AI 검색이 정보 탐색의 새로운 인터페이스로 자리 잡으면서, 브랜드가 AI 답변에서 어떻게 등장하고, 어디에 노출되며, 어떤 방식으로 묘사되고, 실제 행동으로 이어지는지를 측정하는 일이 중요해지고 있습니다. 기존 검색 환경에서는 검색 순위나 노출량이 브랜드 가시성을 판단하는 주요 기준이었다면, AI 검색 환경에서는 훨씬 다양한 질문이 필요해졌습니다.

AI가 우리 브랜드를 언급하는가?
얼마나 눈에 띄게 언급하는가 또는 등장하는가?
우리 브랜드를 어떻게 설명하는가?
실제로 추천하고 행동을 유도하는가?

IAB(미국 인터랙티브 광고협회, Interactive Advertising Bureau)가 2026년 8월 'AI 시대, 가시성 측정' 보고서에서 제시한 브랜드 메트릭스 프레임워크는 이러한 질문을 Presence, Prominence, Portrayal, Persuasion이라는 네 가지 영역으로 나누어 설명합니다. 이 글에서는 각 영역에 포함되는 핵심 지표를 하나씩 살펴보고, 각각의 지표가 무엇을 의미하며 어떻게 해석해야 하는지 정리해봤습니다.

AI 브랜드 가시성 지표 한눈에 보기

먼저 전체 프레임워크를 간단하게 살펴보면 다음과 같습니다.

이를 하나의 흐름으로 정리해 보면 다음과 같습니다.

Presence(등장) → Prominence(주목) → Portrayal(인식) → Persuasion(행동)

1. Presence: AI 검색이 우리 브랜드를 알고 있는가?

Presence(존재감)는 AI 브랜드 가시성을 측정하는 가장 기본적인 영역입니다. AI에게 특정 질문을 했을 때 브랜드가 답변에 등장하는지, 다른 브랜드와 비교했을 때 얼마나 자주 등장하는지, 그리고 브랜드의 자체 콘텐츠가 출처로 활용되는지를 측정합니다.

Presence의 핵심 지표

Mention Rate | 언급률

Mention Rate는 정의된 쿼리 세트에서 AI 검색이 생성한 전체 응답 중 브랜드가 언급된 응답의 비율입니다. 간단히 표현하면 다음과 같습니다.

Mention Rate = 브랜드 언급 응답 수 ÷ 전체 응답 수

예를 들어 1,000개의 질문에 대해 AI 응답을 생성했고, 그중 250개에서 브랜드가 언급되었다면 Mention Rate는 25%입니다.

Mention Rate는 가장 기본적인 AI 가시성 지표입니다. 브랜드가 AI 답변에 아예 등장하지 않는다면, 이후의 Citation, Recommendation, Click-through와 같은 지표도 발생하기 어렵기 때문입니다. 하지만 Mention Rate를 해석할 때 한 가지 중요한 주의점이 있습니다. 어떤 질문을 측정 대상으로 선택했는지에 따라 결과가 달라진다는 것입니다. 예를 들어 제품 비교 질문만 측정했을 때와 정보 탐색, 구매 의도, 문제 해결 등 다양한 질문을 포함했을 때의 Mention Rate는 서로 다를 수 있습니다. 따라서 Mention Rate 자체만 비교하기보다는 쿼리 세트의 구성과 범위를 함께 확인해야 합니다.

핵심 질문:

AI가 브랜드를 언급하는가?

Citation Rate | 인용률

Citation Rate는 AI가 생성한 전체 응답 중 브랜드를 출처로 인용한 응답의 비율입니다. Mention Rate와 Citation Rate의 차이는 특히 중요합니다.

예를 들어 AI 검색이 특정 브랜드의 제품을 추천하면서 브랜드 웹사이트를 출처로 연결하거나, 브랜드를 정보의 출처로 명시했다면 Citation으로 볼 수 있습니다. 따라서 Citation Rate는 AI 플랫폼이 브랜드의 자체 콘텐츠나 도메인을 얼마나 권위 있는 정보원으로 취급하는지를 보여주는 지표입니다.

특히 Mention Rate는 높은데 Citation Rate는 낮은 경우가 중요한 신호가 될 수 있습니다. 이는 AI가 브랜드의 존재는 알고 있지만, 브랜드가 제공하는 콘텐츠를 답변의 근거로 충분히 활용하지 않고 있다는 의미일 수 있기 때문입니다.

