의 구매 여정과 연결해야 합니다.
질문 목록은 검색 데이터, 고객 상담, 영업 현장의 문의, 커뮤니티 등에서 확인한 수요를 바탕으로 구성하는 것이 좋습니다.
AI가 자동 생성한 질문도 활용할 수 있지만, 이것이 실제 사용자 질문의 빈도나 시장 전체를 대표하는 것은 아닙니다.
② 반복성: 일회성 노출인가, 지속적인 변화인가?
특정 날짜에 한 번 등장한 결과와 여러 측정 시점에 반복적으로 등장한 결과는 다르게 평가해야 합니다.
동일한 질문에 대한 측정을 반복하고, 플랫폼과 측정 환경을 기록해야 합니다.
측정 질문이나 모델 환경이 변경됐다면 그 사실도 함께 남겨야 합니다.
다만 반복 측정 자체가 실제 전체 사용자 경험을 완벽하게 대표하지는 않습니다.
그 결과는 어디까지나 정의된 측정 조건에서 관찰된 브랜드 가시성입니다.
③ 경쟁성: 경쟁사와 비교하면 무엇이 달라졌는가?
브랜드 언급률이 높아졌다고 해서 경쟁력이 반드시 강화된 것은 아닙니다.
예를 들어 우리 브랜드 언급률이 20%에서 30%로 상승했다고 가정해 보겠습니다.
그런데 같은 기간 주요 경쟁사의 언급률이 35%에서 60%로 높아졌다면 어떨까요?
절대적인 가시성은 개선됐지만 상대적인 경쟁 상황은 오히려 불리해졌을 수 있습니다.
따라서 동일한 질문과 측정 조건에서 주요 경쟁사가 얼마나 자주 등장하는지 함께 살펴봐야 합니다.
④ 설명 가능성: 무엇이 달라졌고, 왜 달라졌는가?
기업이 원하는 것은 단순한 상승 그래프가 아닙니다.
어떤 질문에서 변화가 발생했는지, 어떤 콘텐츠가 새롭게 인용되었는지, 어떤 경쟁사가 추천 후보에 포함되거나 제외되었는지 이해할 수 있어야 합니다.
그러나 여기서 주의해야 할 점이 있습니다.
특정 콘텐츠를 발행한 이후 AI 언급률이 높아졌다는 사실만으로 그 콘텐츠가 상승의 원인이라고 단정할 수는 없습니다.
경쟁사의 활동, 검색 결과 변화, 모델 업데이트 등 다른 요인도 영향을 줄 수 있기 때문입니다.
가능하다면 변경 전후에 동일한 질문을 측정하고, 변경하지 않은 비교 질문군을 함께 관찰하는 방식이 필요합니다.
이는 인과관계를 완벽하게 입증하는 방법은 아니지만, 단순한 전후 비교보다 결과를 신중하게 해석하는 데 도움이 됩니다.
⑤ 사업 연관성: 관찰된 변화가 고객 행동과 연결되는가?
마지막으로 확인해야 할 것은 사업 성과입니다.
GEO가 실제 사업에 기여하는지 평가하려면 AI 답변의 언급·인용·추천과 웹사이트 방문, 상담 신청, 구매 등 고객 행동을 구분해서 살펴봐야 합니다.
단, 모든 AI 답변의 영향이 직접적인 클릭으로 드러나는 것은 아닙니다.
AI에서 제품 정보를 확인한 뒤 나중에 브랜드명을 직접 검색할 수도 있고, 여러 경로를 거쳐 구매할 수도 있습니다.
따라서 AI 가시성 향상과 매출 증가를 자동으로 연결하는 것은 적절하지 않습니다.
실제 유입과 전환 데이터가 있는 경우에는 이를 활용하고, 직접 관측할 수 없는 영향은 추정으로 구분해야 합니다.
