2026년 GEO 연구 해설 (I): 브랜드 AI 가시성을 계층별로 측정해야 하는 이유

"AI가 브랜드를 언급했다"는 사실은 GEO 리포트의 출발점이지 결론이 아닙니다.

2026년 6월 18일 공개된 프리프린트 *Generative Engine Optimization at Scale: Measuring Brand Visibility Across AI Search Engines*는 2026년 3월부터 5월까지 100개가 넘는 브랜드에 대한 AI 검색 응답 100,000건 이상을 분석했습니다. 기업에 가장 유용한 교훈은 특정 브랜드 하나의 노출률이 아니라, 언급, 순위, 인용 출처, 감성을 각각 따로 평가해야 한다는 더 실용적인 연구 프레임워크입니다.

이 글은 "2026년 GEO 연구 해설" 시리즈의 첫 번째 글입니다. 특정 기사 하나를 어떻게 수정할지가 아니라, 기업이 최적화를 시작하기 전에 어떤 가시성 기준선을 수립해야 하는지를 다룹니다.

논문은 어떤 브랜드 가시성 계층을 발견했나?

이 연구는 브랜드를 세 가지 성숙도 계층으로 나누고, 첫 번째 테스트에서 관련 AI 응답에 브랜드가 언급된 비율을 보고했습니다. 세계적으로 인지도가 높은 브랜드는 약 73%, 확고히 자리 잡은 중견 또는 지역 브랜드는 44%, 틈새 및 소규모 브랜드는 11%였습니다.

이 결과가 모든 대형 브랜드가 반드시 추천된다거나 소규모 브랜드에는 기회가 없다는 뜻은 아닙니다. 연구의 표본, 질문 세트, 관찰 기간 안에서 기존 브랜드 인지도가 AI 검색의 초기 가시성에 상당한 영향을 미쳤다는 사실만 보여줍니다.

기업이 얻어야 할 핵심 교훈은 브랜드가 처음부터 보이지 않는 이유를 공식 사이트 콘텐츠 한 편의 부족으로 곧바로 돌려서는 안 된다는 것입니다. AI 답변의 브랜드 가시성은 브랜드 인지도, 출처 생태계, 질문 유형, 플랫폼의 검색 메커니즘, 시간에 따른 변화가 함께 좌우합니다.

따라서 GEO 프로젝트는 두 가지 목표를 구분해야 합니다. 하나는 이미 알려진 브랜드가 경쟁사 비교 및 구매 의사결정 질문에서 더 잘 제시되도록 하는 것입니다. 다른 하나는 AI가 아직 이해하지 못한 브랜드를 탐색, 활용 사례, 카테고리 질문의 후보군에 진입시키는 것입니다. 두 목표에 필요한 질문 세트, 콘텐츠, 평가 기준은 서로 다릅니다.

기업 사이트 인용이 78%라는 결과가 공식 사이트의 점유율 78%를 뜻하지 않는 이유

논문은 AI 검색 응답에 인용이 포함된 경우 약 78%가 기업 웹사이트 범주의 출처였다고 보고합니다. 하지만 저자들은 그 대부분이 분석 대상 브랜드의 공식 사이트가 아니라 제3자 기업 사이트였다고 덧붙입니다. 연구 요약표에서 브랜드 소유 웹사이트가 차지한 비중은 일부에 불과했습니다.

이 결과를 "공식 사이트를 확장하면 AI 인용이 늘어난다"고 오독하기 쉽습니다. 더 정확한 해석은 AI가 기업, 제품 공급업체, 소매업체, 리뷰어, 업계 서비스 제공업체가 게시한 정보를 자주 활용하지만, 그 정보 생태계가 한 브랜드의 공식 웹사이트와 같지는 않다는 것입니다.

기업은 세 가지 출처 계층을 동시에 관리해야 합니다.

첫 번째는 제품 페이지, 가격 페이지, 도움말 센터, 사례 페이지, 사양, 서비스 범위 페이지 같은 자체 보유 사실 출처입니다. 이들은 정확하고 검증 가능하며 업데이트할 수 있는 1차 정보를 제공합니다.

두 번째는 미디어 리뷰, 업계 디렉터리, 전문 기관, 파트너, 소매 채널 같은 제3자 검증 출처입니다. 이들은 독립성과 비교 맥락을 더합니다.

