GEO 감사 수행 방법: AI 검색 노출도 추적하기

소개

대부분의 마케팅 팀은 AI 노출도를 확인하는 방식이 비슷합니다. 누군가 ChatGPT를 열고 “[도시]에서 가장 좋은 [카테고리]”라고 입력한 뒤, 답변을 확인하는 식이죠. 브랜드가 나타나면 모두 안도하고, 나타나지 않으면 슬랙 채널에서 누군가가 당황합니다. 어느 쪽이든 사실상 배운 것은 거의 없습니다. 하나의 플랫폼에서 단 한 번 실행된 단일 프롬프트는 단순한 일화일 뿐이니까요.

GEO 감사는 이러한 일화적인 사례를 반복 가능한 측정 방식으로 대체합니다. GEO( 생성형 엔진 최적화 )는 AI가 생성한 답변에 브랜드가 정확하게 노출되도록 하는 분야입니다. 이 가이드는 전체 감사의 5단계, 즉 고정된 프롬프트 패널 구축, 여러 플랫폼에서 일관되게 실행, 답변 평가, 답변의 출처 매핑, 그리고 일정대로 재실행을 단계별로 안내합니다. 이 과정을 마치면 방어할 수 있는 기준선을 확보하게 되며, 다음 달에도 처음부터 다시 시작하지 않고 반복할 수 있는 프로세스를 갖추게 될 것입니다.

GEO 감사가 실제로 측정하는 것

지금 이 문제를 진지하게 받아들여야 하는 이유는 간단합니다. AI 답변이 조용히 구매 채널로 자리 잡았기 때문입니다. 예전에는 10개의 파란색 링크를 열었던 잠재 고객들이 이제는 하나의 합성된 답변을 읽고 그에 따라 행동합니다. 그 답변에 포함된 브랜드들이 수요를 독차지하고, 나머지 브랜드들은 남은 부분을 나눠 가집니다. 대부분의 기업은 자사가 그 경계선의 어느 쪽에 있는지 전혀 알지 못합니다.

단계별 설명을 시작하기 전에, 측정 단위를 명확히 하는 것이 도움이 됩니다. 이는 단순한 순위 평가가 아니기 때문입니다.

GEO 감사에서는 네 가지 항목을 측정합니다. 첫째, 언급: 구매자가 귀사의 구매자들이 흔히 묻는 종류의 질문을 했을 때, 어시스턴트가 귀사의 브랜드 이름을 언급하는가? 둘째, 인용: 귀사에 대해 언급할 때, 귀사의 웹사이트를 가리키는지, 아니면 타사의 웹사이트를 가리키는지? 셋째, 설명: 귀사에 대해 언급할 때, 카테고리, 위치, 가격대, 핵심 서비스 등 그 내용이 사실인가요? 넷째, 출처 의존도: 어시스턴트가 답변을 구성할 때 어떤 제3자 페이지에 의존하고 있으며, 해당 페이지들이 귀사가 원하는 내용을 담고 있나요?

이 네 가지 요소는 서로 독립적으로 작용합니다. 브랜드가 곳곳에서 언급되더라도 인용되는 곳은 하나도 없을 수 있습니다. 인용되더라도 부정확하게 묘사될 수 있습니다. 이번 분기에 우연히 호의적인 평가를 담은 오래된 리뷰 페이지 하나 때문에 브랜드가 긍정적으로 묘사될 수도 있습니다. 이 모든 것을 하나의 ‘AI 점수’로 평균화하면 가장 주목해야 할 문제점들이 가려집니다. 네 가지 요소를 분리하여 분석하면 감사는 진단적 성격을 띠게 되며, 각 실패 유형마다 다른 해결책이 필요합니다.

시작하기 전에 한 가지 더 합의해야 할 점이 있습니다. 감사는 끊임없이 변화하는 시스템의 순간적인 스냅샷입니다. 모델은 업데이트되고, 검색 소스는 바뀌며, 답변은 변동합니다. 가치는 단일 실행에 있는 것이 아니라, 나중에 동일한 테스트를 다시 실행하여 그 차이를 확인하는 데 있습니다. 아래 단계의 모든 내용은 이러한 반복을 비용 효율적이고 정확하게 수행할 수 있도록 설계되었습니다.

1단계: 고정된 프롬프트 패널 구축

감사의 기초는 마케팅 팀이 말하는 방식이 아니라 실제 구매자가 말하는 방식으로 작성된 20~30개의 질문으로 구성된 패널입니다. 이는 말처럼 쉽지 않습니다. 내부 팀은 자사 브랜드 용어를 포함하는 질문을 작성하는 경향이 있는데, 이는 어떤 구매자도 사용하지 않는 용어이며, 이로 인해 감사가 무의미해지기 때문입니다.

