AI Overview 추적: 챗봇과 다른 표면을 따로 봐야 하는 이유

챗봇 인용은 올랐는데, 구글에서는 안 보인다

한 팀이 GEO를 시작하고 두 달쯤 지났을 때 ChatGPT 인용이 눈에 띄게 올랐습니다. 추적하던 질문 절반에서 브랜드가 답변에 등장하기 시작했고, 보고서 그래프도 우상향이었습니다. 그런데 영업 쪽에서 결이 다른 이야기가 올라왔습니다. 잠재 고객이 구글에 카테고리를 검색했더니 맨 위 요약 박스에는 경쟁사 두 곳만 들어가 있었다고 합니다. 같은 회사, 같은 분기인데 정반대 결과가 나온 셈입니다.

이 어긋남은 측정을 틀리게 해서 생긴 게 아닙니다. 서로 다른 표면을 하나로 뭉쳐서 봤기 때문에 생긴 일입니다. ChatGPT 같은 챗봇과 구글 AI Overview는 둘 다 AI가 합성한 답변처럼 보입니다. 하지만 답이 만들어지는 계기도, 들어오는 질문의 모양도, 출처를 고르는 논리도 서로 달라서, 한쪽에서 통하던 일이 다른 쪽에서 그대로 통하지는 않습니다. 그래서 추적도 한 칸에 합쳐 평균 낼 수가 없습니다.

흔히 보는 개요 글들은 "ChatGPT, Perplexity, AI Overview에 직접 물어보라"에서 멈추는데요, 여기서 한 걸음 더 들어가 보겠습니다. 이 글은 그중 AI Overview만 떼어 다룹니다. 왜 챗봇과 다른 표면인지, 어떻게 따로 추적하는지, 지금 그 추적이 무엇을 재고 무엇을 못 재는지를 순서대로 보겠습니다.

AI Overview는 챗봇이 아니라 검색의 표면이다

먼저 바로잡을 오해가 하나 있습니다. 구글 AI Overview는 "구글이 만든 챗봇"이 아니라, 검색 결과 페이지 맨 위에 끼어드는 요약 답변입니다. 사용자가 챗봇 앱을 열고 대화를 시작한 게 아닙니다. 평소처럼 검색창에 무언가를 쳤을 뿐인데, 그 위에 정리된 답이 먼저 떠 있는 형태입니다.

사소해 보이는 이 차이가 측정의 전제를 바꿉니다. 챗봇과 검색형 답변 표면은 출발하는 맥락부터 다르기 때문입니다.

표의 마지막 줄이 특히 중요합니다. AI Overview는 그 아래 깔린 전통적 검색 결과와 같은 화면을 공유하기 때문입니다. 그러니 검색 랭킹과 무관할 수가 없습니다. 잘 인덱싱되고 검색에서 신뢰받는 페이지일수록 요약의 재료가 될 가능성이 높아집니다. 지금까지 보면 챗봇 인용은 모델 학습과 실시간 검색증강이 섞여 나옵니다. 반면 AI Overview는 검색 위에 한 겹 더 얹힌 표면이라고 보는 게 맞습니다.

챗봇 인용을 쫓는 일이 모델을 설득하는 일이라면, AI Overview를 쫓는 일은 검색에서 신뢰받은 페이지가 요약에 뽑히는 일에 더 가깝다.

검색형 질문에서 AI Overview가 작동하는 방식

AI Overview를 이해하는 열쇠는 사용자가 어떻게 묻느냐에 있습니다. 사람은 챗봇과 검색창에 같은 말을 쓰지 않기 때문입니다.

챗봇에는 길고 맥락이 붙은 문장을 던집니다. 가령 "직원 20명짜리 스타트업인데 세금계산서랑 급여까지 한 번에 되는 세무 툴 추천해 줘, 가격도 부담 없으면 좋겠어"처럼 조건을 줄줄이 답니다. 반면 검색창에는 "세무 SaaS 추천", "소규모 사업자 세무 프로그램 비교", "세금계산서 발행 무료"처럼 짧게 끊어 칩니다.

이렇게 짧은 질의를 받으면 AI Overview는 대략 이런 흐름으로 답을 만듭니다.

1. 판단: 이 질의가 요약 답변을 띄울 만한 종류인지부터 가립니다. 정의나 비교, 방법처럼 종합해 줄 게 있는 질의에는 요약을 띄우지만, 단순 탐색이나 거래성 질의에는 띄우지 않기도 합니다. 그래서 같은 주제라도 어떻게 검색하느냐에 따라 요약이 나오기도 하고 빠지기도 합니다.
2. 수집: 검색 인덱스에서 관련 페이지를 끌어오는데, 여기서 전통적 검색 신뢰도가 영향을 줍니다.
3. 합성: 끌어온 페이지에서 답이 되는 조각을 골라 하나의 요약으로 묶고, 옆에 출처 링크 카드를 답니다.

