ChatGPT가 추천했는데 GA에는 안 보인다

먼저 확인할 점

마케팅 리포트에서 이런 상황이 생길 수 있습니다.

사용자가 ChatGPT에 "우리 회사에 맞는 GEO 플랫폼을 추천해줘"라고 묻습니다. 답변 안에서 특정 브랜드가 추천됩니다. 사용자는 그 자리에서 링크를 클릭하지 않고, 다음 날 Google에서 브랜드명을 검색한 뒤 사이트에 들어와 문의를 남깁니다.

GA에서는 이 전환이 organic search나 direct로 잡힐 수 있습니다. ChatGPT가 앞에서 브랜드를 후보군에 넣어준 영향은 보이지 않습니다.

이것이 AI search attribution gap의 핵심입니다. AI 답변은 구매 여정 앞단에서 브랜드 인식과 비교 기준을 만들 수 있지만, 기존 analytics는 클릭/세션/전환 경로에 남은 것만 봅니다. 그래서 AI 검색 성과를 referral traffic 하나로 판단하면 과소평가하기 쉽습니다.

다만 여기서 조심해야 합니다. "AI가 매출을 만들었다"고 단정하면 위험합니다. 지금 필요한 것은 완벽한 attribution이 아니라, AI 영향으로 의심되는 proxy를 묶어 의사결정을 보정하는 리포팅 프레임입니다.

Semrush가 말한 attribution gap

Semrush의 Attribution gap in agentic search 글은 AI 검색의 성과 측정 문제를 두 가지로 나눕니다.

첫째는 invisible influence입니다. AI 답변 안에서 브랜드가 언급되고, 사용자가 그 답변을 읽고 의견을 만들었지만, 사이트 방문이나 클릭이 남지 않는 경우입니다. 브랜드는 영향을 받았지만 analytics에는 흔적이 없습니다.

둘째는 agentic search입니다. AI agent가 사용자를 대신해 비교, 선택, 구매 같은 행동을 수행하면 사이트 방문 자체가 줄어들 수 있습니다. 이 경우 기업은 전환 결과만 보고, 어떤 AI 상호작용이 그 결정에 영향을 줬는지 알기 어렵습니다.

이 문제는 완전히 새로운 것은 아닙니다. 예전에도 사람들은 유튜브 리뷰, 지인 추천, 커뮤니티 글, 오프라인 광고를 보고 나중에 검색으로 돌아왔습니다. 다만 AI 검색은 이 invisible influence를 더 자주, 더 구조적으로 만들 수 있습니다. 한 번의 답변 안에 브랜드 추천, 비교 기준, 제3자 출처, 제품 요약이 함께 들어가기 때문입니다.

GA가 틀린 것이 아니라, 보는 범위가 다르다

GA나 기존 analytics가 거짓말을 하는 것은 아닙니다. 다만 기록할 수 있는 범위가 다릅니다.

기존 리포트는 대체로 클릭과 세션을 중심으로 움직입니다. 사용자가 어떤 채널에서 들어왔는지, 어떤 페이지를 봤는지, 어떤 전환을 만들었는지를 봅니다. 하지만 AI 답변 안에서 형성된 브랜드 인상은 세션이 아닙니다. 링크 없는 언급도 세션이 아닙니다. 사용자가 AI 답변을 읽고 다음 날 브랜드명을 검색하면, 마지막 경로는 검색입니다.

그래서 AI 검색 리포팅은 기존 SEO 리포트에 한 층을 더 얹어야 합니다.

첫 번째 층은 "AI 답변 안에서 보였는가"입니다. 두 번째 층은 "그 이후 사용자의 후행 행동이 움직였는가"입니다. 세 번째 층은 "이 변화를 비즈니스 결과와 어떻게 조심스럽게 연결해 해석할 것인가"입니다.

HaloX식 3-layer 리포팅 프레임

AI search attribution gap은 한 개 지표로 닫히지 않습니다. HaloX에서는 아래 세 층으로 나눠 보는 편이 안전합니다.