좋은 질문 패널은 다섯 가지 유형의 질문을 혼합합니다. 카테고리 질문: “자카르타에서 생성형 엔진 최적화를 다루는 대행사는 어디인가요?” 문제 제기형 질문: “왜 ChatGPT는 우리 회사를 전혀 언급하지 않나요?” 비교 질문: “X에 대한 상위 3개 옵션을 비교해 주세요.” 구매자가 실제로 사용하는 모든 언어로 된 지역별 또는 언어별 질문. 그리고 기능, 가격대, 요구 사항을 명시하는 구체적 질문. 이는 구매 결정과 가장 밀접한 관련이 있는 질문들이기 때문입니다. 이때 키워드 조사 도구가 도움이 됩니다. 사람들이 이미 구글에 입력하고 있는 검색어들이 바로 그들이 어시스턴트에 입력할 질문들을 위한 최고의 원자료이기 때문입니다.

다음은 B2B 서비스 브랜드에 대한 실제 패널 데이터의 일부입니다:

• “중견 전자상거래 기업에 가장 적합한 GEO 대행사는 어디인가?” - “GEO 감사 비용은 얼마이며, 어떤 내용이 포함되어야 하는가?” - “[브랜드]와 [경쟁사] 중 국제 SEO에는 어느 쪽이 더 나을까요?” - “AI 검색을 잘 이해하는 자카르타의 디지털 대행사는 어디인가요?” (구매자의 다른 언어로 표현된 동일한 검색 의도) - “왜 Perplexity는 [경쟁사]를 추천하고 [브랜드]는 추천하지 않나요?”

이 중 어느 것도 브랜드의 슬로건, 제품명, 내부 용어를 언급하지 않는다는 점에 주목하세요. 바로 그게 핵심입니다.

패널의 신뢰성을 유지하기 위한 세 가지 규칙이 있습니다. 브레인스토밍이 아닌 영업 통화 및 지원 티켓에서 질문을 도출하십시오. 구매자가 영업 담당자에게 사용하는 표현이 바로 챗봇에게 사용하는 표현입니다. 반드시 승리할 것으로 예상되는 질문 몇 개와 패배할 것으로 예상되는 질문 몇 개를 포함시키십시오. 모든 질문에서 승리하는 패널은 아무런 정보를 제공하지 않습니다. 그리고 질문 목록을 고정하십시오. 이러한 평가가 실패하는 가장 흔한 이유는 매달 몰래 더 쉬운 질문으로 바꿔 넣는 것인데, 이로 인해 어떤 추세선도 상승하게 됩니다. 패널 구성을 한 번 합의하고, 문서로 작성하여 이해관계자들과 공유한 뒤, 평가가 진행되는 동안에는 절대 수정하지 마십시오.

2단계: 모든 플랫폼에서 일관되게 패널을 실행하세요

구매자들이 사용하는 모든 플랫폼에서 모든 질문을 실행하십시오. 오늘날 대부분의 브랜드에게 이는 ChatGPT, Gemini, Google AI Overviews, Google AI Mode, Perplexity, Copilot, Claude, Grok 등을 의미하지만, 습관이 아닌 자체 분석 결과와 고객 기반을 바탕으로 결정하십시오.

범위보다 일관성이 더 중요합니다. 각 플랫폼마다 새로운 세션을 사용하세요: 피할 수 있는 경우 로그인된 상태에서의 개인화 기능을 사용하지 말고, 맞춤 지침을 주지 않으며, 매 실행마다 동일한 위치 및 언어 설정을 유지하세요. 이러한 설정은 답변에 영향을 미치므로, 한 번 문서화한 후 재사용하십시오. 각 플랫폼에서 질문을 한 번이 아니라 세 번씩 실행하세요. 한 번만 실행하면 결과가 지나치게 긍정적이거나 부정적으로 보일 수 있지만, 세 번 실행하면 답변이 실제로 얼마나 안정적인지 파악할 수 있습니다. 세 번의 실행 중 두 번에서 브랜드가 언급된다면, 세 번 모두에서 언급되는 경우와는 다른 결과입니다.

언어를 생략하지 마세요. 영어와 인도네시아어로 같은 질문을 했을 때 완전히 다른 후보 목록이 나올 수 있습니다. 모델이 참조하는 기본 소스가 언어에 따라 다르기 때문입니다. 두 개 이상의 언어 시장에 제품을 판매하는 브랜드는 사실상 언어별로 한 번씩 감사를 수행하는 것과 같습니다.

