AI 가시성은 하나의 숫자로 요약되는 지표가 아닙니다. "우리 AI 가시성이 몇 %"라는 단일 점수는 서로 다른 주제의 성과를 평균 낸 값이라, 실제로 어디서 이기고 어디서 지는지를 가려버립니다. 지오랭크는 여러 프로젝트에서 이 단일 점수가 오히려 잘못된 의사결정을 부르는 장면을 반복해 목격했습니다.
지오랭크도 처음에는 브랜드 단위 평균 가시성 점수를 대시보드 맨 위에 올려두고 보고했습니다. 그러다 국내 B2B SaaS 기업 A사 프로젝트에서 문제에 부딪혔습니다. 착수 3개월 차 전체 가시성은 26.7%였는데, 4개월 차에 신규 토픽 두 개를 새로 공략하자 다음 달 리포트에서 전체 가시성이 20%로 떨어졌습니다. 숫자만 보면 후퇴한 것처럼 보여 경영진 회의에서 "지난달보다 나빠진 것 아니냐"는 질문이 나왔습니다.
하지만 브랜드가 가시성을 잃은 게 아니었습니다. 기존 주제들의 가시성은 그대로였고 오히려 한 주제는 상승했는데, 새로 추가한 두 주제가 아직 0%에 가까워 평균 계산 탓에 전체 숫자만 내려간 것입니다. 이때 잘못하면 "새 주제를 공략할수록 점수가 나빠 보이는" 역설에 갇힌다는 걸 깨달았습니다. 실제로 A사 담당자는 신규 주제 확장을 멈추자는 의견을 냈는데, 이는 성장에 정확히 반대되는 결정이었습니다.
이후 지오랭크는 리포트를 주제별 가시성 중심으로 바꿨습니다. 그러자 같은 데이터가 "핵심 3개 주제 유지, 신규 2개 주제 진입 시작"이라는 실제 상황에 맞는 해석으로 읽혔고, 5개월 차부터 신규 주제 중 하나가 18%까지 올라오며 평균으로는 설명되지 않던 성장이 드러났습니다. 반대 방향의 착시도 있었습니다. 다른 프로젝트에서는 전체 가시성이 두 달 연속 올라 잘 되는 줄 알았지만, 주제별로 보니 매출과 직결되는 하단 퍼널 주제는 제자리였고 이미 이기고 있던 브랜드명 검색 주제만 더 오른 것이었습니다. 이 경험들을 거치며 지오랭크는 "가시성은 총량이 아니라 분포로 봐야 한다"는 원칙을 굳혔습니다.
주제별 가시성은 브랜드 전체를 하나로 묶지 않고, 각 주제(질문 묶음)마다 AI가 브랜드를 얼마나 언급하는지를 따로 측정하는 방식입니다. 브랜드 점유율(Share of Voice)을 주제 단위로 쪼개 본다고 이해하면 쉽습니다. 사용자는 "브랜드"를 검색하지 않고 "필요"를 검색하기 때문에, ChatGPT나 퍼플렉시티에 던지는 질문은 주제마다 다르고 경쟁 상대도 AI가 참고하는 출처도 다릅니다. 한 주제에서 1등인 브랜드가 옆 주제에서는 언급조차 안 되는 일이 흔합니다.
주제별 가시성을 실무에 도입하는 순서는 다음과 같습니다.
1. 우리 브랜드가 노출되고 싶은 주제를 5~15개로 정의합니다.2. 주제마다 실제 사용자가 던질 법한 프롬프트를 10~30개씩 수집합니다.3. 각 프롬프트를 주요 AI(ChatGPT, 퍼플렉시티, 제미나이 등)에 반복 질의합니다.
4. 주제별로 브랜드가 언급된 비율을 따로 집계합니다.5. 전체 평균이 아니라 주제별 표로 리포트를 구성합니다.
측정의 핵심은 "평균을 내지 않는 것"입니다. SEO에서 1위 키워드와 60위 키워드를 평균 내 하나의 순위로 보고하는 마케터는 없습니다. 그런데 유독 AI 가시성에서는 서로 다른 주제를 평균 내 한 숫자로 보고하는 일이 아직도 흔합니다. GEO도 SEO처럼 주제(또는 키워드 묶음) 단위로 성과를 봐야 합니다.
