AI는 어떤 제품과 브랜드를 추천할까?

우리가 만든 콘텐츠가 AI라는 공정을 거쳐 최종 답변이 되는 과정을 알아야, 그 재료의 품질을 비로소 관리할 수 있습니다.

온라인의 수많은 정보가 AI에게는 어떻게 보일까

마케터가 AI의 답변 생성 과정을 이해해야 하는 이유는 단순합니다. 우리가 만드는 콘텐츠가 AI의 재료가 되기 때문입니다. 재료가 어떤 공정을 거쳐 최종 제품이 되는지 모르고는, 재료의 품질을 관리할 수 없습니다.

우리는 하루에도 수십 개의 웹페이지를 봅니다. 뉴스 기사를 읽고, 블로그를 훑으며, 소셜 미디어 피드를 스크롤합니다. 이때 사람의 뇌는 시각적 레이아웃, 이미지의 분위기, 폰트 크기, 색상 조합 같은 비언어적 신호를 종합적으로 처리해 '이 정보를 믿을 만한가'를 직관적으로 판단합니다. 깔끔한 디자인의 공식 사이트와 광고 배너로 뒤덮인 저품질 블로그를 구별하는 데 0.5초도 안 걸립니다.

AI는 이런 식으로 정보를 처리하지 않습니다.

AI에게 온라인의 모든 정보는 기본적으로 '텍스트'입니다. 더 정확하게 말하면, 구조화된 언어 데이터입니다. 웹페이지의 화려한 비주얼은 AI의 정보 처리 과정에서 대부분 사라집니다. 남는 것은 텍스트의 내용, 문장의 구조, 단어 사이의 관계, 그리고 그 정보가 어떤 맥락에서 어떤 출처에 의해 만들어졌는지에 대한 메타 정보뿐입니다.

이것은 실무에서 매우 중요한 의미를 가집니다. 브랜드가 수억 원을 들여 만든 감각적인 브랜드 사이트, 즉 몰입감 있는 영상, 인터랙티브 UI, 정교한 애니메이션은 소비자에게는 강력한 브랜드 경험이지만, AI에게는 그 안에 담긴 텍스트 정보만이 의미를 가집니다. 만약 그 사이트의 텍스트가 '감성적 카피'로만 구성되어 있고 제품의 성분, 효능, 사용법, 인증 정보 같은 잘 정리된 사실이 부족하다면, AI는 그 사이트에서 추천의 근거가 될 정보를 충분히 끌어내지 못합니다.

반대의 사례도 있습니다. 디자인은 투박하지만 성분 데이터, 임상 시험 결과, 전문가 리뷰, 사용자 평가를 체계적으로 정리해놓은 성분 분석 플랫폼이나 전문 리뷰 사이트는 AI에게 높은 정보 가치를 줍니다. AI는 이런 사이트의 데이터를 브랜드 추천의 핵심 근거로 활용합니다.

AI가 정보에 접근하는 경로는 크게 두 가지입니다. 첫 번째는 사전 학습 단계에서 흡수한 방대한 텍스트 데이터입니다. 챗GPT, 클로드, 제미나이 같은 모델들은 수십억 페이지에 달하는 웹 문서, 학술 자료, 뉴스, 포럼 등을 학습 데이터로 씁니다. 브랜드에 대한 기본적인 인식, 즉 이 브랜드가 어떤 카테고리에 속하고, 어떤 특성으로 알려져 있으며, 시장에서 어떤 위치에 있는지는 상당 부분 이 사전 학습 데이터에서 만들어집니다.

두 번째는 실시간 검색 및 참조 단계입니다. 퍼플렉시티, 챗GPT, 구글의 AI 오버뷰 같은 AI 검색 서비스들은 사용자의 질문에 답하기 위해 실시간으로 웹을 검색하고, 검색 결과의 내용을 AI 모델에 넣어 답을 만듭니다. 이것이 바로 RAGRetrieval-Augmented Generation, 검색 증강 생성라 불리는 방식입니다. 이 경로를 통해 AI는 학습 데이터에 없는 최신 정보, 즉 신제품 출시, 최근 리뷰, 바뀐 가격을 반영할 수 있게 됩니다.