6. GEO 성과 보고서에 반드시 들어가야 할 것은 무엇일까요?
실무에서는 다음과 같은 측정 구조를 활용할 수 있습니다.
| 평가 영역 | 핵심 지표 | 확인할 질문 |
|---|---|---|
| 브랜드 가시성 | Mention Rate | 주요 질문에서 브랜드가 등장하는가? |
| 출처 확보 | Citation Rate | 자사 콘텐츠가 출처로 인용되는가? |
| 추천 경쟁력 | Recommendation Rate | 구매 후보로 실제 추천되는가? |
| 경쟁 상황 | Competitor Visibility | 동일 질문에서 경쟁사와 어떤 차이가 있는가? |
| 변화 검증 | Before/After Comparison | 개선 전후에 의미 있는 변화가 있는가? |
| 사업 연계 | AI Referral·Conversion | 실제 방문과 전환으로 이어졌는가? |
이 표의 지표들은 하나의 종합 점수로 무조건 합산하기보다 각각의 의미를 구분해 해석해야 합니다.
특히 평가 대상 질문 수, 측정 빈도, 플랫폼, 데이터 수집 방식이 다르다면 서로 다른 기업이나 보고서의 숫자를 직접 비교하기 어렵습니다.
예컨대 'AI 언급률 50%'라는 수치는 그 자체로 좋은 성과인지 판단하기 어렵습니다.
어떤 고객 질문을 대상으로, 어떤 플랫폼에서, 몇 차례 측정했으며, 경쟁사와 비교해 어떤 결과가 나타났는지가 함께 제시되어야 합니다.
좋은 GEO 보고서는 높은 숫자를 보여주는 보고서가 아니라, 숫자가 무엇을 의미하고 무엇을 의미하지 않는지 설명하는 보고서입니다.
7. GEO의 다음 단계는 측정에서 실행으로 이어지는 것입니다
성과 측정의 목적은 보고서를 만드는 데 있지 않습니다.
다음 행동을 결정하는 데 있습니다.
예를 들어 AI가 경쟁사 제품을 반복적으로 추천한다면 다음과 같은 분석이 필요합니다.
고객의 질문에 직접 답하는 콘텐츠가 부족한 것인지, 자사 제품의 특징과 사용 조건을 설명하는 근거가 부족한 것인지, 주요 출처에서 경쟁사 정보가 더 잘 확인되는 것인지 살펴봐야 합니다.
이때 개선 활동은 콘텐츠 발행에 한정되지 않습니다.
제품 정보의 정확성, 웹사이트의 기술적 접근성, 비교 자료, 고객 사례, 전문성 있는 외부 출처 등 다양한 요소를 검토할 수 있습니다.
Google 역시 2026년 생성형 AI 검색 최적화 가이드에서 특별한 GEO 기술만을 추구하기보다 기존 SEO의 기본 원칙과 독창적이고 유용한 콘텐츠의 중요성을 강조합니다.
또한 생성형 AI 검색 노출을 위해 별도의 특수 Schema 마크업이나 AI 전용 텍스트 파일이 필수적인 것은 아니라고 설명합니다.
이러한 공식 가이드는 GEO를 단편적인 최적화 요령의 집합으로 이해해서는 안 된다는 사실을 보여줍니다.
중요한 것은 고객에게 필요한 정보를 제공하고, 그 정보가 AI 검색 환경에서 어떻게 발견되고 활용되는지 검증하는 것입니다.
따라서 GEO 운영은 다음과 같은 과정으로 이어져야 합니다.
고객 질문 정의 → AI 답변 측정 → 경쟁사 및 인용 출처 분석 → 개선 실행 → 재측정 → 성과 평가
측정은 출발점이자 개선 결과를 검증하는 기준이 됩니다.
8. 도슨티 GEO가 주목하는 것은 ‘노출 이후의 질문’입니다
도슨티 GEO는 이러한 문제의식에서 출발합니다.
기업이 ChatGPT, Claude, Gemini, Perplexity 등 주요 AI 플랫폼에서 브랜드의 언급률과 인용률, 경쟁사 대비 노출 현황을 추적하고, 이를 콘텐츠 개선 전략으로 연결할 수 있도록 지원합니다.
