무료 도구로 우리 사이트 AI 가시성 점검하기

결론부터. 우리 사이트의 AI 가시성은 돈 한 푼 들이지 않고도 대략 점검할 수 있습니다. 핵심은 세 가지입니다. ① AI 크롤러가 우리 사이트에 들어올 수 있는지(robots.txt)를 확인하고, ② ChatGPT·Perplexity·구글 AI·네이버 AI에 우리 분야의 진짜 질문을 직접 던져 우리가 인용되는지 눈으로 보고, ③ 그 결과를 한 장의 표로 기록해 추세를 보는 것입니다. 이 글은 그 세 가지를 오늘 당장 따라 할 수 있게, 그리고 '왜 그게 점검 포인트인지'까지 풀어 드립니다.

안녕하세요, 콘텐츠·SEO 에디터 yujin입니다. "AI 검색 최적화"라고 하면 비싼 SaaS 구독부터 떠올리기 쉬운데요, 사실 처음 진단은 무료 도구와 약간의 손품이면 충분합니다. 유료 도구는 '자동화·정밀화'를 위한 것이지, '시작'을 위한 게 아니에요. 오늘은 1인 기업이든 동네 가게든 바로 쓸 수 있는 점검 루틴을 만들어 보겠습니다.

먼저 알아야 할 것: AI는 '검색'한 뒤 '답'한다 (RAG)

점검을 시작하기 전에, AI가 어떻게 우리 글을 답변에 가져다 쓰는지 그 원리를 알면 '무엇을 점검해야 하는지'가 저절로 보입니다. ChatGPT나 Perplexity 같은 AI 검색은 머릿속(학습된 지식)만으로 답하지 않습니다. 질문을 받으면 먼저 웹에서 관련 문서를 찾아오고(retrieval) → 그중 진짜 쓸 만한 것을 골라 재정렬하고(reranking) → 그 내용을 근거로 답을 씁니다(generation). 이 3단계 구조를 RAG(Retrieval-Augmented Generation)라고 부릅니다.

이 개념의 원전은 Lewis 등이 2020년에 발표한 논문(arXiv:2005.11401)인데요, 핵심 아이디어는 '모델이 외운 지식(파라메트릭 메모리)'과 '바깥에서 찾아온 문서(비파라메트릭 메모리)'를 결합하면 더 정확하고 출처가 분명한 답을 만들 수 있다는 것이었습니다. 오늘날 거의 모든 AI 검색이 이 방식 위에 서 있습니다.

비유로 풀면 이렇습니다. AI 검색은 똑똑하지만 '자기가 아는 것만 떠드는 사람'이 아니라, 질문을 받으면 도서관으로 달려가 책 몇 권을 뽑아 와서 그걸 읽고 요약해 주는 사서에 가깝습니다. 그렇다면 우리가 신경 써야 할 건 분명합니다. ① 우리 책이 그 도서관 서가에 꽂혀 있는가(크롤링·색인), ② 사서가 우리 책을 집어들 만큼 질문에 딱 맞고 신뢰가 가는가(인용 가치). AI 가시성 점검이란 결국 이 두 질문에 답하는 일입니다.

1단계: AI 크롤러가 우리 집에 들어올 수 있는가 (robots.txt)

아무리 좋은 글을 써도, 문이 잠겨 있으면 사서는 들어오지 못합니다. AI 검색 엔진들은 저마다 전용 크롤러(봇)로 웹을 수집하는데, 우리 사이트의 robots.txt 파일이 이 봇들을 막고 있으면 후보 목록에조차 오르지 못합니다. 이게 가장 흔하고, 가장 치명적이고, 가장 고치기 쉬운 문제예요.

점검은 30초면 됩니다. 브라우저 주소창에 우리 도메인 뒤 /robots.txt를 붙여 열어 보세요. 예: https://우리사이트.com/robots.txt. 그리고 아래 봇들이 Disallow로 막혀 있지 않은지 확인합니다.

이 봇들에게 robots.txt가 허용 신호를 줘야 비로소 후보로 진입할 수 있습니다. 막아 두면 우리 콘텐츠는 AI 답변 후보 풀 바깥에 머무릅니다.

