# AI에 가게가 나오는지 한 번만 확인하면 될까?

_고객은 한 번 묻고 끝나지 않는다_

> 열 번 이어지는 대화를 계산한 모델에서는 질문 하나씩 잰 것보다 전체 효과가 2.23배 컸다. 다만 실제 고객 실험이 아닌 모델 계산이라 예상값으로 봐야 한다.

- 종류: 칼럼
- 주소: https://aisitekorea.com/column/measure-ai-picks-across-conversation
- 발행: AI사이트코리아 (https://aisitekorea.com)
- 작성일: 2026-10-03

고객은 AI에 한 번 묻고 가게를 고르지 않는다. 첫 답을 본 뒤 조건과 가격, 예약 가능 여부 등을 다시 묻는다. 열 번 이어지는 대화를 계산한 모델에서는 질문 하나씩 잰 것보다 전체 효과가 2.23배 컸다.

질문 하나에서 보이는 효과와 대화가 이어지며 생기는 효과는 따로 봐야 한다.

## 왜 질문 하나만 보면 놓치는 게 있을까?

지금까지 GEO 효과는 주로 질문 하나를 정해 놓고 확인했다. 글을 고치기 전과 고친 뒤 AI 답을 받아서 우리 가게가 얼마나 드러나는지를 비교하는 방식이다.

이 방법은 질문끼리 서로 영향을 주지 않는다고 본다. 하지만 실제 고객은 첫 답을 읽고 다음 질문을 정한다. 첫 답에 어떤 가게가 나왔는지가 다음 질문과 다음 답에 영향을 줄 수 있다.

| 구분 | 질문 하나로 재기 | 대화 전체로 재기 |
|---|---|---|
| 재는 단위 | 답 1개 | 대화 1개(이 연구는 10번 오가는 대화로 계산) |
| 질문은 어떻게 정해지나 | 미리 정해 둔 목록 | 앞 답을 읽은 고객이 새로 정함 |
| 질문끼리 영향 | 없다고 가정 | 앞 답이 다음 질문·검색에 영향 |
| 대화가 이어지며 붙는 몫 | 계산상 늘 0 | 따로 계산함 |
| 이 연구가 낸 열 번 대화 효과 | 1.20 | 2.68 |

연구진은 이 현상을 대화 포획(conversational capture)이라고 설명한다. 처음 답에 나온 출처가 다음 답에서도 다시 나올 가능성이 커지는 현상이다.

가게를 고르는 고객 입장에서는 첫 답에서 나온 곳과 빠진 곳 사이의 차이가 대화가 이어질수록 커질 수 있다. 그래서 질문 하나의 결과만 보는 것과 대화 전체를 보는 것은 측정하는 대상이 다르다.

## 첫 답에 나온 가게가 왜 계속 나올까?

연구진은 대화가 이어지는 경로를 두 가지로 나눴다. 하나는 AI가 앞의 대화 기록을 보고 같은 출처를 다시 꺼내는 기계 쪽 경로다.

다른 하나는 고객이 첫 답에 나온 가게를 보고 그 가게를 대상으로 다음 질문을 하는 사람 쪽 경로다. 예를 들어 「광주 상무지구 한의원」을 물은 뒤 특정 가게가 답에 나오면, 고객은 그 가게를 두고 조건이나 비용을 다시 물을 수 있다.

| 길 | 무엇이 일어나나 | 어떻게 재나 | 열 번 대화 계산값 |
|---|---|---|---|
| 기계 쪽(대화 기록) | AI가 앞 대화를 보고 같은 출처를 다시 꺼냄 | 같은 질문을 기록이 있는 AI와 없는 AI에 넣고 비교, 고객 모델 없이 가능 | 0.85 |
| 사람 쪽(이어서 묻는 질문) | 고객이 앞 답에 나온 가게를 두고 다시 물음 | 실제 고객이나 고객을 흉내 내는 AI가 필요 | 0.63 |
| 두 길 합계 | 대화가 이어지며 붙는 몫 | 위 두 값을 더함 | 1.48 |

이렇게 보면 첫 답에 나오는 것이 단순히 한 번 노출되는 것만은 아니다. 이어지는 질문과 답에서 다시 등장할 기회가 생긴다.

반대로 첫 답에서 빠진 가게는 다음 대화에서 새로 들어갈 기회가 좁아질 수 있다. 연구진은 그래서 GEO의 효과를 질문 하나의 변화만으로 계산하면 대화가 이어지는 과정에서 생기는 부분을 놓친다고 본다.

## 열 번 이어서 물으면 차이가 얼마나 커질까?

연구진은 경쟁 출처가 둘이고, 아무것도 하지 않았을 때 각각 50%의 몫을 가진다는 조건으로 계산했다. GEO를 하면 첫 답에서 몫이 12%포인트 오른다고 두고, 앞 답에 나온 출처가 다시 힘을 받는 정도도 정해 계산했다.

