AI가 추천하면 정말 팔릴까? GEO 성공 사례의 숫자를 뜯어봤습니다

먼저, 매출이 늘었다는 사례부터 보겠습니다

Search OS는 2026년 9월 공개한 글로벌 이커머스 사례에서 ChatGPT 유입 일평균 매출이 적용 전보다 약 3.5배가 됐다고 밝혔습니다. 단순 노출 횟수가 아니라 GA4로 집계한 매출을 보고했다는 점에서 눈여겨볼 만합니다.

Search OS가 공개한 ‘ChatGPT 유입 일평균 매출’ 비교

Search OS 공개 그래프. ChatGPT 유입 일평균 매출이 적용 전 대비 약 3.5배이며 절대 매출액은 표시하지 않았습니다.

단, 이름을 정확히 읽어야 합니다. ‘회사 전체 매출’이 아니라 ‘ChatGPT 유입 일평균 매출’입니다. 3.5배가 구매 전환율을 뜻하는 것도 아닙니다. 해외 매출 비중이 큰 회사의 사례이고, 기술 개선과 콘텐츠 발행이 함께 진행됐다는 조건도 붙습니다.

여기까지가 이 숫자로 말할 수 있는 범위입니다. AI를 통해 들어온 고객의 구매를 측정할 가치가 있다는 근거는 됩니다. 반면 ‘GEO에 투자하면 전체 매출이 3.5배가 된다’는 약속으로 바꿀 수는 없습니다. 우리 회사의 제품과 시장이 다르다면 더 그렇습니다.

같은 3.5배라도, 투자 판단은 정반대일 수 있습니다

가상의 두 회사를 비교해 보겠습니다. 한 곳은 하루 1만 원이던 매출이 3만 5천 원이 됐고, 다른 곳은 100만 원이 350만 원이 됐습니다. 둘 다 3.5배지만 늘어난 매출의 규모는 전혀 다릅니다. 실제 사례의 매출을 추정한 것이 아니라, 배수만 볼 때 생기는 차이를 설명하는 계산입니다.

배수는 같아도, 늘어난 매출은 다릅니다

각 기준값을 1로 놓은 두 그래프. 1만 원에서 3.5만 원은 2.5만 원 증가, 100만 원에서 350만 원은 250만 원 증가입니다. 모두 가상 수치이며 두 그래프의 금액 축이 다릅니다.

여기에 상품 마진과 취소·반품, 콘텐츠 제작비, 개발비, 운영비를 넣으면 판단은 또 달라집니다. 매출이 늘었다는 사실과 투자한 비용을 회수했다는 결론 사이에는 아직 계산할 것이 남아 있습니다.

추가 매출에서 실제로 남는 금액까지

가상 계산: 추가 매출 100만 원에 상품 마진율 50%를 적용하고 실행 비용 30만 원을 빼면 단순 잔액은 20만 원입니다. 상품 원가 50, 실행비 30, 잔액 20을 비례 막대로 표시했습니다.

Search OS의 공개 매출 그래프에는 절대 금액이나 주문 건수가 표시돼 있지 않습니다. 고객사의 원자료도 제공받지 않았습니다. 따라서 이 글에서 투자수익률을 계산하거나, 기존 고객의 재구매와 신규 구매를 나눠 평가할 수는 없습니다. 공개되지 않았다는 것이 성과가 없다는 뜻은 아닙니다. 구매자가 추가로 물어볼 정보라는 뜻입니다.

제안서를 받을 때는 ‘몇 배가 됐나요?’에 이어 ‘비교 기간과 실제 구매 건수도 볼 수 있나요?’를 물어보세요. 공개가 어렵다면 비식별 자료나 집계 기준 설명을 요청할 수 있습니다. 계약을 결정하는 데 필요한 정보와 공개 홍보 글에 담기는 정보는 같지 않습니다.

국내 서비스 사례에서는, 사람들이 들어와 무엇을 했는지도 봤습니다

비즈스프링은 자사 웹사이트 트렌드 분석 서비스인 인터넷트렌드의 GEO 개선 사례를 공개했습니다. 후속 글에서는 AI 답변 내 서비스 언급률이 33% 증가했고, 서비스가 등장할 때 공식 정보가 주요 근거로 쓰인 비율이 25%라고 설명합니다.

인터넷트렌드 사례에서 공개한 답변 관련 지표

비즈스프링이 공개한 인터넷트렌드 GEO 성과 도표. 서비스 언급률 33% 향상과 공식 정보 반영도 25%를 제시합니다.

