AEO·GEO 성과는 어떻게 측정하나요? 언급률·인용률·추천 점유율

왜 SEO 순위처럼 잴 수 없나요

SEO에는 “이 검색어에서 우리 페이지가 몇 번째”라는 비교적 고정된 지표가 있습니다. 생성형 AI 답변에는 그 고정점이 없습니다. 같은 질문이라도 플랫폼, 시점, 질문의 표현, 검색 동반 여부, 그 순간 참조된 출처에 따라 답변과 등장 브랜드가 달라질 수 있기 때문입니다.

그래서 “AI 검색 1위”라는 말은 전통적인 검색 순위만큼 고정된 개념이 아닙니다. 한 번의 답변 화면은 성과의 증거가 아니라 표본 하나입니다. 저희가 자사 관측 화면을 공개할 때도 1회 관측이며 재현이 보장되지 않는다고 함께 적는 이유입니다. 2026년 GEO 연구 45편을 검토한 학술 서베이도 실행 간 변동성과 반복 측정의 필요를 같은 방향으로 확인했습니다 — 연구 분석 글에 따로 정리했습니다.

나비랑의 측정 원칙은 그래서 이렇습니다. AI 검색 최적화의 목표는 특정 답변에서 일시적으로 1위를 차지하는 것이 아니라, 고객이 실제로 묻는 다양한 질문에서 브랜드가 안정적으로 발견되고 추천되는 빈도를 높이는 것입니다. 성과도 그 빈도로 잽니다.

무엇을 측정해야 하나요

한 번의 답변이 아니라 반복 실행에서 아래 네 가지를 따로 셉니다. 정의가 섞이면 수치가 부풀려지기 쉬우므로, 각 지표의 정의부터 분리합니다.

브랜드 언급률 (Mention Rate)

언급(Mention)은 AI 답변 본문에 회사나 브랜드 이름이 등장하는 것입니다. 언급률은 이렇게 계산합니다.

언급률 = 브랜드가 등장한 답변 수 ÷ 전체 측정 답변 수 × 100

분모가 핵심입니다. “언급률 50%“라는 말은 몇 개의 질문을 몇 개의 엔진에서 몇 번 물어본 결과인지가 없으면 검증할 수 없습니다.

출처 인용률 (Citation Rate)

인용(Citation)은 AI 답변이 정보를 제공하면서 자사 웹사이트를 출처나 참고 링크로 사용하는 것입니다.

언급률과 인용률은 같은 지표가 아닙니다. AI가 나비랑을 추천하면서 navirang-ai.com을 출처로 쓰지 않을 수 있고, 반대로 navirang-ai.com 문서를 출처로 쓰면서 브랜드를 추천하지 않을 수도 있습니다. 언급은 브랜드 인지의 신호이고 인용은 문서 신뢰의 신호라, 두 값이 따로 움직이는 것 자체가 진단 정보가 됩니다.

추천 등장률 (Recommendation Rate)

추천(Recommendation)은 사용자가 업체·서비스를 추천해 달라고 했을 때 브랜드가 실제 선택 후보로 제시되는 것입니다. “AEO 전문기업 알려줘” 같은 업체 탐색형 질문에서 후보군에 포함된 비율로 계산하며, 단순 언급보다 전환에 가까운 지표라 저희 같은 B2B 서비스업에는 특히 중요합니다.

경쟁사 대비 점유율 (AI Share of Voice)

같은 질문 세트에서 우리 브랜드와 경쟁 브랜드가 각각 얼마나 자주 등장하는지의 비율입니다. 예를 들어 — 아래 수치는 계산 방식을 보여주기 위한 예시이며 실측값이 아닙니다 — 업체 추천형 질문 100개 답변에서 A사 38회, B사 27회, 우리 브랜드 21회 등장했다면 점유율은 38% · 27% · 21%가 됩니다. 내 언급률이 그대로여도 경쟁사가 오르면 상대 위치는 내려가므로, 절대값과 점유율을 같이 봐야 합니다.

