[GEO Trend] 맞는 숫자, 틀린 맥락_GEO의 숫자를 읽는 법

실험실의 40%는 무엇을 쟀나

GEO 업계에서 가장 많이 인용되는 숫자가 있습니다. 최대 40%.

프린스턴 연구진이 KDD 2024에서 발표한 GEO 연구에서 나온 수치입니다. 연구진은 GEO-Bench라는 통제된 실험 환경에서 인용과 통계를 추가하거나 문장 구조를 조정하는 등의 전략을 적용했을 때, 생성형 엔진 응답 안에서 콘텐츠의 가시성 지표가 최대 40% 향상될 수 있다고 보고했습니다. 다만 전략의 효과는 질의와 분야에 따라 달랐습니다.

저는 이 숫자가 거짓이라고 생각하지 않습니다.
실험 조건 안에서 확인된, 맞는 숫자입니다.

문제는 이 숫자가 실험실을 떠나 영업 문서로 옮겨질 때 생깁니다.

“GEO를 하면 40% 오릅니다.”

이 문장에서 원래 실험이 무엇을 측정했는지는 지워지고, 숫자만 남습니다.

같은 질문, 다른 답

2026년 7월 15일, 2023년부터 2026년까지 발표된 GEO 관련 연구 45편을 검토한 비판적 서베이가 공개됐습니다. Olivier Martinez의 논문으로, 현재는 동료 심사를 거치지 않은 arXiv 프리프린트 단계입니다.

이 서베이는 GEO를 하나의 단순한 순위 문제가 아니라 여러 단계로 구성된 확률적 파이프라인으로 봅니다.

검색이 작동하는가.
콘텐츠가 크롤링되고 색인되는가.
후보 문서로 검색되는가.
재정렬 과정에서 선택되는가.
답변의 입력 맥락에 포함되는가.
실제로 인용되는가.
답변 내용에 반영되는가.
사용자의 클릭이나 행동으로 이어지는가.

이 단계들은 서로 같지 않습니다.

서베이가 특히 지적한 것은 원 논문의 40%가 이미 정해진 입력 맥락 안에 포함된 소스의 가시성 변화를 측정한 결과라는 점입니다. 즉, 콘텐츠가 답변 생성에 사용될 후보군에 이미 들어와 있는 상황에서 어떤 문서가 더 많이 인용되고 활용되는지를 본 실험에 가깝습니다.

따라서 이 수치를 다음과 같이 확대해서 읽어서는 안 됩니다.

• 우리 콘텐츠가 AI의 검색 후보군에 새롭게 진입한다.
• 검색 노출이나 웹사이트 방문자가 40% 증가한다.
• 전환이나 매출이 40% 상승한다.
• 모든 산업과 모든 생성형 엔진에서 같은 효과가 나타난다.

40%는 맞는 숫자입니다.
그러나 무엇에 대한 40%인지가 빠지는 순간, 맞는 숫자는 틀린 약속이 됩니다.

서베이는 검토한 연구 범위 안에서 이미 검색된 콘텐츠가 인용이나 답변 활용도에 영향을 줄 수 있다는 근거는 있지만, 유기적 발견성이나 실제 사용자 행동에 대해 장기적이고 플랫폼을 가로지르는 안정적인 인과효과를 입증한 기법은 아직 확인되지 않았다고 정리합니다.

그렇다면 GEO는 헛수고일까요.

그렇게 읽는 것도 반대 방향으로 틀린 답입니다.

이 서베이가 요구하는 것은 포기가 아니라 더 엄격한 구분과 측정입니다. 효과가 없다는 결론이 아니라, 발견·인용·답변 반영·트래픽·전환을 하나의 숫자로 뭉뚱그려서는 안 된다는 진단입니다.

같은 질문인데 왜 AI의 출처는 달라지는가

측정이 왜 어려운지를 보여주는 데이터가 같은 달에 공개됐습니다.

Search Engine Land가 2026년 7월 8일 보도한 분석에서는 1,000개의 동일한 질문을 ChatGPT에 최대 10회씩 반복해 총 9,946회의 실행 결과를 수집했습니다. 그 결과 전체 질문의 11.6%에서 반복 실행 사이에 내부 검색 소스가 바뀌었습니다.

검색 소스가 바뀐 경우, 두 실행 결과 사이의 URL 중복도는 0.273에서 0.149로 낮아졌습니다. 상대적으로 약 45% 감소한 수치입니다. 도메인 중복도 역시 0.265에서 0.155로 약 42% 낮아졌습니다.

이것을 “인용 URL의 절반이 무조건 달라졌다”고 해석해서는 안 됩니다.

URL 중복도 지표가 약 45% 낮아졌다는 것은, 동일한 질문이라도 내부 검색 경로가 달라지면 인용 출처의 일관성이 크게 흔들릴 수 있다는 의미입니다.

이 데이터 앞에서 다음과 같은 보고를 다시 보게 됩니다.

