Gemini의 인용 여부를 좌우하는 것은 공식 웹사이트의 완성도가 아니라, 브랜드를 경계가 명확한 ‘실재 엔티티’로 인식하는지입니다. 저희가 맡은 한 B2B SaaS 고객사는 경쟁사보다 웹사이트가 잘 갖춰져 있었지만, Gemini에 해당 분야의 기업을 물으면 언제나 유럽과 미국의 경쟁사 3곳만 답변에 등장했습니다. 해결책은 공식 사이트의 문구를 다시 쓰는 일이 아니었습니다. Wikipedia와 Wikidata의 구조를 보완하고 흩어진 공식 데이터를 하나의 엔티티로 연결했습니다. 3개월 뒤 같은 질문을 했을 때 Gemini는 해당 회사의 이름을 안정적으로 언급하고 링크까지 제공하기 시작했습니다.
Gemini의 인용 방식은 왜 ChatGPT와 다른가
Gemini의 답변은 Google의 그라운딩을 기반으로 합니다. 실시간으로 Google 검색 결과를 확인하고, Google 지식 그래프에 크게 의존해 기업이나 브랜드의 정체를 판단합니다. 지식 그래프의 엔티티 데이터 상당 부분은 Wikipedia와 Wikidata에서 가져옵니다. 따라서 Google 지식 그래프에 기업이 등록되지 않았거나 다른 회사와 혼동되어 있다면, Gemini도 해당 기업을 정확하고 안정적으로 인용하기 어렵습니다. ChatGPT가 학습된 언어 패턴과 그때그때 수집한 웹 문서를 상대적으로 중시한다면, Gemini는 엔티티의 실재성과 식별 정보에 더 분명한 비중을 둡니다. 같은 글이라도 두 엔진에서 다르게 취급되는 이유입니다.
사례 배경: 공식 웹사이트는 훌륭했지만 AI에는 보이지 않았습니다
고객사는 설립 약 4년 차의 B2B API 모니터링·관측 도구 기업입니다. 대만 팀이 운영하며 아시아·태평양 시장을 주력으로 공략하고 있고, 기업 고객도 수십 곳에 이릅니다. 문제는 콘텐츠가 아니었습니다. 블로그는 꾸준히 업데이트됐고 공식 웹사이트의 고객 사례도 명확했습니다. 하지만 Google은 ‘어떤 회사인지, 어느 범주에 속하는지, 무엇과 연결되는지’를 하나의 완전한 엔티티로 구성하지 못하고 있었습니다. 그러니 Gemini도 이 회사를 안정적으로 활용할 수 없었습니다. 병목은 콘텐츠가 아니라 브랜드 노출의 기반이 되는 엔티티 정보였습니다.
- Gemini에 “아시아·태평양 지역의 API 모니터링 도구는 무엇인가?”라고 물으면 유럽과 미국의 대형 업체만 몇 곳 제시됐고, 고객사는 목록에 없었습니다.
- “이 회사는 어떤 곳인가?”라고 물으면 Gemini는 모호하게 설명하거나 이름이 비슷한 다른 회사와 혼동하기도 했습니다.
- Google에서 브랜드명을 검색해도 오른쪽에 지식 패널이 나타나지 않았습니다. Google이 아직 이 회사를 명확한 엔티티로 인식하지 못한다는 신호였습니다.
- 공식 정보도 일관되지 않았습니다. 공식 웹사이트, LinkedIn, Crunchbase, GitHub의 회사 소개가 서로 달랐고 설립 연도조차 일치하지 않았습니다.
핵심적으로 실행한 작업은 3가지였습니다.
GEO 업계에서는 흔히 “Wikipedia 문서부터 만들면 된다”고 말하지만, 이는 잘못된 접근입니다. Wikipedia에는 명확한 저명성 기준이 있습니다. 신뢰할 만한 제3자 보도가 없는 상태에서 문서를 만들면 삭제될 뿐 아니라 편집 기록에 부정적인 흔적이 남을 수 있습니다. 올바른 실행 순서는 다음과 같습니다.
- 공식 웹사이트, LinkedIn, Crunchbase, GitHub에서 회사명, 소재지, 설립 연도, 본사 정보를 통일했습니다. Organization 구조화 데이터(schema.org)에는 sameAs를 적용해 각 공식 프로필이 하나의 엔티티를 가리키도록 연결했습니다.
