페르소나 GEO, 평균 점수가 높아도 우리 고객에겐 안 보일 수 있다

평균 점수 뒤에서 확인할 것

• 질문에 나이, 소득, 성별 같은 조건이 붙으면 AI가 추천하는 브랜드와 참고하는 출처가 함께 달라진다는 해외 조사가 나와 있어, 전체 평균 점수만으로는 우리 고객에게 보이는지 알 수 없습니다.

• Profound가 답변 71,147개를 분석한 결과, 같은 조건의 답변끼리는 추천 브랜드가 약 5개 중 2개 겹쳤지만 조건이 다른 답변끼리는 약 4개 중 1개만 겹쳤습니다.

• 페르소나 GEO는 상담 기록에서 고른 구매 조건 두세 개를 질문에 붙여 따로 재고 빠진 고객군에는 그 고객에게 맞는 이유를 근거와 함께 써 넣는 작업입니다.

AI 가시성 보고서에서 우리 브랜드 언급률이 60%를 넘었다는 숫자를 받았는데, 정작 영업팀에서는 문의가 오는 고객층이 예전과 다르다고 느끼는 상황이 있을 수 있습니다. 보고서 숫자와 현장 체감이 어긋날 때 가장 먼저 의심할 곳은 측정 질문이 누구의 질문이었느냐입니다.

실제 사용자는 "회계 프로그램 추천해줘"라고만 묻지 않습니다. "직원 3명인 온라인 쇼핑몰인데 세금계산서 발행까지 되는 회계 프로그램 있어?"처럼 자기 조건을 붙여서 묻는 경우가 많죠.

예시로 중소 사업자용 회계 프로그램을 파는 회사를 하나 두고 설명하겠습니다. 실제 고객 데이터가 아닌 설명용 예시입니다.

AI는 사람마다 다른 브랜드를 추천하나요?

질문에 사용자 조건이 붙으면 AI가 추천하는 브랜드와 참고하는 출처가 달라진다는 조사 결과가 있습니다.

Profound 조사(2026년 9월 9일 게시)는 2026년 8월 11~24일 ChatGPT, Claude, Gemini의 답변 71,147개를 모았습니다. 신용카드, 의류, 가구 질문 앞에 "I am [조건]" 문장을 붙여 성별, 연령대, 소득, 직업 조건을 바꿔 가며 물었습니다.

같은 조건으로 반복한 답변끼리는 추천 브랜드가 약 5개 중 2개 겹쳤고 조건이 다른 답변끼리는 약 4개 중 1개만 겹쳤습니다. 출처로 인용된 도메인도 같은 조건끼리는 34%, 다른 조건끼리는 20%만 겹쳤습니다.

이 조사는 질문 문장에 조건을 붙인 실험입니다. 실제 계정의 대화 기억이나 이용 이력을 바꾼 실험은 아닙니다. 조사 국가도 따로 밝히지 않았습니다(예시 질문은 영어).

💡 개인화와 조건 붙은 질문은 다른 이야기입니다. 로그인 계정의 기억이 답변을 바꾸는지와, 사용자가 질문에 직접 쓴 조건이 답변을 바꾸는지는 따로 확인해야 합니다. 여기서 다루는 것은 뒤쪽입니다.

페르소나 GEO는 일반 GEO와 무엇이 다른가요?

페르소나 GEO는 같은 주제의 질문을 고객 조건별로 나눠 재고 조건마다 언급률과 출처를 따로 기록한다는 점에서 일반 GEO 측정과 다릅니다.

AEO(답변 엔진 최적화)나 GEO 보고서는 보통 조건 없는 대표 질문 묶음으로 언급률을 냅니다. 페르소나 GEO는 그 묶음 위에 직원 3명이나 제조업 회계팀처럼 실제 고객의 조건을 붙인 질문을 따로 둡니다.

