AI별 유입 장르 차이 분석: ChatGPT, Gemini, Perplexity의 GA4 30일 관측 결과

AI마다 「채택되는 기사 장르」는 다른가

ChatGPT, Gemini, Perplexity, OpenAI Search — 각각의 AI가 자사 사이트의 어떤 기사를 인용하고 있는지 장르별로 집계해 본 결과, AI에 따라 참조하는 기사 장르가 명확하게 편중되어 있다는 것을 알 수 있었습니다.

「AI마다 선호하는 장르가 있다」고 단정할 수는 없지만, 적어도 30일간의 관측에서는 AI 참조원(Referral)에 따라 집중도가 확연히 나뉘었습니다. 본 기사는 자사 운영 사이트 1개, 30일이라는 한정된 범위의 스냅샷 관측 리포트입니다.

관측 조건

대상 사이트: 자사 운영 SEO 진단 도구 사이트 (기사 수 약 60개)
측정 기간: 2026년 4월 18일 ~ 5월 17일 (30일간)
측정 도구: GA4
AI 참조원 판정: `session_source`에서 `chat.openai.com`, `gemini.google.com`, `perplexity.ai`, `chatgpt.com`, `search.openai.com`을 추출
장르 분류: 기사 URL 구조 (`/blog/seo-`, `/blog/aio-`, `/blog/tool-*` 등)를 통해 자동 분류

1개 사이트, 30일간의 관측이므로 모수는 결코 크지 않습니다. 어디까지나 「하나의 관측 사례」로 읽어 주시기 바랍니다.

AI별 집중도

장르별 유입 집중도 (상위 장르가 전체에서 차지하는 비율)를 AI별로 정리하면 다음과 같이 나뉘었습니다.

AI 참조원	단일 장르 비율	상위 2개 장르 합계	집중도
OpenAI Search	71%	88%	가장 높음
...

특히 현저했던 점은 다음 3가지입니다.

OpenAI Search의 단일 장르 집중도가 71%로 가장 높음 — 유입의 7할이 특정 1개 장르에 집중
ChatGPT는 상위 2개 장르가 90% 초과 — 롱테일(Long-tail)보다 탑(Top)을 중시하는 경향
Perplexity는 3개 장르로만 유입이 있으며, 심지어 다른 AI의 주요 장르와 중복 제로

크로스 AI 관측: AI 간에 「같은 기사」를 참조하지 않음

가장 흥미로웠던 점은 AI 간 참조 기사의 중복이 적다는 것입니다.

ChatGPT와 Gemini, ChatGPT와 Perplexity, Gemini와 OpenAI Search — 어떤 조합에서도 참조되는 기사의 장르가 크게 겹치지 않습니다. Perplexity의 경우, 다른 AI에서 주류를 이루는 2대 장르로부터의 유입이 제로였습니다.

즉, 「ChatGPT에서 인용되는 기사를 Perplexity도 인용해 줄 것이다」라고 단정할 수 없다는 관측 결과입니다. AI마다 독립적인 선별 로직이 작동하고 있을 가능성을 시사합니다.

가설: 관측된 패턴의 해석

이 결과는 여러 가지로 해석이 가능합니다.

해석 1: AI별 학습 데이터 및 수집 경로의 차이

ChatGPT는 Bing 기반, Gemini는 Google 검색 인덱스, Perplexity는 독자적인 크롤링(Crawl) + 복수 소스 통합 방식으로, 참조하는 정보원의 아키텍처(Architecture)가 다릅니다. 같은 사이트라도 「어떤 AI에 의해 발견되기 쉬운가」는 구조적으로 달라질 가능성이 있습니다.

해석 2: AI별 사용자 질문 경향의 차이

ChatGPT 사용자와 Perplexity 사용자가 애초에 다른 타입의 질문을 던지고 있을 가능성. Perplexity는 검색 대체용으로 사용되기 쉽고, ChatGPT는 대화나 코드 생성 위주의 사용법이 많다고 알려져 있습니다. 이 차이가 장르 분포에 반영되었을지도 모릅니다.

