AI가 자주 추천하는 업체도 질문 표현을 바꾸면 답변에서 빠졌습니다. 인트릭스 연구소가 2026-09-25 기준으로 측정한 결과, 의도별 최다 추천 업체로 추린 18곳은 모두 어떤 표현에서는 5번 중 한 번도 나오지 않았습니다. 같은 의도의 질문이라도 어떤 문장을 골랐느냐에 따라 업체 등장률이 달라졌다는 뜻입니다.
실제 검색 표현 30개로 물었다
조사 대상은 GEO 대행사, 병원 마케팅 대행사, 부산 광고대행사를 찾는 의도 3개입니다. 의도마다 네이버 검색광고 키워드와 구글 자동완성, 네이버 지식iN 질문 원문에서 표현 10개를 골랐습니다. 한국어 표현 30개를 모델 2종에 각각 5번씩 물었고, 판정 규칙은 답변을 모으기 전에 정해 두었습니다.
비교한 것은 답변에 나온 추천 업체 목록이 얼마나 겹치는지입니다. 같은 문장을 되풀이한 답변끼리의 겹침과, 표현을 바꾼 답변끼리의 겹침을 따로 쟀습니다. 겹침은 0에서 1 사이 값인 자카드 유사도로 계산했고, 앞의 값에서 뒤의 값을 뺀 차이를 표현 효과로 정했습니다.
모델 A는 세 의도 모두에서 미리 정한 기준을 넘어 표현 효과가 있다고 판정됐습니다. 모델 B는 한 의도에서만 기준을 넘어 판정을 보류했습니다. 모델 B의 병원 마케팅 질문은 같은 문장을 되풀이해도 목록 겹침이 0.063에 그쳐, 표현을 바꾼 영향을 따로 가르기 어려웠습니다.
업체마다 빠지는 표현이 달랐다
연구소는 의도마다 가장 많이 추천된 업체를 모델별로 3곳씩, 모두 18곳을 추렸습니다. 이 18곳은 모두 어떤 표현에서는 5번 중 0번 나왔습니다. 모델 A에서 추린 9곳은 다른 어떤 표현에서는 5번 모두 나왔습니다. 한 질문에서 18곳이 한꺼번에 빠진 것은 아닙니다. 업체마다 빠지는 표현이 따로 있었습니다.
그래서 문장 하나로 잰 등장률은 그 문장의 결과로 읽어야 합니다. 모델 A에서는 같은 업체의 등장률이 어떤 문장을 고르느냐에 따라 0%도 되고 100%도 됐습니다. 같은 문장을 여러 번 물으면 그 문장 안의 흔들림은 줄어들지만, 다른 표현으로 묻는 사용자까지 대표하지는 못합니다.
표현이 다르면 검색어도 달라졌다
차이는 AI가 실제로 쓴 검색어에서도 나타났습니다. 검색어 겹침으로 잰 표현 효과는 모델 B가 0.08~0.20, 모델 A가 0.05~0.18이었습니다. 사용자가 다르게 물어도 AI가 비슷한 검색어로 바꿔 검색할 것이라는 가정은 이번 조사에서 대체로 맞지 않았습니다.
모델 B는 키워드형 질문의 72%에서만 검색했고, 문장형 질문은 100% 검색했습니다. 답변 길이도 키워드형이 992자, 문장형이 1,812자로 차이가 컸습니다. 짧은 키워드로 물으면 검색 없이 답하는 경우가 늘고, 답도 짧아졌습니다.
이 사이트가 보는 지점
AI 추천 등장률을 인용할 때는 숫자와 함께 어떤 표현 묶음에서 나온 값인지 밝혀야 합니다. 표현 구성이 다른 두 측정값을 나란히 놓으면, 질문을 바꾼 영향이 업체 노출의 변화처럼 보입니다. 검색 수행 여부와 AI가 실제로 쓴 검색어를 같이 남겨 두면, 업체가 답변에서 빠진 이유를 따질 근거도 생깁니다. 다만 이번에 잰 것은 추천 목록에 이름이 나왔는지이며, 웹페이지 인용률이나 방문 성과와는 다른 지표입니다.
이 조사는 누가 했나
이번 조사는 인트릭스 연구소가 설계하고 측정했습니다. 측정 방식과 전체 결과는 인트릭스 연구소 원문에 있습니다.
결과는 2026-09-25 한 시점에 모은 업체 추천형 의도 3개, 한국어 표현 30개, 모델 2종의 API 답변에 한정됩니다. 소비자 앱 화면이나 다른 업종으로 넓혀 읽을 수 없습니다. 표현을 실제 수요 데이터에서 고르다 보니 GEO 대행사 의도는 키워드형 7개, 문장형 3개로 치우쳤습니다.
