AI 검색은 마케터들에게 기여도 측정(attribution) 문제를 야기하고 있습니다. 브랜드가 ChatGPT, Google AI Mode, 또는 Perplexity에서 답변을 형성하는 데 도움을 줄 수 있지만, 정작 자사 웹사이트로의 방문은 유도하지 못할 수 있기 때문입니다. 이는 순위(rankings), 노출(impressions), 클릭률(click-through rates)이 가시성을 판단하는 불완전한 지표가 되었음을 의미합니다. Wix Studio의 새로운 연구는 AI 시스템이 인용하는 콘텐츠가 인식 가능한 패턴을 따른다는 증거를 더해주고 있으며, 업계 논의는 인용(citations), 답변 존재 여부(answer presence), 프롬프트 커버리지(prompt coverage), 그리고 하류 영향력(downstream influence)을 중심으로 구축된 측정 프레임워크를 점점 더 지향하고 있습니다.

핵심적인 변화는 웹사이트 트래픽이 더 이상 중요하지 않다는 것이 아닙니다. 클릭이 더 이상 검색 가시성의 유일한 관찰 가능한 결과가 아니라는 점입니다. AI 인터페이스가 옵션을 요약하거나, 제품 카테고리를 추천하거나, 발행인을 인용할 때 사용자는 의견을 형성하거나 다른 곳에서 여정을 계속할 수 있습니다. 따라서 브랜드는 직접적인 추천 트래픽(direct referral traffic)과 AI 생성 답변에서의 광범위한 존재감을 분리하여 파악해야 합니다.

Wix Studio의 연구가 AI 인용에 대해 보여주는 것

Wix Studio의 AI 검색 랩(AI Search Lab) 연구는 ChatGPT, Google AI Mode, Perplexity를 포함한 주요 AI 검색 인터페이스에서 생성된 답변의 인용을 조사합니다. 발표된 요약본에 따르면 약 75,000개의 AI 생성 답변과 100만 개 이상의 인용 데이터셋을 다루고 있습니다.

연구의 핵심 발견은 인용이 모든 종류의 웹 페이지에 고르게 분산되어 있지 않다는 것입니다. **리스트클(Listicles), 기사(articles), 그리고 제품 페이지(product pages)**가 연구에서 관찰된 인용의 불균형적으로 높은 비중을 차지합니다. 이는 답변 엔진(answer engines)이 자료를 검색하고 합성하는 방식과 일치합니다. 즉, 명확하고, 세분화되어 있으며, 훑어보기 쉽고, 질문과 밀접하게 일치하는 콘텐츠가 답변으로 추출되기에 더 용이할 수 있습니다.

이후 Search Engine Land의 Wix Studio 작업에 대한 요약에서는 25,000개의 URL 데이터셋을 다루었으며, 여기서 리스트클 (listicles, 목록형 콘텐츠)이 AI 인용의 대다수를 차지했습니다. 이러한 정확한 구성 비율을 보편적인 규칙으로 간주해서는 안 됩니다. Wix Studio의 분석은 정의된 프롬프트 (prompts) 및 엔진 (engines) 세트를 대상으로 하며, 결과는 모델, 쿼리 (query) 주제, 지역 및 시간에 따라 달라질 수 있습니다. 그럼에도 불구하고 소수의 형식으로 수렴된다는 점은 콘텐츠 구조가 AI 검색 가시성에 영향을 미칠 수 있음을 보여주는 유용한 증거입니다.

이것이 모든 브랜드가 모든 페이지를 리스트클로 바꿔야 한다는 의미는 아닙니다. 특정 형식이 도움이 되는 경우는 그것이 사용자의 질문 및 기저 정보와 진정으로 부합할 때뿐입니다. 더 중요한 교훈은 중요한 주장, 엔티티 (entities), 비교, 그리고 제품 세부 정보를 사람과 검색 시스템 (retrieval systems) 모두가 해석할 수 있을 만큼 명확하게 만드는 것입니다.

전통적인 분석이 전체 결과를 포착하지 못하는 이유

전통적인 검색 보고는 비교적 직접적인 체인을 중심으로 구축됩니다: 순위 (ranking)가 노출 (impression)로 이어지고, 노출이 클릭 (click)으로 이어질 수 있으며, 방문 (visit)이 전환 (conversion)으로 이어질 수 있습니다. AI가 생성한 답변은 이 체인을 끊을 수 있습니다. 브랜드가 인용되거나, 링크 없이 언급되거나, 제안된 옵션 중 하나로 포함될 수 있지만, 사용자는 소스 사이트에 전혀 도달하지 않을 수도 있습니다.

이것이 인용이 자동으로 전환(conversion)을 일으킨다는 의미는 아닙니다. 이는 노출과 상업적 결과 사이의 관계를 관찰하기가 더 어려워졌음을 의미합니다. 사용자는 나중에 브랜드를 직접 검색하거나, 다른 채널을 통해 방문하거나, AI 인터페이스를 떠나지 않고 결정을 내릴 수도 있습니다. 마지막 클릭(last-click)이나 세션 수준의 증거에만 의존하는 기여도 모델(Attribution models)은 그러한 기여를 과소평가할 수 있습니다.

AI 검색 가시성 측정을 위한 실질적인 프레임워크

새롭게 등장하는 용어들은 팀이 무엇을 관찰하려고 하는지 정의하는 데 도움을 줍니다. **AI 인용 (AI citations)**은 답변에서 소스가 인용되었는지 여부를 기록합니다. **답변 포함 (Answer inclusion)**은 브랜드, 제품 또는 소스가 나타나는지 여부를 묻습니다. **모델 발언 점유율 (Share of Model Voice)**은 정의된 AI 응답 세트 전반에서 경쟁사와 비교한 브랜드의 존재감을 비교합니다. **프롬프트 커버리지 (Prompt coverage)**는 비즈니스에 중요한 질문들에 대한 성과를 측정합니다. **전환 영향력 (Conversion influence)**은 AI 노출이 추천 데이터(referral data)에서는 보이지 않을 수 있는 최종 결과에 기여하는지 이해하려는 시도입니다.

