한 대만 5축 머시닝센터 제조사는 지난해 예산 대부분을 전시회와 Google Ads에 투입했습니다. 하지만 구매자가 초기 공급업체 검토에 ChatGPT와 Perplexity를 사용하기 시작하자 후보에서 자취를 감췄습니다. AI에 “대만 5축 머시닝센터 업체를 추천해 달라”고 물어도 이름이 나오지 않았습니다. 90일 뒤, 같은 질문에서 이 기업은 안정적으로 상위 3곳에 포함됐습니다. 광고나 외부 링크를 더한 결과가 아니라, AI 엔진이 읽을 수 있도록 브랜드 정보를 재구성한 결과입니다.
문제는 검색 순위가 아닙니다. AI가 이 회사를 모른다는 데 있습니다.
이 회사의 공식 웹사이트는 Google에서 ‘5축 머시닝센터’를 검색하면 2페이지에 노출됐습니다. 그러나 진짜 격차는 다른 곳에 있었습니다. 구매자는 더 이상 검색 결과를 한 페이지씩 비교하지 않고 AI에 “대만에서 신뢰할 만한 5축 머시닝센터 공급업체를 알려 달라”고 요청합니다. 이때 모델은 명확하게 추출할 수 있고 여러 출처에서 교차 검증되는 정보를 바탕으로 답합니다. 그런데 이 회사 웹사이트에서는 주요 사양이 PDF 모델 자료에 묻혀 있었고, 제품 페이지에는 “문의해 주세요”라는 한 문장만 있었습니다. 기술적 강점도 구조 없이 마케팅 문구로만 작성돼 있었습니다. AI 입장에서는 인용할 수 있는 정보가 없는 것과 마찬가지였습니다.
Brand Radar로 이 기업과 주요 경쟁사 4곳을 동일한 구매 의도 질문으로 측정했습니다. 결과는 명확했습니다. 20개 질문에서 경쟁사는 평균 11회 언급됐지만, 이 제조사는 단 1회만 등장했고 그마저도 ‘기타 대안’으로 분류됐습니다. 제품 자체가 아니라 AI가 제품 정보를 얼마나 쉽게 읽을 수 있느냐가 문제였습니다.
1단계: AI가 누구를, 왜 추천하는지 파악합니다.
웹사이트부터 고치지 않았습니다. 먼저 측정했습니다. 구매자가 실제로 AI에 물을 법한 질문을 정리했습니다. 사양 비교, 납기, 판매 조건, 산업별 적합성에 관한 의도를 포함했습니다. 그런 다음 여러 AI 엔진에서 질문을 실행해 어떤 브랜드가 언급됐는지, AI가 어떤 출처를 인용했는지, 추천 근거는 무엇인지 기록했습니다.
- 추천되는 경쟁사는 대부분 제품 페이지의 구조가 명확했습니다. 이동 거리, 속도, 정밀도 같은 수치를 모델 자료에 가두지 않고 페이지 본문에 직접 제시했습니다.
- 산업 전문 매체 기사, 대리점 웹사이트, 포럼 토론 등 제3자 출처에서 동일한 강점이 반복적으로 확인됐습니다. AI가 교차 검증할 근거가 충분했습니다.
- “항공 또는 의료 분야에 적합한가?”처럼 구매자가 실제로 묻는 질문에 페이지에서 명확히 답했습니다.
추천 목록 자체가 실행 로드맵이 됐습니다. 추천 목록에 진입하려면 더 많은 검색 유입보다 추출 가능한 사실, 검증 가능한 주장, 구매 의도 질문에 대한 명확한 답변이 필요하다는 사실을 보여줬습니다.
2단계: 숨겨진 사실 정보를 AI가 읽을 수 있는 곳으로 옮깁니다.
시각 디자인보다 콘텐츠 구조에 집중했습니다. PDF에 있던 핵심 사양을 제품 페이지 본문으로 옮기고 X/Y/Z 이동 거리, 주축 회전 속도, 위치 정밀도, 적합 소재를 명확한 항목으로 제시했습니다. 각 페이지 상단에서는 “이 장비는 어떤 고객과 가공 과제에 가장 적합한가?”에 바로 답했습니다. 사람인 구매자에게도 읽기 쉽지만, AI가 정보를 추출할 때는 더 중요합니다. 모델은 추론을 거치지 않아도 완결된 문장으로 인용할 수 있는 정보를 선호합니다.