Mention Rate = 인지도에 가까운 신호
Citation Rate = 정보원으로서의 신뢰도에 가까운 신호

Citation은 일반적으로 하이퍼링크가 포함된 링크형 참조 또는 브랜드명을 출처로 명시한 named reference를 포함합니다. 블루닷 인텔리전스는 각 AI 검색별로 인용률을 독립적으로 측정해 대시보드에 표시하고 있습니다.

핵심 질문:

AI가 브랜드를 신뢰할 만한 출처로 활용하는가?

Share of Voice | 점유율

Share of Voice(SOV)는 브랜드의 절대적인 언급량이 아니라 경쟁 구도 안에서 차지하는 상대적인 비중을 보여줍니다. 정의된 경쟁 카테고리에서 발생한 전체 브랜드 언급 중 특정 브랜드의 언급이 차지하는 비율입니다. 예를 들어 한 카테고리에서 3개 브랜드가 다음과 같이 언급되었다고 가정해 보겠습니다.

브랜드 A의 Mention Rate가 높더라도 경쟁 브랜드의 언급량이 더 빠르게 증가한다면 시장 내 상대적 위치는 약해질 수 있습니다. 이 때문에 SOV는 “우리 브랜드가 얼마나 많이 나오는가?”보다 “경쟁사와 비교해 얼마나 많이 나오는가?”를 이해하는 데 유용합니다.

Co-mention도 함께 볼 필요가 있다

Co-mention은 브랜드가 AI 검색 답변에서 어떤 경쟁 브랜드와 함께 언급되는지를 분석하는 관점입니다. 예를 들어 특정 브랜드가 지속적으로 브랜드 B, C와 함께 등장한다면, AI 모델이 이 세 브랜드를 하나의 경쟁 세트로 인식하고 있을 가능성을 생각해볼 수 있습니다. 다만 Co-mention은 별도의 독립적인 핵심 지표라기보다는 Mention Rate와 Share of Voice를 해석하기 위한 분석 관점으로 보는 것이 적절합니다.

SOV를 비교할 때 확인해야 할 것

SOV는 측정 방법에 따라 결과가 크게 달라질 수 있습니다.

따라서 서로 다른 측정 도구의 SOV를 비교할 때는 동일한 방법론인지 확인하는 것이 필수적입니다. 현재 블루닷 인텔리전스는 SOV를 고객사가 입력한 경쟁사 목록을 기반으로 전체 언급 모수를 산정한 뒤 해당 브랜드의 언급 횟수를 분자로 삼아 계산하고 있습니다.  

핵심 질문:

경쟁 브랜드와 비교했을 때 우리는 얼마나 많이 언급되는가?

Visibility Momentum | 가시성 모멘텀

현재의 가시성도 중요하지만, 그보다 더 중요한 질문이 있습니다.

우리 브랜드의 AI 가시성은 좋아지고 있는가?

Visibility Momentum은 바로 이 변화를 측정합니다. 일정한 기간 사이의 Mention Rate 또는 Share of Voice 변화를 비교해 브랜드 가시성이 상승하고 있는지, 정체되어 있는지, 하락하고 있는지를 파악합니다. 예를 들어 다음과 같습니다.

이 지표를 통해 단순한 현재 상태가 아니라 가시성의 방향성을 확인할 수 있습니다. 다만 AI 플랫폼은 모델 업데이트나 시스템 변경이 빈번합니다. 이러한 변화로 인해 브랜드 성과와 관계없이 측정 기준선 자체가 달라질 수 있습니다. 따라서 트렌드 데이터를 사용할 때는 플랫폼 변경 이후 데이터를 재기준화했는지(re-baseline) 확인하는 것이 중요합니다.

핵심 질문:

브랜드의 AI 가시성이 좋아지고 있는가, 정체되고 있는가, 떨어지고 있는가?

2. Prominence: 얼마나 눈에 띄게 등장하는가?

브랜드가 AI 답변에 등장한다고 해서 모두 같은 가치를 갖는 것은 아닙니다. AI 검색 답변의 첫 문장에서 핵심 추천으로 등장하는 것과, 긴 답변의 마지막 부분에서 여러 브랜드 중 하나로 등장하는 것은 사용자에게 전달되는 영향력이 다릅니다. Prominence(두드러짐)는 바로 이 차이를 측정합니다. 현재 프레임워크에서 핵심적으로 다루는 지표는 Position입니다.