두 경로를 관통하는 하나의 원칙이 있습니다. AI가 읽을 수 있고, 구조적으로 이해할 수 있으며, 신뢰할 수 있다고 판단하는 정보만이 답변에 반영된다는 것입니다.

브랜드 메시지는 사라지고, '근거'만 남습니다

브랜드 마케팅의 핵심 산출물 중 하나는 '메시지'입니다. 브랜드 슬로건, 캠페인 태그라인, 제품 USP 문구. 마케터들은 이 메시지를 정교하게 다듬어 소비자의 인식 속에 심어왔습니다. '피부 과학의 새로운 기준', '자연에서 찾은 진정한 보습', '세계 피부과 전문의가 추천하는'. 이런 메시지들은 브랜드의 정체성을 함축적으로 표현하며, 소비자의 기억 구조에 브랜드를 각인시키는 역할을 해왔습니다.

AI는 이 메시지를 그대로 받아들이지 않습니다. AI는 메시지 뒤에 있는 '근거'를 찾습니다.

'세계 피부과 전문의가 추천하는'이라는 메시지를 예로 들어보겠습니다. 소비자는 이 문구를 TV 광고에서 접하고, 권위 있는 느낌을 받으며, 그 감정이 브랜드에 대한 신뢰로 바뀝니다. 하지만 AI가 '피부과 전문의 추천 보습 크림'이라는 질문에 답할 때, AI는 이 광고 문구를 근거로 쓰지 않습니다. AI는 실제 피부과학 저널에 해당 브랜드의 성분이나 제품에 대한 연구가 실렸는지, 피부과 전문의 커뮤니티에서 실제로 언급되고 있는지, 제3자 평가 기관이 인증을 줬는지를 확인합니다.

만약 이런 근거가 온라인에 충분히 있지 않거나 AI가 접근할 수 없는 형태로만 있다면, 아무리 설득력 있는 마케팅 메시지라 해도 AI의 답변에는 반영되지 않습니다. 메시지는 소비자의 인식 속에서는 작동하지만, AI의 추론 과정에서는 작동하지 않습니다.

우리는 실무에서 이 현상을 반복해서 관찰하고 있습니다. 브랜드가 스스로에 대해 전하고 싶은 핵심 메시지와, AI가 해당 브랜드를 설명할 때 실제로 쓰는 서술 사이에는 상당한 거리가 있습니다. 수백억 원의 캠페인으로 쌓은 '프리미엄 더마코스메틱'이라는 자리매김이, AI의 답변에서는 '중가 보습 크림 브랜드' 정도로 줄어 나타나는 경우가 결코 드물지 않습니다.

AI 시대의 브랜드 마케터에게 필요한 새로운 역량은, 메시지를 만드는 것에 그치지 않고 그 메시지의 '근거'를 AI가 인식할 수 있는 정보 형태로 만들어내는 것입니다. 메시지는 소비자를 향하고, 근거는 AI를 향합니다. 이 두 방향의 커뮤니케이션을 동시에 설계하는 것이, 3장에서 제시한 '이중 설득 구조'의 실행적 의미입니다.

AI가 답을 만드는 4단계, 마케터가 봐야 할 것

마케터가 AI의 답변 생성 메커니즘을 기술적으로 깊이 이해할 필요는 없습니다. 하지만 '어떤 원리로 특정 브랜드가 답변에 포함되거나 빠지는가'를 개념 수준에서 파악하는 것은, GEO 전략을 세우는 데 꼭 필요합니다. AI가 사용자의 질문을 받아 답변을 만들기까지의 과정을, 마케터의 관점에서 네 단계로 나누어 살펴보겠습니다.

