# AI 답에 가게 이름이 나오면 매출도 늘어날까?

_뉴스 앱 연구에서 추천 목록에 있던 기사를 누른 비율은 11.29%였으며, 노출과 실제 행동은 따로 측정해야 한다._

> 고려대 연구자가 뉴스 앱 6개월 기록(이용자 1,583명·추천 9만 5,143건·클릭 1만 7,512건)을 맞대 보니, 누른 기사 중 그날 추천 목록에 있던 것은 11.29%였다. 노출과 클릭은 다른 숫자다.

- 종류: 칼럼
- 주소: https://aisitekorea.com/column/recommended-not-clicked-11-percent-news-app
- 발행: AI사이트코리아 (https://aisitekorea.com)
- 작성일: 2026-10-16

AI 답에 우리 가게 이름이 나오는 비율이 올라도 매출이 늘었다고 볼 수는 없다. 뉴스 앱 연구에서 고객이 누른 기사 중 당일 추천 목록에 있던 기사는 11.29%였다. AI 노출, 홈페이지 방문, 전화 문의는 각각 따로 확인해야 한다.

화면에 이름이 등장한 것과 고객이 실제로 찾아온 것은 서로 다른 결과다.

## AI 답에 이름이 나오면 고객이 본 것 아닌가?

AI 답변에 가게 이름이 등장했다는 보고서를 받으면 반가울 수 있다. 우리 가게가 고객에게 더 많이 알려지고 있다고 생각하기 쉽다. 하지만 보고서의 노출 수치가 실제로 무엇을 뜻하는지부터 확인해야 한다.

어떤 시스템은 이름이나 링크가 결과에 포함됐는지를 센다. 그렇다고 고객이 그 부분을 실제로 읽거나 관심을 보였다는 뜻은 아니다. 노출 수치가 올랐다는 사실만으로 홈페이지 방문이나 전화 문의, 매출까지 늘었다고 판단해서는 안 된다.

구글 서치 콘솔은 일반 검색 결과에서 링크가 결과 페이지에 있으면 고객이 스크롤해 보지 않았더라도 노출로 센다. AI 개요와 AI 모드에도 같은 노출 규칙이 적용된다. 반면 미국 광고 측정 기준 기관(MRC)은 디스플레이 광고의 50% 이상이 화면에 1초 이상 표시돼야 볼 수 있었던 노출로 인정한다.

같은 노출이라는 말도 측정 기준에 따라 의미가 다르다. 따라서 보고서에 노출이라고 적혀 있다면 어떤 조건에서 숫자를 집계했는지 먼저 살펴야 한다.

## 그럼 고객이 실제로 행동했는지는 어떻게 알 수 있나?

고려대 산업경영공학부 연구자는 실제 운영 중인 모바일 뉴스 앱의 2026년 1월부터 6월까지 기록을 분석했다. 이용자 1,583명, 추천 목록에 오른 기사 9만 5,143건, 클릭 1만 7,512건을 살펴봤다. 분석 대상은 뉴스 앱이었지만, 기록에 담긴 정보의 차이는 다른 서비스의 성과를 살필 때도 참고할 수 있다.

| 분석 자료 | 숫자 |
|---|---|
| 기간 | 2026년 1월 1일~6월 30일 |
| 기사 정보 | 12만 8,385건 |
| 이용자 프로필 | 1,583명 |
| 중복 뺀 행동 기록 | 47만 1,027건 |
| 클릭 | 1만 7,512건(기사 정보와 연결된 클릭 1만 7,232건) |
| 추천 목록 | 4,613개 |
| 추천 목록에 오른 기사 | 9만 5,143건 |

연구에서 구분한 것은 세 가지다. 이용자가 직접 고른 관심 분야, 앱이 이용자별로 만든 추천 목록, 실제로 기사를 연 클릭이다. 이 세 가지는 서로 다른 행동을 나타내므로 같은 숫자로 취급할 수 없다.

특히 추천 목록에 기사가 있었다는 기록은 그 기사가 실제 화면에 보였다는 뜻이 아니다. 클릭 기록도 기사를 열었다는 사실만 알려준다. 얼마나 오래 읽었는지, 끝까지 읽었는지는 알 수 없다.

가게도 마찬가지다. AI 답변에 이름이 등장한 횟수와 홈페이지를 방문한 횟수, 전화나 예약 문의가 들어온 횟수를 구분해야 한다. 세 수치가 함께 늘었는지, 어느 하나만 늘었는지 확인해야 실제 변화를 판단할 수 있다.

## 고객이 관심 있다고 한 분야와 실제 행동은 같을까?

뉴스 앱 연구에서는 이용자가 선택한 관심 분야와 실제로 많이 클릭한 분야가 항상 일치하지 않았다. 관심사와 클릭 기록을 모두 확인할 수 있었던 698명 가운데 77.22%는 가장 많이 클릭한 분야가 자신이 선택한 관심 분야에 포함됐다. 얼핏 보면 높은 일치율처럼 보인다.