Position | 위치

Position은 AI가 생성한 원문 자체가 아니라 사용자가 실제로 보는 형식의 AI 응답에서 브랜드가 어디에 등장하는지를 측정합니다.

Position에는 다양한 요소가 포함될 수 있습니다.

리스트형 응답에서는 Position을 비교적 쉽게 측정할 수 있습니다. 반면 서술형 답변에서는 “첫 번째 브랜드”라는 개념 자체가 명확하지 않을 수 있습니다. 따라서 각 측정 도구가 서술형 응답에서 Position을 어떻게 정의하고 있는지 확인해야 합니다. 또한 어디까지를 실제 노출로 볼지도 중요합니다.

• 전체 렌더링된 응답을 분석하는가?
• 사용자가 스크롤해야 하는 내용까지 포함하는가?
• 첫 화면에 보이는 내용만 측정하는가?

이러한 방법론적 차이가 Position 결과에 영향을 줄 수 있습니다. 현재 블루닷 인텔리전스는 위치 지표를 '최상단 언급률'이라는 지표로 제시하고 있습니다. 블루닷 인텔리전스의 최상단 언급률은 전체 수집된 답변 중 브랜드가 AI 검색 답변 상위 20%에 포함된 답변의 비율로 측정하고 있습니다. 이와 별개로 각 답변별로 브랜드가 언급된 위치를 세세하게 확인할 수 있도록 데이터를 제공하고 있습니다.

핵심 질문:

브랜드가 AI 답변에서 얼마나 눈에 띄는 위치에 등장하는가?

3. Portrayal: AI는 브랜드를 어떻게 설명하는가?

AI 환경에서는 브랜드가 등장하는 것만큼 어떻게 묘사되는지가 중요합니다. 같은 브랜드라도 AI가 “시장 선도 브랜드”라고 설명할 수도 있고, “저렴한 대안”이라고 설명할 수도 있습니다. 또한 브랜드에 대한 정보가 긍정적일 수 있지만 사실과 다를 수도 있고, AI가 존재하지 않는 정보를 만들어낼 수도 있습니다.

Portrayal(묘사) 영역에서는 이러한 차이를 Sentiment, Framing, Hallucination Rate, Factual Inaccuracy Rate로 살펴봅니다.

Sentiment | 감성

Sentiment는 AI가 브랜드를 긍정적, 중립적, 부정적으로 묘사하는지를 측정합니다. 특히 정보 탐색형 질문에서는 브랜드에 대한 전반적인 인식을 파악하는 데 유용합니다. 다만 추천이나 상업적 맥락에서는 중립적인 설명이 자연스럽게 많이 나타날 수 있습니다.

또한 “좋지만 가격이 비싸다”처럼 긍정과 부정의 요소가 동시에 포함된 표현이나, 브랜드 간 미묘한 비교 표현은 단순한 긍정/부정 분류만으로 정확하게 판단하기 어렵습니다. 따라서 Sentiment 데이터를 활용할 때는 분류 방법론과 정확도 기준을 함께 확인해야 합니다.

현재 블루닷 인텔리전스는 개별 답변의 긍부정 지수를 정량화한 뒤 이를 평균내는 방식으로 긍부정 지수를 계산하고 있습니다.

핵심 질문:

AI는 우리 브랜드를 긍정적으로, 중립적으로, 혹은 부정적으로 묘사하는가?

Framing | 프레이밍

Framing은 AI가 브랜드를 어떤 맥락과 포지션으로 인식하고 설명하는지를 측정합니다. 예를 들어 AI는 특정 브랜드를 다음과 같이 묘사할 수 있습니다.

Framing은 단순히 “좋다/나쁘다”를 넘어 AI 검색이 우리 브랜드를 어떤 브랜드라고 생각하는지를 보여줍니다. 따라서 실제 브랜드 포지셔닝과 AI가 만들어내는 브랜드 포지셔닝이 일치하는지를 확인하는 데 중요한 지표입니다.

핵심 질문:

AI는 우리 브랜드를 어떤 역할과 포지션으로 인식하는가?