1단계. 질문의 해석과 분해

사용자가 '건성 피부에 좋은 수분 크림 추천해줘'라고 입력하면, AI는 이 질문을 단일 질의로 처리하지 않습니다. 2장에서 살펴본 것처럼, AI는 이 질문을 여러 작은 질문으로 쪼갭니다. '건성 피부의 특성은 무엇인가', '보습에 효과적인 핵심 성분은 무엇인가', '이 카테고리에서 믿을 만한 브랜드는 어디인가'. 이 단계에서 이미 브랜드의 운명이 일부 결정됩니다. AI가 만드는 작은 질문의 구조에 따라, 어떤 정보가 탐색 범위에 들어가고 어떤 정보가 빠지는지가 달라지기 때문입니다.

2단계. 정보의 수집과 선별

작은 질문이 만들어지면, AI는 각 질문에 답하기 위한 정보를 모읍니다. 사전 학습된 내부 지식과 실시간 검색 결과를 동시에 활용하는데, 모든 정보를 같은 가중치로 처리하지는 않습니다. AI는 출처의 권위, 정보의 최신성, 내용의 일관성, 구조적 명확성을 복합적으로 평가합니다. 마케터가 주목해야 할 지점은, 이 선별 과정이 외부에서 직접 볼 수 없는 블랙박스라는 사실입니다.

3단계. 정보의 종합과 판단

모은 정보를 바탕으로, AI는 작은 질문들에 대한 답변을 종합합니다. 이 과정은 단순한 정보 나열이 아닙니다. AI는 모인 정보들 사이의 일관성을 평가하고, 충돌하는 정보가 있을 경우 더 신뢰도가 높다고 판단되는 출처의 정보에 가중치를 주며, 마지막으로 하나로 합친 답변을 만듭니다. 이 종합 과정에서 브랜드가 '추천 목록'에 들어가느냐 마느냐가 결정됩니다.

4단계. 답변의 생성과 인용

최종 답변이 만들어질 때, AI는 단순히 결론만 보여주는 것이 아니라 근거가 된 출처를 함께 돌려줍니다. 퍼플렉시티는 각 문장에 출처 링크를 붙이고, 구글의 AI 오버뷰는 참고한 웹페이지 목록을 함께 보여줍니다. 이 인용 구조는 브랜드에게 중요한 신호를 줍니다. AI가 어떤 출처를 근거로 삼았는지를 거꾸로 추적하면, 브랜드가 어떤 유형의 콘텐츠와 출처에 집중해야 하는지의 방향을 읽어낼 수 있기 때문입니다.

이 네 단계를 이해하면, GEO의 실행이 왜 '키워드 최적화'와는 근본적으로 다른 작업인지가 명확해집니다. SEO가 검색 결과 페이지의 순위를 높이는 것이었다면, GEO는 AI의 '사고 과정' 전체에 브랜드의 정보가 의미 있게 반영되도록 만드는 것입니다. 질문 분해 단계에서 브랜드와 관련된 작은 질문이 만들어지도록, 정보 선별 단계에서 브랜드의 정보가 신뢰 출처로 선택되도록, 종합 단계에서 좋게 평가받도록, 그리고 최종 답변에서 브랜드 관련 출처가 인용되도록. 이 모든 단계에 걸친 총체적 관리가 GEO의 실체입니다.

AI 답변 생성 4단계와 브랜드 관리 포인트

AI 답변 생성의 각 단계마다 브랜드가 관리해야 할 포인트가 다르며, 이를 총체적으로 설계하는 것이 GEO의 실체입니다.

AI가 실제로 믿고 참고하는 정보 출처들

AI가 답변을 만들 때 참고하는 정보 출처는 모두 같은 영향력을 가지지 않습니다. 마케터가 GEO 전략을 세울 때 가장 먼저 파악해야 하는 것은, AI가 실제로 어떤 유형의 출처를 신뢰하고 우선적으로 참고하는가입니다. 이러한 AI 인용 출처는 업계별로 완전히 다르고 또 계속해서 변화하기 때문에, 대략적인 패턴으로 이해해두시면 좋습니다. 뷰티 업계를 예로 들어보겠습니다.

