한 개발자가 ChatGPT, Claude, Perplexity, Gemini, Google AI Overviews와 같은 주요 AI 기반 검색 도구 전반의 브랜드 가시성을 모니터링하는 시스템을 구축했습니다. 이 프로젝트는 몇 번의 API 호출만으로는 사용자가 실제로 브랜드 이름을 보는지 여부를 판단할 수 없음을 보여줍니다. 모델의 가공되지 않은 답변은 소비자용 앱에서 보여주는 정제된 결과와 다른 경우가 많고, 답변 또한 쿼리마다 달라지기 때문입니다.

AI 검색에서 브랜드 가시성이 중요한 이유

AI 채팅 어시스턴트가 웹 탐색의 기본 프런트엔드가 되고 있습니다.

단순한 스크래핑을 엔지니어링 마라톤으로 만든 두 가지 격차

1. API는 제품 그 자체가 아닙니다. OpenAI API(또는 다른 제공업체의 엔드포인트)를 호출하면 모델의 내부 답변이 반환됩니다. 하지만 ChatGPT 앱은 사용자가 최종 답변을 보기 전에 자체 검색 시스템, 시스템 프롬프트 및 웹 검색 증강 기능을 추가합니다. Claude, Gemini 및 기타 서비스도 마찬가지입니다. API 호출은 모델이 무엇을 알고 있는지를 알려주지만, 소비자용 앱은 고객이 실제로 무엇을 보는지를 보여줍니다. 이러한 추가 레이어를 무시하면 다른 제품을 측정하게 되는 셈입니다.

2. 답변은 안정적이지 않습니다. 동일한 프롬프트를 다섯 번 실행하면 아마도 다섯 개의 서로 다른 답변을 얻게 될 것입니다. 브랜드 언급이 바뀌고, 순서가 변경되며, 소스 URL이 이동합니다. 단 한 번의 API 응답은 사실상 동전 던지기와 같아서 가시성 보고서를 위한 신뢰할 수 있는 데이터가 될 수 없습니다. 개발 노트에 인용된 한 연구에 따르면, 인용된 소스의 절반 이상이 하루 사이에 변경되는 것으로 나타났습니다.

2026년형 API가 실제로 제공하는 것

  • Perplexity: 개발자 친화적입니다. API가 인용 정보를 직관적인 형식으로 반환하지만, 인용 목록은 여전히 Perplexity 웹 앱에 표시되는 내용과 차이가 있습니다.
  • Google Gemini: Vertex AI를 통해 그라운딩(grounding)을 제공하지만, 소비자용 Gemini 앱의 랭킹 및 프레젠테이션 로직은 가공되지 않은 API 출력값과 다릅니다.
  • OpenAI 및 Anthropic: 웹 검색 도구가 포함된 견고한 모델을 제공하지만, ChatGPT나 Claude의 공개 인터페이스에서 사용되는 정확한 랭킹 알고리즘은 노출하지 않습니다.
  • Google AI Overviews: 공개 API가 존재하지 않습니다. 추적을 위해서는 검색 결과 페이지를 스크래핑해야 하는데, 이는 취약하고 비용이 많이 드는 우회 방법입니다.

가시성은 순위가 아니라 비율입니다

대부분의 기존 도구는 이 문제를 "언급됨/언급되지 않음"이라는 이진 체크로 단순화합니다. 이러한 접근 방식은 LLM 출력의 확률적 특성을 무시합니다. 각 쿼리가 서로 다른 답변을 생성할 수 있기 때문에, 단일 스냅샷보다는 통계적 관점이 필요합니다.

시스템 설계 과정에서 도출된 실질적인 규칙은 가시성을 '비율'로 취급하는 것입니다. 동일한 프롬프트를 여러 지역과 기기 유형에 대해 여러 번 실행한 다음 신뢰 구간을 계산합니다. 브랜드가 대부분의 실행 결과에 나타난다면, 확정적인 "예" 또는 "아니오" 대신 적절한 오차 범위를 포함한 높은 가시성 비율을 보고할 수 있습니다.

모니터링 도구 구축 방법

  • 프롬프트당 다회 실행: 무작위성을 완화하기 위해 최소 7~8회 실행합니다.
  • 지리적 및 기기 샘플링: 플랫폼별 개인화를 포착하기 위해 다양한 지역에서 쿼리를 발행하고 모바일과 데스크톱 환경을 시뮬레이션합니다.
  • 변경 감지 중심: 정적인 답변을 가정하는 고정된 스키마 대신, 시간이 지남에 따라 언급 빈도, 소스 다양성 및 랭킹 위치의 변화를 감지합니다.

향후 주목할 점

  • 플랫폼 투명성: 제공업체가 소비자용 앱에서 사용하는 정확한 검색 및 랭킹 로직을 공개할 때까지, 제3자 모니터링 도구는 계속해서 근사치에 의존할 것입니다.

핵심 요약

AI 기반 검색에서 브랜드 존재감을 추적하는 것은 단일 API 응답을 가져오는 문제가 아닙니다. 이는 반복적이고 지리적으로 다양한 쿼리, API가 소비자 제품의 일부일 뿐이라는 이해, 그리고 가시성을 비율로 포착하는 통계적 보고 모델을 필요로 합니다. AI 검색 제공업체가 소비자용 로직 전체를 공개할 때까지, 신뢰할 수 있는 브랜드 가시성 데이터가 필요한 모든 이들은 정교한 근사치를 계속해서 구축해야 할 것입니다.