AI 검색의 광고화 — ChatGPT Ads가 던지는 질문

AI 검색에 광고가 들어와도, 브랜드가 답변에 '인용'될 자격은 사라지지 않는다 — 오히려 더 비싸진다. ChatGPT가 광고 도입을 검토·실험한다는 소식이 업계를 흔들고 있다. 많은 마케터의 첫 반응은 "그럼 이제 돈만 내면 AI 답변 맨 위에 뜨는 거 아니냐, GEO·AEO는 끝난 것 아니냐"다. 결론부터 말하면 정반대다. 광고는 답변 옆에 붙는 자리를 사는 것이고, 인용은 답변 본문 안에 들어가는 자리를 버는 것이다. 이 둘은 작동하는 메커니즘 자체가 다르다. 이 글은 AI 검색이 어떻게 답을 만드는지(RAG)부터 풀어내, 광고화 시대에 왜 유기적 인용의 가치가 떨어지기는커녕 올라가는지, 그리고 브랜드가 지금 무엇을 해야 하는지를 짚는다.

1. 먼저, AI 검색은 어떻게 '답'을 만드는가

광고가 이 구조의 어디에 끼어드는지 이해하려면, AI 검색이 답을 생성하는 파이프라인을 먼저 알아야 한다. ChatGPT·Perplexity·구글 AI·네이버 AI는 모두 큰 틀에서 RAG(Retrieval-Augmented Generation) 구조를 쓴다. 2020년 페이스북 AI 연구진의 원전 논문(Lewis 등, arXiv:2005.11401)은 RAG를 "파라메트릭 메모리(모델이 학습으로 외운 지식)와 비파라메트릭 메모리(실시간으로 찾아오는 외부 문서)를 결합하는 구조"로 정의했다. 쉽게 말해, 모델이 머릿속 기억만으로 떠들지 않고 외부에서 근거 문서를 찾아와 그걸 보고 답을 쓴다는 뜻이다.

이 과정은 크게 세 단계로 나뉜다.

① 검색(Retrieval) — 후보 문서를 끌어온다

질문이 들어오면 엔진은 거대한 문서 색인에서 관련 있어 보이는 문서 수십~수백 개를 1차로 긁어온다. 여기엔 두 가지 방식이 섞인다.

키워드 검색(BM25): 질문에 든 단어가 그대로 들어간 문서를 찾는다. 도서관에서 책 제목 색인을 뒤지는 사서와 같다.
의미 검색(임베딩/Dense Retrieval): 단어가 달라도 '뜻'이 비슷한 문서를 찾는다. 2020년 DPR 논문(Karpukhin 등, arXiv:2004.04906)은 이 의미 검색이 전통적 키워드 검색(BM25)을 능가한다는 걸 보였다. "환불 절차"를 물으면 "반품 시 결제 취소는 어떻게"라고 쓴 글도 찾아낸다 — 주제를 이해하는 사서다.

실무에선 둘을 합친 하이브리드 검색이 표준이다. 비유하면 키워드 색인 카드(BM25) + 주제를 꿰고 있는 사서(의미 검색)를 동시에 쓰는 도서관이다. 공개 벤치마크들을 종합하면 recall@10(상위 10개 안에 정답 문서가 들어올 확률)이 의미 검색 단독 약 78%, BM25 단독 약 65%인데, 둘을 RRF로 합치면 약 91%까지 올라간다. Anthropic이 2024년 공개한 Contextual Retrieval 분석에서도, 청크에 맥락을 붙이는 것만으로 검색 실패율이 5.7%→3.7%(35% 감소)로 줄고, 여기에 BM25 하이브리드를 더하면 49%, 재정렬까지 더하면 67%까지 실패율이 떨어졌다.

② 재정렬(Reranking) — 진짜 좋은 걸 위로 올린다

1차로 끌어온 수십 개는 거칠다. 그래서 크로스 인코더(cross-encoder) 재정렬기가 질문과 각 문서를 함께 읽으며 정밀하게 점수를 다시 매긴다. 1차 검색이 "제목만 보고 고른 책 더미"라면, 재정렬은 "사서가 각 책을 펼쳐 질문과 대조하며 순위를 다시 매기는 것"이다. 이 단계에서 NDCG(순위 품질 지표)가 보통 5~15포인트, 어려운 질의에선 20포인트 가까이 오른다.