조건에 따라 출처가 바뀌는 이유 가운데 하나는 AI가 답을 찾으려고 만드는 검색어가 달라지기 때문입니다. 구글은 AI 기능 최적화 안내 문서(2026년 7월 10일 갱신)에서 모델이 사용자 질문에 맞춰 관련 검색어를 동시에 여러 개 만드는 방식을 쿼리 팬아웃(query fan-out)이라고 설명합니다.

Profound 조사에서도 ChatGPT와 Claude가 실제로 만든 검색어를 보면, 50대와 70대 조건을 붙인 의류 질문의 검색어는 젊은 연령 조건보다 'women'이 들어갈 가능성이 약 39%p 높았습니다. 사용자가 성별을 말하지 않았는데도 AI가 검색어에 성별을 넣은 셈입니다. Profound는 이를 근거 없는 가정으로 봤습니다.

평균 언급률이 높아도 특정 고객 질문에서는 빠질 수 있습니다

전체 평균 언급률은 여러 고객군의 결과를 섞은 숫자라서, 우리가 잡으려는 고객군의 결과를 가릴 수 있습니다.

Gumshoe 보고서(2026년 6월)는 브랜드 1,145개에 대해 구매자 유형 7,475개를 만들고 AI 모델 13개에서 답변 602,522개를 모았습니다. 이 보고서에서 룰루레몬의 평균 언급률은 64%였지만, 지속가능성을 중시하는 피트니스 소비자 유형에서는 7.5%, 다른 한 유형에서는 81.2%였습니다.

Gumshoe가 유형을 직접 만들고 측정과 발표까지 한 자료입니다. 조사 국가와 기간, 질문 수는 공개하지 않았습니다. 그래서 수치 자체보다는 평균 하나가 고객군 간 차이를 가릴 수 있다는 예로 읽는 편이 맞습니다.

두 조사는 측정 방식과 지표 정의가 달라 숫자를 나란히 놓고 비교할 수 없다는 점도 함께 기억해 두세요.

예시 회사에 대입하면, 조건 없는 질문에서 언급률이 높아도 제조업 회계팀이나 세무사 협업 같은 조건이 붙으면 이름이 빠질 수 있다는 뜻입니다. 리드젠랩이 GEO 작업을 어떤 순서로 진행하는지는 리드젠랩 AVO 6단계 프레임워크 페이지에서 확인해 보세요.

상담 기록에서 구매 조건 두세 개를 골라 비교해 보세요

어떤 고객 조건부터 볼지는 상담 기록과 문의 내용에서 실제로 자주 나온 구매 조건으로 정하는 것이 가장 확실합니다.

1. 최근 석 달 상담 기록과 문의 폼을 모아 고객이 스스로 밝힌 조건을 표시합니다. 직원 수, 업종, 예산, 함께 쓰는 프로그램처럼 구매 판단에 들어간 말을 고릅니다.

2. 자주 나온 조건 두세 개를 고릅니다. 많이 나온 순서와 매출 비중을 함께 보고 정합니다.

3. 조건 없는 대표 질문 하나를 정하고 같은 질문에 조건만 바꿔 붙인 변형을 만듭니다. 질문 문장의 나머지는 그대로 둡니다.

4. 같은 날, 같은 엔진에서 각 질문을 여러 번 입력해 언급 여부와 출처 URL을 따로 기록합니다.

5. 조건별로 언급률과 출처 인용률을 나눠 비교하고 이름이 빠진 조건과 그때 인용된 출처를 정리합니다.

예시 회사라면 아래처럼 질문 묶음을 만들 수 있습니다.

AI 답변은 같은 질문에도 매번 조금씩 달라지니, 조건별 차이를 판단할 때는 한 번 입력한 결과만 보지 않는 편이 안전합니다.

빠진 고객군은 근거가 있는 문장으로 보강하세요

추천에서 빠진 고객군은 그 고객에게 왜 맞는지를 확인 가능한 근거와 함께 써야 보강이 됩니다.

흔한 실수는 20대용, 소상공인용처럼 제목만 바꾼 페이지를 늘리는 것으로 끝내는 경우입니다. 제목만 바꾸고 본문이 같으면 AI가 그 조건의 질문에 답할 때 가져갈 정보가 늘지 않습니다.

