AI 검색 시대에는 순위가 아니라 브랜드 연상을 추적해야 합니다

AI 검색 시대에는 순위가 아니라 브랜드 연상을 추적해야 합니다

ChatGPT나 제미나이 같은 LLM은 검색 순위표를 갖고 있지 않습니다. 대신 "이 브랜드 하면 떠오르는 것"과 "이 키워드 하면 떠오르는 브랜드"라는 양방향 브랜드 연상 네트워크를 갖고 있고, 답변은 그 연상에서 나옵니다. 그래서 AI 검색 대응은 키워드 순위 추적이 아니라 브랜드 연상 추적에서 시작해야 합니다. 이 글은 호주 SEO 연구자 Dan Petrovic이 SEO Week 2025에서 제시한 브랜드 연상 네트워크 분석법을 바탕으로, 지오랭크가 한국 고객사에 적용하며 겪은 시행착오와 2026년 발표된 LLM 브랜드 편향 연구 4편을 함께 정리했습니다. 브랜드 연상은 빈도와 변동성이라는 두 신호로 측정하고, 변동성이 높다는 것은 AI가 아직 우리 브랜드를 확신하지 못한다는 뜻입니다.

지오랭크가 브랜드 연상 추적을 처음 적용한 곳은 국내 B2B 협업툴 스타트업이었습니다. 검색 순위는 상위권인데 ChatGPT에 "협업툴 추천"을 물으면 이름이 나오지 않는 이유를 찾는 것이 목표였는데, 문제는 노출량이 아니라 AI가 이 브랜드를 무엇과 연결해서 기억하느냐였습니다. 첫 시도는 실패에 가까웠습니다. 프롬프트 30개를 매일 던지고 언급 여부만 세었더니 언급률이 27%에서 3%로 널뛰어 어떤 판단도 할 수 없었습니다. 그래서 주 단위로 집계하고, 브랜드에서 출발하는 프롬프트와 키워드에서 출발하는 프롬프트를 나눠 돌렸습니다.

그러자 원인이 보였습니다. 브랜드에서 출발하면 "프로젝트 관리", "칸반"은 안정적으로 나왔지만 정작 팔고 싶은 "화상회의"와 "문서 협업"은 10주 중 2주만 등장했습니다. 키워드에서 출발하면 노션, 슬랙, 잔디가 10위권을 고정 점유했고 고객사는 12주 중 3주만 9~10위에 걸쳤습니다. 대응은 콘텐츠 방향 조정이었습니다. 4개월 동안 화상회의 통합과 문서 협업을 주제로 비교 가이드 6편, 고객 인터뷰 4편, 프레스 릴리스 2건을 발행하고 회사 소개 첫 문장도 바꿨습니다. 2026년 5월 기준 "문서 협업"이 12주 연속 등장했고, 키워드 출발 목록에서는 12주 중 9주 동안 5~7위를 유지했습니다. 언급률 평균 31%보다 지오랭크가 더 의미 있게 본 지표는 변동성이 줄었다는 사실이었습니다. 다만 퍼플렉시티는 검색 그라운딩 비중이 커서 결과가 거의 변하지 않았고, 인용 페이지 최적화로 따로 대응해야 했습니다.

브랜드 연상이란 LLM이 특정 브랜드를 어떤 개념·속성·경쟁사와 함께 떠올리는지를 나타내는 연결 관계입니다. 사람의 머릿속 브랜드 이미지와 비슷하지만, LLM의 경우 학습 데이터에서 형성된 토큰 확률 분포로 존재합니다. 검색 순위가 특정 쿼리에서 몇 번째 페이지가 나오는가를 보는 지표라면, 브랜드 연상 추적은 모델이 우리를 무엇과 연결하는가를 보는 지표입니다. 측정 대상은 페이지 위치가 아니라 브랜드와 개념의 연결 강도이고, 데이터 원천은 검색 결과 페이지가 아니라 양방향 프롬프트에 대한 LLM 응답이며, 변동은 알고리즘 업데이트 신호가 아니라 브랜드 권위 부족 신호로 해석합니다. 모델 API만 있으면 경쟁사도 동일하게 분석할 수 있다는 점도 다릅니다.

브랜드 연상 추적을 시작하는 순서는 다음과 같습니다.

브랜드 연상은 빈도와 변동성이라는 두 신호로 읽습니다. 빈도는 브랜드와 개념이 얼마나 자주 함께 등장하느냐로 연결 강도를 나타내고, 변동성은 주마다 순위가 얼마나 흔들리느냐로 브랜드 권위를 거꾸로 보여줍니다. Petrovic이 공개한 사이클링 저지 브랜드 사례에서 "팀 유니폼"은 71회 등장했고 "커스텀 농구 저지"는 추세가 평평해 모델이 강하게 붙여 놓은 연상으로 확인됐습니다. 반면 키워드에서 출발하면 나이키, 아디다스, 언더아머가 상위를 차지해 작은 브랜드가 대형 브랜드에 밀리는 구조가 드러났습니다. 지표로는 빈도, 평균 위치, 주 간 순위 표준편차인 변동성, 경쟁사 비교용 가중 점수, 연상 그래프에 PageRank를 적용한 중심성을 씁니다. 지오랭크가 국내 뷰티 카테고리에서 시험해 보니 중심 브랜드는 "성분", "피부 타입", "가격대" 세 개념 모두와 연결돼 있었고, 주변부 브랜드는 하나에만 걸려 있었습니다.