“ChatGPT에 물어봤더니 우리 브랜드가 나왔습니다.”

한 번의 노출은 의미 있는 관찰일 수 있습니다.
그러나 한 번의 관찰만으로 안정적인 GEO 성과라고 결론 내리기는 어렵습니다.

동전을 한 번 던져 앞면이 나왔다고 해서, 그 동전이 언제나 앞면만 나오는 동전이라고 말할 수 없는 것과 같습니다.

반대로 한 번 나오지 않았다는 이유만으로 실패라고 단정하는 것도 같은 오류입니다.

GEO의 숫자는 두 번 왜곡된다

GEO의 숫자는 대체로 두 지점에서 왜곡됩니다.

첫 번째 왜곡은 맥락에서 일어난다

실험실의 수치가 시장의 성과 약속으로 바뀌는 순간입니다.

“생성형 엔진 응답 안의 특정 가시성 지표가 최대 40% 향상됐다”는 연구 결과가 다음 문장으로 축약됩니다.

“GEO를 하면 40% 오릅니다.”

그러나 40%는 실제 트래픽 증가율도 아니고, 전환율도 아니며, 매출 증가율은 더더욱 아닙니다.

40%의 핵심은 숫자의 크기가 아니라 측정 대상과 실험 조건입니다.

두 번째 왜곡은 측정에서 일어난다

그때그때 달라지는 AI 답변을 한 번 조회하고, 그 결과를 고정된 사실처럼 다루는 순간입니다.

생성형 AI의 인용은 검색 결과의 고정된 순위표와 다릅니다. 모델, 검색 활성화 여부, 검색 공급원, 시점, 질의 표현, 대화 맥락에 따라 결과가 달라질 수 있습니다.

따라서 AI 가시성은 하나의 스냅숏이 아니라 반복 관찰을 통해 드러나는 분포로 봐야 합니다.

AI 가시성은 한 번이 아니라 분포로 측정해야 한다

30년 동안 사용성 테스트와 고객경험 리서치를 해 오며 몸에 새긴 원칙이 있습니다.

한 명의 사용자를 보고 전체 사용자를 결론 내리지 않는다.

한 명의 반응은 중요한 신호입니다.
그러나 그것이 전체 고객의 행동을 대표하려면 반복 관찰과 비교가 필요합니다.

AI 가시성 측정도 같습니다.

같은 질문을 여러 번 실행해야 합니다.
한 시점이 아니라 여러 시점에서 확인해야 합니다.
ChatGPT 하나가 아니라 여러 생성형 엔진을 비교해야 합니다.
질문도 하나의 문장만이 아니라 의미가 같은 여러 표현으로 바꿔 물어야 합니다.

그리고 결과를 다음과 같이 나눠서 봐야 합니다.

• 브랜드가 언급됐는가
• 공식 웹사이트가 인용됐는가
• 어떤 외부 출처가 인용됐는가
• 브랜드 설명은 정확했는가
• 경쟁사와 비교해 어느 위치에 등장했는가
• 추천 대상으로 제시됐는가
• 답변의 근거로 실제 콘텐츠가 활용됐는가
• 노출이 클릭과 행동으로 이어졌는가

한 번의 조회는 사례입니다.
반복 실행 결과는 데이터가 됩니다.

AI 가시성을 측정하기 어려운 기업들

이 고민은 일부 GEO 전문가만의 문제가 아닙니다.

Semrush가 2026년 공개한 AI Visibility Index 관련 조사에서는 마케팅 리더의 45%가 AI 생성 답변 안에서 자사 브랜드의 가시성을 정확히 측정할 수 없다고 답했습니다. 모든 관련 지표를 플랫폼 전반에서 추적할 도구를 갖췄다고 응답한 비율은 9%에 불과했습니다.

같은 해 Semrush가 미국의 마케터, 사업자, SEO 전문가 481명을 조사한 결과에서도 AI 검색과 SEO 전략을 완전히 통합했다고 답한 비율은 22%였습니다. 응답자들은 경쟁 브랜드가 더 자주 언급되거나, 자사 브랜드가 부정확하게 설명되거나, 포지셔닝이 모호하게 표현되는 문제를 경험하고 있었습니다.

기업들은 이미 AI 가시성이라는 숫자를 받아 들고 있습니다.

그러나 그 숫자가 무엇을 의미하고, 어떻게 반복 측정해야 하며, 기존 SEO·브랜드·CX 지표와 어떻게 연결해야 하는지에 대해서는 아직 공통된 기준이 충분히 정립되지 않았습니다.

숫자를 받았을 때 던질 세 가지 질문

그래서 저는 GEO와 관련된 숫자를 받을 때마다 세 가지를 묻습니다.

보고서에서든, 제안서에서든, 뉴스에서든 같습니다.

1. 무엇을 잰 숫자인가

통제 실험 안의 가시성 지표인가.
AI 답변의 브랜드 언급률인가.
인용 URL의 수인가.
실제 웹사이트 트래픽인가.
전환이나 매출인가.

