AI 검색으로 들어온 리드의 품질은 다른가

결론부터: AI 검색으로 들어온 리드는 "평균적으로" 더 좋은 경향이 있지만, 그 우위는 트래픽 양이 아니라 구매 의도가 이미 한 번 걸러진 상태에서 나온다. 그래서 같은 100명이 들어와도 전환·매출 기여가 다르게 찍힌다. 일부 분석에서는 AI 검색 유입의 전환율이 일반 검색보다 몇 배 높게 나타나기도 한다(구체 수치는 채널·업종마다 크게 흔들리니 단정은 금물). 핵심은 "높다/낮다"가 아니라 왜 다른가이고, 그 이유는 AI가 답을 만드는 방식(RAG) 안에 숨어 있다.

나는 그로스·퍼포먼스를 숫자로 말하는 사람이다. 이 글에서는 (1) 왜 AI 검색 리드가 구조적으로 다른지, (2) 그 차이를 어떤 지표로 측정해야 착시 없이 보이는지, (3) 어트리뷰션에서 흔히 저지르는 오류와 교정법을 순서대로 분해한다.

왜 AI 검색 리드는 "이미 한 번 걸러진" 상태로 도착하는가

일반 검색은 사용자에게 링크 10개를 던지고 고르라고 한다. AI 검색은 다르다. 사용자가 "서울 강남 B2B SaaS 도입 비교해줘" 같은 질문을 던지면, 모델은 후보 문서를 검색(retrieval)하고, 질문과의 관련성으로 재정렬(reranking)한 뒤, 그 근거를 읽어 하나의 답변으로 합성(generation)한다. 이게 RAG(Retrieval-Augmented Generation)다 — 파라메트릭 메모리(모델이 학습한 지식)와 비파라메트릭 메모리(검색해 온 외부 문서)를 결합하는 구조로, Lewis 등(2020)이 정식화했다.

여기서 리드 품질의 비밀이 나온다. 사용자는 링크를 고르는 노동을 AI에게 위임했고, AI는 그 사용자의 맥락(질문의 구체성)에 맞춰 후보를 좁혔다. 즉 클릭이 일어나기 전에 이미 "이 사람의 의도 × 우리 브랜드의 적합성"이 한 번 매칭된 것이다.

비유: 일반 검색이 "도서관 입구에서 책 제목 10개 적힌 쪽지를 받는 것"이라면, AI 검색은 "내 상황을 들은 사서가 책 3권을 골라 요점까지 읽어주고, 그중 한 권을 펴 보라고 권하는 것"이다. 사서의 추천을 받고 그 책을 펴는 사람은, 입구에서 제목만 보고 들어온 사람보다 이미 동기가 강하다.

구매 깔때기 단계가 다르다

일반 검색 리드는 정보 탐색(awareness) 단계에 폭넓게 분포한다. 반면 AI 검색에서 "~ 비교", "~ 도입 방법", "~ vs ~ 어떤 게 낫나" 같은 질문에 우리 브랜드가 인용(citation)되어 도착한 리드는 이미 비교·검토(consideration) 단계에 들어와 있을 확률이 높다. 답변 안에서 우리가 "근거 있는 후보"로 호명됐기 때문이다.

구분	일반 검색 리드	AI 검색(인용) 리드
도착 시점의 깔때기 단계	탐색~비교 (폭넓음)	비교~결정 (좁고 깊음)
사전 필터링	사용자가 직접	AI가 질문 맥락으로 1차 선별
브랜드 신뢰 형성	0에서 시작	"AI가 추천했다"는 후광 일부 탑재
세션당 질문 구체성	키워드 단편	문장형·맥락형(긴 질의)
전환율 경향	기준선	일부 분석에서 수배 높게 관측(변동 큼)

그런데 "좋아 보이는 리드"가 진짜 좋은지 어떻게 아는가

여기서 그로스 담당자들이 가장 많이 미끄러진다. AI 검색 리드는 측정 자체가 까다롭다. 세 가지 함정이 있다.

함정 1 — 다크 트래픽(리퍼러 소실)

ChatGPT 앱, Perplexity 인앱 브라우저, 네이버 AI 답변 등에서 넘어온 클릭은 리퍼러 정보가 잘려 "direct/none"으로 뭉뚱그려지는 경우가 많다. 그러면 AI 리드가 통계상 "직접 유입"으로 위장되어, 품질이 좋은데도 출처를 잃고 평가절하된다. UTM·랜딩 URL 패턴·세션 행동(긴 체류, 비교 페이지 직행)으로 역추적해야 한다.

