용어집

검색엔진 최적화 SEO — Search Engine Optimization

구글 같은 검색엔진의 결과 목록에서 우리 페이지가 몇 번째에 놓이는가.

생성형 엔진 최적화 GEO — Generative Engine Optimization

AI가 답을 만들 때 우리 브랜드와 우리 콘텐츠를 근거로 삼는가.

검색 순위가 좋아도 GEO가 나쁠 수 있습니다. 크롤러가 막혀 있거나 페이지가 인용하기 어려운 구조면 순위와 무관하게 답변에 들어가지 못합니다.

답변 엔진 최적화 AEO — Answer Engine Optimization

질문에 대한 직접적인 답으로 우리 내용이 채택되는가.

프롬프트 Prompt

AI 엔진에 던지는 질문 한 개.

언급 Mention

AI 답변 본문에 브랜드명이 나온 상태.

이 콘솔은 지표 이름에서 이것을 답변 축이라고 부릅니다(답변 노출률·답변 점유율·답변 순위). 인용 축과 짝을 맞추기 위해서이며, 가리키는 것은 같습니다.

인용 Citation

AI 답변이 근거로 표시한 출처에 특정 도메인이 들어간 상태.

언급과 인용은 다른 축입니다. 본문에 브랜드명이 나왔는데 출처는 남의 것만 붙는 경우가 흔하고, 그 차이가 콘텐츠를 고칠 자리입니다.

점유율 SoV — Share of Voice

경쟁 브랜드를 통틀어 그중 우리 몫이 얼마인가. 원래 광고·PR에서 쓰던 말을 AI 답변에 옮겨 온 것입니다.

팬아웃 Fan-out

AI가 하나의 질문에 답하려고 내부적으로 여러 개의 하위 검색으로 펼치는 것.

사용자가 던진 문장 그대로 검색되지 않습니다. 대비해야 하는 것은 펼쳐진 하위 질문들입니다. 이 콘솔은 근거가 센 순으로 실측·관측·추정 세 가지를 구분합니다 — 실측은 엔진이 실제로 던진 질의 문자열, 관측은 인용된 출처에서 역산한 도달 범위, 추정은 모델에게 "너라면 어떻게 쪼개겠나"를 물은 역할극입니다.

엔티티 Entity

검색엔진과 AI가 인식하는 독립된 대상 — 회사·제품·인물처럼 이름으로 지목되는 것.

그라운딩 Grounding

AI가 기억에 의존하지 않고 외부 문서를 찾아 읽은 뒤 그것을 근거로 답하는 것.

그라운딩이 걸린 답변에서만 인용이 붙습니다. 인용이 없는 답변은 AI가 학습해 둔 기억으로만 말한 것이라, 내용을 고쳐도 반영이 느립니다.

할루시네이션 Hallucination

AI가 사실이 아닌 것을 사실처럼 답하는 것.

언급률이 높아도 내용이 틀리면 오히려 손해입니다. 정답이 명확한 질문을 인지 아젠다에 넣어 두는 이유가 이것을 잡기 위해서입니다.

검색 결과면 SERP — Search Engine Results Page

검색어를 넣었을 때 나오는 결과 화면 전체.

순위만 보면 "몇 위인가"는 알아도 "그 페이지가 어떻게 생겼는가"는 모릅니다. AI 요약이 뜨는 검색어에서는 1위여도 클릭이 그쪽으로 흡수됩니다.

AI 개요 AI Overview

구글 검색 결과 상단에 뜨는 AI 요약.

채팅 엔진과 입력 단위가 다릅니다. 검색 결과의 일부라 "질문을 던진다"는 개념이 없어, 질문이 아니라 검색 키워드에 반응합니다.

함께 묻는 질문 PAA — People Also Ask

검색 결과 중간에 접혀 있는 관련 질문 블록.

사람들이 실제로 무엇을 궁금해하는지가 그대로 드러나는 자리라, 비보조 질문을 만들 때 좋은 재료입니다.

오프사이트 출처 Offsite Source

우리 도메인이 아닌 곳에 있는, 우리를 설명하는 문서 — 뉴스·위키·커뮤니티·리뷰.

