AI가 우리 브랜드를 추천하지 않는 순간들

이 글은 SearchSEOul 2026에서 발표한 "Stop Writing for AI. Start Structuring Knowledge - Ontology for the Next Era of GEO"의 내용을 세 편의 글로 정리한 시리즈의 두 번째 글입니다.

온톨로지 GEO 시리즈 1편에서는 GEO의 경쟁이 인용과 언급을 넘어 '추천'으로 확장되었고, 추천받는 브랜드가 되려면 AI가 우리의 이름이 아닌 관계를 알아야 한다는 이야기를 했습니다. 그리고 그 관계를 설계하는 프레임워크로 온톨로지, 즉 브랜드 지식 설계도를 소개했습니다.

그런데 설계도라는 표현만으로는 여전히 막연합니다. 브랜드 소개도 있고, 제품 상세 페이지도 있고, 스펙과 비교 콘텐츠도 있는데, 무엇을 더 설계해야 한다는 것일까요? 이번 글에서는 그 설계도가 실제로 어떤 모습인지, AI가 답변을 만드는 과정 어디에서 작동하는지, 그리고 설계도가 없을 때 무슨 일이 벌어지는지를 함께 살펴보려고 합니다.

설계도는 사실을 판단과 인식으로 연결합니다

한 자동차 브랜드가 자사 제품을 ‘합리적인 하이엔드 오너드리븐 세단’으로 인식시키고 싶다고 가정해 보겠습니다. 고급스러운 경험을 제공하면서도 가격 대비 가치가 높고, 직접 운전하는 즐거움이 있는 차라는 뜻입니다. 이를 설명하기 위해 브랜드는 다양한 정보를 제시할 수 있습니다. 나파 가죽, 실내 소음 측정치, 스피커 수, 기본 편의 사양, 판매 가격, 보증 기간, 엔진 출력, 조향 기술 등입니다.

그런데 이 정보를 모두 나열하면 우리가 원하는 '인식'이 만들어질까요? 나파 가죽을 적용했다는 사실 하나로 실내 경험 전체를 하이엔드라고 판단하기는 어렵습니다. 가격이 경쟁 모델보다 낮다고 해서 가격 대비 가치가 반드시 높아지는 것도 아니며, 출력이 높다는 사실만으로 운전자가 직접 다루는 즐거움까지 설명할 수는 없습니다.

"나파 가죽"이라는 사실이 "하이엔드"라는 인식이 되려면 그 사이에 두 개의 층이 더 있어야 합니다. 먼저 다양한 사실 조각이 "정보/주장"이 됩니다. "주요 접촉면에 나파 가죽을 적용했고, 실내소음이 64dB이며, 21스피커와 12방향 시트를 기본 제공한다"는 사양서와 실측, 독립 리뷰로 입증되는 제품 속성입니다. 이 정보들이 모여 "판단"을 형성합니다. 소재·정숙·음향을 종합하면 '프리미엄 실내 경험'이 성립한다는 판단입니다. 그리고 이 판단이 인식의 근거가 됩니다. "소재·정숙성·기본 사양을 종합하면 프리미엄 실내 경험이 성립한다"는 하이엔드 명제입니다.

합리성과 오너드리븐도 같은 구조입니다. 경쟁군보다 약 19% 낮은 진입가, 기본 포함된 ADAS, 5년 보증과 3년 점검이라는 정보가 '비용 대비 가치'라는 판단을 형성하고, 그것이 "구매 가격과 초기 유지 조건을 함께 볼 때 지불 비용 대비 가치가 높다"는 합리성 명제가 됩니다. 출력이 실제 가속으로 연결되고 리뷰에서 조향 피드백이 반복 관찰된다는 정보가 '직접 제어 주행 경험'이라는 판단을 형성하고, 그것이 오너드리븐 명제가 됩니다.