레이어	봐야 할 지표	질문	해석 주의
Visibility layer	AI share of voice, mention rate, citation rate, source mix	AI 답변 안에서 브랜드가 보이고, 어떤 출처가 근거가 되는가	보였다는 사실이 곧 전환을 뜻하지는 않는다
Influence proxy layer	branded search lift, direct traffic lift, cited page direct traffic pattern, AI referral conversion rate	AI 답변 이후로 의심되는 후행 행동이 움직이는가	PR/광고/시즌성 영향과 섞일 수 있다
Outcome interpretation layer	assisted influence narrative, self-reported attribution, revenue/conversion correlation	AI visibility 변화와 전환 변화가 같은 방향으로 움직이는가	인과가 아니라 방향성 있는 보조 근거로 말해야 한다

이 프레임의 장점은 과장하지 않는다는 점입니다. AI 답변에서 브랜드가 많이 언급됐다고 해서 바로 "AI가 매출을 만들었다"고 말하지 않습니다. 대신 AI share of voice가 올랐고, 같은 기간 branded search가 늘었고, 인용된 페이지군의 direct traffic이 함께 움직였고, 문의 폼에서 "ChatGPT에서 봤다"는 응답이 일부 나왔다는 식으로 evidence를 쌓습니다.

이 정도면 완벽한 attribution은 아니어도, 의사결정에 참고할 수 있는 리포트가 됩니다.

1단계: visibility layer를 먼저 본다

가장 먼저 볼 것은 AI 답변 안의 존재감입니다. referral traffic보다 앞에 있는 신호입니다.

핵심 지표는 네 가지입니다.

지표	의미	실무 질문
AI share of voice	핵심 프롬프트군에서 우리 브랜드가 경쟁사 대비 얼마나 등장하는가	구매자가 물을 법한 질문에서 후보군에 들어가는가
Mention rate	답변 안에서 브랜드가 언급되는 비율	링크가 없어도 브랜드가 기억될 만큼 반복 노출되는가
Citation rate	우리 URL이나 관련 출처가 인용되는 비율	AI가 답변 근거로 어떤 페이지를 쓰는가
Source mix	자사/제3자/리뷰/커뮤니티/미디어 출처 구성	AI가 우리 브랜드를 어떤 자료 환경에서 이해하는가

이때는 mention과 citation을 분리해서 봐야 합니다. AI가 우리 브랜드를 언급했지만 자사 페이지를 인용하지 않을 수 있습니다. 반대로 자사 페이지가 정보 출처로 쓰였지만 브랜드 추천 문맥에는 들어가지 않을 수도 있습니다.

그래서 HaloX 리포트에서는 "보였는가"를 하나의 점수로만 보지 말고, 언급/인용/출처 구성을 나눠 봐야 합니다.

2단계: influence proxy layer를 붙인다

그다음은 후행 행동입니다. AI 답변 안의 영향은 클릭으로 바로 남지 않을 수 있으므로, 주변 신호를 같이 봐야 합니다.

대표적인 proxy는 아래와 같습니다.

Proxy	보는 방법	왜 필요한가
Branded search lift	GSC에서 브랜드명/브랜드+카테고리 query 변화 확인	AI 답변을 본 사용자가 나중에 브랜드를 검색할 수 있다
Direct traffic lift	직접 방문과 전환율 추세 확인	AI 답변 이후 URL을 직접 입력하거나 저장된 기억으로 돌아올 수 있다
Cited page → direct traffic pattern	AI가 자주 인용한 페이지군과 direct/organic landing 변화를 대조	어떤 페이지가 AI 답변의 근거로 쓰인 뒤 후행 방문을 만드는지 본다
AI referral conversion rate	ChatGPT/Perplexity/Gemini 등 referral 유입의 전환율 확인	클릭이 발생한 일부 AI 유입의 질을 본다

이 지표들은 모두 단독으로는 약합니다. branded search는 광고나 PR 때문에 늘 수도 있고, direct traffic은 원래 혼합 bucket입니다. 하지만 visibility layer와 함께 보면 해석력이 생깁니다.

예를 들어 핵심 프롬프트에서 AI share of voice가 12%에서 28%로 올랐고, 같은 기간 브랜드+카테고리 검색이 늘었고, AI가 인용한 비교 페이지의 direct landing이 함께 증가했다면 이렇게 말할 수 있습니다.

"AI 검색 노출 증가와 후행 브랜드 탐색 신호가 같은 방향으로 움직이고 있다. 아직 인과로 단정할 수는 없지만, GEO 작업의 assisted influence를 볼 만한 구간이다."