AI가 기업의 머릿속까지 알아서 채워주지는 않습니다. 사실을 써두지 않으면 AI의 세계에서는 존재하지 않는 정보입니다.— Tenten GEO consultant team
다음은 검증 가능성을 높이는 작업이었습니다. 이 회사가 실제로 수행한 내용을 공개 기술 자료로 정리했습니다. 의료 분야 고객의 가공 사례와 항공 부품 가공률을 개선한 데이터를 담고, 대리점과 산업 전문 매체도 같은 사실을 인용하도록 했습니다. 동일한 정보가 여러 독립 출처에서 확인되면 AI의 신뢰도는 크게 높아집니다. 모델이 특정 브랜드를 실명으로 추천하기 위한 전제이기도 합니다.
3단계: 자랑이 아니라 구매자의 질문에 답합니다.
공작기계 구매자가 반복해서 묻는 질문이 있습니다. 수명은 얼마나 되는지, 특수 툴링과 호환되는지, 사후 서비스 범위는 어디까지인지, 경쟁 제품과 무엇이 다른지 등입니다. 이 질문들을 제품 페이지와 FAQ 구조에 직접 반영하고, 각 항목에 독립적으로 인용해도 의미가 완결되는 답변을 작성했습니다. 효과는 양쪽에서 나타납니다. 구매자는 페이지에서 필요한 답을 찾고, AI는 답변을 생성할 때 해당 내용을 추천 근거로 활용할 수 있습니다.
90일 후: 1회 언급에서 안정적인 상위 3위권으로
90일째에 동일한 20개 질문을 다시 실행했습니다. 제조사 언급 횟수는 1회에서 13회로 늘었습니다. 이 가운데 8회는 상위 3곳으로 추천됐고, 5회는 긍정적인 비교 대상으로 등장했습니다. 더 주목할 부분은 질문 유형입니다. 이 기업은 “의료용 가공에 적합한 대만 5축 머시닝센터” 질문에서도 이름이 나오기 시작했습니다. 우리가 보강한 사실 정보와 사례가 정확히 반영된 결과입니다. 회사 측은 신규 문의 2건에서 고객이 “ChatGPT가 추천했다”고 직접 말했다고 전했습니다.
분명히 짚어야 할 점이 있습니다. AI 카테고리 추천은 한 번으로 끝나는 프로젝트가 아닙니다. 경쟁사도 움직이고 모델도 업데이트되므로 추천 비율을 계속 추적해야 합니다. 이 제조사는 이제 Brand Radar의 월간 추적 결과를 실적 보고서처럼 상시 대시보드로 관리합니다. 상위 3위권에서 이탈한 질문군이 발견되면 해당 주제의 콘텐츠와 근거를 다시 보완합니다.
이 사례에서 재현할 수 있는 3가지 원칙
- 먼저 측정한 뒤 실행합니다. 현재 AI가 누구를 왜 추천하는지 모르면 모든 개선 작업은 추측에 불과합니다.
- 사실 정보를 PDF와 마케팅 문구에서 꺼내 AI가 읽고 인용할 수 있는 구조로 작성합니다.
- 여러 출처의 근거로 실제 성과를 입증합니다. AI가 신뢰하는 것은 URL 하나가 아니라 교차 검증할 수 있는 증거입니다.
구매자가 AI에 해당 제품군을 물었을 때 자사 브랜드가 추천 목록에 오르는지, 누구와 비교되며 어느 위치에 있는지 알고 싶다면 가장 빠른 방법은 직접 측정하는 것입니다. Tenten의 GEO 감사는 같은 방법론으로 자사의 AI 추천 현황을 주요 경쟁사와 비교합니다. 먼저 현재의 격차부터 확인해 보세요. 30분 GEO 진단에서 실제 카테고리 질문을 함께 살펴드립니다.
