AI Visibility, 점수 하나로 보면 위험합니다

챗GPT에 우리 브랜드가 보인다고 해서, 퍼플렉시티와 Google AI Overviews에도 보인다고 말할 수 있을까요?

AI 검색 리포트를 볼 때 가장 조심해야 할 지점이 여기 있습니다. AI Visibility 72점 같은 하나의 숫자는 보기에는 편합니다. 하지만 그 숫자만 보면 중요한 질문이 가려집니다.

• 어느 엔진에서 보이는가
• 어떤 질문에서 보이는가
• 어떤 URL이 인용되는가
• 그 URL은 다른 엔진에서도 반복해서 살아남는가
• 특정 엔진 하나에 지나치게 의존하고 있지는 않은가

AI 검색 시대의 리포팅은 단일 점수보다 엔진별 분해가 먼저입니다.

AI Visibility는 이제 보인다, 안 보인다의 문제가 아닙니다

예전 SEO에서는 Google 검색 순위 하나가 실무의 중심이었습니다.

물론 검색 결과도 복잡했습니다. 그래도 많은 팀은 “주요 키워드에서 몇 위인가”를 중심으로 전략을 세울 수 있었습니다. 순위가 오르면 좋은 신호였고, 내려가면 문제였습니다.

AI 검색에서는 상황이 다릅니다.

사용자는 같은 의도를 ChatGPT에 물어볼 수 있고, Perplexity에서 검색할 수 있고, Google 검색 결과의 AI Overviews를 볼 수도 있습니다. 겉으로는 모두 “AI가 답을 준다”는 점에서 비슷해 보입니다.

하지만 답변이 참조하는 URL은 같지 않을 수 있습니다.

어떤 브랜드는 ChatGPT 답변에는 등장하지만 Perplexity citation에는 빠질 수 있습니다. 반대로 Perplexity에는 자주 인용되지만 Google AI Overviews에서는 거의 보이지 않을 수도 있습니다. 공식 홈페이지는 검색 결과에는 잘 보이는데, AI 답변의 근거 URL로는 잘 채택되지 않을 수도 있습니다.

그래서 이제 질문은 바뀌어야 합니다.

“우리 AI Visibility가 몇 점인가?”보다 먼저 물어야 할 것은 이것입니다.

“우리는 어떤 엔진에서, 어떤 질문에, 어떤 URL로 보이고 있는가?”

단일 점수가 위험한 이유

단일 점수는 편합니다.

대표에게 보고하기 좋고, 대시보드에서도 한눈에 보입니다. “지난달 58점에서 이번 달 71점으로 올랐습니다”라고 말하면 성과처럼 들립니다.

문제는 그 점수가 어디서 왔는지 모르면 잘못 안심할 수 있다는 점입니다.

예를 들어 어떤 브랜드의 AI Visibility가 70점이라고 가정해보겠습니다. 겉보기에는 나쁘지 않습니다. 하지만 실제 구성을 뜯어보니 ChatGPT에서만 많이 보이고, Perplexity와 Google AI Overviews에서는 거의 보이지 않는다면 어떨까요?

그 브랜드는 “AI 검색에서 강한 상태”가 아니라 “특정 엔진 하나에 묶인 상태”일 수 있습니다.

또 다른 경우도 있습니다. 전체 citation 수는 많지만 인용되는 URL 대부분이 한두 개 외부 리뷰 페이지에 몰려 있을 수 있습니다. 브랜드 공식 페이지, 제품 비교 페이지, 고객 사례, 설명형 콘텐츠는 거의 인용되지 않을 수 있습니다.

이 경우 단일 점수는 좋아 보여도 실무자는 다음 액션을 잡기 어렵습니다.

• 공식 페이지를 고쳐야 하는지
• 비교형 콘텐츠를 만들어야 하는지
• 외부 리뷰와 디렉터리 신호를 보강해야 하는지
• 특정 엔진의 source gap을 먼저 해결해야 하는지

점수만으로는 알 수 없습니다.

실제 데이터가 보여주는 신호

Kevin Indig는 Omnia 데이터를 바탕으로 ChatGPT, Perplexity, Google AI Overviews의 citation overlap을 분석했습니다. 공개된 글 기준으로 20,000개 프롬프트와 370만 개 citation이 분석 대상이었습니다.

핵심은 간단합니다.

같은 프롬프트라도 세 엔진이 인용하는 URL은 거의 겹치지 않았다는 것입니다.

공개 본문 기준, 세 엔진 모두에서 겹친 universal overlap은 2.37%로 보고됐습니다. 반대로 citation의 91.07%는 정확히 한 엔진에서만 나타난 것으로 설명됩니다.

이 숫자는 매우 강한 신호입니다.

다만 이 결과를 “전 세계 모든 산업에서 AI citation overlap은 2%대다”라고 단정하면 안 됩니다. Omnia 고객 기반 데이터이고, 지역과 산업 구성의 편향이 있을 수 있습니다. 한국어 시장, 국내 B2B 쿼리, Naver 같은 로컬 검색 표면에서는 별도 실험이 필요합니다.

