Google 검색 결과에서 1위를 차지해도 ChatGPT, Perplexity, Gemini가 “최고의 XX 도구”에 답할 때 해당 브랜드를 언급한다는 보장은 없습니다. AI 엔진이 제시하는 추천 목록은 자연 검색 순위와 거의 별개로 움직입니다. 경쟁사 AI Share of Voice 분석은 이 보이지 않는 순위를 드러냅니다. AI가 해당 카테고리에서 어떤 브랜드를 인식하고 왜 추천하는지, 그리고 우리 브랜드가 그 목록에서 어느 위치에 있는지 또는 아예 빠져 있는지를 확인하는 작업입니다.
AI Share of Voice는 기존 SEO와 무엇이 다른가?
기존 SEO의 Share of Voice는 키워드 영역에서 확보한 검색 노출 비중, 즉 ‘링크 노출’을 계산합니다. AI에서는 규칙이 달라집니다. 사용자가 질문하면 모델이 직접 답변을 작성하고 그 안에서 몇몇 브랜드를 지목합니다. 이때 분자는 ‘관련 질문에서 AI가 우리 브랜드를 언급한 횟수’, 분모는 ‘모든 브랜드가 언급된 총횟수’입니다. 더 까다로운 점은 같은 질문에도 답변이 매번 같지 않다는 사실입니다. 모델 자체에 무작위성이 있으므로 한 번의 결과만으로 결론을 내릴 수 없으며, 기존 검색 순위 분석보다 표본 추출 방식이 훨씬 중요합니다.
1단계: 키워드 목록이 아닌 질문 세트 만들기
기존 SEO가 키워드에서 출발한다면 GEO는 ‘질문’에서 출발합니다. 잠재 고객이 도입을 검토할 때 ChatGPT에 실제로 입력할 문장을 정리해야 합니다. 예를 들어 B2B 전자서명 SaaS라면 ‘전자서명’이라는 단어 하나가 아니라 의사결정 과정에서 나올 질문 전체가 필요합니다. 질문을 다음 3가지 유형으로 나누면 범위를 빠짐없이 구성할 수 있습니다.
- 카테고리 추천형: “쓸 만한 전자서명 소프트웨어는 무엇인가요?”, “대만 B2B 팀이 많이 검토하는 계약서 서명 도구는 무엇인가요?”
- 비교형: “A와 B 중 중소기업에 더 적합한 것은 무엇인가요?”, “B의 대안은 무엇인가요?” 경쟁사와 직접 비교될 가능성이 가장 큰 질문입니다.
- 상황형: “예산이 제한적이고 API 연동이 필요한 전자서명 도구”, “대만 법률에 부합하는 전자서명 서비스”. 이런 조건에서 AI가 후보 브랜드의 절반을 제외하기도 하므로, 우리 브랜드가 적절한 상황에서 추천되는지 확인할 수 있습니다.
카테고리당 20~40개 질문이면 분석을 시작하기에 충분합니다. 내부에서 사용하는 제품 용어가 아니라 고객의 언어로 작성해야 합니다. AI는 고객이 실제로 묻는 질문을 기준으로 답하기 때문입니다.
2단계: 여러 엔진에서 여러 번 반복하기
ChatGPT에 한 번 질문한 결과만으로는 표본이 왜곡됩니다. 기반 데이터와 정렬 로직이 서로 다르므로 최소한 ChatGPT, Perplexity, Gemini, Claude, Google AI Overviews를 포함해야 합니다. 예를 들어 Perplexity는 실시간 검색과 출처 인용에 중점을 두는 반면, ChatGPT는 학습 데이터와 검색을 활용해 답변을 구성하므로 결과가 크게 달라질 수 있습니다. 각 질문을 엔진별로 최소 3~5회 실행하고, 개인화와 대화 기록을 끈 깨끗한 작업 세션을 사용해야 합니다. 그래야 모델이 직전 대화에서 입력한 자사 홍보 문구를 기억해 결과에 반영하는 일을 피할 수 있습니다.
처음 분석한 고객에게서 자주 나오는 반응은 “AI가 우리를 후보에조차 넣지 않았다”는 것입니다. 순위가 내려간 것이 아니라 추천 목록 자체에 없다는 뜻입니다. 이는 검색 결과 2페이지로 밀리는 것보다 더 우려할 만한 신호입니다.