③ 생성(Generation) — 상위 문서만 보고 답을 쓴다

최종적으로 모델은 상위 몇 개 문서(Anthropic은 top-20 권장)만 컨텍스트에 넣고 답을 생성한다. 여기서 중요한 함정 하나. 2023년 "Lost in the Middle" 연구(Liu 등, arXiv:2307.03172)는 긴 맥락의 중간에 놓인 정보를 모델이 잘 놓친다는 U자형 현상을 밝혔다. 즉 핵심은 문서의 앞과 끝에 있어야 인용된다. 그리고 모델은 자기가 쓴 주장이 실제 출처에서 추적되는지(RAGAS의 faithfulness 개념)에 민감하다 — 실무 현장에선 흔히 0.9 이상이면 안정, 0.7 미만이면 환각 위험으로 본다(팀마다 기준은 다르다).

핵심: 광고가 어디 붙든, 이 ①②③ 파이프라인은 그대로 돌아간다. 답변의 본문은 여전히 검색·재정렬·생성으로 만들어진다. 광고는 이 파이프라인의 산출물 옆에 자리를 살 뿐, 파이프라인 안으로 들어오지는 않는다.

2. 광고화가 실제로 바꾸는 것과 바꾸지 못하는 것

AI 검색의 광고화는 사실 검색 엔진 역사가 한 번 겪은 일의 재방송이다. 구글도 처음엔 광고 없는 '순수한 10개 파란 링크'였다가, 점차 상단 스폰서 영역이 생겼다. 그런데 구글에서도 유기적 SEO가 죽지 않았다. 사용자는 광고와 자연 결과를 구분하고, 신뢰는 자연 결과 쪽에 더 쏠리기 때문이다. AI 검색에서는 이 구분이 구조적으로 더 선명하다.

구분	유료 광고(AI Ads)	유기적 인용(GEO/AEO)
들어가는 위치	답변 옆·아래의 스폰서 슬롯	답변 본문과 출처 각주
결정 주체	입찰가·예산	RAG의 검색→재정렬→생성
사용자 인식	"광고구나"(할인된 신뢰)	"AI가 근거로 고른 것"(전가된 신뢰)
지속성	예산 끊기면 즉시 소멸	콘텐츠가 살아있는 한 누적
비용 구조	클릭/노출당 과금(반복 지출)	한 번 잘 만든 자산이 계속 인용

광고가 바꾸는 것은 '주의(attention)의 상단 일부'다. 바꾸지 못하는 것은 '답변 본문의 근거가 되는 문서가 무엇인가'다. AI가 "이 제품이 좋습니다"라고 본문에서 말하며 당신 브랜드를 출처로 달아주는 것과, 답변 옆에 "광고" 딱지가 붙은 배너가 뜨는 것은 사용자에게 전혀 다른 무게로 다가온다.

여기서 신뢰의 비대칭을 보여주는 데이터가 있다. 대규모 인용 분석에 따르면 엔진들은 신뢰의 닻을 서로 다른 곳에 둔다. ChatGPT는 인용의 약 47.9%가 위키백과 같은 백과·커뮤니티 지식에, Perplexity는 약 46.7%가 Reddit 같은 실사용자 토론에 쏠린다. 두 엔진의 인용 도메인 중복은 약 11%에 불과하고, 인용의 약 90%가 엔진마다 다르다. 즉 AI 답변은 "누가 돈을 더 냈나"가 아니라 "누가 이 주제의 신뢰할 만한 출처인가"로 본문을 채운다. 광고가 들어와도 이 본문 선별 로직은 광고와 분리되어 돌아간다.

3. "광고가 있으니 콘텐츠는 대충"이 가장 위험한 오해

광고화 소식에 일부 브랜드는 정반대 결론으로 튄다. "어차피 돈으로 사는 시대니, 유기적 콘텐츠 투자는 줄이고 광고비로 밀자." 이건 두 가지 이유로 위험하다.

첫째, 광고 슬롯도 결국 '품질'을 본다. 구글 광고가 입찰가만으로 결정되지 않고 품질점수(Quality Score)와 랜딩 경험을 보듯, AI 광고도 사용자 만족·관련성 신호를 무시할 수 없다. 빈약한 페이지는 광고로 끌어와도 전환되지 않는다.

둘째, 광고로 들어온 클릭조차 결국 당신 사이트의 콘텐츠에서 판단된다. 그리고 점점 더 많은 사용자가 AI에게 "이 브랜드 어때?"라고 되묻는다. 그때 AI는 광고가 아니라 본문 인용 로직(RAG)으로 당신을 평가한다. 광고로 인지를 사도, 인용으로 신뢰를 못 쌓으면 마지막 결정 단계에서 떨어진다.

