AI 검색에서 우리 브랜드가 얼마나 보이는지, 실제 웹사이트 방문은 얼마나 생기는지. 요즘 이 두 질문을 함께 살펴볼 필요가 있어요. 이번에 나온 리서치를 읽어보면, 답변에 인용되는 출처와 방문으로 이어지는 경로 사이에 생각보다 확인할 것이 많습니다.
10월 28일 공개된 Muck Rack, Ahrefs, First Page Sage의 분석에서 세 가지 신호를 골랐습니다. 모두 외부 업체의 관찰 연구이며, 검색 플랫폼의 공식 업데이트는 아닙니다. 결과를 그대로 우리 브랜드의 성과 기준으로 삼기보다, 무엇을 측정하고 어떤 자료를 점검할지 정하는 데 활용해보면 좋겠습니다.
Signal 1 외부에서 우리를 설명하는 자료도 살펴봐야 해요#
Muck Rack의 분석에서는 AI가 인용한 출처의 84% 이상이 언드 미디어와 제3자 콘텐츠로 분류됐습니다. 여기에는 언론 기사 외에 정부·비영리기관, 학술 자료, 백과사전, 다른 기업의 콘텐츠도 포함돼요. 이 수치를 언론 기사의 비중으로 받아들이면 실제 조사 범위를 놓치게 됩니다. 공개된 표본과 분류 설명에는 한계가 있어, 이 비율을 모든 AI 검색의 공통 기준으로 보기는 어렵습니다. Muck Rack 리서치
브랜드 입장에서 눈여겨볼 대목은 우리 웹사이트 밖에서 어떤 설명이 만들어지고 있느냐예요. 제품의 용도나 적용 범위를 자사 페이지에서 명확하게 설명해도, 외부 자료에 다른 정보가 남아 있다면 함께 확인해야겠죠. 다만 이 연구만으로 특정 매체에 소개되면 인용이 늘어난다고 말할 수는 없습니다.
우선 고객이 비교하거나 도입을 검토할 때 묻는 질문 몇 개를 골라보면 좋겠어요. 그 질문의 AI 답변에 등장한 출처를 읽고, 우리에 대한 설명이 정확한지, 필요한 정보가 빠져 있는지부터 보는 겁니다. 경쟁사가 언급됐다는 사실에서 멈추지 않고, 어떤 자료가 그 설명을 뒷받침했는지까지 확인하면 수정할 대상이 더 구체적으로 보입니다.
예를 들어 서비스의 지원 범위가 자사 소개와 외부 디렉터리에서 다르게 표시돼 있다면, 그 차이를 먼저 바로잡을 수 있어요. 직접 바꿀 수 없는 글이라면 정정이 필요한 사실과 그 근거를 정리해두는 편이 낫습니다. 이런 점검은 인용을 보장하는 방법은 아니지만, 고객이 서로 다른 설명을 접하는 문제부터 줄일 수 있는 작업입니다.
Signal 2 AI 유입 수치는 조사한 사이트에 따라 달라져요#
두 보고서 모두 2026년 9월의 AI 유입 비중을 보여주지만, 조사 대상과 ‘AI 유입’의 정의가 다릅니다. Ahrefs는 AI Assistant에서 온 방문을 고정 패널에서 측정했고, First Page Sage는 Google AI Overviews와 AI Mode까지 포함한 AI 플랫폼 세션을 고객사 표본에서 집계했어요. 두 수치를 한 줄에 놓으면 같은 대상을 잰 것처럼 보일 수 있어, 표본·기간·집계 범위를 함께 확인해보겠습니다.
2026년 9월 AI 유입 비중과 조사 대상#
| 리서치 | 보고된 비중 | 조사 패널·기간 | 집계 범위 |
|---|---|---|---|
| Ahrefs | 0.43% (방문 기준) | 고정 패널 115,254개 사이트, 2025년 6월~2026년 9월 | AI Assistant에서 온 방문. 패널 내 전체 방문 중 비중이며 시장 전체 점유율은 아님 |
| First Page Sage | 6.9% (세션 기준) | 고객사 218개 사이트·12개 업종, 2023년 1월~2026년 9월 | AI Overviews·AI Mode와 AI 비서 직접 유입을 포함한 AI 플랫폼 세션 |
두 비율은 표본뿐 아니라 집계 단위와 AI 유입의 정의도 달라 직접 비교할 수 없습니다. 각 보고서 안에서 같은 기준으로 이어지는 추세를 살펴보는 편이 더 정확합니다.
출처: Ahrefs 벤치마크 · First Page Sage 보고서
또 이 결과만으로 기존 검색 유입의 감소를 AI가 가져갔다고 단정하기도 어렵습니다. 같은 기간에 여러 변화가 함께 일어날 수 있고, 유입 비중은 다른 경로의 방문량에 따라서도 달라지니까요. 외부 연구의 비율을 우리 사이트의 손실이나 성장 예상치로 바로 바꾸기 전에, 자체 데이터에서 확인되는 변화가 있는지 살펴봐야 합니다.
숫자의 차이가 크면 어느 쪽이 맞는지부터 궁금해지죠. 하지만 조사 대상과 집계 방식이 다른 만큼, 두 수치의 차이를 시장의 성장률로 읽을 수는 없습니다. 우리 사이트가 어떤 방문을 얻고 있는지 먼저 확인한 뒤 외부 벤치마크를 얼마나 참고할지 판단하면 좋겠습니다.