3단계: 답변을 계산 가능한 데이터로 변환하기
표본을 눈으로만 훑어보고 판단해서는 안 됩니다. 각 답변을 표의 한 행으로 정리하고, 최소한 엔진, 질문, 언급된 브랜드 목록, 브랜드별 등장 순서, 각 브랜드에 대한 AI의 설명을 기록해야 합니다. 브랜드명도 표준화해야 합니다. 예를 들어 “Tenten”과 “tenten.co”를 같은 개체로 처리하지 않으면 언급량이 분산되어 실제보다 낮게 집계됩니다. 이 과정을 마치면 스크린샷 더미가 아니라 시간의 흐름에 따라 비교할 수 있는 원천 데이터가 남습니다.
4단계: 실제로 유용한 4가지 지표 계산하기
데이터 표가 완성되면 회의에서 바로 활용할 수 있는 4가지 수치로 압축합니다. 단순히 언급 횟수만 보는 것은 잘못된 해석으로 이어질 수 있습니다.
- 언급 발생률: 전체 질문 중 우리 브랜드가 언급된 비율입니다. 기본적인 가시성 지표이며, 30%보다 낮다면 다른 지표보다 먼저 브랜드 노출 기반을 강화해야 합니다.
- Share of Voice: 우리 브랜드의 언급 횟수를 해당 카테고리 전체 브랜드의 총언급 횟수로 나눈 값입니다. 가장 널리 알려진 AI Share of Voice 지표로, 상위 3개 경쟁사와 함께 비교할 때 의미가 가장 분명합니다.
- 평균 노출 순위: 우리 브랜드가 언급될 때 평균적으로 몇 번째에 등장하는지를 보여줍니다. AI 답변에서 첫 번째로 제시되는 것과 다섯 번째로 밀리는 것은 추천 강도에서 큰 차이가 있습니다.
- 상황 적합도: AI가 우리 브랜드를 언급할 때 적합한 용도와 포지션으로 설명하는지를 평가합니다. 잘못된 상황에서 추천되는 것은 오히려 경쟁사에 유리하게 작용할 수 있습니다.
주요 경쟁사별로 이 4가지 지표를 계산하면 냉정하지만 유용한 경쟁 구도가 드러납니다. AI가 해당 카테고리의 기본 선택지로 보는 브랜드, 보조 후보로만 다루는 브랜드, 완전히 보이지 않는 브랜드를 구분할 수 있습니다.
5단계: AI가 경쟁사를 추천하는 ‘근거’ 읽기
Share of Voice 수치는 격차가 얼마나 큰지 보여주고, 다음으로 살펴볼 것은 그 이유입니다. AI가 각 경쟁사를 설명할 때 사용한 표현을 모으면 선도 브랜드를 규정하는 단어가 반복해서 나타납니다. 예를 들어 “높은 통합성”, “SOC 2 인증 보유”, “명확한 문서” 같은 표현입니다. 이런 문구는 근거 없이 생기지 않습니다. 경쟁사 웹사이트와 제3자 평가, 커뮤니티 논의에서 반복적으로 제시된 내용을 반영합니다. 우리 브랜드가 빠져 있다면 제품이 부족해서라기보다 AI가 활용할 공개 정보가 없거나, 관련 내용을 작성하지 않았거나, 충분히 구조화하지 않았기 때문인 경우가 많습니다.
점유율 측정에서 격차 해소로
이 분석은 일회성 진단으로 끝나지 않습니다. 모델은 업데이트되고 경쟁사는 늘어나며 추천 순위도 매달 달라집니다. 따라서 같은 질문 세트를 정해진 주기로 다시 실행해 Share of Voice의 상승과 하락을 추적해야 합니다. 대시보드가 완성된 뒤부터가 실제 작업의 시작입니다. AI가 경쟁사를 추천한 근거를 바탕으로 우리 브랜드의 증거와 포지셔닝을 보완하고, AI가 명확히 추출할 수 있는 콘텐츠로 정리해야 합니다. 그래야 다음 표본 조사에서 AI가 우리 브랜드를 언급할 이유가 생깁니다. 해당 카테고리에서 우리 브랜드의 AI Share of Voice 격차를 확인하고 싶다면 30분 GEO 진단을 신청해 보세요. 귀사의 카테고리에 맞춘 질문 세트로 초기 경쟁 분석을 진행해 드립니다.
