AI 가시성 점수 하나로 브랜드를 평가하면 왜 위험할까?

AI 가시성 점수 하나로 브랜드를 평가하면 왜 위험할까?

브랜드의 AI 가시성은 한 개의 숫자로 요약되는 지표가 아닙니다. "우리 AI 가시성이 몇 %"라는 단일 점수는 서로 다른 주제의 성과를 뭉뚱그려 평균 낸 값이라, 실제로 어디서 이기고 어디서 지는지를 가려버립니다. 지오랭크는 여러 프로젝트에서 이 단일 점수가 오히려 잘못된 의사결정을 부르는 장면을 반복해 목격했습니다. 이 글에서는 왜 브랜드 단위 가시성 점수가 허수에 가까운지, 그리고 주제별 가시성으로 측정을 바꾸면 무엇이 달라지는지 데이터와 사례로 정리했습니다.

목차

• 지오랭크가 겪은 가시성 점수의 함정: 시행착오 사례
• 주제별 가시성이란 무엇이고 왜 필요할까?
• 주제별 가시성은 어떻게 측정할까?
• 단일 가시성 퍼센트는 왜 허수 지표가 될까?
• 자주 묻는 질문
• 함께 읽으면 좋은 지오랭크 콘텐츠

지오랭크가 겪은 가시성 점수의 함정: 시행착오 사례

지오랭크도 처음에는 브랜드 단위 평균 가시성 점수를 대시보드 맨 위에 올려두고 성과를 보고했습니다. 그러다 국내 B2B SaaS 기업 A사 프로젝트에서 이 방식이 어떻게 판단을 흐리는지 정면으로 부딪혔는데요.

착수 3개월 차, A사의 전체 AI 가시성은 26.7%였습니다. 4개월 차에 우리가 신규 토픽 두 개를 콘텐츠로 새로 공략하기 시작하자, 다음 달 리포트의 전체 가시성은 20%로 떨어졌습니다. 숫자만 보면 성과가 후퇴한 것처럼 보였고, A사 경영진 회의에서 실제로 "지난달보다 나빠진 것 아니냐"는 질문이 나왔습니다.

문제는 브랜드가 가시성을 잃은 게 아니었다는 점입니다. 기존에 잘 나오던 주제들의 가시성은 그대로였고, 오히려 한 주제는 상승했습니다. 새로 추가한 두 주제가 아직 0%에 가까웠을 뿐인데, 평균을 내는 계산 방식 탓에 전체 숫자만 내려간 것입니다. 저희는 이때 잘못하면 "새 주제를 공략할수록 점수가 나빠 보이는" 역설에 갇힌다는 걸 깨달았습니다. 실제로 이 시기 A사 담당자는 신규 주제 확장을 잠시 멈추자는 의견을 냈는데, 이는 성장에 정확히 반대되는 결정이었습니다.

이 시행착오 이후 지오랭크는 리포트 구조를 주제별 가시성 중심으로 바꿨습니다. 그러자 같은 데이터가 전혀 다른 이야기를 들려줬습니다. "핵심 3개 주제 가시성 유지, 신규 2개 주제 진입 시작"이라는, 실제 상황에 맞는 해석이 가능해진 것입니다. 5개월 차부터 신규 주제 중 하나가 18%까지 올라오면서, 브랜드 단위 평균으로는 절대 설명되지 않던 성장이 명확히 드러났습니다.

더 뼈아팠던 건 그 반대 방향의 착시였습니다. 또 다른 프로젝트에서는 전체 가시성이 두 달 연속 완만히 오르길래 잘 되고 있다고 판단했는데, 주제별로 뜯어보니 정작 매출과 직결되는 하단 퍼널 주제의 가시성은 제자리였고 브랜드명 검색 같은 이미 이기고 있던 주제만 더 올라간 것이었습니다. 전체 숫자는 우상향인데 정작 중요한 곳은 멈춰 있던 셈입니다. 이 경험들을 거치며 지오랭크는 "가시성은 총량이 아니라 분포로 봐야 한다"는 원칙을 굳혔습니다. 전체가 몇 %인지보다, 어떤 주제에서 얼마나 나오는지가 사업적으로 훨씬 중요합니다.