예시 회사가 직원 3명 쇼핑몰 조건에서 빠졌다면 최소 이용 인원, 초기 설정에 걸리는 시간, 쇼핑몰 주문 데이터 연동 여부처럼 그 고객이 실제로 묻는 조건에 답하는 문장이 필요합니다. 소규모 사업자를 위한 기능이 있다면 요금제와 지원 범위까지 공식 페이지에 적어 두는 쪽이 낫습니다.

B2B 소프트웨어 업종의 GEO 사례가 궁금하다면 리드젠랩 AI·IT·B2B 사례를 참고해 보세요.

이렇게 보강한 뒤에는 같은 질문 묶음으로 다시 재서 그 조건의 언급률과 출처가 어떻게 바뀌었는지 기록합니다. 같은 기간에 광고나 가격 정책이 바뀌었다면 그 사실도 함께 적어 둡니다.

자주 묻는 질문

페르소나별로 AI 추천이 정말 달라지나요?

질문에 조건을 붙였을 때 달라진다는 해외 조사는 있습니다. Profound 조사에서 조건이 다른 답변끼리는 추천 브랜드가 약 4개 중 1개만 겹쳤습니다. 다만 영어 질문으로 3개 분야를 2주간 본 결과라, 우리 업종의 한국어 질문에서는 직접 재 봐야 합니다.

우리 고객에게도 추천되는지 어떻게 확인하나요?

상담 기록에서 고객이 밝힌 구매 조건을 골라 대표 질문에 붙이고, 조건 없는 질문과 결과를 나란히 비교하면 됩니다. 조건 하나당 질문을 여러 번 입력해 언급 여부와 출처를 따로 기록하는 것이 기본입니다.

고객 유형은 몇 개까지 나눠야 하나요?

처음에는 매출이나 문의 비중이 큰 조건 두세 개로 시작하는 편이 관리하기 쉽습니다. 유형을 많이 나누면 유형마다 질문 수가 줄어 결과가 크게 흔들릴 수 있으니, 유형 수보다 유형별 질문 수를 먼저 확보하세요.

로그인한 사용자의 기억까지 반영해 측정할 수 있나요?

계정 기억이나 이용 이력은 측정 도구로 재현하기 어렵습니다. 소개한 두 조사도 질문 문장에 조건을 붙이거나 구매자 유형을 만들어 묻는 방식이었으니, 측정 보고서에도 어떤 방식으로 조건을 넣었는지 적어 두는 것이 좋습니다.

페르소나 GEO, 우리 고객의 질문부터 확인하세요

평균 언급률은 여러 고객군의 결과가 섞인 숫자라서, 우리가 잡으려는 고객의 조건을 붙인 질문으로 따로 재야 실제로 보이는지 알 수 있습니다.

리드젠랩은 닥터나우와 인라인AI의 GEO 사례를 실명으로 공개하고 있어, 문의 전에 실제 작업 사례를 먼저 확인해 볼 수 있습니다. 대기업 브랜드는 한 회사 안에서도 제품과 고객층이 여러 갈래로 나뉘는 경우가 많은데, 리드젠랩은 삼성, GS, 매일유업, 한글과컴퓨터 같은 대기업 프로젝트를 진행해 왔습니다.

상담 기록에서 자주 나오는 고객 조건 두세 개를 알려 주시면, 그 조건을 붙인 질문에서 우리 브랜드가 언급되는지와 대신 언급되는 회사를 정리해 드립니다.

• 리드젠랩에 고객군별 AI 노출 진단 문의하기

• SOHA로 조건별 질문 결과 비교해 보기

함께 보면 좋은 글

• GEO 모니터링 질문 세트 만드는 법, 구매 여정별 설계

• AI가 병원 글은 인용하는데 병원 이름은 말하지 않는 이유

• 자사 홈페이지만으로 부족한 이유, 업종별 인용 출처 지형