하지만 같은 비교를 무작위로 섞어도 61.54%가 일치했다. 선택한 관심 분야와 상위 3개 클릭 분야의 겹침 정도는 평균 0.2283이었다. 한 가지 일치율만 보고 고객의 실제 관심을 정확히 파악했다고 판단하기는 어렵다.

| 관심사와 클릭 비교(698명) | 값 |
|---|---|
| 가장 많이 누른 분야가 고른 관심사에 포함 | 77.22% |
| 같은 비교를 무작위로 섞었을 때 | 61.54%·54.81% |
| 고른 분야와 상위 3개 클릭 분야 겹침(0~1) | 평균 0.2283, 중앙값 0.2000 |
| 가중치 프로필 중 가장 많이 누른 분야 몫 | 0.143 |
| 관심 분포와 클릭 분포의 방향 유사도(0~1) | 0.452 |
| 언론사 단위 방향 유사도(0~1) | 0.080 |

이 결과는 고객이 말한 관심과 실제 행동을 함께 살펴야 한다는 점을 보여준다. 설문에서 관심이 높다고 답한 메뉴가 실제로 많이 선택되는 메뉴와 다를 수도 있다. 관심을 묻는 조사와 실제 행동 기록은 서로 보완해서 읽어야 한다.

가게 운영에서도 고객의 관심을 묻는 것만으로 메뉴나 서비스를 결정하지 않는 편이 좋다. 실제 방문과 문의, 예약 기록을 함께 살펴야 고객이 무엇을 선택하는지 더 구체적으로 알 수 있다.

## 추천 목록에 있으면 클릭도 늘어날까?

연구에서 당일 추천 목록과 비교할 수 있었던 클릭 1만 1,440건 가운데, 당일 추천 목록에 있던 기사는 11.29%였다. 무작위로 골랐을 때 기대되는 비율인 9.13%보다 2.16%포인트 높았다. 추천 목록이 클릭과 어느 정도 연결돼 있었지만, 그 관계가 압도적으로 크지는 않았다.

| 추천 목록 상위 몇 개까지 | 그 안에 클릭 기사가 있던 비율 | 무작위 기대치 | 배수 |
|---|---|---|---|
| 상위 3개 | 3.28% | 2.27% | 1.45배 |
| 상위 5개 | 4.99% | 3.41% | 1.47배 |
| 상위 10개 | 7.76% | 5.60% | 1.39배 |
| 상위 20개 | 11.05% | 8.66% | 1.28배 |

클릭이 일어난 화면도 중요했다. 전체 클릭의 65.4%는 헤드라인 화면에서 발생했다. 분야 탭에서 발생한 클릭 가운데 당일 추천 목록에 있던 기사는 17.93%였지만, 기사 상세 화면에서는 8.10%였다.

| 클릭이 일어난 화면 | 클릭 | 비중 | 그날 추천 목록에 있던 비율 |
|---|---|---|---|
| 헤드라인 | 1만 1,270건 | 65.4% | 10.05% |
| 분야 탭 | 2,421건 | 14.0% | 17.93% |
| 홈 피드 | 1,611건 | 9.3% | 12.19% |
| 뉴스룸 | 1,203건 | 7.0% | 9.05% |
| 기사 상세 | 712건 | 4.1% | 8.10% |

고객이 어떤 경로로 정보를 접하고 행동하는지는 화면과 상황에 따라 달라질 수 있다. 연구 결과만으로 추천이 클릭을 일으켰다고 단정할 수는 없다. 다만 고객의 행동을 하나의 목록이나 경로만으로 설명하기 어렵다는 점은 분명하다.

가게도 AI 답변만으로 고객의 유입 경로를 모두 설명할 수 없다. 고객은 여러 경로로 가게를 발견하고 방문할 수 있다. AI 노출이 늘었는데 방문이나 문의가 그대로라면 노출 수치만 더 높이는 데 집중하기보다 실제 유입 경로를 따로 확인해야 한다.

## 숫자를 비교할 때도 기준을 맞춰야 할까?

연구에서는 추천 목록의 분야 다양성이 0.8352였고 클릭의 분야 다양성은 0.5401이었다. 가장 많은 분야가 차지한 비중도 추천 목록은 37.04%, 클릭은 69.28%였다. 추천 목록은 여러 분야에 분산됐지만 실제 클릭은 상대적으로 적은 분야에 집중됐다.

| 다양성 비교 | 값 |
|---|---|
| 분야 다양성(0~1): 추천 / 클릭 | 0.8352 / 0.5401 |
| 가장 많은 분야 몫: 추천 / 클릭 | 37.04% / 69.28% |
| 이용자별 다양성 차이(그대로 비교) | 0.288 |
| 같은 개수로 맞춘 뒤 차이(클릭 5회 이상 284명) | 0.032 |
| 같은 개수로 맞춘 뒤 차이(클릭 10회 이상) | 0.010 |
| 같은 개수로 맞춰도 남은 쏠림 차이(251명) | 0.082 |

그런데 이용자별로 추천 기사 수와 클릭 수가 다르다는 점을 고려해 비교하면 차이가 크게 줄었다. 이용자마다 클릭 수만큼 추천 기록을 맞춰 뽑았을 때 다양성 차이는 0.288에서 0.032로 감소했다.