그 결과 GEO를 한 출처의 몫은 첫 답의 62%에서 열 번째 답의 91%까지 올랐다. 대화 기록과 고객 질문의 영향을 막으면 첫 답의 62%에서 그대로였다.

| 항목(10번 대화) | 값 | 뜻 |
|---|---|---|
| 질문 하나의 효과 | 0.120 | 답 1개에서 오른 몫 |
| 질문 하나 × 10 | 1.200 | 지금 점검 방식으로 짐작한 값 |
| 직접 몫 | 1.200 | 질문 하나 × 10과 같음 |
| 대화가 이어지며 붙는 몫 | 1.481 | 지금 점검에 안 잡히는 부분 |
| └ 기계 쪽 | 0.851 | 대화 기록 때문 |
| └ 사람 쪽 | 0.630 | 이어서 묻는 질문 때문 |
| 대화 전체 효과 | 2.681 | 직접 몫 + 붙는 몫 |
| 불어나는 배수 | 2.234배 | 대화 전체 ÷ (질문 하나 × 10) |
| 배수의 상한(이 계산 조건) | 약 4.17배 | 대화가 아주 길어지면 다가가는 값 |

질문 하나의 효과를 열 번 더한 값은 1.200이다. 반면 대화 전체 효과는 2.681이고, 이 가운데 대화가 이어지며 붙는 몫은 1.481이다.

즉 이 계산에서는 질문 하나를 열 번 본 것보다 대화 전체에서 생기는 효과가 더 컸다. 다만 2.23배라는 값은 실제 챗GPT나 제미나이에서 고객을 대상으로 측정한 결과가 아니라, 정해 둔 조건과 식으로 계산한 값이다.

## 질문 하나에서 잘 나온 방법이 대화에서도 잘 나올까?

반드시 그렇지는 않다. 연구진은 가상의 GEO 방법 다섯 개를 놓고 첫 답에서 효과가 큰 방법과 대화 전체에서 효과가 큰 방법을 비교했다.

A는 첫 답에서 0.18로 가장 큰 효과를 내지만 이어지는 힘은 0.20이다. B는 첫 답 효과가 0.15로 더 작지만 이어지는 힘은 0.70이다.

| 방법 | 첫 답 효과 | 이어지는 힘 | 10번 대화 효과 | 질문 하나 순위 | 대화 전체 순위 |
|---|---|---|---|---|---|
| A | 0.18 | 0.20 | 2.343 | 1 | 3 |
| B | 0.15 | 0.70 | 3.224 | 2 | 1 |
| C | 0.12 | 0.30 | 1.919 | 3 | 4 |
| D | 0.10 | 0.80 | 2.851 | 4 | 2 |
| E | 0.08 | 0.50 | 1.855 | 5 | 5 |

두 기준의 순위가 얼마나 같은지를 보는 켄달 상관은 0.4였다. 다섯 가지 방법을 둘씩 비교한 10쌍 가운데 3쌍은 순서가 뒤집혔다.

이 계산에서는 질문 하나 기준 1등인 A가 대화 전체에서는 3등이 됐다. 질문 하나만 보고 방법을 고르면 대화 전체에서의 결과와 다른 선택을 할 수 있다는 뜻이다.

## 실제 고객도 이어서 물을까?

이 부분은 계산을 실제 고객에게 적용할 수 있는지와 연결된다. 오픈서베이 조사에서는 생성형 AI 이용자의 42.3%가 이어서 물으며 더 파고든다고 답했다.

| 조사 | 숫자 | 조건 |
|---|---|---|
| 오픈서베이(2026.7, 검색 이용자 1,000명) | 궁금하면 바로 AI에 묻는다 56.9% | 생성형 AI 이용자 기준 |
| 같은 조사 | 이어서 물으며 더 파고든다 42.3% | 〃 |
| 같은 조사 | 내 상황에 맞춰 정리된 답을 더 좋아하게 됐다 34.1% | 〃 |
| 같은 조사 | 단어 대신 문장으로 길게 묻게 됐다 28.0% | 〃 |
| 셈러시(2024.10~2026.2, 미국 클릭 기록 10억 줄 이상) | 챗GPT 세션당 질문 1.16~1.21 → 1.75 | 마지막 4개월에 약 50% 늘어남 |
| 같은 조사 | 웹 검색을 켠 질문 비율 46% → 34.5% | 기간 중 15~66.3% 사이로 오르내림 |

셈러시 자료에서는 미국 챗GPT 세션당 질문 수가 1.16~1.21에서 1.75로 늘었다. 다만 이 자료는 미국 클릭 기록을 대상으로 한 것이어서 한국 고객에게 그대로 옮겨서는 안 된다.

모든 고객이 열 번씩 묻는다는 뜻도 아니다. 중요한 것은 고객이 첫 답을 보고 다음 질문을 이어가는 경우가 실제로 있다는 점이다.

## 그럼 가게 점검도 대화를 봐야 할까?

여기서부터는 연구진의 틀을 동네 가게 점검에 맞춰 옮긴 제안이다. 효과가 확인된 방법은 아니다.