측정 방법은 직접 API 수집과 스프레드시트, 무료 추적 도구, 상용 AI 가시성 플랫폼, 에이전시 위탁으로 나뉩니다. 직접 수집은 월 수만 원 비용으로 프롬프트가 자유롭지만 정규화가 수작업이고, 상용 플랫폼은 월 수십만~수백만 원이지만 연상 네트워크 분석은 미지원인 곳이 많습니다. 도구를 고를 때 지오랭크가 보는 기준은 브랜드에서 출발하는 프롬프트를 지원하는가, 한국어로 제미나이와 GPT 계열을 모두 돌릴 수 있는가, 주 단위 변동성을 따로 보여주는가입니다. 한 가지 한계는 브랜드 연상 측정이 모델의 내부 기억을 보는 방법이라 검색 그라운딩이 개입하는 답변에는 잘 맞지 않는다는 점입니다. "지금 가격"이나 "최근 평가" 같은 질문은 인용 페이지가 결과를 좌우하므로 따로 대응해야 합니다.

2026년 상반기에 공개된 연구들은 브랜드 연상이 고착적이면서도 특정 조건에서 쉽게 뒤집힌다는 두 얼굴을 보여줍니다. Semrush가 ChatGPT에서 1,094개 주제와 5만 개 이상의 브랜드를 추적한 결과, 명확한 주인이 있는 주제는 15.2%에 그쳤고 53.7%는 아직 정해지지 않은 상태였습니다. 반면 한번 주인이 된 브랜드는 월간 비교에서 90.4%의 확률로 1위를 지켰습니다. Żatuchin의 연구에서는 GPT-5.2, 제미나이 3 플래시, 퍼플렉시티에 250개 질문을 던진 결과 상위 3개 브랜드가 추천의 48.6%를 가져갔지만, 세 모델이 같은 브랜드를 1위로 꼽은 질문은 41.6%뿐이었습니다. 한 모델만 측정하면 절반 넘게 놓친다는 뜻입니다.

Chu와 Hou의 "Incumbent Advantage" 연구에서는 제품 사양이 같으면 유명 브랜드가 100% 추천됐지만, 경쟁 브랜드가 별점 0.1점만 앞서도 독점이 무너졌고 권위적 마케팅 문구는 별점 0.17점에 해당하는 효과를 냈습니다. 다만 모든 브랜드가 같은 최적화를 하면 개별 효과가 거의 사라졌습니다. Rienecker 등의 ChoiceEval 연구에서는 GPT와 제미나이가 선호 브랜드를 71~76%의 확률로 반복 추천했고, 미국 브랜드를 유럽·아시아 브랜드보다 최대 4.96배 선호했습니다. 한국 브랜드는 출발선부터 불리하므로 한국어 프롬프트로 별도 측정하고 한국어 콘텐츠로 연상을 쌓는 작업이 필요합니다.

지오랭크의 고객 사례도 같은 방향을 가리킵니다. 뷰티 디바이스 브랜드 E사는 2026년 2월 기준 "홈케어 뷰티 디바이스 추천" 프롬프트에서 12주 중 1주만 등장했고, 연상은 "LED 마스크"에 몰려 주력인 "고주파 리프팅"과는 연결이 없었습니다. 4개월 동안 고주파 리프팅을 주제로 임상 데이터 정리 글 3편, 전문의 인터뷰 2편, 사용자 후기 5편을 발행한 결과 7월에는 12주 중 8주 등장, 평균 위치 6.2위로 올라왔습니다. 대신 "LED 마스크" 연상은 약해졌습니다. 브랜드 연상은 총량이 아니라 방향을 정하는 문제입니다. 한편 한국에서는 화장품법과 표시·광고 공정화법이 근거 없는 효능 표현을 금지하므로, 연상을 키우는 콘텐츠는 실제 데이터에 기반해야 하고 규제는 장기적으로 정직한 브랜드에 유리하게 작동합니다.

자주 묻는 질문을 정리하면 이렇습니다. 수집은 매일 또는 격일로 하되 집계는 주 단위를 권하며, 콘텐츠 변화의 효과는 보통 8~12주 뒤에 나타납니다. 작은 브랜드에게는 오히려 더 유용한데, 키워드 출발 프롬프트에 이름이 안 나와도 브랜드 출발 프롬프트에서 어떤 개념과 묶여 있는지 확인해 콘텐츠 방향을 바로잡을 수 있기 때문입니다. 연상을 옮기는 데는 비교 가이드, 전문가 인터뷰, 수치가 있는 사용 기록이 가장 잘 작동했습니다. 한국어와 영어 결과가 다르면 둘 다 기록하되 주 고객의 언어를 기준으로 삼는 것이 좋습니다. 변동성이 높다고 무조건 나쁜 것은 아니지만, 6개월 넘게 줄지 않는다면 브랜드 콘텐츠가 서로 다른 메시지를 내고 있지 않은지 점검해야 합니다.

원문 보기: https://georank.co.kr/report/llm-brand-association-tracking-beyond-rank-geo