질문별 AI 답변을 관찰하고 경쟁사가 어떤 질문에서 등장하는지 확인하면, 막연하게 콘텐츠를 추가하기보다 개선이 필요한 영역을 구체적으로 파악할 수 있습니다.
다만 GEO 모니터링 데이터는 AI 서비스 전체의 실제 사용자 검색량이나 브랜드의 실질적 시장점유율을 직접 보여주는 것은 아닙니다.
또한 언급률 개선만으로 매출 증가를 보장할 수도 없습니다.
도슨티 GEO가 지향하는 것은 이러한 측정의 한계를 감추는 것이 아니라, 관찰 가능한 데이터를 바탕으로 더 나은 의사결정을 지원하는 것입니다.
기업은 다음 질문에 답할 수 있어야 합니다.
“우리 브랜드는 어떤 고객 질문에서 발견되고 있는가?”
“어떤 질문에서는 경쟁사가 더 자주 추천되는가?”
“AI가 참고하는 정보에는 어떤 차이가 있는가?”
“개선 활동 이후 실제로 무엇이 달라졌는가?”
이 질문에 답할 수 있을 때 GEO는 단순한 노출 활동에서 지속적으로 개선하고 평가할 수 있는 마케팅 활동으로 발전합니다.
결론. GEO의 신뢰는 더 높은 점수가 아니라 더 나은 증거에서 시작됩니다
GEO 시장이 성장하는 것은 기업에 새로운 기회입니다.
하지만 시장이 성장한다는 이유만으로 모든 GEO 성과 주장을 그대로 받아들여야 하는 것은 아닙니다.
오히려 기업이 GEO에 더 많은 예산과 인력을 투입할수록, 성과를 검증하는 기준은 엄격해져야 합니다.
한 번의 AI 추천 화면보다 반복적으로 관찰된 변화가 중요합니다.
전체 언급률보다 실제 고객의 중요한 질문에서 나타나는 결과가 중요합니다.
높은 인용 횟수보다 그 인용이 어떤 의미를 갖는지 이해하는 일이 중요합니다.
그리고 무엇보다 측정된 결과와 실제 사업 성과를 구분할 수 있어야 합니다.
GEO의 경쟁력이 단순한 노출에서 시작된다면, GEO의 신뢰는 그 노출의 의미를 증명하는 데서 시작됩니다.
이제 기업이 GEO 솔루션을 선택할 때 물어야 할 질문도 달라져야 합니다.
“우리 브랜드를 ChatGPT에 노출시킬 수 있나요?”에서
**“그 성과를 어떤 기준으로 측정하고, 어떻게 검증하며, 무엇을 개선할 수 있나요?”**로.
그 질문에 답하는 것이 GEO 시장의 다음 과제입니다.
도슨티 GEO로 우리 브랜드의 AI 검색 현황 확인하기
우리 브랜드는 AI 검색에서 얼마나 자주 언급되고 있을까요? 어떤 질문에서 경쟁사가 더 많이 추천되고 있을까요?
도슨티 GEO에서 주요 AI 플랫폼의 브랜드 언급·인용 현황과 경쟁사 비교 데이터를 확인하고, 개선이 필요한 질문부터 찾아보세요.
도슨티 GEO의 측정 결과는 설정된 질문과 플랫폼, 측정 시점을 기준으로 제공됩니다. AI 전체 이용자의 실제 검색·추천 빈도 또는 사업 성과를 보장하는 수치는 아닙니다.
주요 참고자료
-
Google Search Central (2026). Introducing Search Generative AI Performance Reports in Search Console
-
Google Search Central (2026). Optimizing for Generative AI in Google Search
-
Schulte, Bleeker & Kaufmann (2026). Don't Measure Once: Measuring Visibility in AI Search (GEO)
-
Chen & Koudas (2026). What Drives AI Citations? Content, Retrieval and Model Knowledge in GEO
-
Martinez (2026). Optimizing Visibility in Generative Engines: A Critical Survey of GEO (2023–2026)