이러한 지표들은 서로 대체 가능한 것이 아니라 상호 보완적인 것입니다. 브랜드가 높은 인용 횟수를 기록하더라도 상업적으로 중요한 프롬프트에 대한 답변 포함(answer inclusion)은 낮을 수 있습니다. 답변에 빈번하게 등장하지만, 인터페이스가 방문을 요구하지 않고 질문을 해결해 버리기 때문에 트래픽을 거의 받지 못할 수도 있습니다. 따라서 유용한 프로그램에는 명확한 프롬프트 세트, 정의된 경쟁 세트, 그리고 인용 및 언급을 기록하기 위한 일관된 규칙이 필요합니다.

마케터와 개발자에게 합리적인 시작점은 다음과 같습니다:

• 실제 고객의 조사, 비교 및 의사 결정 요구 사항을 반영하는 프롬프트 (prompts)를 우선시하십시오.
• 인용 (citations), 브랜드 언급 (brand mentions), 경쟁사 존재 여부를 별도로 추적하십시오. 이들은 서로 다른 형태의 가시성 (visibility)을 나타내기 때문입니다.
• 상관관계가 인과관계를 증명한다고 가정하지 말고, 인용된 자료에 어떤 페이지 형식과 정보 구조가 나타나는지 검토하십시오.
• AI 검색 관찰 결과를 브랜드 검색 (branded search), 직접 트래픽 (direct traffic), 기여 전환 (assisted conversions) 및 기타 퍼스트 파티 신호 (first-party signals)와 비교하십시오.
• AI 답변은 시간에 따라 달라질 수 있으므로, 각 관찰에 대해 사용된 엔진, 지역, 날짜 및 프롬프트를 기록하십시오.

대시보드만큼이나 거버넌스 (Governance)도 중요합니다. 팀은 특히 AI 플랫폼 간에 결과가 다를 경우, 단일 답변을 지속적인 성과를 입증하는 증거로 취급하는 것을 피해야 합니다. 또한 단순히 포함되기 위해 근거 없는 주장으로 페이지를 최적화하지 않도록 주의해야 합니다. 명확한 출처, 정확한 제품 정보, 그리고 실제 청중을 위해 설계된 콘텐츠가 여전히 지속 가능한 토대로 남습니다.

AI 답변 가시성이 광범위한 측정 스택 (measurement stack)에 어떻게 부합하는지 평가하는 조직은 Scalevise와 협력하여 AI 가시성 전략, 프롬프트 연구, 그리고 새로운 신호를 기존 비즈니스 보고와 연결하는 분석 접근 방식에 대해 논의할 수 있습니다.

자주 묻는 질문 (Frequently Asked Questions)

AI 검색 측정 격차 (AI search measurement gap)란 무엇인가요?

AI 검색 측정 격차는 AI 생성 답변에서의 브랜드 영향력과 클릭, 세션, 사이트 내 전환과 같이 전통적인 웹 분석 (web analytics)이 관찰할 수 있는 활동 사이의 차이를 의미합니다.

Wix Studio의 AI Search Lab은 무엇을 발견했나요?

Wix Studio의 발표된 연구에 따르면, 주요 AI 검색 인터페이스의 답변을 분석한 결과 리스트클 (listicles), 기사 (articles), 제품 페이지 (product pages)가 AI 인용에서 불균형적으로 높은 비중을 차지하는 것으로 나타났습니다.

모델 목소리 점유율 (Share of Model Voice)이란 무엇인가요?

모델 목소리 점유율 (Share of Model Voice)은 정의된 프롬프트 세트 전반에서 관련 경쟁사와 비교하여 AI 생성 답변에 브랜드가 얼마나 자주 등장하는지를 측정하기 위해 제안된 지표입니다.

AI 검색에서 프롬프트 커버리지(Prompt coverage)가 중요한 이유는 무엇인가요?

프롬프트 커버리지는 브랜드가 타겟 고객에게 중요한 특정 질문들에 대해 얼마나 나타나는지를 보여줍니다. 서로 다른 프롬프트가 각기 다른 상업적 가치를 지닐 때, 이는 단순히 전체 횟수를 세는 것보다 더 유용합니다.

AI 인용(Citations)을 전환(Conversions)과 직접적으로 연결할 수 있나요?

모든 경우에 신뢰할 수 있는 것은 아닙니다. AI 인용은 추적 가능한 추천 방문(Referral visit)을 생성하지 않더라도 이후의 행동에 영향을 미칠 수 있습니다. 따라서 전환 영향력은 인과관계의 직접적인 증거로 취급하기보다, 직접적인 분석 데이터(Direct analytics)와 함께 평가되어야 합니다.

결론

Wix Studio의 연구에 따르면, AI 인용 가시성(Visibility)은 특히 리스트클(Listicles), 기사, 제품 페이지를 중심으로 인지 가능한 콘텐츠 패턴을 보입니다. 브랜드에 있어 더 큰 결과는 측정의 문제입니다. AI 답변은 클릭 경로(Click path)를 넘어 인지도를 형성하고 선택을 좌우할 수 있습니다. 팀이 AI 시스템의 가변성을 고려하고 결론을 일관된 증거에 기반하여 도출한다면, 인용(Citations), 포함 여부, 프롬프트 커버리지, 경쟁사 존재감, 그리고 전환 영향력을 추적함으로써 더욱 완전한 관점을 확보할 수 있습니다.