[AI에게 보이기 3] AI 가시성, 어떻게 측정할 것인가

AI 가시성 측정 툴을 도입하기 전에 먼저 무엇을 측정할지 알아야 한다. 시장에 15개 이상의 툴이 나와 있지만 대부분은 A에 우리 브랜드가 언급된 횟수만 세기 때문이다. 언급 횟수는 AI 가시성의 일부일 뿐이다. 이 글은 AI 가시성을 구성하는 핵심 지표 4가지와 단계별 실무 프레임을 정리한다.

AI 가시성 툴을 도입하려는 실무자가 제일 먼저 묻는 것은 아마도 “어떤 툴이 좋지?” 이것 일게다. 하지만 이 질문 앞에 먼저 물어야 할 것이 있다. “우리는 뭘 측정해야 하지?” 측정 대상을 모르면 어떤 툴을 골라도 숫자만 나온다. 숫자가 나온다고 전략이 따라오는 것도 아니다. 무엇을 측정해야 할지 알아야 하는 것, 이것이 현재 AI 가시성 툴 시장에서 가장 먼저 해결해야 할 일이다.

2026년 4월 기준, 전 세계적으로 15개 이상의 GEO(생성형 검색 엔진 최적화) 전용 측정 플랫폼이 등장했다.. 에버튠(Evertune), 프로파운드(Profound), 오터리(Otterly.AI), 피크 AI(Peec AI), 스크런치 AI(Scrunch AI) 등 다양한 도구가 경쟁 중이다. 그런데 이 툴들을 테스트한 결과, 11개 가운데 브랜드 정보의 정확도를 일관되게 탐지한 툴은 단 하나였다(물론 첫번째 툴 제작자가 테스트한 내용이므로 신뢰도는 조금 낮게, 그냥 참고로만). 나머지는 브랜드가 언급된 횟수를 세는 데 집중했다.

사실 횟수는 AI 이전 시대의 KPI(핵심 성과 지표)였다. 그 당시 목표도 언급 횟수를 늘리는 것이었다. 그러나 AI 시대에는 언급했다는 사실 만으로는 부족하다. 시리즈 1편에서 이미 이런 얘기를 했다. 측정이 전략을 만드는 게 아니라, 잘못된 측정이 전략을 왜곡한다.

그렇다면 무엇을 측정해야 할까.

AI 가시성은 숫자로 나타나지 않는다

AI 가시성을 단일 수치로 나타내려는 시도 자체가 문제의 시작이다. AI 가시성은 최소한 네 개의 측면으로 구성되어있다.

언급률(Mention Rate)은 설정한 질문을 했을 때 내 브랜드가 AI 답변에 등장하는 비율이다. 100개의 질의를 테스트했을 때 18개에서 브랜드가 언급됐다면 언급률은 18%다. 가장 기초적인 지표이고 가장 많은 툴이 측정한다. 만일 언급률이 5% 미만이라면 정확도보다 가시성 자체를 먼저 높이는 작업을 당연히 먼저 해야 한다. 그러나 언급률이 높다고 좋은 것은 아니다. 2편에서 다룬 것처럼 잘못된 정보로 언급될 수도 있기 때문이다.

인용률(Citation Rate)은 언급 가운데 AI가 내 콘텐츠를 실제 출처로 링크하거나 명시한 비율이다. 언급과 인용은 다르다. AI가 “A사에 따르면”이라고 출처를 밝히면 인용이고, “A사도 이런 서비스를 제공한다”고 적으면 언급이다. 인용은 AI 가시성에서 가장 강력한 신뢰 신호로, 단순 언급보다 브랜드 권위 형성에 훨씬 더 직접적으로 작용한다.

AI 언급 점유율(AI Share of Voice)은 내 브랜드와 경쟁사가 함께 나오는 질문에서 내 브랜드가 차지하는 언급 비중이다. 같은 카테고리 경쟁사가 47번 언급될 때 내가 18번 언급된다면 AI 언급 점유율은 약 28%다. AI 언급 점유율은 절대적인 언급 횟수가 아니라 경쟁 맥락 안에서의 위치를 보여주기 때문에 중요한 지표다. 내 언급 횟수가 늘어도 경쟁사가 더 빠르게 늘고 있다면 실질적 가시성은 오히려 떨어지고 있는 셈이므로.

