Meta AI가 내 브랜드를 추천하는지 확인하는 방법 (코드 포함)
요약
Meta AI가 웹 검색 기반으로 브랜드를 추천하는지 확인하는 방법을 기술합니다. 개발자 API를 통해 접근할 수 있으며, 비용 절감 및 정확한 데이터 추출을 위한 구체적인 팁과 코딩 예시를 제공합니다.
핵심 포인트
- Meta AI의 웹 검색 기능은 2026년 7월부터 개발자 API로 제공됩니다.
- 비용 최적화를 위해 `max_tool_calls`와 `reasoning: {effort: minimal}` 설정을 활용하세요.
- 브랜드 언급 여부를 정확히 파악하려면 전체 단어(whole-word) 기반의 검색이 필수입니다.
‘이것을 사야 할까요?’와 같은 질문 중 상당수는 검색 결과 페이지에 도달하지 않습니다. 대신 AI 비서로 가서 세네 개의 이름으로 답변을 받습니다. 만약 당신의 브랜드가 그 목록에 없다면, 기회조차 얻지 못하는 것입니다.
ChatGPT, Gemini, Perplexity 및 Google의 AI 답변에 대해 이를 확인할 수 있는 도구들이 존재합니다. 저는 Meta AI에 대한 것은 찾을 수 없어서, 제대로 하는 방법을 알아봤습니다.
Meta는 공식적인 방법을 제공한다
Meta는 2026년 7월부터 웹 검색 기능이 내장된 Muse Spark 모델(Meta AI의 기반)을 개발자 API를 통해 제공합니다. 앱 스크래핑은 필요하지 않습니다.
요청은 다음과 같습니다:
curl https://api.meta.ai/v1/responses \
-H "Authorization: Bearer $META_API_KEY" \
-H "Content-Type: application/json" \
...
응답에는 답변 텍스트, 모델이 실행한 웹 검색 결과, 그리고 의존했던 페이지를 가리키는 url_citation 주석이 포함되어 있습니다.
비용 함정
위의 설정과 아무것도 없이 첫 번째 요청을 보냈더니 다음과 같은 결과가 나왔습니다:
- 웹 검색 3회 및 페이지 열람 3회,
- 입력 토큰 25,430개와 출력 토큰 4,112개,
- 질문 하나당 약 6센트의 청구서.
모델이 주제에 대해 철저하게 조사하기로 결정한 것입니다. 사람에게는 좋지만, 매주 200개의 질문을 하고 싶다면 비쌉니다.
다섯 가지 다른 질문에 걸쳐 측정했을 때, 다음 세 가지 설정을 통해 비용을 약 1.5센트까지 낮출 수 있었습니다:
{
"max_tool_calls": 2,
"reasoning": { "effort": "minimal" }
...
}
제가 잘못 알았던 두 가지가 있습니다:
max_output_tokens에는 모델의 추론 과정이 포함됩니다. 처음에는 이를 900으로 설정했지만, 답변이 한 문장 후에 잘리고 상태는incomplete였습니다. 여유 공간을 남겨두세요.- 지침(instructions)에 짧은 답변을 요청하세요.
Detection은 각 브랜드 이름에 대해 전체 단어(whole-word) 기반의 대소문자 구분 없는 검색을 수행하며, 이때는 해당 브랜드가 처음 등장하는 순서대로 정렬됩니다:
import re
def brands_in(answer, brands):
...
전체 단어 단위가 중요합니다. 전체 단어 처리를 하지 않으면 신발 브랜드 "On"이 텍스트 내의 모든 "online" 및 "only"와 일치하게 됩니다.
인용된 웹사이트의 경우, 최종 메시지에 있는 각 url_citation 주석의 url을 수집하세요. 응답에는 모델이 검색 과정을 서술하는 짧은 "논평(commentary)" 메시지도 포함되므로, 이러한 메시지는 건너뛰고 마지막 메시지만 유지하세요.
실제 질문에 적용했을 때의 모습
저는 러닝화에 대한 세 가지 질문을 하고 여섯 개의 브랜드를 추적했습니다. 이 세 가지 답변에서:
| 브랜드 | 언급된 답변 수 | 처음 명시된 순서 |
|---|---|---|
| ASICS | 3/3 | 2 |
| ... | ||
| Three answers is far too few to conclude anything about those brands. It shows the shape of the result: a share of answers and an order, per brand. |
이 정도 규모에서도 두 가지 점이 눈에 띄었습니다:
- 답변은 실행(run)마다 달라집니다. 같은 질문을 다시 해도 브랜드가 다른 순서로 언급되었습니다. 한 질문당 한 번의 실행은 일화일 뿐입니다. 각 질문을 여러 번 해보세요.
- 모든 답변이 출처를 인용하는 것은 아닙니다. 모델이 검색할지, 그리고 인용할지를 결정합니다. 제가 진행한 테스트에서는 약 3분의 1의 답변만이 인용을 포함했습니다.
패키징된 버전
저는 이것을 도구로 만들었습니다: Meta AI Brand Visibility Tracker (Apify에서 사용 가능). 사용자님은 브랜드, 경쟁사, 그리고 질문들을 입력하면; 답변당 한 행과 요약본이 반환됩니다.
from apify_client import ApifyClient
client = ApifyClient("YOUR_APIFY_TOKEN")
...
답변 하나당 $0.05가 소요되며, 답변에서 굵게 처리된 모든 제품 목록도 제공되어, 사용자가 추적할 것이라고 생각지 못한 경쟁사들을 찾는 데 도움이 됩니다.
알아두면 좋은 제한 사항
알아두면 좋은 제한 사항
- 앱의 복제본이 아닙니다. 답변은 Meta의 개발자 API를 통해 동일한 모델 패밀리에서 나옵니다. Meta AI 앱은 개인화될 수 있으므로, 사람마다 보는 내용이 다를 수 있습니다.
- 유료 Apify 플랜이 필요합니다. 모든 답변은 Meta로부터 구매되므로, 무료 플랜에서는 라벨링된 샘플 행만 반환됩니다.
- 짧은 브랜드 이름은 노이즈가 많습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 Dev.to AI tag의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기