AI 검색 마케팅 회사가 자기 회사를 재봤더니, 추천율 0%였습니다

2026년 7월 28일, 우리는 AI 검색엔진 5곳에 우리 회사를 찾는 질문 23개를 던졌습니다. "AI 검색에서 우리 회사를 추천받게 해주는 곳"을 찾는 사람이 실제로 물어볼 법한 질문들이었습니다.

우리 이름이 나온 횟수는 0번이었습니다.

그런데 더 아픈 건 그다음 숫자였습니다. AI가 답을 만들면서 근거로 가져다 쓴 출처를 전부 기록해 봤더니, 인용이 많았던 상위 10곳 중 7곳이 그 회사 자기 도메인의 블로그였습니다. 그리고 5개 엔진이 근거로 든 인용은 모두 1,100건이 넘었는데, 그중 우리 도메인은 0건이었습니다.

AI는 자기 도메인에 글이 쌓여 있는 회사를 근거로 삼고 있었고, 우리에겐 그게 없었습니다.

AI 검색 노출을 대행하는 회사가 정작 AI 검색에서 추천되지 않고 있었습니다. 이 글은 그 측정 결과를 그대로 공개하는 기록입니다.

왜 우리 실패 수치를 공개하나

이 분야에는 검증되지 않은 숫자가 너무 많이 돌아다닙니다. "특정 작업을 하면 노출이 40% 오른다", "AI 전용 파일을 만들면 인용이 늘어난다" 같은 주장들인데, 원 출처를 따라가 보면 근거가 없거나 상한값을 평균처럼 쓴 경우가 대부분입니다.

그래서 우리는 남의 숫자 대신 우리 숫자부터 공개하기로 했습니다. 자기 회사에 적용해서 재보지도 않은 방법을 고객에게 팔 수는 없다고 생각합니다.

어떻게 쟀나

측정 사양을 그대로 적습니다. 같은 방식으로 재현할 수 있게 하기 위해서입니다.

설계는 230번이었는데 실제로 수집된 건 228번입니다. 질문 하나가 네이버에서 두 번 실패했습니다. 실패를 적는 글에서 측정 실패를 감추면 앞뒤가 안 맞으니 그대로 적습니다.

AI 답변은 같은 질문에도 매번 조금씩 달라집니다. 그래서 한 번 물어보고 판단하면 안 되고, 질문 세트를 고정한 채 반복해서 평균을 봐야 합니다. 질문이 회차마다 바뀌면 이전 회차와 비교하는 것 자체가 의미를 잃습니다.

결과 1 — 추천 0회, 그리고 그 숫자의 한계

228번 중 우리 이름이 등장한 횟수는 0번이었습니다.

이건 두 번째 회차입니다. 6일 전 첫 회차에서는 230번 중 1번, 그러니까 0.43%였습니다. 그렇다고 "떨어졌다"고 쓰지는 않겠습니다. 두 회차의 차이는 단 1건이고, 이번 회차의 오차범위가 앞 회차 수치를 포함하기 때문에 통계적으로는 같은 값입니다.

오차범위 이야기를 조금 더 하겠습니다. 표본이 228번이라 이 0%는 통계적으로 "0%에서 1.7% 사이 어딘가"를 뜻합니다. 진짜로 0에 수렴하는지, 아니면 아주 낮은 확률로 가끔 나오는데 이번에 안 걸린 것인지는 이 회차만으로는 가릴 수 없습니다.

그래서 우리는 이 수치를 "0%다"라고 단정하지 않고, "0%에 가깝고 상한이 1.7%다"라고 기록합니다. 회차를 쌓아야 구간이 좁아집니다.

한 가지 더. 두 회차 사이는 6일이었고, 그 사이 우리가 새로 올린 글은 네 편뿐이었습니다. 6일과 네 편으로 변화가 잡히지 않는다는 것도 데이터입니다. AI가 새 글을 읽고 판단에 반영하기까지는 시간이 걸립니다.

