Day 29. 첫 기준선 데이터 읽기

숫자가 낮은 것과 숫자를 측정하지 못하는 것은 전혀 다른 문제입니다.

실무자가 알아야 할 이론적 배경

언급·추천·인용·방문은 서로 다른 사건입니다

개념. 언급은 브랜드명이 답에 등장한 것, 추천은 선택지로 제시된 것, 인용은 출처 링크가 표시된 것, 방문은 사용자가 실제 링크를 통해 사이트에 온 것입니다.

작동 원리. AI 답변은 브랜드를 학습 기억에서 언급하거나, 외부 문서를 인용하거나, 링크 없이 추천할 수 있습니다. 이 사건들은 데이터 원본과 의미가 다릅니다.

왜 중요한가. 브랜드 언급을 자사몰 인용으로 세면 어떤 문서가 근거가 되었는지 알 수 없습니다. 지표를 분리해야 사실 오류와 콘텐츠 빈칸을 찾을 수 있어요.

오늘의 실무 해석. 관찰표에 네 사건을 별도 열로 둡니다. 출처 URL이 있으면 그 페이지가 어떤 문장을 실제로 지지하는지도 확인하세요.

이 설명의 근거: 측정과 실험 정본 · 정본 근거 ID: 04 KPI 계층

실제 사례에서는 어떻게 보였을까요?

Semrush · 링크와 브랜드 언급은 같은 지표가 아니었어요

수치가 공개된 사례. 14개국, 검색어 115개, AI 검색 네 종류에서 도메인 표시 3,981건을 언급과 인용으로 분리했습니다.

공개된 관찰. 출처 링크는 있지만 브랜드명이 답에 나오지 않는 고스트 인용이 61.7%로 분류됐고, 인용 없이 브랜드명만 언급된 경우도 별도로 관찰됐습니다.

그대로 일반화하면 안 되는 이유. Semrush 도구와 제한된 검색어 표본의 자체 연구입니다. 61.7%를 우리 브랜드 예상 비율로 사용하지 않고 지표 분리 원칙만 가져옵니다.

출처: Semrush · Ghost Citations Study · 자료 성격: 🟡 SEO 벤더 연구

Ahrefs Brand Radar · AI 답변의 언급과 출처를 별도 데이터로 봅니다

공식 화면 관찰. Ahrefs 공식 제품은 AI 답변의 브랜드 언급, 경쟁사 비교, 인용 출처와 custom prompt 추적을 별도 기능으로 제공합니다.

공개된 관찰. 현재 공식 페이지 기준 ChatGPT·AI Overviews·AI Mode·Gemini·Perplexity·Copilot 등 플랫폼별 데이터와 자체 질문 추적을 구분합니다.

그대로 일반화하면 안 되는 이유. Ahrefs가 보유한 prompt 데이터베이스와 수집 방식의 결과이며 전체 사용자 질문을 대표하지 않습니다. GSC·GA4의 실제 자사 데이터와 합산하지 않습니다.

출처: Ahrefs Brand Radar 공식 페이지 · 자료 성격: ⚪ 유료 도구 공식 기능

오늘 이 사례에서 가져갈 판단 기준. 브랜드 언급, 추천, 출처 URL, 사이트 방문을 네 개의 별도 사건으로 측정합니다.

오늘의 근거를 2분만 같이 볼게요

근거 한 줄. 0은 미색인, 미인용, 방문 없음, 측정 누락 중 무엇인지 먼저 구분해야 합니다.

여기까지가 근거예요. 서로 다른 원인의 0을 하나의 GEO 실패로 묶지 않습니다.

글로벌 사례	국내 사례
Google·Bing — 색인 상태와 검색 성과를 분리	자사몰 분석 — 국내 referral과 주문 행동을 별도 확인

오늘 우리 사이트에 적용할 한 가지. 첫 기준선의 0마다 원인 후보와 다음 확인 도구를 붙입니다.

출처: 측정과 실험 정본 · 정본 근거 ID: 04 KPI 계층

오늘은 이것부터 같이 해볼게요

오늘은 숫자에 점수를 매기지 않고, 무엇을 알 수 있고 모르는지 같이 읽어볼게요.

왜 이런 일이 생길까요?

대시보드를 열었는데 세션이나 구매가 0이면 콘텐츠가 실패한 걸까요? 먼저 그 0이 실제 결과인지, 아직 색인되지 않았는지, 데이터가 빠진 건지부터 봐야 해요.

오늘은 지난 2~4주의 값을 채우되 성급한 결론을 내리지 않을게요. 숫자 옆에 표본과 광고·할인·시즌 조건을 함께 적으며, 이 숫자로 말할 수 없는 것까지 읽는 연습을 해봐요.

먼저 네 가지 상태를 눈으로 구분해볼게요

모두 숫자가 낮아 보일 수 있지만 해결 방법은 달라요. 미색인은 기술 상태를 보고, 미인용은 답변과 근거를 보고, 측정 누락은 데이터 수집부터 고쳐야 합니다.