그래도 실무 원칙은 충분히 얻을 수 있습니다.

AI Visibility는 하나의 통합 점수로 뭉개기보다, 엔진별로 나눠서 봐야 합니다.

리포트는 3가지 신호로 나눠야 합니다

HaloX 관점에서 AI Visibility 리포트는 최소한 3가지 질문에 답해야 합니다.

1. Presence: 우리는 보이는가

Presence는 가장 기본적인 질문입니다.

특정 기간과 프롬프트 세트에서 우리 브랜드, 도메인, 지정 URL이 최소 한 번이라도 등장했는지를 봅니다.

중요한 것은 전체 Presence만 보지 않는 것입니다. 엔진별로 나눠야 합니다.

• ChatGPT Presence
• Perplexity Presence
• Google AI Overviews Presence
• 프롬프트 클러스터별 Presence
• 제품군, 비교, 문제 해결, 가격, 대안 질문별 Presence

초기 리포트에서는 Presence가 가장 이해하기 쉽습니다.

대표는 “우리가 아예 보이는가?”를 확인할 수 있고, 실무자는 “어떤 질문 묶음에서 빠지는가?”를 볼 수 있습니다.

2. Portability: 어떤 자산이 엔진을 건너가는가

Portability는 조금 더 중요한 질문입니다.

어떤 URL이 한 엔진에서만 인용되는지, 두 개 이상의 엔진에서 반복해서 살아남는지 보는 지표입니다.

AI 검색에서 좋은 자산은 단순히 많이 인용되는 URL이 아닙니다. 여러 엔진의 서로 다른 선택 기준을 통과하는 URL입니다.

예를 들어 어떤 가이드 문서가 ChatGPT와 Perplexity에서 모두 인용된다면, 그 자산은 확장할 가치가 있습니다. 반대로 특정 블로그 글이 ChatGPT에서만 많이 보이고 Google AI Overviews에서는 전혀 보이지 않는다면, 그 콘텐츠는 엔진 의존형 자산일 수 있습니다.

Portability를 보면 콘텐츠 우선순위가 달라집니다.

• 두 개 이상 엔진에서 살아남는 URL은 확장 후보입니다.
• citation 수는 높지만 한 엔진에만 갇힌 URL은 보완 후보입니다.
• 공식 페이지보다 외부 리뷰가 더 잘 이동한다면 earned source 전략이 필요합니다.
• 설명형 가이드가 상대적으로 잘 이동한다면 관련 주제군을 넓힐 수 있습니다.

이 지표는 “무엇을 더 만들 것인가”보다 먼저 “무엇이 이미 작동하고 있는가”를 보여줍니다.

3. Concentration: 어디에 과하게 의존하는가

Concentration은 리스크 지표입니다.

전체 citation 중 특정 엔진이 차지하는 비중이 지나치게 높다면, 그 브랜드의 AI Visibility는 안정적이지 않을 수 있습니다.

예를 들어 전체 citation의 78%가 ChatGPT에서 나오고, Perplexity가 12%, Google AI Overviews가 10%라면 어떨까요?

겉으로는 AI Visibility가 높아 보일 수 있습니다. 하지만 ChatGPT의 답변 정책, browsing 방식, source selection이 바뀌면 전체 성과가 크게 흔들릴 수 있습니다.

대표와 마케팅 리더에게는 이 지표가 중요합니다.

Concentration은 “성과가 있는가”보다 “그 성과가 한 플랫폼에 묶여 있는가”를 묻기 때문입니다.

한국 B2B에서는 더 조심해야 합니다

한국 B2B 시장에서는 이 문제가 더 복잡해질 가능성이 큽니다.

글로벌 SaaS나 영어권 콘텐츠는 ChatGPT, Perplexity, Google 검색 생태계에서 비교적 많은 공개 자료를 갖고 있습니다. 반면 한국 B2B 브랜드는 공개 자료가 적고, 검색 표면도 더 분산되어 있습니다.

예를 들어 이런 질문을 생각해볼 수 있습니다.

• 한국 CRM 추천
• B2B 영업 자동화 툴 비교
• 반도체 장비 유지보수 업체 추천
• 스마트팩토리 컨설팅 회사
• 한국 AI 검색 최적화 업체

이 질문에 대해 각 엔진은 서로 다른 출처를 선택할 수 있습니다.

ChatGPT는 글로벌 비교 자료나 오래 축적된 영문 자료에 기대는 경향을 보일 수 있습니다. Perplexity는 최신 블로그, 뉴스, 리뷰 페이지를 더 자주 붙일 수 있습니다. Google AI Overviews는 Google 색인 안에서 구조가 잘 잡힌 페이지와 공식 문서를 더 반영할 수 있습니다.

여기에 한국어 검색 표면까지 들어오면 더 복잡해집니다.