해석 3: 사이트 구성 편향 (가장 중요한 반증 가설)

이번 관측은 1개 사이트만을 대상으로 했습니다. 만약 사이트 내 특정 장르가 다른 장르보다 압도적으로 강한 구조(기사 수, 내부 링크, 백링크 등)를 가지고 있다면, AI 참조 장르 분포는 단순히 사이트 구성의 투영일 가능성이 있습니다.

이 중 해석 3이 가장 강력한 반증 가설입니다. 「AI가 선호하고 있는 것」인지 「사이트 구조를 그대로 따르고 있는 것」인지는 현 시점에서 분리할 수 없습니다.

관측의 한계

이 관측에는 다음과 같은 한계가 있습니다.

샘플 수 1개 사이트 — 일반화를 위해서는 복수 사이트에서의 추시 (Replication)가 필수적임
기간 30일 — 계절적 요인 및 AI 측의 알고리즘 변동을 흡수할 수 없음
AI 모델 버전 추적 없음 — 관측 기간 중 AI 측에서 참조 로직이 변화했을 가능성
클릭 측정만 수행 — AI의 답변 내에서 인용되었으나 클릭되지 않은 케이스는 관측 대상에서 제외
장르 분류는 자동 — URL 기반의 간이 분류이므로, 내용과 분류가 어긋나는 케이스가 있음

특히 4번째 항목(미클릭 인용의 누락)은 중요합니다. AIO (AI Overviews)적인 인용은 클릭을 동반하지 않는 케이스가 많기 때문에, GA4 (Google Analytics 4)만으로 관측하면 AI 참조의 전체상을 놓치게 됩니다.

만약 이 경향을 일반화할 수 있다면

가령 이 경향이 다른 사이트에서도 관측된다면, 실무적으로는 다음과 같은 시사점을 얻을 수 있습니다.

AI 참조원의 편중은 「사이트의 구조적 속성」을 반영하고 있을 가능성이 높음 — 하나의 AI에서 유입이 늘었다고 해서, 다른 AI에서도 자동으로 늘어나는 것은 아님
AI별 대응이 필요해질 가능성 — ChatGPT를 위한 구조화와 Perplexity를 위한 구조화는 별개의 전략이 될 수 있음
어떤 AI로부터 온 유입인지 기록하는 습관이 중요 — GA4의 session_source를 통해 AI별 유입을 분리 측정하지 않으면, AI 유입 전체를 「하나의 바구니 (one bucket)」로 보게 되어 개선 포인트를 놓치게 됨

단, 이것들은 「만약 일반화할 수 있다면」이라는 전제의 이야기입니다. 현시점에서는 추시가 필요한 가설 단계입니다.

관측을 강화하기 위한 다음 액션

이 관측을 「한 사이트의 우연」으로 끝내지 않기 위해, 다음과 같은 사항을 진행하고자 합니다.

복수 사이트에서의 병행 관측 — 장르 구성이 다른 3~5개 사이트에서 동일한 계측 실시
관측 기간의 연장 — 90일, 180일의 중장기 경향을 추적
미클릭 인용의 취득 — Search Console, Bing Webmaster, AI 참조 로그를 횡단하여 확인
장르 분류의 정교화 — URL 기반에서 본문 기반의 분류로 전환
AI별 버전 추적 — 모델 교체 타이밍을 기록하여 유입 변동과의 상관관계를 분석

특히 1번인 「복수 사이트에서의 추시」가 가장 중요합니다.

요약

관측 항목	결과
AI 참조원별 집중도	OpenAI Search 71% / ChatGPT 64% / Gemini 58% / Perplexity 분산
...

AI 참조는 「순위의 연장선」이 아니라, 별개의 축을 가진 유입 경로로서 관측하는 것이 더 정확해 보입니다. AI별로 분리 측정하는 습관을 들이는 것이 가장 저비용이며 효과가 높은 첫걸음입니다.

필자에 대하여: 웹 제작 및 SEO 툴 개발을 수행하는 프리랜서. CodeQuest.work 에서 활동 중.

SEO CHECK — AI 참조원별 유입 계측에도 대응한 무료 SEO 진단 툴을 공개 중.