이 숫자를 소비자 인지도가 33%포인트 올랐다고 읽으면 의미가 달라집니다. 여기서 관찰한 것은 AI가 작성한 답변이지 소비자 대상 인지도 설문이 아닙니다. 25% 역시 매출 증가율이 아니라 공식 정보 반영에 관한 지표입니다.

원래 사례 글에는 방문 이후 행동도 나옵니다. 리포트 활용률을 AI 유입 31%, 일반 유입 11%로 제시했습니다. 언급에 그치지 않고 서비스 이용을 살폈다는 점은 의미가 있습니다. 다만 활용률이 곧 유료 구매율은 아닙니다.

리포트 활용률: AI 유입 31%, 일반 유입 11%

비즈스프링 공개 그래프의 리포트 활용률 비교. AI 유입 31%, 일반 유입 11%이며 구매 전환율이 아닙니다.

이 차이를 투자 판단에 쓰려면 각 집단의 방문자 수와 집계 기간, ‘활용’의 정의를 더 확인해야 합니다. AI를 거쳐 온 사람이 처음부터 서비스를 적극적으로 찾던 고객이었을 가능성도 있습니다. 경로별 차이가 관찰됐다는 사실만으로 GEO가 이용률 차이 전부를 만들었다고 결론낼 수는 없습니다.

‘AI 성과’라는 한 칸에 넣기에는 서로 다른 숫자입니다

두 사례를 나란히 놓으면 성과 보고에서 빠뜨리기 쉬운 구분이 보입니다. AI가 이름을 언급한 것, 링크를 따라 방문한 것, 서비스를 사용한 것, 결제한 것은 각각 다른 행동입니다. 앞 단계가 좋아졌다고 뒤 단계가 자동으로 따라오는 것은 아닙니다.

‘언급됐다’에서 ‘팔렸다’까지, 각각 확인할 것

언급·인용, 방문·이용, 문의·구매, 추가 수익을 네 영역으로 구분한 성과 지도. 지표 분류도이며 비율을 가정한 전환 퍼널이 아닙니다.

그렇다고 매출 이외의 숫자를 버릴 이유도 없습니다. 제품 설명이 엉뚱하게 나왔다면 먼저 정확성을 고치는 것이 맞습니다. 브랜드가 후보에서 빠졌다면 언급을 살펴볼 이유가 있습니다. 다만 그 일을 ‘매출 개선’이라고 보고하지 않으면 됩니다.

같은 사례에서도 검색 노출, ChatGPT 유입, 매출의 숫자는 다릅니다

Search OS 원본 그래프. Google 검색 노출 약 2배, ChatGPT 유입 약 2.7배를 제시하며 하단에 실제 배수 1.81배와 2.74배를 명시합니다. 앞서 소개한 매출 3.5배와 서로 다른 지표입니다.

Search OS가 같은 사례에서 공개한 위 그래프도 구분해서 읽어야 합니다. Google 검색 노출과 ChatGPT 유입을 보여주는 자료로, 앞서 본 매출 그래프와는 집계 대상이 다릅니다. 노출·유입·매출의 배수가 다르다는 이유만으로 이상한 결과가 되는 것은 아닙니다. 각각 무엇을 세었는지 먼저 확인해야 합니다.

기업용 솔루션이라면 결제 전에 상담, 적합한 고객인지 확인하는 과정, 제안과 계약 검토가 있을 것입니다. 이때 단순 문의 수보다 유효 상담 수와 실제 영업 기회가 생겼는지를 먼저 보는 편이 도움이 됩니다. 최종 목표는 계약이되, 중간에 무엇이 나아져야 하는지도 정하는 것입니다.

유입 매출과, GEO 덕분에 새로 생긴 매출도 다릅니다

‘ChatGPT를 통해 들어와 산 고객’과 ‘ChatGPT가 아니었으면 사지 않았을 고객’은 같지 않을 수 있습니다. 이미 브랜드를 알고 있던 사람이 마지막으로 AI에서 링크를 찾아 방문했을 수도 있습니다. 반대로 AI에서 처음 알게 됐지만 며칠 뒤 회사 이름을 검색해 들어왔다면 다른 경로로 기록될 수도 있습니다.

이는 특정 분석 도구의 잘못이라기보다, 여러 접점을 거치는 구매를 하나의 유입 경로만으로 설명할 때 생기는 한계입니다. 보고서에 잡힌 경로별 매출은 중요한 단서지만, 그 채널이 없었다면 사라졌을 매출과는 구분해야 합니다.