‘40% 향상’이라는 문장을 봤다면 가장 먼저 물어야 합니다.

무엇이 40% 향상됐는가?

GEO 숫자의 상당수는 이 질문 하나만으로 의미가 정리됩니다.

2. 누가 만든 숫자인가

동료 심사를 통과한 연구인가.
아직 검증 중인 프리프린트인가.
툴 벤더의 자체 데이터인가.
수행 에이전시의 고객 사례인가.
언론 보도에서 재인용된 숫자인가.

자체 데이터가 나쁘다는 뜻은 아닙니다.

벤더와 에이전시의 데이터는 실무 현장을 빠르게 보여준다는 장점이 있습니다. 다만 데이터 생산자의 이해관계, 표본 구성, 분석 방법과 공개 범위를 함께 봐야 합니다.

숫자의 출처는 숫자의 신뢰도를 무조건 결정하는 낙인이 아니라, 어떻게 읽어야 하는지를 알려주는 사용 설명서에 가깝습니다.

3. 몇 번 잰 숫자인가

한 번의 조회인가.
여러 차례 반복한 평균인가.
여러 시점에서 측정한 결과인가.
질문의 표현을 바꿔도 같은 경향이 나타났는가.
다른 생성형 엔진에서도 재현됐는가.

AI 인용의 변동성이 보여주듯이, 반복 횟수를 밝히지 않은 측정은 안정적인 성과지표라기보다 목격담에 가까울 수 있습니다.

“AI의 인용은 고정된 순위가 아니라 분포입니다.
스냅숏이 아니라 반복 측정된 분포로 읽어야 합니다.”

과장 없는 GEO는 숫자의 출처에서 시작한다

숫자를 의심하자는 이야기가 아닙니다.

숫자가 태어난 자리를 확인하자는 이야기입니다.

GEO는 분명히 필요한 새로운 실무 영역입니다. 브랜드가 생성형 AI에 어떻게 발견되고, 어떤 출처를 통해 이해되며, 어떤 맥락에서 인용되고 추천되는지는 앞으로 더욱 중요한 고객경험의 일부가 될 것입니다.

그러나 시장이 빠르게 성장할수록 숫자는 더 쉽게 약속으로 바뀝니다.

실험의 가시성이 트래픽이 되고,
트래픽이 전환이 되고,
전환이 매출처럼 이야기됩니다.

그 사이의 단계를 구분하지 않으면 GEO는 새로운 측정 체계가 아니라 새로운 과장의 언어가 될 수 있습니다.

“우리가 AI에서 잘 노출되는가”를 묻기 전에 먼저 물어야 합니다.

이 숫자는 무엇을 잰 숫자인가.
누가 만들었는가.
몇 번 측정했는가.

과장 없는 GEO는 숫자를 버리는 데서 시작하지 않습니다.

숫자의 맥락을 복원하는 데서 시작합니다.

핵심 요약

• GEO 연구의 ‘최대 40% 향상’은 통제된 실험 환경에서 측정된 생성형 엔진 응답 내 가시성 수치입니다. 트래픽이나 매출이 40% 증가한다는 뜻은 아닙니다.
• 초기 GEO 연구는 이미 답변 맥락에 포함된 콘텐츠의 인용과 활용도를 높일 수 있다는 가능성을 보여줬지만, 유기적 발견성이나 장기적 사업 성과까지 자동으로 보장하지는 않습니다.
• 동일한 질문도 반복 실행에 따라 내부 검색 소스와 인용 URL이 달라질 수 있습니다. 따라서 한 번의 조회만으로 GEO 성과를 판단해서는 안 됩니다.
• GEO 숫자를 평가할 때는 무엇을 측정했는지, 누가 생산한 데이터인지, 몇 번 반복 측정했는지를 함께 확인해야 합니다.

참고자료

• Aggarwal, P. et al. – “GEO: Generative Engine Optimization” – KDD 2024
• Martinez, O. – “Optimizing Visibility in Generative Engines: A Critical Survey of GEO (2023–2026)” – 2026-07-15 – Optimizing Visibility in Generative Engines: A Critical Survey of Generative Engine Optimization (2023–2026)
• Search Engine Land – “ChatGPT citations change with hidden search pipelines”(Chris Green 9,946회 실행 + Suganthan Mohanadasan 네트워크 기록 분석) – 2026-07-08 ChatGPT citations change when hidden search pipelines switch (자체 데이터: 실무자 2인 독립 수집, 방법론 공개 / 단일 매체 게재)
• Semrush – Expanded 2026 AI Visibility Index(“마케팅 리더 45%가 AI 답변 내 브랜드 가시성 측정 불가”) – 2026-06-26 – https://www.semrush.com/news/463141-semrush-releases-expanded-2026-ai-visibility-index-analyzing-126-million-ai-search-prompts/