주제별 가시성이란 무엇이고 왜 필요할까?

주제별 가시성은 브랜드 전체를 하나로 묶지 않고, 각 주제(질문 묶음)마다 AI가 우리 브랜드를 얼마나 언급하는지를 따로 측정하는 방식입니다. 브랜드 점유율(Share of Voice)을 주제 단위로 쪼개 본다고 이해하면 쉽습니다.

가시성을 주제별로 봐야 하는 이유는 단순합니다. 사용자는 "브랜드"를 검색하지 않고 "필요"를 검색하기 때문입니다. ChatGPT나 퍼플렉시티에 던지는 질문은 주제마다 완전히 다르고, 그 주제마다 경쟁 상대도, AI가 참고하는 출처도 다릅니다. 한 주제에서 1등인 브랜드가 옆 주제에서는 아예 언급조차 안 되는 일이 흔합니다.

아래는 단일 가시성과 주제별 가시성을 비교한 표입니다.

주제별 가시성을 실무에 도입하는 순서는 다음과 같습니다.

1. 우리 브랜드가 노출되고 싶은 주제를 5~15개로 정의합니다.
2. 주제마다 실제 사용자가 던질 법한 프롬프트를 10~30개씩 수집합니다.
3. 각 프롬프트를 주요 AI(ChatGPT, 퍼플렉시티, 제미나이 등)에 반복 질의합니다.
4. 주제별로 브랜드가 언급된 비율을 따로 집계합니다.
5. 전체 평균이 아니라 주제별 표로 리포트를 구성합니다.

주제별 가시성은 어떻게 측정할까?

측정의 핵심은 "평균을 내지 않는 것"입니다. SEO에서 1위 키워드와 60위 키워드를 평균 내 하나의 순위로 보고하는 마케터는 없습니다. 그런데 유독 AI 가시성에서는 서로 다른 주제를 평균 내 한 숫자로 보고하는 일이 아직도 흔합니다. GEO도 SEO와 똑같이, 주제(또는 키워드 묶음) 단위로 성과를 봐야 합니다.

주제별 측정을 설계할 때 지오랭크가 쓰는 기준을 정리하면 아래와 같습니다.

여기서 특히 중요한 건 표시 방식입니다. 소수점 단위 가시성 %에 집착하면 26.7%와 25.9%의 차이를 성과로 착각하기 쉽습니다. 실제로는 AI 답변의 자연스러운 변동 범위 안일 때가 많습니다. 그래서 지오랭크는 주제별 가시성을 낮음·중간·높음처럼 구간으로 보여주고, 대시보드 최상단에 주제별 카드가 먼저 보이게 배치합니다. 브랜드 전체 숫자는 참고용으로 맨 아래에 둡니다.

플랫폼 분리도 놓치기 쉬운 부분입니다. 같은 주제라도 ChatGPT에서의 가시성과 퍼플렉시티에서의 가시성은 전혀 다르게 나옵니다. 각 플랫폼이 답변을 만들 때 참고하는 출처와 학습 데이터가 다르기 때문인데요. 이 셋을 다시 하나로 평균 내면 주제별로 쪼갠 노력이 무의미해집니다. 그래서 지오랭크는 "주제 x 플랫폼" 격자로 가시성을 관리합니다. 예를 들어 "가격 비교" 주제가 ChatGPT에서는 높지만 제미나이에서는 낮다면, 제미나이가 상대적으로 더 참고하는 출처에 콘텐츠를 태우는 식으로 처방이 완전히 달라집니다.

