우리 브랜드의 AI 노출률은 왜 업체마다 다를까
같은 브랜드를 넣었는데 A 업체는 노출이 높다고 하고 B 업체는 낮다고 말한다. 어느 쪽이 틀렸다고 단정하기는 어렵다. 두 업체가 같은 것을 재고 있지 않을 가능성이 더 크기 때문이다.
인터랙티브 광고 협회(Interactive Advertising Bureau, IAB)는 2026년 8월 Measuring Visibility in the AI Era를 공개하면서 이 문제를 정면으로 다뤘다. IAB에 따르면 AI 노출 측정 도구를 판매하는 회사는 20곳을 넘는다. 방법론이 달라 같은 브랜드나 퍼블리셔에도 서로 다른 결과가 나온다. IAB가 별도의 공통 지표 체계와 품질 기준을 만든 이유다.
AI 노출률을 검색 순위처럼 하나의 객관적 숫자로 받아들이면 판단이 빨라 보인다. 실제로는 프롬프트 모집단, 측정하는 AI 플랫폼, 언급과 인용의 집계 방식, 가중치, 반복 횟수와 시점, 브랜드 엔터티 정의가 점수에 함께 들어간다. 이 글의 질문은 어느 업체가 가장 정확하냐가 아니다. 어떤 숫자가 어떤 질문에 답하는지 구분하는 법이다.
시장 신호
20+
IAB가 언급한 AI 노출 측정 업체 수
IAB 측정 계층
4P
Presence · Prominence · Portrayal · Persuasion
AgencyTimes 프레임
6개
점수보다 먼저 확인할 측정 정의 항목
AI 노출률은 하나의 표준 숫자가 아니다
IAB는 AI 노출 측정을 네 층으로 나눈다. Presence는 브랜드가 답변에 등장했는지, Prominence는 어디에 얼마나 두드러지게 등장했는지, Portrayal은 어떤 맥락과 정확도로 묘사됐는지, Persuasion은 추천이나 클릭 같은 행동으로 이어졌는지를 본다.
문제는 시장에서 AI visibility, AI share of voice, visibility score 같은 이름이 이 네 층 가운데 서로 다른 부분을 가리킨다는 데 있다. 어떤 도구는 브랜드명이 답변에 한 번 등장했는지를 중심으로 본다. 다른 도구는 인용 링크, 답변 내 위치, 경쟁사 대비 점유율, 검색량 추정치까지 더한다.
| IAB 4P | 묻는 질문 | 대표 지표 |
|---|---|---|
| Presence | 브랜드가 등장했는가 | 언급률, 인용률, 점유율 |
| Prominence | 어디에 얼마나 두드러지게 등장했는가 | 배치, 순서, 답변 내 비중 |
| Portrayal | 정확하고 원하는 맥락으로 묘사됐는가 | 감성, 프레이밍, 사실 오류 |
| Persuasion | 추천과 행동으로 이어졌는가 | 추천 강도, 인용 후 클릭 |
35점과 62점처럼 서로 다른 숫자를 받아도 두 값을 바로 비교하면 안 된다. 먼저 같은 측정 단위를 쓰는지 확인해야 한다. 광고 측정에서 클릭률과 도달률을 같은 숫자로 비교하지 않는 것과 같다.
AGENCYTIMES VIEW
플랫폼·광고 측정에서 오래된 원칙 하나는 여전히 유효하다. 지표 이름보다 분모와 수집 조건을 먼저 봐야 한다. AI 노출률도 예외가 아니다.
첫 번째 차이는 어떤 질문을 물었는가에서 생긴다
AI 노출 측정에서 가장 큰 변수 중 하나는 프롬프트 세트다. 사용자가 AI에게 던질 수 있는 질문은 사실상 무한하다. 측정 업체는 그 가운데 일부를 골라 표본을 만든다.
Ahrefs는 공개한 Brand Radar 방법론에서 Google의 People Also Ask와 자체 키워드 데이터베이스를 출발점으로 삼아 의미적으로 관련된 하위 질문을 확장한다고 설명한다. 검색 수요가 확인된 질문과 주제 범위를 넓히는 질문을 함께 쓰는 접근이다. 대규모 시장 벤치마크에는 유용하지만 긴 꼬리 질문이나 특정 기업의 실제 구매 질문을 모두 담는 것은 아니다.
