AI 노출 측정 리포트 읽는 법: 질문·환경·근거를 함께 기록하세요

AI 노출 측정은 생성형 AI에 정해진 질문을 반복해 묻고, 답변에 브랜드가 어떻게 등장했는지와 어떤 출처가 사용됐는지를 기록하는 작업입니다. 숫자만 모으는 일이 아닙니다. 질문, 엔진, 검색 모드, 시점, 반복 횟수, 판정 규칙과 원 응답이 함께 있어야 다음 측정과 비교할 수 있습니다.

30초 요약

• 검색됨, 인용됨, 언급됨, 추천됨은 서로 다른 상태입니다.
• ‘노출률 20%’만으로는 무엇을 분자로 셌는지 알 수 없습니다.
• 질문 세트와 측정 환경이 바뀌면 전후 값을 직접 비교하기 어렵습니다.
• 같은 질문도 매번 답이 달라질 수 있어 한 번의 결과로 결론 내리지 않습니다.
• 0회 관측은 실제 확률이 반드시 0이라는 뜻이 아닙니다.
• 원 응답, 출처 URL, 판정 이유, 실패 응답을 보관해야 재검수할 수 있습니다.
• 측정은 성과를 만드는 장치가 아니라 현재 위치와 변화를 확인하는 도구입니다.

먼저 네 가지 결과를 구분합니다

검색됨

AI 또는 검색 시스템이 페이지를 후보 자료로 가져온 상태입니다. 사용자 화면에 브랜드명이나 링크가 보이지 않을 수도 있습니다.

인용됨

답변의 출처·참고 링크에 해당 도메인이나 페이지가 표시된 상태입니다. 브랜드명이 답변 본문에 없을 수도 있습니다.

언급됨

답변 본문에 브랜드명이 나온 상태입니다. 자사 홈페이지가 아닌 제3자 문서를 근거로 언급될 수도 있고, 부정적·중립적 맥락일 수도 있습니다.

추천됨

AI가 사용자의 조건을 해석해 선택지로 권한 상태입니다. 이름이 단순히 나왔다는 사실과는 다릅니다.

이 네 가지를 하나의 ‘추천률’로 합치면 결과를 과장하거나 반대로 중요한 변화를 놓칠 수 있습니다.

리포트에 반드시 있어야 할 측정 사양

질문 세트가 결과를 결정합니다

브랜드명을 직접 넣은 질문만 측정하면 대부분의 회사가 잘 나올 수 있습니다. 반대로 브랜드명이 전혀 등장할 가능성이 낮은 지나치게 넓은 질문만 모으면 실제 고객 여정을 반영하지 못합니다.

질문은 보통 다음 층으로 나눌 수 있습니다.

• 브랜드 질문: “MEDAD는 무엇을 하는 회사인가?”
• 카테고리 질문: “병원 AI 검색 최적화 업체는?”
• 문제 질문: “병원 홈페이지가 ChatGPT에 인용되지 않는 이유는?”
• 비교 질문: “GEO 대행사를 고를 때 무엇을 봐야 하나?”
• 행동 질문: “AI 검색 노출을 측정하려면 어떻게 하나?”
• 지역 질문: “안양 지역의 관련 업체는?”

질문 수보다 중요한 것은 실제 고객의 의사결정 단계를 고르게 포함하는지입니다. 질문을 바꾸면 새 사양으로 표시하고, 이전 추이와 한 선으로 연결하지 않는 것이 안전합니다.

한 번 측정하면 왜 부족할까요?

생성형 AI 답변은 확률적으로 만들어지고, 검색 결과와 모델 상태도 변할 수 있습니다. 같은 질문을 연속해서 물어도 브랜드와 출처가 달라질 수 있습니다.

따라서 한 번의 성공은 ‘항상 나온다’는 증거가 아니고, 한 번의 실패도 ‘전혀 나오지 않는다’는 증거가 아닙니다. 질문별 반복과 여러 회차가 필요합니다. 다만 반복 횟수를 늘렸다는 이유만으로 서로 의존적인 응답이 완전히 독립된 표본이 되는 것은 아닙니다. 리포트는 통계 구간과 함께 이 한계를 밝혀야 합니다.

0%를 어떻게 읽어야 하나요?

유한한 표본에서 0회가 관측돼도 실제 확률의 상한은 0보다 큽니다. MEDAD가 2026년 7월 28일 228개 응답 단위를 측정해 브랜드 언급 0회를 관측했을 때, Wilson 방식의 기록 구간은 0~1.657%였습니다. 화면에서는 반올림해 0~1.7%로 표시했습니다.[3]

그러나 이 구간도 228개 응답을 어떤 단위로 취급했는지에 의존합니다. 질문 23개를 기준으로 보면 해석이 달라질 수 있습니다. 그래서 리포트에는 단순 퍼센트뿐 아니라 질문 도달 범위, 완료 질문 수, 응답 수를 함께 보여 주는 편이 낫습니다.

분모를 확인해야 합니다

다음 세 값은 모두 다릅니다.

• 응답 기준 언급률 = 언급된 응답 수 ÷ 완료 응답 수
• 질문 도달 범위 = 한 번이라도 언급된 질문 수 ÷ 측정한 질문 수
• 실제 추천률 = 추천으로 판정된 응답 수 ÷ 추천 여부를 판정할 수 있었던 응답 수

특히 추천 여부를 수집하지 못한 옛 회차를 0% 추천으로 표시하면 ‘모름’을 ‘0’으로 바꾸는 오류가 됩니다.

출처 인용은 페이지와 도메인을 나눠 봅니다

어떤 엔진은 정확한 페이지 URL을 제공하고, 어떤 엔진은 도메인이나 중계 주소만 제공할 수 있습니다. 이때 페이지별 인용 합계와 도메인별 인용 합계의 분모가 달라질 수 있습니다.

