고객이 ChatGPT에게 추천을 물어봅니다. 내 브랜드가 나올까요?

누군가 AI 어시스턴트에게 민감성 피부에 맞는 선크림을 물어봅니다. 답변에는 브랜드 두세 개가 나옵니다. 그 안에 우리 브랜드가 있는지는 예전엔 그렇게 중요하지 않았습니다. 지금은 예전에 검색 결과 순위가 그랬던 것만큼 중요해지고 있습니다.

기존 웹 분석은 측정 대상이 고정되어 있다고 가정합니다. 페이지에는 순위가 있고, 순위는 위치가 있고, 위치는 시간에 따라 추적할 수 있죠. 생성형 답변은 그렇게 작동하지 않습니다. 똑같은 질문을 두 번 던져도 표현이, 때로는 언급되는 브랜드 자체가 달라질 수 있습니다. 내일 다시 확인할 고정된 "11위" 같은 게 없습니다.

고정된 순위 대신 쓰는 방법은 반복 샘플링입니다. 같은 유형의 질문을 계속 던져보면서 브랜드가 얼마나 자주 등장하는지, 등장할 때 어떻게 표현되는지, 답변이 어떤 출처를 참고한 것처럼 보이는지를 추적하는 거죠. 이건 최적화 문제이기 전에 측정 문제입니다 — 뭔가를 움직이려 시도하기 전에, 그걸 안정적으로 관찰할 수 있어야 하니까요.

Nexus가 다루는 게 바로 이 층위입니다. ChatGPT·Perplexity·Gemini 같은 모델들에서 인용 출처와 답변 점유율을 비교하고, 거기서 드러난 격차를 빠진 구조화 데이터, 얇은 콘텐츠, 그 밑에 깔린 기술적 SEO 문제처럼 구체적으로 고칠 수 있는 원인으로 되짚어 갑니다.

이 주제를 다룬 학계 연구에서 나온 결과 하나는 바로 실무에 적용할 수 있어서 짚어볼 만합니다. 권위 있는 출처의 인용문을 추가하거나 구체적인 통계를 포함한 콘텐츠가, 테스트된 다른 대부분의 온페이지 변경보다 생성형 답변 노출에서 더 큰 개선을 보였다는 결과입니다. 이는 Nexus가 실제로 관찰하는 패턴과도 일치합니다. 브랜드가 스스로 제품이 좋다고 말하는 페이지는 언어 모델이 인용할 근거가 되지 못하지만, 독립적인 출처나 구체적인 숫자가 담긴 페이지는 그렇지 않습니다.