플랫폼별 Visibility

나비랑이 측정하는 답변엔진은 ChatGPT, Google AI 개요, Perplexity, Claude, 네이버 AI 검색, Copilot, Gemini 일곱 개입니다. 엔진마다 문서 수집 경로가 달라(자체 크롤러, 검색 제휴, 자국 색인) 결과 차이가 큽니다. 플랫폼별 수치를 평균 하나로 합치면 이 차이가 가려집니다 — 한 엔진에서만 인용이 시작된 변화는 평균에서 보이지 않습니다. 나눠서 보고, 합산은 참고로만 씁니다.

보조 지표 — 더 깊이 볼 때

기본 네 지표에 더해, 원인 분석 단계에서 함께 기록하면 유용한 지표가 세 가지 있습니다.

• 출처 다양성 (Source Diversity) — 브랜드를 뒷받침하는 정보가 서로 다른 외부 도메인 몇 곳에서 확인되는가. 독립적인 출처가 많을수록 AI가 브랜드 정보를 신뢰할 가능성이 높아질 수 있다는 가설적 지표로, 효과의 크기는 검증 대상입니다
• 등장 순서 (Mention Order) — 여러 브랜드가 언급될 때 몇 번째로 등장하는가. 고정 순위는 아니지만 반복 측정에서의 평균적 위치는 추세 신호가 됩니다
• 후속 질문 유지율 (Follow-up Persistence) — 첫 답변에 등장한 브랜드가 “그중에 뭐가 제일 나아?” 같은 후속 질문에서도 후보로 유지되는가. 대화형 검색에서는 첫 등장만큼 유지가 중요합니다

어떤 질문으로 측정하느냐가 결과를 바꿉니다

측정 도구만큼 중요한 것이 질문 세트입니다. “AEO 업체” 하나만 물어보는 측정은 측정이 아닙니다. 실제 고객은 구매 단계에 따라 다른 질문을 던지고, 브랜드의 등장 빈도는 질문 유형마다 다르게 나옵니다.

질문 유형	예시	이 유형에서 보이는 것
정보 탐색형	“AEO란?”, “AEO와 SEO 차이는?”	개념 문서의 인용 여부
문제 해결형	“ChatGPT에 우리 회사가 나오게 하려면?”	실무 가이드의 인용 여부
업체 탐색형	“AEO 전문기업 알려줘”, “국내 GEO 업체 추천”	추천 후보 포함 여부
비교형	“AEO 대행사와 SEO 대행사 차이는?”	비교 기준 문서의 인용 여부
구매 결정형	“AEO 대행 비용은?”, “AEO 업체 선정 기준은?”	결정 단계 문서·브랜드 신뢰

정보 탐색형에서 인용은 되는데 업체 탐색형에서 추천이 안 된다면, 문서는 읽히지만 브랜드 엔티티가 “이 분야의 업체”로 연결되지 않았다는 뜻입니다. 유형별로 나눠 봐야 이런 진단이 가능합니다.

측정 설계 — 나비랑 AI Visibility 측정 프레임

저희 측정 설계는 한 줄로 요약됩니다.

Persona × Question × Platform × Repetition → Mention · Citation · Recommendation · SOV

단계	내용
① Persona	누가 묻는가 — 고객·구매 단계 정의
② Question	무엇을 묻는가 — 유형별 질문 세트 설계
③ Platform	어디에 묻는가 — 답변엔진 7개 각각
④ Repetition	얼마나 반복하는가 — 같은 조건의 주기적 재실행
⑤ 기록	답변마다 언급·인용·추천 여부를 따로 기록
⑥ 비교	경쟁 브랜드 대비 점유율 산출

이 프레임을 저희 자신에게 그대로 적용한 것이 자사 케이스 연재의 질문 40개 × 답변엔진 7개 = 280셀 기준선입니다. 새로 만든 개념이 아니라, 지금 저희가 실제로 돌리는 측정 단위입니다.

나비랑은 어떻게 측정하나요

실제 진행 순서는 진행 방식의 진단 단계와 같습니다.

