AI 검색에서 마케터가 가장 걱정하는 것: 사라짐보다 보고·모니터링 데이터

AI 검색에 대해 마케터가 가장 걱정하는 것은 우리 브랜드가 사라지는 일보다, 무슨 일이 일어나고 있는지 볼 수 없는 일이에요. Smarty Marketing 이 2026년 9월 공개한 인하우스 마케팅 팀 설문에서 AI 가시성 걱정 1위는 "신뢰할 수 있는 보고·모니터링 데이터가 없다"(39.7%)였고, "온라인에서 발견되지 못한다"와 "자연검색을 통째로 잃는다"는 각각 5.5%에 그쳤어요 ^[1]. 다섯 선택지를 정보 문제와 존재 문제로 다시 묶으면 이 차이는 회사 규모와 상관없이 그대로 남아요.

이 글의 근거 범위부터 밝혀 둘게요. 1차 자료는 Smarty Marketing 원문 글과 그 안의 차트, 그리고 원문 방법론 섹션에 링크된 익명 응답 시트예요 ^[1][2]. 차트 값은 2026년 10월 기준 원문 그림에서 그대로 옮겼고, 표본 수는 같은 시점에 공개 시트를 내려받아 우리가 직접 세었어요. 구간 계산(95% 윌슨 구간)도 우리가 한 것이에요. 이해관계도 적어 둘게요. TRAIL Labs 는 AI 검색 가시성을 재는 제품을 운영하는 회사라서 "측정이 문제"라는 결론에 유리한 쪽에 서 있어요. 그래서 이 글은 설문 결과를 넘어서는 주장을 하지 않고, 숫자가 얼마나 단단한지도 같이 보여 드려요.

마케팅 설문은 인하우스 팀과 사업주에게 직접 물었어요

이 설문의 응답자는 작성자가 개인적으로 연락한 인하우스 마케팅·SEO 팀(87%)과 사업주(13%)예요 ^[1]. 작성자 Ann Smarty 는 여러 고객을 동시에 다루는 대행사·프리랜서 대신, 한 브랜드를 맡아 통일된 전략을 운영하는 팀의 목소리를 듣고 싶었다고 이유를 적었어요. 같은 이유로 큰 브랜드와 의사결정자 위주로 연락했고, 그래서 표본이 대기업 쪽으로 기울었다는 점도 원문에 스스로 밝혀 두었어요.

원문이 공개한 회사 규모 구성은 Enterprise(직원 100명 초과) 58.9%, Medium(100명 이하) 35.6%, Small(1–10명) 5.5%예요. 응답 회사의 69.9%는 업력이 10년을 넘었어요 ^[1]. 매년 같은 형식으로 돌리는 연례 설문이라 2025년과 비교한 수치도 함께 실려 있어요.

전체 응답에서 AI 가시성 걱정을 하나만 고르게 한 결과는 아래와 같아요 ^[1].

표 1. Smarty Marketing 2026 설문의 AI 가시성 걱정 분포(전체). '묶음' 열은 원문에 없는 우리의 분류예요 ^[1].

원문은 이 결과를 작년과의 변화로 설명해요. 2025년에는 "온라인에서 발견되지 못할까" 하는 걱정이 가장 많았는데, 올해는 보고·모니터링이 1위로 올라왔다는 거예요 ^[1]. AI 때문에 온라인 가시성의 미래가 걱정된다는 응답은 87.76%(2025)에서 69.90%(2026)로 내려갔고, AI 가시성 전략이 무엇으로 이뤄져야 하는지 어느 정도 안다는 응답은 약 60%에서 87.7%로 올라갔어요. 걱정의 총량이 줄어든 자리에 "그래서 지금 어떻게 되고 있는지 모르겠다"가 남은 셈이에요.

회사 규모에 따라 AI 검색 걱정이 다른가요?