그래서 콘텐츠 한 줄을 쓰더라도 'AI가 근거로 집어들 수 있는' 형태로 써야 한다. 2024년 KDD에 발표된 GEO 논문(Aggarwal 등, arXiv:2311.09735)은 이걸 실험으로 보였다. 통계·출처 인용·직접 인용문을 추가하면 생성 엔진에서의 가시성이 특정 조건에서 최대 약 40%까지 올랐다. 같은 사실도 '어떻게 쓰느냐'가 인용 여부를 가른다.

실전 대조 — 광고 시대일수록 본문이 인용되게 써라

예: "우리 정수기 필터는 오래 갑니다"를 콘텐츠에 쓸 때

❌ 약한 예
저희 제품은 필터 수명이 길고 가성비가 뛰어나 많은 분들이 만족하십니다.

✅ 강한 예
A모델 필터의 교체 주기는 평균 6개월(하루 2L 사용 기준)로, 
업계 평균 4개월보다 약 50% 길다. 한국소비자원 정수기 비교 평가
방식과 동일한 조건에서 자체 측정한 결과다. (측정일·조건 명시)

약한 예는 주어가 "저희"이고 검증 가능한 게 하나도 없다. RAG의 생성 단계에서 모델은 이런 문장을 '근거로 추적 불가능한 자기 자랑'으로 보고 인용을 꺼린다. 강한 예는 수치(6개월/50%)·비교 기준·측정 조건이 박혀 있어 faithfulness가 높고, 답변 본문에 그대로 옮겨 적기 좋다.

❌ 약한 예 (질문을 안 받아줌)
<h2>혁신적인 솔루션, 새로운 차원의 경험</h2>

✅ 강한 예 (질문에 직답하는 제목 + 첫 문장)
<h2>정수기 필터, 얼마나 자주 갈아야 하나요?</h2>
<p>가정용 정수기 필터는 보통 4~6개월마다 교체한다. 
사용량과 수질에 따라...</p>

AI 검색은 사용자의 질문으로 검색한다. 제목과 첫 문장이 그 질문 형태와 의미적으로 가까워야 ① 검색 단계에서 후보로 잡히고, ② Lost in the Middle을 피해 앞쪽에 핵심을 둬야 생성 단계까지 살아남는다.

4. 엔진마다 광고와 신뢰의 결이 다르다

'AI 검색'을 하나로 뭉뚱그리면 전략이 틀린다. 광고 정책도, 인용 성향도 엔진마다 다르다.

ChatGPT: 위키백과·커뮤니티 지식 기반(위키 인용 ~47.9%). 광고가 들어와도 본문 신뢰는 '정리된 백과형 지식'에 쏠릴 가능성이 크다. OpenAI 크롤러(GPTBot·OAI-SearchBot)를 robots.txt에서 막아두면 광고를 사도 본문 후보엔 못 든다.
Perplexity: 실시간 웹 + Reddit 등 토론(~46.7%), 인라인 인용이 선명하다. 광고와 출처 각주가 시각적으로 분리돼 사용자가 더 잘 구분한다.
구글 AI(Gemini): 구글 색인과 E-E-A-T(경험·전문성·권위·신뢰)에 강하게 기댄다. 광고 운영 경험이 가장 많은 곳이라 유료/유기 분리가 노련하다.
Claude: 근거가 약한 콘텐츠를 보수적으로 걸러낸다(Citations API). 광고로 우회가 가장 어려운, 본문은 철저히 '인용 자격'으로 채우는 엔진.
Grok: 실시간 웹 + X 스트림. 인용 정확도 편차가 크다.

네이버 — 광고와 검색이 한 몸인 시장의 AI 전환

광고화 논의에서 한국 시장은 더 흥미롭다. 네이버는 큐:(Cue:)·클로바X를 2026년 4월 9일 종료하고, AI탭을 2026년 6월 25~26일 대화형·에이전틱 형태로 전체 정식 출시했다. AI 브리핑(요약)은 이미 통합검색 쿼리의 20% 이상에 적용되며, AI 브리핑 인용은 2026년 4월 기준 월 약 3.558억 건에 이른다. 원래 검색=광고가 한 몸이던 시장이 AI로 옮겨가는 중인데, 한 표본 분석(272건)에서 인용 출처의 약 58%가 블로그였고, 인용의 약 49%가 통합검색 Top10 밖에서 나왔다. 광고 순위와 별개로, AI는 '정직한 경험 콘텐츠'를 본문에 끌어다 쓴다는 뜻이다.

