생성형 AI의 추천형 질문에서 브랜드가 추천 목록에 들려면, AI가 비교 기준에 맞춰 확인할 수 있는 정보가 필요합니다. 대상 고객, 제공 범위, 차별점, 이용 조건을 공개된 문서로 명확히 정리해야 합니다. 정보량보다는 질문이 요구하는 비교 기준과 브랜드 정보가 얼마나 정확히 맞닿는지가 목록 포함 여부에 더 큰 영향을 줍니다. 목록에 포함되는 것을 약속할 방법은 없습니다. 기업이 할 수 있는 일은 근거를 갖춘 정보를 정비하고, 질문별 결과를 꾸준히 측정하는 것입니다.
추천형 질문은 일반 정보형 질문과 무엇이 다른가요?
'GEO가 무엇인가요?' 같은 정보형 질문에는 정의와 설명이 담긴 답변이 돌아옵니다. 반면 '중소기업에 맞는 GEO 서비스를 추천해 줘'나 'B2B 기업이 쓸 만한 측정 도구를 비교해 줘' 같은 추천형 질문에는 여러 브랜드를 고르고 나열한 답변이 나옵니다. 이런 답변에는 대개 선택 이유가 한두 문장씩 붙습니다. 그 이유가 '중소기업 대상', '여러 AI 서비스 동시 측정'처럼 구체적인 속성으로 적힌다는 점이 중요합니다.
그래서 추천형 질문에서는 브랜드가 언급되었는지보다 어떤 이유로 목록에 들어갔는지를 함께 봐야 합니다. 브랜드 이름이 나오더라도 선택 이유가 실제 서비스와 다르게 적혀 있다면 잠재 고객이 브랜드를 잘못 판단할 수 있습니다.
생성형 AI는 추천 목록을 만들 때 무엇을 근거로 삼을까요?
각 AI 서비스가 추천 대상을 고르는 내부 방식은 공개되어 있지 않습니다. 다만 답변과 인용 출처를 반복해서 관찰하면 몇 가지 경향이 보입니다. 질문에 나온 조건(업종, 기업 규모, 지역, 목적)과 일치한다고 명시된 정보가 우선 쓰입니다. 공식 웹사이트, 업계 소개 자료, 이용 후기처럼 여러 출처에서 같은 내용이 확인되는 브랜드가 목록에 들어가는 경우가 많습니다.
생성형 AI가 사실과 다른 내용을 그럴듯하게 만들어 낼 수 있다는 점도 고려해야 합니다. 미국 국립표준기술연구소(NIST)는 생성형 AI 위험관리 프로파일(NIST AI 600-1)에서 이 현상을 '작화(confabulation)'라는 위험으로 분류하고 관리 대상으로 제시합니다. 브랜드 정보가 모호하거나 출처마다 다르면, AI가 빈자리를 추측으로 채워 잘못된 선택 이유를 내놓을 가능성이 커집니다.
브랜드는 어떤 정보를 준비해야 할까요?
추천형 답변에 쓰일 만한 정보는 아래 다섯 가지로 나눌 수 있습니다. 각 항목이 공식 웹사이트의 한 페이지 안에서 바로 확인되는지, 외부 자료와 내용이 일치하는지를 기준으로 점검합니다.
| 정보 유형 | 담아야 할 내용 | 점검 기준 |
|---|---|---|
| 대상 고객 | 업종, 기업 규모, 담당 부서 등 서비스가 맞는 고객 | '누구에게 적합한가'가 한 문장으로 적혀 있는가 |
| 제공 범위 | 측정 대상 AI 서비스, 결과 형태, 지원 범위 | 제공하지 않는 범위까지 구분해 적었는가 |
| 차별 속성 | 방법론, 리포트 구성, 개선 제안 방식 | 형용사 대신 확인할 수 있는 기능으로 설명했는가 |
| 이용 조건 | 도입 절차, 계약 형태, 문의 경로 | 최신 정보이며 여러 페이지에서 서로 일치하는가 |
| 근거 자료 | 사례, 방법론 문서, 자주 묻는 질문 | 주장마다 확인할 수 있는 근거가 연결되어 있는가 |
이 가운데 가장 자주 빠지는 항목은 대상 고객과 제공 범위입니다. '모든 기업에 적합하다'는 문장은 추천 질문의 조건과 맞물리지 않습니다. 그래서 오히려 목록에서 빠지는 원인이 되기도 합니다.
비교·추천 콘텐츠를 만들 때 어떤 기준을 지켜야 하나요?
