AI마다 노출이 다릅니다: LLM 3계층 가시성이 GEO 성패를 가른다

AI마다 노출이 다릅니다: LLM 3계층 가시성이 GEO 성패를 가른다

모든 LLM을 똑같이 최적화하면 절반은 헛수고입니다. 정보를 검색 결과에서 가져오는 LLM과 학습된 기억에서 꺼내는 LLM은 브랜드를 노출하는 방식이 근본적으로 다르기 때문입니다. 지오랭크가 관측한 데이터에서도 같은 브랜드가 구글 AI 오버뷰에서는 1위로 인용되면서 ChatGPT에서는 3분의 1 수준으로 밀리는 일이 흔했습니다. GEO는 하나의 전투가 아니라 계층이 다른 여러 전투를 동시에 치르는 일에 가깝습니다.

노출이 안 되는 LLM을 붙잡고 같은 방법을 반복하는 것이 가장 흔한 실패입니다. 한 채널에서 통한 전략이 다른 LLM에서 통하지 않는 이유는 그 LLM이 애초에 다른 곳에서 답을 찾기 때문입니다. B2B SaaS 기업 S사는 초기 6주 동안 "ChatGPT에 우리가 안 나온다"는 문제에만 매달려 블로그와 FAQ를 늘렸지만 ChatGPT 노출은 거의 움직이지 않았습니다. 반면 손대지 않은 구글 AI 오버뷰에서는 이미 상위 인용에 들어가 있었습니다. 원인은 S사 콘텐츠가 "콘텐츠 전략 짜는 법" 같은 정보성 상단 질문 위주였다는 점이었는데, 이런 질문에는 어떤 LLM도 특정 브랜드를 잘 언급하지 않습니다.

지오랭크는 전략을 계층별로 쪼갰습니다. 구글 AI 오버뷰와 AI 모드는 검색 순위를 요약하니 하단 구매형 키워드의 SEO 순위를 끌어올리는 데 집중했고, 퍼플렉시티는 실제 인용하는 출처 사이트에 언급을 확보했으며, ChatGPT는 외부 권위 매체의 브랜드 언급을 늘리는 장기전으로 분리했습니다. 재정비 전 S사의 노출률은 구글 AIO를 100으로 놨을 때 퍼플렉시티 46, 제미나이 41, ChatGPT 29였는데, 4개월 뒤 퍼플렉시티 63, ChatGPT 44까지 올라왔습니다. 폭발적이진 않지만 "한 방법으로 전부"를 고집했다면 얻지 못했을 개선입니다.

LLM 3계층 가시성은 브랜드가 각 LLM에서 언급·인용되는 비율이 세 개의 뚜렷한 구간으로 갈린다는 관측입니다. 가장 높은 노출을 보이는 LLM을 100으로 정규화하면 규모와 무관하게 어떤 LLM이 구조적으로 브랜드를 잘 노출하는지 비교할 수 있습니다. Tier 1은 구글 AI 오버뷰·AI 모드로 상대 노출률 100%(검색 색인 요약), Tier 2는 퍼플렉시티·제미나이로 약 40~50%(검색+학습 혼합), Tier 3은 ChatGPT로 약 33%(학습 기억 우선)입니다. 단 Tier 3이 덜 중요하다는 뜻은 아닙니다. 사용자 수와 대화 깊이로 보면 ChatGPT는 여전히 가장 큰 창구이고, "노출을 만들기가 가장 어려운" LLM일 뿐입니다. 계층은 우선순위가 아니라 난이도이자 전략의 종류입니다.

