기존 브랜드의 우위: LLM 추천 시스템에서의 브랜드 편향 및 인지 조작 역학

대규모 언어 모델 (LLMs)은 소비자들이 제품을 찾는 주요 방식이 되고 있지만, 우리는 이 새로운 채널에서 브랜드들이 어떻게 경쟁하는지 아직 이해하지 못하고 있습니다. 우리는 스킨케어 제품(소비자가 구매 전 품질을 쉽게 판단할 수 없어 브랜드 평판에 의존해야 하는 카테고리)을 사용하여 세 가지 상용 LLM (GPT-4o-mini, Claude Sonnet, Gemini 3 Flash)을 통해 LLM 추천에서의 브랜드 역학을 연구하였으며, 검색재 (search goods)에 대한 강건성 검증을 수행했습니다. 세 가지 실험을 통해 다음을 발견했습니다: (1) 모든 제품의 사양이 동일할 때 유명 브랜드가 100%의 추천을 받는 조건부 독점 (Conditional Monopoly) 현상 (IAI = 10.0)이 나타나지만, 경쟁사가 +0.1점 이상의 별점 우위를 점하지 못하면 이러한 지배력은 사라집니다; (2) 조작된 임상 증거 주장(fabricated clinical-evidence claims)을 포함한 권위주의적 스타일의 마케팅 언어는 +0.17점의 평점 차이에 해당하는 편향 잉여 가치 (Bias Surplus Value)에서 이 독점을 깨뜨리며, 각 모델은 서로 다르게 반응합니다; (3) 다중 브랜드 GEO 경쟁에서의 사회적 딜레마: 모든 브랜드가 동일한 최적화 전략을 채택할 때, 개별 보상은 우리의 보상 프록시 (payoff proxy) 기준 +0.802에서 +0.007로 하락하며, 참여하지 않는 브랜드는 테스트에서 추천을 전혀 받지 못합니다. 우리의 결과는 생성 엔진 최적화 (GEO)가 보안 리스크뿐만 아니라 시장 경쟁을 형성하는 신흥 마케팅 관행으로서도 연구되어야 함을 시사합니다.