같은 AI, 다른 운명 — 5개 업종 AI 추천 노출 격차 실측 #01

같은 AI에게 똑같이 물었는데, 어떤 업종은 답변에 등장하고 어떤 업종은 나타나지 않습니다. 5개 업종을 같은 잣대로 직접 재봤더니, 가장 잘 보이는 업종(치킨 프랜차이즈)과 가장 안 보이는 업종(치과)의 점수가 약 2.7배 차이 났습니다.

광고를 더 쓴다고 메워지는 격차가 아닙니다. AI가 "무엇을 보고 답하는가"가 업종마다 다르기 때문입니다.

1. 왜 지금 'AI 추천 노출'을 봐야 하나

요즘 사람들은 "OO 잘하는 곳 추천해줘"를 검색창이 아니라 AI에게 묻습니다. 그리고 AI가 답에 누구를 언급하느냐가, 점점 더 첫인상과 후보군을 결정합니다.

문제는 이것입니다 — 우리 회사가 그 답변에 등장하고 있는지, 대부분의 기업은 모릅니다. 광고 노출이나 검색 순위는 매일 보면서도, "AI가 우리를 추천하는가"는 재본 적이 없습니다.

그래서 직접 재봤습니다. 업종이 다르면 결과가 다를 거라는 가설을 가지고, 5개 업종을 같은 방식으로 측정했습니다.

2. 측정 방식

항목	내용
측정 대상	5개 업종 (치과·성형·치킨 프랜차이즈·이너뷰티·B2B SaaS), 각 업종 1개 브랜드
측정 도구	대표적인 AI 답변 서비스 + 네이버 (실측 기반)
질문 수	업종마다 36개 질문 (소개·일반·비교·추천 상황을 고루 섞음)
점수 기준	브랜드가 자기 이름을 직접 검색한 경우는 점수에서 제외 (자화자찬 방지)
측정 시점	2026년 5월 말

한계점: 이번 1호는 업종당 1개 브랜드만 본 파일럿(작은 표본, N=5)입니다. 같은 방식을 전국 다수 브랜드로 키운 2호에서 전국 실태로 확장할 예정입니다. AI 답변은 질문과 시점에 따라 달라질 수 있습니다.

3. 5개 업종, 한눈에 보는 격차

네 가지를 봤습니다.

• 총점 — AI 노출 종합 점수 (높을수록 잘 보임)
• 언급률 — 질문에 답할 때 브랜드 이름이 등장한 비율
• 추천 점유 — 경쟁사들과 함께 거론될 때 차지하는 비중
• 추천 노출 — "추천해줘" 상황에서 실제로 추천된 정도

업종 (익명)	총점	언급률	추천 점유	추천 노출
외식 프랜차이즈 (치킨 C)	38.5	30.6	23.9	32.2
성형 (성형 B)	38.0	11.1	44.4	13.9
B2B SaaS (SaaS E)	35.0	13.9	23.8	26.4
이너뷰티 (이너뷰티 D)	24.6	5.6	11.8	15.8
치과 (치과 A)	14.3	0.0	0.0	4.7

가장 높은 치킨(38.5)과 가장 낮은 치과(14.3)는 약 2.7배 차이. 같은 도구, 같은 질문 수, 같은 점수 기준으로 쟀는데도 운명이 갈렸습니다.

4. 발견 1 — "AI가 안다"와 "AI가 추천한다"는 다른 문제다

치과 사례가 가장 뚜렷하게 나타납니다.

치과는 자기 소개를 묻는 질문에는 AI가 답을 했습니다. 즉 존재 자체는 압니다. 그런데 "추천해줘" 상황에서의 추천 점유는 0.0, 언급률도 0.0이었습니다. 한마디로 — AI는 그 치과를 알지만, 누군가에게 추천하지는 않습니다.

많은 기업이 "AI에 우리 이름이 나오니 괜찮다"고 안심합니다. 하지만 고객이 실제로 영향을 받는 순간은 "어디가 좋아?"라고 물을 때입니다. 그 순간 등장하지 못하면, 알려져 있어도 선택지에서 빠집니다.

5. 발견 2 — 추천을 잘 받는 업종에는 공통점이 있다

치킨 프랜차이즈는 추천 노출 32.2로 5개 중 가장 높았습니다. 외식은 AI가 비교하고 추천하는 활동이 활발한 영역입니다. 후기·메뉴·가격·매장 정보가 웹 곳곳에 풍부하게 쌓여 있어, AI가 답을 구성할 재료가 많습니다.

반대로 치과는 그런 외부 신호가 얇습니다. 격차의 뿌리는 광고비가 아니라 "AI가 참고할 재료가 얼마나 쌓여 있는가"에 가깝습니다.

6. 발견 3 — 점수가 높아도 약점은 제각각이다

성형 사례는 단일 점수로 보면 안 되는 이유를 보여줍니다.

