AI 엔티티 풋프린트 감사 — AI에게 우리 사업을 설명해보게 하라

챗GPT, 제미나이, 퍼플렉시티에 우리 사업을 설명해달라고 해보자. 웹사이트가 아니라 사업을 말이다.

답변은 놀랄 만큼 좋을 때가 있다. 회사가 무엇을 하는지, 누구를 대상으로 하는지, 어디서 운영하는지, 경쟁사와 무엇이 다른지를 웹사이트·리뷰·언론 언급·소셜 프로필 등 공개 정보를 끌어와 짚어낸다.

그리고 드러내기도 한다. 어떤 때는 소유주가 설명하듯 정확하게 사업을 설명한다. 어떤 때는 경쟁사 수십 곳에 그대로 적용될 수 있는 일반적인 설명을 내놓는다.

AI 시스템이 조직에 대한 이해를 형성하고 있다면, 우리 회사에 대해 실제로 무엇을 이해하고 있는지 어떻게 알 수 있을까.

감사해야 할 다음 층위

구글의 'LLM을 활용한 데이터 추출' 특허는 SEO가 검색엔진이 웹페이지를 이해하도록 돕는 일에서, AI 시스템이 엔티티를 이해하도록 돕는 일로 진화하고 있음을 다룬다. 특허에 기술된 아이디어 중 하나는 웹사이트와 공개 출처에서 수집한 정보로 엔티티에 대한 "깊고 총체적인 특성 규정" 을 합성하는 능력이다.

그 특허가 실제로 프로덕션에 쓰이는지는 요점이 아니다. AI 기반 검색 경험은 이미 문서 검색을 넘어 조직을 요약하고, 제품을 비교하고, 사업체를 추천하고, 단일 웹페이지가 제공할 수 있는 것보다 넓은 이해가 필요한 질문에 답한다.

기존 감사가 답하지 못하는 것

지금까지 우리는 테크니컬 SEO, 콘텐츠, 백링크, 구조화 데이터, 구글 비즈니스 프로필, 인용, 리뷰를 감사해왔다.

각 감사는 검색 성과의 특정 측면을 알려준다. 그런데 그 자산들이 집합적으로 사업 자체에 대한 명확하고 일관되고 근거 있는 이해를 만들어내는지는 알려주지 않는다.

바로 써먹는 감사 프롬프트

가장 쉬운 출발점은 AI 시스템에게 사업을 설명해달라고 하는 것이다. 원문 저자가 제시한 프롬프트는 이렇다.

"[사업체명]에 대해 아는 것을 전부 말해줘. 다음을 포함할 것:

• 그들은 누구인가
• 무엇을 하는가
• 누구를 대상으로 하는가
• 어디서 운영하는가
• 어떤 제품이나 서비스를 제공하는가
• 무엇을 전문으로 하는 것으로 보이는가
• 경쟁사와 무엇이 다른가
• 왜 누군가 그들을 선택할 만한가
• 이 결론들을 뒷받침하는 근거는 무엇인가
• 누락되거나, 모순되거나, 오래됐거나, 불명확해 보이는 정보

추측하지 말 것. 확인할 수 없거나 확신이 낮으면 명시적으로 그렇게 말할 것."

답이 아니라 확신을 보라

핵심은 답변 내용이 아니라 그 뒤의 확신이다.

• AI가 자신 있게 사업을 설명하는가, 아니면 모호한 언어와 일반적 서술에 의존하는가?
• 근거로 결론을 뒷받침하는가, 아니면 웹사이트에서 찾은 주장을 그대로 반복하는가?
• 전문 영역을 일관되게 서술하는가, 아니면 무엇으로 알려져 있는지 불확실해 보이는가?

챗GPT, 제미나이, 클로드 등 여러 도구에 걸쳐 해보는 것이 좋다. 응답이 다르기 때문이다. 비교를 쉽게 하려면 ChatHub 같은 브라우저 확장으로 여러 LLM에 프롬프트를 나란히 돌릴 수 있다.

중요한 단서 하나: 이해받는 것과 추천받는 것은 다르다. AI 검색이 문서 검색을 넘어 진화하면서 기업은 이해받고, 비교되고, 추천받기 위해 경쟁하게 된다.

AI 엔티티 풋프린트란 무엇인가

이 과정을 계속하면서 저자는 자신이 웹사이트와 소유 자산만 평가하는 게 아니라 조직을 둘러싼 디지털 신호의 집합을 평가하고 있다는 것을 깨달았다.