함정 2 — 측정 비결정성(단일 측정 = 노이즈)

"우리가 ChatGPT에서 인용되는가?"를 한 번 물어보고 판단하면 안 된다. LLM은 temperature=0에서도 결과가 흔들린다(GPU 연산·배치 차이). 한 실험에서 2,350억 파라미터급 모델이 동일 입력 1,000회에 80가지 출력을 낸 사례가 보고됐고, AI 가시성의 불확실성은 인용이 멱법칙(power-law)처럼 출렁인다는 분석도 있다. 그래서 다중 실행 + 부트스트랩 신뢰구간으로 봐야 한다. 단일 스냅샷으로 "리드 품질이 올랐다/내렸다"를 말하는 건 동전 한 번 던지고 확률을 말하는 것과 같다.

함정 3 — 엔진 합산이 메커니즘을 가린다

ChatGPT·Perplexity·Gemini·Claude는 인용하는 출처 성향이 다르다. 대규모 인용 분석에서 ChatGPT와 Perplexity의 도메인 중복은 약 11%에 그쳤고, 인용의 약 90%가 엔진마다 달랐다. ChatGPT는 위키백과 비중이 약 47.9%, Perplexity는 Reddit 비중이 약 46.7%로 나타나기도 했다. 엔진별로 들어오는 리드의 성격이 다르다는 뜻이다. 합산 SOV(Share of Voice) 하나로 보면 "어느 엔진이 좋은 리드를 보내는지"가 통째로 가려진다.

비유: 네 개의 다른 동네에서 손님이 온다. 강남 손님(Claude: 근거 약한 콘텐츠를 보수적으로 거름)과 대학가 손님(ChatGPT: 위키·커뮤니티)은 지갑 사정도 구매 패턴도 다르다. "손님 총합 400명"만 세면 어느 동네에 가게를 더 알려야 할지 영영 모른다.

리드 품질을 숫자로 분해하는 법

"AI 리드가 좋다"는 막연한 인상을 다음 지표 세트로 쪼개면 비로소 의사결정이 가능해진다.

엔진별 SOV — 카테고리 핵심 질문 세트에서 우리 브랜드가 답변에 언급되는 비율. 합산 말고 엔진별로.
인용 위치 품질 — 답변의 앞/끝에 인용됐는지. Liu 등(2023)의 "Lost in the Middle"이 보여주듯 긴 맥락에서 중간 정보는 손실(U자형)되고 앞·끝이 살아남는다. 답변 중간에 한 줄 언급되는 것과 도입부 추천으로 나오는 것은 리드 질이 다르다.
의도 적합 인용률 — "가격", "비교", "도입" 같은 하단 깔때기 질문에서의 인용 vs "~란 무엇" 같은 상단 질문에서의 인용 구분.
세션 행동 지표 — 체류시간, 비교/가격 페이지 직행률, 폼 시작률. AI 리드의 "이미 걸러진" 특성이 행동으로 드러난다.
전환·매출 어트리뷰션 — 리드 → MQL → SQL → 매출까지. 가시성은 결과(매출·리드)를 설명하는 2차 지표라는 CFO식 관점을 잊지 말 것.

실제 측정 질문은 이렇게 써야 한다

SOV는 "어떤 질문 세트로 묻느냐"가 결과를 좌우한다. 측정 프롬프트 자체가 약하면 리드 품질 판단 전체가 무너진다.

❌ 약한 측정 질문 (브랜드명을 미리 박아 자기충족)
"Citeon은 좋은 AEO 대행사인가?"
→ 모델이 우리 이름을 이미 알고 답함. 경쟁 환경에서의 실제 노출을 못 잼.

✅ 강한 측정 질문 (구매자 언어, 카테고리 중립)
"국내에서 ChatGPT·Perplexity 답변에 우리 회사가 인용되게 
 만들어주는 대행 서비스를 비교해줘. 측정만 하는 툴 말고 
 실행까지 해주는 곳으로."
→ 이 질문에 우리가 호명되면 그게 진짜 SOV이자 진짜 리드 소스.

어트리뷰션에서 가장 많이 저지르는 오류 3가지

오류 A — 마지막 클릭에 전부 몰아주기

AI 검색은 보통 발견·신뢰 형성 단계에서 일한다. 사용자가 ChatGPT에서 우리를 처음 알고, 며칠 뒤 브랜드명을 직접 검색해 전환한다면, 라스트클릭 모델은 그 매출을 전부 "브랜드 검색"에 준다. AI 검색의 기여가 통째로 증발한다.