첫째, 전문 매체와 권위 있는 리뷰 사이트

뷰티 매거진 전문지, 뷰티 에디터 선정 리뷰, 성분 분석 플랫폼, 피부과학 관련 학술 DB 등이 여기에 해당합니다. 이런 출처에서 브랜드가 언급되면 AI는 그 정보에 높은 신뢰 가중치를 줍니다. 브랜드가 이런 출처에서 좋게 다뤄지도록 PR 활동과 전문가 협업을 설계하는 것이, GEO 관점에서의 전문 매체 전략입니다.

둘째, 사용자 리뷰와 커뮤니티 평가

소비자 리뷰는 AI가 비교 단계에서 가장 자주 참고하는 정보 유형 중 하나입니다. 주요 이커머스 플랫폼 리뷰, 뷰티 커뮤니티, 소셜 미디어의 제품 리뷰. 이런 채널에서의 사용자 평가가 양적으로 충분하고 질적으로 구체적일수록 AI의 추천에 반영될 확률이 높아집니다. '좋아요' 식의 단순 리뷰보다 '건성 피부에 사용했는데 세라마이드 성분 덕분인지 2주 만에 보습력이 달라졌다'는 식의 구체적 경험 기술이, AI에게는 훨씬 더 큰 정보 가치를 가집니다.

셋째, 브랜드 공식 채널의 잘 정리된 정보

공식 웹사이트, 공식 블로그, 제품 상세 페이지. 이런 브랜드 소유 채널의 정보는 AI가 해당 브랜드에 대한 '공식 입장'으로 참고합니다. 여기서 중요한 것은 '구조화'입니다. 제품 성분표, 효능 설명, 사용법, 인증 정보 등이 명확한 텍스트로 정리되어 있어야 AI가 해당 정보를 효과적으로 끌어낼 수 있습니다. 감성적 카피로만 구성된 브랜드 사이트는, AI 관점에서는 정보 밀도가 낮은 출처로 분류될 수 있습니다.

넷째, 미디어 보도와 기사

뉴스 기사, 업계 미디어의 제품 리뷰, 브랜드 인터뷰 기사 등은 AI가 브랜드의 시장 위치와 평판을 판단하는 데 활용하는 정보입니다. 특히 최신 기사는 실시간 검색 경로에서 높은 우선순위를 가집니다. 브랜드의 신제품 출시, 수상, 혁신 사례 등이 미디어에 보도된 브랜드는 AI의 최신 정보 반영에서 유리한 위치를 차지합니다.

이 네 가지 출처 유형을 이해하면, GEO 전략의 실행 방향이 한층 구체화됩니다. 'AI에서 우리 브랜드가 더 자주 추천되려면 무엇을 해야 하는가'라는 막연한 질문이, '전문 매체에서의 브랜드 언급을 늘리고, 사용자 리뷰의 구체성을 높이며, 공식 채널의 정보 구조화 수준을 개선하고, 미디어 노출의 연속성을 확보해야 한다'는 구체적 실행 과제로 바뀌는 것입니다.

AI가 참고하는 출처를 계속 관찰해야 하는 이유

GEO를 처음 접하는 마케터들이 가장 흔하게 빠지는 오해가 있습니다. '한 번 잘 세팅해두면 된다'는 생각입니다. 브랜드의 주요 정보 출처를 정비하고, 전문 미디어 노출을 확보하고, 리뷰 데이터를 관리하면, 그다음은 그 효과가 알아서 유지될 거라는 기대입니다. 하지만 GEO에서 가장 중요하게 이해해두셔야 할 사실이 있습니다.

AI의 인용 출처는 결코 고정되어 있지 않습니다. 브랜드를 둘러싼 정보 환경이 변하지 않더라도, AI 모델 자체의 업데이트만으로 인용 패턴이 근본적으로 바뀔 수 있습니다.