숫자를 비교할 때는 기간뿐 아니라 표본 수와 집계 기준도 맞춰야 한다. 지난달과 이번 달의 노출을 비교하더라도 집계 기간이나 노출의 정의가 다르면 변화의 의미가 달라질 수 있다. 조건을 맞추지 않은 숫자만으로 성과가 좋아졌다고 판단해서는 안 된다.

## 우리 가게는 무엇부터 확인해야 할까?

먼저 AI 노출, 홈페이지 방문, 전화·예약 문의를 세 항목으로 나눠 기록해야 한다. 노출이 늘었는지, 방문이 늘었는지, 문의가 늘었는지를 따로 확인해야 변화가 어디에서 나타났는지 알 수 있다.

| 할 일 | 근거 숫자 |
|---|---|
| AI 노출, 홈페이지 방문, 전화·예약 문의를 세 칸으로 따로 적는다 | 누른 기사 중 그날 추천 목록에 있던 것 11.29% |
| 보고서의 「노출」이 무엇을 센 것인지 정의부터 묻는다 | 서치 콘솔은 스크롤 안 해도 노출, MRC는 50%·1초 |
| 고객이 어느 경로로 왔는지 경로별로 나눠 본다 | 헤드라인 65.4%, 분야 탭은 추천 연결 17.93% |
| 고객 설문의 「관심 있는 것」만 믿고 메뉴를 정하지 않는다 | 1위 분야 77.22% 일치, 전체 겹침은 0.2283 |
| 지난달과 이번 달을 비교할 때 기간과 표본 수를 맞춘다 | 다양성 차이 0.288 → 같은 수로 맞추면 0.032 |
| 이름이 답 앞쪽에 나오는지도 따로 적는다 | 뉴스 추천 상위 5개 1.47배, 상위 20개 1.28배 |

다음으로 보고서에서 말하는 노출의 정의를 확인해야 한다. AI 답변에 이름이 포함된 횟수인지, 실제 화면에 표시된 횟수인지, 고객이 해당 내용을 확인했다는 뜻인지 구분할 필요가 있다. 측정 기준이 명확해야 이전 보고서와 현재 보고서를 제대로 비교할 수 있다.

고객이 어디에서 가게를 알게 됐는지도 가능한 범위에서 나눠 살펴야 한다. AI 답변에서 유입된 고객과 검색, 지도, 지인 추천 등 다른 경로로 유입된 고객을 구분할 수 있다면 노출 수치와 실제 행동의 관계를 이해하는 데 도움이 된다.

다만 이 연구는 뉴스 앱 하나의 6개월 기록을 분석한 관찰 연구다. AI 답변이나 동네 가게를 직접 조사한 연구가 아니며, 추천 목록이 클릭을 일으켰다는 인과관계도 증명하지 않았다. 따라서 뉴스 앱의 수치를 가게의 성과에 그대로 적용해서는 안 된다. 참고할 부분은 노출과 행동을 구분해 측정하는 방법이다.

요점 ① 뉴스 앱에서 클릭한 기사 중 당일 추천 목록에 있던 기사는 11.29%였다. 노출과 클릭은 다른 결과다. ② 전체 클릭의 65.4%는 헤드라인 화면에서 발생했다. 고객의 행동은 한 가지 경로만으로 설명되지 않는다. ③ 관심 분야와 실제 클릭의 일치율은 77.22%였지만, 무작위 비교에서도 61.54%가 일치했다. 고객의 응답과 행동을 함께 살펴야 한다. ④ 구글 서치 콘솔은 스크롤하지 않은 노출도 세지만, MRC는 화면의 50% 이상이 1초 이상 표시돼야 노출로 인정한다. AI 노출, 방문, 문의는 따로 측정해야 한다.

## 같이 읽을 글

 

- 응답 점유율이 곧 시장 점유율일까

- 챗GPT에 나오는데 왜 홈페이지 방문자는 안 늘까?

- 우리 홈페이지가 구글 AI 답에 나왔는지 어디서 보나?

- AI가 가게를 추천하면 고객은 바로 올까?
 

## 자료 출처

 

- When Exposure Is Not Attention: Auditing the Preference-Exposure-Consumption Gap in Personalized News Recommenders(고려대 산업경영공학부·arXiv 2610.10173·2026년 10월 7일 제출, 뉴스 앱 6개월·이용자 1,583명·클릭 1만 7,512건)

- 같은 논문 HTML 본문(표 1~11, 5~8장)

- 노출수, 게재순위, 클릭수란 무엇인가요?(구글 Search Console 도움말, 노출 집계 규칙·AI 개요·AI 모드)

- AI Features and Your Website(구글 검색 센터·2025년 12월 갱신, AI 기능 노출의 서치 콘솔 집계)

- MRC Viewable Ad Impression Measurement Guidelines(미국 미디어 평가 위원회 MRC·IAB·2015년 8월 2.0판, 화면 50%·1초 기준)