측정 도구를 고를 때 고려할 점도 있습니다. 브랜드 단위 단일 점수만 크게 보여주는 도구는, 편해 보여도 앞서 말한 역설을 그대로 물려받습니다. 새 주제를 추가할 때 전체 점수가 자동으로 깎이지 않는 구조인지, 주제별로 시계열을 볼 수 있는지를 반드시 확인해야 합니다. 비용이 더 들더라도 주제별 추적이 되는 쪽이 장기적으로 훨씬 정확한 판단을 돕습니다. 다만 도구가 만능은 아닙니다. 도구는 숫자를 잘게 나눠줄 뿐, 어떤 주제가 사업에 중요한지, 낮은 가시성을 어떻게 끌어올릴지는 결국 사람이 판단해야 하는 몫으로 남습니다.

단일 가시성 퍼센트는 왜 허수 지표가 될까?

단일 가시성 %가 위험한 건, 잘못된 인센티브를 만들기 때문입니다. 이는 단순한 측정 취향의 문제가 아니라 조직의 행동을 바꾸는 구조의 문제입니다.

앞선 A사 사례에서 26.7%가 20%로 떨어진 계산을 뜯어보겠습니다. 기존 주제 3개의 가시성이 각각 40%, 30%, 10%였다고 가정하면 평균은 약 26.7%입니다. 여기에 아직 0%인 신규 주제 2개를 더해 5개로 평균을 내면 (40+30+10+0+0)/5로 16%, 값 배분에 따라 20% 안팎으로 내려갑니다. 기존 주제는 하나도 나빠지지 않았는데 전체 숫자만 떨어진 것입니다.

이 구조가 굳어지면 마케팅팀은 무의식적으로 신규 주제 추가를 꺼리게 됩니다. 새 영역에 도전할수록 리더십 보고용 숫자가 나빠 보이니까요. 성장을 위해 해야 할 일(새 주제 공략)과 점수를 지키기 위한 일(기존 주제만 방어)이 정면으로 충돌합니다. 지오랭크는 이런 지표를 허수 지표라고 부릅니다. 숫자는 정밀해 보이지만 올바른 행동을 유도하지 못하기 때문입니다.

객관적으로도 근거가 쌓이고 있습니다. AI 답변은 같은 질문에도 시점과 개인화 맥락에 따라 결과가 달라지는 확률적 시스템입니다. 그래서 단일 값 하나로 브랜드 전체를 평가하면 표본 오차와 실제 개선을 구분할 수 없습니다. 반대로 주제별로 나누면, 특정 주제의 가시성이 여러 주기에 걸쳐 꾸준히 오르는지 아니면 우연히 한 번 튄 것인지가 드러납니다. 지오랭크가 진행한 한 커머스 프로젝트에서는 전체 가시성은 4개월간 31%로 거의 정체였지만, 주제별로 보니 "가격 비교" 주제가 12%에서 29%로 오르고 "사용법" 주제가 44%에서 33%로 내려간, 서로 상쇄된 결과였습니다. 단일 점수만 봤다면 "변화 없음"으로 오판했을 상황입니다.

경영진 보고 관점에서도 주제별 가시성이 유리합니다. "전체 가시성 20%"는 좋은지 나쁜지 판단할 기준이 없는 숫자지만, "핵심 수익 주제 3개 중 2개에서 상위 노출, 신규 주제 2개 진입 시작"은 그 자체로 상황과 다음 액션이 함께 읽힙니다. 지오랭크가 리포트를 주제별로 바꾼 뒤 A사 경영진 회의에서 "왜 떨어졌냐"는 질문이 사라지고 "다음엔 어느 주제를 공략하냐"는 질문으로 대화가 바뀐 것도 같은 이유입니다. 숫자를 잘게 나눴을 뿐인데 논의의 초점이 방어에서 성장으로 옮겨간 것입니다.

