측정과 지표
CMO를 위한 GEO — AI 검색 시대에 경영진에게 보고해야 할 5가지 지표
CMO는 가시성, 답변 내 순위, 감성, 경쟁사 대비 셰어 오브 보이스, 인용 출처의 5가지 방향성 지표를 추적할 수 있습니다. 추이와 함께 프롬프트 세트, 엔진, 샘플 수, 불확실성을 보고하세요. 이 지표만으로 통계적 유의성, 인과관계, 비즈니스 성장을 입증할 수는 없습니다.
지금의 마케팅 KPI로는 부족한 이유
세션, 전환, 검색 순위는 사이트나 검색 결과 페이지에서 일어난 일을 측정합니다. AI 검색에서는 비교·평가·추천이 방문 전에 답변 안에서 이뤄질 수 있습니다. 이 구간은 기존 KPI에 직접 나타나지 않습니다.
CMO에게 문제는 퍼널 최상단의 측정 사각지대입니다. AI가 브랜드를 언급하지 않거나 잘못 설명할 때, 그 손실은 어떤 보고서에도 숫자로 잡히지 않습니다.
보고할 가치가 있는 5가지 지표
GEO 측정은 다섯 개의 축으로 정리됩니다.
1. 가시성(언급률)
전형적인 고객 질문(프롬프트) 중 AI가 브랜드를 언급한 비율. AI 답변 안에서의 존재감을 보여주는 가장 기본적인 지표입니다.
2. 답변 내 순위
구매자가 “추천해 줘”라고 물었을 때, 첫 번째로 거론되는가, 다섯 번째인가? 인상의 차이는 막대합니다.
3. 감성
각 언급 주변 맥락의 톤. “검증된 실적”과 “지원에 문제가 있음”은 둘 다 언급이지만 가치는 정반대입니다.
4. 경쟁사 대비 셰어 오브 보이스
같은 질문 세트에서 경쟁사가 얼마나 자주 등장하는가. 내 가시성이 횡보해도 경쟁사가 성장하면 점유율은 떨어지고 있는 것입니다.
5. 인용 출처
AI가 근거로 사용하는 도메인과 기사. 자사 사이트가 인용되는가, 아니면 오래된 제3자 글이 “공식 정보”처럼 다뤄지는가? 자사 콘텐츠와 외부 커버리지 중 어디에 투자할지를 직접 알려줍니다.
방법론에 관해 한 가지 유의할 점이 있습니다. AI 답변은 확률적입니다. SparkToro는 브랜드 목록의 구성과 순서가 불안정하며 두 답변에서 같은 목록이 나올 확률이 100분의 1 미만이라고 관찰했습니다. 분포를 추정하려면 넓은 프롬프트 세트와 측정 이력뿐 아니라 각 프롬프트·엔진 쌍을 반복 샘플링해야 합니다. 제품 스캔이 샘플 3개를 사용할 때는 단발 노이즈를 줄여 주지만 결과는 방향성 지표입니다. 통계적 유의성이나 인과관계를 입증하지 않으므로 여러 스캔을 비교하고 작은 차이는 불확실한 것으로 해석해야 합니다.
예산을 정당화하는 두 가지 사실
첫째, KDD 2024는 이미 검색되어 고정 컨텍스트 안에 있던 문서의 가시성이 최대 40% 변한 결과를 정량화했습니다. Martinez의 45개 연구 비판적 검토는 이 결과가 자연 검색 발견 가능성, 지속 가능한 트래픽, 플랫폼 전반의 성장을 입증하지 않는다고 설명합니다. 파이프라인 한 단계의 증거이지 보편적인 결과 예측은 아닙니다. 선택적 실험의 근거일 뿐 모든 전술을 의무화하지 않습니다.
둘째, Google은 AI 기능을 위해 기존 SEO 기본기 외의 특별한 최적화는 필요 없다고 공식적으로 밝혔습니다.** 따라서 GEO 투자는 기존 SEO 자산 위에 쌓이며, 중복 투자가 되지 않습니다.
90일 로드맵
- 측정 시작(1–2주차) — 구매자가 실제로 묻는 질문 목록을 만들고 주요 AI 엔진에서 5개 지표의 기준선을 기록합니다.
- 격차 식별(1개월차) — 잘못된 정보, 경쟁사 우위, 출처 편향: 손실이 가장 큰 영역을 찾습니다.
- 개선 사이클 구축(2–3개월차) — 변경 사항을 게시하고 여러 스캔의 반복 표본으로 신호를 관찰합니다. 모든 변화를 마지막 조치의 효과로 자동 해석하지 않습니다.
- 경영 보고에 반영(3개월차~) — 5개 지표의 추이를 세션·전환과 나란히 선행 지표로 월간 보고서에 추가합니다.
Suparanku는 5축을 측정해 우선순위 추천을 생성합니다. Free에는 감사 1회가 포함되고 유료 플랜은 반복 스캔을 예약할 수 있습니다. 샘플 3개는 방향성 신호이지 통계적·인과적 증거가 아닙니다. 브리프는 요청형이며 게시는 고객·대행사·권한을 받은 에이전트가 담당합니다. 이것이 AI 속 브랜드 표현 관리의 루프입니다. 컨텍스트 → 측정 → PLAYBOOK 버전이 기록된 추천 → 게시 → 추적 URL → 재측정으로 이어집니다. GEO·LLMO·AEO는 루프 안의 전술이며 성장은 보장되지 않습니다.
* Aggarwal et al., KDD 2024 (10,000개 쿼리 전략 비교) ** Google Search Central, “AI features and your website”
참고·출처
- Aggarwal et al., “GEO: Generative Engine Optimization” (KDD 2024)
- Google Search Central, “AI features and your website”
- Martinez, “Generative Engine Optimization: A Critical Survey”
- Schulte, Bleeker & Kaufmann, “Don't Measure Once: Measuring Visibility in AI Search”
- SparkToro (Rand Fishkin), «AIs are highly inconsistent when recommending brands/products»