AI 인용의 대부분은 여기서 나옵니다. 공식 사이트만 고쳐서는 인용 점유율이 잘 오르지 않는 이유입니다.

E-E-A-T

경험·전문성·권위·신뢰(Experience, Expertise, Authoritativeness, Trustworthiness). 구글이 콘텐츠 품질을 말할 때 쓰는 네 기준.

점수로 존재하는 지표가 아니라 평가 관점입니다. 작성자·출처·근거를 밝힌 문서가 인용되기 쉬운 이유를 설명하는 틀로 씁니다.

AI 크롤러 AI Crawler

AI 회사가 학습·인용용으로 웹을 읽어 가는 봇 — GPTBot·ClaudeBot·PerplexityBot 등.

robots.txt에서 이들을 막으면 검색엔진에는 보여도 AI 답변에는 오르지 못합니다.

구조화 데이터 Schema.org · JSON-LD

페이지의 내용이 무엇인지 기계가 읽도록 표시해 둔 데이터.

없는 정보(평점·가격 등)를 넣으면 스팸으로 판정됩니다. 사실만 담아야 합니다.

클라이언트 렌더링 CSR — Client-Side Rendering

브라우저에서 자바스크립트가 화면을 그리는 방식.

자바스크립트를 실행하지 않는 크롤러에게는 본문이 빈 껍데기로 보입니다. 공개 페이지는 서버가 완성된 HTML로 내려줘야 합니다.

robots.txt

어떤 봇이 어디를 읽어도 되는지 적어 두는 파일. 사이트 최상위에 둡니다.

AI 크롤러를 여기서 막으면 콘텐츠를 아무리 고쳐도 답변에 오르지 않습니다. 콘텐츠보다 먼저 볼 자리입니다.

사이트맵 sitemap.xml

색인되기를 바라는 URL의 목록.

색인을 막아 둔(noindex) URL을 여기 올리면 서치콘솔에 충돌로 잡힙니다. 둘은 항상 같이 봐야 합니다.

정본 주소 Canonical

같은 내용이 여러 주소로 열릴 때 "이쪽이 원본"이라고 지정하는 표시.

리다이렉트되는 주소를 정본으로 선언하면 신호가 충돌합니다 — http에서 https로 옮겼다면 정본도 함께 옮겨야 합니다.

llms.txt

AI에게 이 사이트가 무엇이고 어디를 봐야 하는지 알려주는 규약 파일.

답변

두 측정 축 중 하나 — AI 답변 본문에 브랜드명이 나왔는가. 나머지 하나가 인용입니다.

업계에서 말하는 언급(Mention)과 같은 것을 가리킵니다. 이 콘솔은 인용과 짝을 맞추려고 축 이름을 답변으로 부릅니다 — 답변 노출률 / 인용 노출률처럼 나란히 놓으면 무엇이 다른지가 이름에서 드러납니다. 문장 안에서 사건을 말할 때는 그대로 "언급됐다"고 씁니다.

워크스페이스 KPI

노출도 Visibility

전체 응답 중 자사가 답변에 등장한 응답의 비율.

노출도 = 자사가 언급된 응답 수 ÷ 전체 응답 수 × 100

아무도 언급되지 않은 응답까지 분모에 넣습니다. 그래서 "브랜드 얘기가 아예 안 나오는 질문"이 많으면 노출도가 낮게 나옵니다.

AI 가시성 노출도 탭

점유율(SoV) 구현 SoV

누군가 답변에 등장한 응답만 분모로 두고 잰 자사 몫.

점유율 = 자사가 언급된 응답 수 ÷ 누구든 언급된 응답 수 × 100

노출도와 분모가 다릅니다. 노출도가 낮은데 점유율이 높으면 "브랜드 얘기가 나오는 질문 자체가 적다"는 뜻이라, 늘릴 곳은 콘텐츠가 아니라 질문 설계입니다.

AI 가시성 · GEO 현황 모니터링

안정성

한 질문을 여러 번 던졌을 때 그중 몇 번이나 자사가 나오는가.