- 제3자 검증 자료를 보강했습니다. 업계 매체 보도와 목록형 콘텐츠에 고객사가 소개되도록 지원하고, 잘 알려진 엔티티와의 공개된 관계(예: 통합 파트너)를 정리했습니다. 이는 Wikipedia 저명성을 입증할 자료이자 지식 그래프의 신뢰 소스가 됩니다.
- 근거 자료를 갖춰 Wikidata 항목을 먼저 만들고, 요건이 충족된 뒤 Wikipedia 등재를 추진했습니다. Wikidata는 진입 장벽이 비교적 낮고 Google 지식 그래프에 직접 데이터를 제공하므로, 대개 Wikipedia보다 효과가 빠르게 나타납니다.
이 3단계의 목표는 하나입니다. Google이 추측하지 않게 만드는 것입니다. 공식 데이터, 제3자 보도, Wikidata가 동일한 방식으로 하나의 엔티티를 가리키면 지식 그래프는 신뢰도 높은 노드를 구성할 수 있습니다. 그래야 Gemini도 회사를 누락하거나 다른 기업으로 오인하지 않고 정확히 인용합니다.
90일 뒤, Gemini의 인용 결과가 달라졌습니다
저희는 Brand Radar를 사용해 Gemini에서 동일한 범주형 질문을 매주 추적했습니다. 변화는 하루아침에 일어나지 않았습니다. 지식 그래프가 갱신되면서 다음과 같이 단계적으로 나타났습니다.
- 3~4주 차: Google에서 브랜드명을 검색하면 지식 패널이 나타나기 시작했습니다. Gemini도 더 이상 고객사를 동명의 다른 회사와 혼동하지 않았습니다.
- 6~8주 차: Wikidata 항목이 반영된 뒤 Gemini가 “아시아·태평양 API 모니터링 도구”와 같은 목록형 답변에서 고객사를 간헐적으로 언급하기 시작했습니다.
- 10~12주 차: 간헐적이던 인용이 안정화됐습니다. 추적한 범주형 질문에서 Gemini 답변 약 3분의 2가 해당 회사를 포함했고, 대부분 공식 웹사이트나 Wikipedia 링크를 함께 제시했습니다.
먼저 Google이 브랜드의 정체를 확신하게 해야 Gemini도 안심하고 인용합니다. 순서를 거꾸로 하면 모든 작업이 헛돌 수 있습니다.— Tenten GEO consultant team
먼저 직접 확인할 수 있는 3가지 항목
- 브랜드명을 검색해 보세요. 검색 결과 오른쪽에 지식 패널이 표시됩니까? 없다면 Google이 아직 브랜드를 명확한 엔티티로 판단하지 않았을 가능성이 큽니다.
- Wikidata에서 회사를 검색해 보세요. 항목 유형, 공식 웹사이트, 연결 정보가 정확합니까?
- 공식 웹사이트, LinkedIn, Crunchbase의 회사 소개가 일치합니까? Gemini는 서로 모순되는 정보를 발견하면 해당 엔티티를 신뢰하기 어려워집니다.
이 접근이 효과 없는 경우는 언제인가
솔직히 모든 회사에 필요한 작업은 아닙니다. 설립된 지 1년도 되지 않았고 제3자 보도도 전혀 없다면 Wikidata와 Wikipedia부터 추진하는 것은 비효율적입니다. 이때는 인용될 만한 콘텐츠와 미디어 노출을 먼저 축적해야 합니다. 순수 B2C 대중 브랜드에도 다른 접근이 필요합니다. 이런 브랜드는 실재성이 이미 분명하고, 대개 인지도와 감성적 인식이 핵심 과제이기 때문입니다. 엔티티 강화가 가장 효과적인 대상은 이번 사례처럼 실제 사업과 일정한 시장 기반을 갖췄지만 AI 엔진에서 발견되지 않는 B2B 기업입니다. Gemini나 Google AI에서 자사 제품군을 검색했는데 경쟁사만 가득하다면, 문제는 콘텐츠의 양보다 엔티티 정보에 있을 가능성이 큽니다. 지식 정보의 공백이 어디에 있고 어떤 순서로 보완해야 하는지 알고 싶다면 30분 GEO 진단을 신청하세요. 실제 구매 검토 과정에서 사용하는 질문을 바탕으로 현재 Gemini가 브랜드를 어떻게 인식하고 답변하는지 함께 확인합니다.