Hallucination Rate | 환각률

Hallucination Rate는 전체 브랜드 언급 중 AI가 근거 없이 만들어낸 브랜드 관련 정보가 포함된 언급의 비율입니다. 예를 들어 AI가 실제로 존재하지 않는 제품 특징을 만들어내거나, 특정 브랜드가 실제로 제공하지 않는 서비스를 제공한다고 설명한다면 환각에 해당할 수 있습니다.

여기서 중요한 것은 Hallucination과 Factual Inaccuracy를 구분하는 것입니다.

Hallucination Rate는 모델에 따라 크게 달라질 수 있기 때문에 플랫폼별로 측정하는 것이 중요합니다. 또한 모델 업데이트가 환각률에 영향을 줄 수 있으므로 시간에 따른 변화도 지속적으로 확인할 필요가 있습니다.

핵심 질문:

AI가 우리 브랜드에 대해 근거 없는 정보를 만들어내고 있는가?

Factual Inaccuracy Rate | 사실 부정확성률

Factual Inaccuracy Rate는 AI가 브랜드를 정확하게 인식하고 언급했지만, 그 과정에서 실질적으로 잘못된 정보를 전달하는 언급의 비율입니다.

대표적인 사례는 다음과 같습니다.

• 잘못된 제품 사양
• 오래된 가격
• 잘못된 기능 정보
• 잘못된 회사 연혁
• 다른 제품의 기능을 해당 브랜드에 잘못 귀속

이 문제는 Hallucination과 원인이 다릅니다. AI가 임의로 정보를 만들어낸 것이 아니라, 실제로 존재하는 잘못된 원천 정보를 참고해 답변했을 수 있기 때문입니다. 따라서 브랜드 입장에서는 AI가 참고할 수 있는 정확하고 최신의 Source of Truth를 관리하는 것이 중요합니다.

핵심 질문:

AI가 우리 브랜드에 대한 사실을 정확하게 전달하고 있는가?

4. Persuasion: 노출이 실제 행동으로 이어지는가?

브랜드가 AI에 등장하고, 좋은 위치에 노출되고, 긍정적으로 묘사되는 것만으로 비즈니스 성과가 보장되는 것은 아닙니다. 최종적으로 중요한 것은 AI가 브랜드를 실제로 추천하는지, 그리고 그 추천이나 인용이 사용자의 행동으로 이어지는지입니다.

이를 측정하는 영역이 Persuasion(설득)입니다.

Recommendation Strength | 추천 강도

Recommendation Strength는 브랜드가 단순히 언급되는 것을 넘어 얼마나 적극적으로 추천되는지를 측정합니다.

다음 두 문장을 비교해보면 차이를 쉽게 이해할 수 있습니다.

추천 강도를 평가할 때는 다음과 같은 요소를 고려할 수 있습니다.

• 적극적인 추천 표현이 사용되었는가?
• 추천이 답변에서 얼마나 두드러지는가?
• 구체적인 추천 이유가 있는가?
• 조건부 추천인가?
• 무조건적인 추천인가?

다만 어디까지를 “추천”으로 볼 것인지는 방법론적인 판단이 필요한 영역입니다. 따라서 측정 도구가 어떤 평가 기준 표(scoring rubric)을 사용하고 있는지 확인하는 것이 중요합니다.

핵심 질문:

AI가 우리 브랜드를 단순히 언급하는가, 아니면 실제로 추천하는가?

Post-Citation CTR | 인용 후 클릭률

Post-Citation CTR은 AI 응답에서 브랜드가 언급되거나 인용된 이후 사용자가 브랜드의 디지털 자산으로 이동한 비율을 의미합니다. 이 지표는 지금까지 살펴본 가시성 지표와 실제 사용자 행동을 연결하는 역할을 합니다.

따라서 Post-Citation CTR은 AI Visibility와 Attribution 사이를 연결하는 브리지 지표라고 볼 수 있습니다.

모든 AI 플랫폼이 클릭 데이터를 제공하는 것은 아닙니다. 따라서 실제 측정 가능 여부는 플랫폼별 데이터 제공 범위에 따라 달라질 수 있습니다. 또한 클릭 이후의 전체 전환 및 기여도 측정은 보다 넓은 Attribution Framework와 함께 다뤄질 영역입니다.