기준선을 읽을 때도 네 층을 한꺼번에 평가하지 않아요. 어느 층까지 확인됐고 어디부터 모르는지 표시하면 다음 행동이 선명해집니다.

불티가 먼저 짚어드릴게요

• 짧은 기간의 숫자는 방향 후보일 뿐 증거가 아닙니다. 주간 세션이 수십 건 수준이면 우연만으로도 두 배·절반이 나옵니다. “늘었다/줄었다” 대신 “이 표본 크기에서는 판단 보류”라고 쓸 수 있는 것이 실력입니다.
• 숫자 옆에 반드시 적을 네 가지 조건: 표본 크기(세션·주문 수) / 같은 기간의 가격·할인 변화 / 광고 집행 여부와 규모 / 시즌·이벤트 요인. Day 21 change log와 Day 28 제외 조건이 여기서 처음으로 일해요.
• 좋은 해석 문장의 형태: “가이드 발행(8/14) 이후 2주간 랜딩 세션 120→180. 단, 같은 기간 광고비 30% 증액. 콘텐츠 효과로 단정 불가, Day 31 실험에서 광고 변수 고정 후 재관찰.” — 숫자, 동시 변경, 판단 보류, 다음 행동이 한 문장 묶음에 다 있어요.

0을 만나면 먼저 네 가지 중 하나를 골라볼게요

상태	의미	다음 행동
미색인	검색 시스템이 페이지를 아직 색인하지 않음	접근·canonical·수집 상태 점검
색인됐지만 미인용	검색에는 들어갔지만 확인한 AI 답변의 출처가 아님	답변·근거·내부 연결 보완
인용됐지만 방문 없음	출처는 됐지만 식별 가능한 클릭이 없음	답변 맥락·제목·랜딩 경험 확인
측정 누락	데이터가 0인지조차 판단할 수 없음	Day 26 수정 요청으로 이동

미인용은 영구적인 실패 판정이 아닙니다. 확인한 질문·서비스·시점에서 인용되지 않았다는 관찰입니다.

서로 다른 도구의 숫자를 억지로 더하지 말아요

• Google Search Console: 검색어·페이지·노출·클릭·색인
• Naver Search Advisor: Naver의 수집·검색 상태
• Bing Webmaster Tools: Bing 검색과 제공되는 AI 인용 데이터
• GA4: 식별 가능한 유입과 사이트 내 행동
• 수동 AI 질문 기록: 브랜드 언급·설명·출처 URL

질문	URL	Google/Naver 발견	AI 언급	출처 URL	식별 방문	구매 행동	상태 분류	다음 행동
[질문]	[URL]	[상태]	[상태]	[URL/없음]	[값]	[값]	[4가지 중 하나]	[할 일]

이제 우리 사이트에서 같이 해볼까요?

1. 대시보드에 지난 2~4주 값을 주 단위로 채워볼게요.
2. 각 주 옆에 Day 21 change log의 변경 사항을 붙여요.
3. 눈에 띄는 변화 하나를 고르고, 숫자·동시 변경·판단 보류·다음 행동을 한 문장에 적어보세요.
4. 마지막으로 “이 데이터만으로는 말할 수 없는 것”을 세 개 남겨요.

오늘은 여기까지 실제로 발행해볼게요

기준선에서 색인됐지만 미인용 또는 인용됐지만 방문 없음으로 분류된 URL 두 곳을 골라 답변·출처·내부 링크 중 가장 약한 블록을 보완해요.

여기서 막히면 먼저 이것만 확인해보세요

숫자가 이상해 보이면(매출 0, 세션 폭증 등) 혼자 원인을 찾지 말고 “이 값이 맞는 값인지”를 데이터 소유자에게 확인해요. 이상값의 절반은 측정 문제지 현실 문제가 아닙니다.

여기까지 했다면, 오늘은 충분해요

• 지난 2~4주 값을 대시보드에 채웠다.
• 숫자 옆에 네 가지 조건을 적었다.
• 해석 문장 1개와 “말할 수 없는 것” 3개를 남겼다.
• 관찰 결과를 네 가지 상태로 분류했다.
• URL 두 곳의 약한 블록을 보완했다.

여기까지 했다면 낮은 숫자에 바로 실망하거나 높은 숫자에 바로 성공 딱지를 붙이지 않아도 돼요. 데이터의 빈칸과 콘텐츠의 빈칸을 구분할 수 있게 됐습니다.

오늘 우리 브랜드에 남는 것

Day 29 · 퍼널 기준선 수치 · 해석 문장 1개 · 해석 제한 메모

그래도 막힌다면 이렇게 남겨두세요

채울 수 있는 값이 절반뿐이어도 그대로 진행해요. 접근 불가·측정 수리 중이 적힌 기준선도 기준선입니다 — 무엇이 빠졌는지 아는 상태로 Day 30에 갑니다.

내일은 이런 게 궁금해질 거예요

이제 첫 기준선이 생겼어요. 내일은 Day 1의 답변을 다시 꺼내, 무엇이 달라졌고 다음에는 무엇 하나만 바꿀지 같이 정해볼게요.