안정성 = 자사가 언급된 응답 수 ÷ 그 질문의 전체 응답 수

3분의 1처럼 낮으면 노출된 것이 아니라 "운이 좋으면 나오는" 상태입니다. 평균만 보면 이 차이가 지워집니다.

AI 가시성 프롬프트 탭

인용 노출도

전체 응답 중 자사 도메인이 출처로 붙은 응답의 비율.

인용 노출도 = 자사 도메인이 인용된 응답 수 ÷ 전체 응답 수 × 100

노출도와 분모가 같아 두 값을 나란히 놓을 수 있습니다 — 답변에는 나오는데 인용은 붙지 않는 간격이 그대로 보입니다. 인용 점유율은 분모가 그 브랜드의 전체 인용이라 브랜드끼리 비교할 수 없지만, 이 값은 됩니다.

AEO 모니터

키워드 노출률

추적 중인 검색 키워드 가운데 자사가 AI 답변에 언급된 키워드의 비율.

키워드 노출률 = 언급된 키워드 수 ÷ 추적 키워드 수 × 100

분모가 질문이 아니라 키워드입니다. 검색 키워드에서 출발하는 GEO 축의 값이라, 질문 세트에서 출발하는 워크스페이스의 답변 노출률과 나란히 놓을 수 없습니다.

AI 가시성

GEO 종합 점수

한 브랜드의 최신 회차 실측을 0~100으로 합친 값.

노출도 40 + SoV 25 + 인용 점유율 20 + 엔진 커버리지 15

인용 점유율이나 커버리지를 판정할 수 없으면(도메인 미등록 등) 그 성분을 빼고 나머지 가중치를 다시 100으로 맞춥니다. 그래서 브랜드마다 구성이 다를 수 있어, 점수만 나란히 비교하기보다 성분을 함께 보세요.

워크스페이스 · 대시보드

엔진 커버리지

수집에 참여한 엔진 중 자사 언급이 잡힌 엔진의 비율.

한 엔진에서만 잘 나오는 것과 고르게 나오는 것은 다릅니다. 종합 점수에 이 성분을 넣는 이유입니다.

평균 위치

자사가 답변에서 처음 등장한 문장의 순서 평균.

앞에 나올수록 낮은 값입니다. 언급이 없으면 0이 아니라 값 없음으로 둡니다 — 0으로 채우면 "맨 앞에 나왔다"가 됩니다.

AI 가시성 프롬프트 탭

감정 Sentiment

자사를 언급한 문장의 논조를 긍정·중립·부정으로 분류한 것.

언급률과 따로 봐야 합니다. 언급은 늘었는데 부정이 함께 늘었다면 AI가 참조하는 출처의 논조를 점검할 때입니다.

AI 가시성 센티먼트 탭

점수 임계

점수에 색을 입히는 기준. GEO 점수는 70 이상 양호·40 이상 주의·그 미만 문제, 사이트 진단은 80/60을 씁니다.

두 화면의 기준이 다릅니다. 재는 대상이 달라서인데, 같은 색이라고 같은 수준은 아닙니다.

실측

추정이나 시뮬레이션이 아니라, 실제로 질문을 던져 받은 응답을 집계했다는 표시.

이 콘솔의 수치는 전부 실측입니다. 예측값을 함께 쓰지 않습니다.

미수집 · 미노출 · 미측정

값이 비어 있는 세 가지 다른 이유. 미수집은 아직 안 본 것, 미노출은 봤는데 안 나온 관측 결과, 미측정은 재본 적이 없는 상태입니다.

셋을 0으로 합치지 않습니다. "아직 안 봤다"와 "봤는데 없었다"는 전혀 다른 사실이고, 합치면 고칠 곳을 잘못 짚게 됩니다.

키워드 현황 · AEO 모니터링

답변 노출률

등록한 프롬프트 중 자사가 답변 본문에 한 번이라도 언급된 것의 비율.