# ❌ 약한 예 — 모든 봇을 싸잡아 막아 AI 검색에서 사라짐
User-agent: *
Disallow: /

# ✅ 강한 예 — 일반 크롤러 허용 + AI 크롤러 명시적 허용
User-agent: *
Allow: /

User-agent: GPTBot
Allow: /

User-agent: PerplexityBot
Allow: /

User-agent: ClaudeBot
Allow: /

User-agent: Google-Extended
Allow: /

Sitemap: https://우리사이트.com/sitemap.xml

맨 아래 Sitemap: 한 줄도 잊지 마세요. 사이트맵은 사서에게 '우리 서가 지도'를 건네주는 것과 같아서, 크롤러가 우리 페이지를 빠짐없이 찾아가게 돕습니다. 워드프레스·카페24·아임웹 같은 빌더를 쓴다면 대개 자동으로 /sitemap.xml이 생성되어 있으니 주소창에서 열어 확인해 보세요.

주의할 함정 — 네이버. 네이버는 글로벌 AI 크롤러를 막아 둔 상태라, 우리가 네이버 블로그에만 글을 쌓아 두면 ChatGPT·Perplexity 입장에서는 그 글이 '존재하지 않는' 것과 같습니다. 실제로 글로벌 AI들은 네이버 대신 나무위키·위키백과·티스토리 같은 우회 경로로 한국어 정보를 수집하는 경향이 관찰됩니다. 그래서 같은 글이라도 크롤링이 열린 자사 도메인이나 티스토리에도 함께 두는 것이 AI 가시성에는 유리합니다.

2단계: 직접 물어본다 — 가장 정직한 무료 점검

도구를 사기 전에, 가장 강력한 무료 점검 도구는 이미 우리 손에 있습니다. 바로 AI 검색창에 직접 질문을 던져 보는 것입니다. 우리 고객이 실제로 칠 법한 질문을 그대로 입력하고, 답변에 우리가 인용되는지 눈으로 확인하는 거예요.

질문 세트부터 만들기 (이게 결과의 절반을 좌우한다)

여기서 가장 흔한 실수는 '우리 브랜드명'을 검색하는 것입니다. "Citeon 알려줘" 같은 질문은 우리가 거기 나와도 당연한 거라 의미가 적어요. 우리가 알고 싶은 건 고객이 우리를 모르는 상태에서, 우리 분야를 물었을 때 우리가 등장하는가입니다.

업종별로 10~20개쯤 만들어 두세요. 정보형("~란 무엇"), 비교형("A vs B"), 추천형("~ 추천"), 지역형("○○동 ~") 을 골고루 섞는 게 좋습니다. 이 질문 세트가 곧 우리만의 '시험지'가 됩니다.

4개 엔진에 같은 질문을 던진다

엔진마다 인용하는 출처가 거의 다르기 때문에 한 곳만 보면 안 됩니다. 대규모 인용 분석에서 ChatGPT와 Perplexity가 같은 도메인을 인용하는 비율은 약 11%에 불과했고, 인용의 약 90%가 엔진마다 달랐다는 결과가 있어요. 즉 ChatGPT에서 안 보인다고 Perplexity에서도 안 보이는 건 아닙니다. 각 엔진의 성향도 다릅니다.

같은 질문을 4곳에 던지고, 각 답변 아래의 인용/출처 링크에 우리 도메인이 있는지 봅니다. Perplexity는 인라인으로 출처를 달아 줘서 확인이 특히 쉽고, ChatGPT·Gemini는 답변 속 링크나 '출처' 영역을 살피면 됩니다.

한 번 보고 판단하지 말 것 — 측정은 흔들린다

여기서 꼭 알아 둘 점. 같은 질문을 같은 엔진에 넣어도 결과가 매번 조금씩 다릅니다. 이건 우리 사이트 문제가 아니라 LLM의 본질적 특성이에요. 한 실험에서는 2,350억 파라미터급 모델에 동일 질문을 1,000번 넣었더니 80가지나 되는 서로 다른 출력이 나왔습니다. AI 가시성을 다룬 연구들도 인용이 멱법칙(power law)처럼 출렁이므로 단일 측정은 노이즈에 가깝고, 여러 번 돌려 평균과 신뢰구간으로 봐야 한다고 권합니다.

그러니 무료 점검에서도 규칙은 하나입니다. 핵심 질문 몇 개는 같은 날 2~3번, 또는 며칠에 걸쳐 반복해서 "3번 중 2번 인용됨"처럼 빈도로 기록하세요. "오늘 한 번 봤더니 안 나오더라"로 낙담하거나 "한 번 나왔으니 됐다"로 안심하는 건 둘 다 위험합니다.

