유준식
측정·도구

미용실 GEO 성과는 무엇으로 측정하는가?

읽는 시간 6분

유준식 · 뷰티 AI 컨설턴트

지역과 시술을 조합한 질문 세트를 고정하고, 월 1회 같은 날 같은 조건으로 주요 AI에 질문해 매장명이 등장하는지, 몇 번째로, 어떤 정보를 근거로 언급하는지를 기록합니다. 도구보다 '같은 조건을 유지하는 것'이 측정의 전부입니다.

무엇을 재는가

SEO는 순위와 클릭을 잽니다. GEO에는 그런 대시보드가 없습니다. 재야 할 것은 하나입니다. "고객이 AI에게 물었을 때 우리 매장이 답변에 나오는가." 이것을 재현 가능하게 만드는 것이 측정 설계의 전부입니다.

제가 적용 기록에 공개한 측정 기준은 다음 다섯 가지입니다.

1. 질문 세트를 고정한다

지역과 시술을 조합해 질문 문장을 만듭니다. "오류동역 미용실 추천해줘", "오류동 남자 펌 잘하는 곳", "오류동역 근처 염색 잘하는 미용실". 고객이 실제로 쓸 법한 구어체로 쓰고, 한 번 정하면 바꾸지 않습니다. 질문을 바꾸면 달마다 비교할 수 없습니다. 매장 하나에 5~10개면 충분합니다.

2. 대상 AI를 정한다

ChatGPT, Gemini, Perplexity 세 곳을 기본으로 합니다. 국내 고객 비중이 높은 매장은 네이버 AI 검색을 추가해도 됩니다. 정한 뒤에는 늘리거나 줄이지 않습니다.

3. 기록 항목을 정한다

질문마다 세 가지를 적습니다. 답변 본문에 매장명이 등장하는가(예/아니오), 등장했다면 몇 번째인가, 어떤 정보를 근거로 언급했는가(주소, 평점, 시술, 디자이너, 영업시간 등). 세 번째 항목이 가장 유용합니다. AI가 무엇을 근거로 삼는지 알면 다음 달에 무엇을 정비할지 정해집니다.

"노출"의 기준도 정합니다. 저는 답변 본문 문장에 매장명이 포함된 경우만 노출로 칩니다. 하단에 링크만 나열된 경우는 제외합니다.

4. 주기와 조건을 고정한다

월 1회, 같은 날, 같은 시간대, 로그아웃 상태 또는 시크릿 창에서 질문합니다. 개인화된 계정으로 물으면 이전 대화가 결과에 영향을 줄 수 있습니다. 컨설팅 계약 기간 중에는 변화를 빨리 보기 위해 주 1회로 올립니다.

5. 캡처를 남긴다

숫자만 적지 말고 답변 화면을 캡처해 날짜와 질문을 파일명에 넣어 보관합니다. 나중에 "그때 정말 나왔었나"를 확인할 유일한 증거이고, 타 매장명을 가리면 사례 자료로도 쓸 수 있습니다. 2026년 9월 15일 1차 측정 캡처는 적용 기록에 있습니다.

기록 양식

표 하나면 됩니다. 열은 측정일, 질문, AI, 노출 여부, 언급 순서, 근거 정보, 캡처 파일명. 행은 질문 수 × AI 수. 질문 8개에 AI 3곳이면 한 달에 24행입니다. 세 달치가 쌓이면 어느 질문에서 꾸준히 빠지는지, 어느 AI가 우리 매장을 덜 언급하는지가 보입니다.

미용실에 적용하면

  1. 우리 매장에 맞는 질문 5개를 구어체로 적어 고정한다.
  2. 이번 달 안에 ChatGPT, Gemini, Perplexity에 시크릿 창으로 질문하고 위 양식에 기록한다.
  3. 캡처를 날짜와 질문이 들어간 파일명으로 저장한다. 이것이 1차 측정이고, 다음 달 같은 날 반복한다.

자주 묻는 질문

무료 도구로 측정할 수 있나요?

네. ChatGPT, Gemini, Perplexity의 기본 서비스에 직접 질문하고 결과를 표에 적는 것으로 충분합니다. 자동화 도구는 질문 수가 수백 개를 넘을 때 검토하면 됩니다.

AI 답변이 매번 달라지는데 의미가 있나요?

그래서 조건을 고정하고 여러 질문의 경향을 봅니다. 한 질문의 한 번 결과가 아니라, 질문 세트 전체에서 언급 비율이 달마다 어떻게 변하는지를 봅니다.

로그인 상태에서 물어봐도 되나요?

개인화가 결과에 영향을 줄 수 있습니다. 가능하면 로그아웃 상태 또는 시크릿 창에서, 매장과 관련된 대화 기록이 없는 상태로 질문합니다.

노출은 되는데 매출로 이어지는지는 어떻게 아나요?

예약이나 방문 시 '어떻게 알고 오셨나요'에 'AI에게 물어봤다'는 항목을 추가해 세는 것이 현재로서는 가장 현실적인 방법입니다.

출처

  1. 자체 측정 기준 및 2026-09-15 1차 측정 기록. /cases 참조
  2. Aggarwal, P. et al. (2024). GEO: Generative Engine Optimization. KDD 2024. arXiv:2311.09735 (가시성 지표 정의 참고)