❌ 약한 어트리뷰션 보고
"브랜드 검색 전환 30건, AI 검색 전환 2건 → AI 검색 효과 미미"

✅ 강한 어트리뷰션 보고
"브랜드 검색 전환 30건 중 18건이 첫 접점 AI 검색(ChatGPT/Perplexity).
 AI 검색은 라스트클릭엔 안 잡히지만 파이프라인의 60%를 점화했다."

오류 B — 양(트래픽)으로 품질을 가리기

"AI 검색 유입이 전체의 3%뿐이라 무시"는 흔한 실수다. 양이 작아도 전환율과 LTV가 높으면 매출 기여는 비대칭적으로 크다. 리드 "수"가 아니라 리드 "단위 경제성(전환율 × 객단가 × 재구매)"으로 봐야 한다.

오류 C — 프롬프트 "검색량"을 진짜 데이터처럼 쓰기

일부 도구가 "이 프롬프트는 월 N회 검색됨" 같은 수치를 내놓지만, AI 프롬프트 볼륨은 실측이 거의 불가능하고 패널(시장 1% 미만) 기반 모델링 추정치다. Conductor는 "신뢰할 수 없는 검색량 데이터는 없는 것보다 나쁘다"고 지적한다. 추정 볼륨으로 리드 우선순위를 매기면 모래 위에 집을 짓는 격이다. 실제 유입·실제 전환을 SoT로 두고, 추정치는 보조 가설로만 써라.

리드 품질을 높이려면 "인용되는 방식"을 바꿔야 한다

여기서 GEO(Generative Engine Optimization)가 들어온다. Aggarwal 등(2023, KDD 2024)의 연구는 통계 수치 추가·출처 인용·직접 인용문 삽입이 생성 엔진에서의 가시성을 특정 조건에서 최대 약 40%까지 끌어올릴 수 있음을 보였다. 단순히 키워드를 욱여넣는 게 아니라, AI가 "근거 있는 출처"로 신뢰할 만한 콘텐츠 형태로 바꾸는 것이다.

왜 이게 리드 품질로 이어지나? AI가 우리를 "근거 있는 답"으로 인용할수록, 그 추천을 보고 들어온 사용자의 신뢰 후광이 커지고 → 비교·결정 단계의 더 진지한 리드가 도착하기 때문이다. 인용의 "양"이 아니라 "맥락의 질"이 리드의 질을 만든다.

검색 단계 자체의 품질도 무시할 수 없다. Anthropic의 Contextual Retrieval(2024)은 청크에 맥락을 더하면 검색 실패율이 35% 감소(5.7%→3.7%), BM25 하이브리드를 더하면 49%, 여기에 reranking까지 더하면 67% 감소한다고 보고했다. 하이브리드 검색의 recall@10은 의미 단독 약 78%, BM25 단독 약 65%인데 둘을 합치면(RRF) 약 91%까지 올라간다(공개 벤치마크 종합).

비유: 하이브리드 검색은 "키워드 색인(BM25)"과 "주제를 이해하는 사서(의미 임베딩)"를 함께 쓰는 도서관이다. 색인만 쓰면 단어는 맞지만 엉뚱한 책을, 사서만 쓰면 주제는 맞지만 정확한 제목을 놓친다. 둘을 합쳐야 우리 콘텐츠가 "질문에 정확히 맞는 후보"로 끝까지 살아남고, 그 결과가 더 정밀하게 매칭된 리드다.

국내 맥락: 네이버 AI를 빼면 절반을 놓친다

한국 시장에서 AI 검색 리드를 논하면서 네이버를 빼면 반쪽이다. 네이버 AI 브리핑(요약)은 통합검색 쿼리의 20% 이상에 적용되고, 2026년 4월 기준 AI 브리핑 인용은 월 약 3.558억 건 규모로 보고됐다. 한 표본 분석(272건)에서는 인용 출처의 약 58%가 블로그였고, 약 49%가 통합검색 Top10 밖에서 인용됐다 — 즉 순위가 낮아도 AI 답변에는 인용될 수 있고, 거기서 리드가 들어온다. 네이버 AI탭은 2026-06-25~26 전체 정식 출시(대화형·에이전틱)된다.

