AI 검색 시대가 되면서 “AI가 우리 브랜드를 추천하게 하려면 콘텐츠를 어떻게 써야 하나?”라는 질문이 늘었습니다. 그런데 폴리테크니코 디 밀라노 연구팀의 논문 ”The Popular Get More Popular: Auditing Brand Bias in Generative Search”는 이 질문의 전제 자체를 흔듭니다.

AI 검색에서는 '어떻게 쓰느냐'보다 '누구냐'가 훨씬 더 중요할 수 있다.

연구는 무엇을 했나

연구팀은 이탈리아 시장의 보험·여행·패션뷰티·스포츠 분야에서 두 가지를 검증했습니다.

• Study 1 (관찰): GPT-5.5, Gemini-3.6-flash, Perplexity Sonar에 80개의 실제 상업 질문을 던지고(총 19,200개 답변), 1,176개 브랜드의 언급·인용 빈도를 브랜드 인지도(구글 검색량)와 비교했습니다.
• Study 2 (통제 실험): 같은 제품 페이지에서 브랜드명만 바꾸거나(진짜 / 더 유명한 / 덜 유명한 / 가상 브랜드), 사실은 그대로 두고 문체만 GEO 기법으로 재작성한 뒤, 5개 페이지 중 순위가 어떻게 달라지는지 측정했습니다(총 38,400회 랭킹).

발견 1: 인기 브랜드는 훨씬 더 자주 나온다

인기 상위 20% 브랜드는 해당 엔진·분야의 평균 브랜드보다 1.4~2.8배 더 자주 언급되고 인용됐습니다. 24개 설정 중 23개에서 인지도와 언급률 사이에 유의한 양의 상관이 확인됐습니다.

발견 2: 웹 검색을 켜도 편향은 그대로다

검색을 켰을 때와 껐을 때의 편향 크기는 사실상 같았습니다(차이 +0.02, 95% 구간 −0.03~0.07). GPT는 검색을 시작하는 첫 쿼리(팬아웃 쿼리)에 이미 브랜드명을 넣는 경향이 있었고, 여행 분야에서는 그 비율이 인지도 최하위 구간 7%에서 최상위 구간 45%로 올랐습니다. 모델이 기억 속 브랜드로 검색 방향을 먼저 정하는 셈입니다.

발견 3: 같은 내용이어도 낯선 이름은 손해를 본다

제품 설명, 스펙, 레이아웃을 완전히 동일하게 두고 이름만 바꿨을 때의 결과입니다.

효과는 4개 모델, 4개 분야 모두에서 같은 방향이었습니다. 덜 유명해도 실제 브랜드는 가상 브랜드보다 앞섰지만, 유명한 실제 브랜드와 덜 유명한 실제 브랜드 사이의 차이는 유의하지 않았습니다. 모델이 아는 이름이냐 모르는 이름이냐의 문턱이 크다는 뜻입니다.

발견 4: 사실 기반 GEO 재작성은 효과가 거의 없었다

구조화(Structure), 문장 다듬기(Fluency), 권위적 어조(Authoritative)로 재작성한 페이지의 평균 순위 변화는 +0.02위였습니다. 연구팀은 0.05위보다 큰 효과일 가능성을 배제할 수 있다고 밝혔고, 브랜드 정체성의 효과가 재작성 효과보다 0.42위 더 컸습니다.

GEO 실무에 주는 함의

1. 콘텐츠 최적화는 '필요조건'이지 '차별화 수단'이 아니다

문체·포맷 개선의 한계 효용이 낮을 수 있습니다. 다만 "콘텐츠가 필요 없다"는 뜻은 아닙니다. 연구 대상은 이미 모델에 입력된 페이지의 순위였고, 팩트를 담은 재작성만 테스트했습니다. AI가 내 페이지를 찾게 하는 것(접근성, 구조화 데이터, 인용 가능한 정보 구성)과 찾은 뒤 높게 평가받는 것은 별개의 문제입니다.

2. 목표를 '내 사이트 인용'에서 '내 브랜드의 존재감'으로 넓혀라

브랜드명이 확인된 언급의 36.2%는 제3자 페이지에서만 발견됐습니다. 언론, 비교·리뷰 사이트, 커뮤니티, (위키)백과류 등 모델이 학습하고 검색하는 외부 웹 소스에서의 반복 노출이 중요해집니다. 이 논문도 신규 사업자에게는 이런 노출이 더 도움이 될 수 있다고 제안합니다.