리포트는 최소한 다음을 밝혀야 합니다.

• 페이지 URL까지 식별 가능한 엔진
• 도메인만 확인 가능한 엔진
• 중계 URL을 어떻게 처리했는지
• 동일 URL 정규화 방식
• 출처가 없는 답변의 처리

페이지별 수가 실제보다 적게 잡히는 구조라면 표 옆에 그 방향까지 설명해야 합니다.

전월 대비 상승·하락을 말하기 전 확인할 것

1. 엔진과 검색 모드가 같은가
2. 질문 세트와 버전이 같은가
3. 반복 횟수가 같은가
4. 판정 규칙이 같은가
5. 실패 응답 처리 방식이 같은가
6. 사이트 변경 뒤 반영 시간을 충분히 뒀는가
7. 오차범위보다 큰 변화인가

조건이 다르면 두 숫자를 나란히 보여 줄 수는 있어도 같은 추세선으로 해석해서는 안 됩니다.

좋은 리포트의 구성

1. 결과 요약

언급, 인용, 추천, 질문 도달 범위를 각각 표시합니다.

2. 측정 사양

엔진, 질문, 반복, 시점, 환경과 버전을 적습니다.

3. 원자료

질문별 답변과 출처 URL, 판정값을 확인할 수 있게 합니다.

4. 한계

부분 측정, 엔진 오류, 페이지 식별 불가, 모델 변경을 숨기지 않습니다.

5. 해석

관측 사실과 추정 원인을 구분합니다. “언급 0회”는 사실이지만 “콘텐츠가 나빠서”는 별도 근거가 필요한 해석입니다.

6. 다음 행동

어떤 질문과 URL을 왜 수정할지, 다음 측정에서 무엇을 확인할지 연결합니다.

측정에서 하지 말아야 할 일

• 잘 나온 질문만 골라 보고하기
• 질문을 바꾸고 전월 대비라고 표시하기
• 언급을 추천으로 부르기
• 오류 응답을 분모에서 조용히 빼기
• 원문 없이 요약 점수만 제공하기
• 0회를 영원한 0으로 단정하기
• 표본이 다른 경쟁사 수치를 단순 비교하기
• 사이트 변경 직후 하루 만에 효과를 확정하기

리포트를 받을 때 확인하는 12개 질문

다음 질문에 답이 없다면 숫자보다 원자료를 먼저 요청하는 편이 낫습니다.

1. 이번 측정이 답하려는 사업 질문은 무엇인가?
2. 브랜드명을 넣은 질문과 넣지 않은 질문은 각각 몇 개인가?
3. 질문은 실제 고객 표현을 어떻게 반영했는가?
4. 어떤 엔진의 어떤 검색 모드를 사용했는가?
5. 질문당 몇 번 반복했고 실제 완료 수는 몇 개인가?
6. 개인화·로그인·지역·언어 조건은 무엇인가?
7. 언급, 인용, 추천은 각각 어떤 기준으로 판정했는가?
8. 사람 검수가 필요한 모호한 답변은 어떻게 처리했는가?
9. 오류·거절·빈 답변을 분모에 어떻게 반영했는가?
10. 페이지 URL을 알 수 없는 출처는 어디에 포함됐는가?
11. 이전 회차와 달라진 사양은 무엇인가?
12. 다음 회차에서 검증할 가설은 무엇인가?

결과를 행동으로 연결하는 방법

측정 결과는 콘텐츠 발행 편수를 자동으로 결정하지 않습니다. 결과 유형별로 필요한 행동이 다릅니다.

이 표의 행동은 원인 확정이 아니라 다음 조사 순서입니다. 한 관측에서 원인을 바로 단정하지 않습니다.

Google·OpenAI 공식 문서에서 확인할 수 있는 범위

Google은 생성형 AI 검색 기능이 기존 검색 색인과 품질 시스템을 사용하고, Search Console의 생성형 AI 성과 보고서로 Google 검색 내 성과를 확인할 수 있다고 안내합니다. 다만 요건을 충족해도 노출은 보장되지 않습니다.[1]

OpenAI는 OAI-SearchBot이 ChatGPT 검색에서 사이트를 노출하는 데 사용되며, robots.txt 설정 변경이 반영되기까지 약 24시간이 걸릴 수 있다고 설명합니다.[2] 이 문서는 접근 정책을 설명할 뿐 특정 질문에서의 인용을 보장하지 않습니다.

결론

AI 노출 리포트의 품질은 그래프의 모양보다 재현 가능성으로 판단해야 합니다. 질문과 환경, 원 응답, 판정 규칙, 실패와 한계를 함께 남기면 좋지 않은 숫자도 다음 결정을 위한 자료가 됩니다.

MEDAD는 측정값을 플랫폼 전체의 절대 추천률로 확대하지 않습니다. 같은 사양을 유지한 회차끼리 변화를 보고, 사양이 바뀌면 그 지점을 명시합니다.

함께 읽을 글

• GEO·AEO 총정리: AI 검색에 이해되기 쉬운 콘텐츠의 기본: 접근·식별·답변·검증 네 단계로 정리한 기본 원리
• MEDAD가 직접 측정한 0의 의미: 228개 응답·0회 관측 사례에 이 원칙을 적용한 기록
• 자사 글 23편을 11편으로 줄인 기록: 측정 결과를 콘텐츠 변경으로 연결한 방법

참고 자료

1. Google Search Central, Optimizing your website for generative AI features on Google Search
2. OpenAI Developers, Overview of OpenAI Crawlers
3. MEDAD 자체 측정 기록, 2026-07-28

작성: MEDAD 편집팀

최종 확인일: 2026-09-16