Naver, 블로그, 카페, 뉴스, 브런치, 산업 협회, 조달 자료, 디렉터리, 고객 사례가 각각 다른 역할을 할 수 있습니다. 이 신호를 하나의 GEO 점수로 합치면 실무자가 어디를 고쳐야 하는지 알기 어렵습니다.

한국 B2B 브랜드에는 특히 다음 구분이 필요합니다.

• 공식 페이지가 존재하는가
• AI 답변에 브랜드가 언급되는가
• AI 답변의 근거 URL로 채택되는가
• 어떤 엔진에서 채택되는가
• owned source와 earned source 중 무엇이 작동하는가
• 한국어 검색 표면에서 같은 현상이 반복되는가

이 구분이 없으면 “콘텐츠를 더 쓰자”는 막연한 결론으로 흐르기 쉽습니다.

실무자는 무엇을 봐야 할까

AI Visibility 리포트를 볼 때 처음부터 복잡한 모델을 만들 필요는 없습니다.

먼저 아래 3가지만 확인해도 방향이 달라집니다.

1. 엔진별로 citation URL을 분리한다

전체 citation 수만 보지 말고, ChatGPT, Perplexity, Google AI Overviews별로 URL을 나눠 봐야 합니다.

같은 URL이 반복되는지, 엔진마다 완전히 다른 URL이 등장하는지 확인해야 합니다.

2. 프롬프트 클러스터별로 본다

브랜드명 질문과 비교 질문은 다릅니다.

가격 질문, 대안 질문, 문제 해결 질문, 지역 질문도 다릅니다. 전체 평균을 보면 특정 질문군에서 완전히 빠져 있는 문제가 가려질 수 있습니다.

3. 액션 가능한 source gap을 찾는다

리포트의 목적은 점수 확인이 아니라 실행 우선순위입니다.

예를 들어 Google AI Overviews에서 공식 문서가 약하다면 owned page 구조를 봐야 합니다. Perplexity에서 외부 리뷰와 최신 글이 더 강하다면 earned source와 업데이트 주기를 봐야 합니다. ChatGPT에서 오래된 비교글이 반복된다면 브랜드 설명과 entity consistency를 점검해야 합니다.

좋은 리포트는 “몇 점입니다”에서 끝나지 않습니다.

“이 엔진의 이 질문군에서 이 URL 유형이 비어 있으니, 다음 액션은 이것입니다”까지 가야 합니다.

HaloX가 보는 AI Visibility 리포팅의 방향

HaloX는 AI 검색을 단순한 노출 점수로 보지 않습니다.

브랜드가 AI 답변 안에서 어떻게 등장하는지, 어떤 출처가 근거로 채택되는지, 그 신호가 엔진을 넘어 반복되는지를 봐야 한다고 봅니다.

그래서 리포트의 중심은 하나의 총점이 아니라 분해 가능한 신호여야 합니다.

• Presence: 우리는 보이는가
• Portability: 어떤 자산이 여러 엔진을 건너가는가
• Concentration: 특정 엔진에 과하게 의존하고 있는가
• Source type: owned, earned, directory, community, docs 중 무엇이 작동하는가
• Prompt cluster: 어떤 질문군에서 비어 있는가
• Locale: 한국어, 영어, 지역 검색 표면이 어떻게 다른가

이렇게 봐야 고객은 다음 행동을 정할 수 있습니다.

AI 검색 최적화는 더 이상 “글을 많이 쓰면 된다”로 해결되지 않습니다. 어떤 질문에 대해, 어떤 엔진이, 어떤 URL을, 왜 근거로 선택하는지 봐야 합니다.

그리고 그 차이를 리포트에서 보여줘야 합니다.

기존 SEO와 GEO의 관계가 궁금하다면 GEO vs SEO vs AEO 비교를 먼저 보면 좋습니다. AI 검색 실험 설계가 필요하다면 AI 검색 노출 실험은 어떻게 설계해야 할까와 함께 읽으면 리포트 구조를 잡기 쉽습니다.

오늘 바로 점검할 5가지

AI Visibility를 보고 있다면, 다음 질문부터 확인해보면 좋습니다.

1. 전체 점수 말고 엔진별 Presence가 있는가?
2. citation URL이 엔진별로 분리되어 있는가?
3. 두 개 이상 엔진에서 반복 인용되는 URL 목록이 있는가?
4. 특정 엔진 하나가 전체 citation의 대부분을 차지하지 않는가?
5. 브랜드 공식 페이지와 외부 출처의 역할이 구분되어 있는가?

이 다섯 가지가 없으면 리포트는 보기에는 깔끔해도 실행으로 이어지기 어렵습니다.

AI Visibility의 핵심은 숫자를 예쁘게 만드는 것이 아닙니다.

AI가 어떤 근거를 선택하는지 이해하고, 브랜드가 그 선택 안에 들어갈 수 있도록 자산과 출처를 정렬하는 것입니다.

그 출발점은 단일 점수가 아니라 엔진별 분해입니다.