챗GPT 유입이 늘면 정말 GEO 효과일까?

챗GPT에서 오는 방문이 5.7배 늘었다고 해서 GEO 효과가 5.7배라고 볼 수는 없다. 같은 기간 손대지 않은 페이지의 유입도 3.5배 늘었기 때문이다. 이 둘을 비교해 보니 GEO 효과는 약 1.82배로 줄었고, 통계적으로 확정할 수 있는 결과는 아니었다.

사장님 홈페이지도 그냥 유입 배수만 보면 안 될까?

챗GPT 자체의 이용자가 빠르게 늘면 아무것도 고치지 않은 홈페이지도 챗GPT에서 오는 방문이 늘 수 있다. 실제로 챗GPT 주간 이용자는 2025년 2월 4억 명에서 2026년 2월 9억 명으로 늘었다.

그래서 「GEO를 하고 챗GPT 유입이 몇 배 늘었다」는 숫자만으로는 작업 효과를 알기 어렵다. 홈페이지 전체에서 챗GPT 유입이 늘어난 것과 GEO 때문에 추가로 늘어난 것을 나눠서 봐야 한다.

실제로 비교해 보니 얼마나 달랐나?

웹 하이라이트 서비스 글래습(Glasp)의 연구진이 자기 홈페이지로 이 차이를 확인했다. 연구진은 2026년 1월 일부 페이지에만 작업을 하고, 긴 글이나 사용자 프로필 같은 나머지 페이지는 그대로 뒀다.

작업한 페이지와 손대지 않은 페이지는 같은 홈페이지 안에 있었다. 같은 분석 설정을 사용했고, 같은 방식으로 봇을 걸러냈다.

월 합계로 보면 홈페이지 전체 챗GPT 유입은 5.7배 늘었다. GEO 작업을 한 페이지는 6.1배 늘었고, 아무것도 하지 않은 페이지도 3.5배 늘었다.

여기서 중요한 숫자가 3.5배다. 아무 작업도 하지 않은 페이지가 이만큼 늘었다면 5.7배 전체 증가를 그대로 GEO 효과라고 볼 수 없다.

그럼 홈페이지에서는 무엇을 고친 건가?

연구진은 여러 작업을 한꺼번에 적용했다. 같은 영상을 가리키는 중복 주소를 하나로 합쳤고, AI 봇이 찾았지만 없었던 주소 가운데 많이 요청된 것을 새 페이지로 만들었다.

제목은 질문 형태로 바꾸고 첫 요약은 페이지를 따로 읽어도 답이 되도록 고쳤다. 구글 클릭이 있는 페이지는 건드리지 않고, 아무 유입이 없는 페이지는 내렸다.

여기에는 한계도 있다. 네 가지 작업을 함께 적용했기 때문에 어떤 작업이 얼마나 영향을 줬는지는 따로 알 수 없다.

새 페이지가 늘어난 효과도 함께 들어 있다. 따라서 이 결과를 보고 특정한 작업 하나의 효과라고 말해서는 안 된다.

손대지 않은 페이지와 비교하면 어떻게 달라지나?

연구진은 2026년 1월을 100으로 놓고 두 페이지 묶음의 변화를 비교했다. 5월에는 작업한 페이지가 609.8, 손대지 않은 페이지가 348.5가 됐다.

두 묶음의 방문 수 비율도 작업 전보다 커졌다. 단순히 전체 유입이 몇 배 늘었는지만 보는 것보다, 작업한 페이지와 손대지 않은 페이지 사이의 차이가 어떻게 변했는지를 보는 방식이다.

이 방식으로 계산한 기본 효과는 1.82배였다. 95% 신뢰구간은 1.31~2.54였다.

다만 이것도 바로 확정적인 GEO 효과라고 볼 수는 없다. 작업 전부터 손본 페이지의 비율이 주당 약 2.7%, 한 달 약 11%씩 올라가고 있었기 때문이다.

왜 연구진도 확정이라고 하지 않았나?

작업 전부터 증가하던 흐름을 무시하고 마지막 4주와 작업 전 평균만 비교하면 4.85배라는 숫자가 나온다. 하지만 이 숫자에는 GEO 작업 전부터 진행되던 상승 흐름이 섞여 있다.

