최근 블루닷 인텔리전스 고객(외국계 소비재 기업)으로부터 이런 요청을 받았습니다. '우리 브랜드가 AI답변 상단에 노출되는지를 확인하고 싶어요'. 그동안 블루닷 인텔리전스는 가중치가 적용된 위치점유율을 측정해 제공하고 있었습니다. 하지만 이 자체만으로는 직관적인 인사이트를 도출하는 게 쉽지 않았습니다. 그래서 개발하게 된 지표가 '최상단 노출률'입니다.

최상단 노출률이란?

최상단 노출률(Top position share)은 측정하고자 하는 자사 브랜드가 AI답변의 최상단 영역(전체 글 길이의 상위 20%)에 노출되는지 비율을 측정한 값입니다. 쉽게 말해 수집된 답변 중에 우리 브랜드가 가장 위에 언급되고 있는 답변의 비율인 셈입니다.

• 계산식 : 우리 브랜드가 최상단에 언급된 답변수 / 수집된 전체 답변수

블루닷 인텔리전스는 AI답변의 위치를 5가지 Zone으로 구분합니다. (균등 분할합니다.)

• 최상단, 상단, 중간, 하단, 최하단

이 가운데 입력된 '브랜드 엔티티(키워드)'가 최상단 영역에 한 번이라도 포함되면, 최상단에 노출됐다고 간주합니다. 통상 AI답변을 살펴보면, 브랜드가 전체 답변에 걸쳐 2~3회씩 출현하곤 합니다. 위치가시성은 위치에 따른 가중치를 매겨 위치가시성 스코어를 만드는데요. 최상단 노출률은 이 가운데 최상단에 브랜드가 위치한 답변만 따로 분류를 하게 됩니다. 하나의 AI 답변에 3~4번 브랜드 엔티티가 출현하더라도 최상단에 위치하지 않으면 이 비율에 포함되지 않습니다.  

아래 블루닷 인텔리전스의 캡처 이미지를 보시면 더 잘 이해가 될 겁니다. 아래 보시피다시, 입력된 브랜드는 어떤 답변엔 전혀 노출되지 않는 경우도 있지만, 출현할 경우 최상단 1위, 상단 1회 이렇게 복수로 집계되는 경우가 많습니다. 그 위치를 정확히 측정해서 저희는 기록을 하게 됩니다. 이 가운데 최상단에 노출된 답변수만 따로 떼어내 최상단 노출률 집계에 활용되는 것입니다.

최상단 노출률이 왜 중요한가

AI 답변에 우리 브랜드가 포함돼 있느냐 아니냐가 중요해진 검색 환경입니다. AI 가시성의 핵심은 AI 답변에 우리 브랜드가 언급되고, 나아가 그 답변을 생성할 때 우리 사이트를 출처로 인용하도록 하는 것입니다. 브랜드 가시성과 도메인 인용률이 주된 측정 지표로 자리잡은 이유입니다.

여기서 간과하지 않아야 할 중요한 지표가 더 있습니다. 브랜드의 노출 위치입니다. 지난해 소개된 연구를 보면, 사용자들은 AI답변의 모든 내용을 다 읽지 않는다고 합니다. 아래는 구글 AI Overviews를 대상으로 한 실험인데요. PC에서는 평균 글의 35%까지, 모바일에선 평균 글의 62%까지만 읽는다고 합니다. ChatGPT나 퍼플렉시티를 대상으로 하면 당연히 다른 결과가 나타나겠지만, 한 가지는 확실하죠. 글의 전문을 다 읽지 않는다는 사실입니다.

적어도 AI답변의 상단부에 브랜드가 노출되지 않으면 '인지 선점'이 약해질 수 있다는 겁니다. 비록 브랜드 가시성이 중요한 고객 질문들이 많을 텐데요. 그럴 때 여러분들의 브랜드가 상단에 언급되지 않으면, 사람들에게 제대로 인지될 가능성은 낮아지게 된다는 의미입니다.

또 한 가지 주목해야 할 환경이 있습니다. 바로 음성 AI 검색입니다. ChatGPT에선 음성 모드(Voice Mode)라고도 합니다. 음성 모드에서 사용자들은 필요한 정보가 음성으로 전달되고 나면 나머지를 듣기보다 바로 다음 질문을 이어갑니다. 다시 말해, 답변의 상단에 언급되지 않으면 음성 모드에선 우리 브랜드가 노출될 기회가 그만큼 줄어든다는 의미입니다.

바로 이러한 두 가지 환경으로 인해 최상단 노출률 측정이 중요할 수밖에 없어진 겁니다. 상단에 노출되는 브랜드가 거의 모든 인지와 선택을 가져갈 수밖에 없는 구조, 그것이 AI검색 환경인 것입니다.

어떻게 최상단 노출률을 높일 수 있을까?

최상단 노출률을 단기간에 끌어올리는 건 쉽지 않은 작업입니다. 제법 시간이 걸릴 수 있습니다. 기술적인 이유 때문입니다.

AI 검색에서 상단 노출은 ChatGPT나 Google Gemini 같은 대형언어모델의 답변 생성 방식에 근거합니다. 이 모델들은 문서를 나열하는 대신, 학습 데이터에서 반복적으로 등장한 표현을 바탕으로 확률적으로 가장 적절한 문장을 생성합니다. 따라서 “OOO는 ○○이다”와 같은 정의형 문장이 여러 출처에서 일관되게 반복될수록 해당 문장이 답변의 첫 문장으로 선택될 확률이 높아지고, 이는 곧 상단 노출로 이어집니다. 브랜드를 명확하게 규정하는 문장을 설계하고 이를 다양한 채널(자사 및 소셜미디어 등 3rd Party 채널)에서 동일하게 유지하는 것이 기술적으로 중요한 이유입니다.

또한 Perplexity AI 등 최신 AI 검색은 RAG(Retrieval-Augmented Generation) 구조를 사용하여, 질문과 유사한 문서의 특정 문단(청크)을 먼저 검색한 뒤 이를 기반으로 답변을 생성합니다. 이 과정에서 리스트형 콘텐츠나 질문-답변 구조는 임베딩 유사도 매칭에 유리해 선택될 가능성이 높고, 여러 출처에서 동일한 내용이 반복될 경우 모델은 이를 신뢰할 수 있는 정보로 판단합니다.

결과적으로 최상단 노출은 특정 사이트의 최적화가 아니라, 브랜드와 카테고리 간 관계를 다양한 문서에서 일관되게 형성하고 반복시키는 데이터 구조의 문제라고 볼 수 있습니다. 그래서 참 어렵습니다.