전월 대비 올랐다는 착각 — 재측정 변동폭이 월간 변화보다 컸다 (2026년 8월 실측)

핵심 요약: 한국 B2B SaaS 12곳을 20일 만에 같은 조건으로 다시 측정했습니다. 그리고 결과를 해석하기 전에, 같은 날 두 번 측정했을 때의 변동 폭을 먼저 산출했습니다. 같은 날 재측정에서 개별 점수는 최대 17점(중앙값 6점) 움직였고 12곳 중 2곳은 등급이 바뀌었습니다. 반면 7월 호 대비 개별 점수 변화의 중앙값은 5.5점이었습니다. 한 달간의 변화가 하루 안의 측정 변동보다 작았다는 뜻입니다. 그래서 이번 호에서 "올랐다/내렸다"로 읽은 항목은 개별 점수가 아니라, 노이즈로 설명되지 않는 인용 소스 구성이었습니다.

---

재측정 결과를 읽기 전에 생긴 문제

RanketAI(랭킷AI)는 2026년 7월에 한국 B2B SaaS 12곳의 AI 답변 가시성을 측정해 익명 집계로 공개했고, 같은 표본·같은 조건으로 재측정한 2026년 8월 호를 이번에 발행했습니다. 표본은 고정했고 입력과 측정 조건도 바꾸지 않았습니다. 변한 것은 측정 시점뿐입니다.

집계 결과만 보면 이렇게 요약됩니다.

지표	2026-07	2026-08
점수 중앙값 (p50)	51	53
상위 25% (p75)	59	58
상위 10% (p90)	67	73
등급 분포 (A/B/C/D)	5 / 5 / 0 / 2	6 / 4 / 0 / 2

여기서 흔히 나오는 해석이 "중앙값이 2점 올랐고 A등급이 한 곳 늘었으니 개선됐다"입니다. 그런데 이 문장을 쓰려면 먼저 답해야 하는 질문이 있습니다. 2점은 실제 변화입니까, 아니면 측정 자체의 정상 변동 범위입니까?

그래서 측정 변동 폭부터 산출했습니다 — 같은 날, 두 번

이번 호는 같은 날 두 라운드를 측정했습니다. 시점이 같으니 두 라운드 사이의 차이는 "한 달 동안 벌어진 일"이 아니라 측정 자체에서 발생하는 변동입니다.

같은 날 2라운드 비교	값
개별 점수 변화 최대	17점
개별 점수 변화 중앙값	6점
등급이 바뀐 도메인	12곳 중 2곳

같은 브랜드를 같은 질문으로 같은 날 다시 측정했을 뿐인데, 등급이 바뀐 도메인이 두 곳 나왔습니다. 이 현상은 우리 표본만의 특징이 아닙니다. 장크트갈렌 대학 연구진은 AI 검색 가시성 측정의 반복성을 분석하면서 단일 측정의 위험을 이렇게 정리했습니다.

가시성 순위는 안정적이지 않으며, 한 번의 측정으로 관측된 차이의 상당 부분은 브랜드의 실제 차이가 아니라 표본 추출에서 오는 변동으로 설명된다. — Schulte, Bleeker & Kaufmann, Don't Measure Once: Measuring Visibility in AI Search (GEO), Univ. of St. Gallen, 2026 (arXiv:2604.07585)

월간 변화는 그 변동 범위 안에 있었습니다

노이즈 기준선을 확보한 뒤 7월 호와 8월 호의 개별 점수 변화를 같은 기준으로 비교했습니다.

비교 축	개별 점수 변화 중앙값
같은 날 2라운드 (노이즈)	6점
7월 → 8월 (20일 간격)	5.5점

20일 동안 벌어진 개별 변화가 하루 안의 재측정 변동보다 작았습니다. 그래서 이번 호에서는 개별 도메인의 증감을 추세로 서술하지 않았고, 리포트의 한계 항목에도 같은 취지를 명시했습니다. 중앙값 2점 상승과 A등급 한 곳 증가 역시 이 범위 안에서 나온 값이라 "개선됐다"고 단정하지 않았습니다.

이는 측정을 신뢰할 수 없다는 뜻이 아닙니다. 어디까지를 신호로 읽고 어디부터를 변동으로 볼지 경계가 확보됐다는 뜻입니다. 이 경계 없이 매월 수치만 나열하면, 노이즈에 반응해 전략을 수정하는 일이 반복됩니다.

노이즈로 설명되지 않은 것 — 누가 인용되는가

개별 점수가 정체한 것과 달리, 뚜렷하게 이동한 축이 있었습니다. 자사 도메인이 답변의 근거로 인용되는 비율입니다.

플랫폼	브랜드 언급률 (7월 → 8월)	자사 도메인 인용률 (7월 → 8월)
ChatGPT	33% → 33%	8% → 25%
Perplexity	83% → 92%	42% → 75%
Gemini	83% → 83%	83% → 67%

언급률은 세 플랫폼 중 두 곳이 제자리였습니다. 반면 자사 도메인 인용률은 ChatGPT에서 8%에서 25%로, Perplexity에서 42%에서 75%로 올랐고 Gemini에서는 83%에서 67%로 내려갔습니다. 브랜드가 답변에 등장하는지와, 그 답변이 어느 문서를 근거로 삼는지가 서로 독립적으로 움직였다는 뜻입니다.