진행하면서 모든 내용을 기록하세요: 질문, 플랫폼, 실행 번호, 날짜, 전체 답변 텍스트 또는 스크린샷. 기록 작업은 첫 주에는 지루하게 느껴지겠지만, 세 달째가 되어 누군가 수치가 왜 변동했는지 묻는 순간, 이 기록은 여러분이 가진 가장 귀중한 자료가 될 것입니다.

간단한 로그 구조면 충분합니다. 실행당 한 행씩, 날짜, 플랫폼, 질문 ID, 실행 번호, 언급 여부(예/아니오), 인용된 URL(있는 경우), 설명 요약, 표시된 출처, 전체 답변 링크 등의 열을 포함시키세요. 이 단계에서는 스프레드시트가 대시보드보다 유용합니다. 이해관계자들이 실제로 무엇을 묻는지 파악해 가면서 형식이 바뀌게 될 텐데, 스프레드시트는 이러한 변경을 유연하게 수용해 줍니다.

3단계: 언급, 인용 및 설명에 점수 매기기

각 답변에 대해 다음 네 가지 항목을 기록하세요.

언급: 브랜드 이름이 언급되었는지 여부(예/아니오). 인용: 답변에 귀사의 사이트로 연결되는 링크가 있었는지, 링크가 있다면 어디로 연결되었는지. 설명: 브랜드가 어떻게 묘사되었는지에 대한 간략한 메모 — 카테고리, 위치, 포지셔닝, 가격대. 출처: 답변이 명시적으로 의존한 외부 페이지와, 플랫폼에서 해당 출처가 표시되는 위치.

두 가지 패턴에 특히 주의를 기울여야 합니다. 인용 없이 브랜드가 언급된 경우, 모델이 브랜드 이름을 알고 있지만 이를 귀사가 소유한 출처와 연결하지 못했다는 뜻입니다. 이는 대개 귀사 사이트가 해당 질문에 대한 최상의 답변이 아니라는 신호입니다. 잘못된 설명이 포함된 인용은 두 경우보다 더 심각합니다. 어시스턴트가 귀사가 하는 일, 위치, 가격 등을 잘못 설명하면서도 자신 있게 구매자를 귀사로 안내하고 있기 때문입니다. 팀들은 이 문제를 과소평가하는 경향이 있습니다. 귀사의 이름을 언급하되 위치, 가격대, 핵심 서비스를 잘못 전달하는 어시스턴트는 귀사를 아예 언급하지 않는 경우보다 더 큰 피해를 입힙니다. 이는 대규모로 실망한 구매자를 양산하기 때문입니다.

여러 플랫폼을 하나의 평균치로 뭉뚱그리고 싶은 유혹을 참으십시오. 플랫폼마다 작동 방식이 너무 달라 평균치는 허구일 뿐입니다. 저희가 고객사를 대상으로 업무를 수행할 때, 특정 브랜드가 수백 건의 Google AI 개요 및 AI 모드 답변에 등장하는 반면, 동일한 질문 패널에 대해 Copilot, Perplexity, Gemini, ChatGPT를 합쳐도 수십 건의 언급만 나오는 사례를 흔히 목격합니다. 단순히 통합된 수치만 확인하는 브랜드는 자사의 AI 노출도가 “모든 플랫폼에서 중간 수준”이라고 믿게 되겠지만, 실제로는 구글 플랫폼에서는 강세를 보인 반면 독립형 어시스턴트에서는 거의 노출되지 않는 경우가 많습니다. 이는 해결책이 완전히 다른 두 가지 문제입니다.

4단계: 답변의 출처 파악하기

이 단계는 측정 결과를 실행 계획으로 전환하는 단계입니다.

어시스턴트가 귀사의 카테고리에 대한 주장을 뒷받침하기 위해 출처를 인용하면, 그 출처를 기록해 두십시오. 전체 패널을 검토하면 리뷰 플랫폼, 비교 기사, 업계 디렉토리, 위키백과, 레딧 스레드, 뉴스 보도, 자사 채널 등 목록이 수집될 것입니다. 이 목록이 바로 실제 전장입니다. 모델은 브랜드에 대한 의견을 만들어내지 않으며, 웹에 이미 존재하는 정보를 검색하여 요약할 뿐입니다.

세 가지 질문을 염두에 두고 출처 목록을 살펴보세요. 이 페이지들 중 우리가 직접 또는 관계를 통해 통제할 수 있는 것은 무엇인가? 어떤 페이지가 부정확하거나, 오래되었거나, 우리 브랜드가 누락되어 있는가? 그리고 이를 수정하려면 무엇이 필요한가? 또한 경쟁사에는 나타나지만 우리에게는 나타나지 않는 출처는 무엇인가?