Semrush는 자사 AI 노출 운영 사례에서 프롬프트 선택이 결과를 크게 바꾼다고 설명한다. 초기에는 39개 프롬프트를 추적했지만 이후 726개로 범위를 넓혔다. 두 세트는 직접 비교하기 어렵기 때문에 기준선도 다시 잡았다고 밝혔다. 표본이 바뀌면 점수의 의미도 바뀐다는 사례다.
예를 들어 ‘CRM 추천’이라는 넓은 질문을 많이 넣은 측정과 ‘제조업 500명 규모 기업이 쓸 CRM’, ‘한국어 고객지원을 지원하는 CRM’, ‘Salesforce 대안’처럼 구매 조건이 좁은 질문을 많이 넣은 측정은 같은 브랜드를 전혀 다르게 보여줄 수 있다.
보고서에서 먼저 확인할 것은 프롬프트 모집단이다. 몇 개를 돌렸는지보다 어떤 의도와 지역, 언어, 구매 단계가 들어갔는지가 더 중요하다.
같은 AI 점유율도 분모와 가중치가 다르다
이름이 같은 지표도 계산식이 같다는 보장은 없다. Semrush는 AI 점유율을 기본적으로 카테고리 안 전체 브랜드 언급 중 특정 브랜드가 차지하는 비율로 설명한다. Brand Performance에서는 언급 횟수와 답변 내 위치를 반영한다. Enterprise AIO의 ChatGPT 계산에는 주제의 검색량도 반영한다고 공개한다.
Ahrefs는 언급, 인용, 노출수, AI 점유율을 구분한다. 브랜드가 한 답변에서 여러 차례 나와도 언급은 한 건으로 계산하며, 예상 노출수는 프롬프트와 연결된 검색 수요를 사용해 잠재 노출을 모델링한다. AI 점유율은 이 노출 추정치를 경쟁 브랜드와 비교하는 방식이다.
| 공개 방법론 예시 | 프롬프트·표본 | 집계·가중치 | 읽을 때 주의할 점 |
|---|---|---|---|
| Ahrefs Brand Radar | 검색 키워드·People Also Ask 기반 + 의미 확장 | 언급·인용·추정 노출·AI 점유율, 검색 수요 기반 모델링 | 실제 AI 이용자 도달률이 아니라 모델링된 가시성 신호 |
| Semrush AI Visibility / Enterprise AIO | 카테고리·사용자 정의 프롬프트, 제품별 범위 차이 | 언급 비중을 기본으로 위치·검색량 등 제품별 요소 반영 | 같은 Semrush 안에서도 제품과 설정에 따라 계산 맥락이 다름 |
※ 위 표는 업체 순위를 매기기 위한 비교가 아니다. 각 회사가 공개한 문서에서 확인되는 방법론 차이를 보여주는 예시다.
방법론은 계속 바뀐다. Ahrefs는 2026년 8월 31일부터 AI Adjusted Volume을 도입해 플랫폼별 예상 사용 비율을 검색량에 곱하는 방식을 적용했다. 변경 전후의 Volume·Impression 등 일부 수치가 맞지 않을 수 있다고 안내한다.
이 사례는 특정 업체가 잘못 측정한다는 뜻이 아니다. AI 노출률에는 아직 모델링 가정이 많이 들어간다. 숫자를 구매할 때는 계산식과 함께 그 계산식이 언제 바뀌었는지도 확인해야 한다.
AI 답변 자체가 고정되어 있지 않다
검색 순위도 변하지만 생성형 AI의 답변은 더 유동적이다. 같은 프롬프트도 실행 시점, 모델 버전, 검색 호출 여부, 세션 맥락에 따라 브랜드와 인용 출처가 달라진다.
Semrush는 자사 운영 경험을 설명하면서 같은 프롬프트의 답변이 하루 안에서도 달라질 수 있다고 적었다. IAB 역시 안정성과 재현성을 별도 품질 조건으로 다룬다. 프롬프트 유형, 표본 크기, 테스트 주기, 플랫폼 범위를 함께 보라고 권고한다.
한 번 실행해서 브랜드가 나오지 않았다고 ‘AI에서 사라졌다’고 말하기 어려운 이유다. 반대로 한 번 추천됐다고 높은 노출을 확보했다고 말하기도 어렵다. 반복 관측 없이 만든 스냅숏은 화면 캡처로는 유용하지만 예산 판단 자료로는 약하다.