성형은 추천 점유가 44.4로 5개 중 최고였습니다. 그런데 추천 노출은 13.9로 낮은 편이었습니다. 풀어보면 — 경쟁사와 함께 거론될 때의 존재감은 크지만, 정작 "추천해줘" 상황에서 직접 호명되는 빈도는 낮습니다.

즉 업종마다 막힌 지점이 다릅니다. 어떤 곳은 아예 안 보이는 게 문제고(치과), 어떤 곳은 보이긴 하는데 결정적 순간에 덜 불립니다(성형). 하나의 종합 점수만 보면 진짜 약점을 놓칩니다.

7. 왜 이런 격차가 생기나

AI가 답을 만드는 과정은 크게 두 단계입니다. 격차도 이 두 곳에서 갈립니다.

(1) 출력측 — AI가 참고할 "외부 재료"가 충분한가. AI는 웹에 쌓인 정보를 근거로 답합니다. 후기·기사·비교글·전문 콘텐츠가 풍부한 업종(외식)은 답을 짜기 쉽고, 얇은 업종(치과)은 등장 기회가 적습니다. 점수가 낮은 업종일수록 "외부에서 나를 언급해주는 신호"가 부족한 경향이 이번 5종에서 관찰됐습니다.

(2) 입력측 — AI가 우리 홈페이지를 "읽을 수" 있는가. 간과되는 쪽입니다. AI가 정보를 가져가려 해도, 홈페이지가 기술적으로 읽히지 않으면 재료로 쓰이지 못합니다. 핵심 내용이 이미지에만 있거나, AI 접근을 막아두었거나, 구조가 정리되지 않은 경우입니다. "좋은 내용이 있는데 AI가 못 읽는" 상황은 격차의 숨은 원인일 수 있습니다. (입력측이 격차에 미치는 영향의 정량 분석은 2호에서 다룹니다.)

정리하면 — 밖에서 나를 말해주는 신호(출력측)와 AI가 내 사이트를 읽을 수 있는가(입력측), 이 두 축이 업종별 운명을 가릅니다.

8. 한 가지 더 — AI는 틀린 정보를 만들어내기도 한다

측정 중, AI가 한 브랜드의 운영 주체·설립 정보를 "알려진 바로는…" 식으로 추정해서 서술하는 사례가 있었습니다. 사실과 다르면 그대로 고객에게 잘못된 첫인상을 줄 수 있습니다.

AI 답변에 등장하느냐만큼 중요한 것이, 등장할 때 정확하게 소개되느냐입니다. (특정 브랜드가 식별되지 않도록 사례는 익명 처리)

9. 업종별로, 무엇부터 봐야 하나

업종	이번 결과 한 줄	먼저 점검할 것
치과·의료	알려져 있어도 추천에선 빠짐	추천 상황에서의 등장 여부 — 외부 신호가 너무 얇지 않은지
외식 프랜차이즈	비교적 잘 보임	등장할 때 정보가 정확한지, 경쟁사 대비 어떤 맥락으로 불리는지
성형·미용	존재감은 큰데 직접 추천은 약함	"추천해줘" 상황에서 호명되도록 하는 신호
이너뷰티·소비재	중간, 언급 자체가 적음	그 전에 "이름이 등장하는가"부터
B2B SaaS	균형은 있으나 절대 노출은 보강 여지	비교·추천 질문에서의 위치

공통 원칙: 자기 업종에서 AI가 실제로 어떻게 답하는지부터 확인하는 것이 출발점입니다. 추측이 아니라 측정입니다.

10. 그래서, 우리 업종은 어떨까?

이 5개 업종처럼, 당신의 업종에서 AI가 당신을 추천하는지 직접 확인할 수 있습니다. 어느 AI가 우리를 언급하는지, 추천 상황에서 등장하는지, 어디가 막혔는지를 같은 방식으로 측정해 보여드립니다.

우리 회사 AI 노출 무료로 진단해보기 →

---

다음 편 예고 (#02)

• 같은 측정을 전국 다수 브랜드로 확장하면 업종 순위가 그대로일까?
• AI가 홈페이지를 읽지 못하는 사이트는 얼마나 될까? (입력측 정량 분석)

---

방법론 요약 — 표본: 5개 업종 × 각 1개 브랜드(N=5, 파일럿) / 질문: 업종당 36개(소개·일반·비교·추천 혼합) / 점수 기준: 브랜드 자기검색은 추천 점유 산정에서 제외 / 측정 시점: 2026년 5월 말 / 한계: 업종당 1개 브랜드 표본, 전국 실태로 일반화하지 않음, AI 답변은 질문·시점에 따라 변동 가능.

AI-VIEW 데이터 스터디 #01 · 2026년 5월 말 실측 · 모든 사례 익명 처리