구체적인 예시를 들어보겠습니다. “Y에 가장 적합한 X”라는 비교 질문이 한 유명 리뷰 사이트와 한 업계 디렉토리에 지속적으로 의존한다고 가정해 봅시다. 귀사의 브랜드는 두 곳 모두에 등장하지 않는 반면, 세 경쟁사는 두 곳 모두에 등장합니다. 이번 점검을 통해 명확한 사실이 드러났습니다. 즉, 검색 알고리즘이 귀사를 무시하는 것이 아니라, 이 질문과 관련해 중요한 두 페이지에 귀사가 존재하지 않는 웹상의 상황을 충실히 반영하고 있는 것입니다. 해결책 역시 명확합니다. 바로 해당 두 페이지에 정확하고 최신 정보를 반영하여 귀사의 존재감을 확보하는 것입니다. 홈페이지 문구를 아무리 수정해도 그 답변은 바뀌지 않았을 것입니다.

이것이 바로 GEO와 전통적인 SEO가 결국 도구 상자의 대부분을 공유하게 되는 이유이기도 합니다. 순위에 오르는 출처는 검색 결과에 노출되는 출처인 경향이 있습니다. 디지털 PR, 신뢰할 수 있는 매체에 게재되는 게스트 기사, 정확한 디렉토리 등록, 실제 고객의 리뷰 등은 화려하지는 않지만, 바로 AI 답변을 움직이는 핵심 요소들입니다. 이는 또한 Arfadia에서 AI 검색 입지를 구축하는 브랜드를 위해 수행하는 업무의 핵심이기도 합니다.

5단계: 수정 후, 일정에 따라 재실행

슬라이드 자료로 끝나는 감사 보고서는 아무것도 바꾸지 못합니다. 감사 결과를 영향력 순으로 정렬된 수정 목록으로 전환하세요. 먼저 권위 높은 출처의 잘못된 설명을 수정하고, 다음으로 카테고리 답변을 주도하는 출처에서 입지를 구축한 뒤, 마지막으로 자사 페이지를 강화하여 해당 브랜드가 주도해야 할 질문에 대해 가장 잘 검색되는 답변이 되도록 만드세요.

그런 다음 동일한 패널(동일한 질문, 동일한 플랫폼, 동일한 설정, 동일한 3회 실행)을 정해진 주기로 재실행하세요. 대부분의 브랜드에는 월간 주기가 적합하며, 분기별은 최소 주기로 삼아야 합니다. 실행 결과 간, 플랫폼별, 지표별로 비교 분석하세요. 여기서 주목해야 할 것은 수치가 상승하는 것이 아닙니다. 여러분이 주목해야 할 것은 구체적인 답변의 변화입니다. 이제 여러분이 포함된 비교 질문, 마침내 정확해진 설명, 3년 전 리뷰 대신 여러분의 사이트를 인용하는 퍼플렉시티(Perplexity) 답변 등이 바로 그것입니다.

이해관계자들과 일찍부터 기대치를 설정하세요: 모델과 검색 레이어는 자체 일정에 따라 업데이트되기 때문에, AI 답변의 변화는 실제 작업보다 몇 주에서 몇 달 정도 뒤처집니다. 한 달 동안 수정 작업을 거친 후 첫 재실행에서 변화가 없는 것은 정상적인 현상일 뿐, 결론을 내릴 근거가 아닙니다.

보고서에 대해서는 별도로 언급할 필요가 있습니다. SEO 보고서에 익숙한 이해관계자들은 AI 버전의 ‘순위 추적기’를 요구할 것입니다. 즉, 하나의 수치가 상승하는 것을 원할 것입니다. 그들에게 더 나은 것을 제공하십시오. 플랫폼별 간결한 보고서, 네 가지 지표를 분리하여 제시하고, 두세 개의 답변 원문 발췌문, 그리고 상태 정보가 포함된 수정 목록을 포함시키세요. 원문 발췌문은 어떤 차트보다 신뢰도를 높이는 데 효과적입니다. 왜냐하면 귀사를 잘못 설명하는 AI 어시스턴트의 스크린샷을 보고는 아무도 반박할 수 없기 때문입니다.

또한 기존의 SEO 측정 방식을 대체하기보다는 병행하여 운영하는 것이 도움이 됩니다. 순위, 자연 검색 트래픽, AI 가시성은 서로 다른 질문에 답합니다. 즉, 검색 결과 페이지에서 귀사가 어떤 위치에 있는지, 그리고 직접 질문했을 때 기계가 귀사에 대해 무엇을 말하는지입니다. 이 두 가지는 점점 더 많은 정보를 공유하고 있으므로, 랭크 트래커의 키워드 순위와 감사 로그의 언급 및 인용 내역을 나란히 추적하면 어떤 조치가 어떤 결과를 이끌어냈는지 파악할 수 있습니다.