하이엔드합리성오너드리븐
인식고급스러운 실내 경험을 제공하는 세단지불 비용 대비 가치가 높은 세단직접 운전하는 즐거움이 있는 세단
판단소재·정숙성·편의 사양을 종합하면 프리미엄 실내 경험을 제공한다구매 가격·기본 사양·초기 유지 조건을 함께 보면 비용 대비 가치가 높다성능·차체 반응·조향 피드백을 종합하면 직접 제어하는 주행 경험에 강점이 있다
정보·주장나파 가죽 적용, 64dB, 21스피커·12방향 시트 기본진입가 약 19% 낮음, ADAS 기본, 5년 보증·3년 점검출력→가속 연결, 조향 피드백 반복 관찰
사실 조각나파 가죽, 64dB, 21개 스피커, 12방향 시트, 4존 공조…$78,000 vs $96,000, 5년 보증, ADAS 기본…350hp, 가변 댐퍼, 제로백 6.9, LSD, 후륜조향…

여기서 중요한 것은 사실을 한 단계씩 그럴듯하게 포장하는 것이 아닙니다. 각 단계의 연결이 성립하는 이유를 증거로 설명할 수 있어야 한다는 점입니다. 예를 들어 정숙성을 주장한다면 소음 수치뿐 아니라 측정 속도, 노면, 타이어 등 측정 조건이 필요합니다. 가격 대비 가치를 비교한다면 같은 시장과 시점에서 어떤 트림과 기본 사양을 비교했는지 명확해야 합니다. 운전의 즐거움을 이야기한다면 출력 외에도 차체 반응, 조향 피드백, 독립적인 주행 평가 등을 함께 검토해야 합니다. 같은 사실이라도 비교 조건에 따라 판단은 달라질 수 있습니다. 그래서 지식 설계도에는 강점뿐 아니라 그 강점이 유효한 조건과 범위도 포함되어야 합니다.

온톨로지(브랜드 지식 설계도)는 목표 인식을 '평가 가능한 구조'로 바꿉니다

브랜드는 보통 “우리는 이런 브랜드입니다”라는 메시지에서 출발합니다. 온톨로지 관점에서는 그 메시지를 더 구체적인 질문으로 나눕니다.

“그렇게 인식되려면 무엇이 사실이어야 할까요?”

‘합리적’이라는 인식을 원한다면 가격, 기본 사양, 보유 비용 등을 어떤 기준으로 평가해야 하는지 정의해야 합니다. ‘하이엔드’라는 인식을 원한다면 어떤 경험과 품질이 이를 뒷받침하는지 설명해야 합니다. ‘오너드리븐’이라는 인식을 원한다면 직접 운전하는 사용자에게 어떤 특성이 의미가 있는지 연결해야 합니다.

목표 인식연결해야 할 판단필요한 근거의 예
합리적비교 조건에서 지불 비용 대비 가치가 높음동일 시장·트림의 가격, 기본 사양, 보증 및 유지 조건
하이엔드소재·정숙성·편의성을 종합한 프리미엄 경험소재 사양, 조건이 명시된 측정 결과, 독립 리뷰
오너드리븐운전자가 직접 제어하는 주행 경험에 강점이 있음성능·제어 기술, 조향 및 차체 반응에 관한 평가

이처럼 목표 인식을 판단 기준으로 나누고, 판단을 사실과 증거에 연결하는 것이 브랜드 지식 설계도의 역할입니다.

목표 인식을 정했다고 해서 모든 연결이 성립하는 것은 아닙니다. 근거가 부족하다면 추가 검증이 필요하고, 실제 제품이 기준을 충족하지 못한다면 주장 자체를 조정해야 합니다. 설계 과정에서 브랜드가 강조하고 싶은 것과 실제로 입증할 수 있는 것의 차이도 드러납니다.

따라서 온톨로지는 브랜드가 원하는 말을 반복하기 위한 도구로 이해해서는 안 됩니다. 어떤 주장이 어떤 근거와 조건에서 성립하는지를 명확하게 만드는 접근입니다.

