LLM 추천 매출이 49배 늘었다는 AEO 사례가 나왔어요. 그런데 인용률 그래프만 보고 따라 하면, 매출은 여전히 0원일 수 있습니다. 핵심은 노출이 아니라 노출과 매출 사이를 연결하는 측정 사다리예요.
숫자부터 의심해봐요
결론부터 말하면, AEO 성과는 인용 수 하나로 증명되지 않아요. Optimist가 공개한 세 사례는 각각 B2B 테크 기업의 LLM 추천 매출 49배, 리테일 테크 기업의 LLM 매출 13배, 핀테크 기업의 LLM 전환 8배를 보고했어요. 모두 매출이나 전환까지 내려가 봤다는 점이 인용률 대시보드만 보여주는 사례와 달라요.
더 흥미로운 건 Blend의 자체 실험이에요. 90일 동안 500개가 넘는 상업 의도 프롬프트를 추적해 LLM 내 노출을 17.1%에서 34.7%로 올렸고, 이후 AI 유입 MQL은 133% 증가했어요. 2025년 하반기 AI발 파이프라인은 상반기 대비 약 3.5배가 됐고, 50만 달러를 넘겼다고 밝혔어요. 노출→리드→파이프라인을 한 줄로 연결했기에 쓸모 있는 사례가 된 거예요.
| 보는 지표 | 멈춰 있는 AEO | 매출로 가는 AEO |
|---|---|---|
| 프롬프트 | 브랜드가 몇 번 나왔나 | 구매 의도 질문에서 나왔나 |
| 노출 | 전체 인용률 | 문제·비교·추천 단계별 노출률 |
| 유입 | LLM 세션 수 | 랜딩 페이지별 참여와 전환 |
| 영업 | 폼 제출 수 | MQL·파이프라인·계약 매출 |
| 판단 | 지난달보다 올랐나 | 어떤 질문과 콘텐츠가 돈을 만들었나 |
이 표에서 오른쪽 다섯 칸을 한꺼번에 보세요. 인용은 선행지표이고 매출은 후행지표라서, 둘 사이가 끊기면 잘 보이는 콘텐츠와 잘 팔리는 콘텐츠를 구분할 수 없거든요. 국내 와이즈버즈도 질문을 브랜드·비브랜드와 정의·절차·추천·정보형으로 나누고, 인용 수뿐 아니라 트래픽 귀속까지 KPI 후보로 제시하고 있어요.
세 사례는 뭘 바꿨을까요?
공통점은 FAQ 몇 줄을 붙인 게 아니라 구매자가 문제를 말하는 방식부터 콘텐츠 구조를 다시 짰다는 거예요. B2B 테크 사례는 전문가 이름과 자사 데이터를 전면에 세웠고, 리테일 사례는 카테고리·비교 질문에 맞춘 페이지와 구조화된 Q&A를 만들었어요. 핀테크 사례는 제품 설명에서 출발하지 않고 구매자의 상위 문제와 JTBD에서 제품까지 이어지는 경로를 설계했고요.
| 상황 | 바꾼 것 | 먼저 볼 지표 |
|---|---|---|
| 전문성은 있는데 안 인용됨 | 실명 전문가·자사 데이터·명확한 주장 | 출처 인용과 추천 문맥 |
| 제품은 좋은데 비교 후보에 없음 | 카테고리 페이지·비교 질문·구조화 데이터 | 상업 의도 프롬프트 점유율 |
| 제품명 검색만 잡힘 | 문제→해결책→제품 연결 콘텐츠 | 비브랜드 유입과 MQL |
이 방향은 연구 결과와도 맞닿아 있어요. GEO를 처음 체계화한 연구는 콘텐츠 최적화로 생성형 엔진 내 가시성을 최대 40% 높일 수 있다고 보고했지만, 효과가 분야마다 달랐다고 분명히 밝혔어요. 그러니까 만능 체크리스트를 베끼기보다 우리 고객이 실제로 묻는 질문 묶음을 먼저 만들고, 어느 구조가 어느 질문에서 먹히는지 실험해야 해요.