DIRECTIONAL OR DECISION-GRADE?
방향성 측정 · 초기 신호, 경쟁 상황, 변화 방향을 파악하는 용도
의사결정급 측정 · 충분한 표본, 반복성, 프롬프트 유형, 테스트 주기, 재현성, 플랫폼 범위를 갖춰 예산·전략 판단에 사용할 수 있는 수준
언급률 하나로는 브랜드 영향력을 설명하기 어렵다
AI 답변에서 브랜드명이 나오는 것과 좋은 위치에서 추천되는 것은 다르다. 브랜드 사이트가 출처로 인용되는 것과 그 브랜드 제품이 구매 후보로 제안되는 것도 별개의 일이다.
IAB가 Presence 다음에 Prominence, Portrayal, Persuasion을 둔 이유가 여기에 있다. 존재 여부를 확인한 뒤에는 어디에서 등장했는지, 정확하게 설명됐는지, 추천 강도나 후속 행동이 있었는지를 봐야 한다.
2026년 공개된 생성형 엔진 최적화(Generative Engine Optimization, GEO) 관련 프리프린트 연구도 인용 횟수만으로는 충분하지 않다고 제안한다. 연구진은 AI가 페이지를 출처로 선택하는 단계와 그 페이지의 내용이 실제 답변에 얼마나 흡수되는지를 구분했다. 플랫폼마다 인용 폭과 실제 답변 기여 정도가 달랐다.
마케팅팀 입장에서는 이 차이가 크다. 브랜드 이름이 자주 등장해도 ‘저가 대안’, ‘초보자용’, ‘고객지원이 약한 제품’처럼 원하지 않는 맥락으로 묘사될 수 있다. 이 경우 Presence는 높아도 Portrayal은 문제가 된다.
AI 노출 업체를 고를 때 필요한 측정 정의서 6개 항목
AI 노출 도구를 구매하거나 대행사 보고서를 받을 때 하나의 종합점수부터 비교하지 않는 편이 낫다. 먼저 그 숫자가 만들어진 조건을 같은 표에 놓아야 한다.
AI VISIBILITY MEASUREMENT CONTRACT
- 프롬프트 모집단: 질문을 어떤 기준으로 만들었는가. 정보 탐색·비교·구매 의도와 브랜드명 포함 여부가 구분돼 있는가?
- 플랫폼·인터페이스: ChatGPT, Gemini, AI Mode, Perplexity 중 무엇을 재는가. 웹 화면과 API, 지역·언어 조건은 어떻게 통제하는가?
- 집계 정의: 언급 1회, 인용 1회, 점유율이 정확히 무엇을 뜻하는가. 답변 내 위치와 경쟁사 수가 계산에 들어가는가?
- 가중치: 모든 프롬프트를 동일하게 보나. 검색량·구매 의도·플랫폼 사용량을 가중한다면 그 가정이 공개돼 있는가?
- 반복과 시점: 같은 프롬프트를 몇 번, 얼마나 자주 실행하는가. 모델 업데이트 전후와 변동 범위를 어떻게 처리하는가?
- 엔터티 정의: 브랜드명·제품명·약칭·오탈자·모회사와 자회사·경쟁사 그룹을 어떻게 묶는가?
이 여섯 가지를 공개하지 않는 종합점수는 비교용 참고치로는 쓸 수 있어도 예산이나 성과평가의 기준으로 쓰기 어렵다. 반대로 점수가 낮더라도 표본과 정의가 투명하면 개선 실험의 기준선으로는 더 가치가 있을 수 있다.
실무자가 처음 볼 것은 세 장면이다. 구매 의도가 높은 핵심 프롬프트에서 브랜드가 얼마나 등장하는지, 그 답변에서 경쟁사 대비 위치와 추천 맥락은 어떤지, 반복 측정해도 같은 패턴이 유지되는지다. 그 다음에 인용된 도메인과 페이지를 보면 원인을 찾을 수 있다.
조직별로 우선순위도 달라진다. PR팀은 Portrayal과 출처 구성을 더 중요하게 볼 수 있다. SEO팀은 인용과 주제 커버리지, 브랜드팀은 경쟁사 대비 Presence와 Prominence를 볼 가능성이 높다. 퍼포먼스 조직이라면 Persuasion과 실제 유입·전환의 연결이 더 가깝다.
