노출은 되는데 엉뚱한 제품이 나왔습니다
세탁세제와 주방세제, 섬유유연제, 청소용품을 만드는 상장 소비재 기업입니다. 브랜드 인지도가 높아서 AI 답변에 이름은 자주 등장했습니다. 문제는 어떤 제품이 나오느냐였습니다.
‘운동복 냄새 제거 세제’를 물으면 일반 세탁세제가 추천되더라고요. 기능성 제품이 따로 있는데도 말입니다. 담당자분이 이걸 발견하고 연락을 주셨습니다.
AI가 제품 간 차이를 알 방법이 없었습니다
제품 페이지를 쭉 훑어보니 원인이 금방 드러났습니다. 모든 제품이 비슷비슷한 문장으로 소개되고 있었거든요. 강력한 세정력, 깨끗한 마무리, 은은한 향. 이런 문장만으로는 어떤 제품이 어떤 상황에 맞는지 사람도 구분하기 어렵습니다.
| 문제 | 구체적 상태 | 결과 |
|---|---|---|
| 차별점 부재 | 제품별 소개 문구가 사실상 동일 | AI가 임의로 대표 제품을 고름 |
| 기능 표기 없음 | ‘운동복’, ‘아기 옷’ 같은 용도가 본문에 없음 | 조건 질문에 매칭 실패 |
| 계열 구조 불명확 | 라인업 간 상하 관계가 표기되지 않음 | 단종 제품이 추천되기도 함 |
제품을 기능 기준으로 다시 묶었습니다
제품 수를 줄이는 건 사업 결정이라 저희가 손댈 수 없었습니다. 그래서 정보 구조만 바꾸기로 했습니다.
새 콘텐츠를 만드는 일보다 이미 있는 제품 정보를 다시 배치하는 일이 대부분이었습니다.
포트폴리오 지식 지도를 그렸습니다
카테고리 아래에 기능 기준을 세우고 각 제품을 그 아래 배치했습니다. 세탁세제라면 일반 세탁과 드럼 전용, 아기 옷, 운동복, 민감성 피부, 냄새 관리로 나누는 식이었습니다.
기능마다 판단 기준을 설명하는 문서를 뒀습니다
‘운동복 냄새 관리’라는 항목에는 어떤 성분이 왜 필요한지, 일반 세제와 무엇이 다른지를 설명하는 문서를 먼저 두었습니다. 제품을 소개하기 전에 그 항목 자체를 설명하는 순서인데요, 이 문서가 인용되면서 그 아래 제품까지 함께 노출되는 구조가 만들어졌습니다.
단종 제품과 후속 제품을 연결했습니다
단종된 제품 페이지에는 후속 제품 안내를 넣고, 신제품 페이지에서는 이전 모델을 언급하도록 했습니다. 이 연결이 없으면 AI가 계속 옛 제품을 추천하거든요. 의외로 많은 기업이 놓치는 부분입니다.
제품명 표기를 통일했습니다
같은 제품이 채널마다 다른 이름으로 불리고 있었습니다. 정식 제품명과 약칭, 용량 표기를 하나로 고정해서 자사몰과 오픈마켓, 보도자료에 일괄 적용했습니다.
맞는 제품이 나오기 시작했습니다
조건이 붙은 질문에 자사 제품 중 적합한 것이 추천되는 비율을 제품 매칭 정확도라고 부르는데요, 이 수치가 61%에서 94%가 됐습니다. 잘못된 제품이 추천되는 비율은 31%에서 9%로 줄었고요.
추천 질문 커버리지도 18%에서 56%로 올랐습니다. 기능별 설명 문서가 질문의 답으로 인용되면서 그 아래 제품까지 함께 노출되는 구조가 실제로 작동한 겁니다.
| 지표 | 이전 | 이후 |
|---|---|---|
| 제품 매칭 정확도 | 61% | 94% |
| 추천 질문 커버리지 | 18% | 56% |
| 잘못된 제품 추천 | 31% | 9% |
브랜드가 언급되는 빈도만 보면 이 프로젝트 전후가 크게 다르지 않습니다. 달라진 건 언급될 때 어떤 제품이 함께 나오느냐였습니다.
