대형 브랜드는 73%, 소형은 11% — 브랜드 규모가 AI 답변 등장률을 나누는 구조 (2026)

핵심 요약: 브랜드명을 포함하지 않은 카테고리 질문에서 AI가 어떤 브랜드를 호명하는지 10만 건 규모로 추적한 연구가 공개됐습니다. 연구 보고 기준으로 대형 브랜드는 답변의 73%, 중견은 44%, 소형은 11%에 등장했습니다. 다만 이 연구는 상업 측정 도구 소속 저자의 편의 표본이라 시장 전체 분포로 읽으면 안 됩니다. 이 글은 그 조건을 먼저 정리한 뒤, 같은 기간 한국 B2B SaaS 표본에서 확인된 엔진별 격차를 나란히 놓고 소형 브랜드가 실제로 착수할 수 있는 지점을 정리합니다.

---

3줄 요약

• 규모가 등장률을 나눕니다. 브랜드명 없는 카테고리 질문의 첫 실행에서 Tier 1은 73%, Tier 2는 44%, Tier 3은 11%에 등장했습니다(연구 보고 기준).
• 표본을 먼저 봐야 합니다. 저자 소속이 상업 측정 도구이고, 저자 스스로 편의 표본이며 카테고리 대표성을 주장하지 않는다고 밝혔습니다. 절대 비율이 아니라 계층 간 격차의 방향으로 읽는 것이 안전합니다.
• 규모만 변수는 아닙니다. 한국 B2B SaaS 12곳 실측에서 ChatGPT 언급률은 33%, Perplexity·Gemini는 각 83%였습니다. 같은 브랜드도 엔진이 달라지면 결과가 크게 벌어집니다.

연구가 측정한 것

arXiv 2606.20065(Pratyush Kumar, 2026-06-18 제출)는 브랜드 가시성을 대규모로 추적한 프리프린트입니다. 피어리뷰 전이므로 아래 수치는 모두 연구 보고 기준입니다.

항목	내용
표본	브랜드 102곳 · 추적 실행 3,508회 · 프롬프트 응답 102,025건
엔진	ChatGPT · Gemini · Perplexity · Claude · Grok
기간	2026년 3~5월
인용	149,912건
업종	SaaS · 리테일 실행 · 핀테크 · 인도 DTC 중심

측정 대상은 브랜드명을 포함하지 않은 카테고리 질문입니다. "우리 회사 어때?"가 아니라 "이 분야에서 쓸 만한 서비스는?"에 가까운 질문입니다. 이 구분이 중요한 이유는 자사 블로그의 브랜드명 질의로 AI 가시성을 측정하면 안 되는 이유에서 다뤘습니다.

브랜드 규모 3계층과 등장률

연구는 브랜드를 세 계층으로 분류했습니다. 분류 기준이 공개돼 있어 자사가 어디에 해당하는지 대조할 수 있습니다.

계층	분류 기준	카테고리 답변 등장률
Tier 1	Wikipedia 5,000단어 이상 + 주요 언론 12개월 내 3회 이상 보도 + 상장사 또는 Series C 이상 또는 연 매출 1억 달러 이상	73%
Tier 2	Wikipedia 문서 보유 + Series B 이상 또는 카테고리 상위 3위	44%
Tier 3	웹 존재감은 있으나 위 조건 미달	11%

"Tier 1 brands appear in 73% of unbranded category answers on the first run, Tier 2 in 44%, and Tier 3 in just 11%" — Kumar, arXiv 2606.20065

여기서 두 가지를 함께 읽어야 합니다.

첫째, "첫 실행(first run)" 기준입니다. AI 답변은 같은 질문에도 회차마다 달라지므로 한 번의 결과는 분포의 한 점입니다. 자사 실측에서도 재측정 변동폭이 월간 변화보다 컸던 사례를 확인한 바 있습니다.