특히 AI 답변에서 브랜드가 보이는 것과 사이트에 방문자가 들어오는 것은 따로 기록할 필요가 있어요. 답변 안에서 충분한 정보를 얻고 방문하지 않을 수도 있고, 출처 링크를 통해 더 확인하려는 사람도 있을 테니까요. 이번 유입 연구들은 그중 사이트에 도착한 방문을 살펴본 자료라는 점을 기억해야 합니다.
월간 점검에서는 주요 질문에서의 브랜드 언급과 출처 인용을 먼저 기록하고, 분석 도구에서 확인되는 AI 유입과 그 방문 이후의 행동을 별도로 보면 좋겠습니다. 상담 요청이나 자료 다운로드처럼 우리에게 의미 있는 행동도 함께 확인해보는 거죠. 유입이 적다는 이유만으로 노출의 의미를 없애거나, 인용이 늘었다는 이유만으로 사업 성과까지 좋아졌다고 판단하지 않도록요.
방문 이후의 행동을 볼 때는 페이지의 역할도 함께 생각해보면 좋겠어요. 사용법을 확인하러 온 방문과 구매 대상을 비교하러 온 방문에 같은 전환 기준을 적용하면 해석이 어긋날 수 있습니다. 방문 수가 충분하지 않은 단계에서는 작은 수치 변화에 의미를 크게 부여하기보다, 어떤 질문과 페이지에서 유입이 생기는지부터 관찰하는 편이 낫겠습니다.
Signal 3 한 번의 답변으로 상태를 판단하기는 어려워요#
Muck Rack은 같은 날 질문을 반복했을 때 인용 도메인이 얼마나 일치하는지도 살폈습니다. 아래 그래프는 그 실험에서 확인된 결과예요. 일치율이 높다고 답변이 더 정확하거나 브랜드 성과가 더 좋다는 뜻은 아닙니다.
| 서비스 | 인용 도메인 일치율 |
|---|---|
| ChatGPT | 41% |
| Gemini | 45% |
| Perplexity | 94% |
- 측정 조건: 같은 날 질문을 반복한 연구 내 실험.
- 자료 발표일: 2026년 10월 28일.
특정 연구 조건의 관찰 결과이며 서비스 품질 순위를 뜻하지 않습니다.
출처: Muck Rack 연구 , 2026년 10월 28일.
그래도 브랜드를 점검하는 방식에는 참고할 만한 내용이 있습니다. 오늘 한 번 질문했을 때 우리가 나왔다는 사실만으로 안정적으로 노출되고 있다고 보기는 어렵겠죠. 반대로 한 번 나오지 않았다는 이유로 콘텐츠 전체를 바꿀 필요도 없습니다. 몇 차례 관찰하면서 어느 설명과 출처가 반복되는지 살펴볼 여지가 있어요.
실제 고객의 비교와 검토에 관련된 질문 몇 개부터 정하고, 서비스와 질문 문구, 확인 날짜를 함께 남겨보세요. 반복해서 쓸 질문과 새롭게 탐색할 질문을 나누면, 답변이 달라졌을 때 무엇이 달라졌는지 되짚기가 수월합니다. 변경한 페이지와 날짜도 적어두되, 이후의 답변 변화가 그 수정 때문에 생겼다고 바로 결론 내리지는 않는 편이 좋겠습니다.
관찰 기록에는 브랜드 이름의 등장 여부뿐 아니라 어떤 문맥에서 소개됐는지, 연결된 출처가 어느 페이지인지도 남기면 좋겠어요. 여러 차례 같은 잘못된 설명이 나타난다면 그 설명의 근거 자료를 우선 점검할 수 있습니다. 한 번의 순위처럼 보이는 화면보다, 수정할 문제를 구체적으로 찾는 데 기록을 쓰자는 제안입니다.
우리 브랜드의 AI 검색 성과는 무엇으로 판단해야 할까요?#
이번 자료를 함께 읽으며 먼저 바꾸고 싶은 것은 AI 검색을 점검하는 보고 방식입니다. 외부에서 우리를 어떻게 설명하는지와 실제 유입이 어떻게 발생하는지를 구분하고, 관찰한 날짜와 조건을 남겨두면 다음 달에 비교할 내용이 훨씬 분명해질 거예요. 숫자 하나로 좋고 나쁨을 결정하기 전에, 그 숫자가 어떤 범위의 결과인지 확인하는 과정도 필요하고요.
시작은 작아도 괜찮겠습니다. 중요한 고객 질문 몇 개를 정해 답변과 출처를 기록하고, 기존 분석 도구에서 확인되는 AI 유입 이후의 행동을 함께 살펴보세요. 그 과정에서 반복해서 발견되는 정보의 오류나 빈틈을 하나씩 고치면 됩니다. 다음 리서치를 읽을 때도 우리 기록과 연결해서 판단할 수 있을 테니까요.
이번 신호가 남긴 질문#
고객이 AI 답변에서 우리 브랜드를 접한 뒤 사이트에 방문하지 않았다면, 우리는 그 접점의 가치를 어떻게 판단할 수 있을까요?
About Search Signals#
Search Signals는 Google Search Console, NAVER Search Advisor 등 주요 검색 플랫폼의 공식 업데이트를 바탕으로 SEO/GEO 환경의 변화를 관찰하고 그 의미를 해석하는 시리즈입니다. 그외 신뢰 할수 있는 서비스와 기관이 보고서를 기반으로 새로운 기능 자체보다 그 변화가 가리키는 방향과 실무에서 다시 살펴봐야 할 질문에 집중합니다.
매월 15일과 말일에 발행합니다.