세 번째는 검색 가능한 콘텐츠 형식입니다. 연구에서는 순위가 매겨진 "베스트" 목록이 표본에서 가장 자주 인용된 페이지 형식 가운데 하나였습니다. 이는 기업이 외부에서 평가, 비교, 종합할 수 있는 콘텐츠 진입점이 부족한지 점검해야 한다는 뜻이지, 순위 목록을 대량 생산해야 한다는 뜻은 아닙니다.

감성을 언급과 합쳐 하나의 점수로 만들면 안 되는 이유

논문에서 감성 라벨의 반전율은 45.5%, 언급 신호의 반전율은 6.8%로 관찰되어 전자가 약 6.7배 높았습니다. 다시 말해 이 연구에서는 AI가 브랜드를 언급하는지 여부는 비교적 안정적이었지만, 브랜드를 얼마나 긍정적 또는 부정적으로 설명하는지는 훨씬 덜 안정적이었습니다.

이는 월간 GEO 리포트에서 중요합니다. 노출 횟수, 순위, 감성을 하나의 종합 점수로 합치면 감성의 높은 변동성이 실제 가시성 변화를 가리거나, 실제로 존재하지 않는 이상 징후를 만들 수 있습니다.

더 유용한 방법은 지표를 세 그룹으로 나누는 것입니다.

1. 노출 범위 지표: 브랜드가 등장하는지, 어떤 질문에서 등장하는지, 어떤 경쟁사와 함께 등장하는지.
2. 근거 지표: AI가 어떤 페이지에 의존하는지, 출처가 오래되었는지, 공식 근거와 제3자 근거가 일치하는지.
3. 표현 지표: 어떤 추천, 유보 의견, 위험 경고, 감성 경향이 나타나는지.

이렇게 나누면 AI 답변에서 브랜드가 갑자기 더 부정적으로 보일 때 팀은 사이트 전체를 성급하게 수정하는 대신, 언급 감소, 출처 교체, 사실 변경, 모델 표현의 변동 가운데 무엇이 원인인지 먼저 판단할 수 있습니다.

연구의 경계: 최적화 성과를 약속하는 것이 아닌 관찰 기준선

논문 저자들은 이 연구가 관찰적 기준선이며, 특정 권고가 브랜드 가시성을 인과적으로 높였다는 결론을 뒷받침하지 않는다고 명시합니다. 무작위 대조 시험과 폐쇄 루프 프로토콜은 여전히 개발 중인 연구 과제입니다. 브랜드 계층에도 연구자의 수동 코딩이 포함되었으며, 감성 변동성은 모델 출력과 분류기 노이즈 모두에서 비롯될 수 있습니다.

따라서 73%, 44%, 11%를 업계의 약속이나 기업 KPI로 사용해서는 안 됩니다. 이 수치는 AI 검색에서 모든 브랜드가 같은 출발선에 서지 않으며, 신호마다 신뢰도 수준이 다르다는 점을 팀에 상기시키는 데 더 적합합니다.

기업이 이 논문을 모니터링 실무로 전환하는 방법

하나의 "AI 가시성 점수"를 좇는 것부터 시작하지 마세요. 먼저 브랜드를 위한 고정 질문 세트를 만들고 브랜드 언급, 추천 위치, 인용 출처, 경쟁사 동시 등장, 답변 표현을 각각 기록하세요. 우선순위 페이지에는 어떤 질문이 AI를 공식 사이트, 제3자 미디어, 제품 채널, 오래된 페이지로 이끄는지 기록하는 출처 원장을 유지하세요.

GEO Radar 웹사이트(https://www.georadar.top)에서는 여러 플랫폼의 AI 검색 가시성 분석, 고정 질문 세트 반복 테스트, 경쟁사 비교, 구조화된 리포팅을 지원합니다. 이를 통해 팀은 플랫폼별 답변 차이를 파악할 수 있습니다. 다만 콘텐츠 변경이 실제 개선을 만들었는지는 여전히 대조군, 기록, 반복 테스트를 통해 판단해야 합니다.

이 연구에서 얻을 수 있는 첫 번째 GEO 원칙은 간단합니다. 최적화 규모를 논하기 전에 계층화된 기준선부터 수립해야 합니다.

이 글의 자료 출처

• arXiv, 2026년 6월 18일, *Generative Engine Optimization at Scale: Measuring Brand Visibility Across AI Search Engines*: https://arxiv.org/abs/2606.20065
• arXiv HTML 전문, 데이터 범위, 지표, 연구 결과 및 한계: https://arxiv.org/html/2606.20065v1
• arXiv PDF, 논문 다운로드: https://arxiv.org/pdf/2606.20065