여기서 특히 중요한 건 표시 방식입니다. 소수점 단위 %에 집착하면 26.7%와 25.9%의 차이를 성과로 착각하기 쉽지만, 실제로는 AI 답변의 자연스러운 변동 범위 안일 때가 많습니다. 그래서 지오랭크는 주제별 가시성을 낮음·중간·높음처럼 구간으로 보여주고, 대시보드 최상단에 주제별 카드를 먼저 배치하며 브랜드 전체 숫자는 참고용으로 맨 아래에 둡니다.
플랫폼 분리도 놓치기 쉽습니다. 같은 주제라도 ChatGPT와 퍼플렉시티의 가시성은 전혀 다르게 나오는데, 각 플랫폼이 참고하는 출처와 학습 데이터가 다르기 때문입니다. 그래서 지오랭크는 "주제 x 플랫폼" 격자로 가시성을 관리합니다. 예를 들어 "가격 비교" 주제가 ChatGPT에서는 높지만 제미나이에서는 낮다면, 제미나이가 더 참고하는 출처에 콘텐츠를 태우는 식으로 처방이 달라집니다. 측정 도구를 고를 때도 새 주제를 추가할 때 전체 점수가 자동으로 깎이지 않는 구조인지, 주제별 시계열을 볼 수 있는지를 반드시 확인해야 합니다. 다만 도구는 숫자를 잘게 나눠줄 뿐, 어떤 주제가 사업에 중요한지, 낮은 가시성을 어떻게 끌어올릴지는 결국 사람의 몫입니다.
단일 가시성 %가 위험한 건 잘못된 인센티브를 만들기 때문입니다. A사 사례에서 기존 주제 3개가 각각 40%, 30%, 10%였다면 평균은 약 26.7%인데, 여기에 0%인 신규 주제 2개를 더해 5개로 평균을 내면 16%, 값 배분에 따라 20% 안팎으로 내려갑니다. 기존 주제는 하나도 나빠지지 않았는데 전체 숫자만 떨어진 것입니다. 이 구조가 굳어지면 마케팅팀은 무의식적으로 신규 주제 추가를 꺼리게 됩니다. 성장을 위해 해야 할 일과 점수를 지키기 위한 일이 정면으로 충돌하는 것입니다. 지오랭크는 이렇게 숫자는 정밀해 보이지만 올바른 행동을 유도하지 못하는 지표를 허수 지표라고 부릅니다.
객관적 근거도 쌓이고 있습니다. AI 답변은 같은 질문에도 시점과 개인화 맥락에 따라 결과가 달라지는 확률적 시스템이라, 단일 값 하나로는 표본 오차와 실제 개선을 구분할 수 없습니다. 반대로 주제별로 나누면 특정 주제가 여러 주기에 걸쳐 꾸준히 오르는지, 우연히 튄 것인지가 드러납니다. 한 커머스 프로젝트에서는 전체 가시성이 4개월간 31%로 정체였지만, 주제별로 보니 "가격 비교"는 12%에서 29%로 오르고 "사용법"은 44%에서 33%로 내려간 상쇄 결과였습니다. 단일 점수만 봤다면 "변화 없음"으로 오판했을 상황입니다.
경영진 보고에서도 주제별 가시성이 유리합니다. "전체 가시성 20%"는 판단 기준이 없는 숫자지만, "핵심 수익 주제 3개 중 2개에서 상위 노출, 신규 주제 2개 진입 시작"은 상황과 다음 액션이 함께 읽힙니다. 리포트를 주제별로 바꾼 뒤 A사 회의에서 "왜 떨어졌냐"는 질문이 사라지고 "다음엔 어느 주제를 공략하냐"로 대화가 바뀐 것도 같은 이유입니다.
물론 주제별 측정에도 한계는 있습니다. 잘게 쪼갤수록 관리 비용이 늘고 주제 정의 자체가 자의적일 수 있어서, 분류 기준을 한번 정하면 일관되게 유지하는 것이 중요합니다. 그래서 무한정 세분화하기보다 사업에 실제로 중요한 주제를 우선순위로 좁혀 측정하는 균형이 필요합니다. 완벽한 단일 지표는 없지만, 적어도 브랜드 평균 하나로 모든 걸 설명하려는 시도는 그만둘 때가 됐습니다.
원문 보기: https://georank.co.kr/report/ai-visibility-single-score-trap-topic-based-measurement
의견을 남겨주세요