AI 시스템이 참조할 수 있는 것들이다.

• 구글 비즈니스 프로필
• 고객 리뷰
• 링크드인 페이지
• 언론 언급
• 산업 디렉터리
• 팟캐스트
• 영상
• 콘퍼런스 발표
• 협회 회원 자격
• 기타 공개 출처

개별적으로는 어느 것도 조직을 완전히 설명하지 못한다. 합치면 훨씬 큰 무언가를 형성한다.

AI 엔티티 풋프린트는 AI 시스템이 조직을 이해하는 방식에 기여하는 디지털 증거의 총체다.

새로운 마케팅 채널도, SEO·디지털 PR·평판 관리·브랜드 구축의 대체재도 아니다. 그 활동들의 누적 결과다.

빌 슬로스키(Bill Slawski)는 생성형 AI가 SEO 대화에 들어오기 훨씬 전부터 키워드를 넘어 맥락, 개념, 엔티티 간 관계에 집중하라고 권했다. AI 엔티티 풋프린트는 그 진화 위에서 개별 자산에서 그것들이 함께 만드는 이해로 초점을 옮긴다.

네 가지 증거 범주

1. 소유 신호(Owned signals) 사업체가 스스로를 설명하는 방식을 규정한다. 웹사이트, 서비스 페이지, About 페이지, 팀 페이지, 저자 프로필, 제품 페이지, 구조화 데이터. 마사 반 버클(Martha van Berkel)이 쓴 것처럼 구조화 데이터는 엔티티와 그 관계에 대한 기계 판독 가능한 이해를 만드는 데 기여한다.

2. 고객 신호(Customer signals) 사업체와 실제로 일한 사람들의 독립적 관점이다. 리뷰, 추천사, 케이스 스터디가 웹사이트가 말하는 이야기를 강화하거나, 반박하거나, 확장한다.

3. 제3자 신호(Third-party signals) 또 하나의 검증 층위다. 언론 언급, 팟캐스트, 기고, 비즈니스 디렉터리, 수상, 인증, 산업 간행물이 조직의 직접 통제 밖에서 맥락을 더한다.

4. 생태계 신호(Ecosystem signals) 관계를 확립한다. 파트너십, 협회, 스폰서십, 콘퍼런스, 커뮤니티 참여, 발표, 심지어 채용 공고까지 사업체가 산업 안에서 어디에 위치하는지 단서를 준다.

웹사이트는 당신이 스스로를 누구라고 말하는지 설명한다. 리뷰는 고객이 당신을 어떻게 경험하는지 설명한다. 제3자는 다른 이들이 어떻게 인식하는지 설명한다. 관계는 당신의 사업이 어디에 맞는지 설명한다.

여섯 가지 평가 차원

AI 시스템은 사업에 대해 모든 것을 알 필요가 없다. 사람들이 묻는 질문에 자신 있게 답할 만큼 일관되고 근거 있는 정보가 있으면 된다.

저자는 감사를 반복하며 여섯 개 차원으로 수렴했다.

1. 정체성(Identity)

AI가 사업체를 식별할 수 있는가. 회사명 인식을 넘어, 무엇을 하고, 누구를 섬기고, 어디서 운영하고, 어떻게 포지셔닝하는지 일관되게 설명할 수 있는가.

웹사이트가 구글 비즈니스 프로필, 링크드인, 디렉터리와 같은 이야기를 하는가.

여기서 점수가 낮으면 대개 명확성 부족이 문제다. 플랫폼마다 다르게 설명하거나, 페이지마다 오디언스가 바뀌거나, 포지셔닝이 너무 넓어 무엇을 전문으로 하는지 알기 어렵다.

2. 차별성(Differentiation)

AI는 사업체가 무엇을 하는지 설명하는 데는 훨씬 능하지만, 왜 선택해야 하는지는 잘 설명하지 못한다. 많은 응답이 "신뢰할 수 있는", "전문적인", "고품질의" 같은 일반적 언어로 기본 설정된다. 같은 산업의 거의 모든 경쟁사에 적용될 수 있는 서술이다.

차별성은 근거를 요구한다. 특정 전문성, 고객 경험, 방법론, 지리적 초점, 기술, 전문 지식 중 무엇이 이 사업체를 고유하게 만드는지 설명하는 일관된 신호가 필요하다.

AI가 그 차이를 표현하지 못하면 잠재 고객도 보기 어렵다.

3. 근거(Evidence)

대부분의 사업체는 전문성, 경험, 고객 서비스, 평판에 대해 주장한다. 그 주장은 독립적 근거로 뒷받침될 때 훨씬 강해진다.