묶음 단위로 보면 회사 규모에 따른 차이보다 공통점이 커요. 세 규모 모두 정보 문제가 존재 문제보다 컸어요 ^[1]. 다섯 선택지를 두 종류로 묶으면 구조가 선명해져요. 하나는 정보 문제로, 전술 우선순위를 모르는 것과 신뢰할 보고·모니터링 데이터가 없는 것이에요. 다른 하나는 존재 문제로, 온라인에서 발견되지 못하는 것과 자연검색을 통째로 잃는 것이에요. 트래픽 손실은 둘 중 어느 쪽에도 깔끔하게 들어가지 않아서 따로 두었어요.

그림 1. 회사 규모별 AI 가시성 걱정 분포. Smarty Marketing 공개 차트의 값을 바꾸지 않고 우리 팔레트로 다시 그렸고, 오른쪽 합계는 우리가 묶어 더한 값이에요 ^[1].

표 2. 차트 값을 정보 문제와 존재 문제로 다시 묶은 결과. 각 행의 합은 100%예요 ^[1].

표 2의 차트 값을 우리가 묶어 계산하면, 세 규모 모두 정보 문제가 존재 문제보다 5배 이상 커요 ^[1]. 가장 차이가 작은 Enterprise 에서도 59% 대 12%예요. 이 설문이 보여 주는 가장 단단한 사실은 이 묶음 단위의 격차예요. 응답자들이 걱정하는 것은 AI 답변에서 브랜드가 지워지는 장면보다, 무엇이 바뀌었는지 설명하지 못하는 상태에 가까워요.

규모마다 1위 걱정은 달라요

묶음을 풀어 항목별로 보면 규모마다 1위가 달라요. Small 은 보고·모니터링(67%)과 트래픽 손실(33%) 두 항목에만 응답이 있고 나머지는 0이에요. Medium 은 전술 우선순위를 모른다는 응답이 50%로 1위예요. Enterprise 는 다시 보고·모니터링이 45%로 1위예요 ^[1]. 원문도 Medium 은 전술 우선순위, Enterprise 는 보고·모니터링·데이터 신뢰성을 가장 걱정한다고 정리했어요.

이 패턴을 우리는 이렇게 읽어요. Small 의 분포는 채널 하나 안에서 보는 시야처럼 보여요. 측정이 안 되거나 트래픽이 빠지거나, 둘 말고는 고민할 여유가 없는 그림이에요. Medium 은 할 수 있는 선택지가 충분히 많아서 잘못 고를 위험이 가장 큰 팀의 모습이고, 실제로 원문에서 Medium 의 약 89%가 AI 때문에 온라인 가시성의 미래를 걱정한다고 답해 Enterprise(64%)보다 높았어요 ^[1]. Enterprise 는 다루는 표면과 이해관계자가 많아서, 직접 돌리지 않은 숫자를 다른 사람에게 설명해야 하는 일이 늘어나는 구조예요. 이 해석은 응답 분포에서 나온 우리의 읽기이고, 설문이 직접 검증한 내용은 아니에요.

원문의 "그 밖의 걱정" 서술형 응답도 같은 방향을 가리켜요. 실행 가능한 KPI 가 없어 예산을 정당화하기 어렵다는 응답, AI 추천의 기준과 매출 기여를 평가하기 어렵다는 응답이 함께 실렸어요 ^[1]. 같은 설문에서 팀들이 고른 주요 GEO/AEO KPI 는 AI 답변 속 브랜드 언급 증가(33.7%), AI 가시성 점수 상승(20.2%), 답변 속 인용 증가(19.5%), LLM 플랫폼 유입 클릭 증가(18.5%)였어요. 목표로 삼는 지표는 정해졌는데 그 지표를 믿고 볼 도구가 부족하다는 조합이에요.