정보 정확도(Brand Accuracy)는 AI가 내 브랜드에 대해 말하는 내용이 사실과 일치하는지를 측정한다. 가격, 주요 기능, 창업 연도, 대표자 정보 같은 핵심 사실을 공식 정보와 대조한다. 2편에서 다룬 브랜드 할루시네이션과 직결되는 지표다. 현재 시장의 대부분 툴은 이 정확도 측정 기능이 없거나 매우 제한적이다. 이유는 뻔하다. 측정하기 어렵기 때문이다.

네 가지 측면의 지표를 정리하면 아래와 같다. 분석가는 이 네 가지 지표를 함께 보아야 AI 가시성의 전체 그림을 볼 수 있다.

지표	측정 대상	핵심 질문
언급률	존재 여부	AI가 내 브랜드를 알고 있는가
인용률	권위 신호	AI가 내 콘텐츠를 출처로 신뢰하는가
AI 언급 점유율	경쟁 위치	카테고리 안에서 내 비중은 얼마인가
정보 정확도	사실 일치	AI가 내 브랜드를 정확하게 묘사하는가

측정 전에 설계해야 할 것: 프롬프트 집합

AI 가시성 측정의 핵심은 툴이 아니라 프롬프트(질문) 집합이다. AI 가시성 툴은 미리 정의한 질문을 AI 플랫폼에 넣고 응답을 분석한다. 당연히 어떤 질문을 넣느냐에 따라 결과가 완전히 달라진다. 브랜드 이름을 직접 넣으면 당연히 언급률이 높게 나온다. 이건 AI 가시성 측정이라기 보다는 브랜드 인지도 테스트라고 보는 게 좋다.

의미 있는 측정을 위해서는 세 가지 유형의 질문이 필요하다.

첫째, 카테고리 질문이다. “B2B 마케팅 자동화 툴 추천해줘”, “중소기업용 ERP 소프트웨어 어떤 게 좋아?” 같은 질문이다. 브랜드 이름 없이도 AI가 내 카테고리를 설명할 때 나를 언급하는지 확인한다. 실제 구매 여정에서 AI가 미치는 영향을 측정하는 가장 직접적인 방법이다.

둘째, 비교 질문이다. “A와 B 중 어느 것이 더 나아?”, “이 카테고리에서 가장 많이 쓰이는 툴 비교해줘” 같은 질문이다. 경쟁사 대비 AI 언급 점유율을 측정하는 데 쓴다.

셋째, 사실 확인 질문이다. “(브랜드명)의 가격은?”, “(브랜드명)의 주요 기능은?” 같은 질문인데 정보 정확도를 측정하고 브랜드 할루시네이션을 감지하는 데도 쓴다.

실무적으로는 카테고리 질문 20~30개, 비교 질문 10~15개, 사실 확인 질문 10~15개로 구성된 총 50개 내외의 프롬프트 집합이 최소 기준이다. 이 집합을 먼저 설계하고 툴을 골라야 한다. 내가 설계한 프롬프트를 해당 툴이 지원하는지가 선택 기준이 되는 셈이다.

측정 방법의 두 가지 구조적 한계

툴을 도입하기 전에 알아야 할 구조적 한계가 두 가지 있다.

첫째, API 기반 측정과 실제 사용자 경험의 괴리다. 대부분의 AI 가시성 툴은 AI 플랫폼의 개발자 API(Application Programming Interface)로 질의를 보내고 응답을 수집한다. 그런데 API 응답과 실제 사용자가 브라우저에서 보는 응답이 다를 수 있다. API 응답은 웹 검색 기반의 최신 정보를 반영하지 못하는 경우가 많고, 구글 AI 오버뷰 같은 플랫폼 고유 기능도 포함되지 않는다. 실제 사용자 경험을 재현하려면 실제 브라우저 세션으로 질문해야 하는 방식이 필요한데, 이를 지원하는 툴은 별로 없다.

둘째, AI 응답의 비결정성이다. 같은 질문을 같은 시간에 두 번 넣어도 AI는 다른 답변을 생성할 수 있다. AI 가시성은 확률적 지표다. 특정 질의에서 내 브랜드가 등장할 확률이 80%라는 의미이지, 항상 등장한다는 뜻은 아니다. 단일 시점의 측정값보다 반복 샘플링을 통한 평균값이 그래서 더 의미가 있다. 신뢰할 만한 측정값을 얻으려면 같은 프롬프트를 최소 5~10회 반복 실행해서 평균을 내는 방식이 필요하다.

