경영진 보고용 AI 가시성 대시보드 템플릿: 넣을 지표 7가지와 빼야 할 지표, 신뢰도 표기법

경영진 보고용 AI 가시성 대시보드에 어떤 지표를 넣어야 하는지에 대한 답부터 적는다. 헤드라인은 언급률, 인용률, 경쟁 SoV 3개로 끝내고, 그 아래에 묘사 정확도, 추천 강도, AI 유입 세션, Google AI 노출수 4개를 보조로 둔다. 모든 비율에는 오차범위와 측정 조건을 붙인다. 이 구성이 맞는 이유는 간단하다. 2026년 기준 AI 가시성을 체계적으로 추적하는 브랜드는 16%에 그치고(ppc.land, 2026)^[2], IAB 가이드라인 원문은 AI 가시성 측정 도구를 파는 회사가 20곳이 넘고 각자 다른 방법론을 쓴다고 적었다(IAB, 2026)^[1]. 경영진이 받는 숫자가 도구마다, 실행마다 바뀌면 보고서는 신뢰를 잃는다. 이 글은 IAB 가이드라인의 4개 차원에 맞춰 지표를 고르고, 빼야 할 지표와 1페이지 템플릿까지 한 번에 정리한다.

30초 정의: 대시보드에 들어가는 핵심 지표

• AI 가시성 대시보드는 생성형 AI 답변 속 브랜드 노출, 묘사, 행동 전환을 경영진이 한 페이지에서 읽도록 정리한 정기 보고 화면이다.
• **언급률(Mention Rate)**은 추적하는 질문 세트의 AI 응답 가운데 브랜드명이 등장한 응답의 비율이다.
• **인용률(Citation Rate)**은 추적하는 질문 세트의 AI 응답 가운데 자사 도메인이 출처 링크로 달린 응답의 비율이다.
• **경쟁 SoV(Share of Voice)**는 경쟁군 전체 브랜드 언급 가운데 자사 브랜드 언급이 차지하는 비율이다.
• **묘사 정확도(Portrayal)**는 AI 응답이 브랜드의 가격, 제품, 사실 정보를 틀리지 않고 전달한 비율이다.
• **추천 강도(Recommendation Strength)**는 AI 응답이 브랜드를 단순 나열이 아니라 선택지로 권한 정도다.
• AI 유입 세션은 AI 답변 속 링크를 클릭해 실제로 사이트에 들어온 방문 수다.

이 정의는 IAB가 2026년 8월 3일 발표한 『Measuring Visibility in the AI Era』의 지표 계층을 따른다(IAB, 2026)^[1]. 언급률, 인용률, SoV는 Presence 차원, 위치는 Prominence, 감성과 사실 오류율은 Portrayal, 추천 강도와 인용 후 클릭률은 Persuasion 차원에 속한다(ppc.land, 2026)^[2].

대시보드 3층 구조 도식

경영진 대시보드에 넣을 지표 7가지 (템플릿 표)

아래 표가 템플릿의 본체다. 행 순서가 곧 보고 순서다.

13번은 같은 질문 세트와 같은 기간에서 계산해야 서로 비교가 된다. 45번은 분모가 "브랜드가 언급된 응답"이라는 점이 다르다. 언급률이 낮은 달에는 묘사 정확도의 분모도 작아지므로 건수를 함께 적는다.

빼거나 부록으로 내릴 지표

순위를 빼는 근거는 반복 실험이다. SparkToro는 600명의 참가자가 12개 프롬프트를 ChatGPT, Claude, Google AI에 넣어 총 2,961회 실행한 결과, ChatGPT와 Google AI에서 같은 브랜드 목록이 다시 나올 확률이 100분의 1 미만이라고 보고했다(SparkToro, 2026)^[3]. 같은 순서까지 맞을 확률은 1,000번에 1번 미만이었고, Claude는 같은 목록이 반복될 확률이 조금 더 높았다^[3]. 같은 연구는 프롬프트를 여러 번 돌려 평균 낸 등장 비율은 쓸 만한 지표라고 결론냈다^[3]. 경영진에게 "이번 달 3위"라고 보고하면 다음 달 숫자가 아무 조치 없이 바뀐다. 비율과 범위로 보고하면 그런 일이 줄어든다.