인용 소스 상위 목록도 재편됐습니다. 7월 호에서 인용 1위였던 동영상 플랫폼은 8월 호 상위 10위 안에서 사라졌고, 대신 네이버 블로그·티스토리·브런치 같은 블로그 플랫폼과 스타트업·IT 업계 미디어가 상위를 채웠습니다. 전체 목록은 8월 호 리포트에서 확인할 수 있습니다.

다만 이 항목에도 같은 절제가 필요합니다. 표본이 12곳이라 1곳이 곧 8.3%p입니다. ChatGPT의 8%에서 25%는 도메인 수로 보면 1곳에서 3곳입니다. 방향은 읽되 폭은 신뢰하지 않는 편이 안전합니다.

실무에서는 무엇을 봐야 할까요

이번 데이터에서 도출한 점검 순서입니다. 인과를 보장하는 처방이 아니라, 측정을 덜 오해하기 위한 순서입니다.

1. 자체 변동 기준선을 먼저 확보하세요. 같은 날 두 번 측정해 점수의 변동 폭을 산출해 두면, 이후의 모든 증감을 그 폭과 비교해 판단할 수 있습니다. 기준선 없이 첫 측정 결과를 해석하면 무엇이 신호인지 알 수 없습니다.
2. 개별 점수보다 등급과 분포를 보세요. 점수는 등급 경계 근처에서 쉽게 변동하지만, 등급 구간과 표본 내 위치는 상대적으로 덜 민감합니다.
3. 인용된 문서 목록의 변화를 추적하세요. 이번 호에서 노이즈로 설명되지 않은 축은 인용 소스 구성이었습니다. 어떤 유형의 문서가 내 분야 답변의 근거로 채택되는지는, 점수 한 자리 변동보다 실행에 직접 연결됩니다. 자사 사이트 밖 표면이 왜 중요한지는 소스 갭 분석에서 더 자세히 설명했습니다.
4. 한 번의 결과로 전략을 변경하지 마세요. 반복 측정 없이 단일 결과에 반응하면, 측정 변동을 성과로 오인하거나 반대로 정상 범위의 하락에 과잉 대응하게 됩니다.

자사 위치가 궁금하다면 RanketAI 등 AI 가시성 진단 도구로 같은 조건의 브랜드 가시성 측정을 실행해, 등급(A~D)이 업종 분포 어디에 있는지 먼저 확인해 볼 수 있습니다.

자주 묻는 질문

점수가 떨어졌습니다. 우리가 뭘 잘못한 건가요?

먼저 하락 폭이 자체 변동 범위 안인지 확인하세요. 이번 표본에서는 같은 날 재측정만으로도 개별 점수가 중앙값 6점, 최대 17점 움직였습니다. 이 범위 안의 하락이라면 원인을 찾기 전에 재측정이 먼저입니다. 범위를 넘는 하락이라면 언급 자체가 사라졌는지, 인용되던 문서가 빠졌는지를 나눠서 봐야 합니다.

그럼 몇 번을 측정해야 믿을 수 있나요?

정답이 하나로 정해지지는 않습니다. 다만 최소 조건은 분명합니다 — 같은 시점의 반복 측정으로 자체 변동 폭을 먼저 파악해야 합니다. 장크트갈렌 연구진도 반복 측정 없는 단일 실행 해석의 위험을 지적하며 측정 설계 자체를 권고했습니다. 관련 통계 기준은 AI 가시성 측정 통계 기준에서 정리했습니다.

예산과 시간이 부족하면 무엇부터 하면 되나요?

측정 횟수를 늘리기 어렵다면, 해석 단위를 낮추는 쪽이 현실적입니다. 점수 대신 등급으로 보고, 매주 대신 매월 보고, 개별 순위 대신 분포에서의 위치를 보세요. 변동에 덜 민감한 단위로 낮추는 것만으로도 오독이 줄어듭니다.

변화가 노이즈라면 월간 리포트는 왜 보나요?

개별 점수는 노이즈에 묻히지만, 집계 지표와 인용 소스 구성은 다르게 움직입니다. 이번 호에서도 언급률은 정체한 반면 자사 도메인 인용률과 상위 인용 소스는 뚜렷하게 재편됐습니다. 월간 추적의 값은 "이번 달 몇 점인가"가 아니라 **"답변의 근거로 채택되는 문서 구성이 어떻게 변하고 있는가"**를 보는 데 있습니다.

브랜드가 답변에 언급되기만 하면 되는 것 아닌가요?

언급과 인용은 다른 사건입니다. 이번 측정에서 두 플랫폼의 언급률은 제자리였지만 자사 도메인 인용률은 크게 움직였습니다. 언급은 되는데 근거는 경쟁사·제3자 문서에서 가져오는 상태라면, 브랜드 서술의 통제권이 우리 손에 없다는 뜻입니다. 답변이 후속 질문에서 얼마나 유지되는지는 AI 추천의 지속성에서 정리했습니다.

---

전체 수치·표본 기준·한계는 2026년 8월 벤치마크 리포트에서 확인할 수 있고, 직전 호의 발견은 2026년 7월 호 분석에 정리돼 있습니다.