같은 대시보드를 보더라도 조직마다 답해야 할 질문이 다르다. 하나의 점수로 모든 팀을 평가하면 측정은 간단해지지만 판단은 흐려진다.
AI 노출률이 업체마다 다른 데에는 시장의 초기 단계라는 이유만 있는 것이 아니다. AI 답변을 측정하려면 무한한 질문 가운데 표본을 고른 뒤 플랫폼을 정해야 한다. 언급과 인용의 정의, 가중치도 필요하다. 측정자가 내린 선택이 숫자 안에 들어간다.
그래서 지금 필요한 것은 정답처럼 보이는 점수를 찾는 일이 아니다. 우리 조직이 어떤 결정을 내리려는지 먼저 정한 뒤 그 결정에 맞는 표본과 지표인지 확인해야 한다. 다음 보고서에서 AI 노출률이 5포인트 올랐다는 숫자를 보면 세 가지부터 확인하면 된다. 프롬프트 세트가 같았는가. 계산식이 같았는가. 반복 관측에서도 같은 방향이 나왔는가.
AI 노출률은 하나의 표준 순위가 아니다. 업체마다 프롬프트 표본, 플랫폼 범위, 언급·인용 정의, 가중치, 반복 주기, 브랜드 엔터티 처리 방식이 달라 같은 브랜드에도 다른 결과가 나온다. 점수보다 먼저 측정 정의를 확인해야 한다. Presence·Prominence·Portrayal·Persuasion 중 어떤 질문에 답하는 지표인지도 구분해야 한다.
FAQ
AI 노출률에 대해 자주 묻는 질문
Q. AI 노출률은 검색 순위처럼 하나의 객관적 숫자인가요?
아니다. AI 노출률은 정해진 프롬프트와 플랫폼을 표본으로 관측한 결과다. 업체가 어떤 프롬프트와 집계식을 쓰는지에 따라 값이 달라지므로 측정 조건을 함께 봐야 한다.
Q. 같은 브랜드인데 업체별 AI 점유율이 다른 가장 큰 이유는 무엇인가요?
프롬프트 모집단과 계산식이 다르기 때문이다. 여기에 측정 플랫폼, 지역·언어, 반복 주기, 경쟁사 정의와 가중치 차이까지 더해진다.
Q. 처음 AI 노출을 측정할 때 어떤 지표를 봐야 하나요?
구매 의도가 높은 핵심 프롬프트에서 Presence를 기준선으로 삼는다. Prominence와 Portrayal을 함께 보는 편이 실무적이다. 한 번의 결과보다 반복 측정에서 같은 패턴이 유지되는지도 확인해야 한다.
Q. AI 노출률을 예산이나 성과평가 KPI로 바로 써도 되나요?
방향성 데이터만으로 예산 결정을 내리기는 이르다. 표본 크기, 프롬프트 유형, 반복성, 재현성, 플랫폼 범위와 방법론 공개 수준이 의사결정급인지 확인한 뒤 사용해야 한다.
TERMINOLOGY
본문에 나온 주요 용어
| 용어 | 뜻 | 실무 포인트 |
|---|---|---|
| AI Visibility | AI 답변에서 브랜드·콘텐츠가 나타나는 정도 | 표준 단일 점수가 아니므로 방법론 확인이 먼저다 |
| AI Share of Voice | 경쟁 브랜드 대비 AI 답변 내 점유 비중 | 업체마다 언급·위치·노출 가중치가 다를 수 있다 |
| GEO | 생성형 엔진 최적화(Generative Engine Optimization) | 언급·인용뿐 아니라 답변에 실제로 반영되는 맥락도 봐야 한다 |
| Decision-grade | 예산·전략 판단에 쓸 수준의 측정 품질 | 표본·반복성·재현성·플랫폼 범위를 함께 검증한다 |
References
- [1] IAB | Measuring Visibility in the AI Era
- [2] IAB | Measuring Visibility in the AI Era release and 4P framework
- [3] Ahrefs | Brand Radar Methodology
- [4] Ahrefs | AI Visibility Metrics
- [5] Ahrefs | AI Adjusted Volume methodology
- [6] Semrush | How to measure AI share of voice
- [7] Semrush | How we're driving AI visibility at Semrush
- [8] arXiv | From Citation Selection to Citation Absorption
댓글
댓글 쓰기