둘째, Tier 분류 기준이 곧 개선 항목입니다. Wikipedia 문서 분량, 주요 언론 보도 횟수, 투자 단계는 모두 콘텐츠 최적화 바깥의 신호입니다. 페이지를 아무리 정비해도 이 계층이 바뀌지 않으면 등장률의 천장이 유지된다는 뜻으로 읽힙니다.

이 수치를 시장 전체로 읽으면 안 되는 이유

저자는 상업 측정 도구 소속이고, 데이터도 해당 도구의 추적분입니다. 그리고 limitations 에 표본 성격을 직접 적었습니다.

"Convenience-sampled cohort. The brands skew toward SaaS, retail-execution, fintech, and Indian DTC, so we do not claim category representativeness" — Kumar, arXiv 2606.20065

편의 표본이라는 것은 추적 대상 102곳이 무작위 추출이 아니라는 뜻입니다. 해당 도구를 이미 쓰는 브랜드군일 가능성이 있고, 그렇다면 AI 가시성에 이미 관심과 예산을 쓰는 집단으로 치우칩니다. 업종도 네 갈래에 몰려 있습니다.

그래서 73/44/11 을 "우리 업종에서도 그렇다"로 옮기면 안 됩니다. 안전한 해석은 계층 간 격차가 크다는 방향, 그리고 그 격차를 만드는 변수가 콘텐츠 바깥에 있다는 구조입니다.

자리는 비어 있는데 소형은 11%인가

이 연구를 다른 연구와 나란히 놓으면 긴장이 생깁니다. 미국 1,094개 카테고리를 추적한 별도 분석에서는 추정 AI 검색 수요의 89.3%가 명확한 소유 브랜드가 없는 카테고리에 있었습니다(Growth Memo, 2026-07, 자사 정리는 AI 검색 수요의 89%는 명확한 소유 브랜드가 없다).

자리는 대부분 비어 있는데 소형 브랜드는 11%만 등장합니다. 모순처럼 보이지만 두 수치는 서로 다른 것을 측정하고 있습니다.

• 89.3% — 카테고리에 고정된 1위가 없다는 뜻입니다. 순위가 아직 확립되지 않은 상태를 가리킵니다.
• 11% — 소형 브랜드가 답변에 등장하는 빈도입니다. 등장 자체가 드물다는 뜻입니다.

정리하면 대표 자리는 비어 있지만, 그 자리를 노리는 소형 브랜드가 후보 목록에 들어가는 빈도 자체가 낮습니다. 개방된 경쟁이 곧 손쉬운 진입을 뜻하지는 않습니다.

우리 실측이 보여주는 또 하나의 변수 — 엔진

Kumar 연구는 엔진 5종을 합산해 계층별 등장률을 냈습니다. 그런데 자사가 2026년 7월 한국 B2B SaaS 12곳을 측정했을 때는 엔진 간 차이가 계층 차이만큼 컸습니다.

엔진	브랜드 언급률 (한국 B2B SaaS 표본 12곳)
Perplexity	83%
Gemini	83%
ChatGPT	33%

(RanketAI 2026-07 벤치마크, 자사 정리는 한국 B2B SaaS 12곳 AI 가시성 실측)

표본 12곳은 소규모라 방향 확인 용도이고, 두 연구는 표본·질의·기간이 달라 수치를 직접 비교하지 않습니다. 다만 함의는 분명합니다. 같은 브랜드가 어느 엔진에서 측정되느냐에 따라 2.5배 차이가 납니다. 계층을 올리는 일은 수년이 소요되지만, 약한 엔진을 특정해 그 엔진이 참조하는 출처를 보강하는 일은 분기 단위로 가능합니다.

엔진마다 답변을 만드는 방식이 다른 구조는 언급 중심 엔진 Gemini의 가시성 측정법에서 다뤘습니다.

인용은 어디로 가는가 — 78%

같은 연구에서 인용 149,912건의 약 78%가 기업 웹사이트로 향했습니다. 여기에는 브랜드 자사 페이지와 제3자 페이지가 함께 포함됩니다.