근거: 왜 이 지표 조합인가

클릭이 줄어서 노출 지표가 먼저다

경영진이 가장 먼저 묻는 것은 트래픽이다. 그런데 AI 요약이 뜨는 검색에서는 클릭 자체가 줄어든다. Pew Research Center가 미국 성인 900명의 2025년 3월 브라우징을 분석한 결과, AI 요약이 있는 페이지에서 일반 결과 링크를 클릭한 방문은 8%로, AI 요약이 없는 페이지의 15%보다 낮았다(Pew Research Center, 2025)^[4]. AI 요약 안의 출처 링크를 클릭한 방문은 약 1%였다^[4]. 트래픽만 보고하면 AI 답변 안에서 일어나는 노출을 놓친다. 그래서 헤드라인을 노출층에 둔다.

무료 1차 데이터는 하한선이다

행동층의 두 지표는 무료로 구할 수 있지만 둘 다 빠지는 부분이 있다. GA4는 2026년 5월 13일 기본 채널 그룹에 AI 어시스턴트 채널을 추가했고, Google이 명시한 소스는 ChatGPT, Gemini, Claude 세 가지다(PTKorea, 2026)^[5]. 다만 리퍼러 헤더가 없는 방문은 여전히 Direct로 분류될 수 있다^[5]. 실제로 2026년 10월 초 ChatGPT가 본문 링크의 UTM 태그를 빼자, LLM Pulse 데이터에서 10월 9~11일 ChatGPT 세션이 직전 2주 같은 요일보다 약 46% 낮게 잡혔고 전체 트래픽은 비슷했다(Search Engine Journal, 2026)^[7]. 같은 기사에서 Adobe의 Cedric Huesler는 약 500개 페이지에서 ChatGPT 유입이 줄어든 만큼 Direct가 늘어난 것을 관찰했지만, LLM Pulse는 Direct 증가를 확인하지 못했고 실제 손실과 라벨 변경을 구분할 수 없다고 밝혔다^[7]. 어느 쪽이든 이 채널 숫자는 하한선으로 읽는다.

Search Console은 2026년 6월 3일 AI 개요와 AI 모드 노출수를 따로 보여주는 생성형 AI 성과 리포트를 발표했고, 영국 일부 사이트부터 순차 적용했다(Semrush, 2026)^[6]. 이 리포트에는 클릭 지표가 없고 구글 화면만 다룬다^[6]. 따라서 대시보드에는 "AI 유입 세션(하한)"처럼 라벨에 한계를 적는다.

같은 이름, 다른 산식

도구 데이터를 그대로 옮기면 안 되는 이유도 분명하다. Peec AI는 가시성을 "브랜드 언급 응답 수 / 전체 응답 수 × 100"으로 정의한다(Peec AI, 2026)^[8]. Profound는 분모를 "브랜드가 하나 이상 등장한 응답 수"로 둔다(Profound, 2026)^[9]. 같은 "가시성 48%"라도 두 도구의 값은 비교할 수 없다. 대시보드 하단에 도구명과 산식을 한 줄로 적어 두면 분기마다 반복되는 "왜 숫자가 다르냐"는 질문이 줄어든다.

측정 도구별로 대시보드 데이터를 어떻게 채우나

BOIDA는 디자이노블이 운영하는 솔루션으로, 제품명은 BVI(Brand Visibility Index)다. ChatGPT, Gemini, Claude, Google AI Overview, Google AI Mode, Naver AI Briefing 등 생성형 AI 엔진의 응답을 수집, 분석한다고 서비스 페이지 FAQ에 적었다(BOIDA, 2026)^[11]. MWC 2026 시연 보도에서는 URL이나 상품명을 넣으면 AI 가시성 점수와 경쟁사 비교를 내고, 이어서 개선 과제를 실행하는 엔드투엔드 구조로 소개됐다(AVING, 2026)^[10]. 이 기능 설명은 보도와 회사 페이지 기준이며 독립 검증 결과는 아니다. 종합 지수형 도구를 쓸 때는 지수 하나만 보고하지 말고, 지수와 함께 언급률, 인용률 같은 원지표를 같은 표에 두는 편이 경영진 보고에 안전하다. 이 원칙은 Profound, Peec AI에도 똑같이 적용된다. 도구 선택 기준 자체는 AI 가시성 모니터링 도구 비교와 GEO 추천 기업에서 더 자세히 다룬다.

