ChatGPT나 Perplexity에 핵심 키워드를 입력했을 때 경쟁사 이름은 나오는데 우리 브랜드가 빠져 있다면, 그건 콘텐츠 품질만의 문제가 아닙니다. AI 검색은 기존 검색 알고리즘과 근본적으로 다른 방식으로 작동합니다. 하나의 쿼리에 수십 개 문서를 동시에 검색하고, 인용할 가치가 있다고 판단된 콘텐츠만 답변에 담습니다. 이 과정은 확률적 시스템이라 같은 쿼리를 입력해도 매번 다른 결과가 나올 수 있습니다. AI 검색 감사는 바로 이 지점을 진단합니다.
B2B SaaS 브랜드가 0건에서 11건 인용으로 성장한 사례
국내 B2B SaaS 스타트업 A사는 네이버에서 준수한 성과를 냈지만 ChatGPT와 Perplexity에서 핵심 키워드 20개를 테스트했을 때 언급이 단 한 건도 없었습니다. 경쟁사 3~4개는 규칙적으로 등장했고요. 첫 번째 AI 검색 감사 결과, 세 가지 문제가 드러났습니다. 핵심 제품 페이지가 내부 링크 구조상 3~4depth 아래에 위치해 AI 봇이 크롤링하기 어려웠고, 페이지당 엔티티 수가 경쟁사 대비 30% 낮았으며, 콘텐츠 대부분이 긴 산문 형태여서 AI가 인용할 단락을 찾기 어려운 구조였습니다. 초반에 블로그 포스팅 수를 3개월간 2배로 늘렸는데 인용 빈도는 거의 변화가 없었습니다. 이후 핵심 제품 페이지 구조를 재설계했고, FAQ 추가·정의 단락 상단 배치·내부 링크 집중을 적용했습니다. 3개월 후 7개 키워드에서 인용이 시작됐고, 6개월 차에는 11건으로 늘었습니다. B2B 리드 문의 중 "ChatGPT에서 찾았다"는 경로도 이 시점부터 생겨났습니다.
AI 검색 감사 5대 진단 영역
AI 검색 감사는 5개 영역으로 구성됩니다. 첫째, 기술적 기반입니다. robots.txt에서 GPTBot, ClaudeBot, PerplexityBot이 차단됐다면 AI 검색 가시성은 사실상 0입니다. 핵심 페이지는 3클릭 이내에 접근 가능해야 합니다. 둘째, 콘텐츠 의미론입니다. AI는 키워드 밀도가 아니라 의미론적 관련성으로 콘텐츠를 평가합니다. 코사인 유사도, 엔티티 커버리지, 패시지 단위 관련성이 핵심 지표입니다. 셋째, 인용 구조입니다. FAQ, 정의 단락("X란 Y다" 형식), 단계별 리스트, 비교 표처럼 AI가 단락 하나를 그대로 인용하기 좋은 포맷이 유리합니다. 넷째, 합성 쿼리 커버리지입니다. 실제 AI 검색 쿼리에서 내 브랜드가 얼마나 등장하는지를 체계적으로 테스트하면 콘텐츠 갭과 경쟁사 독점 쿼리를 발견할 수 있습니다. 다섯째, 스키마입니다. Organization, Article, FAQ 등의 구조화 데이터가 AI의 엔티티 인식을 돕습니다.
AI 전용 측정 지표 5가지
기존 SEO 툴로는 측정할 수 없는 AI 검색 전용 지표가 있습니다. 단어 수(Word Count)는 청크 단위로 분할됐을 때 충분한 맥락을 제공하는지를 봅니다. 엔티티 수(Entity Count)는 날짜·숫자를 제외한 고유 개념의 수입니다. 개념적 깊이(Conceptual Depth)는 위키데이터 계층을 기반으로 개념이 얼마나 구체적인지를 측정합니다. 최적 청크 분할 가능성(Optimal Chunkability)은 문단 경계가 의미론적 단위와 일치하는지를 봅니다. 코사인 유사도(Cosine Similarity)는 페이지와 타겟 쿼리의 의미론적 거리입니다. AI 검색 성과는 퍼포먼스 채널이 아닌 브랜딩 채널로 접근해야 합니다. 클릭 수가 아니라 브랜드 음성 점유율, 인용 빈도, 인용 맥락을 추적하는 게 핵심입니다. Pew Research(2025)에 따르면 미국 성인의 33%가 정보 탐색에 AI 검색을 활용하고 있고, AI 검색 유입 방문자의 전환율은 일반 유기 검색 대비 2~3배 높습니다. 클릭은 줄고, 남은 클릭의 질은 높아지는 구조입니다.