“이 회사는 무엇을 하는 곳인가요?”라는 같은 질문을 던져도 결과는 업종에 따라 달라집니다. SaaS 브랜드는 대체로 출처가 딸린 완결된 답변을 얻지만, 전통 제조업체나 회계법인은 한두 문장으로 축약되거나 아예 근거가 제시되지 않는 경우가 많습니다. 차이를 만드는 것은 기업 규모가 아니라 업종입니다. 어떤 업종에 속해 있느냐가 AI 인용의 출발점을 크게 좌우합니다. 따라서 전체 평균을 기준으로 자사를 평가하면 거의 틀린 결론에 이르게 됩니다.
왜 업종별 벤치마크가 필요한가?
AI 엔진이 답변에서 특정 브랜드를 다루려면 학습 과정과 실시간 검색에서 그 기업이 무엇을 하는지 명확하고 구조화된 설명을 찾을 수 있어야 합니다. 하지만 업종마다 출발 조건은 크게 다릅니다. SaaS 기업은 태생부터 인터넷에 기반합니다. 공식 웹사이트, 문서, 요금 페이지, 비교 콘텐츠, 커뮤니티 토론까지 모두 기계가 읽을 수 있는 텍스트입니다. 반면 제조업의 핵심 가치는 제품 사양 PDF, 전시회, 업계 네트워크에 머무는 경우가 많아 공개된 구조가 부족합니다. 전문 서비스는 그 중간에 있습니다. 콘텐츠는 많지만 대개 긴 논설이나 사례 중심이라 AI가 깔끔한 한 문단으로 추출해 인용하기 어렵습니다. 이 세 업종을 같은 기준으로 비교하면 결론도 왜곡될 수밖에 없습니다.
세 업종의 인용 벤치마크: 대략적인 순위
고객사를 대상으로 GEO 감사를 진행할 때는 유형, 비교, 추천에 관한 고정 질문 세트를 사용합니다. ChatGPT, Perplexity, Gemini를 교차 확인하며 브랜드가 언급·인용·추천된 비율을 기록합니다. 여러 고객사의 초기 수치를 함께 놓으면 비교적 일관된 순위가 나타납니다. SaaS가 확실히 앞서고 전문 서비스가 중간, 전통 제조업이 가장 낮습니다. 이는 어느 업종이 덜 노력해서가 아니라 세 업종의 콘텐츠 인프라가 서로 다르기 때문입니다.
- SaaS: 공개 콘텐츠 밀도가 가장 높습니다. 공식 웹사이트, 문서, 제3자 비교 및 리뷰 콘텐츠가 풍부합니다. GEO를 별도로 실행하지 않은 SaaS라도 기존 콘텐츠만으로 유형 질문에서 AI에 언급되는 경우가 많으며, 세 업종 중 대체로 가장 높은 수준을 보입니다.
- 전통 제조업: 공개된 구조화 콘텐츠가 가장 적고, 상당한 가치가 제품 사양 PDF와 영업 관계 안에 묻혀 있습니다. 업계에서 잘 알려진 기업도 “추천 공급업체” 같은 질문에서는 완전히 누락되기 쉬워 인용 기회가 가장 적습니다.
- 전문 서비스(컨설팅·법률·회계·에이전시): 콘텐츠 자체는 부족하지 않지만 대부분 긴 글이나 사례 중심입니다. AI가 바로 추출할 수 있는 정의형 문단, 목록, 명확한 답변이 부족해 브랜드명은 언급돼도 링크와 함께 인용되는 경우는 드뭅니다.
다만 이는 업종별 출발점일 뿐 한계가 아닙니다. 구조화된 제품 페이지와 정기 인터뷰 콘텐츠를 구축한 제조업 고객사가 거의 전무하던 수준에서 몇 달 만에 꾸준한 상승세로 전환한 사례가 있습니다. 반대로 긴 글만 대량으로 발행해 오랫동안 인용되지 않은 컨설팅 기업도 있습니다. 벤치마크는 어디에서 출발하는지를 알려줄 뿐, 어디까지 갈 수 있는지를 정하지 않습니다.