표본 수가 공개되지 않은 차트는 응답 시트로 세어서 읽어요

표본 수가 빠진 비율은 응답 수를 직접 찾아 센 뒤에 읽어야 해요. 원 차트는 그룹별 비율만 보여 주고 응답 수는 적지 않았어요. 비율만으로는 그 숫자가 얼마나 단단한지 알 수 없어요. 다행히 원문 방법론 섹션에 익명 응답 시트가 공개돼 있어서, 2026년 10월 기준으로 내려받아 "가장 큰 걱정" 문항을 회사 규모별로 직접 셌어요 ^[2]. 시트에는 2026년 9월 14–19일에 들어온 응답 71건이 있었어요.

표 3. 공개 응답 시트로 우리가 직접 센 규모별 응답 수와 비율, 95% 윌슨 구간. 시트는 2026년 10월 기준 사본이에요 ^[2].

공개 응답 시트를 우리가 센 결과, Small 의 67%는 3명 중 2명이에요 ^[2]. 우리가 계산한 이 비율의 95% 구간은 20.8–93.9%라서, Small 과 Enterprise 의 보고·모니터링 비율(67% 대 45%)을 비교해 "소규모 기업이 측정을 22%p 더 걱정한다"고 말할 근거는 없어요. Medium 과 Enterprise 처럼 응답이 수십 건인 그룹도 구간 폭이 30%p 안팎이에요. 반대로 "정보 문제가 존재 문제보다 크다"는 결론은 이 구간 안에서도 유지돼요. Enterprise 의 정보 문제 구간 하한(44.5%)이 존재 문제 구간 상한(25.0%)보다 위에 있어요.

시트와 차트가 완전히 같지는 않다는 점도 적어 둘게요 ^[1][2]. Medium 행은 차트에 50% / 12% / 30% / 8%로 그려져 있고 "발견되지 못함" 칸이 없는데, 시트에서는 26건 중 전술 13건, 보고·모니터링 7건, 트래픽 손실 3건, 자연검색 상실 2건, 발견되지 못함 1건이었어요. 원문이 밝힌 규모 비율(58.9 / 35.6 / 5.5%)도 시트 71건에서 계산한 값과 소수점 단위로 달라요. 어느 시점의 데이터가 차트의 기준인지는 원문만으로 알 수 없어서, 그림 1은 차트 값을, 표 3은 시트 집계를 각각 그대로 두었어요. 어느 쪽을 써도 묶음 단위의 결론은 같아요.

설문을 공개하고 응답 시트까지 열어 둔 것은 이 분야에서 드문 일이고, 덕분에 이런 확인이 가능했어요. 우리가 하려는 말은 비판이 아니에요. 분모가 없는 비율은 신뢰 수준을 말할 수 없으니, 차트의 숫자를 볼 때 응답 수를 함께 찾아보는 습관이 필요하다는 거예요. 우리 숫자에도 같은 규율을 적용해요.

AI 가시성 보고·모니터링 데이터가 중요한 이유

걱정의 중심이 측정이라면, AI 검색 대응에서 먼저 손볼 곳은 콘텐츠 생산량보다 계측 장비예요. 가장 큰 문제가 가시성 그 자체였다면 할 일은 더 많이 발행하고 더 세게 최적화하는 것이었을 거예요. 가장 큰 문제가 지금 무슨 일이 일어나는지 아무도 말하지 못하는 것이라면, 병목은 산출물보다 도구 쪽에 있어요. 콘텐츠를 세 배로 늘려도 그중 무엇이 AI 답변을 바꿨는지 모르면 다음 결정은 여전히 감에 기대게 돼요.

같은 설문의 투자 응답을 나란히 놓으면 이 간극이 더 잘 보여요. 응답 회사 100%가 AI 가시성에 이미 투자하고 있거나 투자할 계획이라고 답했고(2025년 85.7%), 66%는 LLM 때문에 SEO 예산을 늘릴 계획이에요. Enterprise 에서는 그 비율이 76%예요 ^[1]. AI 때문에 새로 시작한 전술 상위는 새 콘텐츠의 AI 최적화(25.2%), Reddit 마케팅(24.4%), 기존 콘텐츠 갱신(23.6%)으로 대부분 산출물 쪽이에요. 예산과 실행은 콘텐츠로 흘러가는데 가장 큰 걱정은 그 결과를 읽을 데이터라는 조합이에요. 작성자도 결론에서 쓸 수 있는 1차 데이터가 없고, 제3자 데이터는 어떤 프롬프트를 고르느냐에 따라 쉽게 치우친다고 적었어요 ^[1].