자사가 언급된 프롬프트 수 ÷ 전체 프롬프트 수 × 100

자사와 경쟁사가 둘 다 나온 프롬프트는 양쪽에 포함됩니다 — 그래서 자사 + 경쟁사가 전체보다 클 수 있습니다.

답변 점유율

답변에 등장한 브랜드 언급 건수 중 자사의 몫.

자사 언급 건수 ÷ (자사 언급 건수 + 경쟁사 언급 건수) × 100

노출률과 달리 프롬프트가 아니라 응답 안의 언급 건수를 셉니다 — 한 답변에 여러 번 나오면 그만큼 더 셉니다.

답변 순위

프롬프트마다 브랜드를 언급 건수로 세웠을 때 자사가 몇 번째인지의 평균. 1위 비율을 함께 냅니다.

프롬프트별 자사 순위의 합 ÷ 자사가 등장한 프롬프트 수

자사가 등장하지 않은 프롬프트는 분모에서 뺍니다. 꼴찌로 넣으면 노출이 적을수록 순위가 나빠져 노출률과 같은 것을 두 번 재게 됩니다.

인용 노출률

등록한 프롬프트 중 자사 도메인이 답변의 출처로 붙은 것의 비율.

자사 도메인이 인용된 프롬프트 수 ÷ 전체 프롬프트 수 × 100

분모가 프롬프트 수라 답변 노출률과 같은 자로 잽니다. 그래서 브랜드끼리 나란히 놓아도 되고, 두 값을 한 차트에 놓을 수 있는 것도 이쪽입니다. 브랜드 정보 관리에 자사 공식 도메인을 등록해야 판정되며 서브도메인도 같은 소유로 봅니다.

인용 점유율

AI가 인용한 출처 전체 중 자사 도메인의 몫.

자사 도메인 인용 건수 ÷ 전체 인용 건수 × 100

자사와 경쟁사를 더해도 100%가 되지 않습니다 — 대부분은 뉴스·커뮤니티·위키 같은 제3자 도메인입니다. 브랜드 간 비교에는 쓰지 마세요: 분모가 그 브랜드의 전체 인용이라 브랜드마다 다릅니다. 481곳이 인용된 브랜드의 14%는 균등 분배(0.2%)의 70배지만, 15곳만 인용된 브랜드의 9%는 균등 분배(6.7%)와 큰 차이가 없습니다. 브랜드끼리 견줄 때는 인용 노출률을 보세요. 공식 도메인을 등록하지 않은 경쟁사는 0%가 아니라 판정에서 빠집니다.

인용 순위

프롬프트마다 도메인 소유자를 인용 건수로 세웠을 때 자사가 몇 번째인지의 평균.

프롬프트별 자사 순위의 합 ÷ 자사가 인용된 프롬프트 수

인용은 언급보다 표본이 적어 값이 크게 흔들립니다. 표본 수를 함께 보세요.

긍정 노출률

등록한 프롬프트 중 자사가 긍정 문맥으로 언급된 것의 비율.

자사가 긍정 언급된 프롬프트 수 ÷ 전체 프롬프트 수 × 100

답변 노출률과 분모가 같아 위아래로 비교됩니다. 답변 85% · 긍정 44%라면 언급된 질문의 절반에서만 좋게 말했다는 뜻이고, 그 차이가 중립·부정으로 언급된 몫입니다.

긍정 점유율

긍정으로 언급된 건수 전체 중 자사의 몫.

자사 긍정 언급 건수 ÷ (자사 + 경쟁사 긍정 언급 건수) × 100

분모가 긍정 언급뿐이라, 우리도 경쟁사도 좋게 언급되지 않은 답변은 이 값에 영향을 주지 않습니다.

긍정 순위

프롬프트마다 브랜드를 긍정 언급 건수로 세웠을 때 자사가 몇 번째인지의 평균.

프롬프트별 자사 순위의 합 ÷ 자사가 긍정 언급된 프롬프트 수

긍정 언급이 0건인 브랜드는 그 프롬프트의 순위 후보에서 빠집니다. 0건을 공동 1위로 넣으면 아무도 좋게 언급되지 않은 질문에서 전원이 1위가 됩니다. 감성 분류에는 OPENAI_API_KEY가 필요하며, 분류가 하나도 없으면 세 타일 모두 0%가 아니라 판정 불가로 뜹니다.