블루닷 인텔리전스는 고객사의 GA4와 연동해서 인용 후 클릭률을 추적합니다. 이는 고객사가 GA4 연동을 블루닷 인텔리전스 내에서 진행했는가가 중요합니다.

핵심 질문:

AI에서의 브랜드 노출이 실제 사용자 방문과 행동으로 이어지는가?

결국 어떤 지표를 함께 봐야 할까?

AI 브랜드 가시성을 하나의 숫자로 판단하는 것은 충분하지 않습니다. 예를 들어 다음과 같은 결과가 나올 수 있습니다.

세 브랜드 모두 “AI에 잘 노출되고 있다”고 단순하게 말할 수 있지만, 실제 상황은 매우 다릅니다.

• A는 많이 언급되지만 출처로 활용되거나 추천되는 정도는 낮을 수 있습니다.
• B는 언급량 자체는 상대적으로 낮지만, AI가 신뢰할 만한 출처로 활용하고 적극적으로 추천할 가능성이 있습니다.
• C는 가시성은 높지만 부정적인 맥락이 강할 수 있습니다.

즉, Visibility와 Influence는 같은 개념이 아닙니다.

AI 브랜드 가시성의 전체 퍼널

네 가지 영역을 연결하면 AI 환경에서 브랜드가 사용자에게 영향을 미치는 과정을 하나의 퍼널로 이해할 수 있습니다.

이를 한 문장으로 요약하면 다음과 같습니다.

등장하는가 → 눈에 띄는가 → 어떻게 묘사되는가 → 추천하는가 → 실제 행동으로 이어지는가

이것이 AI 시대의 브랜드 가시성을 이해하는 핵심적인 흐름입니다.

블루닷 인텔리전스가 제공하는 주요 가시성 지표 목록

현재 블루닷 인텔리전스는 IAB가 제시한 가시성 지표의 대부분을 제공하고 있습니다. 다만, 묘사 층위(Portrayal)의 Framing, Hallucination Rate, Factual Inaccuracy Rate 등 지표는 추가 개발을 검토 중입니다. 고객사의 기본 입력 정보가 존재해야 측정할 수 있는 지표여서 여러 방안을 검토 중이라는 말씀을 드리고자 합니다.

AI 가시성은 ‘얼마나 많이 나오느냐’의 문제가 아니다

AI 검색 환경에서 브랜드 측정의 기준은 점점 더 정교해지고 있습니다. 과거에는 검색 결과에서 브랜드가 몇 위에 노출되는지가 중요한 질문이었다면, 이제는 다음과 같은 질문을 함께 던져야 합니다.

• 우리 브랜드가 AI 답변에 얼마나 자주 등장하는가?
• 경쟁사보다 더 많이 등장하는가?
• 답변의 앞부분에서 중요한 추천으로 등장하는가?
• AI는 우리 브랜드를 어떤 이미지와 맥락으로 설명하는가?
• 잘못된 정보나 환각이 발생하고 있는가?
• 단순한 언급을 넘어 실제로 추천하고 있는가?
• 그리고 그 노출이 실제 사용자 행동으로 이어지는가?

결국 AI 시대의 브랜드 가시성은 하나의 숫자가 아니라 Presence → Prominence → Portrayal → Persuasion이라는 여러 단계의 경험으로 이해해야 합니다.

브랜드가 AI에서 성공적으로 존재한다는 것은 단순히 “많이 언급되는 것”이 아닙니다. 발견되고, 주목받고, 정확하게 설명되고, 신뢰받고, 추천되고, 결국 행동으로 이어지는 것. 이 과정에 유기적으로 매끄럽게 연결되는 걸 성공이라고 할 수 있습니다.

블루닷 인텔리전스는 IAB 등 국제기관의 표준 지표와 방법론을 따르면서 더 다양한 GEO 가시성 데이터를 제공해드리기 위해 지속적으로 노력할 계획입니다.

블루닷 인텔리전스 - 국내 최초 AI검색최적화 GEO AEO 분석 및 컨설팅 플랫폼

AI검색 브랜드 가시성과 인용률을 정밀 분석하고, 브랜드 가시성 극대화를 위한 최적화 실행 전략을 제안합니다. 실제 데이터 기반의 GEO 솔루션으로 주요 AI검색 내 브랜드 가시성을 개선해 보세요.

블루닷 인텔리전스Bluedot