3단계: 결과를 한 장의 표로 기록한다

점검을 머릿속으로만 하면 추세가 안 보입니다. 무료 도구의 끝판왕은 사실 구글 스프레드시트 한 장이에요. 아래처럼 만들어 매주 같은 요일에 채워 보세요.

이 표가 주는 가치는 세 가지입니다. ① 구멍이 보입니다 — 위 예라면 구글 AI·Claude에서 전멸이니 거기 우선순위를 둬야겠죠. ② 경쟁사가 보입니다 — '비고'에 누가 인용됐는지 적어 두면, 그 페이지를 열어 "왜 쟤가 뽑혔지?"를 역으로 공부할 수 있습니다(이게 무료 경쟁 분석이에요). ③ 추세가 보입니다 — 콘텐츠를 고친 뒤 몇 주 지나 ❌가 ✅로 바뀌면 그게 진짜 성과입니다.

여기서 한 단계 더 나가면 SOV(Share of Voice) 개념을 쓸 수 있어요. 우리 카테고리 질문 전체 중 우리가 언급된 비율입니다. 위 표에서 칸이 20개인데 ✅가 4개면 대략 SOV 20% 식으로요. 단, 엔진을 다 합쳐 하나의 숫자로 뭉개면 메커니즘이 가려지니, 엔진별로 따로 보는 습관을 들이세요.

왜 우리는 인용이 안 될까 — 점검에서 처방으로

표가 ❌로 가득하다면, 이제 '왜'를 따져 콘텐츠를 손볼 차례입니다. RAG의 retrieval·reranking·generation 각 단계에서 우리가 어디서 탈락하는지를 보면 처방이 나옵니다.

① 검색 단계에서 탈락 — 의미가 안 잡힌다

요즘 검색은 키워드 글자 맞추기(BM25)만 하지 않습니다. 문장의 '의미'를 벡터로 바꿔 비슷한 뜻을 찾는 의미 검색(임베딩)을 함께 씁니다. Karpukhin 등의 2020년 연구(arXiv:2004.04906)는 이 의미 검색이 전통적 키워드 검색을 능가함을 보였죠. 실무에서는 둘을 합친 하이브리드 검색이 표준입니다.

비유: 하이브리드 검색은 책 뒤 색인(키워드)으로도 찾고, 주제를 아는 사서(의미)에게도 물어보는 도서관입니다. 공개 벤치마크 종합치를 보면 상위 10개 안에 정답을 넣는 비율(recall@10)이 의미 검색 단독 약 78%, 키워드 단독 약 65%인데, 둘을 합치면 약 91%까지 올라갑니다. 그래서 우리 글도 고객이 쓰는 일상어(키워드)와 그 의도(의미)를 동시에 담아야 양쪽 그물에 다 걸립니다.

❌ 약한 문장: "프리미엄 레더 굿즈의 새로운 패러다임"
   → 아무도 이렇게 검색하지 않음. 키워드도 의미도 안 잡힘.

✅ 강한 문장: "성수동에서 수제 가죽 지갑을 주문제작할 수 있는
   공방입니다. 이니셜 각인과 색상 선택이 가능하고, 제작은
   약 2주 걸립니다."
   → '성수동' '수제 가죽 지갑' '주문제작' '각인' 키워드 +
     고객 의도(어디서/뭘/얼마나 걸려)가 또렷.

② 재정렬 단계에서 탈락 — 질문에 딱 안 맞는다

검색으로 후보 수십 개가 모이면, 그다음 재정렬(reranking)이 일어납니다. 질문과 각 후보를 '함께 읽어' 진짜 관련 높은 것을 위로 올리는 단계예요(cross-encoder). 한 연구급 수치로는 재정렬이 검색 품질 지표(NDCG)를 5~15점, 어려운 경우 20점까지 끌어올립니다.

실무 함의는 분명합니다. 한 페이지가 한 질문에 정면으로 답해야 재정렬에서 위로 올라갑니다. 이것저것 다 다루는 '회사 소개 만능 페이지'는 어떤 질문과도 어중간하게만 맞아 늘 밀려요. 질문 하나당 페이지 하나, 그리고 그 질문을 소제목(h2)으로 그대로 쓰는 것이 강력합니다.

