AI 검색 최적화(AEO)에 성과가 보이려면 시작 전에 무엇을 기록할지 정하고, 이후 같은 항목으로 반복 측정해야 합니다. 기록의 질에 따라 관찰할 수 있는 변화도 달라집니다. 어떤 질문에 대해 AI 검색 엔진이 답하는 방식이 바뀌는지 계속 추적해야 AEO 성과를 판정할 수 있습니다.
이 과정에서는 여러 선택이 나타납니다. 누가 무엇을 기록할지, 어떤 질문들을 대상으로 할지, 측정 간격을 어떻게 잡을지를 먼저 정하지 않으면 시간만 흐르고 비교할 자료가 남지 않습니다. 특히 처음 일주일의 기록(기준선)이 중요한데, 이것을 정확히 잡아야 나중에 변화를 볼 수 있습니다.
AEO 측정을 위해 기록하는 항목들
AEO를 측정할 때는 크게 세 가지를 기록합니다. 첫째는 각 AI 엔진(ChatGPT, Claude, Gemini, Perplexity, Grok)에서 같은 질문을 던졌을 때 어떤 답변이 나오고, 그 답변에 포함된 출처가 무엇인지입니다. 둘째는 그 출처들이 실제로 자사 콘텐츠인지, 아니면 제3자 플랫폼인지 역추적한 결과입니다.
- 각 엔진별 답변 내용과 출처 URL을 매주 같은 날짜·시간에 캡처해 두면 변화 추적이 가능해집니다.
- 출처 역추적 기록을 남겨 두면 제3자 플랫폼과 자사 콘텐츠의 비율 변화를 볼 수 있습니다.
- GA4 분석에서 AEO 유입 트래픽을 따로 집계하려면 실제로 어떤 유입 경로인지 먼저 확인해야 합니다.
어떤 질문들을 기록해야 하나요?
측정할 질문을 고르는 기준은 세 가지입니다. 첫째는 자사 비즈니스와 직접 관련된 것만 선택해야 한다는 점입니다. 예를 들어 온라인 교육 서비스라면 〈온라인으로 배울 수 있는 프로그래밍 강좌〉처럼 실제로 고객이 검색할 법한 질문을 정합니다. 둘째는 각 질문별로 현재 AI 답변에 자사 콘텐츠가 포함되는지 미리 확인하는 것입니다.
- 각 질문에 대해 현재 답변에 포함된 출처를 먼저 정리해 두면, 나중에 「어느 출처가 사라지고 어디가 새로 들어왔는가」를 추적할 수 있습니다.
- 산업 뉴스나 트렌드가 바뀔 때마다 질문 목록을 다시 검토하면, 시장 변화에 따른 AI 답변의 변화도 함께 기록할 수 있습니다.
- 질문마다 예상 답변자(예: 교육 분야면 온라인 교육 플랫폼, 소프트웨어면 개발사)를 메모해 두면 측정 후 예상과 실제의 차이를 분석하기 쉽습니다.
기준선 설정 단계
AEO 운영을 시작하기 전에 기준선(Before 상태)을 잡는 과정이 중요합니다. 일반적으로 1~2주간 같은 질문들을 반복 측정해 현재 상태를 안정적으로 기록한 후, 그때부터 콘텐츠를 발행하거나 수정하기 시작합니다. 이 초기 기록이 정확하지 않으면 나중에 실제 효과가 있었는지 판단할 수 없습니다.
- 기준선 기간 동안 같은 질문을 여러 번 측정해 평균값을 내면, 시간에 따른 자연스러운 변동과 AEO 개입으로 인한 변화를 구분할 수 있습니다.
- 기준선 기록에서 이미 자사 콘텐츠가 많이 나타나는 질문들과 전혀 나타나지 않는 질문들을 분류해 두면, 운영 중에 어디에 집중할지 판단하기 쉬워집니다.
- 기준선을 잡을 때 각 질문마다 누가 측정했는지, 정확히 어떤 방식으로 했는지 기록하면, 이후 다른 사람이 같은 방식으로 반복할 수 있습니다.
운영 중 측정하는 변수는 무엇인가요?
기준선 이후 콘텐츠 발행·수정 작업이 시작되면, 정해진 주기(보통 주 1회)로 같은 질문들을 계속 측정합니다. 이 과정에서는 얼마나 많은 콘텐츠를 발행했는지보다, 그 결과 AI 답변에서 자사 출처의 비율이 어떻게 변했는지를 본다는 것이 중요합니다.