3. 일반 질문보다 구체적 맥락의 질문에서 승부하라

예산과 프로필 같은 페르소나가 붙으면 인기 편향 기울기가 0.98에서 0.80~0.85로 줄었습니다. 가격 관련 검색어가 늘면서 "가장 유명한 브랜드"가 아니라 "조건에 맞는 브랜드"를 찾는 쪽으로 이동하기 때문으로 해석됩니다. 다만 편향이 사라지지는 않습니다.

4. 브랜드·제품명 자체가 자산이다

진짜 제품명이 가상 제품명보다 유리했습니다(+0.14). 이름이 일관되게 쓰이고 외부에서 함께 언급될수록 모델이 엔티티로 인식하기 쉬워진다는 방향을 시사하지만, 이는 논문이 직접 검증한 처방이 아니라 결과에서 끌어낸 가설입니다.

5. 장기전이다

파라미터 메모리는 모델이 재학습될 때만 바뀌므로, 단기 캠페인보다 꾸준한 외부 노출을 통한 인지도 축적이 현실적입니다.

신생 브랜드에 주는 시사점

이 논문에서 가장 불편한 대목은 신생 브랜드와 맞닿아 있습니다. 연구팀은 이를 추천 시스템의 '콜드스타트 문제'에 빗댑니다. 전통적 추천 시스템에서는 제품 특성 정보가 신규 아이템의 공백을 메워주지만, AI 검색은 완전한 제품 설명이 주어져도 낯선 이름을 더 낮게 평가했습니다. 모델 학습 이후에 생긴 브랜드는 그 이유만으로 불리할 수 있다는 뜻입니다.

그래도 읽어낼 수 있는 단서가 있습니다.

• 문턱은 '유명함'보다 '알려져 있음'에 가깝습니다. 덜 유명한 실제 브랜드도 가상 브랜드보다 앞섰고, 실제 브랜드끼리의 인기 차이는 유의하지 않았습니다.
• 외부 페이지는 길이 됩니다. 자사 사이트 밖의 노출이 답변 속 존재감으로 이어질 수 있다는 관찰(36.2%)이 있습니다.
• 질문이 구체적일수록 편향이 줄었습니다.

다만 가상 브랜드는 "신생 브랜드"와 "존재하지 않는 이름"의 효과가 섞여 있어, 실제 신생 브랜드는 두 조건 사이 어딘가에 있다고 보는 것이 정확합니다.

그래서 무엇을 하면 되나

논문이 직접 뒷받침하는 부분과 논문 결과에서 끌어낸 추론을 구분해 표시했습니다. 논문은 "무엇이 효과가 없는가"는 검증했지만, 어떤 전술이 인지도를 높이는지는 검증하지 않았습니다.

1. 승부할 질문을 좁히세요
"좋은 신용카드 추천" 같은 일반 질문은 인기 브랜드의 독무대입니다. 지역, 가격대, 용도, 사용자 상황이 붙은 질문(예: "첫 운전자, 최저 비용")을 타깃으로 정하고, 그 질문에 답이 되는 정보를 명확히 갖추세요.

2. 자사 사이트 밖에서 이름을 반복 노출하세요
언론 기사, 비교·리뷰 사이트, 업계 매체, 커뮤니티, 백과류에서 브랜드가 카테고리와 함께 언급되게 하세요. 채널별 효과는 검증되지 않았으므로 여러 채널을 시험해야 합니다. 특히 신뢰도가 높은 것으로 측정된 외부 사이트를 공략할 필요가 있습니다.

3. 브랜드명과 제품명을 일관되게 쓰고, 제품에 고유한 이름을 붙이세요

4. AI 크롤러가 읽을 수 있게 열어두세요

5. 온사이트는 기본기로만 관리하세요
문체에 큰 예산을 쓸 이유는 약합니다. 핵심 사실(가격, 조건, 스펙)을 명확히 두는 것은 여전히 필요조건입니다.

6. 측정 체계를 만드세요
AI 답변은 매번 달라집니다. 타깃 질문 세트를 정해 같은 질문을 반복 실행(논문은 10회)하고, 엔진별로 언급률과 인용률을 따로 추적하세요. 링크 인용뿐 아니라 본문 속 언급도 봐야 합니다.

