연매출 2,000만 달러의 DTC 브랜드가 있다고 하자. 야외용 portable power station을 판매한다. GA4는 AI traffic을 0.5%, 월 1,500 sessions로 보여준다. CMO의 결론은 "AI는 아직 작다. 별도 투자는 필요 없다"였다.
이것은 합성 시나리오다. 숫자는 측정 관점을 설명하기 위한 예시이며 Gravity 고객 데이터나 특정 브랜드의 실제 데이터가 아니다. comprehensive AI monitoring을 구축하면 하나의 GA4 숫자가 아니라 trackable referral, AI Overview impressions, Dark AI Traffic, AI crawler intent, Citation SOV라는 다섯 층의 신호가 보인다. 질문도 "AI가 작은가"에서 "어떤 층이 과소평가되고 어떤 층에 운영 액션이 필요한가"로 바뀐다.
Level 0: GA4 native configuration
먼저 GA4 property에 AI Assistant channel이 있는지 확인한다. Reports → Acquisition → Traffic acquisition에서 AI Assistant row를 찾는다. 기존 custom AI channel group은 삭제하지 말고 historical baseline으로 유지한다. native channel과 중복될 경우 priority를 조정한다.
GA4가 기본 인식하지 않는 플랫폼도 보완한다. DeepSeek, Perplexity, Kimi, Doubao, Tongyi Qianwen, Zhipu, ERNIE, Yuanbao, Poe, You.com, Grok, Mistral 등을 referrer regex로 custom group에 넣는다. 이 단계는 zero cost지만 Layer 1의 일부만 보여준다.
Level 1: GSC AI reports + cross-analysis
GSC Search Generative AI reports가 property에 도착했는지 확인하고 매주 AI impressions, trend, cited pages를 기록한다. AI impressions는 conversion metric이 아니라 visibility trend다.
AI impressions가 증가하는데 Organic clicks가 정체되거나 하락하면 Great Decoupling 가능성이 있다. 또한 어떤 페이지가 AI에 자주 인용되는지 확인해야 한다. 해당 페이지는 AI search에서 브랜드의 storefront 역할을 한다. 가격, 제품 사양, policy, FAQ가 최신이어야 한다.
Level 2: Server-side analysis + crawler intent classification
이 단계가 전환점이다. client-side에서 server-side로 이동하면 사람 클릭뿐 아니라 AI crawler activity와 referrer loss도 볼 수 있다.
Dimension | GA4 (Client-Side) | Server-Side |
|---|---|---|
AI crawler visibility | 보이지 않음 | 전체 가시성 |
Referrer-stripped traffic | Direct | UA + IP + behavior로 추정 |
AdBlocker impact | 영향 있음 | 영향 적음 |
AI platform coverage | limited native scope | extensible multi-platform coverage |
Crawler intent classification | 불가 | 다섯 intent |
Data latency | 24-48시간 | 거의 실시간 |
Level 2는 AI Crawler Profile, Intent Classification, Dark AI Traffic Identification을 열어 준다. GPTBot 500회와 ChatGPT-User 500회는 같은 의미가 아니다. training과 user_fetch를 구분해야 GEO strategy가 달라진다.
Level 3: Citation SOV sampling
마지막은 zero-click influence 측정이다. "best portable power station" 같은 query set을 정의하고 ChatGPT, Perplexity, Gemini 등 주요 플랫폼에 주기적으로 입력한다. 브랜드 언급률, 추천 순위, tone, 경쟁사 대비 share를 기록한다.
Metric | Meaning |
|---|---|
Citation Rate | 관련 query 중 브랜드가 언급되는 비율 |
Average Position | 추천 리스트 내 평균 순위 |
Platform Coverage | 언급이 발생하는 플랫폼 수 |
Sentiment Distribution | 긍정/중립/부정 분포 |
Competitive SOV | 경쟁사 대비 citation share |
투자와 결과
Level | Investment | New Coverage | Expected Outcome |
|---|---|---|---|
L0 | 5분 | Layer 1 일부 | AI referral 부분 가시화 |
L1 | 주 30분 | Layer 2 impressions | Great Decoupling 이해 |
L2 | 중간 기술 투자 | Layer 1/3/4 | AI activity와 intent 가시화 |
L3 | 지속 운영 | Layer 5 | zero-click influence 측정 |
모든 브랜드는 L0부터 즉시 시작해야 한다. 월 1만 visits 이상이면 L1, AI growth에 진지하다면 L2, category leader라면 L3까지 가야 한다.
이 playbook은 한 번 설치하고 끝나는 작업이 아니다. 매주 AI Assistant, Organic, Direct, AI impressions, server-side crawler, Citation SOV를 같은 review에 올려야 한다. 어떤 페이지가 AI에 인용되는지, 어떤 페이지가 user_fetch되는지, 어떤 페이지에서 conversion이 약한지 함께 봐야 content, technical SEO, landing page, measurement 중 어디를 고칠지 정할 수 있다.
경영 관점에서는 level마다 owner가 필요하다. Marketing은 query set과 content priority를 맡고, Engineering은 log access를 보장하고, Data는 classification quality를 관리하고, Leadership은 layer coverage에 따라 예산을 배정한다. owner가 없으면 AI monitoring은 또 하나의 dashboard로 끝난다. owner가 있으면 GEO는 주간 개선 운영이 된다.
다음 글은 traffic attribution에서 AI discoverability로 바뀌는 측정 패러다임을 다룬다.
FAQ
Q1: custom channel group이 native AI Assistant와 충돌하나?
A: 가능하다. native가 인식하는 platform은 native에 맡기고 custom은 미지원 platform에 집중하는 것이 안전하다.
Q2: 자체 서버 없는 Shopify 브랜드도 Level 2가 가능한가?
A: 가능하다. Cloudflare Workers, Vercel Edge Functions, CDN layer에서 server-side 수집을 구현할 수 있다.
Q3: Citation SOV sample은 얼마나 필요하나?
A: 최소 30 queries, 3개 이상 플랫폼, 4주 이상을 권장한다. 더 큰 query set과 platform coverage가 신뢰성을 높인다.
Q4: 비용은 어떻게 잡아야 하나?
A: L0는 무료, L1은 운영 시간, L2는 개발 또는 SaaS 비용, L3는 sample 빈도와 플랫폼 수에 따라 달라진다.
Q5: 하나만 한다면?
A: L2다. server-side analysis는 referral capture와 crawler intent라는 핵심 데이터를 동시에 연다.