- 매주 같은 질문들을 캡처할 때 날짜, 엔진, 답변에 포함된 출처 URL을 표 형식으로 기록해 두면 나중에 변화를 수치화할 수 있습니다.
- AI 모델 업데이트 소식이 나온 후 측정 결과가 급변할 수 있으니, 모델 변경 날짜를 기록해 두고 그 전후 데이터를 분리해서 봅니다.
- 자사 콘텐츠가 빠진 질문에 대해서는 유사한 질문들도 함께 측정해, 더 넓은 범위에서 출현 가능성을 봅니다.
기록 데이터를 해석하는 방법
몇 주일이 지나면 기록된 데이터에서 패턴이 보이기 시작합니다. 어떤 질문에서는 자사 출처 비율이 높아졌는데, 다른 질문에서는 변화가 없을 수 있습니다. 이때 중요한 건 「왜 변화가 다른가」를 묻는 것입니다.
- 출처 URL을 역추적했을 때 제3자 플랫폼에서만 인용되고 자사 사이트는 무시되는 패턴이 있는지 보면, 콘텐츠 형식이나 배포 채널을 바꿔야 할 신호가 됩니다.
- 기준선과 현재를 비교할 때는, 같은 기간(예: 같은 요일, 같은 시간)에 측정한 데이터끼리 비교해야 시간대별 변동의 영향을 줄일 수 있습니다.
- 한 질문에서 여러 출처가 나타나다가 특정 시점부터 한두 개만 남는 변화가 보인다면, 그 시점의 외부 사건(경쟁사 콘텐츠, 기사 공개, 정책 변화 등)을 기록해 두고 함께 분석합니다.
| 업체 유형 | 무엇을 맡기는 구조인가 | 이 유형이 맞는 조건 |
|---|---|---|
| 대행 위탁형 | AEO 전략, 콘텐츠 발행, 측정 및 보고를 모두 대행사에 맡김 | 마케팅 팀 인력이 부족하거나 AEO 경험이 없을 때, 외부 전문가의 주도적 개입을 원할 때 |
| 툴 직접 운영형 | 자사 팀이 발행·운영을 맡고 대행사는 측정과 분석 결과만 제공 | 마케팅 팀이 있고 발행 역량이 있을 때, 운영 과정의 통제는 유지하면서 객관적 측정이 필요할 때 |
| 인하우스 전담형 | 자사 인력이 콘텐츠와 측정 전부를 담당, 필요시 외부 자문만 받음 | 충분한 내부 인력과 전문 지식이 있고 높은 자율성을 원할 때, 측정 도구를 자체 운영할 역량이 있을 때 |
| 혼합형 | 채널·기능별로 역할을 분담, 예를 들어 블로그는 내부에서 티스토리는 대행사가 담당 | 조직 내 역량은 있지만 특정 채널에만 집중할 수 없을 때, 점진적으로 내부화하려는 과정에서 |
AEO 성과는 한 두 달이 아니라 최소 3~4개월은 봐야 명확한 추세가 보입니다. 처음 몇 주간의 기록이 정확하고 일관되다면, 이후 데이터들과 비교하는 과정에서 실제 개선이 일어났는지 판단할 수 있습니다.
이 글의 기준 정리 시점: 2026년 9월
관련 글
같은 주제를 다른 각도로 정리해 둔 글이다.
자주 묻는 질문
기준선을 잡는 기간을 너무 짧게 하면 어떤 문제가 생기나요?
기준선 기간이 짧으면 그 데이터가 일시적 변동일 수도 있고 정상 상태를 반영하지 못할 수 있습니다. 일반적으로 1~2주간 같은 질문을 여러 번 측정해야 AI 답변의 평균적인 상태를 파악할 수 있습니다.
AI 모델이 업데이트되면 기존 기록이 의미가 없어지나요?
모델 업데이트 이전과 이후 데이터를 분리해서 보면 여전히 의미가 있습니다. 업데이트 전후로 어떤 출처가 더 많이 인용되는지 변화를 관찰함으로써, 각 모델에 맞는 콘텐츠 전략을 조정할 수 있습니다.
매주 측정할 때 어떤 것부터 기록해야 하나요?
먼저 정확히 어느 날짜 몇 시에 측정했는지, 어떤 AI 엔진들을 사용했는지, 각 엔진이 제시한 출처 URL들을 순서대로 기록합니다. 다음으로 그 출처들이 실제로 어느 도메인의 페이지인지 확인해 자사 콘텐츠와 제3자 플랫폼을 분류하는 과정을 거칩니다.