마지막에 누른 링크가, 처음 알게 된 곳은 아닐 수 있습니다

알고 있던 브랜드를 AI에서 재검색한 경로와 AI에서 처음 발견한 뒤 네이버로 재방문한 경로를 비교합니다. 마지막 클릭과 구매 계기는 다를 수 있습니다.

실무에서는 먼저 비교 기간을 맞추고, 동시에 진행한 할인·광고·상품 변경을 기록해 두세요. 여건이 된다면 일부 상품군이나 페이지에 먼저 적용하고 비슷한 비교 대상과 변화를 살필 수 있습니다. 이 방식 역시 대상의 차이나 계절성을 완전히 없애지는 못하므로, 실험 설계와 해석을 함께 검토해야 합니다.

상담 때 고객이 처음 알게 된 경로와 최종 결정에 도움을 준 자료를 짧게 물어보는 것도 보완책입니다. 응답자의 기억은 정확하지 않을 수 있지만, 웹 분석에 보이지 않는 경로를 이해하는 데 단서가 됩니다. 개인정보는 필요한 범위에서만 다뤄야 합니다.

그럼 우리 회사는 어떤 조건으로 시작하면 될까요?

성공 사례의 배수를 목표로 가져오기보다, 고객이 구매 전에 묻는 질문과 현재 빠진 답부터 정해 보세요. 예를 들어 ‘기존 시스템에서 데이터를 옮길 수 있는가’가 계약을 막는 질문이라면, 이전 범위와 제한을 설명하는 공식 페이지가 첫 작업이 될 수 있습니다.

작업 전에는 같은 질문에서 어떤 답변이 나오는지, 관련 페이지에 얼마나 방문하는지, 상담에서 무엇을 다시 묻는지 기록합니다. 작업 후에는 설명이 정확해졌는지와 유효한 문의가 늘었는지를 나눠 봅니다. 구매 주기가 긴 상품은 계약 결과를 확인할 시점도 별도로 잡아야 합니다.

작성 예시 / 다음 투자를 위한 기록

성과가 기대에 못 미치면, 어디를 고칠 수 있나요?

1. 01
   노출제품 설명이 여전히 틀림

   공식 정보와 답변의 출처를 대조합니다.

2. 02
   방문방문했지만 문의하지 않음

   고객의 목적, 비교 자료와 신청 과정을 살펴봅니다.

3. 03
   상담문의는 늘었지만 계약이 없음

   고객 적합성, 제안 조건과 구매 주기를 확인합니다.

이렇게 범위를 정하면 보고서가 ‘언급률 상승’에서 멈추지 않습니다. 노출은 늘었는데 상담이 없다면 도착 페이지를, 상담은 늘었는데 계약이 없다면 고객 적합성과 제안 내용을 살펴볼 수 있습니다. 다음에 고칠 곳을 알 수 있어야 측정에 쓴 비용도 의미가 있습니다.

AI 답변만 볼 것인지, 고객이 이후 확인하는 네이버와 홈페이지, 외부 후기, 상담까지 볼 것인지도 중요한 선택입니다. HDRN이 BEO로 범위를 넓혀 보는 이유는 고객의 결정이 답변 한 번으로 끝나지 않을 수 있기 때문입니다. 각 접점에서 부족한 설명과 구매의 불편을 찾아 실제로 고치는 데 목적이 있습니다.

사례는 가능성을 보여줍니다. 우리 회사의 답은 따로 확인해야 합니다

공개 자료를 읽고 내릴 수 있는 결론은 ‘GEO는 전부 허상’도, ‘AI가 추천하면 매출이 보장된다’도 아닙니다. 언급에서 서비스 이용과 구매까지 살펴본 사례가 있고, 그 결과를 이해하려면 지표의 이름과 적용 조건을 함께 읽어야 한다는 것입니다.

좋은 제안이라면 무엇을 바꾸고 어떤 고객 행동을 기대하는지 설명할 수 있어야 합니다. 아직 확인하지 못한 부분도 분명히 말할 수 있어야 합니다. 업계 전체의 정답처럼 보이는 큰 숫자보다 우리 제품에 맞는 작은 검증이 다음 예산을 결정하는 데 더 유용할 수 있습니다.

다음에 GEO 성공 사례를 보게 된다면 제목의 배수를 먼저 기억하지 마세요. 그 숫자가 무엇을 센 것인지, 우리 고객에게도 같은 조건이 있는지부터 물어보세요. 그래야 남의 성공담을 우리 회사의 투자 판단으로 바꿀 수 있습니다.