ChatGPT에 내 브랜드를 노출시키는 법

누군가 ChatGPT에 "이 분야 괜찮은 브랜드 추천해줘"라고 물었다고 하자. 돌아오는 건 링크 열 개짜리 목록이 아니다. 매끄럽게 정리된 문장 한 덩어리, 그 안에 호명되는 브랜드는 보통 서너 개뿐이다. 그 명단에 못 든 브랜드는 이 사용자에게 그냥 없는 회사다. 검색 2페이지로 밀려나는 것과는 차원이 다르다. 아예 화면에 나타나지도 않는다.

그러니 던질 질문은 하나다. ChatGPT는 대체 무엇을 보고 그 서너 개를 골랐나. 여기서 답을 풀어야 노출 전략이 산다.

재료가 두 군데서 온다

ChatGPT가 답을 짤 때 끌어 쓰는 재료는 출처가 둘로 갈린다. 이걸 하나로 뭉뚱그리면 전략도 어긋난다.

하나는 사전 학습 데이터다. 모델이 만들어질 때 통째로 읽어 들인 웹 텍스트 더미. "GEO가 뭔가요" 같은 정의형 질문은 이 안쪽 기억만으로 답이 나온다. 출처 링크가 안 붙는 답이 대개 여기 출신이다. 문제는 이 기억에 들어가려면 학습이 돌던 시점에 이미 웹 여기저기에 브랜드가 적혀 있었어야 한다는 점이다. 지금 와서 손쓸 여지가 거의 없다.

다른 하나는 실시간 웹 검색이다. 최신성이 필요하거나 근거를 대야 하는 질문이면 ChatGPT가 질문받은 그 자리에서 웹을 뒤진다(SearchGPT·브라우징). 그렇게 긁어온 페이지를 읽고 인용한다. 답 밑에 출처 링크가 줄줄이 달리는 형태가 이쪽이다.

표를 보면 어디부터 손댈지는 고민할 것도 없다. 빠르고 우리가 직접 통제하는 실시간 검색 쪽을 먼저 깔고, 학습 데이터 각인은 그 위에 천천히 얹는 장기 숙제로 둔다. 순서를 뒤집으면 몇 달을 들이고도 손에 잡히는 게 없다.

크롤러가 막혀 있으면 거기서 끝난다

실시간 검색에 노출되려는데 전제 하나가 안 갖춰져 있으면 나머지는 의미가 없다. OpenAI 크롤러가 내 페이지를 읽을 수 있어야 한다. OpenAI는 학습용 GPTBot ↗과 검색 시점에 페이지를 가져오는 OAI-SearchBot을 따로 굴린다.^[1] robots.txt에서 이 둘을 막아 두면, 본문이 아무리 좋아도 인용 후보 명단에서 처음부터 빠진다.

현장에서 자주 보는 실수가 정확히 여기다. 무단 학습이 꺼림칙해서 GPTBot을 통째로 막아 둔 사이트가 많다. 학습 데이터로 빨려 들어가는 건 막았을지 몰라도, 같이 끊긴 게 실시간 검색 인용 기회다. 이건 의도하지 않은 부수 피해다. 해법은 전면 차단이 아니라 선별이다. 로그인·결제처럼 노출되면 곤란한 경로만 닫고, 공개된 제품·블로그·소개 페이지는 크롤러에 열어 둔다.

기술 쪽 두 번째 벽은 렌더링이다. 본문을 자바스크립트로 나중에 그려 넣는 사이트는, 크롤러 눈에 알맹이 없는 빈 골격만 보일 때가 있다. 사람 브라우저에선 멀쩡한 페이지가 봇한테는 백지인 셈이다. 서버사이드 렌더링(SSR) 으로 핵심 텍스트를 HTML 소스 안에 그대로 박아 두면 이 함정을 피한다.

들어와도 안 뽑히면 소용없다

크롤러를 들였다고 끝이 아니다. 봇이 페이지를 읽어 갔는데 인용할 만한 모양이 아니면 그냥 지나친다. GEO 논문 ↗은 콘텐츠에 통계·인용·출처를 더했을 때 생성 답변 내 가시성이 최대 40%까지 올라간다고 보고했다.^[3] 실무에서 이걸 풀면 세 가지로 압축된다.

• 답을 맨 앞에 둔다. 질문의 핵심 답을 문단 첫 문장에 박는다. ChatGPT는 긴 글을 통째로 옮기지 않고 답이 되는 조각만 떼어다 합친다. 답이 단락 끝 결론에 숨어 있으면 발췌 단계에서 놓친다.
• 근거를 같이 붙인다. 수치, 연도, 출처를 옆에 달면 모델이 "이건 믿고 인용해도 되는 문장"으로 분류한다. 맨몸 주장보다 근거 박힌 문장이 뽑힌다.
• 기계가 읽을 단서를 남긴다. 명확한 H2 제목, 구조화 데이터 ↗, FAQ 마크업은 사람보다 기계한테 더 친절한 장치다.^[2]

설계 디테일은 인용 가능한 콘텐츠 구조에서 더 파고든다.

이름과 강점을 한 덩어리로 각인시킨다

긴 호흡으로 가면 목표는 다른 데 있다. ChatGPT가 우리 브랜드를 하나의 엔티티로 굳혀 인식하게 만드는 것. 엔티티란 "이 이름 = 이 분야의 이 브랜드 = 이런 강점"이라는 연결이 모델 안에 고정되는 상태를 말한다.

이 연결은 자사 사이트 한 페이지 잘 쓴다고 생기지 않는다. 위키 성격의 백과, 언론 보도, 업계 디렉터리, 리뷰 사이트가 같은 정의와 같은 강점을 제각기 반복해서 말할 때 비로소 모델 안에 자리를 잡는다. 한쪽에선 "A 분야 솔루션", 다른 쪽에선 "B 분야 도구"라고 흩어지면 연결이 안 굳는다. 브랜드명, 한 줄 정의, 핵심 강점을 채널마다 같은 말로 맞춰 두는 게 그래서 중요하다. 한국 시장에서 이 작업을 GEO 관점으로 설계하는 사례로는 BOIDA가 표방하는 접근을 참고할 만하다.

측정하지 않으면 했는지도 모른다

작업의 마지막은 검증이다. ChatGPT 답변은 같은 질문에도 매번 미묘하게 달라진다. 한 번 물어보고 "노출됐다/안 됐다"를 판단하면 거의 틀린다. 운 좋게 한 번 호명된 걸 성과로 착각하거나, 운 나쁘게 한 번 빠진 걸 실패로 단정한다. 그래서 타겟 질문 목록을 정해 두고 여러 번 반복 질의해 언급·인용 점유율을 기록해야 한다. 점이 아니라 분포로 봐야 한다는 얘기다. 여러 엔진을 한꺼번에 보려면 멀티 엔진 측정 관점으로 추적 체계를 짜는 편이 낫다.

정리하면 이렇다. ChatGPT 노출은 빠른 길과 느린 길이 따로 있고, 두 길을 동시에 걷되 빠른 길부터 연다. 실시간 웹 검색은 GPTBot·OAI-SearchBot을 열고 SSR과 인용 가능한 구조를 갖추면 단기간에 잡힌다. 학습 데이터 각인은 여러 출처에 일관된 엔티티를 깔며 몇 달에 걸쳐 쌓는다. 그리고 둘 다 반복 질의로 점유율을 재서 닫는다. 크롤러를 막아 둔 채 노출을 기다리는 것, 그게 가장 흔하고 가장 비싼 실수다.