핵심은 그 LLM이 지금 웹을 검색해서 답하는가, 학습 때 익힌 기억으로 답하는가입니다. 검색 기반 LLM은 사실상 검색증강생성(RAG) 시스템으로, 구글 AI 오버뷰와 AI 모드는 검색 색인에서 문서를 끌어와 요약하고 쿼리 팬아웃으로 답을 합성합니다. 그래서 이 계층에서는 검색 순위가 곧 노출이며, 전통 SEO가 GEO와 만나는 접점입니다. 퍼플렉시티도 검색 기반이지만 자체 크롤러와 색인을 씁니다. 이 색인은 구글보다 작고 어떤 문서를 검색에 유지할지 자체 판단하기 때문에, 구글 순위와 인용이 완전히 겹치지 않아 구글 AIO의 절반 수준에 머뭅니다.

학습 기반 LLM인 ChatGPT는 파라메트릭 기억, 즉 학습 때 습득한 수학적 패턴으로 답합니다. 웹을 뒤지지 않고도 제품을 추천하고, 검색을 하더라도 이미 가진 선호를 정당화하는 용도로 쓰는 경향이 있습니다. 제미나이는 그 사이에 걸쳐 있습니다. 학습 기반으로 만들어졌지만 웹 검색을 훨씬 자주 돌려 검색 의존도가 높은 만큼 노출이 잘 나옵니다. 이 차이가 제미나이를 Tier 2에, ChatGPT를 Tier 3에 놓는 이유입니다. 정리하면 검색을 많이 쓰는 LLM일수록 SEO가 잘 먹히고, 학습 기억에 의존하는 LLM일수록 오랫동안 쌓인 언급의 총량이 중요해집니다.

전략은 같은 노력을 세 계층에 균등하게 나누는 것이 아니라 계층의 작동 원리에 맞춰 지렛대를 바꾸는 것입니다. Tier 1은 검색 결과를 요약하니 가장 직관적입니다. "티켓 자동 응대에 좋은 AI"처럼 구매 직전 하단 키워드에서 구글 순위를 확보하면 그대로 AI 오버뷰에 실립니다. Tier 2는 구글 순위를 유지하면서, 퍼플렉시티가 실제 인용하는 사이트를 따로 조사해 그쪽에 언급을 심습니다. 제미나이는 검색 의존도가 높아 SEO에 무게를 실으면 비교적 예측 가능하게 노출이 따라옵니다.

Tier 3은 가장 인내가 필요하며 세 가지를 병행합니다. 첫째, 브랜드 콘텐츠를 꾸준히 쌓아 학습 모델이 브랜드를 이해하도록 만드는 장기 작업입니다. 둘째, ChatGPT가 인용하는 외부 권위 매체에 브랜드 언급을 확보하는 오프사이트 아웃리치로, 우리 사이트보다 남의 사이트 언급이 더 중요해집니다. 셋째, 단일 프롬프트가 아니라 사용자의 구체적 문제를 깊게 다루는 토픽형 콘텐츠입니다. ChatGPT 대화는 개인화되어 있어, 특정 상황을 제대로 해결하는 전문성을 보이면 후속 질문에서 우리 솔루션을 더 파고들 여지가 생깁니다.

ChatGPT는 학습된 선호를 검색 결과보다 우선하기 때문에 신규 브랜드가 단기간에 파고들기가 가장 어렵습니다. 이를 흔히 기존 강자에게 유리한 관성, 이른바 나이키 효과라고 부릅니다. 실제로 CRM 추천을 물었을 때 ChatGPT는 검색을 켜든 끄든 추천 목록이 거의 동일했는데, 검색이 결정을 바꾸는 게 아니라 이미 가진 결론을 재확인하는 데 쓰였다는 뜻입니다. 다만 절망적이진 않습니다. 지오랭크가 추적한 비주류 브랜드들에서 외부 매체 언급과 브랜드 콘텐츠를 꾸준히 쌓으며 ChatGPT 언급이 우상향하는 흐름이 반복 관측됐습니다. ChatGPT 공략은 캠페인이 아니라 자산 축적에 가깝습니다. 노출이 안 나온다고 Tier 1의 SEO 전술을 더 세게 미는 것은 번지수가 틀린 대응입니다.