지금까지 질문 하나 방식으로 점검했다면, 같은 고객이 할 법한 질문을 3~5개 이어서 넣어볼 수 있다. 지역을 묻고, 조건을 묻고, 가격과 예약을 묻는 식이다.

| 점검 항목 | 질문 하나 방식 | 대화째 방식(제안) |
|---|---|---|
| 질문 묶음 | 질문 1개 | 같은 고객이 할 법한 질문 3~5개를 이어서(지역 → 조건 → 가격 → 예약) |
| 기록할 것 | 나왔나 / 안 나왔나 | 처음 나온 순서, 그 뒤 몇 번 다시 나왔나 |
| 대화 기록의 영향 | 확인 못 함 | 같은 질문을 새 대화창과 이어진 대화창에 각각 넣고 비교 |
| 경쟁 가게 | 첫 답의 목록 | 끝까지 남는 가게가 누구인가 |
| 반복 횟수 | 1회 | 답이 매번 달라지므로 같은 시나리오를 여러 번 |

기록할 것도 달라진다. 단순히 「나왔다」와 「안 나왔다」만 적는 것이 아니라, 처음 몇 번째 답에서 나왔는지와 그 뒤 몇 번 다시 나왔는지를 적는다.

대화 기록의 영향은 같은 질문을 새 대화창과 이어진 대화창에 각각 넣어 비교할 수 있다. 이 방법은 고객을 따로 모으지 않아도 확인할 수 있는 부분이다.

사람 쪽 영향은 실제 고객이 AI에 무엇을 물었는지를 알아야 한다. 상담 과정에서 고객이 어떤 질문을 이어서 했는지 받아 적는 정도가 현실적인 출발점이 될 수 있다.

첫 답에 나오는 것이 중요하다는 연구진의 계산이 실제에서도 맞는지는 아직 확인할 일이 남아 있다. 그렇다면 홈페이지 첫 문단에 지역·업종·대표 가격처럼 첫 질문에 바로 쓰일 사실을 두는 것이 우선이라는 제안도 가능하다. 다만 이것 역시 예상이다.

## 이 계산을 어디까지 믿어야 할까?

한계는 분명하다. 연구진은 사람을 대상으로 실험한 것이 아니라 이론과 모델로 계산했으며, 사람 평가 자료를 모아 2.23배를 확인한 것이 아니다.

또 경쟁 출처를 둘로 줄여 계산했다. 실제 AI 답에는 여러 가게와 블로그가 함께 들어갈 수 있다. 앞에 나온 출처가 계속 유리해진다는 방향도 계산에 들어간 가정이다.

고객이 첫 답을 의심해 다른 출처를 확인하라고 이어서 묻는다면 사람 쪽 영향은 달라질 수 있다. 연구진도 이런 가능성을 설명하면서 실제 검증이 앞으로 필요하다고 제안했다.

따라서 지금 확인할 수 있는 결론은 「우리 가게가 질문 하나의 답에 나오는가」만으로 대화 전체의 모습을 알 수 없다는 정도다. 열 번 대화의 2.23배라는 숫자 자체를 실제 매장 성과처럼 받아들이면 안 된다.

요점 ① 질문 하나 × 10의 직접 효과는 1.200, 대화 전체 계산값은 2.681이었다. ② 열 번 대화의 효과는 질문 하나씩 잰 값보다 2.23배였지만 실제 고객 실험이 아닌 모델 계산이다. ③ 다섯 가지 방법을 비교했을 때 10쌍 중 3쌍의 순위가 뒤집혔고 켄달 상관은 0.4였다. ④ 오픈서베이에서는 생성형 AI 이용자의 42.3%가 이어서 물었고, 셈러시 자료의 미국 챗GPT 세션당 질문은 1.75개였다.

## 같이 읽을 글

 

- 쇼핑 AI에 우리 상품이 한 번 나오면 된 걸까?

- AI가 처음 우리 가게를 못 찾으면 끝인가요?

- 가격 문장을 고치면 다른 질문 답도 나빠질까?

- AI는 우리 가게 글을 정말 다 읽을까?
 

## 자료 출처

 

- Conversational Capture: A Trajectory-Level Framework for Evaluating Generative Engine Optimization in Multi-turn Human-Agent Interaction(도쿄대·쓰쿠바대·히로시마대·국립정보학연구소 등, arXiv 2609.40069, 2026.9 제출, HAI '26 발표 예정, 모델 계산·사람 실험 없음)

- 같은 논문 본문 HTML판(표 1 분해값·방법 5개 순위표·검증 계획)

- GEO: Generative Engine Optimization(프린스턴대 등, arXiv 2311.09735, 2023.11, 질문 1만 개 실험)

- 만족도 77.3% vs 70.6%, ChatGPT를 앞지른 Gemini — 2026 AI 검색 트렌드(오픈서베이, 2026.7, 검색 이용자 1,000명)

- AI Chat Relies On Search To Fill Gaps(미디어포스트, 셈러시 조사 보도, 2024.10~2026.2 미국 클릭 기록 10억 줄 이상)

- New Semrush Study Reveals ChatGPT Search Trends(셈러시, 2025.2, 클릭 기록 8,000만 건)