자사 · 경쟁사

집계의 두 진영. 브랜드 정보 관리에 등록한 경쟁사만 경쟁사로 셉니다.

등록하지 않은 회사는 답변에 나와도 세지 않습니다. 경쟁 구도가 실제와 다르면 먼저 이 목록을 봅니다.

브랜드 정보 관리

비교 그룹

그룹 분석이 브랜드를 묶는 유일한 기준. 같은 그룹명을 가진 브랜드끼리만 한 화면에 나옵니다.

경쟁사와 다릅니다. 경쟁사는 답변 속 이름을 세는 대상이고(기아·토요타처럼 수집하지 않는 회사도 됩니다), 비교 그룹은 우리가 따로 수집을 돌리는 브랜드끼리의 묶음입니다. 짧은 키로 적으세요 — 산업 칸은 "모빌리티 그룹(완성차·부품·철강)" 같은 자유 서술이라 그룹 키로 쓸 수 없습니다. 철자가 다르면 다른 그룹이 되고, 비워 두면 그룹 분석에서 빠집니다.

브랜드 정보 관리 · GEO/AEO 그룹 분석

별칭 Aliases

같은 브랜드를 가리키는 다른 표기 — 약칭·영문명·옛 이름.

AI 답변은 표기를 섞어 씁니다. 별칭을 등록하지 않으면 실제보다 언급률이 낮게 잡힙니다.

브랜드 정보 관리

공식 도메인

인용이 누구 것인지 가르는 기준. 자사는 websites, 경쟁사는 경쟁사별 도메인으로 등록합니다.

서브도메인도 같은 소유로 봅니다. 등록하지 않은 엔티티는 인용 점유율이 0%가 아니라 판정에서 빠집니다 — 인용이 없는 것과 판정할 수 없는 것은 다릅니다.

브랜드 정보 관리

인용 밀림

자사는 인용 링크를 못 받고 경쟁사만 받은 질문.

본문 언급 여부와 별개입니다. 언급은 되는데 출처는 경쟁사 것만 붙는 상태라, 콘텐츠를 만들 우선순위가 가장 높은 자리입니다.

AI 가시성 프롬프트 탭

답변 갭

경쟁사만 답변에 등장하고 자사는 빠진 질문.

비보조 아젠다에서 이게 많으면 신규 고객 접점을 통째로 놓치고 있다는 뜻입니다.

AEO 현황 모니터링 · 수집 대시보드

미지정

아젠다·지역·페르소나 태그를 붙이지 않은 질문이 모이는 자리.

집계에서 빼지 않고 따로 셉니다. 태그가 없는 것도 사실이라, 0으로 합치면 얼마나 분류되지 않았는지가 보이지 않습니다.

아젠다 Agenda

질문의 목적별 분류. 인지·이미지·전환·리스크·탐색·고민·경쟁 일곱 갈래입니다.

질문 쿼리 설정 · AI 가시성 주제별 노출

보조 질문 Aided

질문 안에 브랜드명을 넣는 아젠다 — 인지·이미지·전환·리스크.

브랜드명이 질문에 있으니 언급률이 높게 나오는 것이 정상입니다. 이 값이 높다고 경쟁력이 있다는 뜻은 아닙니다. 실측으로 보조 평균은 99~100%에 붙습니다(현대닷컴 인지 100% · 이미지 97% · 전환 100%). 그래서 이 값은 성과 지표가 아니라 점검값에 가깝습니다 — 95% 아래로 떨어지면 경쟁력이 아니라 별칭 미등록이나 수집 실패를 의심하세요. 차트 축으로 세우면 모든 브랜드가 한쪽 끝에 몰려 아무것도 구분되지 않습니다.

비보조 질문 Unaided

브랜드명을 넣지 않는 아젠다 — 탐색·고민·경쟁.