이 두 한계를 모른 채 툴이 생성한 수치를 그대로 보고서에 올리면 측정의 정밀도를 과신하게 된다.

도입 단계별 실무 프레임

AI 가시성 측정을 처음 도입할 때 3단계 과정이 필요하다.

1단계: 무료로 베이스라인 먼저 잡으라

전문 툴 도입 전에 직접 손으로 베이스라인을 측정해본다. 설계한 프롬프트 집합을 챗지피티, 퍼플렉시티, 구글 AI 오버뷰, 네이버 AI 브리핑에 직접 넣고 스프레드시트에 기록한다. 질의마다 브랜드 언급 여부, 경쟁사 언급 여부, 정보 정확도를 적는다. 한 달치 정도 데이터가 쌓이면 현재 상태의 전체 그림이 보인다. 이 과정 없이 툴을 도입하면 툴이 보여주는 숫자의 의미를 파악하는데 조금 더 시간이 걸릴 수 있다. .

2단계: 측정 목적에 따라 툴을 고르라

베이스라인이 나왔으면 어떤 지표를 자동화할지 결정한다. 언급률과 AI 언급 점유율 모니터링이 목적이라면 오터리, 피크 AI 같은 월 구독형 툴이 맞다. 정보 정확도와 브랜드 할루시네이션 탐지가 목적이라면 정확도 감지 기능을 명시적으로 지원하는 툴인지 확인해야 한다. 전체 AI 가시성 감사가 목적이라면 구독형보다 1회성 감사 리포트 서비스가 비용 면에서 효율적일 수 있다.

3단계: 측정 주기를 정하라

AI 모델은 계속 업데이트된다. AirOps 연구에 따르면 브랜드의 30%만이 연속적인 AI 답변에서 가시성을 유지하며, 5번 연속 실행 기준으로는 20%만이 안정적으로 등장한다. AI 가시성은 일회성 스냅샷이 아니라 지속 모니터링이 필요한데 언급률과 인용률 같은 즉각적 지표는 주 1회 모니터링이 현실적이다. AI 언급 점유율과 정보 정확도는 월 1회 심층 점검으로 충분하다. 단, 신제품 출시, 가격 개편, 기업 인수처럼 브랜드에 큰 변화가 생겼을 때는 즉시 임시 감사를 실행해야 한다. 이럴 때 AI가 오래된 정보를 가장 많이 유통하기 때문이다.

무엇을 알아야 하는가

AI 가시성을 측정하려면 툴을 도입하기 전에 설계를 꼼꼼히 해야 한다. 계속 주장하지만 무엇을 측정할지 모르면 어떤 툴도 의미 있는 정보를 주지 못한다.

시리즈 1편에서 GEO와 AI 가시성의 차이를 정리했다. 2편에서 AI 가시성이 잘못 형성될 때 브랜드 할루시네이션이 발생한다는 것을 다뤘다. 3편의 결론은 하나다. AI 가시성을 관리하려면 먼저 무엇이 어떻게 측정되는지를 이해해야 한다. 측정할 수 없는 것은 관리할 수 없다. .

AI 가시성 측정 시장은 빠르게 성숙하고 있지만 아직 업계 표준 지표가 없다. 지금 단계에서 실무자에게 가장 중요한 역량은 좋은 툴을 고르는 것이 아니라, 툴이 보여주는 숫자를 비판적으로 읽는 것이다. 어떤 방법으로 측정했는지, 프롬프트 집합이 무엇이었는지, API 기반인지 브라우저 기반인지를 묻고 대답을 찾는다면 훨씬 더 쉽게 툴을 도입할 수 있을 것이다.

PS> 도대체 이걸 읽어봐도 뭔지 모르겠다면, 우선 이 기사를 그대로 복사해서 AI 한테 넣고 “이 글을 중심으로 우리 회사와 경쟁사에 대해서 질문 목록을 만들어줘.” 라고 한다. 그러면 질문을 50개 정도 만들어줄텐데 그 질문을 그대로 복사해 넣고 “이 질문에 대해 답변해줘.” 라고 적는다. 답변이 나오면 엑셀 파일에 적어둔다. 그리고 이 질문을 한 달 정도 반복해서 바뀌는 형태를 추적한다. 그리고 나서 툴을 도입하거나 방법을 찾으면 된다.

FAQ