실행: 1페이지 경영진 대시보드 만드는 6단계

1. 질문 세트를 고정한다. 정보형, 비교형, 추천형, 구매형 4개 의도 유형을 모두 넣는다. IAB 기준으로 의사결정급 측정은 4개 유형 전부, 방향성 측정은 최소 2개 유형이 필요하고, 질문이 50개 미만이면 탐색 단계로 본다(ppc.land, 2026)^[2].
2. 경쟁군을 확정한다. SoV 분모가 되는 경쟁사 목록을 분기 단위로 고정하고, 바꿀 때는 보고서에 변경 사실을 적는다.
3. 반복 수집한다. 같은 질문을 여러 번 돌려 평균을 낸다. SparkToro는 프롬프트당 60~100회 실행 후 평균을 권했다(SparkToro, 2026)^[3]. 예산이 부족하면 질문 수보다 반복 횟수를 먼저 확보한다.
4. 오차범위를 계산해 붙인다. 비율마다 "22%±4%p" 형식으로 적는다(ppc.land, 2026)^[2]. 전월 대비 변화가 오차범위 안이면 "변화 없음"으로 보고한다.
5. 묘사 오류를 건수로 적는다. 가격, 제품명, 설립연도처럼 틀리면 안 되는 사실의 오류 건수를 따로 세고, 수정 조치는 AI 답변 속 잘못된 브랜드 정보 바로잡기의 절차로 연결한다.
6. 행동층에 한계를 표기한다. GA4와 Search Console 수치에는 "하한" 라벨을 붙이고, 2026년 10월 ChatGPT 집계 변화 같은 사건은 날짜 주석으로 남긴다(ChatGPT UTM 누락 이슈 정리).

1페이지 레이아웃 예시

위 표의 수치는 형식을 보여주려는 가상의 예다. 실제 보고에서는 자사 측정값으로 바꾼다.

흔히 틀리는 지점

가장 흔한 실수는 SEO 대시보드에 AI 탭 하나를 덧붙이는 방식이다. 순위, 클릭, 세션 중심 화면에 AI 지표를 끼워 넣으면 경영진은 결국 세션 숫자만 본다. Pew 데이터대로 AI 요약 안 출처 클릭이 1% 수준이라면(Pew Research Center, 2025)^[4], 세션만 보는 보고서는 AI 노출이 늘어난 달에도 성과가 없다고 결론낸다.

두 번째는 도구 종합 점수를 KPI로 박는 일이다. 점수 산식이 비공개거나 도구마다 분모가 다르면, 도구를 바꾸는 순간 시계열이 끊긴다. 원지표를 함께 저장해 두면 도구를 교체해도 언급률과 인용률 추이는 이어진다.

세 번째는 국내 엔진과 한국어 질의를 빼먹는 경우다. 해외 도구 기본 설정은 영어 질의 중심인 경우가 많으므로, 한국어 질의 세트를 별도로 두고 엔진별로 나눠 본다. 엔진별 측정 설계는 멀티 엔진 측정 가이드에, KPI 정의 세부는 GEO KPI 성과 측정 가이드에 정리했다.

정리

• 헤드라인은 언급률, 인용률, 경쟁 SoV 3개다. IAB 기준 Presence 차원에 해당한다(IAB, 2026)^[1].
• 보조 지표는 묘사 정확도, 추천 강도, AI 유입 세션, Google AI 노출수 4개다.
• 모든 비율에 오차범위, 질문 수, 반복 횟수, 도구명, 산식을 붙인다.
• 평균 순위와 단일 실행 결과는 헤드라인에서 뺀다.
• GA4와 Search Console 수치는 AI 영향의 하한선으로 읽는다.

측정 표준의 배경은 IAB Four Ps 프레임워크 해설, 도구 간 수치 차이는 AI 가시성 도구 측정값 불일치 원인, 전환 지표 연결은 AI 검색 전환율과 ROI 비교에서 이어 읽을 수 있다. GEO 전반의 개념은 GEO란 무엇인가, 시장 지형은 글로벌 GEO/AEO 지형도 2026에 있다.