1. 고객과 경쟁사를 정의합니다 — 브랜드명·서비스·카테고리·경쟁 브랜드를 확정합니다
2. 실제 고객 질문을 설계합니다 — 페르소나와 구매 단계별로 질문 세트를 만듭니다. 파는 것이 바로 이 설계 능력이라, 고객사별 질문 세트 설계 방식은 공개하지 않되 자사 측정의 질문 세트는 전문 공개합니다
3. 플랫폼별로 따로 측정합니다 — 답변엔진 7개를 각각 기록합니다
4. 같은 질문을 반복 측정합니다 — 착수 시점 기준선을 만들고 주 단위로 재실행합니다
5. 언급과 인용을 분리해 셉니다 — 브랜드 언급, 자사 사이트 인용, 추천 포함을 각각 기록합니다
6. 경쟁사 대비 점유율을 분석합니다 — 추천 등장률과 SOV를 비교합니다
7. 결과를 실행으로 연결합니다 — 인용 콘텐츠·구조화 데이터·엔티티 개선으로 이어지고, 잘못된 언급은 정정 대응합니다

측정은 읽기 전용으로만 합니다. 반복 자동 검색으로 노출을 부풀리거나 결과를 조작하는 방식은 어뷰징이라 쓰지 않습니다.

AI에서 우리 브랜드가 자주 등장하지 않는 이유

측정을 해 보면 원인은 대개 세 겹으로 나뉩니다.

• 기술 층 — 검색용 AI 크롤러 차단, 색인 누락, 자바스크립트로만 그려지는 본문. 점검 순서는 ChatGPT에 우리 회사가 안 나오는 이유에 있습니다
• 콘텐츠 층 — 회사 소개만 있고 고객의 실제 질문에 답하는 문서가 없음, 결론이 문단으로 완결되지 않아 잘라 쓸 수 없음, 카테고리(“AEO 업체”)와 브랜드를 잇는 문서 부족
• 신뢰 층 — 채널마다 다른 회사 표기(엔티티 불일치), 자사 주장을 뒷받침하는 독립적인 외부 자료 부족, 근거로 쓸 1차 데이터 없음

어느 층이 문제인지에 따라 처방이 완전히 달라지므로, 개선 전에 측정이 먼저입니다. 우리 브랜드가 지금 어느 층에서 막혀 있는지 궁금하시다면 무료 AEO 진단에서 확인해 드립니다.

업체를 고를 때는 측정 능력부터 보십시오

이 글의 지표들이 그대로 업체 검증 도구가 됩니다 — 질문 세트를 공개하는지, 반복 측정인지 화면 캡처 한 장인지, 언급과 인용을 구분해 세는지, 경쟁사 점유율을 주는지 물어보시면 됩니다. 선정 체크리스트 전체와 영업 문구별 판단 기준은 업체 선정 가이드에, 분모 검증법은 성과 수치 검증 가이드에 정리돼 있습니다.

측정 기록이 쌓이는 곳

나비랑은 자사를 대상으로 같은 질문 세트를 반복 측정하는 8주 개선 기록 연재를 진행하고 있습니다. 280셀 기준선 측정은 현재 준비 중이며, 실측 데이터가 나오기 전에는 수치를 말하지 않습니다 — 기준선이 나오면 질문 세트 전문·측정 프로토콜·원본 데이터와 함께 공개하고, 결과가 나빠도 그대로 싣습니다. 저희가 이미 공개한 실측 사례로는 전국 17개 시도 네이버 웹문서 실측(원본 CSV 포함)이 있습니다.

참고 자료

AI Visibility를 단일 순위가 아니라 반복 측정과 등장 빈도로 봐야 한다는 논의는 업계에서도 이어지고 있습니다. 국내에서는 Team HAI의 GEO 측정 방법론 글이, 용어 정의가 계속 흔들리는 배경에 대해서는 Passionfruit의 분석이 참고할 만합니다. 두 글의 관점과 저희 방법론은 독립적으로 만들어졌고, 측정 지표의 정의와 계산 방식은 이 글 기준이 나비랑의 공식 방법론입니다.