콘텐츠 우선순위는 이렇게 잡아보세요
정보형 질문보다 비교·추천·도입 조건처럼 구매에 가까운 질문을 먼저 고르세요. Blend도 상업 의도 프롬프트 500개 이상을 별도로 추적했고, 자사 사례와 증거를 콘텐츠 안에 넣었어요. 트래픽이 적어도 계약에 가까운 질문이면 먼저 만들 가치가 있습니다.
매출 귀속엔 구멍이 있어요
여기서 브레이크를 한 번 밟아야 해요. Optimist는 세 사례 모두에서 AEO가 불투명하고, 특정 조치가 특정 결과를 만들었다고 확실히 귀속할 수 없다고 직접 적었어요. 사례 수치는 실험실의 대조군 결과가 아니라 대행사와 고객사의 관측치예요. 플랫폼 이용 증가, 브랜드 성장, 기존 SEO 같은 변수가 함께 움직였을 수 있습니다.
GA4의 추천 유입도 완벽한 진실은 아니에요. Google 설명대로 추천 소스는 방문 직전에 사용자가 있던 도메인을 보여주고, 마지막 비직접 클릭 방식 때문에 이후 직접 방문까지 이전 추천 도메인에 귀속될 수 있어요. 반대로 AI 답변을 본 뒤 브랜드명을 검색하거나 URL을 직접 입력한 사람은 LLM 추천 유입에서 빠질 수 있죠.
그래서 사례의 배수만 복사하면 안 돼요
LLM 추천 도메인, CRM의 최초·최근 접점, 폼의 자기기입 질문을 함께 보세요. 숫자가 서로 같은 방향으로 움직일 때만 AEO가 매출에 기여했다고 조심스럽게 말할 수 있어요. 단일 대시보드의 급등은 가설이지, 인과관계가 아닙니다.
이번 주에 측정 사다리 깔기
도구를 더 사기 전에 질문 20개와 전환 이벤트 하나부터 연결해보세요. 아래 다섯 단계면 작은 팀도 GEO 성과 측정을 시작할 수 있어요.
- 구매 질문 20개를 고르세요
문제 발견, 비교, 추천, 도입 조건으로 나누고 매출과 가까운 질문부터 표시하세요. 브랜드명 질문은 따로 빼두세요. - 같은 조건으로 답변을 기록하세요
ChatGPT·Perplexity·Gemini에서 질문, 날짜, 브랜드 언급, 인용 URL, 추천 문맥을 표에 남기세요. 한 번의 답변보다 주간 방향을 봅니다. - GA4에 LLM 유입 세그먼트를 만드세요
세션 소스에 ChatGPT, Perplexity, Claude, Gemini 관련 도메인을 묶고 랜딩 페이지·핵심 이벤트·매출을 함께 보세요. - CRM과 자기기입 귀속을 붙이세요
문의 폼에 우리를 어디서 알았는지를 짧게 묻고, 영업 미팅에서 AI 도구명과 질문 맥락을 메모하세요. 직접 유입으로 사라진 접점을 보완해줍니다. - 월말엔 콘텐츠 단위로 결정하세요
인용은 늘었지만 전환이 없는 페이지는 구매 경로를 고치고, 적은 유입으로 MQL을 만든 페이지는 인접 질문으로 확장하세요. 중단·수정·확장 셋 중 하나를 반드시 정합니다.
끝이에요. 한 달 뒤 보고서의 첫 장에는 총 인용 수가 아니라 상업 의도 프롬프트 점유율, LLM 유입 전환, 생성 파이프라인을 나란히 놓으세요. AEO 사례에서 배워야 할 건 49배라는 숫자가 아니라, 그 숫자까지 내려가 보는 습관입니다.