리뷰, 추천사, 케이스 스터디, 인증, 수상, 언론 보도, 콘퍼런스 발표, 발표된 연구, 고객 성공 사례가 조직 이해를 강화한다. 무엇으로 알려지고 싶은지를 AI에게 말하고, 왜 그 연상이 신뢰받을 만한지 입증한다.

4. 일관성(Consistency)

부정확한 서술 하나가 조직을 규정하는 경우는 드물다. 그러나 패턴은 규정한다.

모든 플랫폼에서 동일한 문구가 필요한 것은 아니다. 오디언스가 다르면 메시징도 달라야 한다. 목표는 그 출처들이 집합적으로 같은 이해를 강화하도록 하는 것이다.

반복되는 불일치는 모호함을 만든다. 한 플랫폼은 주거용 서비스를 강조하는데 다른 곳은 상업용을 강조한다. 웹사이트는 한 전문성으로 포지셔닝하는데 리뷰는 다른 것을 일관되게 서술한다. 팀 페이지는 다른 곳에 전혀 나타나지 않는 전문성을 서술한다.

개별적으로는 사소해 보이지만 합쳐지면 조직을 이해하기 어렵게 만든다.

5. 관계(Relationships)

모든 조직은 산업, 위치, 협회, 파트너, 인증, 커뮤니티, 제품, 서비스, 사람과 연결돼 있다.

이 차원은 전통적 SEO에서 자주 간과되지만 웹 전반에 나타난다. 콘퍼런스 참여, 협회 회원, 파트너 페이지, 팟캐스트 인터뷰, 커뮤니티 참여, 소프트웨어 통합, 벤더 관계, 고객 성공 사례에 반영된다.

명확한 관계는 사업체가 언제 어디서 관련성을 갖는지 확립하는 데 도움이 된다.

6. 전문성(Specialization)

마지막으로 단순한 질문을 던진다. 이 사업체는 진짜로 무엇으로 알려져 있는가?

홈페이지가 주장하는 것도, 미션 스테이트먼트가 말하는 것도 아니다. 온라인의 근거가 일관되게 강화하는 것이다.

콘텐츠, 리뷰, 언론 언급, 발표, 소셜 프로필, 팟캐스트, 기고, 케이스 스터디를 개별 평가하지 말고 반복되는 테마를 찾는다. 어떤 서비스가 반복 등장하는가? 어떤 산업이 계속 표면화되는가? 독립적 출처가 일관되게 강화하는 전문성은 무엇인가?

전문성은 전문가라고 말해서 확립되지 않는다. 더 넓은 디지털 생태계가 조직을 같은 주제, 산업, 역량과 반복적으로 연결할 때 확립된다.

0~5점 채점

각 차원을 0에서 5점 척도로 채점한다.

점수	기준
0	의미 있는 근거 없음
1	매우 제한적인 근거
2	기본 근거는 있으나 파편화됨
3	명확한 기초적 이해
4	강하고, 일관되고, 잘 뒷받침됨
5	다수의 독립 출처가 강화하는 탁월한 이해

저자는 의도적으로 보수적으로 채점한다고 밝혔다.

사업체가 현실에서 뛰어나더라도 온라인의 가용 근거가 제한적이거나 일관되지 않으면 평균적인 엔티티 풋프린트 점수를 받을 수 있다. 이 점수는 사업 품질이 아니라 조직 이해에 대한 확신을 측정한다.

그리고 저자는 점수 자체보다 감사 과정에서 생성되는 대화가 더 값어치 있는 경우가 많다고 덧붙인다. 이 훈련은 관심을 개별 마케팅 자산에서 "이 사업체는 얼마나 이해 가능한가" 라는 더 넓은 질문으로 옮긴다.

첫 감사 실행하기

웹사이트에서 시작한다

웹사이트는 사업을 정의하는 곳이므로 가장 강한 소유 정보원 중 하나다. 누구인지, 무엇을 하는지, 누구를 섬기는지, 어디서 운영하는지, 무엇이 다른지를 명확히 전달해야 한다.

키워드나 온페이지 최적화에만 집중하지 말고, 사업체를 처음 접한 사람이 사이트를 읽고 나서 자신 있게 설명할 수 있을지 물어야 한다.

홈페이지, About 페이지, 서비스 페이지, 팀 페이지, 저자 프로필, 구조화 데이터에 특히 주목한다.

