출시하고 두 달이 지나도 AI는 작년 모델을 추천했습니다
계열 3사에서 한 해에 40여 종의 신제품이 나오는 생활가전 그룹이었습니다. 계열사마다 사이트가 다르고 제품명 표기가 다르고 담당자도 달랐는데요, 그래서인지 출시하고 두 달이 지나도 AI 답변에는 작년에 나온 구형 모델만 계속 나왔습니다. 마케팅 예산은 신제품에 다 들어가 있는데 말이죠.
규모가 아니라 경로를 모르고 있었던 게 문제였습니다
신제품은 학습을 기다리는 게 아니라 실시간 검색을 노려야 합니다
모델이 신제품을 배울 때까지 기다리면 이미 늦습니다. 구글은 생성형 AI 검색이 RAG(검색 증강 생성) 방식으로 최신 페이지를 실시간으로 찾아와 답을 만든다고 설명하고 있는데요, 쉽게 말하면 출시일에 검색으로 찾아지는 상태가 완성되어 있어야 한다는 뜻입니다.
보도자료만 믿고 계셨습니다
배포형 보도자료가 AI 인용에 기여하는 정도는 0.2% 수준으로 거의 없다시피 했습니다. 뿌렸다는 것과 인용된다는 것은 전혀 다른 이야기인데, 이 부분이 관행처럼 굳어 있었습니다.
계열사마다 제각각이었습니다
같은 제품인데 제품명 표기가 세 가지로 섞여 쓰이고 스펙은 통이미지로 올라가 있고 페이지 구조도 계열사마다 달랐습니다. AI 입장에서는 이게 같은 제품인지조차 확신하기 어려운 정보 조각들이었던 셈입니다.
출시 플레이북을 만들어 속도를 규칙으로 만들었습니다
그룹이 함께 쓰는 표준 세 가지를 만들었습니다. 새로 무언가를 잘 만드는 일보다, 매번 같은 순서로 빠뜨리지 않고 하는 일에 가까웠습니다.
| 항목 | 완료 기준 | 담당 |
|---|---|---|
| 공식 제품 페이지 | answer-first 구조, 스펙 전체 텍스트화 | 계열사 웹팀 |
| 비교표·FAQ | 동급 모델 비교표와 질문 10개 이상 | 제품 마케팅 |
| 스키마 마크업 | Product·FAQPage 적용 후 검증 | 웹팀 |
| 구형 모델 페이지 | 후속작 안내 링크 삽입 | 웹팀 |
| 언드미디어 | 리뷰·기사 2건 이상 출시 주간 게재 | PR |
표기 통일 가이드를 먼저 배포했습니다
제품명과 모델명, 계열사명 표기를 하나로 고정하고 섞어 쓰는 것을 금지했습니다. 이래야 AI가 여기저기 흩어진 정보를 한 제품의 이야기로 합쳐서 읽거든요. 규칙 자체는 단순한데 계열사 세 곳의 동의를 받는 데 시간이 꽤 걸렸습니다.
언드미디어는 타이밍을 미리 잡았습니다
배포는 기본만 하고, 실제로 인용되는 매체의 리뷰와 기사를 출시 전에 미리 협의해서 확보했습니다. 출시 주간에 공식 정보와 제3자 검증이 동시에 존재하는 상태를 만드는 것이 목표였습니다.
스키마는 보조 장치로 넣었습니다
구글은 구조화된 데이터가 생성형 AI 노출의 필수 조건은 아니라고 밝히고 있습니다. 다만 리치 결과 자격을 얻고 계열사끼리 정보가 어긋나지 않게 잡아주는 데는 확실히 도움이 되기 때문에 체크리스트에 함께 넣었습니다.
두 분기 만에 리드타임이 절반 아래로 내려왔습니다
출시부터 AI 답변에 처음 등장하기까지의 중앙값이 약 7주에서 약 2주로 줄었습니다. 출시 30일 시점의 신제품 질문 커버리지는 평균 10%대에서 45%가 됐고, 구형 모델만 추천되던 질문의 비율은 60%에서 20%대로 내려왔습니다.
신제품 마케팅에서 초기 두 달은 판매 곡선이 정해지는 구간입니다. 그 기간 내내 AI가 구형 모델을 추천하고 있었다면 신제품 예산의 상당 부분이 허공에 뿌려지고 있었던 셈입니다.
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.
여러 계열사에서 신제품을 내시는 담당자분들께
신제품 GEO는 속도로 갈립니다
실시간 검색 경로를 노리셔야 하고, 출시일에는 이미 크롤링되는 상태가 완성되어 있어야 합니다. 하루 이틀 차이가 생각보다 크게 벌어집니다.
표준을 세우면 규모의 불리함이 사라집니다
계열사 수만큼 흩어지던 정보를 표기 규칙과 플레이북 하나로 묶으실 수 있습니다. 여기부터 손대시길 권합니다.
보도자료의 역할을 다시 정해보세요
자료를 뿌리는 일보다 실제로 인용되는 매체를 확보하는 일이 언드미디어에서 훨씬 무게가 큽니다.
자주 묻는 질문
신제품이 AI 답변에 나오기까지 왜 이렇게 오래 걸릴까요?
모델이 신제품을 학습하기를 기다리고 계시기 때문입니다. 생성형 AI 검색은 학습된 지식만 쓰는 게 아니라 실시간 검색으로 최신 페이지를 가져와 답을 만드는데요, 출시일에 크롤링되는 공식 페이지와 제3자 리뷰가 함께 있으면 학습을 기다리지 않으셔도 됩니다.
보도자료를 뿌리면 AI에 인용되나요?
배포형 보도자료 자체의 인용 기여도는 매우 낮습니다. 같은 내용이 여러 매체에 그대로 복사되어 실리기 때문에 AI가 믿을 만한 독립 출처로 취급하지 않거든요. 실제로 인용되는 것은 매체가 직접 취재해서 쓴 리뷰나 분석 기사입니다.
계열사가 여러 곳인데 어디부터 손대야 할까요?
표기 통일이 먼저입니다. 제품명과 모델명이 계열사마다 다르면 AI가 같은 제품의 정보를 합쳐서 읽지 못하기 때문에, 각 사이트를 아무리 잘 만들어 놓아도 힘이 흩어집니다. 표기 규칙을 정하신 다음에 D-day 체크리스트를 적용하는 순서를 권해 드립니다.
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
- GEO·AEO 컨설팅·내재화
전략과 교육을 맡고 실행은 내부 팀이 하도록 체계를 만듭니다 - 홈페이지·자사몰 GEO
제품 페이지와 스키마, 테크니컬 구조를 AI가 읽을 수 있게 정비합니다 - PR·외부채널 GEO
언론과 리뷰 플랫폼, 커뮤니티에서 제3자 인용 근거를 확보합니다
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 · 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 · 구조화된 데이터 이해하기
스키마 마크업의 역할과 적용 범위 - Google 검색 센트럴 · AI 기능과 내 웹사이트
AI 개요와 AI 모드에 인용되기 위한 기술 요건 - Semrush · AI가 인용하는 것은 내 사이트인가 제3자 출처인가
AI 답변의 인용 출처 구성을 분석한 조사
고객사와 체결한 비밀유지계약에 따라 기업명은 가명으로 표기했습니다. 수치와 실행 내용은 실제 프로젝트 측정 데이터입니다.