"about 78% of those citations go to corporate websites, including the brand's own pages and third-party pages" — Kumar, arXiv 2606.20065

이 수치는 자사 페이지 정비가 무의미하지 않다는 근거로 읽힙니다. 다만 분모에 제3자 기업 페이지가 함께 들어 있어 "자사 사이트만 고치면 된다"로 좁혀 읽으면 곤란합니다. 콘텐츠 형식 쪽 비중은 자사 기존 글에서 ChatGPT 인용 URL 26,283건 기준 순위형 리스티클 43.8%로 정리한 바 있고(자기홍보 리스티클 분석), 이번 연구는 같은 항목을 약 21%로 보고합니다. 표본과 엔진 구성이 달라 두 값은 그대로 비교되지 않으며, 형식이 인용에서 큰 비중을 차지한다는 방향만 공통됩니다.

감성은 언급보다 6.7배 더 자주 뒤집힙니다

연구는 브랜드가 언급되는지 여부보다 어떻게 서술되는지가 훨씬 불안정하다고 보고합니다.

"Sentiment is the unstable part...flips about 6.7 times more often than whether the brand is mentioned at all" — Kumar, arXiv 2606.20065

실무 함의는 측정 설계에 있습니다. 언급 여부는 비교적 적은 회차로도 방향이 확인되지만, 긍정·부정 서술은 한두 번 측정으로 판단하면 노이즈를 신호로 오독하게 됩니다. 감성을 지표로 쓰려면 회차를 늘리고 추세로 읽어야 합니다.

소형 브랜드가 지금 착수할 수 있는 것

계층 기준을 뒤집어 보면 착수 순서가 나옵니다.

우선순위	항목	근거
1	약한 엔진 특정	엔진 간 격차가 계층 격차만큼 큽니다. 전 엔진 평균이 아니라 가장 낮은 엔진을 먼저 확인합니다
2	제3자 페이지 확보	인용 78%가 기업 웹사이트로 향하고 여기에 제3자 페이지가 포함됩니다. 자사 페이지 단독으로는 상한이 있습니다
3	언론 보도·백과 문서 등 계층 신호	Tier 분류 기준이 곧 개선 항목입니다. 다만 분기 이상이 소요되는 장기 과제로 분리합니다
4	측정 회차 확보	첫 실행 기준 수치는 분포의 한 점입니다. 특히 감성은 회차를 늘려야 합니다

자사 페이지가 AI가 읽고 추출하기 좋은 상태인지는 페이지 구조 진단으로 확인할 수 있고, 엔진별 언급·인용 현황은 AI 브랜드 가시성 분석에서 비교할 수 있습니다.

2번 항목은 무엇을 하라는 뜻인가

"제3자 페이지 확보"는 그대로 두면 실행되지 않는 표현입니다. 목록이 아니라 분류가 실행을 만듭니다. 경쟁사만 인용된 출처를 모은 뒤 진입 가능성으로 나누면 손댈 곳과 버릴 곳이 구분됩니다. 자사가 2026년 7월 국내 AI 마케팅 SaaS 카테고리에서 실행한 비교 측정 1건에서 확인된 15곳을 분류한 결과입니다.

분류	비중	예	무엇을 하는가
직접 발행 가능(UGC)	3곳 (20%)	네이버 블로그·브런치·위키독스	계정을 만들고 채널에 맞게 다시 쓴 글을 발행합니다. 비용 0, 이번 주 착수 가능
보도·기고 경로	5곳 (33%)	경제지·스타트업 미디어·업계 블로그	출시·조사 결과를 보도자료나 기고로 묶습니다. 언론 1곳에 실리면 포털 유통이 따라와 갭 2곳이 함께 닫히기도 합니다
구조적 진입 불가	7곳 (47%)	타사 기업 블로그·공공기관	공략 대상에서 제외합니다

단일 카테고리의 단일 측정이라 비율 자체를 일반화할 수는 없습니다. 다만 방향은 분명합니다 — 갭 목록의 절반가량은 애초에 진입할 수 없는 곳이고, 분류 없이 목록만 보면 잘못된 곳에 힘을 쓰게 됩니다. 식별·분류·실행·재측정 4단계와 실측 사례는 소스 갭 분석 — 경쟁사만 인용되는 출처를 찾는 법에 정리돼 있습니다.

