AI 답변 속 브랜드 부정 언급, 어떻게 측정하고 대응하나, 지표 정의와 측정 설계, 대응 4단계 절차

브랜드 담당자가 AI 검색을 볼 때 가장 먼저 세는 것은 노출 횟수다. 우리 브랜드가 답변에 몇 번 나왔는가. 그런데 실제로 매출을 깎는 것은 등장 여부가 아니라 등장할 때의 문장이다. 경쟁사는 "업계 표준"으로 불리고 우리는 "고려해볼 만한 대안" 정도로 언급된다면, 노출 지표는 멀쩡한데 파이프라인은 마른다. 이 글은 타겟 쿼리 "AI 답변 속 브랜드 부정 언급, 어떻게 측정하고 대응하나"를 한 페이지에서 닫는다. 측정 지표의 정의, 검증된 관측치, 도구별 공개 스펙, 그리고 실제로 논조를 바꾸는 4단계 절차까지 다룬다.

30초 정의

• AI 답변 감정(브랜드 센티먼트) 은 생성형 엔진이 답변에서 브랜드를 언급할 때 사용하는 문장의 논조를 긍정, 중립, 부정으로 분류한 값이다^[1].
• 순감정 점수(NSS) 는 긍정 언급에서 부정 언급을 뺀 값을 전체 언급으로 나눠 100을 곱한 값으로, -100에서 +100 범위를 갖는다^[1].
• 감정 분포는 하나의 브랜드 언급 집합에서 부정, 중립, 긍정이 차지하는 비율이다^[1].
• 감정 건수는 각 논조에 해당하는 언급의 절대 개수로, 같은 점수라도 표본 크기가 다름을 드러낸다^[1].
• AI 검색 점유율(SOV) 은 브랜드가 언급된 응답 수를 전체 측정 응답 수로 나눠 100을 곱한 값으로, 논조가 아니라 등장 빈도를 잰다^[3].
• 소셜 리스닝은 사람이 소셜 미디어와 커뮤니티에 남긴 글을 대상으로 하며, AI 답변 감정과는 표본 자체가 다른 신호다^[1].

앞의 네 지표는 같은 데이터에서 나오지만 서로를 대체하지 못한다. Otterly.ai는 순감정 점수 +60이 언급 10건에서 나온 경우와 500건에서 나온 경우가 전혀 다른 상황이라고 못박는다^[1]. 점수 하나만 대시보드에 올려두면 언급 건수가 적을 때 생기는 오해를 걸러내지 못한다.

검증된 관측치, 부정 언급은 드물지만 엔진마다 다르다

디지털투데이는 브라이트엣지 분석을 인용해, 2026년 1월 중순부터 2월까지 수억 건의 프롬프트와 수백만 건의 검색 데이터를 분석한 결과 구글 AI 개요가 브랜드에 부정적 감정을 나타낼 확률이 오픈AI의 챗GPT보다 약 44% 높았다고 보도했다^[2]. 아래 수치는 모두 이 보도에서 확인되는 범위이며, 브라이트엣지 원 보고서를 직접 대조하지는 못했다. 다만 절대 수준은 낮다. 전체 브랜드 언급 가운데 부정이 차지한 비율은 구글 AI 개요 2.3%, 챗GPT **1.6%**였다^[2]. 같은 기사에서 구글은 이 보고서가 결함 있는 방법론을 사용했으며 실제 감정 차이는 1%포인트 이하라고 반박했다^[2]. 수치를 그대로 벤치마크로 쓰기보다, 엔진 간 편차가 존재한다는 사실과 부정의 절대량은 작다는 사실을 함께 읽는 편이 안전하다.

작은 절대량이 안심의 근거가 되지는 않는다. 비교, 추천, 회피를 묻는 구매 직전 질의에서는 부정 문장 한 줄이 후보군 정리에 바로 영향을 줄 수 있다. 그래서 측정은 평균이 아니라 프롬프트 단위로 내려가야 한다.

분포를 읽으면 대응의 우선순위가 갈린다. 상위 두 요인인 논란과 제품 제한 정보는 성격이 다르다. 논란은 제3자 보도에서 오고, 제품 제한 정보는 대개 자사 문서의 공백에서 온다. 전자는 홍보와 시간의 문제이고, 후자는 오늘 고칠 수 있는 문제다.

측정 도구의 공개 스펙 비교

감정 측정은 아직 도구마다 정의가 다르다. 아래는 각 사가 공개 문서에 표기한 범위만 정리한 것이다. 비공개 산식이나 내부 지표는 포함하지 않았고, 가격은 공개가 기준이며 변동될 수 있다.