연구진은 작업하지 않은 날짜를 마치 작업한 날짜였다고 가정하는 검사도 했다. 이때 p값은 0.16이었다.

통상 사용하는 0.05보다 큰 값이다. 연구진은 그래서 결과를 시사적이지만 결정적이지 않다고 봤다.

다른 조건으로 계산해도 결과는 달라졌다. 다른 연구진이 공개 자료를 다시 계산해 보니, 시작 주를 어느 날짜로 잡느냐에 따라 효과 추정치는 1.183배에서 2.404배까지 흔들렸다.

3월 중순에는 봇을 걸러내는 방식도 바뀌었다. 이 설정 변경을 어떻게 계산에 반영하느냐에 따라서도 효과 추정치가 달라졌다.

이 점은 사장님 홈페이지를 측정할 때도 중요하다. 분석 설정이 바뀐 날짜를 기록하지 않으면, 설정 변화가 GEO 효과처럼 보일 수 있다.

우리 홈페이지에서도 이렇게 나눠 볼 수 있을까?

페이지가 수십만 개인 홈페이지와 동네 가게 홈페이지는 규모가 다르다. 따라서 같은 수준으로 실험하기는 어렵지만, 비교하는 원리는 사용할 수 있다(예상).

먼저 고칠 페이지와 그대로 둘 페이지를 미리 정한다. 그리고 작업을 시작한 날짜도 정확히 적어 둔다.

그다음 챗GPT 같은 AI에서 온 방문을 두 묶음으로 나눠 본다. 중요한 것은 작업한 페이지의 증가 배수 하나가 아니라 두 묶음의 차이가 작업 뒤에 어떻게 달라졌는지 보는 것이다.

GA4는 2026년 5월 14일부터 챗GPT·제미나이·클로드에서 온 방문을 「AI 어시스턴트」 채널로 따로 묶는다. 이 채널을 이용하면 고친 페이지와 고치지 않은 페이지를 나눠서 볼 수 있다.

하루에 방문이 갑자기 많이 들어온 날 하나를 기준으로 판단하는 것도 피해야 한다. 이 연구에서도 하루 최저에서 5월 5일 최고까지 비교하면 38.2배였지만, 하루 반짝한 수치였다.

월 합계를 보고 작업 전 몇 달의 흐름도 함께 봐야 한다. 그래야 챗GPT 이용자가 커진 영향과 홈페이지를 고친 영향을 조금 더 분리해서 볼 수 있다.

가장 좋은 방법은 처음부터 비교군을 남겨 두는 것이다. 연구진도 다음 단계에서는 고칠 페이지를 무작위로 골라 일부 페이지를 그대로 남겨 두는 방법을 권했다.

결국 사장님 홈페이지에서 중요한 것은 「GEO를 했더니 몇 배 늘었다」는 숫자 하나가 아니다. 고친 페이지와 그대로 둔 페이지가 같은 기간 어떻게 달라졌는지를 함께 보는 것이 핵심이다.

같이 읽을 글

• 챗GPT에서 온 고객은 애널리틱스에 어떻게 찍힐까?
• AI가 우리 홈페이지로 고객을 보내고 있는지 어떻게 알까?
• AI 검색에서 고객이 더 많이 산다는 말, 우리 가게도 맞을까?

자료 출처

• Disentangling Answer Engine Optimization from Platform Growth: A Log-Based Natural Experiment on ChatGPT Referral Traffic(Watanabe·Nakayashiki·Glasp·2026년 6월 arXiv 제출·자사 홈페이지 수십만 페이지·GA4와 서버 기록)★
• aeo-natural-experiment 공개 자료·분석 코드(Glasp 깃허브, 주별·월별 지수)★
• Generative Marketing Mix Modeling(Kato·Honma·Kato·도쿄대 등·2026년 9월 arXiv — 부록 F에서 같은 공개 자료를 시작 주별로 재계산)
• ChatGPT reaches 900M weekly active users(테크크런치, 2026년 2월 27일)
• Adobe: AI-referral traffic spending, converting more than counterparts(디지털커머스360, 2026년 8월 19일, 어도비 2026년 7월 미국 소매 집계 — AI 유입 +62%)
• Google Analytics Adds AI Assistant As Default Channel Group(서치엔진저널, 2026년 5월 14일)