네이버 알고리즘은 출처 신뢰·전문성을 보는 C-Rank와 문서 의도를 보는 D.I.A.+로 짜여 있고, 콘텐츠 5원칙(직접경험·일관된 주제·진정성·읽기 쉬운 구조·최신성)을 강조한다. 한 가지 더: 네이버는 외부 크롤러를 차단하기 때문에 글로벌 AI들은 나무위키·위키백과·티스토리를 통해 한국 정보를 우회 수집한다. 광고로도 메울 수 없는 이 '인용 경로'를 설계하는 것이 GEO의 영역이다.

5. 광고화 시대에 측정을 어떻게 할 것인가 (가장 자주 속는 지점)

광고가 들어오면 "노출수·클릭수"라는 익숙한 지표가 돌아온다. 문제는 유기적 인용은 그렇게 깔끔하게 안 찍힌다는 점이고, 여기서 많은 대시보드가 사용자를 오도한다.

AI 인용은 본질적으로 출렁인다. temperature=0으로 고정해도 LLM 출력은 GPU 연산·배치 차이로 흔들린다. 한 실험에서 2,350억 파라미터급 모델을 같은 입력으로 1,000회 돌리니 80가지 출력이 나왔다(6개 모델 480회 실험, arXiv:2602.14349). AI 가시성의 불확실성을 정량화한 연구(arXiv:2603.08924)는 인용이 멱법칙으로 출렁이므로 다중 실행 + 부트스트랩 신뢰구간을 권장한다. 단일 측정 한 번은 노이즈다.

❌ 약한 측정
"오늘 ChatGPT에 물어보니 우리가 안 나왔다. 노출 0이다."
→ 한 번의 샘플. 다음 실행엔 나올 수 있다. 결론 못 냄.

✅ 강한 측정
동일 질문 세트를 여러 번·여러 엔진에 반복 → 
인용된 비율(SOV)을 신뢰구간과 함께 본다.
"카테고리 질문 30개 × 4엔진 × 주간 반복에서 
 브랜드 언급률 12%(지난주 9%), 경쟁사 B는 21%"

또 하나의 함정: 'AI 프롬프트 검색량'을 키워드 검색량처럼 파는 도구들이다. 프롬프트 볼륨은 실측이 불가능하고 패널(시장 1% 미만) 모델링 추정치다. Conductor의 분석은 단호하다 — "신뢰할 수 없는 검색량 데이터는 없는 것보다 나쁘다." 광고 플랫폼이 주는 깔끔한 숫자에 익숙해질수록, 유기 인용 측정의 이 불확실성을 정직하게 다루는 쪽이 오히려 신뢰를 얻는다.

측정 단위로는 SOV(Share of Voice) — 카테고리 AI 답변 중 내 브랜드가 언급된 비율 — 이 핵심이다(일부 한국 업체는 SMR이라는 변형을 쓴다). 단, 질문 세트를 어떻게 고르느냐가 결과를 좌우하고, 엔진을 합산해버리면 메커니즘이 가려진다. 그리고 가시성은 그 자체가 목적이 아니라 매출·리드를 설명하는 2차 지표임을 잊으면 안 된다(Overdrive식 CFO 측정 관점). 광고든 인용이든, 최종 질문은 언제나 "그래서 매출이 늘었나"다. 참고로 일부 분석에서는 AI 검색을 통해 들어온 방문의 전환율이 일반 검색보다 몇 배 높게 나타나기도 한다(구체 수치는 사례마다 다르므로 단정은 금물).

6. 그래서 지금 무엇을 해야 하나 — 광고화 대비 체크리스트

크롤러부터 열어라. robots.txt에서 GPTBot·OAI-SearchBot·PerplexityBot·ClaudeBot·anthropic-ai·Google-Extended를 허용해야 '본문 인용 후보'로라도 진입한다. 막아두면 광고를 사도 본문엔 못 든다.
질문형 구조로 다시 써라. 제목=질문, 첫 문장=직답. 핵심 수치·결론은 앞과 끝에(Lost in the Middle 회피).
근거를 박아라. 통계·출처·직접 인용문 추가 → GEO 연구 기준 가시성 최대 약 40%↑.
경험·진정성을 담아라. 특히 네이버(C-Rank·D.I.A.+, 5원칙)에서 블로그·실사용 경험이 인용의 절반 이상을 차지한다.
측정은 다중 실행으로. 단일 조회로 "노출 0" 단정 금지. 주간 추이·신뢰구간으로 본다.
광고는 '인지', 인용은 '신뢰'로 분업하라. 광고로 끌어온 사용자가 AI에게 되물을 때, 본문 인용 자격이 없으면 거기서 탈락한다.