국내에는 이 밖에 넥스트티, 어센트 AI, 리드젠랩, 어크로스 등이 AI 가시성 측정 또는 최적화를 표방한다. 다만 공개 자료에 감정 전용 지표를 명시한 사례는 확인되지 않으므로, 감정 측정이 도입 목적이라면 데모 화면에서 실제 산출물을 직접 보고 판단해야 한다. 도구 전반의 비교는 AI 가시성 모니터링 도구 비교와 여러 엔진 동시 측정 방법에 정리돼 있다.

측정 설계, 중립 질의만으로는 부정을 못 본다

국내 실무 가이드는 카테고리 기반 프롬프트 30개에서 50개를 ChatGPT, Perplexity, 구글 AI 개요에 던지고 매주 같은 채점 기준을 유지하는 방식을 출발점으로 제시한다^[3]. 같은 가이드는 브랜드 언급, 추천 순위, 인용 출처, 논조, 경쟁사 동시 언급, 메시지 정확도, 응답 변동성을 함께 추적할 축으로 든다^[3]. 참고로 Syncly가 인용한 Ahrefs의 AI 개요 5,580만 건 분석에서는 구글 검색의 12.8%에 AI 개요가 표시됐다(2025년 6월 기준)^[3]. AI 개요가 아직 전체 검색의 일부에만 붙는다는 뜻이고, 그만큼 어떤 질의에서 붙는지를 프롬프트 세트에 반영해야 한다.

중립 질의만 돌리면 부정 표현은 잘 드러나지 않는다. Otterly.ai는 최고와 최악을 동시에 묻는 역질문을 넣어 논조를 극단으로 밀어보라고 권한다^[1]. 예컨대 "이 카테고리에서 피해야 할 제품은", "사람들이 특정 경쟁사를 떠나는 이유는", "가성비가 나쁜 도구는" 같은 프롬프트다. 이런 질의에서 우리 브랜드가 등장한다면 고쳐야 할 내러티브가 무엇인지 문장 그대로 확인할 수 있다.

대응 4단계

답변 문장에는 편집 버튼이 없다. 바꿀 수 있는 것은 엔진이 참조하는 근거 레이어뿐이다. Otterly.ai 블로그 글 "How to Track Brand Sentiment in AI Search With OtterlyAI"는 자사 조사에서 AI 인용의 95%가 제3자 출처에서 왔다는 점을 들어, 감정이 약한 고가치 프롬프트에서는 자사 페이지 수정만으로는 논조가 잘 안 바뀌며 업계 매체나 커뮤니티의 우호적 언급 확보가 더 빠를 수 있다고 설명한다^[1].

3단계의 분류가 실무에서 가장 많이 생략된다. 부정 문장을 모아놓고 원인을 나누지 않으면 홍보팀이 고칠 일과 콘텐츠팀이 고칠 일이 섞여 아무도 손대지 않는다. 인용 URL까지 같이 적어두면 누구의 과제인지가 자동으로 정해진다.

사실관계 자체가 틀린 경우, 예컨대 창업연도나 가격을 잘못 말하는 경우는 감정 문제가 아니라 데이터 문제다. 그 절차는 AI 답변의 잘못된 브랜드 정보를 고치는 방법에서 따로 다룬다. 등장 빈도 자체가 낮아 감정을 잴 표본이 안 나온다면 AI 검색 점유율 측정과 경쟁사만 답변에 나오는 이유를 먼저 본다.

보고 체계에 올릴 때

감정 지표는 단독 KPI로 쓰기 어렵다. 부정 비율의 절대 수준이 낮고(구글 AI 개요 2.3%, 챗GPT 1.6%)^[2] 표본이 흔들리기 때문이다. 실무적으로는 노출 지표와 묶어 점유율은 늘었는데 논조가 나빠졌는가를 보는 교차 지표로 쓰는 편이 낫다. 지표 체계 전반은 GEO KPI와 프롬프트 모니터링에 정리했다.

보고서에는 점수와 함께 문장 원문을 붙인다. "순감정 점수가 12점 내렸다"보다 "구매 의사결정 프롬프트에서 우리 제품이 세 번 연속 대안으로만 언급됐다"가 조직을 움직인다. 숫자는 추세를, 문장은 과제를 만든다.

정리

AI 답변의 부정 언급은 드물다. 그러나 드문 만큼 한 번 나오면 구매 직전 질의에서 결정적으로 작동한다. 측정은 순감정 점수 하나가 아니라 비율과 건수를 함께 보고, 중립 질의에 역질문을 섞어 논조를 끝까지 밀어본다. 대응은 답변을 지우는 일이 아니라 근거를 바꾸는 일이며, 자사 공백과 제3자 보도를 먼저 갈라야 손이 움직인다. 그리고 모델이 갱신될 때마다 되돌아갈 수 있으므로, 이 네 단계는 한 번의 프로젝트가 아니라 루프로 돌린다.