이 설계도는 어디에서 작동할까요?

그렇다면 이 설계도는 어디에서 쓰일까요? 사용자가 AI에게 질문을 던지는 순간부터 거꾸로 따라가 보겠습니다.

질문이 들어오면 AI는 먼저 질의를 해석하고, 웹을 검색하고, 검색 결과 중 근거로 쓸 증거를 선택하고, 후보들을 비교 추론하고, 각 후보의 장점을 판단한 뒤, 답변을 구성하면서 출처를 인용합니다. 총 여섯 단계입니다. 이 중 다섯 번째, 장점 판단이 곧 '현재 질의에서 형성된 AI 인식'입니다. 가중치는 모델과 시스템의 평가 로직에 따라 다르지만, 어떤 모델이든 이 단계에서 브랜드에 대한 결론을 내립니다.

단계내용
01 질의 해석사용자가 무엇을 묻는지 해석
02 웹 검색관련 정보를 검색
03 증거 선택검색 결과 중 근거로 쓸 것을 선택
04 비교 추론후보들을 비교
05 장점 판단각 후보의 장점을 판단
06 답변 인용답변을 구성하고 출처를 인용

이 여섯 단계의 재료는 웹에 있는 정보입니다. 브랜드가 소유한 웹사이트·문서·제품 데이터와, 언론·리뷰·평판처럼 외부에서 독립적으로 형성된 정보가 섞여 있습니다. 서로 일치하기도, 보완하기도, 상충하기도 하는 이 지식 환경을 검색 인덱스가 수집·색인해서 질의마다 정보의 표면을 만듭니다.

설계도는 바로 이 정보 환경의 앞에 있습니다. 브랜드 소유 자산에는 무엇을 어떤 관계로 써야 하는지의 설계 기준이 되고, 외부 정보에는 우리가 원하는 인식과 일치하는지 상충하는지를 관찰·대조·검증하는 기준이 됩니다.

그리고 AI 답변은 한 번으로 끝나지 않습니다. 질의와 채널마다 반복되는 답변, 사용과 리뷰를 통한 직접 경험이 쌓여 검색자와 시장의 누적 인식이 됩니다. 설계도가 이 사슬의 가장 앞에 있다는 것은, 설계도가 없을 때 그 빈자리를 무엇이 채우는가라는 질문으로 이어집니다.

설계도가 존재하지 않는 빈 공간은 AI가 대신 그리게 됩니다

실제로 확인해 보았습니다.

[사용 프롬프트 - ChatGPT]

I'm buying a new midsize luxury sedan in the U.S. this year. Look at the full field first, then give me one pick for each: best value, best ride and refinement, and best badge. (올해 미국에서 새 미드사이즈 럭셔리 세단을 구매하려 합니다. 전체 후보군을 먼저 살펴본 뒤, 최고의 가치·최고의 승차감과 정숙성·최고의 브랜드 가치 각각 하나씩 추천해 주세요.)

답이 나오기까지 AI는 10개 이상의 검색어를 사용했고, 267개 문서를 읽고, 16개 브랜드·모델을 검토했으며, 48회 이상 판단을 내렸고, 최종적으로 9개 출처를 인용했습니다. 그리고 16개 중 3개만 추천에 남았습니다.

흥미로운 것은 13개가 빠진 방식입니다. 탈락 사유는 무작위가 아니었고, 네 개의 질문 순서로 정리할 수 있었습니다. 이를 살펴보기 위해 네 가지 질문으로 분석했습니다.

  • 비교에 필요한 자료가 확보됐는가?
  • 사용자가 요청한 후보 조건에 부합했는가?
  • 해당 기준에서 장점이 인정됐는가?
  • 최종 추천 대상으로 선택됐는가?

※ 관찰된 검색 결과와 응답 기록을 정리하기 위한 분석 프레임입니다. AI 내부에 고정된 네 단계가 존재한다는 의미는 아닙니다.