이 정도가 안전한 표현입니다.

3단계: outcome interpretation은 낮은 주장 강도로 쓴다

마지막 단계는 전환과 매출 해석입니다. 이 구간에서 주장이 강해지기 쉽습니다.

AI 검색 성과 리포트가 설득력을 얻으려면 비즈니스 결과와 연결해야 합니다. 하지만 연결 방식이 너무 강하면 바로 과장이 됩니다. "AI 검색이 매출을 만들었다"보다 "AI visibility 변화와 전환 proxy가 함께 움직였다"가 더 정확합니다.

추천 표현은 아래와 같습니다.

위험한 표현	안전한 표현
AI가 매출을 만들었다	AI 영향으로 의심되는 후행 신호가 함께 움직였다
ChatGPT 노출 덕분에 전환이 늘었다	ChatGPT/AI 검색 노출 증가와 branded/direct 전환 증가가 같은 기간 관측됐다
AI referral이 전체 AI 성과다	AI referral은 관측 가능한 일부 클릭 신호다
direct traffic 증가는 AI 영향이다	direct traffic 증가는 여러 요인이 섞인 proxy이며, AI visibility와 함께 해석해야 한다

리포트에는 self-reported attribution도 넣는 편이 좋습니다. 문의 폼이나 세일즈 콜에서 "처음 어디서 알게 되었나요?"만 묻는 것으로는 부족할 수 있습니다. AI 검색 영향은 첫 인지와 최근 검토가 다를 수 있기 때문입니다.

질문을 두 개로 나누는 것이 좋습니다.

1. 이 브랜드를 처음 알게 된 경로는 무엇인가요?
2. 최근 비교/검토 과정에서 ChatGPT, Perplexity, Gemini 같은 AI 도구를 사용했나요?

표본은 작고 편향도 있습니다. 그래도 analytics 바깥의 신호를 보강하는 데는 유용합니다.

30일 안에 시작하는 체크리스트

처음부터 완벽한 모델을 만들 필요는 없습니다. 30일 안에는 아래 정도면 충분합니다.

1. GA4에서 ChatGPT, Perplexity, Gemini, Copilot 등 AI referral을 별도 채널로 분리한다.
2. GSC에서 브랜드 query와 브랜드+카테고리 query의 90일 baseline을 만든다.
3. 핵심 구매 프롬프트 20개를 정하고 AI share of voice, mention, citation을 주 1회 기록한다.
4. AI 답변에서 인용된 URL과 source domain을 자사/제3자/리뷰/커뮤니티/미디어로 나눈다.
5. 문의 폼이나 세일즈 콜에 "최근 AI 도구로 비교/검토했는가" 질문을 추가한다.
6. 월말에 visibility 변화와 branded/direct/AI referral/conversion 변화를 한 화면에서 본다.

이 체크리스트의 목적은 attribution을 완성하는 것이 아닙니다. GA가 놓치는 앞단의 영향을 리포트에 올려놓는 것입니다.

HaloX에서는 어떻게 봐야 하나

HaloX가 봐야 할 질문은 단순히 "AI 유입이 몇 세션인가"가 아닙니다.

더 중요한 질문은 이것입니다.

• 우리 브랜드가 핵심 구매 질문에서 후보군에 들어가는가?
• AI가 우리 브랜드를 설명할 때 어떤 출처를 근거로 삼는가?
• 자사 페이지와 제3자 출처의 source mix는 어떻게 구성되는가?
• AI 답변에 자주 인용되는 페이지군에서 branded search/direct traffic 변화가 보이는가?
• 전환 리포트에서 AI 영향으로 의심되는 assisted influence를 어떻게 설명할 수 있는가?

이렇게 보면 GEO는 콘텐츠 작성법만의 문제가 아닙니다. 브랜드가 AI 답변 안에서 발견되고, 비교되고, 근거를 얻고, 다시 사람의 검색과 문의로 이어지는 과정을 보는 운영 체계입니다.

기존 글에서 AI traffic은 아직 작지만 전략적으로 봐야 한다고 정리했다면, 이번 글의 결론은 더 좁습니다. AI traffic이 작게 보이는 이유 중 하나는 실제 영향이 작아서만이 아니라, 기존 analytics가 AI 답변 안의 선행 영향을 충분히 보지 못하기 때문입니다.