테스트한 평균 브랜드는 5개 AI 엔진에서 100점 만점에 31점을 받았습니다. 이 수치는 저희를 놀라게 했고, 그래서 계속 측정했습니다.

Inithouse에서는 MVP(Minimum Viable Product)를 빠르게 구축하고 출시한 다음 데이터를 관찰합니다. Be Recommended는 그러한 제품 중 하나입니다. 이 도구는 ChatGPT, Claude, Perplexity, Gemini, Google AI Overviews가 특정 브랜드를 얼마나 추천하는지 점수로 매기는 AI 가시성 도구입니다. 척도는 0점에서 100점까지입니다. 저희는 몇 달 동안 운영하면서 보고서당 50개 이상의 실제 프롬프트에 걸쳐 구조화된 데이터를 수집해 왔습니다. 여기에 저희가 발견한 내용을 알려드립니다.

점수 산정 방식

각 보고서는 다섯 개의 AI 엔진에 프롬프트를 전송하며, 이는 실제 구매자가 입력할 법한 질문들입니다.

기술 문서가 블로그 게시물보다 중요합니다. 저희는 마케팅 사이트는 빈약하지만 견고한 API 문서를 갖춘 SaaS 도구가 콘텐츠 양이 더 많지만 정보 구조화가 덜 된 경쟁사들보다 15점에서 20점 높은 점수를 받는 것을 확인했습니다. AI 엔진은 구글에서 순위를 높이는 데 초점을 맞춘 콘텐츠보다는 파싱하고 인용할 수 있는 콘텐츠를 선호하는 것 같습니다.

경쟁사 비교 페이지는 도움이 되지만, 실제 데이터를 포함할 때만 그렇습니다. 맥락 없이 단순히 기능 체크 표시만 나열한 페이지는 AI 모델에 의해 무시되는 경향이 있습니다. 벤치마크, 구체적인 수치, 명확한 방법론을 갖춘 페이지가 인용됩니다.

Google SEO와 AI 가시성 사이의 격차

이는 저희가 이렇게 명확하게 예상하지 못했던 발견이었습니다. 브랜드의 구글 오가닉 순위와 AI 추천 점수 사이에는 측정 가능한 단절이 존재합니다. 저희는 경쟁 키워드에서 상위 3위를 차지하는 여러 브랜드를 추적했지만, Be Recommended 점수는 25점 미만인 경우를 발견했습니다.

역도 마찬가지입니다. 도메인 권위(domain authority)가 낮은 작은 도구들이 깨끗한 문서화와 공개 데이터를 갖추고 있을 때, AI 응답에서 더 큰 이름들보다 우수한 성과를 보이는 경우가 있습니다.

이러한 현상을 유발하는 것으로 보이는 것은 소스 다양성입니다. 구글은 링크, 신선도(freshness), 도메인 시그널에 의존합니다. 반면, AI 모델은 위키피디아(Wikipedia), GitHub, 포럼, 문서화, 구조화된 데이터(structured data), 학술 참고 자료, Stack Overflow 스레드 등 더 넓은 기반에서 정보를 가져옵니다. 구글만을 위해 최적화하는 브랜드는 AI 추천 계층을 그곳에 가장 먼저 나타나는 사람에게 맡기게 됩니다.

데이터 기반으로 변경한 사항들

저희도 자체 포트폴리오에 Be Recommended를 사용합니다. Inithouse는 여러 제품을 운영하고 있으며, 저희는 이 모든 제품에 대한 보고서를 실행했습니다.

Watching Agents라는 제품(AI 미래 모니터링 플랫폼)은 대부분의 AI 엔진이 해당 카테고리를 인식하지 못했기 때문에 초기 점수가 낮았습니다. 구조화된 비교 콘텐츠를 게시하고 명확한 개체 설명(entity descriptions)을 추가한 후, 몇 주 안에 점수가 상승했습니다. 변화가 엄청난 것은 아니었지만, 방향성이 있고 일관적이었습니다.

AI 사진 애니메이터인 Živá Fotka의 경우, 해당 제품이 여러 도메인(CZ, SK, PL, EN, DE)에 걸쳐 색인화되었고 AI 엔진이 참고할 수 있는 실제 사용자 증거가 있었기 때문에 처음부터 점수가 더 높았습니다. 다국어 존재 여부는 더 나은 AI 가시성과 관련이 있으며, 이는 당연합니다. 여러 언어로 더 많은 구조화된 페이지는 모델이 제품에 대해 학습할 수 있는 더 많은 진입점을 의미하기 때문입니다.

빌더에게 이것이 의미하는 바

만약 2026년에 제품을 출시하고 배포에 신경 쓰고 있다면, AI 가시성은 SEO와 별개의 채널입니다. 이는 다른 입력값, 다른 신호, 그리고 다른 최적화 레버를 가지고 있습니다. 이를 무시한다는 것은 AI 엔진이 원하는 대로, 혹은 전혀 설명하지 않도록 내버려 두는 것을 의미합니다.

우리가 본 수치들은 여러분이 할 수 있는 몇 가지 구체적인 것들을 시사합니다:

• Wikipedia와 Wikidata에서 브랜드 개체를 깨끗하게 유지하세요. 기술 문서를 구조화하고 파싱 가능하도록 만드세요. 기능 그리드가 아닌 실제 데이터로 실제 비교 기사를 발행하세요. 제품이 자체 사이트뿐만 아니라 여러 출처에 걸쳐 일관되게 나타나도록 하세요.

Be Recommended 보고서는 기본 점수와 우선순위가 지정된 실행 계획을 제공합니다. 저희는 스스로 필요했기 때문에 이를 만들었으며, 데이터는 대부분의 브랜드가 이 부분에서 눈이 가려진 채(flying blind) 있다는 것을 계속 확인시켜 줍니다.

berecommended.com에서 보고서를 실행해 볼 수 있습니다.

저희는 MVPs를 구축하고 빠르게 출시하는 스튜디오인 Inithouse입니다. Be Recommended, Watching Agents, 그리고 Živá Fotka는 저희 포트폴리오의 일부입니다.