결과 2 — 근거로 쓰인 출처 50곳, 그중 우리는 0건

우리는 답변만 본 게 아니라, AI가 그 답을 만들면서 근거로 가져다 쓴 출처를 전부 기록했습니다. 이번 회차에서만 50곳이 잡혔습니다.

그중 인용이 많았던 상위 10곳을 성격별로 나눠 보면 이렇습니다.

• 자기 회사 도메인의 블로그 — 7곳
• 블로그 서비스나 영상 같은 남의 플랫폼 — 2곳
• 커뮤니티 — 1곳

그리고 엔진별로 인용 출처를 하나하나 세어 봤습니다. 5개 엔진이 근거로 든 인용은 모두 1,100건이 넘었는데, 우리 도메인이 인용된 횟수는 0건이었습니다. 어느 한 엔진에서만 빠진 게 아니라 다섯 곳 전부에서 그랬습니다.

엔진별로 성격도 크게 갈렸습니다. 인용을 가장 많이 가져다 쓴 엔진 한 곳이 전체 인용의 절반가량을 차지했고, 가장 적은 곳은 그 10분의 1 수준이었습니다. 같은 질문이어도 엔진마다 "어디를 읽고 답하는가"가 다르다는 뜻입니다.

네이버도 흥미로웠습니다. 네이버 엔진이 근거로 든 140건 중 36건이 네이버 블로그였습니다. 네이버가 블로그를 안 보는 게 아닙니다. 잘 봅니다. 다만 그게 우리 글이 아니었을 뿐입니다.

여기서 우리가 읽은 것

우리가 못 나온 이유는 글이 나빠서가 아니라, AI가 읽어갈 물건이 우리 도메인에 없었기 때문입니다. 이건 "우리 글이 밀렸다"가 아니라 "애초에 후보에 들어가지 못했다"에 가깝습니다.

이건 다른 회사들이 이미 하고 있는 일이기도 합니다. 상위 인용 출처의 대부분이 남의 플랫폼이 아니라 자기 도메인 블로그였다는 게 그 증거입니다. 남의 플랫폼에 글을 아무리 많이 써도, AI가 그걸 근거로 들 때 이름이 올라가는 건 그 플랫폼입니다.

우리가 하려는 것, 그리고 하지 않는 것

하려는 것은 이렇습니다. 고객의 코어 콘텐츠를 고객 자기 도메인에 쌓고, 다른 채널에는 발췌와 원문 링크만 내보냅니다. 같은 글이 여러 도메인에 통째로 복사돼 있으면 AI는 그중 하나만 골라 인용하는데, 그때 원본이 밀려날 수 있기 때문입니다.

하지 않는 것도 분명히 해두겠습니다. 우리는 순위나 노출을 보장하지 않습니다. AI 답변은 확률적으로 생성되기 때문에 어떤 방법으로도 특정 결과를 약속할 수 없습니다. 우리가 말할 수 있는 건 "추천될 확률을 높인다"까지입니다.

그래서 우리는 성과를 "올랐다, 내렸다"가 아니라 측정 가능한 지표의 변화로 보고합니다.

다음 회차

측정은 격주로 이어집니다. 같은 사양, 그러니까 엔진 5개와 고정된 질문 23개, 2회 반복을 유지해야 회차 간 비교가 성립하기 때문에 사양은 바꾸지 않습니다.

다음 회차에서 확인할 것은 세 가지입니다.

1. 추천율이 오차범위를 벗어나는가
2. 우리 도메인이 인용 출처에 처음 잡히는가
3. 경쟁 지형이 고정된 것인지 이번 회차만의 변동이었는지

결과는 좋든 나쁘든 그대로 공개합니다. 두 번째 회차까지 0%대였으니, 그다음에 무엇이 달라지는지도 숨길 이유가 없습니다.

측정 주체는 medad이고, 측정일은 2026년 7월 28일입니다. 엔진 5개, 질문 23개, 2회 반복으로 설계 230번 중 228번을 수집했습니다. 이 글의 수치는 해당 회차의 실측값이며, 표본 한계에 따른 신뢰구간을 함께 적었습니다.