자주 묻는 질문

우리는 Tier 3인데 그럼 가망이 없나요?

11%는 등장 빈도이지 상한이 아닙니다. 그리고 이 수치는 편의 표본의 첫 실행 기준입니다. 엔진별로 나눠 보면 편차가 크고, 자사 실측에서도 엔진 간 2.5배 차이가 확인됐습니다. 전 엔진 평균으로 낙담하기보다 가장 낮은 엔진을 특정해 그 엔진이 참조하는 출처를 보강하는 편이 실행 가능합니다.

Tier를 올리는 것과 콘텐츠를 고치는 것 중 무엇이 먼저인가요?

시간 축이 다릅니다. 언론 보도·백과 문서·투자 단계 같은 계층 신호는 분기 이상이 소요되고 마케팅 단독으로 통제하기 어렵습니다. 반면 자사 페이지의 구조 정비와 제3자 페이지 확보는 주 단위로 착수할 수 있습니다. 먼저 착수 가능한 쪽을 진행하면서 계층 신호를 병행 과제로 두는 순서를 권합니다.

예산이 적으면 어디부터 봐야 하나요?

비용이 들지 않는 순서로 ① 엔진별 언급률을 확인해 가장 낮은 엔진을 특정하고 ② 그 엔진 답변에서 실제로 인용되는 출처 유형을 확인한 뒤 ③ 자사 페이지에서 고칠 수 있는 항목부터 정비하는 흐름입니다. 계층 신호는 그다음입니다.

73%/44%/11% 를 우리 업종에 그대로 적용해도 되나요?

권하지 않습니다. 저자가 편의 표본임을 명시했고 업종이 SaaS·리테일·핀테크·인도 DTC 로 치우쳐 있습니다. 자사 업종의 실제 값은 직접 측정해야 알 수 있으며, 이 연구는 "계층 간 격차가 크고 그 변수가 콘텐츠 바깥에 있다"는 구조를 확인하는 용도로 쓰는 것이 안전합니다.

감성 지표는 아예 보지 말아야 하나요?

아닙니다. 회차를 확보하면 유효합니다. 언급 여부보다 약 6.7배 더 자주 변한다는 보고를 감안해, 단발 결과로 판단하지 않고 같은 조건에서 여러 회차를 모아 추세로 읽으면 됩니다.

정리

이 연구의 기여는 절대 비율이 아니라 브랜드 규모가 AI 답변 등장률을 계층적으로 나눈다는 구조입니다. 그리고 그 계층을 결정하는 변수 대부분이 콘텐츠 최적화 바깥에 있습니다. 다만 편의 표본이라는 조건이 붙고, 자사 실측에서는 엔진이라는 또 하나의 변수가 계층만큼 큰 차이를 만들었습니다.

소형 브랜드에게 실행 가능한 결론은 이렇습니다. 계층을 올리는 일은 장기 과제로 두고, 어느 엔진에서 얼마나 뒤처져 있는지를 먼저 측정한 뒤 그 엔진이 참조하는 출처부터 보강하는 순서입니다.

함께 읽으면 좋은 글

• GEO(Generative Engine Optimization)란 무엇인가? — 정의와 검증된 최적화 방법 7가지.
• AI 검색 수요의 89%는 명확한 소유 브랜드가 없다 — 카테고리 소유 구조 분석.
• 한국 B2B SaaS 12곳 AI 가시성 실측 — 엔진별 언급률 격차의 근거.
• 브랜드명 질의로 AI 가시성을 측정하면 안 되는 이유 — 카테고리 질의와 브랜드 질의의 구분.
• 전월 대비 올랐다는 착각 — 회차 변동폭과 측정 설계.
• 소스 갭 분석 — 경쟁사만 인용되는 출처를 찾는 법 — 제3자 출처 확보의 4단계 절차.