여기서 나온 언급만이 AI가 스스로 우리를 고른 결과입니다. 브랜드 포지셔닝 차트가 재는 낙폭(보조 → 비보조)이 곧 "이름을 안 알려주면 얼마나 떨어지는가"입니다. 브랜드를 모르는 사람이 검색했을 때 후보에 드는지를 재기 때문에 신규 유입의 핵심입니다.

페르소나 Persona

질문을 던지는 사람의 유형 태그. 비보조 질문에만 붙습니다.

보조 질문은 누가 묻든 답이 같아 페르소나로 나눌 수 없습니다. 또 태그만 붙인다고 AI가 그 사람인 척 답하지는 않으므로, 질문 문장 자체가 그 수요층을 담아야 의미가 있습니다.

질문 쿼리 설정

수집 회차 Run

등록한 질문 전체를 엔진마다 한 바퀴 던진 한 번의 실행.

대부분의 지표는 최신 회차 하나를 집계합니다. 기간 필터가 있는 화면은 그 기간 안에 완료된 회차를 모두 합칩니다.

워크스페이스 · AEO 현황 모니터링

샘플 수

같은 질문을 한 회차에서 몇 번 반복해 던지는가.

AI는 같은 질문에도 매번 다르게 답합니다. 한 번만 던지면 그날의 운을 재게 되므로 여러 번 던져 안정성을 봅니다. 호출 수는 질문 수 × 엔진 수 × 샘플 수로 늘어납니다.

AEO 현황 모니터링 · 수집 대시보드

집계 제외

회차를 지우지 않고 지표 계산에서만 빼는 표시. 뺀 회차도 수집 이력·응답 원문·실패 사유는 그대로 보입니다.

같은 날 두 번 돌리는 것 자체는 문제가 아닙니다 — 질문 하나를 3회씩 던지는 도구라 두 번째 회차는 같은 상태를 더 표본한 것이고, 두 값이 벌어져 있다는 사실 자체가 안정성이라는 발견입니다. 빼야 하는 것은 비교할 수 없는 회차입니다: 키가 죽거나 쿼터가 소진돼 한 엔진이 통째로 빠진 회차를 멀쩡한 회차와 합치면 표본이 늘어난 것이 아니라 다른 것을 잰 값이 섞이고, 엔진 커버리지가 희석되며 노출도는 한 엔진이 없는 응답 위에서 계산됩니다. 지우지 않는 이유는 둘입니다 — 되돌릴 수 있어야 하고, 왜 뺐는지 확인할 수 없으면 뺀 것을 신뢰할 수 없습니다.

워크스페이스 (상태 뱃지 → 실패 사유)

생성형 엔진 로스터

이 콘솔이 실제로 질문을 던지는 엔진 — ChatGPT·Claude·Gemini·Perplexity. 여기에 구글 AI 개요를 더해 다섯입니다.

AI 개요는 입력 단위가 질문이 아니라 검색 키워드라, 같은 표에 나란히 두지 않고 별도 축으로 집계합니다.

질문 세트 건전성

등록된 질문이 아젠다 규칙에 맞는지 수집 전에 점검한 결과.

비보조 질문에 브랜드명이 섞이면 노출률이 오히려 높게 나와, 수치만 봐서는 잘못된 줄 알 수 없습니다. 그래서 실행 화면에서 미리 알립니다.

워크스페이스

응답 Response

엔진에 질문 하나를 던져 받은 답 하나. 모든 수치가 여기서 나옵니다.

같은 질문을 여러 번 던지면 응답도 그만큼 늘어납니다. 그래서 "질문 수"와 "응답 수"는 다른 값이고, 어느 쪽을 분모로 쓰느냐가 다음 묶음의 주제입니다.

멘션 Mention

응답 본문에서 브랜드가 언급된 자리 하나. 지표가 아니라 지표의 재료입니다.

한 건이 어느 브랜드인지·자사인지·몇 번째로 나왔는지·감성이 무엇인지·실제 문장까지 함께 들고 있습니다. 답변·순위·긍정 세 지표가 추가 수집 없이 여기서 함께 떨어지는 이유입니다. 화면과 이 용어집은 축 이름으로는 「답변」, 사건으로는 「언급」이라 부릅니다 — 멘션은 코드와 DB에만 남는 말입니다.