핵심은 첫 단계에 있습니다. 챗봇은 무엇을 물어도 일단 답을 만들어 냅니다. 반면 AI Overview는 띄울지 말지부터 결정합니다. 그래서 추적 결과가 세 갈래로 나뉩니다. 요약이 떴고 우리가 인용됐거나, 요약은 떴는데 우리가 빠졌거나, 요약 자체가 안 나왔거나. 이 마지막 상태는 챗봇 추적에 없습니다. 챗봇에서 "답변에 안 나옴"과 AI Overview에서 "요약이 아예 안 뜸"은 전혀 다른 신호라서, 섞으면 둘 다 잘못 읽게 됩니다.

왜 챗봇 인용과 분리해서 봐야 하는가

두 표면을 따로 봐야 하는 이유는 보기 좋게 정리하자는 게 아닙니다. 합쳐 놓으면 의사결정이 어긋나기 때문입니다. 구체적으로 세 가지입니다.

첫째, 한쪽의 성과가 다른 쪽을 덮는다

도입부 사례가 정확히 이 경우입니다. 챗봇 인용률은 올라가고 AI Overview 노출은 바닥에 머물러 있을 때 둘을 평균 내 "AI 인용 OO%"라고 보고하면, 챗봇에서 거둔 성과도 AI Overview에서 비어 있는 위험도 한꺼번에 묻힙니다. 표면별로 쪼개야 "챗봇은 됐으니 이제 검색형 표면을 공략하자"는 다음 행동이 나옵니다.

둘째, 인용을 따내는 작업이 다르다

챗봇에 인용되려면 모델이 한 문장으로 떼어 쓰기 좋은, 검증 가능한 답 조각을 만드는 데 무게를 둡니다. AI Overview는 거기에 더해 애초에 요약이 뜨는 검색형 질의를 겨냥해야 하고, 검색 인덱스 안에서 신뢰받는 페이지가 되는 일까지 함께 걸립니다. 두 작업은 겹치는 부분이 많지만 같지는 않습니다. 그래서 어느 표면이 비어 있는지 모르면 어느 쪽 작업을 해야 할지도 알 수 없습니다.

셋째, 사용자 여정에서 맡는 역할이 다르다

같은 사람이 두 표면을 서로 다른 순간에 만납니다. 막연히 카테고리를 탐색할 때는 챗봇에 길게 물어 추천 후보를 받고, 특정 브랜드나 사실을 확인할 때는 구글에 짧게 검색해 AI Overview 요약을 봅니다. 한쪽에만 들어가 있으면 여정의 절반에서 사라지는 셈이라, "어디서 우리가 비는가"는 표면별로 답해야 하는 질문이 됩니다.

AI Overview를 추적하는 방법

AI Overview 추적은 출발점부터 챗봇과 다릅니다. 챗봇은 우리가 평소 던질 법한 질문을 그대로 물으면 됩니다. 하지만 AI Overview는 그 질문을 검색형 질의로 바꿔야 합니다. 사람이 검색창에 실제로 칠 짧은 문장으로 바꾸는 단계가 하나 더 붙는 셈이죠. 실무 흐름은 이렇습니다.

1. 검색형 질의로 바꿉니다. 추적 주제마다 사용자가 검색창에 실제로 입력할 짧은 질의를 만드는데, "우리 카테고리에서 추천받으려는 사람은 뭐라고 검색할까"를 기준으로 비교, 정의, 방법처럼 요약이 뜰 만한 형태로 뽑습니다.
2. 요약이 떴는지부터 기록합니다. 인용 여부를 따지기 전에 요약 자체가 나왔는지를 먼저 남깁니다. 안 뜬 질의는 패배가 아니라 별도 상태이고, 시간이 지나면 같은 질의에 요약이 새로 나오기 시작하기도 합니다.
3. 요약 안의 인용을 확인합니다. 요약이 떴다면 우리 브랜드가 본문에 언급됐는지, 옆 링크 카드에 우리 페이지가 걸렸는지, 경쟁사는 누가 들어갔는지를 봅니다.
4. 챗봇과 다른 칸에 저장합니다. 가장 중요한 운영 원칙입니다. 같은 인용이라도 어느 표면에서 나왔는지를 구분해 따로 집계해야 표면별 인용률을 각각 읽을 수 있고 한쪽이 다른 쪽을 덮지 않습니다.
5. 주기적으로 다시 측정합니다. AI Overview 요약은 검색 인덱스 상태에 따라 바뀌기 때문에, 떴던 요약이 사라지기도 하고 인용 구성이 달라지기도 합니다. 한 번의 스냅숏이 아니라 추세로 봐야 합니다.