챗GPT의 버전 업그레이드, 제미나이의 모델 개편, 퍼플렉시티의 검색 알고리즘 변경 등 AI 플랫폼들은 계속해서 진화합니다. 각 업데이트는 어떤 출처를 얼마나 신뢰할 것인지, 어떤 언어 패턴의 콘텐츠를 더 적극적으로 인용할 것인지에 대한 내부 기준을 바꿔놓습니다. 마케터가 전혀 아무것도 하지 않아도, AI의 인용 패턴이 바뀌는 것만으로 브랜드가 보이는 정도가 하루아침에 달라질 수 있다는 뜻입니다.

이것이 단순한 이론이 아님을 보여주는 실제 사례가 있습니다. 뷰티 업계의 AI 가시성을 3,000만 건 이상의 데이터로 일일 모니터링해온 결과, 최근 국내 뷰티 시장에서 예상치 못한 판도 변화가 포착된 적이 있었습니다.

국내에서 높은 브랜드 인지도를 바탕으로 활발한 마케팅 활동을 펼쳐온 브랜드들의 AI 인용률이 급격히 떨어졌습니다. 반면 국내에서는 상대적으로 인지도가 낮았지만 미국을 비롯한 글로벌 시장에서 공격적인 GTMGo-to-Market 전략을 실행하고 있던 브랜드들의 인용률은 오히려 급상승했습니다.

무슨 일이 있었던 것일까요? 원인은 챗GPT의 인용 패턴 변화였습니다. 그 전까지 챗GPT는 국내 뷰티 커뮤니티, 한국어 리뷰 플랫폼, 국내 미디어 기사를 상당한 비중으로 참고했습니다. 그런데 모델 업데이트 이후, 참고의 무게 중심이 글로벌 전문 미디어인 보그 US, 버디, 얼루어 등과 영어권 소비자 리뷰 데이터 쪽으로 이동했습니다. 국내 중심의 정보 생태계에서만 존재감을 키워온 브랜드들은 이 변화에 무방비로 노출되었고, 글로벌 정보 환경에서 이미 탄탄한 입지를 쌓아둔 브랜드들은 같은 변화로 인해 반사이익을 얻었습니다.

이 사례가 마케터에게 던지는 질문은 명확합니다. '우리 브랜드는 지금 어떤 정보 생태계에 존재하고 있는가?' 그리고 'AI의 인용 기준이 내일 바뀐다면, 우리는 그 변화에 어떻게 대응할 것인가?'

또 하나 주목해두셔야 할 점이 있습니다. 모든 AI 검색 채널이 같은 인용 패턴을 가지고 있지 않다는 사실입니다. 챗GPT, 제미나이, 퍼플렉시티, 클로드는 각각 서로 다른 출처 가중치와 브랜드 언급 패턴을 보입니다. 한 채널에서 잘 보이는 브랜드가 다른 채널에서는 거의 언급되지 않는 경우도 흔합니다. 특정 AI 플랫폼에서 우리 브랜드가 잘 보인다고 해서, 모든 AI 환경에서 안전한 것은 결코 아닙니다.

업계별 차이도 있습니다. 뷰티, 건기식, 테크, 금융, 식품 등 카테고리에 따라 AI가 주로 인용하는 출처의 유형과 비중이 다릅니다. 뷰티 업계에서는 소비자 리뷰 데이터와 미디어의 영향력이 크지만, B2B 기술 분야에서는 산업 분석 보고서와 전문 매체의 가중치가 훨씬 높습니다. 같은 GEO 전략을 다른 업종에 그대로 적용할 수 없는 이유입니다.

GEO는 '세팅'이 아니라 '관리'입니다. AI의 인용 패턴은 계속 변하고, 채널마다 다르고, 업계마다 다릅니다. 이 변화를 계속 추적하고 마케팅 액션에 반영하는 것이 브랜드가 AI에 잘 보이는 상태를 유지하는 유일한 방법입니다.

다음 장에서는 이러한 이해를 바탕으로, GEO를 '채널'이 아닌 '관리 체계'로 접근해야 하는 이유를 보다 구조적으로 살펴보겠습니다. 변화하는 AI 인용 패턴에 브랜드가 어떻게 대응할 수 있는지, 그 전략적 틀을 구체적으로 다뤄봅니다.