③ 생성 단계에서 탈락 — 인용할 거리가 없다

마지막으로 AI가 답을 쓰면서 '인용할 만한 문장'을 고릅니다. 여기서 무엇이 인용을 끌어올리는지에 대한 직접적 연구가 있어요. Aggarwal 등의 GEO 연구(arXiv:2311.09735, KDD 2024)는 통계 수치 추가, 출처 인용, 전문가 직접 인용문 추가 같은 요소가 생성 엔진에서의 가시성을 특정 조건에서 최대 약 40%까지 높였다고 보고합니다.

❌ 약한 문장: "저희 제품은 품질이 매우 우수합니다."
   → 주관적 자랑. AI가 인용해도 독자에게 줄 정보가 없음.

✅ 강한 문장: "본 제품은 식약처 인증을 받았으며, 자체 조사에서
   재구매율이 약 60%로 나타났습니다(2026년 1~6월, 고객 320명 기준)."
   → 수치 + 근거 + 기간이 명시되어 AI가 안심하고 인용.

또 하나, 문서 안에서 핵심 답을 맨 앞이나 맨 뒤에 배치하세요. Liu 등의 2023년 연구 'Lost in the Middle'(arXiv:2307.03172)은 긴 맥락에서 중간에 묻힌 정보가 손실되는 U자형 현상을 보였습니다. AI는 글 앞과 끝을 더 잘 봅니다. 그래서 이 글도 결론을 맨 위에 두었어요.

무료 점검 루틴 — 한 장 요약

• (주 0회·최초 1회) /robots.txt 열어 GPTBot·PerplexityBot·ClaudeBot·Google-Extended 허용 + Sitemap 한 줄 확인.
• (최초 1회) 고객이 칠 법한 카테고리·문제형 질문 10~20개로 '시험지' 만들기.
• (매주 같은 요일) 시험지를 ChatGPT·Perplexity·구글 AI·Claude 4곳에 던지고, 핵심 질문은 2~3회 반복.
• (매주) 스프레드시트에 ✅/❌와 '누가 인용됐나'를 기록 → 구멍·경쟁사·추세 파악.
• (격주~월 1회) ❌ 많은 질문의 답 페이지를 의미+키워드·정면답변·수치/출처 기준으로 개선.

여기까지가 돈 안 드는 진단의 전부입니다. 한 가지만 정직하게 덧붙일게요. 이 수동 점검은 '한 번 가볍게 흔들어 보기'에는 훌륭하지만, 앞서 말한 측정 비결정성 때문에 사람이 손으로 몇 번 돌린 결과는 통계적으로 거칠 수밖에 없습니다. 추세를 진지하게 관리하려면 결국 반복 측정·신뢰구간·엔진별 추적의 자동화가 필요해지는데, 그 지점이 도구의 영역입니다.

Citeon은 이 원리를 제품에 담았다

위 무료 루틴을 매주 손으로 4개 엔진에 반복하다 보면 금세 지칩니다. Citeon은 바로 그 반복을 대신합니다.

• 4엔진 인용 측정(SOV) — ChatGPT·Gemini·Perplexity·Claude에서 우리 브랜드가 실제로 얼마나 인용되는지 점유율로 측정합니다. 손으로 ✅/❌ 세던 표를 자동으로요.
• 사이트 진단엔진 — URL만 넣으면 SEO·AEO·GEO 관점에서 점수와 한국어 처방을 내줍니다. robots.txt·구조·인용 가치 같은 위 점검 항목을 기계가 훑습니다.
• 경쟁사 역추적 — '비고: 경쟁사 A가 인용됨'을 손으로 적던 그 작업을, 어떤 경쟁사가 어디서 인용되는지 역추적해 보여 줍니다.
• 주간 모니터 추이 — 단일 측정의 노이즈를 넘어, 주 단위 추세로 개선 여부를 확인합니다.

그리고 무료 진단(₩0)이 있습니다. 위 1단계 점검을 직접 해 보기 전에, URL 하나로 우리 사이트의 현재 AI 가시성 상태를 먼저 받아 보세요. 👉 citeon.cloud에서 무료 진단 받기

자주 묻는 질문 (FAQ)

참고자료

• Lewis et al. (2020), Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks
• Karpukhin et al. (2020), Dense Passage Retrieval for Open-Domain QA
• Liu et al. (2023), Lost in the Middle: How Language Models Use Long Contexts
• Aggarwal et al. (2023), GEO: Generative Engine Optimization (KDD 2024)
• Anthropic (2024), Introducing Contextual Retrieval
• Conductor, Debunking AI Prompt Volume