여기서 표면을 구분해 저장하는 일이 실무적으로도 핵심입니다. 인용 기록에 챗봇 응답인지 검색형 요약인지를 표시해 두지 않으면, 두 표면의 숫자가 한 통에 섞여 버립니다. 그러면 표면별 인용률이라는 지표 자체가 만들어지지 않습니다.

지금 이 추적이 인정해야 할 한계

정직하게 짚어야 할 부분이 있습니다. AI Overview 추적은 유용하지만, 무엇을 재는지를 과장하지 않아야 합니다. GEO 자체가 아직 초기 분야이고 검색 쪽 로직이 공개돼 있지 않다 보니, 다음 한계들은 분명히 안고 가야 합니다.

• 재는 것은 "우리가 만든 질의에 요약이 떴는가"이지, "고객이 실제로 그렇게 검색했는가"가 아닙니다. 우리가 만든 검색형 질의에 요약이 뜨고 거기 인용됐다는 사실은, 그 질의로 검색한 사람에게 우리가 노출될 수 있다는 신호입니다. 다만 실제 검색량이 어떤지, 그 질의가 고객의 진짜 검색을 얼마나 대표하는지는 별개 문제라서, 추적 질의를 잘 고르는 일이 결과의 타당성을 좌우합니다.
• 개인화, 지역, 기기에 따라 결과가 흔들립니다. 검색은 맥락에 민감해서, 누가 어디서 어떤 기기로 검색했는지에 따라 요약의 등장 여부와 구성이 달라질 수 있습니다. 한 번 본 화면이 모두에게 같은 화면은 아니라는 뜻입니다.
• "떴다 안 떴다"의 변동성이 큽니다. AI Overview가 어떤 질의에 요약을 띄울지는 계속 조정되다 보니, 어제 떴던 요약이 오늘 안 뜰 수도 있습니다. 그래서 단발 측정의 결론을 과신하지 말고 같은 질의를 반복해 추세로 읽어야 합니다.
• 화면 안의 인용이 곧 트래픽은 아닙니다. 요약에 인용됐다고 클릭이 따라온다는 보장은 없어서, 노출과 유입은 다른 지표로 봐야 합니다. AI Overview 추적은 답변 단계에서 노출됐는지를 잴 뿐, 유입 성과를 직접 재지는 않습니다.

이 한계들은 추적을 하지 말라는 뜻이 아니라, 무엇을 재는지 정확히 알고 쓰라는 뜻입니다. "우리가 만든 검색형 질의들에서 AI Overview 요약이 얼마나 자주 뜨고, 그 안에서 우리가 경쟁사 대비 얼마나 인용되는가"라는 한정된 질문에 대해서는, 표면을 분리한 추적이 감으로 어림하는 것보다 훨씬 또렷한 답을 줍니다.

정리: 평균 내지 말고, 표면별로 보라

요점은 하나로 모입니다. AI Overview는 챗봇과 다른 표면이라 따로 측정해야 의사결정이 어긋나지 않습니다. 챗봇 인용과 AI Overview 노출을 한 칸에 합쳐 평균 내는 순간, 잘된 쪽 성과도 비어 있는 쪽 위험도 함께 가려지기 때문입니다.

실무 순서로 옮기면 이렇습니다. 추적 주제를 검색형 질의로 바꾸고, 요약이 떴는지부터 챗봇과 분리해 기록하고, 요약 안의 인용을 경쟁사와 함께 본 뒤, 주기적으로 다시 측정합니다. 결과를 읽을 때는 "이건 우리가 만든 질의에서의 요약 노출이지 고객의 실제 검색 인용은 아니다"라는 단서를 잊지 않습니다.

두 표면을 따로 추적하고 합치지 않는 일은 사람 손으로도 할 수 있습니다. 다만 질의를 검색형으로 바꾸고 표면을 구분해 집계하고 주기적으로 다시 도는 작업이 금세 번거로워지죠. 넛지오는 챗봇 인용과 구글 AI Overview 노출이 지금 어떻게 나오고 있는지를 표면별로 확인하는 데서 출발하도록 돕습니다.