같은 데이터를 세 가지 방식으로 정규화해도 3계층 구조가 유지된다면 그것은 우연이 아니라 구조입니다. 해외 GEO 업계가 19개 고객사 데이터를 (1) 최고 성능 LLM 기준, (2) 구글 AIO 기준, (3) 평균 노출 기준으로 각각 정규화해도 세 계층의 형태가 일관되게 나타났습니다. 이는 계층이 특정 회사나 측정 방식의 착시가 아니라 LLM 아키텍처 차이에서 나온다는 뜻입니다. 구글 AI 오버뷰와 AI 모드는 거의 동일했고 AI 모드가 약 3%만 앞섰으며, 19개 중 Tier 1 최상위에 들지 못한 곳은 SEO 자산이 거의 없는 신생 기업 한 곳뿐이었습니다. 반대로 노출을 "브랜드 언급"만으로 좁히면 퍼플렉시티가 Tier 3으로 내려가 ChatGPT와 나란히 서기도 했습니다.

지오랭크가 끌어낸 실무 원칙은 두 가지입니다. 첫째, 측정 프롬프트는 하단 구매형 질문이어야 합니다. 상단 정보성 질문은 어떤 LLM에서도 브랜드를 잘 부르지 않아 성과 지표로 부적합합니다. 둘째, 노출 지표는 반드시 LLM별로 쪼개서 봐야 합니다. 전체 평균 하나로 뭉치면 Tier 1의 좋은 숫자에 가려 Tier 3의 구멍이 보이지 않습니다. 물론 한계도 분명합니다. 이 구조는 특정 시점의 관측이고 각 LLM이 검색 의존도를 계속 조정하고 있어 경계는 언제든 움직일 수 있습니다. 그래서 지오랭크는 계층을 고정된 진리가 아니라 분기마다 다시 재는 지도로 다룹니다. 중요한 것은 "LLM을 하나로 보지 않는다"는 원칙 자체이지 특정 퍼센트 숫자가 아닙니다.

자주 묻는 질문
LLM별로 전략을 나누면 리소스가 세 배로 드나요? 아닙니다. 많은 작업이 겹치며, Tier 1의 SEO 작업은 Tier 2의 절반가량에도 영향을 줍니다. 완전히 별개인 것은 Tier 3용 외부 매체 아웃리치 정도이고, 나머지는 같은 리소스를 계층 특성에 맞게 배분하는 문제입니다.

규모가 작으면 ChatGPT 노출은 포기해야 하나요? 포기할 필요는 없지만 기대 시점을 다르게 잡아야 합니다. 학습 기반 LLM은 브랜드 언급이 누적되며 서서히 반응하므로, 6개월 이상 자산을 쌓는 관점으로 접근하면 후발 주자도 우상향 흐름을 만들 수 있습니다.

퍼플렉시티는 검색 기반인데 왜 구글 AIO만큼 안 나올까요? 구글 색인이 아니라 자체 색인을 쓰기 때문입니다. 이 색인은 더 작고 유지할 문서를 자체 판단하므로, 퍼플렉시티가 실제 인용하는 출처를 따로 조사해 언급을 확보하는 작업이 별도로 필요합니다.

계층별 노출을 직접 측정할 수 있나요? 가능합니다. 하단 구매형 프롬프트 목록을 정해두고 각 LLM에서 브랜드 언급·사이트 인용 비율을 LLM별로 따로 기록하면 됩니다. 하나의 평균으로 합치면 계층 간 격차가 가려집니다.

제미나이는 학습 기반이라면서 왜 Tier 2인가요? ChatGPT보다 웹 검색을 훨씬 자주 돌려 답변에 라이브 검색 결과를 더 무겁게 반영하기 때문입니다. 그만큼 SEO 지렛대가 잘 먹혀 노출이 한 계단 위에 놓입니다.

원문 보기: https://georank.co.kr/report/llm-visibility-three-tiers-geo-strategy