5개 AI 모델이 로컬 비즈니스를 선택하는 방식
로컬 마케팅 플랫폼 우버올(Uberall)이 미국 주요 도시 3,793개 로케이션에서 발생한 12만 건 이상의 AI 멘션을 분석한 연구 결과를 공개했습니다. 조사 대상 모델은 챗GPT(ChatGPT), 제미나이(Gemini), 퍼플렉시티(Perplexity), 클로드(Claude), 그록(Grok) 등 5종입니다.
조사에 따르면 각 AI 모델은 지역 비즈니스를 추천할 때 서로 다른 데이터 활용 방식을 보였습니다. 제미나이는 구글 지도 실시간 데이터를 대조해 챗GPT 대비 8배 더 다양한 레스토랑을 결과에 노출했습니다. 클로드는 지역 및 커뮤니티 업체를 선호하면서도 의료 제공업체 추천은 기피하는 보수적인 성향을 나타냈습니다. 챗GPT는 압축된 후보군을 제시했으나 환각 비율이 상대적으로 높았고, 그록은 셰프의 이력이나 인스타그램 콘텐츠를 적극적으로 인용했습니다. 퍼플렉시티는 실시간 웹 검색과 출처 인용을 바탕으로 실행당 가장 많은 멘션을 생성했습니다.
평점의 착시… AI 가시성은 '리뷰 수'와 '사진'에 수렴
우버올 분석진은 업종과 모델을 관통하는 공통 멘션 요인으로 비즈니스 데이터(Business data), 권위(Authority), 리뷰(Review), 소셜(Social)을 꼽았습니다. 특히 리뷰 영역에서는 별점 수치보다 누적된 리뷰 수가 AI 추천을 이끄는 핵심 지표로 분석됐습니다.
조사 대상 5개 업종 중 4개 업종에서 평점은 AI 멘션과 통계적 유의미성이 낮거나 영향력이 미미했습니다. 식료품점의 경우 리뷰 수는 많지만 평점이 낮은 브랜드의 AI 멘션 확률이 94.3%에 달한 반면, 평점은 높지만 리뷰 수가 적은 브랜드는 60.6%에 그쳤습니다. 은행 업종에서는 옐프(Yelp)나 트러스트파일럿(TrustPilot)의 높은 평점이 오히려 멘션 빈도와 역상관관계를 보이기도 했습니다. 다만 호텔 업종은 구글 비즈니스 프로필(GBP) 평점이 리뷰 수보다 멘션 확률 및 빈도와 더 강하게 연관된 유일한 예외였습니다.
시각 정보 역시 주요 결정 요인으로 작용했습니다. 구글 비즈니스 프로필의 등록 사진 수는 레스토랑 업종에서 AI 멘션 빈도를 예측하는 단일 최대 지표로 나타났으며, 상위 노출 레스토랑은 평균 3배 더 많은 사진을 보유했습니다. 치과 및 은행 업종에서도 사진 등록량은 AI 추천 여부와 빈도 모두를 좌우하는 상위 신호로 집계됐습니다.
업종별 플랫폼 차이와 권위 신호
비즈니스 프로필의 기본 정보 완성도와 속성 입력 역시 초기 노출 진입 장벽을 낮추는 역할을 했습니다. 호텔 업종의 경우 GBP 속성 입력 개수를 6~10개에서 31~50개로 늘렸을 때 AI 멘션 확률이 22%에서 94%로 상승했습니다.
또한 브랜드 규모 자체보다는 뉴스 언급이나 전문 매체 등재 여부가 AI 인용 빈도를 끌어올렸습니다. 30건 이상의 언론 보도 언급을 확보한 은행은 멘션 빈도가 15배 증가했고, 포브스 트래블 가이드나 미슐랭 같은 전문 편집 리스트 등재는 퍼플렉시티 레스토랑 응답의 94.5%에 반영되는 등 강력한 권위 신호로 작용했습니다.
소셜 신호 측면에서는 페이스북 팔로워 수가 최초 멘션 진입 확률을 높이고, 인스타그램 활동이 멘션 빈도를 증폭시키는 역할을 분담하는 구조가 관측됐습니다.
이 사이트가 보는 지점
전통적인 로컬 검색이 5점 만점의 평점 관리에 치중했다면, LLM 기반 로컬 인용은 학습 및 검색 과정에서 데이터의 '양적 실재성(볼륨과 사진)'을 더 신뢰성 있는 활성 신호로 해석한다는 점을 보여줍니다. 이는 앞서 다룬 AI 가시성 점수의 착시… 인용·언급 분리 없는 측정의 맹점과도 맥락이 닿아 있으며, 로컬 엔터프라이즈의 GEO 측정 지표가 단순 순위 추적에서 출처 플랫폼별 데이터 적재량 점검으로 이동해야 함을 시사합니다. 다만 플랫폼별 가중치 차이가 모델 업데이트에 따라 얼마나 지속될지는 추가적인 모니터링이 필요합니다.