주의할 점: 네이버는 외부 크롤러를 차단하기 때문에 글로벌 AI(ChatGPT 등)는 나무위키·위키백과·티스토리를 통해 우회 인용한다. 그래서 국내 리드 소스는 네이버 생태계(C-Rank·D.I.A.+ 신뢰 신호)와 글로벌 AI 생태계를 분리해서 측정해야 한다. 두 곳에서 들어오는 리드는 성격도, 후속 행동도 다르다.

Citeon은 이 원리를 제품에 담았다

리드 품질을 제대로 보려면, 위에서 말한 "엔진별 분리 측정"과 "인용되는 방식 개선"이 한 흐름으로 연결돼야 한다. Citeon은 정확히 그 흐름을 제품으로 만들었다.

4엔진 인용 측정(SOV) — ChatGPT·Gemini·Perplexity·Claude 각각에서 우리 브랜드가 인용되는지를 분리해서 측정한다. 합산이 가리는 "어느 엔진이 좋은 리드를 보내는가"를 드러낸다.
사이트 진단 엔진 — URL을 넣으면 SEO·AEO·GEO 점수와 한국어 처방을 준다. AI가 "근거 있는 출처"로 인용하기 좋은 형태인지, 즉 질 좋은 리드를 부르는 콘텐츠 구조인지 점검한다.
경쟁사 역추적 — 경쟁사가 어떤 질문에서 인용되는지 역설계해, 우리가 놓친 "고의도 리드 질문"을 찾아낸다.
주간 모니터 추이 — 단일 측정의 노이즈를 피하고 인용·SOV 추이를 시간축으로 본다(측정 비결정성 대응의 실무판).

지금 우리 사이트가 어느 엔진에서, 어떤 질문에서 인용되고 있는지 — 그리고 그게 어떤 품질의 리드를 데려오는지 — 가장 빠른 출발점은 무료 진단(₩0)이다. citeon.cloud에서 무료로 AI 가시성 진단을 받아보라. URL 하나면 SEO·AEO·GEO 점수와 처방 리포트가 이메일로 간다.

자주 묻는 질문

AI 검색 리드가 정말 일반 검색 리드보다 전환이 잘 되나요?

일부 분석에서는 AI 검색 유입의 전환율이 일반 검색보다 몇 배 높게 나타나기도 했지만, 업종·채널·측정 기간에 따라 변동이 큽니다. 단정하기보다 "AI 리드는 구매 의도가 한 번 걸러진 상태로 도착하는 경향이 있다"고 이해하고, 본인 데이터에서 엔진별·단계별로 직접 측정하는 것이 정답입니다.

AI 검색에서 들어온 리드를 GA 같은 도구에서 어떻게 식별하나요?

ChatGPT 앱·Perplexity 인앱 브라우저·네이버 AI 답변은 리퍼러가 잘려 "직접 유입"으로 위장되는 경우가 많습니다(다크 트래픽). 랜딩 URL 패턴, UTM, 세션 행동(긴 체류·비교/가격 페이지 직행)으로 역추적해야 합니다. 출처를 잃으면 품질 좋은 리드가 평가절하됩니다.

한 번 측정해서 "우리가 인용된다/안 된다"를 판단하면 안 되나요?

안 됩니다. LLM은 temperature=0에서도 결과가 흔들립니다(GPU 연산·배치 차이). 한 모델이 동일 입력 1,000회에 80가지 출력을 낸 사례도 있습니다. 인용은 멱법칙처럼 출렁이므로 다중 실행과 추이 관찰이 필수입니다. 단일 스냅샷은 노이즈입니다.

리드 품질을 높이려면 콘텐츠를 어떻게 바꿔야 하나요?

키워드 욱여넣기가 아니라, AI가 "근거 있는 출처"로 신뢰하게 만드는 것이 핵심입니다. 연구(Aggarwal 등, 2023)에서 통계 수치·출처 인용·직접 인용문 추가가 생성 엔진 가시성을 특정 조건 최대 약 40%까지 높였습니다. 근거 있는 인용이 늘수록 비교·결정 단계의 진지한 리드가 도착합니다.

국내라면 네이버와 글로벌 AI를 같이 봐야 하나요?

네. 네이버 AI 브리핑은 통합검색 쿼리 20% 이상에 적용되고 인용 규모가 매우 큽니다. 다만 네이버는 외부 크롤러를 차단해 글로벌 AI는 나무위키·위키백과·티스토리로 우회 인용합니다. 두 생태계는 리드 성격이 다르므로 분리해서 측정해야 합니다.