검색은 시도됐지만, 비교 근거가 충분하지 않음: 브랜드 B

Brand B의 사례에서는 공식 사이트를 대상으로 검색을 반복했습니다. 하지만 확보된 자료에는 수집 시점이 오래된 페이지와 특정 구성 차량의 가격 예시가 포함돼 있었고, 현재 조건에서 비교할 가격 근거를 충분히 확보하지 못했습니다.

여기서 문제는 브랜드나 제품의 존재를 몰랐다는 것이 아닙니다. 비교에 필요한 정보를 찾으려 했지만, 해당 실행에서 사용할 수 있는 근거가 충분하지 않았다는 점입니다.

브랜드 입장에서는 “가격 정보는 이미 사이트에 있습니다”라고 생각할 수 있습니다. 그러나 정보가 존재하는 것과, 특정 시장·연식·트림의 비교 가능한 가격으로 확보되는 것은 다릅니다.

지식 설계도 관점에서 보면 제품과 가격, 시장, 시점, 구성 조건의 관계가 실제 검색 결과에서도 확인되는지 점검해야 합니다. 이 문제는 새로운 가이드 콘텐츠를 발행하는 것보다 기존 제품 정보의 명확성과 검색 접근성을 보완하는 일이 우선일 수 있습니다.

강점을 평가받기 전, 후보 조건에서 제외: 브랜드 T

Brand T의 모델은 세단과 리프트백의 분류가 쟁점이 됐습니다. 해당 응답에서는 이 차이를 검토했고, 최종적으로 리프트백을 추천 대상에서 제외했습니다.

성능이나 가격 대비 가치에 대한 본격적인 비교에 앞서, 요청한 제품군에 해당하는지가 문제가 된 것입니다.

이 사례는 브랜드의 강점뿐 아니라 제품이 어떤 범주에 속하고, 어떤 요청의 후보가 되는지도 중요하다는 점을 보여줍니다. 제품 설명이 충분하더라도 특정 질문에서 후보로 인정되지 않으면, 그 강점이 최종 선택에 기여하기 어렵습니다.

물론 실제 조건에 맞지 않는 제품을 억지로 추천 대상에 넣는 것이 목표는 아닙니다. 브랜드가 사용한 제품 분류, 시장에서 통용되는 분류, 해당 응답에서 적용한 조건이 어디에서 일치하거나 달라지는지 확인하는 것이 먼저입니다.

브랜드의 강점과 응답의 평가 기준 상이: 브랜드 G

Brand G의 모델 C는 검색도 되었고 후보 자격도 통과했습니다.

AI가 확보한 공식 사이트 자료는 당일 크롤링된 최신 페이지였고, "Starting MSRP $59,450", "정교하게 조율된 파워트레인과 한층 높아진 안락함", "프리미엄 마감과 혁신적인 기술" 같은 문구가 있었습니다.

문제는 AI가 '가성비'를 기본 트림에 무엇이 들어 있는가로 정의했다는 것입니다. AI의 기록에는 "모델 C 2.5T Advanced는 더 강력하지만 가격이 더 높다"는 판단과, 경쟁 모델에 대해 "더 설득력 있는 럭셔리 경험을 제공하면서 유지비도 낮다. 모델 C 같은 경쟁 모델보다 저렴하다"는 판단이 나란히 남아 있습니다. 최종 답변에는 그 경쟁 모델이 실렸습니다. "탁송료 포함 $51,095에 244마력, 복합 연비 46mpg, 14인치 터치스크린, 열선·통풍 시트… 독일 브랜드보다 상당히 저렴하다." Brand G는 '돈을 더 투자했을 때 좋아지는 차'로 읽혔고, 그 기준에서 불리했습니다. Brand G가 실제로 가성비가 나쁜 차인지는 중요하지 않습니다. AI가 정한 기준 위에서 그렇게 읽혔고, 그것이 답변이 되었습니다.

