우리 가게 이름이 AI 답에 나오려면 무엇부터 해야 할까?

가게 이름을 넣지 않고 업종과 조건만 물었을 때 우리 가게 이름이 AI 답에 나오려면, 먼저 우리 홈페이지가 AI의 출처 목록에 올라오는지 확인해야 한다. 조사에서는 홈페이지가 출처에 없을 때 이름 등장률이 챗GPT 2.8%, 제미나이 3.8%에 그쳤다. 홈페이지가 출처에 오르면 각각 49.0%, 58.4%로 높아졌다.

가게 이름을 안 물어봐도 AI가 우리 가게를 말해 줄까?

고객이 가게 이름을 넣지 않고 업종과 조건만 물었을 때 AI가 우리 가게를 답에 넣는 데는 여러 경로가 있다. 이미 널리 알려진 회사라면 홈페이지가 출처에 없어도 이름이 나올 수 있지만, 아직 덜 알려진 회사는 홈페이지가 출처에 올라오는 일이 중요한 단계가 된다.

이번 분석은 AI 검색 측정 업체 아이소의 자사 고객 75개 프로젝트 감시 기록을 모아 분석한 자료다. 회사 이름을 넣지 않은 질문 2,854개를 챗GPT와 제미나이에 여러 번 반복해 물었고, 전체 관측 수는 3만 4,960건이다. 업체 자체 자료이므로 표에는 ★를 붙였다.

홈페이지 글만 잘 쓰면 되는 것 아닌가?

홈페이지 글을 잘 쓰는 것과 AI가 그 글을 실제로 찾아와 읽는 것은 다른 단계다. 글이 고객 질문에 잘 맞아도 AI가 그 페이지를 찾지 못하면 가게 이름이 답에 들어갈 기회가 적다.

조사에서는 홈페이지가 출처에 없는 답과 있는 답을 따로 봤다. 홈페이지가 출처에 없을 때 챗GPT의 이름 등장률은 2.8%, 제미나이는 3.8%였다. 자기 홈페이지가 출처에 있으면 각각 49.0%, 58.4%로 높아졌다.

이름을 넣은 검색어까지 함께 있으면 등장률은 더 높았다. 자기 홈페이지가 출처에 있고 이름을 넣은 검색어도 있던 경우 챗GPT는 91.4%, 제미나이는 100%였다.

따라서 홈페이지 글을 늘리는 것만 목표로 잡으면 어디에서 막혔는지 알기 어렵다. 먼저 홈페이지가 AI의 출처에 올라오는지, 그다음 가게 이름이 답에 나오는지를 따로 기록해야 한다.

같은 질문을 여러 번 물어도 차이가 날까?

그렇다. 회사마다 원래 알려진 정도가 달라서 생기는 차이일 수도 있기 때문에, 연구진은 같은 회사와 같은 질문을 같은 AI에 여러 번 물은 결과도 비교했다.

홈페이지가 출처에 오른 회차는 그렇지 않은 회차보다 이름 등장률이 챗GPT에서 평균 40.2%포인트, 제미나이에서 49.0%포인트 높았다. 같은 질문 안에서 비교해도 홈페이지 출처 여부와 이름 등장이 함께 움직였다.

직전 결과가 다음 결과에도 영향을 보였다. 직전에 이름이 나오지 않았고 이번에도 홈페이지가 출처에 없으면 다음 등장률은 챗GPT 1.6%, 제미나이 1.9%였다. 반대로 직전에 이름이 나왔고 이번에 홈페이지도 출처에 있으면 각각 80.5%, 83.7%였다.

다만 연구진은 이런 수치가 함께 나타난 관계라고 해서 홈페이지 출처가 이름 등장의 원인이라고 단정할 수는 없다고 밝혔다.

유명한 경쟁사는 왜 홈페이지 출처가 없어도 나올까?

이미 널리 알려진 회사는 홈페이지 출처가 없어도 이름이 답에 나올 수 있다. 한 비교 실험에서는 질문 16개를 챗GPT에 10번씩, 모두 160번 물었다.

조사 대상 회사는 이름이 12번 나왔고 자기 홈페이지는 9번 인용됐다. 반면 경쟁사 1은 홈페이지 인용이 7번이었지만 이름은 74번 나왔고, 출처가 없는 답 40개에서도 30번 이름이 나왔다.

홈페이지 출처가 중요한 경로이지만, 모든 회사가 같은 조건에 있는 것은 아니다. 이미 많이 알려진 회사는 홈페이지가 출처가 아니어도 이름이 나온다. 덜 알려진 가게는 홈페이지가 출처에 올라야 이름이 나올 기회가 생긴다.

글을 고객 질문에 맞추면 출처에 더 잘 오를까?