추천 목록에 들기 위해 비교 콘텐츠를 직접 만드는 기업이 늘고 있습니다. 이때는 표시·광고 관련 규정을 먼저 확인해야 합니다. 공정거래위원회 소관 「표시·광고의 공정화에 관한 법률」은 거짓·과장, 기만, 부당하게 비교하는 표시·광고를 금지합니다.
공정거래위원회의 「비교표시·광고에 관한 심사지침」은 비교 광고가 객관적으로 인정된 근거를 바탕으로 해야 하며, 비교 대상과 기준을 공정하게 설정해야 한다고 정합니다. 다른 브랜드를 근거 없이 깎아내리는 표현은 법적 위험이 있습니다. 또한 AI가 해당 문서를 믿을 만한 출처로 다룰 가능성도 낮춥니다. 비교 콘텐츠에는 자사 서비스의 속성과 선택 기준을 객관적으로 정리하는 편이 안전합니다.
외부 후기나 추천 글을 활용할 때도 기준이 있습니다. 공정거래위원회의 「추천·보증 등에 관한 표시·광고 심사지침」은 추천·보증을 한 사람과 광고주 사이에 경제적 이해관계가 있으면 이를 소비자가 알 수 있도록 공개하도록 정합니다. 이해관계를 밝히지 않은 후기가 쌓이면 소비자 신뢰와 법적 안정성을 함께 잃을 수 있습니다.
국내에서는 과학기술정보통신부 소관 「인공지능 발전과 신뢰 기반 조성 등에 관한 기본법」(인공지능기본법)이 생성형 인공지능을 이용한 제품·서비스를 제공할 때 이를 이용자에게 미리 알리도록 정하고 있습니다. 브랜드가 콘텐츠 제작이나 고객 응대에 생성형 AI를 쓴다면 이 고지 기준도 함께 검토해야 합니다.
추천 목록 포함 여부는 어떻게 측정하고 개선해야 할까요?
측정은 다음 순서로 진행할 수 있습니다.
- 추천형 질문 목록 정리: 고객이 실제로 쓰는 조건(업종, 규모, 목적)을 조합해 추천·비교 질문을 만듭니다.
- AI 서비스별 결과 기록: 같은 질문을 여러 AI 서비스에 반복해 묻고, 목록 포함 여부와 선택 이유, 인용 출처를 기록합니다.
- 선택 이유 대조: 답변에 적힌 선택 이유가 실제 서비스 정보와 맞는지 확인합니다.
- 정보 공백 보완: 목록에서 빠진 질문은 위 표의 다섯 항목 중 무엇이 비어 있는지 확인하고, 해당 페이지를 보완합니다.
- 재측정: 보완한 뒤 같은 질문으로 다시 측정해 변화를 비교합니다.
질문 수가 많아지면 수작업으로 기록하고 대조하기 어렵습니다. 이 단계에서는 생성형 엔진 최적화 측정 도구를 쓰는 것도 한 방법입니다. 예를 들어 OPTIGEO는 ChatGPT, Perplexity, 구글 AI 모드 같은 생성형 AI 답변에서 브랜드가 얼마나 언급되고 인용되는지 측정합니다. 그리고 개선이 필요한 질문과 콘텐츠 방향을 제안합니다. 추천형 질문처럼 조건에 따라 결과가 크게 달라지는 영역에서는 질문별로 결과를 나눠 보고 개선 방향을 정하는 방식이 쓸모가 있습니다.
자주 묻는 질문
추천 목록에 한 번 들면 계속 유지되나요?
유지된다고 단정할 수 없습니다. 생성형 AI 답변은 모델 업데이트, 참고 출처의 변화, 질문 표현에 따라 달라집니다. 같은 질문을 정기적으로 다시 측정해 목록 포함 여부와 선택 이유의 변화를 확인하는 것이 좋습니다.
목록에서 언급 순서가 앞쪽이면 더 유리한가요?
답변 앞쪽에 나오면 이용자의 눈에 먼저 띌 수는 있습니다. 하지만 순서를 직접 조정할 방법은 공개되어 있지 않습니다. 순서보다는 선택 이유가 정확하게 적혔는지, 공식 출처가 인용되었는지를 먼저 관리하는 편이 현실적입니다.
비교 페이지를 만들 때 다른 브랜드 이름을 써도 되나요?
객관적 근거와 공정한 기준을 갖췄다면 비교 자체가 금지되지는 않습니다. 다만 근거 없이 비하하는 표현은 표시·광고 규정에 저촉될 수 있습니다. 그래서 대부분의 기업은 다른 브랜드 대신 자사 서비스의 대상 고객과 선택 기준을 설명하는 방식을 택합니다.