우리 브랜드는 지금 어떤 질문에서 빠져 있을까요. 리드젠랩은 실제 고객 질문 20개를 ChatGPT와 Gemini, Claude, Perplexity에 넣어 답변 80개를 분석하는 AI 가시성 무료 진단을 제공합니다. 측정은 자체 플랫폼 SOHA로 합니다.
제품 수가 많은 소비재 기업 담당자분들께
노출 빈도만 보시면 문제를 놓칩니다
브랜드가 자주 언급되는데 매출이 따라오지 않는다면, 언급될 때 어떤 제품이 함께 나오는지를 꼭 확인해 보세요.
제품을 설명하기 전에 항목부터 설명해 보세요
‘운동복 냄새 관리’라는 항목 자체를 설명하는 문서가 있어야 그 아래 제품이 인용됩니다.
단종 제품 페이지를 방치하지 마세요
후속 제품 안내가 없으면 AI는 계속 옛 제품을 추천합니다. 지우는 것보다 연결하시는 편이 낫습니다.
자주 묻는 질문
제품 수가 많으면 GEO에 불리한가요?
많다는 것 자체는 문제가 되지 않습니다. 제품 간 차이가 텍스트로 드러나지 않는 게 문제입니다. 소개 문구가 서로 비슷하면 AI는 어떤 제품이 어떤 상황에 맞는지 판단할 수 없어서 임의로 대표 제품을 골라버립니다.
제품 매칭 정확도는 어떻게 재나요?
조건이 붙은 질문 세트를 정해두고, 답변에 등장한 자사 제품이 그 조건에 실제로 맞는지를 사람이 확인해서 비율로 셉니다. 브랜드 언급 빈도만 보면 놓치는 문제라 별도로 보셔야 하는 지표입니다.
단종 제품 페이지는 지워야 할까요?
지우기보다 연결하시는 편이 낫습니다. 단종 페이지에 후속 제품 안내를 넣고 신제품 페이지에서 이전 모델을 언급하면, 옛 제품으로 쌓인 신뢰 신호가 새 제품으로 이어집니다. 페이지를 지우면 그 신호가 그냥 사라집니다.
리드젠랩과 시작하려면 어떻게 하나요?
무료 진단 신청으로 시작합니다. 실제 고객 질문 20개를 주요 AI에 넣어 답변 80개를 분석하고, 현재 노출 상태와 경쟁 구도를 리포트로 드립니다. 이후 필요에 따라 GEO·AEO 대행 또는 컨설팅·내재화 방식을 정하고, 채널별 시작가는 요금 안내에서 확인하실 수 있습니다.
이 사례에서 수행한 리드젠랩 서비스
- 홈페이지·자사몰 GEO
제품 페이지와 스키마, 테크니컬 구조를 AI가 읽을 수 있게 정비합니다 - AI-Commerce
AI가 비교하고 추천하는 구매 구조를 다룹니다 - GEO·AEO 컨설팅·내재화
전략과 교육을 맡고 실행은 내부 팀이 하도록 체계를 만듭니다
비슷한 상황이라면 무료 진단을 신청해 우리 브랜드의 질문 커버리지부터 확인해 보세요. 채널별 시작가는 요금 안내에, 수행 조직은 팀 소개에 정리해 두었습니다.
참고 자료
- Google 검색 센트럴 · Product 구조화 데이터
제품명·스펙·가격을 기계가 읽을 수 있게 표기하는 규격 - Google 검색 센트럴 · Organization 구조화 데이터
기업·브랜드 엔티티를 명확히 선언하는 방법 - Google 검색 센트럴 · 생성형 AI 검색 최적화 가이드
구글이 쿼리 팬아웃(query fan-out)과 RAG의 작동 방식, AEO·GEO에 대한 공식 입장을 밝힌 문서 - Google 검색 센트럴 · 유용하고 신뢰할 수 있는 사람 중심 콘텐츠 만들기
E-E-A-T와 콘텐츠 품질 판단 기준
고객사와 체결한 비밀유지계약에 따라 기업명은 가명으로 표기했습니다. 수치와 실행 내용은 실제 프로젝트 측정 데이터입니다.