물론 주제별 측정에도 한계는 있습니다. 주제를 잘게 쪼갤수록 관리 비용이 늘고, 주제 정의 자체가 자의적일 수 있습니다. 주제를 어떻게 묶느냐에 따라 같은 데이터도 다르게 보일 수 있어서, 주제 분류 기준을 한번 정하면 함부로 바꾸지 않고 일관되게 유지하는 것도 중요합니다. 그래서 무한정 세분화하기보다, 사업에 실제로 중요한 주제를 우선순위로 좁혀 측정하는 균형이 필요합니다. 완벽한 단일 지표는 없지만, 적어도 브랜드 평균 하나로 모든 걸 설명하려는 시도는 그만둘 때가 됐습니다.

자주 묻는 질문

AI 가시성을 꼭 주제별로 나눠야 하나요? 전체 점수 하나면 편하지 않나요?

편하긴 하지만 위험합니다. 전체 점수는 서로 다른 주제의 성과를 평균 내 버려서, 어디서 이기고 어디서 지는지를 감춥니다. 특히 새 주제를 공략할 때 전체 점수가 떨어져 보이는 역설이 생깁니다. 주제별로 봐야 실제 상황에 맞는 판단과 액션이 나옵니다.

주제는 몇 개로 나누는 게 적당한가요?

정답은 없지만, 사업에 실제로 중요한 주제 5~15개 수준을 권장합니다. 너무 적으면 단일 점수와 다를 게 없고, 너무 잘게 쪼개면 관리 비용이 커지고 주제 정의가 자의적이 됩니다. 구매 여정 단계별로 나누면 처음 설계하기 쉽습니다.

가시성 %가 소수점까지 나오는데, 26.7%와 25.9% 차이는 의미가 있나요?

대부분 의미 없습니다. AI 답변은 시점과 맥락에 따라 자연스럽게 변동하는 확률적 시스템이라, 소수점 차이는 표본 오차인 경우가 많습니다. 그래서 낮음·중간·높음 같은 구간으로 보고, 여러 주기에 걸친 추세를 보는 편이 더 정확합니다.

주제별 가시성이 낮게 나온 영역은 어떻게 개선하나요?

먼저 그 주제에서 AI가 어떤 출처를 인용하는지 확인합니다. 그다음 해당 주제를 다루는 자립형 콘텐츠를 보강하고, AI가 발췌하기 좋은 구조(질문형 제목, 완결된 답변 문장, 표)로 다듬습니다. 주제마다 경쟁 상대와 인용 출처가 다르므로, 전략도 주제별로 따로 세워야 합니다.

주제별 측정 도구를 고를 때 무엇을 봐야 하나요?

새 주제를 추가할 때 전체 점수가 자동으로 깎이지 않는 구조인지, 주제별 시계열을 볼 수 있는지, 플랫폼(ChatGPT·퍼플렉시티·제미나이 등)을 분리해 보여주는지를 확인하세요. 브랜드 단위 단일 점수만 크게 보여주는 도구는 허수 지표의 함정을 그대로 물려받습니다.

함께 읽으면 좋은 지오랭크 콘텐츠

플랫폼마다 노출이 왜 다른지 궁금하시다면 ChatGPT·퍼플렉시티는 왜 노출이 다를까? LLM 3계층 GEO 전략을 함께 읽어보시길 권합니다. 주제별 가시성을 플랫폼 계층까지 연결해 볼 수 있습니다.

가시성을 넘어 실제 성과 측정을 다시 설계하고 싶다면 AI Mode 트래픽의 실체: 10만 명 데이터로 본 AI 검색 유입과 GEO 대응이 도움이 됩니다. 클릭 수 대신 인용과 전환으로 성과를 재정의하는 관점을 담았습니다.

가시성 지표 전반을 데이터로 조망하고 싶다면 2026 AI 검색 가시성 리포트: 전환율 5배, Google-AI 중복률 38% 추락이 말해주는 것도 참고가 됩니다.