SaaS가 앞서는 이유
SaaS의 강점은 구조에 있습니다. 제대로 운영되는 SaaS 웹사이트에는 기능 페이지, 요금 페이지, 통합 목록, 지원 문서, 꾸준히 업데이트되는 콘텐츠가 갖춰져 있습니다. 내용이 명확하고 범위가 잘 정의돼 있어 AI가 답변을 추출하기에 이상적입니다. 여기에 “A 도구 vs B 도구” 형식의 비교 콘텐츠를 활발히 만들고 커뮤니티에서 선택지를 공개적으로 논의하는 업계 특성이 더해집니다. 모델은 여러 독립 출처를 교차 확인해 해당 기업이 누구이고 무엇을 하는지 파악할 수 있습니다. 사용자가 “X 소프트웨어란 무엇인가요?”라고 물으면 AI가 인용할 자료가 부족하지 않습니다. 그래서 SaaS 고객의 GEO는 대개 ‘무에서 시작하는’ 작업이 아닙니다. 이미 확보한 언급을 출처가 있는 인용으로, 나아가 추천으로 끌어올리는 작업에 가깝습니다.
제조업의 격차는 어디에서 생기는가?
제조업의 문제는 콘텐츠가 없다는 데 있지 않습니다. AI가 읽을 수 있는 곳에 콘텐츠가 없다는 것이 핵심입니다. 주요 사양은 다운로드형 PDF에 있고, 견적은 영업 과정에서 제공되며, 기술 세부 사항은 전시회에서 오갑니다. AI에는 사실상 보이지 않는 정보입니다. 그 결과 실무 현장에서 잘 알려진 공장도 AI에는 구체적인 설명이 없는 이름 하나로만 보일 수 있습니다. 격차가 가장 큰 만큼 기회도 큰 경우가 많습니다. 핵심 제품군의 사양, 적용 시나리오, 자주 묻는 질문의 답변을 웹페이지의 명확한 구조화 텍스트로 다시 구성하면 PDF와 영업 담당자의 머릿속에 갇혀 있던 지식을 AI가 인용할 수 있는 출처로 바꿀 수 있습니다.
전문 서비스: 콘텐츠는 많지만 추출하기 어렵다
컨설팅, 법률, 회계, 마케팅 에이전시 같은 전문 서비스 기업은 대개 블로그, 오피니언, 사례 콘텐츠를 충분히 보유하고 있습니다. 문제는 형식입니다. AI는 질문에 직접 답하는 깔끔한 문단, 즉 명확한 정의나 단계별 절차, 분명한 답변을 선호합니다. 하지만 핵심 내용이 3,000자짜리 긴 글의 도입부와 서사 속에 묻혀 있으면 AI가 요점을 찾아 인용하기 어렵습니다. 이 업종의 GEO는 대부분 ‘더 많이 쓰는 것’이 아니라 기존 전문 지식을 다시 구조화하는 작업입니다. 각 글에 독립적으로 추출 가능한 요약 문단, 서비스 절차 목록, 고객이 자주 묻는 질문을 보완하는 방식입니다.
자사의 위치를 어떻게 판단할 것인가?
업종별 순위를 파악했다면 이제 전체 평균이 아니라 올바른 비교군 안에서 자사의 위치를 확인해야 합니다. 방법은 복잡하지 않습니다.
- 기준선 설정: 주요 AI 엔진에 동일한 고정 질문 세트(유형·비교·추천)를 입력했을 때 자사가 몇 번 언급·인용·추천되는지 측정합니다. 이것이 현재 기준 수치입니다.
- 동종 업계와 비교: 수치를 유사 업종의 결과와 나란히 놓습니다. SaaS는 단순히 ‘언급됐다’는 사실만으로 좋은 성과라 할 수 없습니다. 반면 제조업에서 안정적으로 언급된다면 경쟁사보다 앞서 있을 가능성이 큽니다.
- 격차 유형 확인: 전혀 언급되지 않는지(콘텐츠가 없음), 언급은 되지만 인용되지 않는지(콘텐츠는 있으나 형식이 부적합함) 구분합니다. 해결책은 완전히 다릅니다. 전자는 콘텐츠를 보완하고, 후자는 구조를 바꿔야 합니다.
- 정기 재측정: 매월 같은 질문 세트로 다시 확인해 추세가 어떻게 움직이는지 봅니다. 한 번의 스냅샷은 오해를 부를 수 있지만, 추세선은 실제 변화를 보여줍니다.
업종별 벤치마크의 목적은 잘못된 잣대로 자사를 평가하지 않는 데 있습니다. SaaS는 단순히 언급된다고 안주해서는 안 되고, 제조업은 수치가 낮다고 포기해서는 안 됩니다. 전문 서비스 기업도 콘텐츠가 많다는 이유만으로 인용될 것이라 기대해서는 안 됩니다. 자사가 업종 내 어디에 있는지, 격차가 무엇인지, 어떤 구조부터 손봐야 하는지 알고 싶다면 30분 GEO 진단을 예약할 수 있습니다. 해당 업종의 실제 질문을 바탕으로 현재 위치와 가장 먼저 개선할 부분을 함께 살펴봅니다.