구글 비즈니스 프로필과 비교한다

로컬 비즈니스라면 GBP가 또 하나의 앵커다. 비즈니스 설명, 카테고리, 서비스, 리뷰 테마, 사진, 게시물을 검토하고 웹사이트와 비교한다.

• 둘 다 같은 조직을 서술하는가?
• 같은 서비스를 강조하는가?
• 같은 전문 영역을 강화하는가?

웹사이트가 한 방향으로 포지셔닝하는데 GBP가 완전히 다른 것을 강조한다면 일관성 개선 기회를 찾은 것이다.

고객이 사업체를 설명하게 한다

리뷰는 독립적 서술을 제공한다. 리뷰 수를 세거나 평균 평점을 계산하는 대신 집합적으로 읽는다.

• 어떤 테마가 반복적으로 나타나는가?
• 고객이 어떤 서비스를 언급하는가?
• 회사의 강점을 어떻게 서술하는가?
• 자연스럽게 어떤 단어를 쓰는가?

그 반복 테마가 사업체가 알려지고 싶어 하는 것이 아니라 실제로 알려진 것을 드러낸다.

독립적 검증을 찾는다

조직의 포지셔닝이 자체 마케팅 자료를 넘어 뒷받침되는지 확인한다. 언론 보도, 팟캐스트 출연, 기고, 산업 디렉터리, 수상, 인증, 콘퍼런스 발표, 협회 회원, 커뮤니티 참여를 본다.

전체 그림을 평가한다

개별 자산이 최적화됐는지 묻는 대신 집합적으로 같은 이야기를 하는지 묻는다. 앞서의 여섯 질문에 명확히 답할 수 있다면 강한 AI 엔티티 풋프린트를 가진 것이다.

AI로 1차 통과하기

이 정보를 수동으로 모으는 데는 시간이 든다. 소규모 로컬 비즈니스라도 웹사이트, GBP, 리뷰, 링크드인, 언론 언급, 디렉터리, 팟캐스트 등 공개 출처를 검토하는 데 한 시간 이상 걸릴 수 있다.

저자는 이를 실용적으로 만들기 위해 AI Entity Footprint Starter Audit이라는 커스텀 GPT를 만들었다. 챗GPT에서 공개 정보를 분석해 여섯 차원에 걸쳐 사업체가 얼마나 이해 가능한지 평가하며, 같은 보수적 채점 모델을 적용한다.

이 GPT는 각 점수를 설명하고 누락된 근거, 상충하는 정보, 약한 차별성, 일관되지 않은 포지셔닝, 조직 이해를 강화할 기회를 식별한다.

다만 전문가 분석의 대체재는 아니다. 프레임워크로 사업체를 평가하기 시작하는 실용적 방법이다.

실무 적용

첫째, 세 가지 프롬프트로 시작한다. "이 회사는 무엇을 하는가", "누구를 위한 회사인가", "경쟁사 대신 이곳을 골라야 하는 이유는 무엇인가". 세 번째에서 답이 흐려진다면 그것이 감사 결과다.

둘째, 일반적 답변을 실패로 기록한다. 경쟁사에 그대로 붙여도 말이 되는 설명이 나왔다면, 차별점이 공개 정보로 존재하지 않는다는 뜻이다.

셋째, 근거의 소재를 추적한다. 자사 사이트 한 곳에만 있는 주장은 약하고, 제3자 출처에 반복적으로 나타나는 사실은 강하다.

넷째, 기본 식별 정보부터 정리한다. 이 층위가 무너져 있는 경우가 흔한데, 그 실태는 AI가 우리 회사를 확인할 수 없다 — 71개 기업 감사가 찾은 '84% 정체성 누출'에서 확인할 수 있다.

다섯째, 인용과 언급을 구분해 측정한다. 유령 인용 — AI 검색이 내 콘텐츠는 쓰고 브랜드 이름은 빼는 40%에서 그 격차를 다뤘다.

여섯째, 엔티티 구조를 콘텐츠 설계로 옮긴다. 헤딩 위계와 Silo 구조로 주제 전문성을 만드는 방법은 엔티티 SEO — AI 검색은 키워드가 아니라 개념의 출처를 찾는다에서 정리했다.

AI 시스템이 우리를 대신해 감사를 시작하기 전에, 먼저 우리가 해보는 편이 낫다. 익숙한 브랜드가 구조적으로 유리한 환경(AI는 이미 아는 브랜드를 3.2배 더 검색한다)에서, 이해받을 수 있게 만드는 일은 선택이 아니다.