멘션과 인용은 포함 관계가 아니다

한 응답에서 둘은 따로 떨어집니다. 본문에 이름이 나온 것과 출처로 링크가 붙은 것은 서로를 함의하지 않습니다.

이름은 안 나왔는데 우리 사이트가 출처로 붙을 수 있고, 뉴스 기사를 근거로 우리를 칭찬할 수도 있습니다(그때 출처는 제3자 도메인입니다). 답변은 잘 나오는데 인용이 붙지 않는 브랜드는 AI가 우리를 남의 글로 알고 있다는 뜻이고, 그때 할 일은 존재감을 늘리는 것이 아니라 우리 문서를 읽히게 만드는 것입니다.

긍정은 축이 아니라 부분집합

멘션 중 감성이 긍정으로 분류된 것. 새로운 축이 아니라 답변 축을 한 번 더 거른 값입니다.

멘션은 수집할 때 바로 뽑히지만 감성 분류는 따로 태웁니다. 그래서 멘션은 있는데 감성이 비어 있는 상태가 정상적으로 존재하고, 그때 화면은 0%가 아니라 「판정 불가」로 뜹니다. 이것을 0%로 그리면 "아무도 우리를 좋게 말하지 않는다"는 정반대 결론이 됩니다.

노출은 축이 아니라 재는 방식

그래서 세 축에 모두 붙습니다 — 답변 노출률·인용 노출률·긍정 노출률.

같은 축에 점유율과 순위가 나란히 있고, 셋의 차이는 오직 분모입니다. 노출률은 전체가 분모, 점유율은 등장한 것만이 분모, 순위는 자사가 등장한 프롬프트만이 분모입니다.

노출도와 답변 노출률

둘 다 "답변에 나왔는가"를 재지만 분모가 다릅니다. 노출도는 응답 수, 답변 노출률은 질문 수입니다.

노출도 = 언급된 응답 ÷ 전체 응답 · 답변 노출률 = 언급된 질문 ÷ 전체 질문

한 질문을 3회 반복 수집했는데 그중 한 번만 나왔다면 노출도는 33%, 답변 노출률은 100%입니다(한 번이라도 나왔으므로). 어느 쪽이 맞는 것이 아니라 묻는 것이 다릅니다 — 노출도는 "얼마나 자주", 답변 노출률은 "몇 개 질문에서". 그 33%가 곧 안정성이며, 두 값의 간격이 벌어져 있으면 노출된 것이 아니라 운이 좋으면 나오는 상태입니다.

이름에 분모가 들어 있다

어느 값이 무엇으로 나눈 것인지를 이름이 말하게 했습니다. 노출도는 응답이, 노출률은 질문이, 키워드 노출률은 추적 키워드가 분모입니다.

한동안 이 세 값이 화면마다 모두 「답변 노출률」이라는 같은 이름을 달고 분모만 달랐습니다. 그러면 워크스페이스에서 85%를 보고 대시보드에서 72%를 본 사람이 수치가 떨어졌다고 읽게 됩니다 — 다른 것을 잰 값인데도 그렇게 읽는 것을 막을 방법이 없었습니다. 이름이 갈리면 그 오해가 애초에 생기지 않습니다. 인용도 같은 규칙을 따릅니다: 인용 노출률은 질문이, 인용 노출도는 응답이 분모입니다.

워크스페이스 · 대시보드 · AEO 모니터 · AI 가시성

나란히 놓아도 되는 것

워크스페이스의 아홉 KPI 중 노출률 셋은 분모가 모두 전체 질문 수라, 서로 위아래로 비교됩니다.

답변 85% · 긍정 44%라면 언급된 질문의 절반에서만 좋게 말했다는 뜻이고, 그 차이가 중립·부정으로 언급된 몫입니다. 반대로 점유율끼리는 이렇게 읽을 수 없습니다 — 축마다 분모가 다릅니다. 브랜드끼리 견줄 때도 노출률을 쓰세요.

