그라운딩 쿼리 (Grounding Query)
정의
AI 시스템이 답변을 생성하기 전에 근거 자료를 찾으려고 내부적으로 실행하는 검색 쿼리. 사용자가 입력한 질문과 다를 수 있으며, AI가 어떤 표현으로 내 콘텐츠를 찾아내는지 보여주는 측정 단서
#Grounding Query#그라운딩 쿼리#그라운딩#AI 인용 측정#Microsoft Clarity#Bing#GEO#AEO
그라운딩 쿼리란?
그라운딩 쿼리 (Grounding Query) 는 AI 시스템이 답변을 생성하기 전에 근거 자료를 찾으려고 내부적으로 실행하는 검색 쿼리다. 사용자가 채팅창에 입력한 질문 그 자체가 아니라, AI가 그 질문에 답하기 위해 검색 엔진에 던진 재구성된 질의를 가리킨다. 그라운딩이 "답변을 외부 근거에 결합하는 과정"이라면, 그라운딩 쿼리는 그 과정의 첫 단계 — 근거를 무엇으로 찾았는가 — 에 해당한다.
사용자 질문과 다르다
사용자가 "우리 동네에서 믿을 만한 세무사 있어?"라고 물으면, AI는 이 문장을 그대로 검색하지 않는다. 지역명·서비스 유형·평가 기준을 조합한 여러 개의 검색 질의로 재구성해 실행하고, 그 결과에서 근거 문서를 고른다. 따라서 검색어 도구가 보여주는 "사용자 키워드"와 AI 인용 측정 도구가 보여주는 "그라운딩 쿼리"는 서로 다른 데이터이며, 콘텐츠가 노출되는 실제 경로는 후자에 가깝다.
어디서 볼 수 있나
2026년 기준 그라운딩 쿼리를 노출하는 대표적 무료 도구는 두 가지다.
| 도구 | 제공 형태 |
|---|---|
| Microsoft Clarity — Citations 대시보드 (2026-05 일반 공개) | 내 콘텐츠가 회수될 때 사용된 그라운딩 쿼리 목록과 인용 페이지를 함께 표시 |
| Bing Webmaster Tools — Citation Share (2026-06 추가) | 그라운딩 쿼리 단위로 전체 인용 중 자사 점유율(%)을 표시 |
두 도구 모두 Microsoft 계열 집계라는 한계가 있다 — 어떤 AI 플랫폼까지 포함되는지 목록은 공개되지 않았다.
측정 관점 포인트
- 콘텐츠 정렬의 직접 단서다 — 내 페이지가 어떤 그라운딩 쿼리로 발견되는지 알면, 그 표현에 맞춰 헤딩·직답 단락을 보완할 수 있다. 사용자 키워드 기준 최적화보다 AI 회수 경로에 가까운 조정이 된다.
- 인용과 언급은 별개다 — 그라운딩 쿼리로 회수·인용됐다고 답변 본문에 브랜드가 언급되는 것은 아니다. 인용 이후의 상태는 고스트 인용 항목이 다룬다.
- 점유율과 함께 읽는다 — 같은 그라운딩 쿼리에서 경쟁 도메인 대비 몇 %를 차지하는지는 Citation Share로 확인한다.
관련 용어
AI 검색에 내 사이트는 노출되고 있을까?
ChatGPT·Perplexity·Gemini가 내 브랜드를 어떻게 답하는지 무료로 확인해 보세요.
지금 진단 시작 →관련 용어
AI 기업·투자·사업
그라운딩 (Grounding)
LLM 답변의 각 주장을 외부 검색·참조 자료의 검증 가능한 패시지에 묶어, 환각을 줄이고 인용 가능한 근거를 답변에 결합하는 과정
AI 기업·투자·사업
파라메트릭 메모리 (Parametric Memory)
LLM 이 학습 과정에서 모델 가중치 안에 축적한 지식 — 외부 검색 없이 답할 때 브랜드 서술을 결정하며, 지식 그래프와 달리 직접 고쳐 쓸 레코드가 존재하지 않는다
AI 기업·투자·사업
제로클릭 AI 검색 (Zero-Click AI Search)
정보 수요가 AI 답변 안에서 해소돼 웹사이트로의 클릭이 발생하지 않는 검색 행태. ChatGPT 대화의 5.2%에서만 외부 클릭이 발생해 Google 검색(31.1%)의 약 6분의 1 수준이다.
AI 기업·투자·사업
콘텐츠 신선도 (Content Freshness)
콘텐츠의 최신성이 AI 인용 확률에 주는 영향 — 갱신 시점·정보 최신성·dateModified 가 답변 엔진의 출처 선택에 작동하는 신호다.
AI 기업·투자·사업
쿼리 팬아웃 (Query Fan-out)
AI 검색 엔진이 사용자의 단일 쿼리를 다수의 sub-query 로 분기시켜 여러 출처에서 패시지를 동시에 회수하는 정보 검색 기법
AI 기업·투자·사업
패시지 (Passage)
LLM 이 RAG · grounding 단계에서 인용·합성의 기본 단위로 사용하는, 페이지 전체가 아닌 단락 크기의 자기완결 텍스트 조각