Citeon은 이 원리를 제품에 담았다

광고화가 진행될수록 브랜드에 필요한 건 "우리가 지금 AI 답변에서 어떻게 다뤄지는가"를 정직하게 보는 거울이다. Citeon은 ChatGPT·Gemini·Perplexity·Claude 네 엔진에서 브랜드가 실제로 인용되는 비율(SOV)을 측정한다. 광고 슬롯 노출이 아니라, 답변 본문에 인용되는 유기적 자격을 본다 — 광고로는 살 수 없는 그 자산을 추적한다.

여기에 사이트 진단 엔진이 당신의 페이지를 RAG 관점(검색 가능성·재정렬 친화성·생성 인용 적합성)에서 SEO/AEO/GEO 점수로 진단하고 한국어 처방을 준다. 경쟁사 역추적으로 "왜 우리 카테고리 답변에 경쟁사 B가 더 자주 나오는지"를 분해하고, 주간 모니터로 단일 측정의 노이즈를 넘어 추이를 본다. 광고비를 늘리기 전에, 본문에 인용될 자격부터 갖췄는지 확인하는 게 순서다.

시작은 무료 진단(₩0)이다. URL 하나만 넣으면 지금 당신 사이트의 AI 인용 적합도를 점수와 처방으로 받아볼 수 있다. citeon.cloud에서 무료 진단 받기 →

자주 묻는 질문

ChatGPT에 광고가 생기면 GEO·AEO는 의미가 없어지나요?

아니요. 광고는 답변 옆의 슬롯을 사는 것이고, GEO·AEO는 답변 본문에 인용될 자격을 버는 것입니다. RAG의 검색→재정렬→생성 파이프라인은 광고와 분리돼 돌아가고, 사용자는 광고와 자연 인용을 구분합니다. 오히려 광고로 인지를 산 뒤 사용자가 AI에게 되물을 때 본문 인용 자격이 결정적이 되므로, 유기적 인용의 가치는 더 올라갑니다.

광고로 상위 노출을 사면 콘텐츠 투자는 줄여도 되나요?

위험한 선택입니다. 광고 슬롯도 관련성·품질 신호를 보고, 무엇보다 광고로 들어온 사용자가 머무는 곳은 당신의 콘텐츠입니다. KDD 2024 GEO 연구에 따르면 통계·출처·직접 인용문을 갖춘 콘텐츠는 생성 엔진 가시성이 특정 조건 최대 약 40%까지 오릅니다. 광고는 인지, 콘텐츠는 신뢰로 분업해야 합니다.

AI 검색 노출은 어떻게 측정해야 정확한가요?

한 번 조회해서 "나왔다/안 나왔다"로 판단하면 안 됩니다. LLM은 temperature=0에서도 출력이 흔들립니다(한 실험에서 동일 입력 1,000회에 80가지 출력). 동일 질문 세트를 여러 엔진·여러 번 반복해 인용 비율(SOV)을 신뢰구간과 함께 봐야 합니다. '프롬프트 검색량' 같은 추정치 데이터는 신뢰성이 낮아 주의가 필요합니다.

네이버 AI에서 인용되려면 광고와 무관하게 무엇이 중요한가요?

네이버는 출처 신뢰·전문성(C-Rank)과 문서 의도(D.I.A.+)를 보며, 콘텐츠 5원칙(직접경험·일관 주제·진정성·읽기 쉬운 구조·최신성)을 강조합니다. 한 표본 분석에서 AI 브리핑 인용 출처의 약 58%가 블로그였고 약 49%가 통합검색 Top10 밖이었습니다. 광고 순위와 별개로 정직한 경험 콘텐츠가 인용된다는 뜻입니다.

여러 AI 엔진에 똑같은 전략을 쓰면 되나요?

엔진마다 신뢰의 닻이 다릅니다. ChatGPT는 위키·백과형 지식(인용 ~47.9%가 위키백과), Perplexity는 토론·실시간 웹(~46.7%가 Reddit), Claude는 근거 약한 콘텐츠를 보수적으로 걸러내고, 네이버는 외부 크롤러를 막아 글로벌 AI가 우회 수집합니다. 엔진별로 인용 도메인 중복이 약 11%에 불과하므로, 엔진별 결을 나눠 대응해야 합니다.