노출 Mention

답변 안에 브랜드 이름이 등장했는가.

워크스페이스 「답변 노출률」

답변 Answer position

그 이름이 질문에 대한 답의 자리에 놓였는가. 나열 목록의 한 항목인 것과 추천의 주어인 것은 다릅니다.

워크스페이스 「답변 순위」 「답변 점유율」

긍정도 Sentiment

등장한 맥락이 우호적인가.

워크스페이스 「긍정 노출률」

① 나열 노출 O · 답변 X · 중립

국내에는 A사, B사, 아이파트너즈 등 여러 업체가 활동하고 있습니다. 다만 프로젝트 성격에 따라 적합한 곳이 다릅니다.

이름은 나왔지만 나열 목록의 한 항목일 뿐입니다. 노출 지표는 1이 오르는데 실제로 얻은 것은 거의 없습니다.

GEO 리포트에서 가장 흔하게 나오는 형태이고, 노출만 세는 도구가 성과를 과대평가하는 지점이기도 합니다.

② 추천 노출 O · 답변 O · 긍정

자동차 브랜드 웹사이트라면 아이파트너즈를 우선 검토할 만합니다. 완성차 프로젝트 경험이 있고, 제작 프로세스를 단계별로 공개하고 있어 검증이 쉽습니다.

실제로 원하는 상태입니다. 추천의 주어 자리에 놓였고, 근거까지 함께 제시됐습니다.

근거 문장이 붙는다는 것은 AI가 참조할 만한 구조화된 콘텐츠가 사이트에 있다는 뜻입니다.

③ 반대 근거 노출 O · 답변 O · 부정

아이파트너즈는 AI 자동화를 내세우지만 공개된 사례가 적어 실적 검증이 어렵습니다. 대안으로는…

답의 자리에는 있는데 반대 근거로 쓰였습니다.

노출과 답변 지표는 ②와 똑같이 잡히지만 결과는 정반대입니다. 긍정도를 따로 재지 않으면 이 둘이 구분되지 않습니다.

④ 출처만 노출 X · 출처 인용 O

답변 본문에는 회사 이름이 없는데, 하단 참고 링크에 ipartners.co.kr이 걸려 있음

콘텐츠는 읽혔지만 브랜드는 전달되지 않은 상태입니다. 클릭 트래픽에는 도움이 되나 브랜드 인지에는 기여하지 않습니다.

대개 본문에 회사명이 없거나 저자 표기가 빠진 콘텐츠에서 발생하므로, 문서 안에 주체를 명시하면 개선됩니다.

워크스페이스 「인용 노출률」

⑤ 비교 대상 노출 O · 답변 X · 부정

C사는 아이파트너즈보다 대규모 프로젝트 경험이 많습니다.

노출 카운트는 올라가지만 실질적으로는 경쟁사를 돋보이게 하는 문장입니다.

긍정도 측정에서 음수로 잡혀야 정상입니다.

노출만 재면 ①③⑤가 전부 성과로 잡힌다

다섯 중 넷에서 이름이 나왔으니 노출은 80%입니다. 그중 실제로 도움이 된 것은 ② 하나입니다.

답변까지 재도 ③은 걸러지지 않는다

③은 답의 자리에 놓인 것이 맞습니다. 노출과 답변 지표만으로는 ②와 구분되지 않습니다.

긍정도가 마지막 필터 역할을 합니다. 이 값이 없으면 "추천받았다"와 "반례로 쓰였다"가 같은 수치로 보고됩니다.

노출이 낮다

애초에 그 주제로 인용될 콘텐츠가 없는 상태입니다.

콘텐츠를 만드는 단계입니다.

노출은 있는데 답변이 안 된다

콘텐츠가 있긴 한데 근거로 쓰기 어려운 형태입니다. 숫자, 사례, 정의가 빠진 경우가 대부분입니다.

구조를 고치는 단계입니다.

답변은 되는데 긍정도가 낮다

실적이나 검증 자료가 부족하다고 판단된 상태입니다.

케이스 스터디를 공개하는 단계입니다.