하지 말아야 할 것

• 가짜 통계, 조작된 권위 주장: 논문은 이를 테스트하지 않았고, 다른 연구에서 효과가 보고되더라도 신뢰 훼손과 윤리 리스크가 큽니다.
• 유명 브랜드 사칭: 논문은 이름이 순위를 움직인다는 결과가 사칭으로 악용될 수 있다고 경고하며, 권장도 시험도 하지 않았습니다.

현실적인 순서

• 단기: 타깃 질문 선정, 측정 기준선 확보, 크롤러 접근 점검, 온사이트 기본기 점검
• 중기: 외부 소스 노출 확대, 브랜드·제품명 표기 통일
• 장기: 외부 인지도 누적, 모델 업데이트에 따른 변화 모니터링

학습봇(AI 크롤러)에 개방하는 것이 중요한 이유

이 논문의 핵심은 승부가 모델의 파라미터 메모리, 즉 학습 과정에서 브랜드가 어떻게 기억되느냐에서 갈린다는 것입니다. 그렇다면 자사 사이트가 AI 학습용 크롤러를 막고 있는지는 점검할 만한 문제입니다.

왜 중요할 수 있나 (추론)

• 브랜드가 모델의 학습 데이터에 들어가야 "아는 이름"이 될 수 있습니다. 자사의 공식 설명, 제품 정보, 가격 정책이 학습 소스에서 빠지면 모델은 제3자의 단편적 설명으로만 브랜드를 접하게 됩니다.
• 검색 단계에서도 접근이 막히면 인용될 기회 자체가 사라집니다.
• 논문 부록은 일부 사이트가 자동 접근을 차단해 연구팀이 상용 우회 서비스나 인터넷 아카이브 스냅샷으로 페이지를 확보해야 했다고 밝힙니다. 그만큼 차단 설정은 흔하며, 의도치 않은 차단도 있을 수 있습니다.

이 논문을 과대평가하면 안 되는 이유

• 논문은 크롤러 설정을 실험하지 않았습니다. 개방하면 순위가 오른다는 근거는 없습니다.
• 학습 반영은 다음 모델 버전에서야 일어나며, 포함 여부와 가중치는 기업이 통제할 수 없습니다.
• 언급의 36.2%가 제3자 페이지에서만 확인됐듯, 자사 사이트를 열어도 외부 노출 없이는 영향이 제한적일 수 있습니다. 개방은 필요조건에 가깝고 충분조건이 아닙니다.
• 콘텐츠 저작권, 경쟁사 학습 활용 우려 등 개방에 따른 비용도 있습니다. 미디어·언론출판 사업자라면 판단이 달라질 수 있습니다.

실행 체크리스트

1. robots.txt와 CDN/방화벽(봇 차단 규칙)에서 AI 크롤러가 의도치 않게 막혀 있지 않은지 확인
2. 검색·인용용 봇과 학습용 봇을 구분해 정책 결정
3. 핵심 정보 페이지가 JS 렌더링에만 의존하지 않고 크롤러가 읽을 수 있는 형태인지 점검
4. 사이트맵과 일관된 브랜드·제품 표기 정비

읽을 때 주의할 점

• 지역·시점 한정: 이탈리아어 질문, 로마 위치, 단일 시점의 결과입니다.
• Study 2는 검색을 끈 조건: 실제 서비스의 검색 재순위 과정은 반영되지 않았습니다.
• API 기반: 실제 소비자용 챗 인터페이스와 다를 수 있습니다.
• 가상 브랜드의 해석 한계: "신생 브랜드라서 불리"한지, "존재하지 않는 이름이라서 불리"한지 완전히 분리되지 않습니다.
• 인기 선호가 실제 품질 우위를 반영하는지는 분리하지 못했습니다.
• 어떤 외부 노출 전술이 모델의 브랜드 인식을 실제로 높이는지는 후속 연구가 필요합니다.

결론

이 논문이 던지는 메시지는 GEO를 포기하라는 것이 아니라 GEO의 범위를 다시 정의하라는 것입니다. 페이지 문장을 다듬는 온사이트 작업과 크롤러 접근성은 기본기로 유지하되, 승부처는 모델이 브랜드를 "아는 이름"으로 받아들이게 만드는 외부 생태계 전반의 존재감, 그리고 구체적 니즈를 겨냥한 질문 영역일 가능성이 큽니다. 신생 브랜드의 GEO는 "더 잘 쓰기"가 아니라 ”더 알려지기"에 가깝고, AI 검색에서도 인지도는 결국 쌓아야 하는 자산입니다.