일부에서는 그렇지만 항상 그런 것은 아니다. 한 회사 홈페이지 275쪽을 질문 199개와 맞춰 본 분석에서는 질문에 잘 맞는 글이 많은 상위 4분의 1 질문의 제미나이 출처 등장률이 50.0%로, 하위 4분의 1의 22.0%보다 높았다.

하지만 챗GPT에서는 같은 차이가 뚜렷하지 않았다. 별도 연구에서도 질문과 상관없이 매긴 글 점수와 인용 순서의 관계는 0.11이었고, 질문에 맞춘 관련도와의 관계는 약 0.39였다.

AI는 답을 만들기 전에 고객 질문을 여러 검색어로 나눠 찾는다. 구글은 이런 방식을 「질문 펼치기(query fan-out)」라고 부르며, 질문을 작은 주제로 쪼개 여러 검색을 한꺼번에 돌린다고 공식 설명했다.

조사에서도 구매·비교형 질문의 78.3%가 검색을 펼쳤지만 정보형 질문은 3.6%였다. 가게가 대응해야 할 문장은 고객이 처음 입력한 질문 하나에만 머물지 않는다. 가격, 비교, 고르는 법처럼 조건이 붙은 질문에 답하는 페이지가 따로 필요한 까닭이다.

한국에서도 이런 변화를 봐야 할까?

국내 이용자의 정보 검색 방식도 변하고 있다. 오픈서베이가 2026년 1월 10~59세 2,000명을 조사한 결과, 최근 3개월 챗GPT로 정보를 찾았다는 응답은 54.5%였고 제미나이는 28.9%였다. 네이버는 81.6%였다.

다만 이번 AI 출처 분석은 회사 이름을 공개하지 않은 해외 프로젝트 자료다. 한국어 질문이나 네이버 AI 브리핑에서도 같은 비율이 나타나는지는 아직 확인된 자료가 없다.

사장님은 무엇을 먼저 재야 할까?

생성형 엔진 최적화(GEO)를 관리할 때 가장 먼저 할 일은 이름 등장률 하나만 기록하지 않는 것이다. 같은 질문을 여러 번 물어보고 「이름이 나왔는지」와 「우리 홈페이지가 출처에 올랐는지」를 따로 적으면 어느 단계에서 막혔는지 보인다.

챗GPT와 제미나이도 따로 재야 한다. 글의 질문 맞춤이 출처 등장을 맞힌 정도가 챗GPT 0.545, 제미나이 0.641로 달랐기 때문에 한 AI의 결과를 다른 AI의 결과로 그대로 볼 수 없다.

그리고 한 번 나온 결과를 끝으로 보면 안 된다. 같은 질문을 다음 달에도 다시 물어보면서 이름 등장과 홈페이지 출처를 함께 기록해야 변화가 보인다.

같이 읽을 글

• AI는 왜 질문 하나를 여러 개로 나눌까?
• 고객이 AI에게 우리 회사를 물으면 홈페이지를 읽을까?
• 우리 가게가 AI에 한 번 나오면 나온다고 해도 되나?
• AI가 우리 가게를 아는지, 오늘 10분 안에 확인하는 법

자료 출처

• Tannenbaum(아이소★) 「From Prompt to Recommendation: A Fitted Stage Model of Brand Visibility in AI Search」(arXiv 2609.23162, 2026년 9월 19일, 회사 이름 없는 질문 관측 3만 4,960건·75개 프로젝트·질문 2,854개·챗GPT/제미나이) — 2.8%·3.8%, 49.0%·58.4%, 91.4%·100%, +40.2·+49.0%포인트, 1.6~1.9%·80.5~83.7%, 78.3%·3.6%
• Tannenbaum(아이소★) 「Scoring With the Engine: Retrieval Exposure, Cross-Engine Divergence, and the Limits of Engine-Agnostic GEO Scores」(arXiv 2609.22655, 2026년 9월, 상업 질문 15개·4개 AI·인용 589건) — 같은 질문에 AI끼리 겹친 주소가 하나도 없던 경우 84.9%
• Bajemon·Rochet 「Scoring Without the Engine: Validating a Deterministic, Manipulation-Resistant Content Score for Generative Engines, End to End」(arXiv 2609.07559, 2026년 9월 7일) — 질문과 상관없는 글 점수의 같은 질문 안 순위 상관 0.11, 질문 맞춤 관련도 약 0.39
• 구글 블로그 「AI in Search: Going beyond information to intelligence」(2025년 5월 20일) — AI 모드의 질문 펼치기(query fan-out) 공식 설명
• 코리아헤럴드 「ChatGPT narrows Naver's grip on Korean search」(2026년 1월 29일, 오픈서베이 AI 검색 트렌드 리포트 2026·10~59세 2,000명) — 챗GPT 39.6→54.5%, 제미나이 9.5→28.9%, 네이버 85.3→81.6%