AI는 브랜드가 정의하지 않은 것을 대신 정의합니다

세 브랜드 모두 최종 추천을 받지 못했으나, 그 이유는 모두 달랐습니다.

사례해당 실행에서 드러난 문제점검할 관계
Brand B비교 가능한 현재 가격 근거 확보 부족제품 ↔ 시장·시점·트림 ↔ 가격
Brand T요청한 제품 범주의 후보 조건에서 제외제품 ↔ 제품 분류 ↔ 사용자 요청
Brand G해당 평가 기준에서 경쟁 모델보다 불리제품 속성 ↔ 사용자 가치 ↔ 비교 기준·근거

이 사례만으로 각 브랜드에 온톨로지가 없었다거나, 설계도 부재가 추천 제외의 직접 원인이라고 단정할 수는 없습니다. 다만 브랜드 정보가 선택 이유로 이어지는 과정에서 어떤 연결을 확인해야 하는지는 구체적으로 볼 수 있습니다.

노출 여부만 점검했다면 Brand G는 별다른 문제가 없는 것처럼 보였을 수 있습니다. 제품 설명의 양만 확인했다면 Brand T가 후보에서 제외된 이유를 놓쳤을 수 있습니다. 콘텐츠 발행량만 늘렸다면 Brand B의 가격 정보 문제는 그대로 남았을 수 있습니다.

추천 결과를 개선하려면 결과에 앞서 어떤 정보와 관계가 사용됐는지까지 살펴봐야 합니다.

브랜드는 ‘합리적’, ‘프리미엄’, ‘혁신적’ 같은 표현으로 자신을 설명합니다. 그러나 그 표현 자체가 선택의 근거가 되지는 않습니다. 누구에게, 어떤 상황에서, 어떤 기준으로 그렇게 평가할 수 있는지를 설명해야 합니다.

온톨로지 관점의 GEO는 이 연결을 설계하는 일입니다. 제품의 사실을 정리하고, 사실이 뒷받침하는 판단을 정의하고, 그 판단이 의미를 갖는 사용자와 상황을 연결합니다. 그리고 이를 공식 정보와 외부 근거에서 확인할 수 있도록 준비합니다. 그 과정에서 콘텐츠도 역할이 명확해집니다. 각각의 콘텐츠가 어떤 사실을 제공하고, 어떤 관계를 설명하며, 어떤 판단을 뒷받침해야 하는지가 분명해지기 때문입니다.

마치며

1편에서 GEO의 승부는 콘텐츠의 형식이 아니라 지식 모델링에서 갈린다고 했습니다. 이번 글은 그 지식 모델링이 구체적으로 무엇인지를 보여드리려 했습니다. 사실을 판단으로, 판단을 인식으로 잇는 네 층의 설계도이고, 각 연결이 어떤 조건에서 성립하는지를 근거로 설명할 수 있는 구조입니다.

이 설계도는 AI가 답을 만드는 과정의 재료가 됩니다. 브랜드가 그 재료를 미리 정리해 두지 않으면, AI는 검색으로 확보한 정보와 자기 기준으로 그 자리를 채웁니다. 자동차 브랜드의 사례가 보여준 것은 바로 그 과정이었습니다. 추천 결과만 보면 알 수 없고, 어떤 정보와 관계가 사용됐는지를 봐야 드러나는 문제입니다.

그렇다면 이 설계도를 실제로 어떻게 그려야 할까요? 다음 3편에서는 "우리는 무엇으로 인식되고 싶은가"에서 시작해 "AI는 실제로 우리를 그렇게 이해하는가"까지, 설계도를 그리는 3 STEP과 Brand Knowledge Map 5Q 프레임워크를 다루겠습니다.

참고 자료

  • ChatGPT 추천 과정 분석: 아티언스 자체 실험 (2026, 브랜드명 익명 처리)
  • 세단 설계도 예시는 설명을 위한 가상 사례