AI 검색 성과 측정, 5개 계층으로 나눠라 — 접근·가시성·유입·수요·매출

B2B 구매자는 챗GPT에 벤더 추천을 묻고, 제미나이로 도입 방식을 비교하고, 퍼플렉시티로 기술 주장을 검증한 뒤에야 최종 후보 기업의 웹사이트에 들어온다. 방문이 일어나기 전에 판단이 상당 부분 끝나 있다는 뜻이다. 그린햇(Green Hat)의 2025년 B2B 구매 여정 조사에서는 구매 관여자의 최대 94%가 선정 단계에서 LLM을 사용해 검증·요약·확정에 활용한다고 답했고, 윈터(Wynter)의 2026년 조사에서는 CMO의 약 84%가 벤더 탐색에 AI 도구를 쓴다고 나왔다.

리포팅 관점의 결론은 단순하다. 방문 이후만 재던 체계로는 이제 절반만 보인다. 완벽한 어트리뷰션을 쫓는 대신, 영향력을 여정 전체에 걸쳐 계층으로 나눠 측정하는 편이 현실적이다. 각 계층은 서로 다른 비즈니스 질문에 답한다.

1계층: AI 접근(Access)

브랜드가 AI 답변에 추천되려면 그 전에 AI 시스템이 콘텐츠를 찾고, 크롤링하고, 이해할 수 있어야 한다. LLM이 사이트에 안정적으로 접근하지 못하거나 가져갈 만한 콘텐츠로 보지 않으면 대화에 등장할 일 자체가 없다.

그래서 AI 봇 활동은 가장 이른 진척 지표다. 검증된 AI 봇 방문이 늘었다고 가시성이 보장되진 않지만, 최소한 발행한 콘텐츠를 AI가 발견하고 재방문하고 있다는 신호는 된다. 크롤 빈도, 크롤 깊이, 크롤 커버리지를 본다.

주의할 점은 검증이다. AI 봇은 user-agent 문자열을 위조할 수 있어 기존 검색 크롤러보다 더 엄격한 확인이 필요하다. 역방향 DNS 조회, 공개된 IP 대역, CDN의 검증된 봇 서비스를 쓰고 user-agent만 믿지 않는다. 목적은 요청 수 세기가 아니라, 투자한 콘텐츠에 실제 AI 시스템이 접근하고 있다는 확신을 세우는 것이다.

2계층: AI 가시성(Visibility)

접근이 되면 다음 질문은 "실제로 쓰는가"다. 언급(mention), 인용(citation), 프롬프트 응답을 측정한다. 다만 측정이 들쭉날쭉하면 노이즈가 된다. 새 콘텐츠를 낸 뒤 프롬프트 몇 개를 던져보는 방식은 흥미롭긴 해도 방향성 있는 데이터가 되지 못한다.

대신 구매 여정에서 잠재 고객이 실제로 던지는 질문을 반영한 표준 프롬프트 라이브러리를 만들고, 그 라이브러리를 웬만하면 바꾸지 않는다. 그래야 개별 성공이 아니라 추세를 볼 수 있다. 언급률, 인용률, AI 오버뷰·AI 모드 기준 서치 콘솔 노출수, 빙 웹마스터 툴의 그라운딩 쿼리는 각각 다른 각도를 보여준다. 어느 하나로 전체를 설명할 수는 없지만, 합치면 "구매자가 우리 시장에 대해 AI에 물을 때 우리가 대화에 들어가 있는가"에 답한다.

3계층: AI 어시스턴트·AI 추천 유입

전통적 어트리뷰션이 들어오는 첫 계층이다. GA4는 식별 가능한 LLM 소스에서 클릭이 웹사이트에 도달하면 이를 AI 어시스턴트 및 AI 추천 트래픽으로 잡아, 오가닉이나 유료 트래픽처럼 볼 수 있게 해준다.

한계는 분명히 알고 써야 한다. AI 모드와 AI 오버뷰는 여기 포함되지 않는다. 일반적으로 구글 오가닉에 섞이고, 클릭 전달 방식에 따라 다이렉트로 잡히기도 한다. 즉 이 경험들은 발견과 구매 행동에 영향을 주지만 GA4에서 AI 트래픽으로 깔끔하게 귀속되지 않는다. 챗GPT에서 브랜드를 알게 된 구매자가 인용 링크를 아예 클릭하지 않고 며칠 뒤 브랜드명을 검색하거나 직접 재방문할 수도 있다. 이 경로 어느 것도 AI 추천 유입으로 남지 않는다. 그래서 AI 어시스턴트 유입 기반 매출은 전체 영향력의 결론이 아니라 구성 요소로 봐야 한다.

4계층: 다크 퍼널과 후행 수요

구매자가 AI 모드, AI 오버뷰, 챗GPT에서 브랜드를 처음 만난 뒤 브랜드 검색·다이렉트·이메일 등 다른 경로로 돌아와 전환하는 경우가 흔하다. 분석 도구에는 AI 기여로 표시되지 않지만 AI가 형성한 여정의 일부다.

실무적으로는 서치 콘솔의 브랜드 클릭과 GA4의 브랜드 오가닉 전환을 함께 본다. 개별 전환 하나로 AI가 만들었다고 증명할 수는 없다. 다만 AI 가시성 개선과 브랜드 수요 증가가 반복적으로 함께 움직이면 근거는 훨씬 강해진다.

5계층: 비즈니스 성과

경영진이 AI 검색에 투자하는 이유는 파이프라인과 매출이다. 파이프라인, 수주, 매출은 여전히 전략의 가치를 판정하는 최종 지표다.

이 프레임워크의 쓸모

AI는 측정해야 할 비즈니스 성과를 바꾸지 않는다. 진척을 보여주는 증거를 바꿀 뿐이다. 흩어진 지표를 나열하는 대신 하나의 서사를 만들 수 있다 — AI가 우리 콘텐츠에 접근했고, AI 경험 안에서 가시성이 올랐고, 브랜드 수요가 늘었고, 측정 가능한 AI 기반 매출이 증가했으며, 파이프라인과 매출이 뒤따랐다.

어느 지표도 단독으로 인과를 증명하지 못한다. 그러나 함께 놓이면 전통적 어트리뷰션이 관측하지 못하는 채널에서 마케팅이 구매 행동에 영향을 주고 있다는 증거 체계가 된다. 유료 검색 데이터와 AI 가시성을 함께 읽는 방식은 AI 가시성 지표가 PPC 성과를 설명한다에서, 개선이 실제 효과인지 검증하는 설계는 테크니컬 SEO 테스트 설계법에서 다뤘다.

자주 묻는 질문