측정 도구 자체도 한 번 재서 끝낼 수 없어요. Don't Measure Once 연구는 같은 질문을 같은 날 다시 돌렸을 때 인용 출처 집합의 겹침(Jaccard)이 0.32–0.43에 그쳤다고 보고했어요(논문 실험 기준) ^[3]. 한 번의 조회로 만든 리포트는 이 흔들림을 그대로 담고 있어요. 그래서 "신뢰할 수 있는 보고"의 조건에는 반복 측정, 측정하지 못한 칸과 0이 나온 칸의 구분, 질문 세트가 바뀐 구간 표시 같은 규칙이 들어가야 해요. 이 기준은 AI 검색 성과 측정 프레임워크에서 주간·월간 루틴으로 정리해 두었어요.

리포트 형식도 같은 원칙을 따라요. 점수 하나로 모든 엔진을 뭉뚱그리면 어떤 엔진에서 무엇이 바뀌었는지 설명할 수 없어요. 이 문제는 AI 가시성을 점수 하나로 보면 위험한 이유에서 엔진별 분해로 다뤘고, 질문 단위 추적은 프롬프트 추적·모니터링 글에 이어져 있어요. 설문 응답자들이 원하는 것도 결국 이런 설명 가능성이에요. 숫자가 올랐는지보다, 왜 올랐는지 다른 사람에게 말할 수 있는지가 걱정의 핵심이에요.

한계

이 설문과 우리 분석이 말하지 못하는 범위가 분명히 있어요.

• 무작위 표본이 아니에요. 작성자가 직접 연락한 인하우스 팀과 사업주이고, 큰 브랜드와 의사결정자 쪽으로 기울어 있어요 ^[1]. 업계 전체의 비율로 일반화하면 안 돼요.
• Small 그룹은 사실상 해석할 수 없어요. 공개 시트 기준 3건이라, Small 의 항목별 비율은 개별 응답 몇 개의 기록에 가까워요 ^[2].
• 선택지가 하나만 고르는 방식이에요. 여러 걱정을 동시에 가진 팀도 하나만 골랐으니, 2위 이하 걱정의 크기는 이 데이터로 알 수 없어요.
• 정보 문제·존재 문제 묶음은 우리 분류예요. 원문에 없는 기준이고, 트래픽 손실을 어느 쪽에 넣느냐에 따라 합계가 달라져요. 우리는 어느 쪽에도 넣지 않았어요.
• 시트와 차트가 일부 달라요. 응답이 추가되거나 정리된 시점 차이로 보이는데, 원문만으로는 확인할 수 없어요. 그래서 두 값을 섞지 않고 출처를 나눠 표기했어요.
• 한국 시장 데이터가 아니에요. 국내 인하우스 팀의 걱정 분포는 따로 조사해야 해요.

정리

AI 검색에 대한 마케터의 가장 큰 걱정은 사라짐보다 깜깜이 운영이에요. Smarty Marketing 2026 설문에서 정보 문제는 회사 규모와 관계없이 존재 문제를 크게 앞섰고, 이 결론은 공개 응답 시트로 표본 수를 확인한 뒤에도 유지돼요. 규모 간 몇 %p 차이처럼 세밀한 비교는 표본이 버티지 못하니 방향으로만 읽는 게 맞아요. 걱정이 측정에 몰려 있다는 사실은, AI 검색에서 다음에 할 일을 정할 때 무엇을 얼마나 믿고 재는지부터 점검하라는 신호로 읽을 수 있어요.