GEO 감사를 자동화할 수 있을까요?

부분적으로 가능합니다. 패널을 실행하고 답변을 기록하는 과정은 자동화할 수 있으며, 대규모 패널의 경우 반드시 자동화해야 합니다. 가시성을 추적하는 동일한 AI 검색 SEO 도구를 사용하여 실행 일정을 예약할 수 있습니다. 답변을 읽는 작업은 자동화해서는 안 되며, 적어도 완전히 자동화해서는 안 됩니다. 설명이 미묘하게 틀렸는지(올바른 서비스지만 잘못된 시장, 올바른 가격이지만 잘못된 등급 등) 판단하는 것은 여전히 사람의 몫이며, 바로 그곳에 가장 큰 비용이 드는 오류가 숨어 있습니다. 합리적인 방식은 자동화된 수집과 사람이 직접 평가하는 방식을 동일한 고정 주기로 병행하는 것입니다.

GEO 감사를 은밀하게 망치는 흔한 실수들

감사에서 실패하는 대부분의 사례는 몇 가지 공통된 원인으로 인해 발생합니다. 실행 사이에 질문 패널을 수정하여 허위 진행 상황을 만들어내는 경우입니다. 단일 플랫폼(대개 ChatGPT)만 테스트하고 이를 ‘AI’ 전체로 일반화하는 경우. 세 번이 아닌 한 번만 테스트하고 잡음에 얽매이는 경우. 설명이 정확한지 확인하지 않고 언급된 사실 자체를 성공으로 간주하는 경우. 언어를 고려하지 않은 채, 단순히 영어로만 보이지 않는 브랜드를 ‘가시성이 없는’ 것으로 결론 짓는 경우. 그리고 모든 결과를 하나의 점수로 평균화하여, 실제로 조치를 취할 가치가 있는 유일한 정보를 가려버리는 경우.

이 모든 것은 도구상의 오류가 아니라 프로세스상의 오류입니다. 또한 이러한 오류는 쉽게 피할 수 있기 때문에, 체계적인 수동 감사가 부실한 자동화 감사보다 더 낫습니다.

AI 답변에 수정 사항이 반영되기까지 얼마나 걸릴까요?

며칠이 아니라 몇 주에서 몇 달은 걸릴 것으로 예상해야 합니다. 자사 페이지는 빠르게 재크롤링할 수 있지만, 대부분의 카테고리 답변을 주도하는 제3자 소스는 자체 일정에 따라 업데이트되며, 모델의 행동은 이에 뒤처져 따라갑니다. 이것이 바로 기다리기보다 지금 바로 감사를 시작해야 하는 이유입니다. 기준선을 구축하는 데 일주일이 걸리며, 기준선이 없는 매달은 여러분이 볼 수 없는 편차가 발생하는 한 달이기 때문입니다.

마치며

GEO 감사는 화려한 작업이 아닙니다. 이는 구매자의 질문으로 구성된 고정된 목록을, 고객이 사용하는 어시스턴트 전반에 걸쳐 신중하게 실행하고, 언급, 인용, 설명, 출처에 주의를 기울여 검토한 뒤, 다음 달에도 동일한 방식으로 다시 실행하는 과정입니다. 이를 수행하는 브랜드는 자신의 실제 위치와 수정해야 할 사항을 파악하게 됩니다. 반면, 개별 프롬프트를 수시로 점검하는 브랜드는 데이터 대신 감정에만 의존하게 됩니다.

아르파디아(Arfadia)의 창립자 겸 CEO, 테사르 나피투풀루.

이 분야는 아직 초기 단계라 대부분의 카테고리에는 확립된 기준이 전혀 없습니다. 즉, 해당 카테고리에서 가장 먼저 정직하게 측정하는 팀이 대개 가장 먼저 개선되는 결과를 얻게 됩니다. 제가 이 주제에 대해 출간한 두 권의 책, 인도네시아 디지털 환경에 관한 『Found Before They Search』와 GEO 및 AI 가시성에 관한 『Cited or Silent』는 모두 이 가이드와 동일한 전제에서 출발합니다. 즉, 점수판을 읽기를 거부하는 게임에서는 이길 수 없다는 것입니다.

패널을 구성하고, 고정하고, 실행한 다음, 그 결과를 통해 어떤 부분에 집중해야 할지 파악하십시오.